📚 Eksplorasi & Komparasi Topik Dokumen
Pencarian topik
Hasil Dokumen
Ditemukan: 18 dokumenBAGAN KENDALI EWMA ADAPTIF BEBAS PARAMETER BERBASIS SUPPOT VECTOR REGRESSION
Pemantauan dispersi proses merupakan komponen kritis dalam pengendalian kualitas statistik, seperti bagan kendali Exponentially Weighted Moving Average (EWMA). Bagan kendali EWMA konvensional untuk pemantauan dispersi memiliki keterbatasan mendasar, yaitu konstanta pemulusan ? harus ditetapkan sebelum pemantauan dimulai, padahal nilai optimalnya bergantung pada besar pergeseran yang umumnya tidak diketahui. Penelitian ini mengkonstruksi bagan kendali Adaptive EWMA (AEWMA) bebas parameter berbasis Support Vector Regression (SVR) untuk mengatasi keterbatasan tersebut, mengevaluasi kinerjanya melalui simulasi Monte Carlo, dan menerapkannya pada data imbal hasil logaritmik Indeks Harga Saham Gabungan (IHSG) harian. Konstruksi bagan mencakup estimasi parameter terkendali, penentuan pasangan parameter pemulusan dan pengali batas kendali (?, L) yang mempertahankan ARL mendekati 370, pembangkitan data latih, dan pelatihan model SVR dengan kernel RBF (? = 1, ? = 0,1, dan C = 0,1). Batas kendali yang dihasilkan bersifat dinamis dan menyesuaikan berdasarkan ? yang digunakan. Hasil simulasi menunjukkan bagan mampu mendeteksi pergeseran kecil (? = 1,05) dengan ARL sekitar 114 sampel dan menurun hingga kurang dari 4 sampel pada pergeseran besar (? = 2,00). Penerapan pada data IHSG dari Januari 2025 hingga Maret 2026 berhasil mendeteksi subgrup out-of-control tanpa perlu ? awal dan menyesuaikan terhadap dinamika proses yang berubah tanpa terikat memori statistik yang panjang. Penelitian ini membuktikan bahwa integrasi SVR menghasilkan bagan kendali yang adaptif, andal, dan efektif untuk pemantauan volatilitas IHSG.
STUDI NUMERIK OPTIMASI TOPOLOGI STRUKTUR DUA DIMENSI DAN TIGA DIMENSI BERBASIS METODE ELEMEN HINGGA SERTA PENERAPANNYA PADA STRUKTUR KAKI RODA PENDARAT
Penelitian ini membahas studi numerik optimasi topologi struktur dua dimensi dan tiga dimensi berbasis metode elemen hingga, serta penerapannya pada struktur roda pendarat utama pesawat ringan. Optimasi topologi digunakan untuk menentukan distribusi material yang efisien di dalam domain desain dengan tetap mengevaluasi kekakuan, tegangan, defleksi, dan kontinuitas jalur penyaluran beban. Kajian diawali dengan pemodelan struktur sederhana dua dimensi dan tiga dimensi untuk memahami pembentukan jalur penyaluran beban, pengaruh ukuran mesh, serta perbedaan karakter hasil optimasi akibat pemilihan fungsi objektif dan batasan. Metode penelitian dilakukan melalui analisis elemen hingga awal, uji konvergensi mesh, optimasi topologi berbasis densitas dengan pendekatan SIMP (Solid Isotropic Material with Penalization), rekonstruksi geometri, dan evaluasi pasca-optimasi. Dua formulasi dibandingkan, yaitu minimisasi energi regangan dengan batasan volume dan minimisasi volume dengan batasan tegangan. Formulasi pertama digunakan untuk memperoleh struktur dengan kekakuan global yang baik pada batas volume tertentu, sedangkan formulasi kedua digunakan sebagai pembanding untuk mengevaluasi sensitivitas hasil optimasi terhadap batasan tegangan. Kajian menunjukkan bahwa minimisasi energi regangan dengan batasan volume menghasilkan distribusi material yang lebih stabil dan mudah diinterpretasikan sebagai jalur beban. Sementara itu, minimisasi volume dengan batasan tegangan menunjukkan sensitivitas yang lebih tinggi terhadap mesh dan respons tegangan lokal. Pada model tiga dimensi, formulasi ini menghasilkan pengurangan material yang terlalu agresif sehingga material tersisa tidak membentuk geometri yang kontinu dan layak direkonstruksi. Pada struktur roda pendarat, hasil optimasi topologi tetap perlu direkonstruksi menjadi geometri realistis dan dievaluasi terhadap tegangan, defleksi, perubahan massa, serta kontinuitas jalur penyaluran beban pada kondisi pembebanan yang dikaji.
