Algoritma

ABSTRAK Penelitian ini bertujuan untuk mengetahui apakah kemampuan komunikasi matematis siswa yang diajar dengan model pembelajaran kooperatif tipe Think Talk Write (TTW) lebih tinggi daripada kemampuan komunikasi matematis siswa yang diajar dengan model pembelajaran kooperatif tipe Think Pair Share (TPS) pada pokok bahasan kubus dan balok di kelas VIII. Jenis penelitian ini adalah eksperimen. Populasi dalam penelitian ini adalah seluruh siswa kelas VIII SMP N 27 Medan semester genap, yang terdiri dari 9 kelas. Sampel dalam penelitian ini adalah dua kelas yang dipilih secara acak dimana kelas VIII-2 sebagai kelas eksperimen TTW dan kelas VIII-3 sebagai kelas eksperimen TPS dengan masing-masing jumlah sampel 40 orang dalam tiap kelas. Penelitian ini menggunakan satu jenis instrumen yaitu post-test dalam bentuk essay. Dari hasil penelitian yang diberikan, diperoleh  nilai rata-rata post-test kelas eksperimen TTW sebesar 70,3125 dan kelas eksperimen TPS memperoleh nilai rata-rata 64,68...

Pembelajaran mesin merupakan jalur menuju kecerdasan buatan. Subkategori AI ini menggunakan algoritma untuk mempelajari wawasan dan mengenali pola dari data secara otomatis, serta menerapkan pembelajaran tersebut untuk membuat keputusan yang semakin baik. Dengan mempelajari dan bereksperimen dengan pembelajaran mesin, programmer menguji batas seberapa besar mereka dapat meningkatkan persepsi, kognisi, dan tindakan sistem komputer. Kecerdasan Buatan adalah bidang pengembangan komputer dan robot yang mampu berperilaku dengan cara yang meniru dan melampaui kemampuan manusia. Program yang didukung AI dapat menganalisis dan mengontekstualisasikan data untuk memberikan informasi atau secara otomatis memicu tindakan tanpa campur tangan manusia. Saat ini, kecerdasan buatan merupakan inti dari banyak teknologi yang kita gunakan, termasuk perangkat pintar dan asisten suara seperti Siri pada perangkat Apple. Perusahaan-perusahaan menggabungkan teknik-teknik seperti pemrosesan bahasa alami dan visi komputer, kemampuan komputer untuk menggunakan bahasa manusia dan menginterpretasikan gambar untuk mengotomatiskan tugas-tugas, mempercepat pengambilan keputusan, dan memungkinkan percakapan pelanggan dengan chatbot.

Nowadays, artificial intelligence, which is used in different fields with the increase in the number of works and transactions carried out in digital environment, is also used in the field of education. The main purpose of this study is to examine the views about artificial intelligence of preschool children, their mothers and teachers. The research was planned with phenomenology research design, one of the qualitative research methods. The study group of the research was formed by selecting a total of 30 people in the convenience sampling method, including 5 preschool teachers teaching in public and private independent kindergartens, 1 student from each teacher's 5year-old class and his/her mother. The data were collected through interviews and the interview questions were prepared by the researchers as open-ended questions. According to the results of the research, it was concluded that although the teachers defined artificial intelligence on the correct scientific basis, they did not have sufficient knowledge, did not use it in educational environments to increase the productivity of children and were worried. Considering the answers given by mothers and children to the questions about artificial intelligence, it can be interpreted that artificial intelligence is not defined correctly and there is a lack of knowledge, mothers have concerns that artificial intelligence may be harmful for their children, and children see artificial intelligence as a living being that they can talk to.

