JATI (Jurnal Mahasiswa Teknik Informatika)

RANCANG BANGUN SISTEM INFORMASI LAYANAN ADMINISTRASI DESA BERBASIS WEB

2026-05-30T10:38:17+07:00

Pelayanan administrasi desa merupakan bagian penting dalam tata kelola pemerintahan yang profesional dan transparan di era transformasi digital. Namun, di Desa Gerbo, Kabupaten Pasuruan, proses pelayanan masih dilakukan secara manual sehingga menimbulkan antrean panjang, keterbatasan akses layanan, serta rendahnya transparansi informasi. Permasalahan ini berdampak pada kurang optimalnya efisiensi dan akuntabilitas pelayanan publik. Penelitian ini bertujuan merancang dan mengimplementasikan sistem informasi layanan administrasi desa berbasis web guna meningkatkan kualitas pelayanan. Metode yang digunakan adalah Research and Development (R&D) dengan pendekatan System Development Life Cycle (SDLC) model Waterfall. Analisis permasalahan dilakukan menggunakan Cause–Effect–Solution (CES) Framework, sedangkan analisis kebutuhan sistem menggunakan Functional and Non-Functional (FNF) Framework. Sistem yang dikembangkan menyediakan fitur pengajuan surat daring, verifikasi dan pembuatan surat berbasis template, persetujuan kepala desa, pengarsipan digital, serta notifikasi status permohonan. Pengujian dilakukan dengan metode Black Box Testing untuk memastikan kesesuaian fungsi sistem. Hasil penelitian menunjukkan bahwa sistem mampu meningkatkan efisiensi, transparansi, dan keterpaduan pelayanan administrasi desa, sehingga layak diimplementasikan sebagai pendukung transformasi digital pelayanan publik di tingkat desa.

SISTEM LITERATUR REVIEW PERANCANGAN TEMPAT SAMPAH OTOMATIS BERODA MENGGUNAKAN KENDALI JARAK JAUH BERBASIS IOT

2026-05-30T10:39:40+07:00

Pengendalian sampah di lingkungan sekolah merupakan aspek penting dalam menciptakan lingkungan belajar yang bersih dan sehat. Namun, seiring perkembangan teknologi, pendekatan manual dalam pengendalian sampah dinilai kurang efektif dan belum terintegrasi dengan sistem digital berbasis Internet of Things (IoT). Pemanfaatan teknologi otomatisasi menjadi peluang inovatif dalam meningkatkan efisiensi dan kesadaran pengelolaan sampah di sekolah. Salah satu masalah yang paling umum adalah sistem pengumpulan sampah yang masih dilakukan secara manual dan tidak efisien, serta kegagalan siswa untuk memahami cara memilah dan membuang sampah dengan benar. Kedua masalah ini menyebabkan banyak sampah dan sistem kebersihan sekolah tidak berjalan dengan baik. Pemetaan tren penelitian, metode, perangkat lunak, mikrokontroler, dan sensor yang paling umum digunakan dalam pengembangan sistem otomatisasi pengelolaan sampah berbasis Internet of Things (IoT) diharapkan menjadi dasar untuk rekomendasi teknologi dalam merancang sistem tempat sampah otomatis beroda yang dapat dikendalikan dari jarak jauh. Sistematic Literature Review (SLR) digunakan, menganalisis 41 jurnal ilmiah yang relevan. Proses SLR mencakup identifikasi, seleksi, evaluasi, dan sintesis literatur untuk mendapatkan gambaran menyeluruh tentang kemajuan teknologi dan metode yang digunakan dalam sistem pengelolaan sampah otomatis. Hasil penelitian menunjukkan bahwa metode eksperimen (EKM) adalah metode penelitian yang paling umum digunakan saat membangun sistem Internet of Things (IoT). Python adalah perangkat lunak yang paling banyak digunakan, sedangkan Raspberry Pi adalah mikrokontroler paling populer karena kemampuan untuk mendukung berbagai jenis sensor sesuai kebutuhan aplikasi. Studi ini melacak literatur secara menyeluruh dan memberikan saran teknologi yang relevan untuk menerapkan sistem tempat sampah otomatis beroda berbasis Internet of Things di sekolah.

PENERAPAN APLIKASI MOBILE UNTUK SKRINING DINI KANKER KULIT DAN EDUKASI KESEHATAN KULIT PADA MASYARAKAT PESISIR MUARA ANGKE

2026-05-30T10:41:22+07:00

Masyarakat yang tinggal di daerah pesisir Muara Angke berisiko tinggi mengalami kanker kulit karena terpapar sinar ultraviolet (UV) yang sangat kuat dan terus-menerus. Namun, masalah utama yang terjadi adalah kurangnya akses ke layanan deteksi dini kanker kulit dan ketidaktahuan masyarakat tentang gejala awal kanker kulit. Kegiatan pengabdian kepada masyarakat ini bertujuan menggunakan aplikasi mobile sebagai alat deteksi dini kanker kulit serta sarana memberikan pemahaman tentang kesehatan kulit kepada masyarakat di daerah pesisir. Metode yang digunakan mencakup penyampaian informasi tentang kesehatan kulit, pembelajaran mengenai faktor-faktor yang bisa menyebabkan kanker kulit dan tanda-tanda awalnya, serta pameran dan bimbingan dalam menggunakan aplikasi mobile yang berbasis analisis gambar digital. Aplikasi ini memungkinkan pengguna memeriksa kondisi awal secara sendiri dengan mengambil gambar area kulit yang bermasalah menggunakan kamera ponsel, lalu mendapatkan hasil klasifikasi risiko awal. Hasil dari pelaksanaan kegiatan menunjukkan bahwa masyarakat semakin memahami dan sadar akan pentingnya mendeteksi kanker kulit secara dini, serta kemungkinan menggunakan teknologi ponsel sebagai alat bantu dalam skrining kesehatan di lingkungan masyarakat pesisir.

PENERAPAN VECTOR SPACE MODEL PADA REKOMENDASI LAGU ROHANI KRISTEN BERBASIS LIRIK LAGU

2026-05-30T10:42:36+07:00

Perkembangan teknologi musik digital yang pesat saat ini telah memudahkan akses terhadap ribuan lagu religi, termasuk lagu rohani Kristen yang digunakan untuk mendukung peribadatan dan kebutuhan spiritual sehari-hari. Namun, banyaknya pilihan lagu seringkali membuat pengguna kesulitan dalam menemukan lagu yang benar-benar relevan dengan konteks atau suasana hati spiritual tertentu secara cepat dan akurat. Penelitian ini bertujuan untuk mengimplementasikan Vector Space Model (VSM) dalam rekomendasi lagu rohani Kristen berbasis lirik untuk memberikan hasil evaluasi dari model yang telah dibangun. Metode yang digunakan meliputi pre-processing teks secara menyeluruh (termasuk stemming Sastrawi), pembobotan Term Frequency-Inverse Document Frequency (TF-IDF), dan penghitungan kemiripan menggunakan Cosine Similarity. Dataset yang digunakan mencakup 1.068 lirik lagu bersih dengan pembagian proporsi 80:20 untuk data latih dan data uji. Hasil pengujian menunjukkan performa sistem yang sangat impresif dengan tingkat Akurasi mencapai 97,65% dan Precision@10 sebesar 78,22%. Hal ini membuktikan bahwa penerapan VSM efektif dalam mentransformasi lirik lagu menjadi representasi matematis yang akurat. Secara keseluruhan, penelitian ini memberikan kontribusi dalam bidang information retrieval dengan menunjukkan bahwa pendekatan berbasis vektor mampu menghasilkan rekomendasi yang relevan secara kontekstual guna mendukung kebutuhan spiritual pengguna.