PENINGKATAN ROBUSTNESS VISION MAMBA TERHADAP SERANGAN ADVERSARIAL
Penelitian ini bertujuan melakukan peningkatan ketahanan Vision Mamba terhadap serangan adversarial pada tugas pengenalan rambu lalu lintas Indonesia, serta merancang metode peningkatan robustness yang efektif tanpa melakukan perubahan arsitektur model serta melakukan analisis perbandingan terhadap metode-metode peningkatan robustness tersebut. Dataset penelitian terdiri dari 21 kelas rambu lalu lintas yang dibangun secara seimbang pada data latih, validasi dan uji, sehingga memungkinkan evaluasi kinerja yang objektif dan stabil pada kondisi bersih maupun kondisi dengan serangan adversarial. Model dasar Vision Mamba dievaluasi menggunakan Adaptive Attack dan AutoAttack, guna menggambarkan tingkat ketahanan awal / baseline robustness terhadap gangguan pada input yang diperturbasi (perturbed input). Hasil eksperimen menunjukkan bahwa Vision Mamba sangat rentan terhadap serangan adversarial, terutama serangan AutoAttack dan Adaptive. Serangan tersebut mampu menurunkan akurasi model hingga mendekati nol meskipun pada nilai epsilon yang relatif kecil. Temuan ini menegaskan bahwa Vision Mamba, dalam bentuk standarnya, belum siap untuk diterapkan pada sistem Traffic Sign Recognition (TSR) berbasis keselamatan tanpa mekanisme pertahanan tambahan. Untuk menjawab kebutuhan tersebut, penelitian ini mengimplementasikan dan menguji lima metode peningkatan robustness yaitu Randomized Smoothing, Gradient Masking, Certified Robust Model, Adversarial Training dan Defensive Distillation. Evaluasi menunjukkan bahwa Adversarial Training merupakan metode paling efektif meningkatkan ketahanan Vision Mamba terhadap berbagai bentuk serangan adversarial, terutama serangan auto attack dan serangan adaptif. Randomized Smoothing dan Certified Robust Model terbukti membantu menambah kestabilan prediksi, sedangkan Gradient Masking dan Defensive Distillation tidak memberikan peningkatan signifikan ketika diuji menggunakan serangan adversarial. Dengan demikian, penelitian ini menyimpulkan bahwa pendekatan menempatkan Adversarial Training sebagai fondasi utama, diperkuat oleh Randomized Smoothing dan Certified Robust Model sebagai lapisan pertahanan tambahan, merupakan strategi optimal untuk meningkatkan robustness Vision Mamba dalam aplikasi pengenalan rambu lalu lintas Indonesia.
ANALISIS PENGARUH CLUSTERING BERBASIS JARAK TERHADAP PERFORMA MODEL ENSEMBLE UNTUK PREDIKSI SINYAL SELULER DI AREA URBAN
Prediksi coverage jaringan seluler yang akurat merupakan tantangan penting di area urban yang kompleks. Penelitian ini menganalisis secara komprehensif pengaruh clustering berbasis jarak terhadap performa model Ensemble Learning untuk prediksi sinyal seluler. Metodologi penelitian mencakup pengumpulan data drive test dan operator, pra-pemrosesan data, serta rekayasa fitur. Data kemudian dikelompokkan berdasarkan jarak menggunakan metode Quantile Binning dan Interval Tetap. Beberapa model ensemble dievaluasi dalam tiga skenario pemodelan: model khusus per cluster, model global (baseline), dan model global dengan penambahan fitur cluster. Hasil penelitian secara konsisten menunjukkan bahwa pendekatan model global (baseline) memberikan performa paling akurat dan robust, dengan model Stacking mencapai kinerja terbaik (R2 = 0.80). Hipotesis awal yang menyatakan error prediksi akan meningkat seiring bertambahnya jarak secara definitif ditolak. Analisis mendalam menemukan bahwa error justru memuncak pada rentang jarak menengah (100-250 meter), yang disebabkan oleh fluktuasi sinyal aktual yang sangat tinggi akibat kondisi lingkungan lokal yang kompleks seperti urban canyon. Temuan ini membuktikan bahwa faktor-faktor lingkungan lokal yang tidak dimodelkan memiliki pengaruh lebih dominan terhadap kesulitan prediksi dibandingkan pelemahan sinyal akibat jarak semata. Penelitian ini menghasilkan sistem prediksi yang andal dan menyajikan temuan melalui dashboard Streamlit interaktif. Didapat wawasan bahwa fitur geospasial yang lebih rinci diperlukan untuk meningkatkan akurasi model di masa depan.
