NIM: 1217050079
Year: 2025
Penelitian ini bertujuan membangun model deteksi penyakit daun stroberi secara otomatis menggunakan algoritma Convolutional Neural Network (CNN) dengan arsitektur ResNet50. Model ini dikembangkan untuk membantu petani mengidentifikasi penyakit lebih dini melalui citra daun, sehingga dapat mencegah kerugian hasil panen.
NIM: 1217050116
Year: 2025
Perbandingan Algoritma Random Forest, Gradient Boosting, dan Support Vector Machine dengan Optimasi SMBO dalam Prediksi Valuasi Mobil Bekas di Indonesia berdasarkan Akurasi dan Waktu Eksekusi
NIM: 1217050005
Year: 2025
Membuat model deep learning klasifikasi aksara sunda menggunkaan algoritma Convolutional Neural Network
NIM: 1217050093
Year: 2025
Penelitian Bersama
NIM: 1217050032
Year: 2025
Proposal
NIM: 1207050061
Year: 2025
Pembuatan Chatbot Edukasi dan Manajemen Sampah menggunakan Aplikasi Telegram
NIM: 1217050068
Year: 2025
Seiring dengan perkembangan Blockchain, Decentralized Science (DeSci) membuat paradigma baru yang memungkinkan penelitian lebih terbuka, transparan, dan mudah diakses. DeSci bertujuan untuk mendesentralisasi proses penelitian, mulai dari penyimpanan, verifikasi, hingga kolaborasi antar peneliti menggunakan teknologi blockchain. Blockchain menawarkan solusi berupa sistem penyimpanan terdesentralisasi yang tidak hanya memastikan keamanan dan integritas data, tetapi juga meningkatkan transparansi dalam berbagi pengetahuan ilmiah
NIM: 1217050129
Year: 2025
Penelitian ini bertujuan untuk mengembangkan sistem deteksi otomatis ular berbisa dan tidak berbisa menggunakan algoritma YOLOv5.
NIM: 1217050034
Year: 2025
Penerapan model summarization menggunakan pendekatan Deep Learning Transformers Text-to-text Transfer Transformers (T5). Dengan memanfaatkan T5, model sistem summarization ulasan dapat mempelajari data secara otomatis untuk membuat suatu ringkasan dari beberapa ulasan yang terdapat pada layanan pelatihan dan pembelajaran melalui LMS.
NIM: 1217050031
Year: 2025
Penelitian ini bertujuan untuk mengembangkan model RoBERTa yang dapat mendeteksi komentar yang mengandung promosi judi online serta mengklasifikasikan sentimen penonton ke dalam lima kategori, yaitu sangat negatif, negatif, netral, positif, dan sangat positif terhadap komentar berbahasa Indonesia yang muncul pada siaran langsung turnamen Mobile Legends: Bang Bang (MLBB) di YouTube. Dengan memanfaatkan pendekatan fine-tuning pada model RoBERTa dan menerapkan strategi penanganan ketidakseimbangan kelas, penelitian ini diharapkan dapat memberikan solusi yang efektif dalam membantu penyelenggara turnamen, moderator komunitas, dan pengembang game untuk memantau serta mengevaluasi respons pengguna secara otomatis dan akurat.
NIM: 1217050127
Year: 2025
Melanjutkan penelitian yang sudah dilakukan oleh mahasiswa UIN SUNAN GUNUNG DJATI BANDUNG angkatan 20, dan meningkatkan kinerja dan efisiensi dalam perangkuman pada video
NIM: 1217050131
Year: 2025
Proposal ini berjudul "Recognisi Tulisan Kaligrafi dengan Menggunakan Metode Convolutional Neural Networks Arsitektur MobileNetV2" dan bertujuan untuk mengembangkan sistem klasifikasi jenis kaligrafi Arab secara otomatis. Penelitian ini dilatarbelakangi oleh kesulitan masyarakat, terutama orang awam, dalam membedakan berbagai jenis tulisan kaligrafi karena kompleksitas dan variasi bentuknya. Dengan kemajuan teknologi deep learning, khususnya Convolutional Neural Networks (CNN), penelitian ini mengadopsi arsitektur MobileNetV2, yang dikenal efisien dalam mengenali pola gambar dengan keterbatasan komputasi.