OPTIMALISASI PENGGUNAAN BANDWIDTH MENGGUNAKAN TRAFFIC SHAPING PADA FORTIGATE DAN EVALUASI TATA KELOLA DI PT SEMEN BATURAJA TBK

2026-05-30T10:43:36+07:00

Di era digital, pemanfaatan internet menjadi kebutuhan vital dalam mendukung seluruh proses bisnis di PT Semen Baturaja Tbk. Namun, penggunaan bandwidth yang berlebihan dan tidak ter prioritaskan sering memicu penurunan kinerja jaringan yang menghambat operasional penting perusahaan. Penelitian ini bertujuan mengoptimalkan alokasi bandwidth dengan menerapkan konfigurasi traffic shaping pada perangkat Fortigate FG201E. Metode penelitian yang digunakan adalah Action Research yang mencakup lima tahapan sistematis: diagnosing untuk identifikasi masalah, action planning untuk perancangan kebijakan, action taking untuk implementasi konfigurasi, evaluating untuk pengukuran hasil, dan learning untuk dokumentasi pengetahuan baru bagi organisasi. Pengujian performa dilakukan menggunakan alat uji iperf dan Axence NetTools untuk mengukur parameter Quality of Service (QoS) secara real-time yang meliputi throughput, delay, packet loss, dan jitter. Data tersebut kemudian divalidasi dengan pendekatan Quality of Experience (QoE) dari sisi pengguna. Hasil penelitian menunjukkan bahwa intervensi traffic shaping berhasil meningkatkan efisiensi distribusi bandwidth dan stabilitas jaringan secara signifikan. Evaluasi akhir mengonfirmasi adanya peningkatan kematangan tata kelola bandwidth yang lebih adaptif serta selaras dengan kebutuhan prioritas bisnis perusahaan dalam mendukung produktivitas kerja.

SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN KANDIDAT PEMAGANG LOWONGAN MARKETING

2026-05-30T10:44:31+07:00

Fleek Group Indonesia yang merupakan perusahaan agensi digital marketing sedang menghadapi tantangan dalam proses seleksi kandidat pemagang, banyaknya pelamar serta beragamnya kriteria penilaian menyebabkan proses seleksi manual menjadi kurang efisien dan berpotensi menimbulkan subjektivitas dalam pengambilan keputusan. Perusahaan membutuhkan sistem yang tidak hanya membuat proses seleksi lebih efektif namun juga dapat memberi rekomendasi berdasarkan kriteria yang ditetapkan. Artikel ini bertujuan untuk merancang dan membangun sistem pendukung keputusan pemilihan kandidat pemagang pada lowongan marketing dengan menggunakan pendekatan PXP, sementara untuk perhitungan multikriteria digunakan metode MADM AHP dan TOPSIS. Berdasarkan hasil perancangan, implementasi, dan pengujian yang telah dilakukan, dapat disimpulkan bahwa Sistem Pendukung Keputusan (SPK) pemilihan kandidat pemagang pada lowongan marketing di PT. Fleek Group Indonesia berhasil dikembangkan sesuai dengan kebutuhan sistem dan stakeholder dengan menggunakan metode SDLC PXP. Integrasi metode AHP dalam penentuan bobot kriteria dan subkriteria serta metode TOPSIS dalam proses perangkingan kandidat terbukti mampu menghasilkan rekomendasi yang akurat dan terbukti konsisten sebab semua bobot kriteria dan subkriteria <0,1. Hasil evaluasi perhitungan dengan menggunakan data sample kandidat menunjukkan bahwa kandidat A3 dengan nilai preferensi 1 menjadi kandidat yang paling direkomendasikan, diikuti kandidat A4, dan A1 atau A5. Dengan demikian sistem mampu memberi penilaian yang objektif berdasarkan kriteria yang ditetapkan

PEMODELAN SENTIMEN KOMENTAR YOUTUBE TERKAIT KEBIJAKAN HILIRISASI NIKEL MENGGUNAKAN ALGORITMA SUPERVISED LEARNING

2026-05-30T10:45:23+07:00

Kebijakan hilirisasi nikel Indonesia sejak 2020 menuai respon beragam, mulai dari dukungan kedaulatan ekonomi hingga kritik dampak lingkungan dan ketimpangan distribusi manfaat. Platform YouTube dengan 139 juta pengguna aktif menjadi ruang diskusi publik yang dinamis terkait kebijakan ini. Namun, analisis sentimen sering menghadapi kendala ketidakseimbangan kelas yang menyebabkan model bias terhadap kelas mayoritas dan gagal mendeteksi kelas minoritas. Penelitian ini bertujuan menganalisis sentimen publik terhadap kebijakan hilirisasi nikel melalui komentar YouTube dan mengevaluasi efektivitas metode SMOTE-Tomek Links dalam menangani ketidakseimbangan kelas. Dataset 7.850 komentar YouTube yang telah melalui tahap text processing dan pelabelan, menghasilkan distribusi tidak seimbang (81,04% negatif vs 18,96% positif). Tiga algoritma supervised learning (Naive Bayes, Random Forest, Support Vector Machine) diuji pada dua skenario yaitu sebelum dan sesudah penerapan SMOTE-Tomek Links. Hasil menunjukkan bahwa model terbaik diperoleh menggunakan SVM rasio 80:20 dengan SMOTE-Tomek Links, mencapai akurasi 96,37% dan recall kelas positif 89%. Metode ini efektif mengurangi bias dengan penurunan selisih recall dari 14% menjadi 9%. Analisis sentimen mengungkapkan opini negatif didominasi kekhawatiran kerusakan lingkungan dan ketimpangan ekonomi, sementara opini positif berfokus pada kemajuan industri dan kedaulatan negara.

KLASTERISASI PENJUALAN PRODUK MINUMAN MENGGUNAKAN K-MEANS DAN VISUALISASI DENGAN POWER BI

2026-05-30T10:46:33+07:00

Pengelolaan data penjualan produk minuman menjadi aspek penting dalam menjaga keseimbangan persediaan agar sesuai dengan kebutuhan konsumen. Variasi jenis produk dan fluktuasi tingkat permintaan seringkali menyulitkan pengambilan keputusan terkait pengelolaan stok apabila tidak didukung oleh analisis yang sistematis. Dengan demikian, tujuan penelitian ini adalah untuk melakukan klasterisasi data penjualan Kedai Cozy Drink periode April hingga Oktober 2025. Algoritma K-Means Clustering dengan pendekatan Knowledge Discovery in Database (KDD) digunakan pada penelitian ini. Dataset awal berjumlah 1.315 transaksi dan setelah proses preprocessing diperoleh 1.309 transaksi yang valid untuk dianalisis. Setelah metode Elbow diterapkan untuk menentukan jumlah cluster yang optimal, hasil analisis menunjukkan bahwa jumlah cluster terbaik adalah tiga. Evaluasi melalui perhitungan Silhouette Score sebesar 0,87 menujukkan bahwa kualitas pengelompokan termasuk dalam kategori sangat baik. Ketiga cluster tersebut merepresentasikan kategori produk best seller, profit driver, dan slow moving. Hasil klasterisasi selanjutnya divisualisasikan menggunakan Power BI untuk mempermudah interpretasi pola penjualan produk sehingga dapat dijadikan dasar dalam pengelolaan stok yang lebih optimal dan efisien.