PERBANDINGAN METODE SAMPLING UNIFORM, EVENT-BASED, DAN RANDOM SEEK UNTUK MENGATASI DATA IMBALANCE PADA DATASET SOCCERNET MENGGUNAKAN LSTM (STUDI KASUS: DETEKSI AKSI DALAM KONTEKS SMART FOOTBALL)
Video pertandingan sepak bola mengandung beragam aksi yang bersifat penting seperti gol, pelanggaran, dan tendangan bebas. Namun, aksi-aksi tersebut cenderung jarang terjadi dibandingkan latar belakang non-aksi sehingga menyebabkan ketidakseimbangan kelas (class imbalance) yang signifikan pada data. Ketidakseimbangan ini berdampak negatif terhadap performa model action recognition yang dilatih menggunakan arsitektur LSTM. Oleh karena itu, penelitian ini bertujuan untuk mengevaluasi efektivitas berbagai metode sampling dalam menangani masalah tersebut. Beberapa metode yang diujikan mencakup uniform sampling, event-based sampling, dan random seek yang diusulkan dalam penelitian ini. Dataset yang digunakan adalah hasil ekstraksi fitur video pertandingan sepak bola yang telah dilabeli berdasarkan jenis aksi yang kemudian dilakukan sampling berdasarkan ketiga metode yang diujikan. Kemudian data dilatih menggunakan LSTM dan dievaluasi berdasarkan metrik mean average precision (mAP) dan F1-score per kelas aksi. Hasil eksperimen menunjukkan bahwa metode random seek secara konsisten meningkatkan performa model pada kelas-kelas minoritas tanpa menurunkan performa secara keseluruhan. Kesimpulannya, pemilihan strategi sampling yang tepat berperan krusial dalam meningkatkan kemampuan model dalam mendeteksi aksi-aksi penting pada video sepak bola, terutama pada skenario dengan distribusi kelas yang tidak merata.
PENGEMBANGAN PIPELINE ESTIMASI LAJU PERNAPASAN BERBASIS SINYAL PHOTOPLETHYSMOGRAPHY MULTIKANAL DARI PERANGKAT WEARABLE
Pemantauan laju pernapasan (RR) dengan Photoplethysmography (PPG) saat ini masih rentan terhadap gangguan. Algoritma estimasi RR pada umumnya menggunakan satu kanal sinyal PPG yang dapat menjadi tidak efektif ketika terjadi gangguan. Penelitian ini bertujuan mengembangkan sebuah pipeline estimasi RR multikanal yang mengintegrasikan modul Signal Quality Assessment (SQA) dan teknik smoothing untuk meningkatkan kinerja dan ketahanannya. Sebagai landasan pengembangan, sebuah dataset baru yang mencakup 36 rekaman dari 12 subjek sehat telah dibangun. Dataset ini terdiri dari sinyal PPG tiga kanal (hijau, merah, dan inframerah) serta data referensi RR. Metode yang diusulkan bekerja dengan memproses suatu segmen dari sinyal PPG multikanal melalui pipeline yang terdiri atas tiga tahap: modul SQA memilih kanal dengan kualitas terbaik, algoritma estimasi (RIAV atau AIIRE) menghitung RR, dan hasilnya dihaluskan oleh modul smoothing. Melalui serangkaian eksperimen, ditemukan bahwa konfigurasi optimal untuk meningkatkan kinerja algoritma RIAV adalah dengan menggunakan ukuran segmen 75 detik, threshold SQA 0.9, dan Exponential Moving Average (? = 0.4). Penerapan pipeline ini menunjukkan peningkatan kinerja yang signifikan pada kedua algoritma yang diuji. Pada algoritma RIAV, MAE berhasil diturunkan sebesar 39.8% (dari 3.62 menjadi 2.18 bpm) dan RMSE sebesar 37.5% (dari 4.99 menjadi 3.12 bpm). Sementara itu, pada algoritma AIIRE, MAE juga berhasil diturunkan sebesar 18.0% (dari 3.05 menjadi 2.50 bpm) dan RMSE sebesar 11.4% (dari 4.02 menjadi 3.56 bpm). Temuan ini membuktikan bahwa kerangka kerja pipeline yang diusulkan efektif untuk meningkatkan kinerja algoritma estimasi RR.