E-voting Is the use of hardware and software to establish an electronic system that is useful in the electoral process by making electronic votes that replace ballot papers. E-Voting was introduced by several e-Government especially in Europe in a request to serve the voting provisions by providing a control system, so that voters can vote whenever and wherever. To avoid all forms of fraud and damage to data which is certainly very important for the voting process, it is necessary to secure data by applying cryptography to the data. Currently there are many methods or algorithms that can be used to protect data from various types of attacks, but of course each algorithm has advantages and disadvantages of each. MD5 is a concise message algorithm developed by Ron rivest. MD5 has actually been rooted in a series of concise message algorithms, which are the predecessors of md5, all developed by Rivest. The original digest message is called md.

ABSTRAK Penelitian ini bertujuan untuk mengetahui apakah kemampuan komunikasi matematis siswa yang diajar dengan model pembelajaran kooperatif tipe Think Talk Write (TTW) lebih tinggi daripada kemampuan komunikasi matematis siswa yang diajar dengan model pembelajaran kooperatif tipe Think Pair Share (TPS) pada pokok bahasan kubus dan balok di kelas VIII. Jenis penelitian ini adalah eksperimen. Populasi dalam penelitian ini adalah seluruh siswa kelas VIII SMP N 27 Medan semester genap, yang terdiri dari 9 kelas. Sampel dalam penelitian ini adalah dua kelas yang dipilih secara acak dimana kelas VIII-2 sebagai kelas eksperimen TTW dan kelas VIII-3 sebagai kelas eksperimen TPS dengan masing-masing jumlah sampel 40 orang dalam tiap kelas. Penelitian ini menggunakan satu jenis instrumen yaitu post-test dalam bentuk essay. Dari hasil penelitian yang diberikan, diperoleh  nilai rata-rata post-test kelas eksperimen TTW sebesar 70,3125 dan kelas eksperimen TPS memperoleh nilai rata-rata 64,68...

Informatika untuk SMA Kelas XI 12 12 Bab 2 Strategi Algoritmik dan Pemrograman Pernahkah kalian berpikir bagaimana program yang kita gunakan dalam kehidupan sehari-hari dikembangkan? Bagaimana para pemrogram menghasilkan program yang sangat kompleks yang kalian gunakan di kehidupan sehari-hari? Bagaimana program tersebut dirancang dan diimplementasikan hingga dapat melayani ribuan hingga jutaan pengguna dengan efisien sehingga program tetap terasa nyaman saat digunakan?

Penelitian ini memiliki tujuan untuk menganalisis faktor-faktor yang mempengaruhi kegagalan sistem dalam sebuah mesin. Data terdiri dari 10.000 baris dan 8 kolom. Dengan variabel dependen "Failure Type" yang menjelaskan keadaan mesin yang mengalami gagal kerja atau tidak. Studi ini menggunakan beberapa metode yang sering digunakan dalam machine learning, yaitu Support Vector Regression dan Random Forest Regression. Support Vector Regression digunakan untuk membuat model yang akan digunakan dalam memprediksi kegagalan mesin. Random Forest Regression digunakan untuk mendapatkan banyak klasifikasi model sehingga dapat memperoleh model yang optimal. Evaluasi performa model digunakan teknik Cross Validation yang divisualisasikan dengan Confusion Matrix. Penelitian ini digunakan untuk menambah wawasan bagi operator mesin agar mengetahui kondisi mesin yang mengalami kegagalan fungsi dalam rangka mengurangi resiko yang tidak diinginkan.

Penyakit jantung merupakan salah satu masalah kesehatan utama di seluruh dunia. Berbagai metode machine learning terbukti efektif dalam memprediksi risiko penyakit jantung. Penelitian ini akan membandingkan kinerja beberapa algoritma Supervised Machine Learning, seperti Gradient Boosting, Decision Tree, Random Forest, Support Vector Machine (SVM), dan Regresi Logistik Biner, dalam memprediksi risiko serangan jantung. Hasil analisis menunjukkan bahwa metode gradient boosting dengan hyperparameter tuning merupakan metode terbaik untuk memprediksi individu yang berisiko tinggi mengalami serangan jantung dengan nilai akurasi sebesar 83%, presisi 85%, recall 87% dan F-1 score sebesar 86%. Nilai AUC pada metode gradient boosting merupakan yang tertinggi yaitu sebesar 91%. Artinya metode dapat menunjukkan performa yang sangat baik. Harapannya hasil penelitian ini dapat diimplementasikan dalam sistem pendukung keputusan klinis untuk membantu tenaga medis dalam mendeteksi dini dan memberikan intervensi yang tepat bagi pasien berisiko tinggi serangan jantung.