NIM: 1197050130
Year: 2025
Penelitian yang dilakukan berdasarkan keluhan terkait lamanya waktu yang dibutuhkan untuk melakukan scouting atau mencari pemain sepakbola. Maka dari itu dibangun sebuah topik tugas akhir yaitu sistem rekomendasi seleksi pemain sepakbola, menggunakan algoritma k-means untuk melakukan clustering data-data statistik pemain. Data tersebut didapatkan dari website data analitik sepakbola yaitu fbref, cluster diuji menggunakan dua metode yaitu silhouette score dan elbow method untuk mengetahui jumlah cluster yang paling efektif. Metrik cosine similarity digunakan untuk mengetahui pemain yang mirip berdasarkan pemain yang telah diseleksi sebelumnya, yang pada akhirnya aplikasi akan memberikan rekomendasi pemain
NIM: 1217050137
Year: 2025
Proposal tugas akhir ini berjudul "Demografi Sentimen Opini Publik Tentang 'Marriage is Scary' Pada Media Sosial X Menggunakan Algoritma Bidirectional Encoder Representations from Transformers (BERT)" yang bertujuan untuk menganalisis sentimen publik pada media sosial X terkait pandangan bahwa pernikahan adalah hal yang menakutkan, dengan memanfaatkan algoritma BERT untuk mengidentifikasi, mengekstraksi, dan mengkategorikan emosi yang diungkapkan dalam teks di media sosial. Melalui analisis ini, diharapkan dapat diperoleh wawasan mendalam mengenai bagaimana berbagai kelompok demografis memandang isu pernikahan, serta mengetahui tingkat akurasi algoritma BERT dalam analisis sentimen tersebut.
NIM: 1217050009
Year: 2025
Di era digital, informasi menyebar dengan cepat melalui media sosial dan portal berita daring. Namun, hal ini juga meningkatkan risiko hoax, terutama dalam ranah politik, yang dapat memengaruhi opini publik, memperburuk polarisasi sosial, dan menurunkan kepercayaan terhadap pemerintah. Data Kominfo menunjukkan ribuan konten hoax politik teridentifikasi dalam beberapa tahun terakhir, menandakan masalah ini semakin serius. Untuk mengatasi penyebaran hoax, diperlukan sistem klasifikasi otomatis yang akurat. Salah satu solusi efektif adalah kecerdasan buatan berbasis deep learning, seperti IndoBERT, yang mampu memahami konteks bahasa Indonesia lebih baik. Penelitian ini bertujuan mengembangkan sistem klasifikasi berita hoax politik dengan IndoBERT guna membantu masyarakat mendeteksi berita palsu lebih cepat dan akurat, serta mendukung dalam menangkal disinformasi.
NIM: 1217050142
Year: 2025
Proposal ini membahas analisis sentimen terhadap isu overclaim pada produk kecantikan menggunakan algoritma BERT. Data diambil dari komentar pengguna di media sosial X (Twitter) untuk mengklasifikasikan opini menjadi positif, negatif, atau netral.
NIM: 1207050135
Year: 2024
Dalam perkembangan era digital saat ini, penggunaan Content Management System (CMS) telah menjadi elemen fundamental dalam pembangunan situs web, dengan lebih dari 50% situs di dunia dibangun menggunakan CMS. WordPress dan Joomla, sebagai dua CMS dengan pangsa pasar terbesar, menawarkan kemudahan dalam pembuatan dan pengelolaan situs web tanpa memerlukan keahlian pemrograman. Namun demikian, kemudahan ini juga disertai dengan meningkatnya potensi risiko keamanan, terutama pada konfigurasi standar yang kerap menjadi sasaran serangan siber. Berdasarkan latar belakang tersebut, penelitian ini bertujuan untuk menganalisis dan mengevaluasi tingkat keamanan CMS WordPress dan Joomla dalam kondisi konfigurasi standar, mengkaji efektivitas plugin ekstensi terhadap aspek keamanan, serta mengidentifikasi pola atau tren kerentanan yang ditemukan. Penelitian ini diharapkan dapat memberikan kontribusi terhadap pengembangan literatur ilmiah di bidang keamanan siber serta meningkatkan kesadaran dan penerapan praktik keamanan yang lebih baik di kalangan pengguna CMS.
