Universitas Respati Yogyakarta

Latar Belakang: Remaja putri merupakan kelompok remaja yang rentan terkena anemia. Anemia pada remaja bisa menurunkan daya tahan tubuh sehingga mudah terkena penyakit infeksi. Anemia akan terbawa hingga hamil yang bisa mengakibatkan perdarahan sebelum dan saat melahirkan yang dapat mengancam keselamatan ibu dan bayinya. Tujuan: Untuk mengetahui hubungan status gizi dengan kejadian anemia pada remaja putri. Metode: Penelitian ini menggunakan metode kuantitatif dengan desain penelitian analitik korelasi dengan pendekatan cross sectional. Tempat penelitian di Madrasah Aliyah Nur Iman Sleman Yogyakarta. Variable bebas penelitian meliputi status gizi dan variable terikatnya adalah kejadian anemia. Populasi penelitian ini adalah siswi kelas XI berjumlah 47 siswi dengan teknik pengambilan sampel total sampling. Alat yang digunakan untuk pelngambilan data adalah timbangan pijak, alat ukur tinggi badan dan alat cek hemoglobin portabel digital yang sudah di lakukan uji kalibrasi oleh Laboratorium UNISA Yogyakarta. Analisis data univariat dan bivariate yakni Chi Square. Hasil: Hasil penelitian didapatkan hasil siswi dengan status gizi tidak normal sebanyak 31 (66,0 %) responden, siswi dengan status gizi normal 16 (34,0%) responden, dengan status gizi tidak normal mayoritas mengalami anemia sebanyak 27 (57,4%) responden dan mayoritas responden dengan status gizi normal tidak mengalami anemia yakni sebanyak 13 (27,7%) responden. Simpulan: Studi ini menemukan hubungan signifikan antara status gizi dengan kejadian anemia remaja putri. Diharapkan bidan dapat semakin aktif mendeteksi atau melakukan skrining rutin terkait status gizi dan kejadian anemia pada remaja putri dan memberikan pendidikan kesehatan terkait status gizi dan anemia remaja serta pemberian Tabel t Fe secara berkala.

Pengendalian lampu yang masih dilakukan secara manual sering menimbulkan ketidakefisienan, terutama pada bangunan dengan banyak titik pencahayaan. Penelitian ini merancang sistem kendali nyala lampu berbasis Arduino Uno dengan identifikasi perintah suara menggunakan aplikasi Arduino Voice Control pada perangkat Android. Sistem bekerja dengan menghubungkan smartphone ke modul Bluetooth HC-06 untuk mengirim perintah suara yang kemudian diproses dalam Arduino Uno dan diteruskan ke modul relay sebagai pengendali nyala lampu. Hasil pengujian menunjukkan bahwa jarak komunikasi efektif antara smartphone dan modul Bluetooth mencapai maksimal 6,5 meter dengan sinyal yang stabil.

Tourists often experience difficulties in finding tourist destinations in Aceh Province that match their content preferences and are geographically close to their location. This study aims to develop a tourism destination recommendation system in Aceh Province using a Content-Based Filtering approach with the Cosine Similarity algorithm and the Haversine Formula. The dataset consists of 119 tourist destinations, including attributes such as destination name, destination description, and geographical coordinates (latitude and longitude). The research process began with text data preprocessing, which included case folding, punctuation removal, tokenization, duplicate word removal, stopword removal, and stemming. Next, the similarity between destinations was calculated using the Cosine Similarity algorithm based on tourism content descriptions, while the Haversine Formula was applied to measure the geographical distance between the user’s location and the tourist destinations. The results indicate that the developed system is able to provide relevant tourism destination recommendations by simultaneously considering content relevance and geographical proximity. Therefore, the system can assist tourists in selecting destinations that best match their preferences.