Penelitian ini bertujuan untuk menganalisis risiko diabetes pada populasi Pima Indian menggunakan berbagai metode machine learning. Dataset Pima Indians Diabetes digunakan sebagai dasar untuk mengidentifikasi faktor-faktor yang mempengaruhi kemungkinan seseorang mengembangkan diabetes. Tahapan penelitian mencakup Exploratory Data Analysis (EDA), preprocessing data, pemilihan fitur, pembagian data, pembangunan dan pelatihan model, evaluasi kinerja model, serta interpretasi hasil. Model yang digunakan meliputi Logistic Regression, Support Vector Machines (SVM), Decision Trees, dan Random Forests. Hasil evaluasi menunjukkan bahwa model Random Forests memberikan kinerja terbaik dengan akurasi yang tinggi dalam memprediksi risiko diabetes. Penelitian ini memberikan wawasan penting dalam memahami faktor-faktor risiko diabetes dan penerapan machine learning dalam bidang kesehatan.

Ponsel merupakan salah satu produk kecanggihan perkembangan yang terus berkembang pesat. Lebih dari 50% populasi dunia menjadikan ponsel sebagai kebutuhan individu lantaran fitur penggunaannya yang sangat efisien. Mengingat banyaknya pengguna produk ponsel, kerap memicu pertimbangan kinerja pasar yang bergantung pada penentuan ketepatan harga suatu produk. Maka dari itu, pada penelitian ini bertujuan untuk menentukan rentang harga ponsel berdasarkan spesifikasinya, termasuk penyimpanan, tampilan, daya tahan baterai, RAM, kamera, dan lainnya. Hal ini akan membantu konsumen dalam membuat keputusan yang tepat saat membeli ponsel sesuai dengan kebutuhan dan anggaran mereka. Dengan banyaknya sumber daya yang tersedia, membuat pilihan terbaik bisa menjadi sulit bagi calon pembeli. Model yang menawarkan panduan berdasarkan aspek penting dari ponsel dikembangkan untuk mengatasi masalah ini. Untuk mengklasifikasikan dan memperkirakan rentang harga ponsel, penelitian ini menggunakan empat teknik Machine Learning: Support Vector Machine (SVM), Decision Tree, Random Forest, dan K-Nearest Neighbor (KNN). Model-model ini dilatih untuk menghasilkan hasil yang termasuk dalam kategori rendah, sedang, tinggi, atau sangat tinggi. Data untuk penelitian ini diperoleh dari pranala Kaggle. Hasil pengolahan data dievaluasi untuk mencapai tingkat presisi tertinggi sambil memilih fitur ponsel yang paling diinginkan. Hasil penelitian ini akan memiliki implikasi praktis bagi konsumen dan produsen. Konsumen dapat membuat keputusan yang tepat berdasarkan fitur-fitur yang berpengaruh dengan mempertimbangkan preferensi dan batasan anggaran mereka. Produsen dapat menggunakan wawasan ini untuk mengoptimalkan penawaran produk dengan menekankan fitur-fitur yang berkontribusi signifikan pada rentang harga yang lebih tinggi sehingga dapat meningkatkan daya saing pasar dan kepuasan konsumen. Dengan menerapkan dua teknik evaluasi, yakni teknik split data dan cross validaton. Hasil penelitian ini menunjukkan bahwa algoritma Support Vector Machines (SVM) dengan model hyperparameter tuning dan Random Forest dengan kombinasi feature selection dan hyperparameter tuning lebih baik serta optimal dibandingkan ketiga metode yang lain. Hasil split data metode Support Vector Machines (SVM) dengan model hyperparameter tuning diperoleh rata-rata accuray sebesar 96.5%, sensitivity 86.75%, precision 87.5%, specificity 95.75%, dan AUC 99%. Sedangkan, dengan mengunakan metode Random Forest dengan kombinasi feature selection diperoleh nilai rata-rata accuray sebesar 100%, sensitivity 97.25%, precision 92%, specificity 91.75%, AUC 99%.