PERANCANGAN DAN PEMBUATAN MEDIA PEMBELAJARAN INTERAKTIF PADA MATA PELAJARAN PENDIDIKAN AGAMA ISLAM (PAI) MENGGUNAKAN ADOBE ANIMATE DI KELAS X SMKS SEMEN PADANG SEMESTER GANJIL TAHUN AJARAN 2025/2026

2026-05-30T10:47:54+07:00

Pembelajaran Pendidikan Agama Islam (PAI) di sekolah masih menghadapi tantangan dalam meningkatkan keterlibatan dan pemahaman siswa akibat keterbatasan media pembelajaran yang interaktif dan menarik. Permasalahan ini terlihat dari dominannya penggunaan metode konvensional serta belum optimalnya pemanfaatan teknologi dalam proses pembelajaran. Penelitian ini bertujuan untuk merancang dan mengembangkan media pembelajaran interaktif berbasis Android pada mata pelajaran PAI kelas X di SMKS Semen Padang. Metode yang digunakan adalah Research and Development (R&D) dengan model ADDIE yang meliputi tahap Analysis, Design, Development, Implementation, dan Evaluation. Uji validitas dilakukan oleh tiga validator dengan hasil rata-rata 91,33% (sangat valid). Uji praktikalitas terhadap 23 siswa memperoleh skor rata-rata 91,97% (sangat praktis). Uji efektivitas melalui 25 butir soal menunjukkan tingkat efektivitas sebesar 90,78% (sangat efektif). Hasil penelitian menunjukkan bahwa media pembelajaran berbasis Android yang dikembangkan layak, praktis, dan efektif dalam meningkatkan keterlibatan serta pemahaman siswa, sekaligus mendukung pembelajaran mandiri.

SISTEM INFORMASI MONITORING PROSES PRODUKSI KABEL LISTRIK DAN TELEKOMUNIKASI MENGGUNAKAN METODE PROTOTYPING

2026-05-30T10:49:13+07:00

Perkembangan teknologi informasi menuntut industri manufaktur untuk meningkatkan efisiensi dan akurasi, khususnya dalam pelacakan proses produksi. Saat ini, sistem monitoring di PT Kabelindo Murni Tbk masih memiliki kendala signifikan karena proses pemindaian (scanning) QR Code dilakukan secara manual menggunakan alat konvensional di kantor, bukan di area produksi. Hal ini menyebabkan keterlambatan arus informasi (latency) dan data produksi tidak dapat dipantau secara real-time. Penelitian ini bertujuan merancang dan mengembangkan aplikasi scanner QR Code berbasis web yang memungkinkan operator melakukan pemindaian langsung di mesin produksi menggunakan perangkat seluler. Pengembangan sistem menggunakan metode System Development Life Cycle (SDLC) model Prototyping dengan pendekatan analisis berorientasi objek. Aplikasi yang dihasilkan memiliki fitur generate QR Code bertingkat (Level 1 hingga Level 3) sesuai tahapan produksi kabel, pencatatan durasi kerja mesin, serta dashboard monitoring terpusat. Berdasarkan pengujian Black Box Testing, seluruh fitur fungsional berjalan sesuai rancangan. Implementasi sistem ini terbukti memberikan solusi efektif dalam mengubah alur pencatatan dari manual tertunda menjadi digital real time, meningkatkan transparansi data produksi, serta mempermudah supervisor dalam pengambilan keputusan operasional.

PERANCANGAN DAN IMPLEMENTASI PLATFORM E-GOVERNMENT PASAR ATSIRI UNTUK DIGITALISASI RANTAI PASOK MINYAK ATSIRI GARUT

2026-05-30T10:50:47+07:00

Kabupaten Garut, Jawa Barat, merupakan sentra produksi minyak atsiri jenis vetiver (akar wangi) terbesar nasional dengan kontribusi sekitar 90% dari total produksi Indonesia. Meskipun memiliki potensi ekonomi besar, petani akar wangi masih menghadapi permasalahan struktural berupa ketergantungan pada tengkulak, minimnya transparansi harga, keterbatasan akses pasar langsung, dan lemahnya tata kelola data pemerintah dalam ekosistem rantai pasok, sehingga pendapatan rata-rata petani hanya mencapai Rp13,9 juta per tahun. Penelitian ini bertujuan merancang dan mengimplementasikan platform e-government Pasar Atsiri sebagai ekosistem digital terintegrasi berbasis mobile dan web yang menghubungkan petani, penyuling, UMKM, pembeli, dan pemerintah dalam satu ekosistem transparan. Pengembangan platform menggunakan metode Software Development Life Cycle (SDLC) melalui enam fase: analisis kebutuhan, perancangan sistem, pengembangan, pengujian, penerapan, dan evaluasi. Pengujian black-box terhadap 48 skenario menghasilkan tingkat keberhasilan 96,9%, dengan waktu respons rata-rata 1,8 detik dan uptime 99,1%. User Acceptance Test (UAT) terhadap 20 responden lintas peran menghasilkan skor penerimaan 4,33/5,0 (87,4%). Platform ini terbukti mampu memperluas akses pasar, meningkatkan transparansi harga, dan memperkuat tata kelola komoditas atsiri Garut.

IMPLEMENTASI SISTEM INFORMASI JASA LAYANAN KONSULTAN PAJAK BERBASIS WEBSITE PADA PT LESTARY QUALITY CONSULTINDO

2026-05-30T10:51:47+07:00

Industri jasa konsultan pajak berkembang pesat seiring kompleksitas regulasi perpajakan. Namun, PT Lestary Quality Consultindo masih menghadapi kendala operasional akibat penggunaan proses manual berbasis spreadsheet yang memicu fragmentasi data klien, inefisiensi negosiasi, dan risiko kesalahan administrasi penagihan. Penelitian ini bertujuan untuk merancang dan mengimplementasikan sistem informasi jasa layanan konsultan pajak berbasis website guna mengotomatisasi siklus layanan, mulai dari penawaran hingga pelaporan. Metode pengembangan yang digunakan adalah prototyping, yang memungkinkan pengembangan purwarupa secara iteratif melalui interaksi intensif dengan pengguna. Sistem dibangun menggunakan bahasa pemrograman PHP dengan framework CodeIgniter, basis data MySQL, serta Tailwind CSS untuk antarmuka. Hasil penelitian menunjukkan bahwa implementasi sistem berhasil menyentralisasi data klien, mendigitalisasi proses kontrak dan invoice, serta menyediakan laporan real-time. Pengujian fungsional melalui black-box testing mengonfirmasi bahwa seluruh fitur utama berjalan sesuai spesifikasi. Sistem ini terbukti meningkatkan efisiensi administrasi, akurasi data, dan transparansi layanan bagi klien.