Diabetes mellitus poses a growing global health concern, particularly in low- and middle-income countries where early detection remains limited, demanding classification models that balance accuracy, interpretability, and adaptability to heterogeneous clinical data. This study proposes and evaluates the Adaptive Kernel Probability Model (AKPM), a novel nonparametric probabilistic classifier designed to enhance diabetes prediction by performing localized kernel density estimation with adaptive bandwidth selection via k-nearest neighbors. Implemented and tested on the Pima Indians Diabetes Dataset, AKPM outperformed conventional classifiers—Naïve Bayes and Gaussian Mixture Models (GMM)—across all evaluation metrics, achieving 87.5% accuracy, 83.3% precision, 76.9% recall, and an F1-score of 80.0% for the diabetic class, alongside 89.3% precision and 92.6% recall for the normal class. These results surpassed GMM (83.0% accuracy, 71.6% F1-score) and Naïve Bayes (80.0% accuracy, 66.6% F1-score), confirming AKPM’s superior capability to detect diabetic cases while minimizing false negatives. Offering transparent posterior inference and a modular design, AKPM emerges as a reliable and interpretable solution for clinical decision support systems and real-world healthcare applications.

This study aims to analyse the implementation of the SIDA SEMBADA application as a form of e-government adoption to improve the quality of digital public services in Sleman Regency. The research employs a descriptive qualitative approach with data collected through interviews, observations, and documentation, and analysed using the Unified Model of Electronic Government Adoption (UMEGA) framework. The findings indicate that SIDA SEMBADA contributes to enhancing administrative efficiency, strengthening governance accountability, and expanding public access to digital services. However, its optimal implementation remains constrained by variations in digital literacy, network stability, and the inconsistent utilisation of application features. Practically, this research provides insights for local governments to refine digital service development strategies, including improving user capacity and strengthening information technology infrastructure. In terms of originality, this study offers a contribution by applying the UMEGA Model to evaluate a village-level digital service application, which remains limited within the context of local government studies in Indonesia.

Public speaking adalah seni berbicara di depan public dengan tujuan menyampaikan ide dan pesan tertentu dengan tujuan mempengaruhi khalayak serta menggunakan teknik tertentu. Sebagai sebuah seni, public speaking menggabungkan kekuatan kata-kata dan kemampuan persuasif yang perlu dilatih. Bagi guru sekolah, public speaking perlu dilatih untuk mendukung kegiatan pembelajaran seperti menjelaskan materi pelajaran pada siswa agar lebih mudah dipahami, meningkatkan percaya diri dan kualitas komunikasi serta memperluas interaksi dan komunikasi dengan dunia industri dan masyarakat umum. Pengabdian Kepada Masyarakat (PKM) ini bertujuan mengimplementasikan public speaking dalam praktek kegiatan belaja mengajar dengan menyasar mitra SMK uhammadiyah Kretek, Yoyakarta. Metode PKM dilaksanakan dalam bentuk workshop dan pelatihan public speaking melibatkan guru-guru di sekolah tersebut. Guru diberikan pembekalan terlebih dulu dengan paparan dari narasumber untuk kemudian dilakukan praktek public speaking yang dievaluasi oleh narasumber. Hasil kegiatan pengabdian menunjukkan bahwa pelatihan yang diberikan mendapat apresiasi yang tinggi oleh peserta. Praktek public speaking didepan umum membentuk keberanian dalam menyampaikan gagasan dan ekspresi semakin tampak dan mencapai hasil yang optimal dalam pembelajaran di kelas.

Evaluasi dan perencanaan studi mahasiswa merupakan proses fundamental dalam memastikan keberlangsungan akademik dan kelulusan tepat waktu. Permasalahan umum dalam proses ini mencakup kebutuhan pengulangan mata kuliah dengan nilai E dan D (dengan ketentuan nilai D tidak melebihi 25% dari total SKS), perubahan kurikulum yang menyebabkan ketidaksesuaian mata kuliah, serta batas maksimal masa studi yang menyesuaikan jenjang S1. Penelitian ini mengembangkan sistem berbasis website untuk melakukan evaluasi transkrip nilai, identifikasi mata kuliah wajib diulang, pemberian rekomendasi KRS otomatis, serta prediksi kelulusan berdasarkan sisa SKS dan masa studi. Sistem dibangun menggunakan framework Laravel, database MySQL, dan antarmuka Bootstrap, serta mendukung impor data kurikulum dan transkrip nilai dari Excel. Hasil pengujian blackbox menunjukkan sistem berjalan dengan baik. Berdasarkan Forum Group Discussion sistem ini terbukti efektif meningkatkan efisiensi proses bimbingan akademik dan mengurangi potensi kesalahan manusia, sehingga layak digunakan sebagai alat bantu evaluasi akademik di perguruan tinggi

