Kepatuhan wajib pajak menjadi fokus utama Pemerintah dalam meningkatkan penerimaan Negara. Pada penelitian ini memiliki tujuan yaitu mencari bagaimana pengaruh administrasi pajak digital, kualitas pelayanan fiskus, dan kesadaran wajib pajak terhadap kepatuhan wajib pajak orang pribadi di Kota Bandung. Populasi pada penelitian ini berjumlah 188.232 wajib pajak orang pribadi pada kantor Pelayanan Pajak Pratama Cibeunying Bandung, dengan Teknik pengambilan sampel yang digunakan adalah purposive sampling dan 100 responden digunakan sebagai sampel yang dipilih berdasarkan rumus slovin. Metode Penelitian ini adalah kuantitatif deskriptif, mengandalkan angket kuesioner dengan 18 pertanyaan yang kemudian data tersebut akan diukur oleh peneliti dengan memanfaatkan skala Likert. Pengolahan data menggunakan analisis regresi linier berganda dengan SPSS versi 31 untuk menghitung serta menarik kesimpulan. Dalam penelitian ini menghasilkan bahwa ketiga variabel yaitu administrasi pajak digital, kualitas pelayanan fiscus, dan kesadaran wajib pajak masing-masing mempunyai dampak yang positif dan signifikan terhadap kepatuhan wajib pajak orang pribadi di Kota Bandung.
Depresi merupakan salah satu gangguan mental yang umum dialami mahasiswa, sehingga berdampak signifikan terhadap kesejahteraan psikologis dan performa akademik mereka. faktor-faktor seperti jenis kelamin, usia, tekanan finansial, tekanan belajar, kepuasan studi, dan waktu belajar yang tidak proporsional diketahui berkontribusi dalam memengaruhi kondisi tersebut. penelitian ini bertujuan untuk membandingkan kinerja algoritma XGBoost dan LightGBM dalam mengklasifikasikan risiko depresi pada mahasiswa, serta mengembangkan model melalui teknik tuning parameter menggunakan RandomizedSearchCV untuk meningkatkan akurasi prediksi. dataset yang digunakan berasal dari platform Kaggle yang terdiri dari 502 baris data. evaluasi performa dilakukan menggunakan metrik akurasi, precision, recall, f1-score, dan AUC-ROC, pada skenario pembagian data 80:20 dan 70:30, baik dengan parameter default maupun setelah tuning. hasil penelitian menunjukkan bahwa model XGBoost dengan tuning pada pembagian data 80:20 memberikan performa terbaik dengan akurasi 82,18%, precision 85,11%, recall 78,43%, f1-score 81,63%, dan AUC-ROC sebesar 0,8973. terbaik kemudian diimplementasikan dalam bentuk aplikasi web menggunakan Streamlit, guna memberikan prediksi risiko depresi secara otomatis dan interaktif, sehingga memudahkan pengguna non-teknis dalam mendeteksi kondisi tersebut secara praktis.
Hipertensi tidak dikontrol khususnya pada lansia berisiko menyebabkan komplikasi seperti penyakit jantung, stroke dan gagal ginjal. Diet hipertensi dianjurkan bagi penderita untuk membantu mengontrol tekanan darah sebagai bagian dari perawatan jangka panjang. Penelitian ini bertujuan untuk mengidentifikasi determinan faktor yang berhubungan kuat dengan perilaku diet hipertensi pada lansia. Desain penelitian ini adalah cross-sectional. Sampel dalam penelitian sebanyak 162 orang lansia menderita hipertensi di Wilayah Kerja UPTD Puskesmas Sukawati II yang diambil dengan consecutive sampling. Pengumpulan data dilakukan dengan kuisioner. Uji Chi-square digunakan untuk menganalisis hubungan masing-masing variable penelitian dan regresi logistic dengan metode backward LR digunakan untuk menganalisis determinan faktor perilaku diet lansia. Data dianalisis mengunakan SPSS versi 20. Penelitian telah mendapatkan kelaikan etik dari Komisi Etik ITEKES Bali. Determinan faktor perilaku diet hipertensi lansia adalah pendidikan (p=0,002), berarti bahwa lansia yang memiliki riwayat pendidikan rendah berisiko 4,15 kali menunjukkan perilaku diet hipertensi yang buruk dibandingkan dengan lansia dengan riwayat pendidikan tinggi dan pengetahuan (p= <0,001), berarti bahwa lansia yang memiliki pengetahuan tinggi menurunkan risiko 0,18 kali melakukan perilaku diet yang buruk dibandingkan dengan lansia yang memiliki pengetahuan rendah. Riwayat pendidikan dan pengetahuan merupakan determinan faktor dari perilaku diet hipertensi lansia. Diperlukan upaya peningkatan pengetahuan penderita hipertensi melalui edukasi khususnya pada lansia dengan riwayat pendidikan rendah untuk merubah perilaku dietnya.
Human trafficking is currently still a problem that has not been completely solved in Indonesia because human trafficking is a transnational crime. The victims are usually employed as beggars, maids, domestic helpers, pornography and prostitution practices. The government in this case has also regulated the issue of human trafficking through Law Number 21 of 2007 concerning the Eradication of Human Trafficking, as well as in the Criminal Code (KUHP). This crime of human trafficking often makes women as victim. Thus, this must be a big concern from the government and the community to avoid more victims in the future, because human trafficking, in this case women, is a deprivation of women's freedom of life and certainly is not in line with the principles of human rights. Although the laws and regulations clearly regulate and prohibit this human trafficking practice, there are still people who do not care about it and do not seem to be afraid of the sanctions for their actions. The method used in this study is the normative juridical legal research method, namely by using the statutory approach (Statute Approach) and the conceptual approach (Conceptual Approach).
Sistem HVAC (Heating, Ventilation, and Air Conditioning) memainkan peran penting dalam menjaga kenyamanan termal dan efisiensi energi di bangunan komersial dan industri. Namun, deteksi dini terhadap anomali atau kegagalan pada sistem ini sering kali kurang optimal, sehingga dapat menyebabkan peningkatan konsumsi energi, penurunan kinerja operasional, dan biaya pemeliharaan yang tinggi. Penelitian ini bertujuan untuk mengembangkan dan mengevaluasi berbagai model pembelajaran mesin untuk deteksi anomali pada sistem HVAC secara real-time, dengan menggunakan dataset nyata yang mencakup 11 variabel operasional utama. Berbagai algoritma digunakan, termasuk Logistic Regression, K-Nearest Neighbors (KNN), Support Vector Classifier (SVC), Decision Tree, Random Forest, AdaBoost, Gradient Boosting, dan XGBoost. Dataset dilabeli berdasarkan deviasi dinamis antara suhu aktual dan titik setel dengan pendekatan Exponential Moving Average (EMA), yang memungkinkan pelabelan anomali yang adaptif. Hasil eksperimen menunjukkan bahwa XGBClassifier mencapai akurasi 99,32%, precision dan recall masing-masing 0,98, serta F1-score 0,98, menjadikannya model terbaik dalam mendeteksi anomali secara seimbang. Logistic Regression (akurasi 99,54%, F1-score 0,99) dan Random Forest (akurasi 98,70%, F1-score 0,96) juga terbukti sebagai alternatif yang andal dan hemat komputasi. Dengan demikian, penelitian ini tidak hanya memberikan perbandingan komprehensif antar-model, tetapi juga menekankan kebaruan dalam strategi pelabelan adaptif untuk mendukung deteksi anomali real-time pada sistem HVAC, yang dapat meningkatkan efisiensi energi sekaligus mengurangi biaya pemeliharaan.