Pasar saham dipandang sebagai pasar yang tidak dapat diprediksi, volatil, dan kompetitif. Prediksi harga saham telah menjadi tugas yang menantang selama bertahun-tahun. Bahkan, banyak analis sangat tertarik pada bidang penelitian prediksi harga saham. Penelitian ini bertujuan untuk menganalisis dan prediksi deret waktu Bursa Efek Nasional India melalui data pasar saham NIFTY-50 di Kaggle pada rentang waktu tahun 2000 sampai 2021 yang merupakan data deret waktu selama sekitar 21 tahun.. Analisis ini dilakukan dengan menggunakan beberapa metode Machine Learning seperti metode Support Vector Machine (SVM), Random Forest, k-Nearest Neighbors (kNN), PCA, dan Decision Trees (DT). Dari berbagai model yang diuji pada dataset ASIANPAINT, Random Forest terbukti paling efektif, dengan Mean Square Error (MSE) sangat rendah sebesar 15.57, serta evaluasi melalui Repeated Holdout dan K-Fold Cross-Validation menunjukkan akurasi 99.70% dan 99.64%, sensitivitas 99.74% dan 99.62%, spesifisitas 99.66%, dan Area Under the ROC Curve (AUC) mencapai 1.00. Temuan ini menunjukkan bahwa Random Forest adalah model yang sangat efektif untuk prediksi kelas dalam dataset ASIANPAINT.

Diabetes adalah salah satu penyakit kronis yang paling umum dan berpotensi mematikan di seluruh dunia. Penyakit ini dapat ditandai dengan beberapa kondisi tubuh pasien. Algoritma machine learning seperti Decision Tree, Random Forest, Support Vector Machine, K-Nearest Neighbour, dan Neural Network digunakan untuk memprediksi risiko diabetes berdasarkan fitur-fitur yang tersedia. Metrik evaluasi model seperti nilai akurasi, presisi, recall, F1-Score, dan AUC-ROC dilakukan untuk membandingkan performa berbagai model machine learning guna menentukan model yang paling akurat dan efisien dalam memprediksi risiko diabetes. Metrik evaluasi menghasilkan bahwa model yang paling akurat adalah Random Forest nilai presisi sebesar 99,07% dan recall 99,04% yang lebih baik dibanding model lainnya. Model prediksi yang akurat dapat digunakan oleh tenaga kesehatan sebagai alat bantu untuk diagnosa awal, yang memungkinkan intervensi dini dan pengelolaan yang lebih efektif terhadap pasien. Selain itu, hasil analisis dapat memberikan wawasan yang lebih mendalam tentang faktor-faktor risiko utama yang harus diperhatikan dalam upaya pencegahan dan edukasi kesehatan masyarakat. Dengan demikian, penggunaan machine learning dalam analisis data medis ini tidak hanya meningkatkan akurasi diagnosa tetapi juga berpotensi menyelamatkan banyak nyawa melalui deteksi dini dan penanganan yang tepat.