Remaja putri pada masa pubertas sangat berisiko mengalami anemia gizi besi, hal ini disebabkan banyaknya zat besi yang hilang selama menstruasi. Selain itu diperburuk oleh kurangnya asupan zat besi, dimana zat besi pada rematri sangat dibutuhkan tubuh untuk percepatan pertumbuhan dan perkembangan. Tujuan penelitian : Mengetahui yang berhubungan dengan kejadian anemia pada remaja. Metode : Mengunakan pendekatan kuantitatif, jenis penelitian analitik korelasi, pendekatan waktu cross sectional. Populasi dan sampel penelitian ini adalah siswa SMA/SMK dan bersedia untuk menjadi responden dalam penelitian. Teknik pengambilan sampling dengan purposive sampling dengan sampel sebanyak 48 responden. Instumen penelitian menggunakan kuesioner yang akan dilakukan uji validitas dan reliabilitas, alat ukur Hemoglobin (Hb), stature meter dan timbangan yang telah dilakukan kalibrasi. Analisis data secara univariat dan bivariat. Hasil Penelitian menunjukkan sebanyak 60,42% responden berusia 17 tahun, 83,3% mempunyai riwayat anemia, 85,42% penghasilan orang tua di bawah UMR, 37,5% mempunyai berat badan lebih, 60,42% patuh mengkonsumsi tablet Fe, 54,17% mempunyai pengetahuan cukup tentang anemia. Berdasarkan analisis data menunjukkan terdapat hubungan IMT, kepatuhan mengkonsumsi tablet Fe dan pengetahuan dengan kejadian anemia pada remaja, sedang ada satu variabel yang tidak berhubungan yaitu penghasilan orang tua terhadap kejadian anemia. Simpulan terdapat 3 variabel yang berhubungan dengan kejadian anemia pada remaja yaitu, IMT, konsumsi tablet Fe dan pengetahuan tentang anemia.

Face image classification is an important branch of computer vision and artificial intelligence, commonly applied in various fields such as facial recognition and facial attribute analysis. One facial attribute that is particularly interesting to classify is the use of eyeglasses, as it can affect the overall accuracy of facial recognition systems. This study aims to develop an eyeglass-use classification system based on a Convolutional Neural Network (CNN) and implement it in a web application using Flask to enable real-time prediction results. The research methodology includes collecting facial image datasets from Kaggle, performing preprocessing steps such as resizing, augmentation, and normalization, designing the CNN architecture, training the model, and evaluating its performance using a confusion matrix and classification report. The designed CNN model consists of three convolutional layers, max pooling, a flattening process, two fully connected layers, and a dropout layer to reduce the risk of overfitting. During the training phase, the model achieved 90% training accuracy and 96% validation accuracy, while testing on the test dataset resulted in an overall accuracy of 82%. The Flask-based system is capable of displaying real-time predictions, including the input image, classification label, accuracy percentage, and inference time. In the detection process, the accuracy of the model implementation reached 93% and the time required was in the range of a few milliseconds. The results demonstrate that the CNN can effectively classify faces with and without eyeglasses, and its implementation through a web interface offers broad potential for visual identification applications.

The development of digital technology has created new opportunities to introduce and preserve local culture through interactive media, one of which is virtual museums. This study develops a 3D virtual museum application aimed at introducing and preserving batik and mask cultural heritage in response to the need for technology-based educational media. The functionality of the application was evaluated using a scenario-based testing method involving 10 main test scenarios. The testing results indicate an overall excellent performance, with a success rate of 85%. Four activities—including 3D object interaction (mask), wall collider functionality, background sound, and lighting—achieved very good performance. The main weakness was identified in the notification trigger feature, where four users failed to complete the assigned task. The total time required by 10 users was 167.8 seconds, with an average of 16.78 seconds per task. Overall, these results demonstrate that the application has high functional stability and is suitable for use as an innovative and interactive medium for cultural learning.