PERANCANGAN SISTEM INFORMASI PENDAFTARAN PESERTA DIDIK BARU PADA TK AISYIYAH BUSTANUL ATHFAL JATIBARANG

2026-05-30T10:52:53+07:00

Pendaftaran peserta didik baru merupakan tahapan penting dalam proses administrasi pendidikan di tingkat taman kanak-kanak. Di TK Aisyiyah Bustanul Athfal, sistem pendaftaran yang berjalan masih dilakukan secara manual melalui pengambilan dan pengisian formulir secara langsung di sekolah serta pencatatan data dalam bentuk dokumen fisik. Kondisi tersebut menimbulkan permasalahan berupa lamanya proses pendaftaran, tingginya potensi kesalahan pencatatan data, serta kesulitan dalam pengelolaan dan pencarian arsip. Penelitian ini bertujuan untuk menganalisis dan merancang sistem informasi pendaftaran peserta didik baru berbasis hybrid yang mampu mengatasi permasalahan tersebut. Metode penelitian yang digunakan meliputi observasi, wawancara, dan studi pustaka, dengan perancangan sistem menggunakan Unified Modeling Language (UML) dan model pengembangan Waterfall. Hasil penelitian berupa rancangan sistem informasi berbasis hybrid yang mencakup fitur pendaftaran peserta didik, pengelolaan dan validasi data secara terintegrasi, serta rekapitulasi data secara real time. Rancangan sistem ini diharapkan dapat meningkatkan efisiensi dan akurasi pengelolaan data, meminimalkan kesalahan administrasi, serta mendukung peningkatan kualitas pelayanan pendaftaran peserta didik baru.

ANALISIS POLA KEHADIRAN SISWA MENGGUNAKAN ALGORITMA APRIORI PADA MI NURUL IKHLAS BEKASI

2026-05-30T10:54:05+07:00

Kehadiran siswa merupakan salah satu indikator penting dalam menilai kedisiplinan dan proses belajar mengajar di sekolah. Namun, data kehadiran siswa yang tersimpan dalam jumlah besar sering kali belum dimanfaatkan secara optimal untuk menghasilkan informasi yang berguna bagi pihak sekolah. Penelitian ini bertujuan untuk menganalisis pola kehadiran siswa di MI Nurul Ikhlas, dengan memanfaatkan teknik data mining menggunakan algoritma apriori. Metode penelitian yang digunakan mengacu pada tahapan Knowledge Discovery in Database (KDD), yang meliputi seleksi data, preprocessing, transformasi data, penerapan algoritma apriori, serta evaluasi pola asosiasi. Data yang digunakan berupa data absensi siswa selama periode penelitian, di mana setiap siswa diperlakukan sebagai satu transaksi dan status kehadiran sebagai item. Hasil penelitian menunjukkan bahwa algoritma apriori mampu menemukan pola asosiasi antar status kehadiran siswa berdasarkan nilai support, confidence, dan lift. Pola yang dihasilkan memberikan informasi penting terkait kecenderungan kehadiran dan ketidakhadiran siswa, sehingga dapat dimanfaatkan oleh pihak sekolah sebagai bahan evaluasi dan dasar pengambilan keputusan dalam meningkatkan kedisiplinan serta kualitas proses pembelajaran.

IMPLEMENTASI DOMAIN NAME SYSTEM (DNS) FILTERING MIKROTIK UNTUK PEMBATASAN AKSES MEDIA SOSIAL

2026-05-30T10:55:24+07:00

Internet dan jaringan komputer saat ini telah menjadi tulang punggung aktivitas akademik di lingkungan pendidikan, di mana ketersediaan akses yang stabil sangat krusial untuk mendukung kelancaran proses belajar mengajar. Namun, permasalahan sering terjadi pada manajemen bandwidth di Laboratorium Jaringan Universitas Dhyana Pura, yakni koneksi internet belum berjalan optimal dan sering mengalami gangguan berupa akses yang lambat terutama pada saat jam praktikum. Penyebab utama kendala tersebut adalah penggunaan internet yang tidak terkontrol untuk aktivitas luar akademik, seperti mengakses media sosial Instagram, TikTok, dan Facebook yang memicu pemborosan bandwidth. Oleh karena itu, penelitian ini bertujuan untuk merancang dan menerapkan Domain Name System (DNS) Filtering pada perangkat MikroTik sebagai solusi manajemen jaringan untuk membatasi akses ke media sosial tersebut. Penelitian ini dikembangkan menggunakan metode Network Development Life Cycle (NDLC) yang diadaptasi menjadi lima tahapan utama, yaitu analisis, desain, simulasi, implementasi, dan pemantauan (monitoring). Hasil pengujian menunjukkan bahwa metode ini efektif dalam memblokir akses pengguna ke media sosial yang ditargetkan. Selain itu, pemantauan trafik pasca-implementasi menunjukkan adanya penurunan penggunaan bandwidth yang sangat signifikan hingga kembali stabil, yang membuktikan bahwa penerapan DNS Filtering mampu mengoptimalkan ketersediaan internet untuk menunjang kegiatan akademik yang lebih produktif.

IMPLEMENTASI METODE SIMPLE ADDITIVE WEIGHTING (SAW) PADA SISTEM PENDUKUNG KEPUTUSAN PENENTUAN PENERIMA BANTUAN DESA TABA TEMBILANG

2026-05-30T10:56:34+07:00

Penyaluran bantuan desa merupakan bentuk perhatian pemerintah dalam meningkatkan kesejahteraan masyarakat serta menekan angka kemiskinan. Namun, dalam praktiknya sering muncul berbagai kendala, seperti ketidaktepatan sasaran, adanya unsur subjektivitas dalam penilaian, dan proses seleksi yang masih dilakukan secara manual. Permasalahan serupa juga terjadi pada proses penentuan penerima bantuan di Desa Taba Tembilang, sehingga dibutuhkan suatu sistem yang mampu mendukung pengambilan keputusan secara lebih objektif dan terukur. Penelitian ini bertujuan untuk menerapkan metode Simple Additive Weighting (SAW) pada Sistem Pendukung Keputusan (SPK) dalam menentukan penerima bantuan di Desa Taba Tembilang agar hasil yang diperoleh lebih akurat dan transparan. Metode SAW dipilih karena dapat menghitung nilai setiap alternatif berdasarkan pembobotan pada kriteria yang telah ditetapkan, kemudian menjumlahkan nilai terbobot tersebut untuk menghasilkan peringkat terbaik. Hasil implementasi menunjukkan bahwa sistem mampu melakukan tahapan normalisasi, pembobotan, hingga perankingan seluruh alternatif calon penerima bantuan secara terstruktur. Berdasarkan nilai akhir yang diperoleh, sistem dapat mengidentifikasi warga yang layak sebanyak 7 orang dan tidak layak menerima bantuan sebanyak 2 orang sesuai dengan batas nilai yang ditentukan. Dengan demikian, penerapan metode SAW dalam SPK ini dapat membantu desa dalam menghasilkan keputusan yang lebih objektif, efisien, dan tepat sasaran.