NIM: 1217050119
Year: 2025
Penelitian ini berfokus pada pengaruh Term Frequency-Inverse Gravity Moment (TF-IGM) dalam meningkatkan akurasi deteksi emosi teks pada platform Threads yang terbilang baru dengan bantuan model IndoBERT. TF-IGM dikenal karena pendekatan barunya terkait pengukuran class distinguishing power terhadap term.
NIM: 1217050035
Year: 2025
Pembuatan aplikasi deteksi wajah dalam kondisi low light mengunakan metode pre-processing MIRNet den model deteksi YOLOv11
NIM: 1217050042
Year: 2025
Penelitian ini bertujuan untuk menerapkan model IndoBERT dalam analisis sentimen terhadap tweet bertagar #KaburAjaDulu di media sosial X. Dengan pendekatan NLP berbasis model transformer, penelitian ini mengklasifikasikan sentimen menjadi positif, negatif, dan netral. Proses penelitian mengikuti metode CRISP-DM, mulai dari pengumpulan data, pemodelan, hingga evaluasi kinerja model. Hasil akhir ditampilkan melalui prototype web sederhana.
NIM: 1217050101
Year: 2025
Mengembangkan model Text-to-Speech bahasa Indonesia dengan metode FastSpeech2 dan dilatih menggunakan dataset buatan yang dibuat mengikuti format LJSpeech.
NIM: 1217050123
Year: 2025
Penelitian ini bertujuan untuk mengembangkan sistem rekomendasi item dalam Mobile Legends: Bang Bang menggunakan Hierarchical Transformer, dengan fokus pada strategi counter hero lawan dan pendekatan two step ahead. Model yang dikembangkan akan memberikan rekomendasi item secara dinamis berdasarkan komposisi hero lawan, sehingga pemain dapat mengantisipasi strategi musuh sebelum mereka mencapai power spike tertentu. Pendekatan ini berbeda dari penelitian sebelumnya yang hanya mempertimbangkan pola historis pemain tanpa memperhitungkan hero lawan secara eksplisit. Sistem ini diharapkan dapat membantu pemain, terutama pemula, dalam memilih item yang lebih optimal guna meningkatkan performa permainan dan peluang kemenangan dalam pertandingan kompetitif.
NIM: 1217050146
Year: 2025
Penelitian ini mengembangkan sistem deteksi dan klasifikasi ekspresi wajah pelanggan menggunakan YOLO untuk menilai kepuasan pelanggan terhadap suatu layanan secara real-time. Model ini menggantikan metode survei tradisional yang sering subjektif dan kurang partisipasi. Dataset yang digunakan mencakup CK+ serta rekaman interaksi pelanggan di layanan publik. Evaluasi model dilakukan dengan metrik akurasi, precision, recall, F1-score, dan mAP. Sistem ini diharapkan dapat diterapkan di berbagai sektor untuk meningkatkan kualitas layanan pelanggan secara objektif dan efisien.
NIM: 1217050055
Year: 2025
Penelitian ini membahas penerapan algoritma Extreme Gradient Boosting (XGBoost) untuk memprediksi tingkat risiko kehamilan pada ibu hamil. Model yang dikembangkan akan menggunakan beberapa parameter kesehatan seperti usia, tekanan darah (sistolik dan diastolik), jumlah kehamilan, detak jantung janin, dan kadar sel darah merah. XGBoost dipilih karena kemampuannya dalam menangani dataset besar dan kompleks, serta memiliki akurasi yang lebih baik dibandingkan algoritma machine learning lainnya. Metode penelitian yang digunakan mengacu pada CRISP-DM, yang mencakup tahapan seperti pemahaman bisnis, eksplorasi data, persiapan data, pemodelan, evaluasi, hingga implementasi model. Melalui penelitian ini, diharapkan model yang dikembangkan bisa membantu tenaga medis dalam mendeteksi risiko kehamilan lebih dini, sehingga dapat dilakukan intervensi yang lebih cepat dan tepat untuk mengurangi angka kematian ibu hamil.
NIM: 1217050016
Year: 2025
Penelitian ini bertujuan untuk mengembangkan sistem penerjemah gerakan bahasa isyarat SIBI menjadi suara untuk membantu penyandang disabilitas komunikasi, seperti tunarungu dan tunawicara. Dengan memanfaatkan model YOLO11, sistem ini diharapkan dapat meningkatkan inklusi sosial, pendidikan, dan kesempatan kerja bagi penyandang disabilitas komunikasi dengan menyediakan solusi berbasis teknologi yang cepat dan akurat.
