ESTUDIAR : Jurnal Penelitian Multidisiplin Mahasiswa

Pengaruh Brand Awareness dan Brand Image Terhadap Keputusan Pembelian Obat Nyamuk Merek Baygon

Abdul Wahid, Andi Yulianto — Sat, 30 Mar 2024 00:00:00 +0000

Penelitian ini bertujuan untuk mengetahui pengaruh brand awareness terhadap keputusan pembelian untuk mengetahui pengaruh brand image terhadap keputusan pembelian,untuk mengetahui pengaruh secara simultan brand awawereness dan brand image terhadap keputusan pembelian obat nyamuk baygon. Penelitian ini menggunakan metode kuantitatif, populasi penelitian ini adalah seluruh pembeli obat nyamuk baygon. Dengan sampel sebanyak 169 responden, metode pengumpulan data menggunakan kuesioner. Metode analisis data menggunakan uji kualitas data, analisis regresi linier berganda,analisis koefisien korelasi, dan koefisien determinasi. berdasarkan hasil penelitiannya dapat disimpulkan bahwa brand awareness berpengaruh terhadap keputusan pembelian konsumen, brand image berpengaruh terhadap keputusan pembelian. brand awareness dan brand image berpengaruh secara simultan terhadap keputusan pembelian konsumen obat nyamuk baygon.

Tinjauan Algoritma Deep Learning dengan Aristektur YOLO untuk Mendeteksi Objek

Sun, 31 Mar 2024 00:00:00 +0000

Deteksi kerusakan jalan merupakan salah satu aspek penting dalam pemeliharaan infrastruktur transportasi yang membutuhkan pendekatan efektif dan efisien. Penelitian ini menyajikan studi tentang penerapan Deep Learning menggunakan arsitektur You Only Look Once (YOLO) untuk deteksi suatu objek yaitu pada kerusakan jalan secara otomatis. Melalui analisis literatur yang sistematis dan sintesis data dari penelitian-penelitian terkait, kami menyajikan perkembangan terbaru dalam penerapan YOLO untuk deteksi objek khususnya deteksi kerusakan jalan. Temuan kami menunjukkan bahwa pendekatan ini memiliki potensi besar untuk meningkatkan efisiensi dalam pemeliharaan infraksturktur jalan dengan identifikasi dan pemantauan kerusakan secara real-time dengan akurasi yang tinggi. Hasil evaluasi model menunjukkan akurasi yang baik dalam mendeteksi berbagai jenis deteksi objek kerusakan jalan, termasuk retakan, lubang, dan deformasi lainnya. Namun, tantangan seperti variasi kondisi lingkungan dan ukuran kerusakan masih menjadi fokus penelitian di masa depan. Penelitian ini berkontribusi pada pemahaman kita tentang kemungkinan penggunaan teknologi Deep Learning berbasis YOLO dalam pemeliharaan infrastruktur jalan, dengan harapan dapat mendorong pengembangan sistem deteksi objek yang lebih cerdas dan responsif terhadap perubahan kondisi jalan.

Pengelompokan Hasil Belajar Siswa dengan Metode Clustering K-Means Pada SMK Muhammadiyah 1 Weleri

Ahmad Pandhu Wijaya, Ardian Fachreza — Sun, 31 Mar 2024 00:00:00 +0000

Pendidikan merupakan hal yang sangat penting bagi masyarakat. Dalam penelitian ini menggunakan objek yaitu SMK Muhammadiyah 1 Weleri. Hasil pengelompokkan pembelajaran siswa SMK Muhammadiyah 1 Weleri menggunakan alat RapidMiner untuk menerapkan algoritma K-means Clustering. Data yang digunakan yaitu siswa jurusan tata boga kelas XI SMK Muhammadiyah 1 Weleri sebanyak 737 siswa. Dengan menggunakan metode elbow untuk menentukan cluster terbaik, data ini menghasilkan jumlah cluster terbaik K=5. Tujuan yang ingin dicapai adalah untuk memastikan efektivitas clustering dalam mengelompokkan siswa dan meningkatkan hasil belajar siswa. Maka dari penelitian ini mendapatkan 5 cluster dengan 17 atribut dengan masing-masing cluster memiliki rata-rata pada centroid cluster0 (84,3), cluster1 (82,4), cluster2 (81,8), cluster3 (81,4), cluster4 (82,3). Maka dapat disimpulkan dari penelitian ini siswa yang mendapatkan hasil belajar yang sangat baik pada cluster0 dan hasil belajar kurang baik pada cluster3.