Multiple Sclerosis (MS) adalah penyakit autoimun kronis yang menyerang sistem saraf pusat, terutama mempengaruhi selubung mielin. Penelitian ini menyajikan pendekatan gabungan yang memanfaatkan model Decision Tree dan Extra Trees untuk mendeteksi gejala awal dan perkembangan Multiple Sclerosis di Meksiko. Studi ini menggunakan skala klinis seperti Expanded Disability Status Scale (EDSS) untuk mengevaluasi kecacatan pasien dan mengintegrasikan machine learning untuk mendiagnosis dan memprediksi perkembangan penyakit. Data yang digunakan dalam penelitian ini berasal dari dataset Conversion Predictors of Clinically Isolated System (CIS) to Multiple Sclerosis dari Kaggle. Langkah analisis meliputi pengecekan missing value, imputasi data, standarisasi data, pembagian data menjadi data train dan test, serta visualisasi hasil klasifikasi. Hasil analisis klasifikasi biner menghasilkan semua ukuran ketepatan klasifikasi yang sempurna yaitu 100%, serta model Decision Tree dan Extra Trees tidak mengalami underfitting atau overfitting. Studi penelitian ini bertujuan untuk mengetahui analisis lebih lanjut terkait keputusan pemeriksaan dan penanganan kesehatan yang lebih baik terhadap pasien yang diduga mengidap penyakit Multiple Sclerosis di Mexico.

Dalam makalah ini akan dibahas terkait peranan graf dalam rekayasa perangkat lunak, khususnya dalam pengujian progam. Pengujian progam yang digunakan adalah pengujian White Boxmenggunakan pengujian jalur dasar (basis path testing). Langkah pertama adalah menggambarkan graf alir (flow graph) berdasarkan algoritma struktur progam, dimana aliran kontrol logika dimodelkan dengan graf berarah dengan simpul menyatakan pernyataan atau kondisi yang dievaluasi dan sisi menyatakan aliran kontrol logika ke pernyataan atau kondisi berikutnya.Kedua, menentukan kompleksitas logis dari struktur progam dengan menentukan banyaknya jalur dasar dalam himpunan basis progam.Ketiga, mendefinisikan kasus uji untuk setiap jalur dasar yang telah ditentukan.Pada bagian akhir makalah ini, diberikan hasil percobaan pengujian jalur dasar yang diaplikasikan pada algoritma suatu progam. Kata kunci: Graf alir, Jalur dasar (basis path), Pengujianan White Box dengan jalur dasar.

Peningkatan kasus HIV / AIDS di Indonesia telah menjadi kasus yang tidak pernah lolos dari kota. Perhatian terhadap angka kematian terus meningkat membuat orang khawatir tentang penyebaran HIV / AIDS. HIV / AIDS hanya dapat ditularkan melalui hubungan seksual dari orang yang terinfeksi, transfusi darah yang terkontaminasi dengan HIV / AIDS, dan dari perempuan yang terinfeksi HIV kepada anaknya selama kehamilan, persalinan, dan menyusui. Di Indonesia , jumlah kasus HIV / AIDS membuat instansi terkait harus bertindak cepat dan akurat. Konseling dan tes HIV / AIDS dapat dilakukan di Indonesia berdasarkan provinsi dengan pasien tertinggi. Selain itu, ini akan diintegrasikan oleh jumlah kluster orang dengan HIV / AIDS menggunakan algoritma K-Means yang akan membantu pihak terkait untuk mengambil tindakan terhadap HIV / AIDS Pada penelitian ini , membuat aplikasi berbasis web . Aplikasi dibuat dengan menggunakan PHP sebagai bahasa pemograman , MySql sebagai ruang penyimpanan data dan Code...