NIM: 1187050082
Year: 2024
Pembuatan Chatbot Pembagian Harta Waris Menurut Islam Menggunakan Aplikasi Telegram
NIM: 1217050066
Year: 2025
Diajukan sebagai salah satu syarat untuk memperoleh gelar Sarjana Teknik pada Jurusan Teknik Informatika Fakultas Sains dan Teknologi Universitas Islam Negeri Sunan Gunung Djati Bandung
NIM: 1217050060
Year: 2025
Membuat RAG dengan format PDF dengan hasil akhir berupa flashcard. Materi dapat seperti sejarah, kewarganegaraan, dll.
NIM: 1217050011
Year: 2025
Penelitian ini bertujuan untuk mengembangkan sistem notifikasi doa harian yang dapat dikirimkan secara otomatis melalui WhatsApp. Sistem ini dilengkapi dengan analisis sentimen berbasis model IndoBERT untuk memahami kondisi emosional pengguna dari balasan mereka terhadap notifikasi doa. Selain itu, sistem ini menggunakan platform otomatisasi n8n untuk mengatur pengiriman pesan terjadwal dan integrasi dengan WhatsApp Business API. Aplikasi mobile yang dikembangkan dengan Flutter memungkinkan pengguna untuk mendaftar dan mengatur preferensi notifikasi dengan mudah. Penelitian ini diharapkan dapat membantu pengguna dalam membangun kebiasaan berdoa secara konsisten dan memahami kondisi emosional mereka melalui analisis sentimen yang akurat.
NIM: 1207050131
Year: 2025
Dalam era digital, clickbait menjadi tantangan dalam penyebaran informasi, terutama di media online. Clickbait merupakan judul yang dibuat secara manipulatif untuk menarik perhatian pembaca, sering kali dengan informasi yang menyesatkan. Deteksi clickbait menjadi penting untuk meningkatkan kualitas informasi yang dikonsumsi oleh masyarakat. Penelitian ini bertujuan untuk mengembangkan model deteksi clickbait menggunakan algoritma Long Short-Term Memory (LSTM), yang merupakan salah satu jenis Recurrent Neural Network (RNN) yang efektif dalam menangani data berbasis teks. Model ini akan dilatih menggunakan dataset berita dengan kategori clickbait dan non-clickbait untuk mengidentifikasi pola dalam struktur judul berita. Diharapkan hasil penelitian ini dapat berkontribusi dalam meningkatkan deteksi otomatis terhadap clickbait serta membantu platform digital dalam menyaring informasi yang lebih akurat dan terpercaya.
NIM: 1217050100
Year: 2025
-
NIM: 1217050017
Year: 2025
Penelitian ini membandingkan model deep learning untuk prediksi penjualan kendaraan di Indonesia dengan mempertimbangkan faktor musiman dan eksternal. Model yang dibandingkan meliputi LSTM, CNN, serta model hibrida seperti CNN-LSTM. Menggunakan metode CRISP-DM, data diperoleh dari GAIKINDO dan dilengkapi dengan variabel eksternal seperti harga bahan bakar, nilai tukar rupiah, inflasi, serta indeks kepercayaan konsumen. Model dievaluasi menggunakan MSE, RMSE, dan MAE, di mana hasil menunjukkan bahwa model hibrida, khususnya CNN-LSTM, memiliki akurasi lebih tinggi dibandingkan dengan LSTM atau CNN. Hasil penelitian ini dapat membantu industri otomotif dalam perencanaan produksi dan pemasaran serta memberikan wawasan bagi pemangku kebijakan dalam merancang strategi insentif kendaraan bermotor.
NIM: 1207050002
Year: 2025
Pada proposal ini saya akan melakukan penelitian tentang Klasifikasi Jenis dan Estimasi Tinggi Tanaman Bonsai Menggunakan Convolutional Neural Network
NIM: 1217050036
Year: 2025
Penelitian ini bertujuan untuk merancang model berbasis Convolutional Neural Network (CNN) untuk meningkatkan efisiensi identifikasi dan klasifikasi spesies tumbuhan invasif di Cagar Alam Gunung Tilu, Jawa Barat. Saat ini, proses inventarisasi masih dilakukan secara manual, yang kurang efisien dalam mengidentifikasi spesies dengan cepat dan akurat. Dengan implementasi visi komputer berbasis kecerdasan buatan (AI), sistem ini diharapkan dapat mempercepat proses klasifikasi tumbuhan invasif serta menganalisis manfaatnya agar dapat dikelola secara optimal dalam upaya konservasi.