PENGEMBANGAN PLATFORM EVALUASI PEMANTAUAN LINGKUNGAN BERBASIS GEOWEB DI KABUPATEN BOGOR

2026-05-30T10:57:40+07:00

Berkembangnya kegiatan usaha di Kabupaten Bogor menyebabkan peningkatan kewajiban pelaporan pemantauan lingkungan hidup oleh perusahaan kepada Dinas Lingkungan Hidup (DLH). Permasalahan pelaporan yaitu masih dilakukan secara manual yang menyebabkan penumpukan dokumen, kesulitan mencari data, serta kesulitan dalam evaluasi dan pengawasan perusahaan yang rutin, terlambat, atau belum melaporkan. Tujuan dari penelitian ini menghasilkan pengembangan platform evaluasi pemantauan lingkungan berbasis GeoWeb yang mampu mendukung pelaporan, pengelolaan, dan pemantauan status pelaporan perusahaan secara efektif dan terintegrasi. Metode pengembangan sistem adalah metode Waterfall, yang meliputi tahapan komunikasi, perencanaan, perancangan, implementasi, dan uji coba. Sistem ini dirancang dengan mengimplementasikan framework Laravel sebagai backend dan terintegrasi dengan Leaflet.js sebagai visualisasi peta digital yang mampu memperlihatkan data berbasis GeoWeb. Hasil penelitian ini telah menghasilkan website SIPANDU-LH (Sistem Platform Evaluasi Pemantauan Lingkungan Hidup) yang mampu mempermudah perusahaan dalam melakukan pelaporan pemantauan lingkungan secara daring, meningkatkan efisiensi pengelolaan data oleh Dinas Lingkungan Hidup, serta mendukung proses evaluasi dan pengawasan lingkungan berbasis peta digital yang lebih efektif, transparan, dan akurat.

KINERJA MODEL DEEP LEARNING UNTUK DETEKSI SERANGAN SSH BRUTE FORCE

2026-05-30T10:58:54+07:00

Serangan Secure Shell (SSH) brute force merupakan salah satu ancaman umum pada layanan jaringan karena dilakukan melalui percobaan autentikasi berulang hingga memperoleh akses tidak sah. Pendekatan berbasis deep learning banyak digunakan dalam sistem deteksi intrusi (Intrusion Detection System/IDS) untuk meningkatkan kemampuan identifikasi pola serangan. Penelitian ini bertujuan untuk menganalisis dan membandingkan kinerja model Convolutional Neural Network (CNN), Long Short-Term Memory (LSTM), dan Autoencoder dalam mendeteksi serangan SSH brute force. Dataset diperoleh dari hasil simulasi lalu lintas jaringan pada lingkungan virtual berbasis Linux yang menghasilkan 100.000 paket mentah dan difilter menjadi 20.163 record trafik SSH, terdiri dari 12.163 data serangan dan 8.000 data normal. Data dibagi menggunakan skema train-test split 80:20. Evaluasi model dilakukan menggunakan confusion matrix, accuracy, precision, recall, F1-score, dan ROC-AUC. Hasil eksperimen menunjukkan bahwa CNN memberikan performa terbaik dengan ROC-AUC sebesar 0,9934 dan recall 1,00 tanpa false negative. LSTM menunjukkan performa yang sangat kompetitif dengan ROC-AUC 0,9825 dan recall 1,00, sedangkan Autoencoder menghasilkan performa lebih rendah dengan ROC-AUC 0,7325 dan recall 0,03. Berdasarkan hasil tersebut, CNN dinilai sebagai arsitektur yang paling efektif untuk mendeteksi serangan SSH brute force pada dataset penelitian ini.

RANCANG BANGUN SISTEM POS BERBASIS WEBSITE UNTUK MANAJEMEN PENJUALAN DAN STOK PADA TOKO MAMAH AZIS

2026-05-30T10:59:57+07:00

Rancang Bangun Sistem POS Berbasis Website untuk Manajemen Penjualan dan Stok Pada Toko Mamah Azis. Toko Mamah Azis merupakan salah satu Usaha Mikro, Kecil, dan Menengah (UMKM) yang menyediakan bahan pokok dan hingga saat ini masih beroperasi secara konvensional. Proses kerja yang manual menyebabkan beberapa masalah, seperti kesalahan dalam perhitungan transaksi, tidak adanya arsip penjualan yang terorganisir, serta kesulitan dalam mengawasi stok barang. Penelitian ini bertujuan untuk merancang dan membangun sistem Point Of Sale (POS) berbasis website menggunakan metode Waterfall agar proses pencatatan penjualan dan pengelolaan stok dapat berlangsung secara otomatis dan real-time. Sistem ini dilengkapi dengan beberapa fitur utama, yaitu pengelolaan data produk, transaksi dikasir, manajemen pembelian, kalkulasi otomatis, serta penyajian laporan penjualan dan notifikasi ketika stok barang mencapai tingkat minimum. Hasil pengujian sistem menggunkan metode Black Box Testing menunjukan bahwa seluruh fungsi dalam sistem berjalan dengan valid dan sesuai dengan harapan pengguna. Penerapan sistem ini berhasil meningkatkan efisiensi operasional tokom mengurangi kesalahan dalam pencatatan, serta memudahkan owner dalam membuat keputusan bisnis berdasarkan laporan data yang akurat.

KLASIFIKASI KUALITAS BUBUK KOPI ROBUSTA MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK (CNN) DENGAN ARSITEKTUR RESNET-V2

2026-05-30T11:01:13+07:00

Kopi Robusta merupakan salah satu komoditas perkebunan unggulan Indonesia, termasuk di Kota Pagar Alam yang dikenal sebagai daerah penghasil kopi dengan produktivitas tinggi. Namun, proses penilaian kualitas bubuk kopi masih banyak dilakukan secara visual oleh manusia sehingga bersifat subjektif dan berpotensi menghasilkan penilaian yang tidak konsisten. Oleh karena itu, diperlukan metode otomatis berbasis pengolahan citra yang mampu melakukan klasifikasi kualitas kopi secara lebih objektif. Penelitian ini bertujuan mengklasifikasikan kualitas bubuk kopi Robusta berbasis citra digital menggunakan metode deep learning dengan arsitektur Convolutional Neural Network (CNN) ResNet50V2. Dataset yang digunakan terdiri dari 150 citra bubuk kopi yang dikelompokkan menjadi tiga kelas kualitas yaitu light, medium, dan dark. Untuk meningkatkan variasi data dan mengurangi risiko overfitting, dilakukan teknik augmentasi sehingga jumlah data latih meningkat menjadi sekitar 1.500 citra. Dataset kemudian dibagi menjadi 70% data pelatihan, 20% data validasi, dan 10% data pengujian. Penelitian ini menerapkan tahapan CRISP-DM yang meliputi business understanding, data understanding, data preparation, modeling, evaluation, dan deployment. Proses prapemrosesan citra meliputi resize, normalisasi, dan augmentasi data. Evaluasi model dilakukan menggunakan confusion matrix dengan metrik accuracy, precision, recall, dan F1-score. Hasil penelitian menunjukkan bahwa model CNN dengan arsitektur ResNet50V2 mampu mengklasifikasikan kualitas bubuk kopi dengan tingkat akurasi yang tinggi sehingga berpotensi digunakan sebagai sistem pendukung dalam penilaian mutu kopi secara objektif dan konsisten.

