High Order Thinking Skills (HOTS) is the ability to connect, manipulate, and change the knowledge and experience that is owned critically and creatively in determining decisions to solve problems in new situations. To include HOTS questions in a learning process is an obstacle for Madrasah teachers, including teachers of PC. LP. Maarif NU Lamongan. This community service aimed at improving the pedagogical competence of mathematics teachers of PC. LP. Maarif NU Lamongan. Community-Based Research (CBR) was employed through workshop and training administered by the Mathematics Study Program of UIN Sunan Ampel Surabaya in designing and completing high order thinking questions followed by assistance. The results indicated that the ability of Madrasah teachers to solve HOTS questions as well as its implementation in classroom teaching and learning activities improved significantly.
Sunspot is an area on photosphere layer which is dark-colored. Sunspot is very important to be researched because sunspot is affected by sunspot numbers, which present the level of solar activity. This research was conducted to make prediction on sunspot numbers using Gated Recurrent Unit (GRU) algorithm. The work principle of GRU is similar to Long short-term Memory (LSTM) method: the information from the previous memory is processed through two gates, that is update gate and reset gate, then the output generated will be input for the next process. The purpose of predicting sunspot numbers was to find out the information of sunspot numbers in the future, so that if there is a significant increase in sunspot numbers, it can inform other physical consequences that may be caused. The data used was the data of monthly sunspot numbers obtained from SILSO website. The data division and parameters used were based on the results of the trials resulted in the smallest MAPE value. The smallest MAPE value obtained from the prediction was 7.171% with 70% training data, 30% testing data, 150 hidden layer, 32 batch size, 100 learning rate drop.
Laju pertumbuhan penduduk di Kota Pasuruan pada tahun 2019 sebesar 0.68% dengan jumlah penduduk 200.422 jiwa. Tingginya pertumbuhan penduduk dapat mempengaruhi kepadatan penduduk. Penelitian ini bertujuan untuk memprediksi pertumbuhan penduduk Kota Pasuruan menggunakan metode ARIMA (Autoregressive Integrated Moving Average). Metode ARIMA adalah cara prediksi data deret waktu yang memiliki tiga model, yaitu AR (Autoregressive), MA (Moving Average), ARMA (Autoregressive Moving Average). Metode ini memiliki parameter (p,d,q) dapat diketahuidari plot ACF dan PACF untuk memastikan model yang akan digunakan untuk prediksi. Dalam penelitian ini data yang digunakan merupakan data penduduk Kota Pasuruan tahun 1983 sampai tahun 2019 sejumlah 37 data. Dari data tersebut didapatkan ARIMA model (1,1,1) dengan jumlah penduduk Kota Pasuruan pada tahun 2020 adalah 203.221 jiwa, didapatkan nilai MSE 10542507.06 dan MAPE 1.52%.
Nowadays, the improvement in resources, especially among women, is considered. One of the efforts to empower women in the village can be done through the assistance of Micro, Small, and Medium Enterprises (MSMEs). This research-based community service aims to assist the community, especially women (housewives) in Pojok Village of Magetan Regency, in developing home businesses. This community service is carried out by using ABCD approach, which is an approach to understanding and internalizing assets, potential, strength, and utilization independently and optimally. The results of the community service carried out by researchers have positive impact to the community and it fosters a high desire and enthusiasm to make changes for the better in the development of marketing businesses, both during the mentoring process and post-mentoring so that the economy in Pojok Village, Magetan Regency can increase
Indonesia merupakan negara yang tercangkup dalam wilayah cincin api pasifik aktif (Ring of Fire). Dengan demikian, gempa bumi menjadi fenomena alam yang sudah tidak asing lagi terjadi di Indonesia. Gempa dengan kekuatan magnitudo yang cukup besar akan beresiko merusak sumber daya alam, manusia, dan infastruktur bangunan. Dalam hal ini, sangat perlu dilakukan studi penelitian untuk memprediksi gempa bumi sebagai upaya mitigasi bencana. Metode prediksi yang diterapkan pada studi ini adalah metode ARIMA yang akan diperbaharui dengan estimasi Kalman Filter. Pada perhitungan ARIMA didapatkan model terbaik yaitu ARIMA(0,1,1) dengan perolehan MAPE yang cukup besar yakni 50.5788 sedangkan hasil pembaharuan model ARIMA-KF(0,1,1) memperoleh MAPE yang sangat baik yakni 0.0071. Oleh karena itu, etimasi Kalman Filter dapat dikatakan cukup mumpuni dalam pembaharuan model prediksi ARIMA. Prediksi jumlah gempa tektonik di wilayah Provinsi Jawa Timur pada tahun 2018 paling banyak terjadi pada bulan Juli yakni sebanyak 114 kejadian sedangkan paling sedikit pada bulan Januari yakni 13 kejadian.