STUDI EKSPERIMENTAL PENGARUH PEMASANGAN PERKUATAN FIBER-REINFORCED POLYMER (FRP) PADA BETON DENGAN BERBAGAI KONDISI TERENDAM
Penggunaan Fiber-Reinforced Polymer (FRP) sebagai material perkuatan beton menawarkan keunggulan dalam hal kekuatan tarik tinggi dan ketahan terhadap korosi dengan berat yang relatif ringan. Namun, efektivitas aplikasi FRP dalam kondsii perendaman masih menjadi permasalahan yang perlu diteliti lebih lanjut. Penelitian ini bertujuan untuk mengevaluasi pengaruh pemasangan FRP dalam kondisi terendam pada beton terhadap kuat lentur dan kuat tekan beton. Uji laboratorium dilakukan pada 2 balok beton bertulang dan 6 silinder beton bermutu rendah dengan variasi kondisi perendaman. Hasil menunjukkan bahwa aplikasi FRP dalam kondisi terendam menghadapi tantangan signifikan, terutama dalam memastikan impregnasi resin yang merata serta tercapainya ikatan adhesi yang kuat antara FRP dan permukaan beton. Pada spesimen silinder yang merupakan aplikasi bertipe contact-critical, kegagalan prematur terjadi akibat ketidaksempurnaan dalam detail pemasangan yang menyebabkan panjang overlap tidak mencukupi sehingga mengurangi efektivitas kekangan lateral yang seharusnya dihasilkan oleh FRP. Pada balok kegagalan yang dijumpai merupakan kegagalan diagonal tension yang menandakan bahwa sistem penyaluran gaya tarik dari FRP dan tulangan longitudinal tidak bekerja secara optimal, sehingga terjadi ketidakseimbangan gaya internal dan memicu retak miring sebelum kapasitas lentur teoritis tercapai. Walaupun ditemukan peningkatan kapasitas lentur dari balok, hasil ini belum mengambarkan pengaruh metode aplikasi perendaman pada balok. Oleh karena itu, diperlukan modifikasi pada spesimen agar kegagalan yang terjadi sesuai yang diinginkan. Selain itu penelitian lanjutan dapat dilakukan untuk mengeksplorasi parameter perendaman dan variasi metode perkuatan secara lebih mendalam, serta penyempurnaan metode pemasangan, khususnya dalam hal pengendalian kualitas penempelan dan pemenuhan panjang penyaluran yang memadai, guna mengoptimalkan performa sistem FRP dalam kondisi ekstrem.
SINTESIS DAN KARAKTERISASI CARBON DOTS BERBASIS KURKUMIN SERTA UJI SITOTOKSISITAS DAN BIOIMAGING IN VITRO UNTUK APLIKASI TERANOSTIK PADA KANKER
Curcumin carbon dots (Cur-CDs) merupakan kandidat agen teranostik potensial karena menggabungkan sifat antikanker dari kurkumin dengan karakteristik fotoluminesensi dari carbon dots (CDs). Penelitian ini bertujuan untuk mensintesis Cur-CDs dengan emisi merah serta mengevaluasi potensi sitotoksik dan kemampuan bioimaging secara in vitro terhadap sel kanker melanoma B16F10. Sintesis dilakukan menggunakan metode hidrotermal dan solvotermal dengan variasi prekursor, doping, pelarut, dan suhu. Karakterisasi dilakukan menggunakan UV-Vis, spektrofluorometer, FTIR, TEM, dan Zeta Potential Analyzer. Uji bioaktivitas mencakup MTT assay untuk sitotoksisitas sel dan analisis uptake sel secara kualitatif menggunakan mikroskop fluoresensi EVOS serta kuantitatif menggunakan microplate reader. Hasil menunjukkan bahwa Cur-CA-W-CDs1 yang disintesis dari kurkumin, asam sitrat, dan doping urea pada suhu 160?°C selama 4 jam dalam pelarut air memiliki emisi merah pada 630 nm dengan rasio emisi terhadap eksitasi sebesar 0,865 dan ukuran partikel 3-8 nm. Uji sitotoksisitas menunjukkan bahwa Cur-CA-W-CDs-1 memiliki efek inhibisi terhadap viabilitas sel kanker dengan nilai IC50 sebesar 3,428 mg/mL, sementara CDs pembanding tidak menunjukkan toksisitas hingga konsentrasi 5 mg/mL. Uji bioimaging in vitro menunjukkan internalisasi dari Cur-CA-W-CDs-1 ke dalam sel dengan efisiensi internalisasi yang sebanding dengan CDs-P1 dan lebih tinggi dibandingkan CDs-P2. Hasil ini mengindikasikan bahwa konversi kurkumin menjadi bentuk Cur-CDs meningkatkan potensi antiproliferatifnya sekaligus menghasilkan karakteristik fluoresensi yang sesuai untuk aplikasi bioimaging, menjadikannya kandidat yang baik untuk aplikasi teranostik kanker.