IMPLEMENTASI BLOCKCHAIN DALAM SISTEM KEAMANAN JARINGAN UNTUK MENDETEKSI SERANGAN SIBER DISTRIBUTED DENIAL OF SERVICE (DDOS)

2026-05-30T17:10:18+07:00

Perkembangan teknologi informasi yang pesat meningkatkan ketergantungan terhadap jaringan komputer, sehingga keamanan jaringan menjadi aspek yang sangat penting untuk diperhatikan. Salah satu ancaman yang sering terjadi adalah serangan Distributed Denial of Service (DDoS) yang dapat mengganggu ketersediaan layanan jaringan dengan membanjiri server menggunakan lalu lintas data dalam jumlah besar. Penelitian ini bertujuan untuk mengimplementasikan teknologi blockchain dalam sistem keamanan jaringan guna mendeteksi aktivitas yang berpotensi sebagai serangan DDoS serta meningkatkan transparansi dan integritas data. Metode yang digunakan dalam penelitian ini adalah Rapid Application Development (RAD) untuk mempercepat proses pengembangan sistem. Sistem dibangun menggunakan React.js pada sisi frontend, Flask pada backend, serta smart contract berbasis Ethereum yang dijalankan pada jaringan Sepolia Testnet. Hasil penelitian menunjukkan bahwa sistem mampu memantau aktivitas jaringan, mencatat alamat IP yang terdeteksi secara aman ke dalam blockchain, serta menyimpan log aktivitas pada MongoDB. Proses transaksi pada blockchain memerlukan waktu konfirmasi rata-rata sekitar 12 detik dengan biaya transaksi berkisar antara 0,0005 hingga 0,0006 SepoliaETH. Implementasi ini menunjukkan bahwa blockchain dapat meningkatkan transparansi, keamanan data, dan ketahanan sistem terhadap potensi serangan siber.

IMPLEMENTASI MODEL TRANSFER LEARNING RESNET152V2 UNTUK KLASIFIKASI PENYAKIT DAUN PEPAYA

2026-05-30T17:11:51+07:00

Pepaya merupakan salah satu komoditas hortikultura yang memiliki nilai ekonomi penting bagi petani di Kecamatan Pajar Bulan. Namun, produktivitas pepaya sering mengalami penurunan akibat serangan berbagai penyakit pada daun. Selama ini identifikasi penyakit masih dilakukan secara visual oleh petani dan penyuluh, sehingga berpotensi menimbulkan kesalahan diagnosis. Penelitian ini bertujuan untuk mengimplementasikan model klasifikasi penyakit daun pepaya berbasis Deep Learning menggunakan pendekatan Transfer Learning dengan arsitektur ResNet152V2 serta mengintegrasikannya ke dalam aplikasi mobile berbasis Flutter. Dataset yang digunakan berjumlah 800 citra daun pepaya yang terdiri dari empat kelas, yaitu Antraknosa, Blackspot, Ringspot, dan Healthy. Data dibagi menjadi 80% untuk training, 10% untuk validasi, dan 10% untuk testing. Tahapan pengolahan data meliputi cleaning, resize citra menjadi 224×224 piksel, normalisasi, serta augmentasi data. Proses pelatihan dilakukan dalam dua tahap, yaitu freeze dan fine-tuning masing-masing selama 100 epoch dengan memanfaatkan bobot pra-latih ImageNet. Hasil evaluasi menunjukkan model mampu mencapai akurasi sebesar 98,75% dengan nilai rata-rata Precision, Recall, dan F1-Score sebesar 0,99 serta loss yang stabil tanpa indikasi overfitting yang signifikan. Model kemudian dikonversi ke format TensorFlow Lite dan berhasil diimplementasikan pada aplikasi Flutter untuk membantu proses identifikasi penyakit daun pepaya secara lebih praktis dan efisien.

IMPLEMENTASI ALGORITMA SPHERICAL TRIGONOMETRY DAN SOLAR POSITION UNTUK PENENTUAN ARAH KIBLAT PADA APLIKASI MOBILE OFFLINE BERBASIS FLUTTER

2026-05-30T17:12:53+07:00

Penentuan arah kiblat merupakan kebutuhan penting dalam pelaksanaan ibadah salat, terutama dalam menentukan orientasi bangunan masjid maupun posisi individu saat beribadah. Berbagai aplikasi penentu arah kiblat berbasis smartphone telah dikembangkan untuk mempermudah pengguna, namun sebagian besar masih bergantung pada sensor magnetometer yang rentan terhadap gangguan medan magnet sehingga dapat menyebabkan deviasi arah. Penelitian ini bertujuan untuk mengimplementasikan algoritma spherical trigonometry dalam aplikasi mobile berbasis Flutter untuk menghitung arah kiblat secara matematis berdasarkan koordinat geografis pengguna. Metode penelitian menggunakan model Rapid Application Development (RAD) dengan integrasi modul komputasi lokal sehingga aplikasi dapat berjalan tanpa koneksi internet. Selain perhitungan azimut kiblat, sistem juga mengimplementasikan metode solar position untuk menghitung azimut Matahari sebagai mekanisme validasi terhadap arah yang dihasilkan. Hasil pengujian pada lima lokasi berbeda di Indonesia menunjukkan bahwa aplikasi mampu menghasilkan nilai azimut kiblat pada rentang 291°–295° sesuai variasi koordinat geografis. Implementasi sistem menunjukkan bahwa perhitungan berbasis spherical trigonometry dapat memberikan hasil arah kiblat yang konsisten dan tidak bergantung pada sensor magnetometer perangkat.

PENERAPAN ALGORITMA K-MEANS UNTUK MENGANALISIS PENGANGGURAN BERDASARKAN FAKTOR PENDIDIKAN DI JAWA BARAT

2026-05-30T17:13:58+07:00

Tingkat pengangguran merupakan salah satu indikator penting dalam menilai kondisi ketenagakerjaan suatu wilayah. Di Provinsi Jawa Barat, perbedaan tingkat pendidikan dapat memengaruhi variasi tingkat pengangguran pada setiap kabupaten/kota. Permasalahan yang muncul adalah bagaimana mengidentifikasi pola pengangguran berdasarkan jenjang pendidikan agar dapat memberikan gambaran kondisi ketenagakerjaan antarwilayah secara lebih terstruktur. Penelitian ini bertujuan untuk menganalisis pola pengangguran berdasarkan jenjang pendidikan di kabupaten/kota Provinsi Jawa Barat dengan memanfaatkan teknik data mining menggunakan algoritma K-Means. Data yang digunakan merupakan data sekunder periode 2011–2024 yang diperoleh dari Portal Open Data Jabar. Proses analisis dilakukan melalui tahapan pemilihan data, pra-pemrosesan, transformasi data, serta proses clustering menggunakan algoritma K-Means. Penentuan jumlah klaster optimal dilakukan dengan metode Elbow dan Silhouette Score. Hasil penelitian menunjukkan bahwa data pengangguran dapat dikelompokkan menjadi empat klaster dengan karakteristik yang berbeda pada setiap kelompok wilayah. Pengelompokan tersebut memberikan gambaran yang lebih jelas mengenai pola pengangguran berdasarkan faktor pendidikan sehingga dapat menjadi bahan pertimbangan dalam penyusunan kebijakan ketenagakerjaan yang lebih tepat sasaran.