Serangan jaringan menjadi ancaman besar bagi keamanan informasi dan data di dunia. Serangan jaringan memiliki berbagai bentuk seperti Distributed Denial of Service (DDoS), Man in the Middle (MitM), dan phishing dengan tujuan yang berbeda. Supervised Machine Learning menjadi salah satu metode dalam menghadapi permasalahan jaringan. Tipe serangan jaringan akan diklasifikasikan dengan menggunakan supervised machine learning guna sebagai antisipasi adanya serangan jaringan dengan mengenali tipe serangan jaringan berdasarkan ciri-cirinya. Penelitian ini akan bertujuan mencari metode klasifikasi terbaik antara regresi logistik multinomial, random forest, dan support vector machine (SVM) dalam mengklasifikasikan tipe serangan jaringan. Dataset yang digunakan adalah network attack prediction yang bersumber dari kaggle dengan jumlah variabel 42 variabel dengan 12.989 observasi. Pemilihan metode terbaik berdasarkan ukuran akurasi, sensitivitas, dan ROC AUC. Ukuran kinerja semua metode dalam penelitian ini sangat baik dimana semua nilainya mendekati satu. Dan juga semua metode tidak terjadi overfitting maupun underfitting karena akurasi data training dan data testing tidak berbeda signifikan. Kemudian, dipilih random forest sebagai metode terbaik karena memiliki ukuran kinerja yang paling baik dibandingkan dengan kedua metode lainnya. Akurasi metode random forest sebesar 0,9992, ROC AUC sebesar 0,9996, dan sensitivitas sebesar 1. Nilai-nilai tersebut sudah menunjukkan bahwa kinerja random forest dalam mengklasifikasikan tipe serangan jaringan sangat baik. Metode random forest dibandingkan kedua metode lainnya, sangat cocok dalam mengklasifikasikan tipe serangan jaringan dalam network attack prediction dataset. Kata Kunci⎯ klasifikasi, random forest, serangan jaringan, supervised learning, support vector machine

Penelitian ini membahas penerapan metode machine learning untuk memprediksi keputusan persetujuan kredit menggunakan German Credit Dataset. Metode yang digunakan meliputi Logistic Regression, Decision Tree, Random Forest, dan Support Vector Machine (SVM). Setiap metode dianalisis untuk menentukan efektivitasnya dalam memprediksi kelayakan kredit. Hasil penelitian menunjukkan bahwa Random Forest unggul dengan akurasi mencapai 85%, menjadikannya pilihan ideal untuk lembaga keuangan dalam memproses aplikasi kredit. Studi ini mengidentifikasi beberapa faktor demografis dan finansial yang signifikan dalam mempengaruhi persetujuan kredit. Dengan menerapkan model machine learning, proses pengambilan keputusan dapat dilakukan lebih efisien dan akurat, mengurangi potensi risiko kredit. Penelitian ini menyarankan penggunaan metode ensemble dan eksplorasi lebih lanjut terhadap teknik machine learning lainnya untuk meningkatkan performa prediksi. Melalui penelitian ini, diharapkan bahwa lembaga keuangan dapat mengoptimalkan proses evaluasi kredit, sehingga dapat memberikan keputusan yang lebih tepat dan cepat, serta meminimalkan risiko yang terkait dengan pemberian kredit.

Konsumen merupakan faktor terpenting pada bisnis. Setiap konsumen memiliki tipe kepribadian yang berbedabeda. Melalui pembelajaran mesin dan teknik analisis data, kepribadian pelanggan yang tersedia dapat di klasifikasian ke dalam segmen yang berbeda berdasarkan karakteristik-karaktrisktik tertentu yang berkontribusi dalam meningkatkan kampanye pemasaran. Dilakukan Analisis Regresi Logistik Ridge untuk mengetahui karakteristik pelanggan seperti apa yang akan merespon positif terhadap kampanye pemasaran. Selain itu dilakukan analisis dengan beberapa metode supervised machine learning yaitu Support Vector Machine (SVM), Decision Tree, dan Random Forest. Variabel output dalam analisis ini adalah variabel "Response" sebagai indikator apakah pelanggan merespons kampanye terbaru (0 atau 1), dimana 0 berarti pelanggan tidak merepon dan 1 berarti pelanggan merespon kampanye. Didapatkan model terbaik yaitu supervised machine learning (SVM) dengan nilai akurasi 0.942 dan nilai AUC sebesar 0.980 yang menunjukkan bahwa model ini membagi kelas dengan sangat baik. Hasil prediksi dari SVM menunjukkan bahwa rata-rata probabilitas untuk kelas 1 lebih baik dari kelas 0, sehingga perusahaan dapat lebih fokus pada segmen ini dalam kampanye pemasaran untuk meningkatkan loyalitas pelanggan.