USULAN STRATEGI PEMASARAN MEDIA SOSIAL UNTUK MENINGKATKAN KETERLIBATAN DI MEDIA SOSIAL TEKNISIGO
Saat ini, bisnis dapat memanfaatkan media sosial sebagai sumber daya utama untuk terhubung dengan pelanggan dan membangun reputasi merek, sekaligus memengaruhi keputusan konsumen. Sektor teknologi, bersama dengan usaha kecil dan menengah (UKM) berbasis layanan lainnya, membutuhkan pengelolaan media sosial yang berkelanjutan untuk mencapai visibilitas pasar serta memperoleh kepercayaan dan akuisisi pelanggan. Mayoritas UKM belum menerapkan strategi konten yang spesifik terhadap audiens dan berbasis analisis data. Teknisigo, penyedia layanan perbaikan dan penjualan gadget di Indonesia, mencerminkan kekurangan tersebut. Meskipun Teknisigo memiliki struktur bisnis offline yang stabil, tingkat keterlibatan audiens di akun Instagram-nya masih rendah. Kondisi ini membuka peluang untuk mengkaji bagaimana penyesuaian konten yang lebih baik dengan kebutuhan audiens dapat meningkatkan metrik keterlibatan. Penelitian ini menghadapi tantangan utama karena metode penyampaian konten yang ada belum memenuhi ekspektasi audiens. Meskipun banyak organisasi telah mengadopsi pemasaran melalui media sosial, masih sedikit riset yang mengevaluasi secara menyeluruh bagaimana berbagai jenis konten memengaruhi keterlibatan pengguna di sektor layanan yang lebih spesifik. Penelitian ini berangkat dari asumsi bahwa setiap jenis konten menghasilkan reaksi audiens yang unik karena dorongan motivasional dan pola perilaku masing-masing individu. Studi ini bertujuan untuk mengevaluasi apakah pemahaman terhadap audiens, yang dikombinasikan dengan analisis performa konten, dapat menghasilkan tingkat keterlibatan yang lebih tinggi sekaligus mendorong tercapainya target pemasaran. Tujuan akhir dari penelitian ini adalah merancang kerangka kerja pemasaran media sosial yang ditingkatkan untuk Teknisigo guna meningkatkan keterlibatan di Instagram, dengan mengidentifikasi jenis konten yang paling efektif dalam menghasilkan interaksi. Proses penelitian terdiri dari beberapa tahapan. Tahap pertama mencakup analisis internal menggunakan kerangka Segmentation, Targeting, and Positioning (STP) untuk memahami profil audiens Teknisigo dan fokus pasarnya. Analisis eksternal juga dilakukan melalui benchmarking industri guna mengidentifikasi pola dan praktik terbaik dari bisnis serupa. Tahap kedua menggunakan pendekatan metode campuran. Secara kualitatif, wawancara tematik dilakukan dengan pemangku kepentingan internal untuk mengeksplorasi strategi media sosial saat ini, termasuk tantangan, tujuan, dan proses pengambilan keputusan. Secara kuantitatif, survei daring disebarkan kepada pengikut akun Instagram Teknisigo untuk mengumpulkan data mengenai motivasi mengikuti akun tersebut, kepuasan terhadap konten, dan jenis konten yang mereka sukai. Data kuantitatif dianalisis menggunakan metode statistik non-parametrik, termasuk korelasi peringkat Spearman, untuk mengetahui hubungan antara jenis konten dan tingkat keterlibatan. Temuan dari penelitian ini menunjukkan adanya kesenjangan yang jelas antara ekspektasi audiens dan konten yang saat ini disediakan oleh Teknisigo melalui saluran media sosialnya. Sementara beberapa jenis konten dianggap bernilai dan menarik, lainnya gagal menghasilkan interaksi yang berarti. Berdasarkan temuan ini, strategi konten yang direvisi pun diajukan, dengan fokus pada penguatan penyampaian konten edukatif dan relasional seperti tutorial perbaikan, kisah pelanggan, serta narasi di balik layar. Sementara itu, penggunaan materi promosi dan hiburan dioptimalkan secara lebih terarah dan relevan. Studi ini memberikan kontribusi terhadap pemahaman ilmiah dalam bidang pemasaran media sosial dengan menyoroti bagaimana tipologi konten memengaruhi keterlibatan pengguna dalam konteks UKM berbasis layanan.
