Gas LPG sangat dibutuhkan dalam kehidupan sehari-hari, akan tetapi adanya permasalahan yang terjadi. Yaitu adanya kebocoran gas LPG yang dapat membahayakan pengguna dan masyarakat sekitarnya. Maka dari itu penelitian ini bertujuan untuk mendeteksi terjadinya kebocoran gas LPG yang dapat menyebabkan bahaya seperti kebakaran. Dengan adanya alat ini yang berfungsi untuk mendeteksi kebocoran gas LPG yang dilengkapi sensor gas MQ2 serta yang dilengkapi sensor api. Alat pendeteksi kebocoran gas LPG ini dapat mengirim notifikasi adanya indikasi kebocoran melalui telegram sehingga pengguna alat ini dapat memantau keadaan tabung gas melalui telegram, dengan NodeMCU yang telah diprogram. Dengan adanya alat ini diharapkan dapat membantu pengguna gas LPG dalam mendeteksi kebocoran gas yang terjadi, sehingga dapat melakukan tindakan selanjutnya yang dapat mencegah adanya ledakan akibat kebocoran gas LPG.

Perkembangan teknologi informasi dan keuangan telah mendorong penggunaan metode prediksi harga saham yang efektif. Dalam penelitian ini, dilakukan komparasi terhadap tiga algoritma populer, yaitu Regresi Linear (RL), Support Vector Machine (SVM), dan Neural Net (NN), untuk memprediksi perubahan harga saham GOTO dengan menggunakan aplikasi RapidMiner sebagai alat analisis yang kuat dalam mengimplementasikan dan membandingkan kinerja algoritma-algoritma tersebut. Untuk mengukur dan membandingkan kinerja ketiga model prediksi, peneliti menerapkan metode evaluasi 10 K-Fold Cross Validation dengan pembagian data 90:10. Analisis dilakukan berdasarkan hasil Root Mean Square Error (RMSE), yang merupakan indikator umum untuk mengukur sejauh mana perbedaan antara nilai prediksi dan nilai aktual dalam unit yang sama. Hasil analisa menunjukkan bahwa model Neural Net (NN) memberikan nilai RMSE terendah dengan angka sebesar 16.562. Ini menunjukkan bahwa model Neural Net memiliki tingkat akurasi yang lebih baik dalam memprediksi perubahan harga saham GOTO dibandingkan dengan model Regresi Linear (22.479) dan Support Vector Machine (31.326). Meskipun RL dan SVM juga memberikan prediksi yang cukup akurat, NN menonjol dengan performa terbaik. Penemuan ini menunjukkan bahwa algoritma Neural Net adalah pilihan yang lebih baik dalam memprediksi perubahan harga saham GOTO. Namun, penting untuk mencatat bahwa evaluasi dan pemilihan model harus selalu dipertimbangkan dalam konteks bisnis atau penelitian yang relevan.

No abstract

Perkembangan Teknologi Informasi dan Komunikasi (TIK) saat ini membawa perubahan dalam penyelenggaraan pemerintah Indonesia dengan berbagai kemudahan, efisiensi, dan efektivitas yang ditawarkan. Tidak bisa dipungkiri bahwa kesenjangan digital serta lemahnya literasi dalam pemanfaatan TIK dikalangan sumber daya Aparatur Sipil Negara (ASN) dapat muncul jika hal ini tidak segera ditangani. Oleh karena itu TIK perlu ditunjang secara merata diseluruh wilayah instansi pemerintahan serta upaya pemerintah untuk meningkatkan daya saing bangsa sangat diperlukan. Untuk mempersiapkan sumber daya ASN di Indonesia yang berkualitas, berkarakter, dan memiliki daya saing internasional, mengembangkan kompetensi untuk meningkatkan kualitas pada diri ASN itu sendiri juga dibutuhkan, salah satunya dengan memberikan pelatihan data science dimulai dari kemampuan dasar (basic) yang berhubungan dengan literasi digital, kemampuan menengah (intermediate) yang mulai melakukan peningkatan terhadap kompetensi teknis, hingga kemampuan tingkat lanjut (advance) yang mengarah pada pengambilan keputusan. Adapun hasil feedback yang diberikan oleh peserta terhadap beberapa pertanyaan seperti paparan materi pelatihan oleh narasumber 55% sangat baik, reaksi peserta terhadap materi pelatihan 50% baik sekali, keterkaitan materi pelatihan yang berikansesuai kebutuhan 45% baik, pemahaman materi dengan aplikasi yang digunakan oleh peserta sebesar 55% baik, keterkaitan materidengan kebutuhan 50% merespon baik, narasumber dan teknik pemberian materi pelatihan 65% merespon baik, durasi penyampaian materi sebesar 70% merespon baik, kejelasan materi 60% baik, minat peserta terhadap pelatihan 55% baik, dan 65% peserta pelatihan memberikan respon baik pada kepuasan peserta kepada seluruh rangkaian kegiatan.

Performing checks on software specifications requires testing and validation. The discrepancy in the data entry process was caused by the validation process not being optimized. One of the consequences is the process of failure when inputting data. As a result, the application can be dangerous for future system users. Therefore, it is necessary to improve the quality and accurate verification. When the testing process finds errors that were previously unknown, then the test is called a good test. One of the testing method is the black box testing method with the Equivalence Partition technique. Equivalence Partition is a technique used to reduce the number of test cases that exist during testing, by entering data on each form that is in the application in each menu, then testing and grouping based on the validity by the system functionality.