ABSTRAK Penelitian ini bertujuan untuk mengetahui apakah kemampuan komunikasi matematis siswa yang diajar dengan model pembelajaran kooperatif tipe Think Talk Write (TTW) lebih tinggi daripada kemampuan komunikasi matematis siswa yang diajar dengan model pembelajaran kooperatif tipe Think Pair Share (TPS) pada pokok bahasan kubus dan balok di kelas VIII. Jenis penelitian ini adalah eksperimen. Populasi dalam penelitian ini adalah seluruh siswa kelas VIII SMP N 27 Medan semester genap, yang terdiri dari 9 kelas. Sampel dalam penelitian ini adalah dua kelas yang dipilih secara acak dimana kelas VIII-2 sebagai kelas eksperimen TTW dan kelas VIII-3 sebagai kelas eksperimen TPS dengan masing-masing jumlah sampel 40 orang dalam tiap kelas. Penelitian ini menggunakan satu jenis instrumen yaitu post-test dalam bentuk essay. Dari hasil penelitian yang diberikan, diperoleh  nilai rata-rata post-test kelas eksperimen TTW sebesar 70,3125 dan kelas eksperimen TPS memperoleh nilai rata-rata 64,68...

Bagi seorang mahasiswa mata pelajaran Algoritma Pemrograman merupakan mata ajaran dasar yang sangat penting. Penguasaan yang baik terhadap penguasaan Algoritma Pemrograman suatu hal yang baik dan mutlak yang sangat diperlukan. Hal ini sangat membantu dalam kelancaraan studi mahasiswa. artikel ini juga akan membahas tentang Teknik Diagram Alur atau Flowcharting,dan juga membahas mengenai bahasa pemrograman BASIC dasar yang sangat berguna bagi para mahasiswa terutamanya dalam komputer. Dan dalam pembahasan ini juga akan membahas tentang belajar memprogram dan bahasa pembrograman, Notasi Algoritma Independen Terhadap Bahasa Pemrograman Dan Mesin Komputer,pembrograman prosedural,dan masih banyak lainnya yang akan dibahas didalam artikel ini,dan juga artikel ini akan membahas kegunaan algoritma dalam kehidupan sehari hari.

Ilmu komputer telah menjadi landasan tak tergantikan dalam era
digital yang semakin berkembang pesat saat ini. Dari perangkat
lunak hingga hardware, dari algoritma hingga keamanan jaringan,
ilmu komputer memainkan peran penting dalam hampir setiap
aspek kehidupan kita. Buku Ajar ini disusun sebagai buku panduan komprehensif yang menjelajahi kompleksitas dan mendalamnya tentang ilmu komputer. Buku ini dapat digunakan oleh pendidik dalam
melaksanakan kegiatan pembelajaran di bidang ilmu komputer dan 
diberbagai bidang Ilmu terkait lainnya. Selain itu, buku ini juga dapat
digunakan sebagai panduan dan referensi mengajar mata kuliah
pengantar ilmu komputer dan menyesuaikan dengan  rencana
pembelajaran semester tingkat perguruan tinggi masing-masing.

Prediksi terhadap data kepercayaan pengguna internet dalam paradigma pervasive computing pernah dilakukan sebelumnya, namun tidak menutup kemungkinan untuk menggunakan metode lain. Model prediksi regresi logistik berganda digunakan sebagai pengembangannya. Variabel hasil (dependen) pada dataset memiliki tipe data binominal menunjukkan keadaan kepercayaan pengguna internet terhadap beberapa variabel prediktor (independen) yang didefinisikan dengan sejumlah faktor-faktor bertipe data polynominal. Penggunaan model prediksi regresi logistik berganda dilakukan beberapa kali dengan persentase pembagian dataset berbeda sehingga menghasilkan koefisien regresi yang berbeda-beda pula. Hal ini dilakukan untuk menemukan nilai kebenaran prediksi yang maksimal melalui nilai keluaran dari Confusion Matrix dan kurva ROC. Hasil penelitian ini menunjukkan bahwa model regresi logistik berganda dapat digunakan secara efektif untuk memprediksi kepercayaan pengguna internet dalam paradigma pervasive comp...