ANALISIS HUBUNGAN ANTARA OTONOMI KERJA, KUALITAS KOLABORASI, DAN LINGKUNGAN KERJA TERSTRUKTUR TERHADAP PRODUKTIVITAS KARYAWAN DALAM PENGATURAN KERJA JARAK JAUH PADA PERUSAHAAN TEKNOLOGI PT. KREASI BERSAMA
Penelitian ini mengkaji dampak kerja jarak jauh terhadap produktivitas karyawan di PT. HLM, sebuah perusahaan teknologi yang bergerak di bidang pengembangan perangkat lunak dan konsultasi teknologi. PT. HLM telah meneraplan model kerja jarak jauh secara penuh semenjak tahun 2020 awal. Fokus penelitian ini adalah pada tiga variabel independen utama, yaitu otonomi kerja, kualitas kolaborasi dan lingkungan kerja. Penelitian ini dilatarbelakangi oleh semakin meluasnya penerapan model kerja jarak jauh serta kebutuhan untuk memahami faktor-faktor yang memengaruhi produktivitas dalam konteks tersebut. Latar belakang penelitian ini m engidentifikasi berbagai tantangan, seperti menjaga komunikasi yang efektif, mengelola jam kerja yang fleksibel, serta memastikan lingkungan kerja di rumah yang kondusif dan mendukung. Penelitian ini menggunakan kerangka teori Self-Determintaion Theory, Media Richness Theory, dan Psikologi lingkungan. Self-determination theory menegaskan bahwa otonomi kerja meningkatkan motivasi intrik dan kompetensi, yang merupakan faktor penting dalam meningkatkan prouktivitas. Media Richness Theory menyatakan bahwa media komunikasi yang mendukung dan kompleks, seperti panggilan video dan suara, lebih efektif dalam mendukung kolaborasi dibandingkan media yang sederhana seperti pesan dalam bentuk teks. Psikologi lingkungan menekankan penitngnya lingkungan kerja yang terstruktur dan bebas gangguan untuk mempertahankan produktivitas. Metode penelitian menggunakan survei kuantitatif dengan melibatkan 50 responden karyawan PT. HLM. Survei ini mengukur otonomi kerja, kualitas kolaborasi, lingkungan kerja terstruktur dan produktivitas kerja jarak jauh menggunakan instrumen skala likert. Uji validitas dan reliabilitas memastikan bahwa instrumen yang digunakan valid dan reliabel untuk analisis lebih lanjut. Hasil analisis statistik menunjukan bahwa otonomi kerja dan kulitas kolaborasi secara signifikan dan positif memengaruhi produktivitas kerja jarak jauh, sedangkan pengaruh lingkungan kerja secara fisik dan temporal menunjukan efek yang lebih lemah dan tidak signifikan secara statistik. iii Penelitian juga menunjukan mengidentifikasi berbagai kendala dalam olborasi virtual, seperti keterlambatan komunikasi dan berkurangnya interaksi informal, yang berdampak negatif pada produktivitas. Berdasarkan temuan teserbut, penelitian merekomendasikan peningkatan kebijakan kerja fleksibelmendukung otonomi, penginkatan dan pemeliharaan alat kolaborasi digital, serta penguatan interaksi virtual dan tatap muka secara berkala untuk mempererat hubungan sosial dan keselarasan tim. Selain itu, penting untuk mendukung kesejahteraan karyawan melalui program kesehata, seperti vaksinasi, dukungan kesehatan mental, program pelatihan dan kebugaran, serta penyediaan fasilitas kerja ergonomis dirumah dengan subsidi peralatan kerja yang revelan. Pendekatan ini diharapkan dapat mengoptimalkan efektivitas kerja jarak jauh dan memperkaya pemahaman tentang dinamika kerja jarak jauh di industri teknologi, khususnya PT. HLM. dengan fokus pada peningkatan otonomi kerja dan kualitas kolaborasi, PT. HLM dapat mempertahankan tingkat produktivitas yang tinggi dalam lingkungan kerja jarak jauh.
