Kanker payudara merupakan penyakit tidak menular dengan 18 juta kasus baru dilaporkan pada tahun 2018. Di Indonesia, kanker payudara lebih banyak ditemukan pada perempuan dan menjadi penyebab kematian utama. Kurangnya program skrining dan rendahnya inisiatif masyarakat untuk deteksi dini berkontribusi terhadap tingginya angka kematian akibat kanker di negara berkembang. Salah satu metode deteksi dini adalah mamografi. Namun, citra mammogram yang dihasilkan oleh mesin mamografi memiliki keterbatasan pada situasi tertentu, seperti mendeteksi kanker payudara pada pasien dengan implan payudara. Oleh karena itu, diperlukannya kecerdasan buatan sebagai alat pendukung keputusan untuk deteksi dini kanker payudara. Proses pengolahan data dengan kecerdasan buatan tersebut dapat meliputi beberapa langkah yaitu, augmentasi data, CLAHE, median filtering, ekstraksi fitur menggunakan transformasi Wavelet, dan klasifikasi menggunakan Extreme Learning Machine (ELM). Penelitian ini melibatkan empat kelas kanker yaitu, kanker positif, kanker negatif, kanker implan negatif, dan kanker implan positif. Tujuan dari penelitian ini adalah untuk memperoleh model optimal dalam mengidentifikasi kanker pada implan payudara dengan kecerdasan buatan. Model optimal yang dicapai dalam penelitian ini pada DB 2 Level 1 dengan K-Fold 10 dan 50 hidden node yang menghasilkan akurasi sebesar 80%, sensitivitas 80%, dan spesifisitas 93,33%.
Supply chains and logistics support global economy activity, where disruptions can occur in the form of demand fluctuations across multi-echelon systems, known as the bullwhip effect. Research objectives focus on analysis publications development of bullwhip effect 2020–2025 period, identifying causal factors, mitigation strategies, and determining priority mitigation recommendations. An integrated research approach is implemented through a Systematic Literature Review, bibliometric analysis, and the Fuzzy Analytical Hierarchy Process (F-AHP). Literature selection is conducted using Scopus, Taylor and Francis, Lens, OpenAlex, Dimensions AI, and Google Scholar databases. Initial identification yields 1,081 publications, from which 494 articles are selected based on defined inclusion and exclusion criteria. Bibliometric analysis is performed using RStudio and VOSviewer to examine publication trends, citation patterns, geographical distribution, and thematic structures. Expert evaluations are processed using F-AHP to prioritize mitigation strategies. Results of the literature synthesis identify five dominant bullwhip effect causal factors, including supply chain structure & policy, demand uncertainty & variability, information & ordering distortion, operational & managerial decision-making, and supply & distribution disruptions. Expert assessment identifies Policy and Coordination as the highest priority strategy, with Inventory Management, Centralization, and Decentralization as the main recommended strategy mitigation, afterward Information Sharing with Vendor Managed Inventory (VMI), Operational Strategy with Demand Forecasting, and Technology and Innovation with Digitalization. Contributions to knowledge support researchers and practitioners in strengthening supply chain resilience and sustainability also provide guidance for future research.
The digital transformation of the wedding industry encourages Wedding Organizer (WO) businesses to innovate in service presentation. This study develops a Virtual Wedding Set Visualization application as an Android-based e-catalog platform with a 3D virtual tour concept for wedding decoration services. The application is intended to overcome the limitations of conventional promotional methods, which often lack interactivity and fail to provide realistic decoration visualizations. The development process adopts the Multimedia Development Life Cycle (MDLC) method, covering the stages of concept, design, material collection, assembly, and testing. Three-dimensional assets were modeled based on actual decorations from the business partner tigasatu.decoration and integrated into the application using Unreal Engine. System testing was conducted through BlackBox and Functional Testing, both of which confirmed that all features functioned correctly. Furthermore, feasibility testing with 28 respondents demonstrated a high level of satisfaction with the application's visual presentation, ease of navigation, and effectiveness as a digital promotional tool. These results indicate that the application successfully enhances the interaction between WOs and prospective clients, while contributing an innovative approach to the adoption of interactive multimedia technology in the wedding service industry.