Modifying the shape of the patch microstrip antenna is one way to solve the narrow bandwidth. E-Shaped patch microstrip antenna is obtained by modifying a rectangular patch mikrostrip antenna. The results on this research have succesfully compared the design and simulation antenna parameters between rectangular patch and E-shaped patch. It uses FR-4 as a substrate and works on 5500 MHz frequency for WiFi. The feeding method using a feedline method. The E-shaped patch microstrip antenna has a VSWR value of 1.04 and the antenna return loss is -33.73 dB, better than the rectangular patch. The gain of E-shaped patch is increased by almost 2.5 times and the bandwidth is increased by 10.18% compared to the rectangular patch. The radiation pattern of the two patches has the same directional radiation pattern.

ABSTRAK Penelitian ini bertujuan untuk mengetahui apakah kemampuan komunikasi matematis siswa yang diajar dengan model pembelajaran kooperatif tipe Think Talk Write (TTW) lebih tinggi daripada kemampuan komunikasi matematis siswa yang diajar dengan model pembelajaran kooperatif tipe Think Pair Share (TPS) pada pokok bahasan kubus dan balok di kelas VIII. Jenis penelitian ini adalah eksperimen. Populasi dalam penelitian ini adalah seluruh siswa kelas VIII SMP N 27 Medan semester genap, yang terdiri dari 9 kelas. Sampel dalam penelitian ini adalah dua kelas yang dipilih secara acak dimana kelas VIII-2 sebagai kelas eksperimen TTW dan kelas VIII-3 sebagai kelas eksperimen TPS dengan masing-masing jumlah sampel 40 orang dalam tiap kelas. Penelitian ini menggunakan satu jenis instrumen yaitu post-test dalam bentuk essay. Dari hasil penelitian yang diberikan, diperoleh  nilai rata-rata post-test kelas eksperimen TTW sebesar 70,3125 dan kelas eksperimen TPS memperoleh nilai rata-rata 64,68...

Laboratory Information System (LIS) is a crucial component in modern healthcare, facilitating efficient management and organization of laboratory data, workflows, and processes. This abstract provides an overview of the essential functionalities and benefits of a Laboratory Information System. It outlines its role in streamlining laboratory operations, enhancing data accuracy, improving patient care, and supporting decision-making processes for healthcare professionals. Additionally, it discusses the integration of LIS with other healthcare systems, adherence to regulatory standards, and emerging trends in laboratory informatics. This abstract aims to underscore the significance of LIS in advancing healthcare delivery and patient outcomes through effective information management and utilization in laboratory settings.

ABSTRAK Penelitian ini bertujuan untuk mengetahui apakah kemampuan komunikasi matematis siswa yang diajar dengan model pembelajaran kooperatif tipe Think Talk Write (TTW) lebih tinggi daripada kemampuan komunikasi matematis siswa yang diajar dengan model pembelajaran kooperatif tipe Think Pair Share (TPS) pada pokok bahasan kubus dan balok di kelas VIII. Jenis penelitian ini adalah eksperimen. Populasi dalam penelitian ini adalah seluruh siswa kelas VIII SMP N 27 Medan semester genap, yang terdiri dari 9 kelas. Sampel dalam penelitian ini adalah dua kelas yang dipilih secara acak dimana kelas VIII-2 sebagai kelas eksperimen TTW dan kelas VIII-3 sebagai kelas eksperimen TPS dengan masing-masing jumlah sampel 40 orang dalam tiap kelas. Penelitian ini menggunakan satu jenis instrumen yaitu post-test dalam bentuk essay. Dari hasil penelitian yang diberikan, diperoleh  nilai rata-rata post-test kelas eksperimen TTW sebesar 70,3125 dan kelas eksperimen TPS memperoleh nilai rata-rata 64,68...