STUDI ANALISIS KETELITIAN POST-PROCESSING KINEMATIK PADA DRONE FOTOGRAMETRI MENGUNAKAN ADVANCED EXTENDED KALMAN FILTER
Pemanfaatan teknologi drone fotogrametri metode post-processing kinematik (PPK) berkembang pesat untuk berbagai aplikasi geospasial namun keakurasian data masih dipengaruhi oleh banyak hal misanya multipath. Penggunaan Teknik filter menjadi salah satu solusi untuk mengurangi dampak dari multipath effect yang berimbas pada meningkatnya error dan menurunnya akurasi posisi. Algoritma EKF umum digunakan namun memilki keterbatasan dalam menangani kondisi non-linear dan ketidakpastian data yang tinggi. AEKF ditawarkan untuk memperbaiki kekurangan yang terdapat pada EKF. Penelitian ini bertujuan untuk menganalisis dan membandingkan performa algoritma AEKF sebagai alternatif terhadap EKF. Analisis dilakukan pada tiga set data yaitu; Bali tinggi terbang 150m, Jatinangor tinggi terbang 80m, dan Jatinangor tinggi terbang 100m. Kinerja kedua algoritma dievaluasi berdasarkan tiga aspek utama: keandalan, presisi, dan akurasi.. AEKF terbukti lebih andal dalam memecahkan ambiguitas fase (peningkatan persentase solusi fix hingga 20.79%), menghasilkan estimasi koordinat yang lebih presisi (nilai RMSE mengecil hingga 34.2%, mean mengecil hingga 62.3%, dan standar deviasi mengecil hingga 29.6% dibanding dengan algoritma EKF), serta mencapai akurasi posisi yang lebih baik (RMSE arah easting mengecil hingga 44.6%, RMSE arah northing mengecil hingga 70.8%, dan RMSE ketinggian mengecil hingga 84.3%, dibanding uji akurasi posisi pada algoritma EKF). Disimpulkan bahwa penerapan AEKF memberikan peningkatan signifikan dalam hal keandalan, presisi, dan akurasi dibandingkan EKF untuk pengolahan data PPK drone fotogrametri.
TEKNIK PENYEIMBANGAN KELAS DENGAN METODE SMOTE DAN ADASYN PADA SINYAL EEG SATU KANAL UNTUK PROSES KLASIFIKASI TAHAPAN TIDUR
Ketidakseimbangan data pada klasifikasi tahapan tidur menggunakan sinyal EEG satu kanal dapat menyebabkan model cenderung bias terhadap kelas mayoritas, sehingga menurunkan akurasi prediksi kelas minoritas. Penelitian ini mengevaluasi efektivitas teknik oversampling, yaitu SMOTE dan ADASYN, dalam meningkatkan keseimbangan prediksi pada model machine learning (Random Forest, Decision Tree) dan deep learning (AttnSleep). Dataset yang digunakan adalah Sleep-EDF-20 dan Sleep-EDF-78 dengan rasio oversampling 1:1, 1:2, dan 1:3. Hasil evaluasi menunjukkan bahwa pada model machine learning, metode SMOTE dengan rasio 1:3 memberikan performa terbaik dalam meningkatkan keseimbangan prediksi. Pada Random Forest dengan dataset Sleep-EDF-20, SMOTE (1:3) meningkatkan Macro F1-Score (MF1) dari 66,51% menjadi 68,19% (+1,68%), Macro-Averaged G-Mean (MGm) dari 76,14% menjadi 79,19% (+3,05%), dengan penurunan akurasi yang minimal dari 77,75% menjadi 77,07% (-0,68%). Hasil serupa terlihat pada model Decision Tree dengan MF1 meningkat dari 63,24% menjadi 65,51% (+2,27%) dan MGm dari 74,06% menjadi 77,84% (+3,78%), dengan penurunan akurasi sebesar 0,90%. Teknik ADASYN (1:3) juga memberikan hasil yang kompetitif, meskipun sedikit di bawah SMOTE (1:3). Sebaliknya, pada model deep learning AttnSleep, penerapan teknik oversampling justru menurunkan performa secara keseluruhan. Pada dataset Sleep-EDF-20, SMOTE (1:3) menurunkan MF1 dari 78,68% menjadi 78,11% dan MGm dari 86,89% menjadi 85,73%, meskipun akurasi sedikit meningkat dari 84,11% menjadi 84,61% (+0,50%). ADASYN (1:3) memberikan pola serupa, dengan MF1 turun menjadi 78,44% dan MGm menjadi 86,23%. Dengan demikian, peningkatan jumlah sampel kelas minoritas yang tidak terlalu agresif, seperti SMOTE (1:3) direkomendasikan untuk meningkatkan keseimbangan prediksi pada model machine learning, sedangkan teknik oversampling tidak efektif pada model deep learning.