NIM: 1217050148
Year: 2025
Proposal tugas akhir Zuhad
NIM: 1217050038
Year: 2025
Proposal ini membahas penerapan algoritma Sequential Pattern Mining Framework (SPMF) untuk menganalisis pola pemilihan hero dalam game Dota 2 berdasarkan data historis dari platform OpenDota. Penelitian ini bertujuan untuk mengembangkan sistem rekomendasi hero yang dapat membantu pemain dalam menentukan strategi drafting berdasarkan tren meta terkini. Dengan menggunakan pendekatan data mining dan CRISP-DM, penelitian ini berfokus pada pengolahan data pertandingan kompetitif untuk mengidentifikasi pola pemilihan hero yang berulang. Hasilnya diharapkan dapat memberikan rekomendasi strategis yang lebih akurat bagi pemain dalam menghadapi perubahan meta dalam permainan Dota 2.
NIM: 1217050134
Year: 2025
Peneltian ini yaitu mengenai tentang klasifikasi penyakit pada telinga kucing menggunaka YOLOV11.
NIM: 1217050028
Year: 2025
Penelitian ini bertujuan untuk mengklasifikasikan tingkat kematangan buah pisang menggunakan metode Convolutional Neural Network (CNN). Tiga arsitektur CNN yang dibandingkan dalam penelitian ini adalah ResNet152V2, MobileNetV2, dan EfficientNetB3. Perbandingan dilakukan berdasarkan akurasi, performa model, serta efisiensi waktu pelatihan, guna menentukan arsitektur yang paling optimal dalam mengenali kematangan buah pisang.
NIM: 1217050027
Year: 2025
Proposal ini berjudul “Pengembangan Aplikasi Manajemen Berita Dengan Mekanisme Workflow Approval”, yang bertujuan untuk mengatasi permasalahan dalam pengelolaan dan distribusi informasi internal pada organisasi, khususnya di lingkungan kerja yang masih menggunakan metode konvensional. Aplikasi ini dikembangkan dalam bentuk mobile app berbasis React Native dan backend menggunakan Express.js, dengan pendekatan metode Agile. Fitur utama yang diusung adalah sistem persetujuan berita (workflow approval) dan pengelolaan hak akses berbasis Role-Based Access Control (RBAC) untuk menjamin keamanan serta keandalan proses persetujuan. Proposal ini diharapkan dapat meningkatkan efisiensi, transparansi, dan validitas informasi yang beredar di lingkungan organisasi.
NIM: 1217050044
Year: 2025
Optimasi Hyperparameter MobileNetV2 Berbasis Particle Swarm Optimization dalam Klasifikasi Rempah
NIM: 1217050106
Year: 2025
penerapan model machine learning dan deep learning untuk memprediksi harga meme coin, yaitu aset kripto dengan volatilitas tinggi dan tren yang cepat berubah. Fokus utama penelitian adalah membandingkan performa beberapa algoritma populer seperti LSTM, dengan Transformer dalam memproyeksikan harga jangka pendek meme coin berdasarkan data historis dan sentimen pasar. Penelitian ini bertujuan membantu investor kripto dalam mengambil keputusan lebih informatif berbasis analisis data dan kecerdasan buatan.
NIM: 1217050052
Year: 2025
Proposal
NIM: 1217050022
Year: 2025
Proposal ini membahas implementasi algoritma BERT dalam sistem pencocokan ayat Al-Qur’an berdasarkan ungkapan perasaan pengguna yang diinput melalui suara (voice over text). Tujuannya adalah menghadirkan solusi berbasis kecerdasan buatan untuk membantu pengguna menemukan ayat yang relevan dengan kondisi emosionalnya secara lebih personal dan interaktif.