SISTEM IOT DETEKSI STRES PADA BIBIT TANAMAN PEPAYA DENGAN MENGGUNAKAN SENSOR MIKROKLIMAT

2026-05-30T17:15:26+07:00

Budidaya pepaya merupakan salah satu komoditas unggulan di Kota Pagar Alam. Namun, petani sering menghadapi kendala pada fase pembibitan, terutama terkait stres biotik (penyakit) dan abiotik (lingkungan) yang disebabkan oleh kondisi mikroklimat yang tidak ideal. Deteksi stres yang selama ini dilakukan secara manual seringkali terlambat, sehingga mengakibatkan penurunan produktivitas. Oleh karena itu, penelitian ini bertujuan untuk merancang dan mengimplementasikan sistem IoT yang mampu mendeteksi stres pada bibit tanaman pepaya secara dini dengan memanfaatkan data sensor mikroklimat. Sistem yang diusulkan terdiri dari lapisan akuisisi data (sensor DHT22, soil moisture, dan BH1750 yang terhubung dengan mikrokontroler ESP32), lapisan pengolahan data (analisis dan klasifikasi stres berbasis data sensor), serta lapisan presentasi dan notifikasi (dashboard dan peringatan via Telegram/email). Metode pengembangan sistem menggunakan pendekatan Waterfall, dengan tahapan analisis kebutuhan, perancangan, implementasi, dan pengujian. Hasil yang diharapkan dari penelitian ini adalah sistem IoT yang dapat mendeteksi dan mengklasifikasikan stres pada bibit pepaya dengan akurasi yang baik, serta memberikan notifikasi real-time kepada petani. Dengan demikian, sistem ini dapat meningkatkan efektivitas pemantauan, mengurangi kerugian akibat stres tanaman, dan mendukung pertanian presisi di Kota Pagar Alam.

RANCANG BANGUN E-COMMERCE GROSIR SMART: APLIKASI WEB SERVICE BERBASIS PRODUCT KNOWLEDGE UNTUK CV KEKE SAPUTRA

2026-05-30T17:16:27+07:00

Kemajuan teknologi informasi telah menjadi pendorong utama transformasi bisnis di era modern. Cara konsumen dan produsen berinteraksi, terutama dalam aktivitas perdagangan, telah bergeser dari ketergantungan pada pertemuan fisik atau katalog cetak menuju sistem digital berbasis daring, yang umum dikenal sebagai e-commerce. Sayangnya, tidak semua UMKM memiliki infrastruktur yang memadai untuk menerapkan sistem penjualan yang berorientasi pada product knowledge. Contoh nyata adalah CV Keke Saputra, sebuah badan hukum yang proses pemasaran dan pemesanannya masih dilakukan secara manual atau semi-digital, seperti melalui WhatsApp, katalog fisik, atau komunikasi langsung dengan staf penjualan. Akibatnya, jangkauan pemasaran menjadi terbatas, proses transaksi cenderung lambat, dan pelanggan sering kali kekurangan informasi produk yang diperlukan untuk membuat keputusan pembelian yang tepat. Oleh karena itu, penelitian ini mengembangkan sebuah aplikasi menggunakan framework Laravel. Metodologi yang digunakan adalah model waterfall, dengan pengembangan sistem mengikuti alur SDLC (System Development Life Cycle). Selain itu, dilakukan dua jenis pengujian: Black Box testing dan System Usability Scale (SUS). Hasil penelitian menunjukkan bahwa pengujian Black Box berjalan dengan baik. Sementara itu, pengujian SUS menghasilkan skor 72,5, yang dikategorikan sebagai Grade C, yang berarti kegunaan (usability) sistem tersebut dinilai dapat diterima (acceptable).

IMPLEMENTASI METODE AGE OF COLLECTION PADA SISTEM INFORMASI PERPUSTAKAAN UNTUK PENYIANGAN KOLEKSI

2026-05-30T17:17:29+07:00

Penyiangan koleksi merupakan kegiatan penting dalam pengelolaan perpustakaan untuk menjaga keterkinian dan relevansi bahan pustaka agar koleksi yang tersedia tetap sesuai dengan kebutuhan pengguna. Pada praktiknya, penyiangan koleksi di banyak perpustakaan sekolah masih dilakukan secara manual sehingga berpotensi menimbulkan ketidakkonsistenan dan subjektivitas dalam pengambilan keputusan. Penelitian ini bertujuan untuk mengimplementasikan metode Age of Collection pada sistem informasi perpustakaan guna mendukung proses penyiangan koleksi secara lebih terstruktur, objektif, dan berbasis data. Penelitian menggunakan pendekatan Research and Development dengan metode pengembangan sistem Rapid Application Development (RAD). Data diperoleh melalui observasi, wawancara dengan pustakawan, dan studi pustaka. Metode Age of Collection diterapkan dengan menghitung usia koleksi berdasarkan selisih antara tahun terbit dan tahun berjalan, kemudian diintegrasikan ke dalam sistem informasi perpustakaan berbasis web. Pengujian sistem dilakukan menggunakan black box testing serta evaluasi kesesuaian hasil sistem dengan penilaian pustakawan. Hasil penelitian menunjukkan bahwa metode Age of Collection berhasil diimplementasikan secara fungsional dalam sistem informasi perpustakaan. Sistem mampu menghitung usia koleksi secara otomatis, menghasilkan rekomendasi penyiangan secara konsisten, serta menyajikan laporan penyiangan yang terintegrasi sehingga mendukung proses penyiangan koleksi secara lebih efisien dan objektif.

PENGEMBANGAN APLIKASI PENGENALAN HEWAN LAUT MENGGUNAKAN TEKNOLOGI AUGMENTED REALITY DENGAN MODEL ADDIE DAN ALGORITMA AKAZE UNTUK ANAK USIA DINI

2026-05-30T17:18:34+07:00

Pendidikan Anak Usia Dini (PAUD) merupakan tahap penting dalam membangun dasar perkembangan kognitif, bahasa, sosial, dan motorik anak. Namun, proses pembelajaran masih banyak menggunakan media dua dimensi yang bersifat statis sehingga kurang menarik minat belajar anak, khususnya pada materi pengenalan hewan laut yang sulit diamati secara langsung. Penelitian ini bertujuan mengembangkan aplikasi pengenalan hewan laut berbasis Augmented Reality (AR) untuk anak usia dini dengan menggunakan model pengembangan ADDIE dan algoritma AKAZE. Model ADDIE digunakan sebagai kerangka pengembangan yang meliputi tahap Analysis, Design, Development, Implementation, dan Evaluation. Algoritma AKAZE diterapkan untuk mendeteksi dan mencocokkan fitur marker sehingga objek AR dapat ditampilkan secara stabil pada perangkat mobile. Aplikasi dikembangkan menggunakan Unity dan OpenCV dengan menampilkan visualisasi hewan laut dalam bentuk objek tiga dimensi yang interaktif. Hasil pengujian menunjukkan bahwa algoritma AKAZE mampu mendeteksi marker dengan baik pada berbagai kondisi sudut pandang dan pencahayaan. Berdasarkan hasil evaluasi, aplikasi yang dikembangkan dinilai layak digunakan sebagai media pembelajaran interaktif yang dapat meningkatkan minat dan pemahaman anak terhadap pengenalan hewan laut.