Peningkatan jumlah kendaraan bermotor berbanding lurus dengan meningkatnya limbah oli bekas yang berpotensi mencemari lingkungan jika tidak dikelola dengan baik. Oleh karena itu, diperlukan upaya pemanfaatan limbah oli bekas sebagai sumber energi alternatif yang bernilai guna, salah satunya sebagai bahan bakar kompor. Penelitian ini bertujuan untuk mengidentifikasi karakteristik kimia oli bekas serta menentukan rasio udara-bahan bakar (air–fuel ratio) yang optimal guna menghasilkan proses pembakaran yang efisien. Metode yang digunakan meliputi analisis komposisi kimia menggunakan Gas Chromatography-Mass Spectrometry (GC-MS) untuk menentukan senyawa dominan dalam oli bekas, serta perhitungan stoikiometri untuk memperoleh rasio udara dan bahan bakar ideal. Selanjutnya dilakukan pengujian eksperimental dengan variasi kecepatan aliran udara masuk sebesar 1,16; 1,66; 2,16; 2,66; dan 3,16 m/s. Hasil analisis GC-MS menunjukkan bahwa senyawa dominan dalam oli bekas adalah dekosana (C₂₀H₄₂), sehingga diperoleh rasio stoikiometri udara-bahan bakar sebesar 14,8:1. Pengujian pembakaran menunjukkan bahwa kondisi optimal terjadi pada kecepatan udara masuk 2,16 m/s, dengan suhu nyala api mencapai 876,8°C dan suhu tungku 535,2°C, serta waktu pembakaran 1627 detik. Suhu tertinggi diperoleh pada kecepatan udara 3,16 m/s dengan suhu api 1103,3°C dan suhu tungku 688,5°C, namun dengan waktu pembakaran lebih singkat yaitu 1229 detik. Sebaliknya, suhu terendah terjadi pada kecepatan udara 1,16 m/s dengan suhu api 755,7°C dan suhu tungku 290,4°C, serta waktu pembakaran terlama yaitu 2224 detik. Berdasarkan hasil tersebut, dapat disimpulkan bahwa peningkatan kecepatan aliran udara berpengaruh signifikan terhadap kenaikan suhu pembakaran dan percepatan proses pembakaran, meskipun kondisi optimal dicapai pada kombinasi tertentu yang menghasilkan efisiensi termal terbaik.
Inefisiensi dalam manajemen persediaan bahan baku merupakan tantangan krusial bagi bisnis kuliner. Sebelumnya, Santiks Coffee mengalami tingkat food waste sebesar 12,5% akibat metode perencanaan stok manual berbasis intuisi yang berujung pada kelebihan pengadaan bahan mudah rusak dan kejadian stockout. Penelitian ini bertujuan mengembangkan sistem klasifikasi kebutuhan bahan baku berbasis web menggunakan algoritma Naive Bayes Classifier. Model dilatih menggunakan dataset historis penjualan sebanyak 545 rekaman data yang dikumpulkan selama periode september 2025 hingga januari 2026, dengan pembagian data latih dan uji sebesar 80:20. Kebaruan penelitian ini terletak pada integrasi diskritisasi data otomatis berbasis pendekatan statistik kuartil, mengurangi bias subjektivitas dalam penentuan kategori. Hasil evaluasi model menggunakan Confusion Matrix menunjukkan performa yang sangat baik dengan tingkat Akurasi sebesar 93,6%, Presisi 93,8%, Recall 93,6%, dan F1-Score 93,7%. Implementasi sistem untuk prediksi periode Februari 2026 membuktikan bahwa rekomendasi pengadaan berbasis data ini berhasil menekan indikator food waste secara signifikan menjadi 3,7%.