NIM: 1207050054
Year: 2025
Deteksi teks promosi judi online menggunakan algoritma Bidirectional Encoder Representations from Transformers (BERT). Latar belakang dari penelitian ini adalah maraknya aktivitas judi online di Indonesia yang semakin meningkat dan sulit dikendalikan, serta rendahnya kesadaran masyarakat dalam melaporkan konten promosi tersebut. Dengan memanfaatkan kecerdasan buatan dan pendekatan Natural Language Processing (NLP)
NIM: 1217050090
Year: 2025
Penelitian ini bertujuan membangun model klasifikasi gambar sampah rumah tangga menggunakan algoritma CNN untuk membedakan sampah organik dan anorganik secara otomatis. Dengan pendekatan CRISP-DM dan metode Agile, penelitian ini diharapkan mendukung upaya pengelolaan sampah yang lebih efisien dan berkelanjutan melalui pemanfaatan teknologi deep learning.
NIM: 1217050085
Year: 2025
Maraknya kasus pencurian kendaraan bermotor menjadi permasalahan yang kian meresahkan masyarakat. Kendaraan yang hilang sering kali sulit dilacak karena minimnya sistem keamanan dan pemantauan lokasi yang memadai. Di sisi lain, meskipun banyak sensor pelacak yang tersedia di pasaran, banyak di antaranya memiliki keterbatasan, terutama dalam hal latensi pengiriman data yang tinggi dan kurangnya kemampuan pelacakan secara real-time, sehingga efektivitasnya dalam situasi darurat menjadi kurang optimal. Penelitian ini mengusulkan sebuah solusi berupa implementasi sistem pelacakan kendaraan berbasis Internet of Things (IoT) menggunakan modul GPS dan mikrokontroler ESP32, yang dikenal memiliki efisiensi dan konektivitas yang baik. Sistem ini dirancang untuk mengirimkan data lokasi kendaraan secara real-time, yang kemudian divisualisasikan melalui antarmuka berbasis website, sehingga pengguna dapat memantau posisi kendaraannya secara langsung kapan pun dan di mana pun. Diharapkan, sistem ini dapat memberikan solusi pelacakan kendaraan yang lebih responsif, handal, dan mudah diakses oleh pengguna.
NIM: 1187050013
Year: 2025
Penelitian ini bertujuan untuk mengimplementasikan chatbot menggunakan Gemini 2.0 flash pada website Wer1 Official Fanbase Rony Parulian. Chatbot ini dirancang untuk memberikan informasi dan menjawab pertanyaan pengguna tentang Rony Parulian dan kegiatannya di fanbase tersebut. Penelitian ini menggunakan metode crips-dm, yang meliputi perancangan, pengumpulan data, perancangan, implementasi, pengujian. Chatbot diimplementasikan menggunakan JavaScript dengan library Next.js untuk antarmuka pengguna, serta memanfaatkan kemampuan Large Language Model (LLM) Gemini 2.0 flash menggunakan arsitektur transformer, untuk pemrosesan bahasa alami. Hasil penelitian menunjukkan bahwa chatbot yang dikembangkan mampu memberikan respon yang relevan dan informatif terhadap pertanyaan pengguna, sehingga meningkatkan interaksi dan pengalaman pengguna di website fanbase. Penelitian ini diharapkan dapat memberikan kontribusi dalam pengembangan chatbot berbasis LLM untuk meningkatkan layanan informasi pada website fanbase atau komunitas lainnya.
NIM: 1217050001
Year: 2025
Penelitian ini berjudul "Optimasi Long Short-Term Memory untuk Peningkatan Akurasi (Studi Kasus pada Prediksi Harga Bahan Pangan di Indonesia)" yang bertujuan untuk mengembangkan dan mengoptimalkan algoritma Long Short-Term Memory (LSTM) dalam memprediksi harga bahan pangan di Indonesia. Fokus utama dari penelitian ini adalah mengkaji sejauh mana akurasi prediksi LSTM dapat ditingkatkan ketika algoritma tidak hanya menggunakan data historis (time series) harga bahan pangan, tetapi juga diperkuat dengan data eksternal seperti informasi cuaca bulanan. Pendekatan ini dilakukan sebagai bentuk pengembangan terhadap riset-riset sebelumnya yang cenderung hanya memanfaatkan data harga masa lalu tanpa mempertimbangkan pengaruh faktor lingkungan lainnya. Dengan studi kasus berbasis data dari Badan Pangan Nasional dan integrasi data cuaca dari sumber terpercaya, penelitian ini diharapkan dapat memberikan kontribusi nyata dalam bidang data science terapan khususnya untuk ketahanan pangan, serta menjadi acuan bagi pengambilan keputusan strategis dalam distribusi dan stabilisasi harga pangan di Indonesia.