Peristiwa magnetik pada matahari ditandai dengan salah satu tanda yaitu munculnya sunspot atau bintik matahari. Sunspot terletak di fotosfer matahari yang memiliki warna lebih gelap dari pancaran sekitarnya. Tujuan dari penelitian ini adalah untuk memprediksi bilangan sunspot dengan menggunakan metode ARIMA. Metode ARIMA dilakukan dengan melihat plot ACF dan PACF untuk mendapatkan model yang akan digunakan dalam prediksi. Penelitian ini menggunakan data bilangan sunspot yang dimulai dari bulan Januari tahun 1987 hingga bulan Desember 2019 sebanyak 396 data. Dari data tersebut didapatkan 4 model ARIMA yaitu ARIMA(3,1,2), ARIMA(3,1,1), ARIMA(2,1,2), ARIMA(2,1,1). Dari keempat model tersebut, model terbaik yang digunakan untuk prediksi yaitu ARIMA(2,1,2) dengan nilai AIC sebesar -884,87.
Indonesia merupakan salah satu negara yang dilewati jalur The Pacific Ring of Fire. Daerah yang dilewati tersebut merupakan daerah yang sering terjadi bencana alam seperti gunung meletus, banjir maupun angin puting beliung. Berdasarkan data yang tercatat oleh Badan Nasional Penanggulangan Bencana (BNPB) terdapat 1.042 bencana di Indonesia selama tahun 2019. Salah satu provinsi yang sering terjadi bencana yaitu Jawa Timur, hingga Juni 2019 mencapai 135 bencana angin puting beliung. Oleh karena itu, diperlukan clustering atau pengelompokan daerah rawan bencana angin puting beliung. Hal ini perlu dilakukan karena untuk membantu pemerintah dalam mendeteksi daerah-daerah mana saja yang rawan bencana angin puting beliung. Karena bencana angin puting beliung merupakah bencana alam yang sulit untuk di prediksi. Banyak hal yang dapat mempengaruhi terjadinya bencana tersebut. Metode yang akan digunakan dalam penelitian ini yaitu K-Means Clustering yang dianalisis menggunakan silhouette coefficient, davies bouldin index dan purity. Selain itu, juga akan direpresentasikan menggunakan Arc View GIS untuk memperlihatkan daerah-daerah mana saja yang rawan dan aman tersebut. Berdasarkan pengelompokan menggunakan K-Means, Jawa Timur terbagi menjadi 4 kelompok daerah rawan bencana angin puting beliung, dengan karakteristik aman, cukup rawan, rawan dan sangat rawan. 4 kelompok tersebut juga telah tervalidasi keakuratannya. Cluster yang terbentuk cukup optimal karena telah dilakukan uji validasi cluster menggunakan silhouette, davies bouldin index, dan purity dimana hasilnya menunjukkan cluster dengan jumlah 4 merupakan cluster yang optimal. Dengan nilai silhouette coefficient sebesar 0.9116, davies bouldin index sebesar 0.3633 dan purity sebesar 1.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.
hi@scite.ai
10624 S. Eastern Ave., Ste. A-614
Henderson, NV 89052, USA
Copyright © 2024 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.