PERANCANGAN VIRTUAL REALITY TENTANG SISTEM TATA SURYA SEBAGAI MEDIA IMMERSIVE LEARNING UNTUK SISWA KELAS 7 SMP
Sains berperan penting dalam perkembangan teknologi dan pemahaman manusia terhadap alam semesta. Pendidikan sains sejak dini diperlukan untuk membangun pola pikir kritis, analitis, dan kemampuan memecahkan masalah. Namun, metode pembelajaran konvensional sering kali kurang efektif dalam menyampaikan konsep abstrak astronomi, seperti sistem tata surya. Oleh karena itu, inovasi dalam media pembelajaran yang lebih interaktif dan mendalam diperlukan. Penelitian ini bertujuan untuk merancang dan mengembangkan metode pembelajaran berbasis Virtual Reality (VR) guna meningkatkan pengalaman belajar siswa kelas 7 SMP tentang sistem tata surya. Teknologi VR dipilih karena kemampuannya menghadirkan simulasi lingkungan yang immersive, memungkinkan siswa menjelajahi serta memahami konsep abstrak astronomi secara lebih nyata. Media ini menawarkan simulasi pergerakan planet, revolusi dan rotasi Bumi, eksplorasi permukaan Bulan, serta fenomena astronomi lainnya dalam representasi visual yang realistis. Proses perancangan VR mencakup studi literatur, analisis data, wawancara dengan ahli, pengambilan kuesioner dari target sasaran, perancangan aset 3D menggunakan Blender, integrasi interaktif dalam Unity, serta pengujian untuk menilai efektivitas media. Hasil penelitian menunjukkan bahwa VR tentang sistem tata surya dapat menjadi media pembelajaran inovatif yang memfasilitasi pemahaman sains, memperkuat konsep astronomi, serta meningkatkan minat belajar siswa.
PENGARUH KETERLIBATAN KARYAWAN TERHADAP KEINGINAN UNTUK TETAP BERTAHAN SEBAGAI UPAYA UNTUK MENGURANGI TINGKAT TURNOVER PADA PERUSAHAAN TEKNOLOGI: STUDI KASUS QWORDS
Sektor teknologi berkembang dengan cepat, sebagaimana dibuktikan dengan banyaknya bisnis yang menyediakan layanan dan barang digital untuk meningkatkan kehidupan masyarakat. Namun, industri ini sering kali memiliki tingkat pergantian karyawan yang tinggi. Salah satunya adalah PT Qwords Company International, yang memiliki tingkat perputaran karyawan yang tinggi, yaitu 54% per tahun, dengan pengunduran diri secara sukarela sebagai penyebab utamanya. Masalah ini memotivasi penelitian untuk memeriksa keterlibatan karyawan dalam upaya untuk meningkatkan niat retensi. Penelitian ini menggunakan teori employee engagement dengan mengukur model Gallup Q12 untuk menilai tingkat keterlibatan karyawan. Penelitian ini juga meneliti teori niat untuk tetap tinggal untuk menentukan apakah karyawan memiliki tujuan jangka pendek atau jangka panjang untuk tetap tinggal di perusahaan. Penelitian ini melakukan penelitian awal melalui wawancara terhadap tiga narasumber untuk menggali masalah bisnis yang dihadapi oleh perusahaan. Penelitian ini menggunakan pendekatan kuantitatif melalui kuisioner sebanyak 46 karyawan Qwords. Hubungan antara keterlibatan karyawan dan niat untuk mempertahankan karyawan diselidiki dengan menggunakan metode analisis data kuantitatif yang disebut pemodelan persamaan struktural-kuadrat terkecil (PLSSEM). Temuan ini menunjukkan bahwa, dengan kontribusi 67,9% terhadap varians variabel dependen, keterlibatan karyawan memiliki dampak yang sangat besar terhadap niat untuk bertahan. Selain itu, penelitian ini menunjukkan bahwa sebagian besar karyawan Qwords ingin terus bekerja di perusahaan dalam jangka pendek, namun ragu-ragu untuk bertahan dalam jangka panjang. Dengan meningkatkan keterlibatan karyawan, perusahaan dapat menciptakan tempat kerja yang produktif yang berfokus pada keberlanjutan jangka panjang dan output yang tinggi.
TINJAUAN PROGRAM SETI BREAKTHROUGH LISTEN DAN PROSPEKNYA DENGAN STASIUN VLBI DI OBSERVATORIUM BOSSCHA
Bidang teknosignatur berkembang pesat di negara-negara yang telah maju dalam Astrofisika dan membawa SETI ke arah sains observasional yang serius. Namun, potensi bidang ini belum dieksplorasi di Indonesia, salah satunya karena ketiadaan instrumen dengan spesifikasi yang memadai. Fasilitas teleskop radio baru, stasiun VLBI Global Observing System (VGOS), sedang dalam persiapan pembangunan di Observatorium Bosscha. Tujuan dari tesis ini adalah untuk memanfaatkan inisiatif SETI internasional dalam merancang program deteksi teknosignatur di Observatorium Bosscha. Metode yang digunakan meliputi studi literatur dan pengolahan data publik dari Breakthrough Listen menggunakan Breakthrough Listen I/O Methods for Python. Diharapkan hasil penelitian ini dapat memberikan bukti yang meyakinkan mengenai relevansi pemanfaatan stasiun VGOS di Observatorium Bosscha untuk pekerjaan deteksi teknosignatur.