PERANCANGAN ANIMASI GAME EDUKATIF DAILY ACTIVITY UNTUK PENGENALAN KATA KERJA PADA ANAK USIA DINI TK JAMIATUL KHOIR

2026-05-30T17:19:25+07:00

Pendidikan anak usia dini merupakan tahap penting dalam pembentukan karakter, kemampuan kognitif, dan keterampilan dasar anak. Pada jenjang Pendidikan Anak Usia Dini (PAUD), proses pembelajaran perlu disampaikan dengan metode yang menarik dan interaktif agar dapat meningkatkan minat belajar anak, khususnya dalam pengenalan kata kerja yang berkaitan dengan aktivitas sehari-hari. Pada TK Jamiatul Khoir, proses pembelajaran masih menggunakan media tradisional seperti gambar dan papan tulis sehingga anak-anak kurang antusias dalam mengikuti pembelajaran pengenalan kata kerja. Oleh karena itu, diperlukan media pembelajaran yang lebih menarik dan interaktif. Penelitian ini bertujuan untuk merancang dan membangun animasi game edukatif sebagai media pembelajaran bagi anak usia dini dalam memahami kata kerja pada aktivitas sehari-hari. Animasi game edukatif ini dikembangkan menggunakan perangkat lunak Adobe Animate dengan bahasa pemrograman ActionScript 3.0. Aplikasi menyajikan materi melalui gambar yang dilengkapi suara serta kuis interaktif yang dapat diakses melalui Smart TV dan komputer di sekolah. Pengujian sistem dilakukan menggunakan metode white box dan black box. Hasil pengujian menunjukkan bahwa seluruh fungsi aplikasi berjalan dengan baik sesuai dengan rancangan sistem tanpa ditemukan kesalahan. Dengan demikian, animasi game edukatif ini dapat digunakan sebagai media pembelajaran yang membantu guru dalam mengenalkan kata kerja serta mendukung metode belajar sambil bermain di TK Jamiatul Khoir.

PENERAPAN METODE ARAS DALAM PEMILIHAN JURUSAN KULIAH SISWA SMA DI SMAN 10 TANGERANG SELATAN

2026-05-30T17:20:28+07:00

Pemilihan jurusan kuliah merupakan keputusan penting bagi siswa kelas XII karena berpengaruh terhadap keberlanjutan pendidikan dan karier di masa depan. Namun, masih banyak siswa yang mengalami kesulitan dalam menentukan jurusan yang sesuai dengan minat, bakat, dan kemampuan akademik. Penelitian ini bertujuan untuk membangun sistem pendukung keputusan berbasis web dalam membantu siswa menentukan jurusan kuliah yang tepat dengan menerapkan metode Additive Ratio Assessment (ARAS). Metode ARAS digunakan untuk melakukan pengambilan keputusan multikriteria secara objektif melalui tahapan normalisasi, pembobotan, perhitungan nilai utilitas, dan perankingan alternatif. Penelitian ini menggunakan model pengembangan prototype agar sistem dapat dikembangkan secara bertahap berdasarkan umpan balik pengguna. Pengumpulan data dilakukan melalui observasi, wawancara dengan guru bimbingan konseling, serta pengisian kuesioner yang mencakup kriteria minat, bakat, dan nilai akademik. Hasil penelitian menunjukkan bahwa sistem yang dibangun mampu memberikan rekomendasi jurusan yang sesuai dengan profil siswa dan membantu proses pengambilan keputusan secara objektif. Sistem ini diharapkan dapat menjadi alat bantu yang efektif dan mudah digunakan dalam menentukan jurusan kuliah.

PENGEMBANGAN SISTEM PENCARIAN AYAT AL-QUR’AN BERBASIS TOPIK MENGGUNAKAN LARGE LANGUAGE MODEL META AI

2026-05-30T19:34:21+07:00

Perkembangan teknologi digital telah mengubah cara masyarakat mengakses Al-Qur’an, namun sebagian besar sistem pencarian ayat masih berbasis kata kunci sehingga hasil yang diperoleh cenderung literal dan kurang kontekstual. Permasalahan ini menunjukkan perlunya pendekatan berbasis kecerdasan buatan yang mampu memahami hubungan semantic antar ayat secara tematik. Penelitian ini bertujuan mengembangkan sistem pencarian ayat Al-Qur’an berbasis topik menggunakan Large Language Model Meta AI (LLaMA 3.1-8B) yang di fine-tune dengan metode Quantized Low-Rank Adaptation (QLoRA) dan diintegrasikan dengan Retrieval-Augmented Generation (RAG). Penelitian ini menggunakan pendekatan kuantitatif eksperimental dengan dataset sebanyak 6.236 ayat beserta tafsirnya. Proses pengembangan meliputi tahap pre-processing, fine-tuning model, pembangunan basis data vektor menggunakan embedding, serta integrasi mekanisme retrieval dan generasi teks. Evaluasi retrieval menunjukkan nilai Mean Recall@k sebesar 0.749 dan Mean Reciprocal Rank (MRR) sebesar 1.000, yang mengindikasikan sistem mampu menempatkan ayat relevan pada peringkat pertama secara konsisten. Evaluasi generative menggunakan ROUGE menghasilkan nilai ROUGE-1 F1 sebesar 0.1551, ROUGE-2 F1 sebesar 0.0863, dan ROUGE-L F1 sebesar 0.1338. Hasil tersebut menunjukkan bahwa sistem mampu menghasilkan makna ayat yang selaras dengan tafsir referensi secara ringkas dan kontekstual.

SISTEM INFORMASI PRESENSI GURU BERBASIS WEB DENGAN VALIDASI EMAIL DI SD INPRES OEBUFU

2026-05-30T19:35:25+07:00

Presensi guru merupakan komponen penting dalam mendukung kualitas proses belajar mengajar. Namun, sistem presensi manual yang diterapkan di SD Inpres Oebufu menimbulkan permasalahan berupa keterlambatan rekapitulasi, potensi kesalahan, dan tingginya risiko manipulasi data kehadiran. Penelitian ini bertujuan merancang Sistem Informasi Presensi Guru Berbasis Web dengan Validasi Email dan Geofencing untuk meningkatkan keamanan dan efisiensi pencatatan kehadiran. Pengembangan sistem menggunakan metode Waterfall yang meliputi tahapan analisis kebutuhan, perancangan dengan Unified Modeling Language (UML), implementasi menggunakan PHP dan MySQL, serta pengujian Black Box Testing. Hasil penelitian menunjukkan sistem mencapai keberhasilan fungsional 100% pada seluruh skenario pengujian. Mekanisme keamanan ganda terbukti efektif: Geofencing memastikan presensi di area sekolah, sementara token OTP (One-Time Password) yang dikirim via SMTP memverifikasi identitas pengguna dengan tingkat keberhasilan 100%. Sistem ini mempercepat rekapitulasi kehadiran menjadi real-time dan meminimalisir manipulasi data.

PENERAPAN DEEP LEARNING UNTUK DETEKSI DINI PENYAKIT TANAMAN CENGKEH BERBASIS CITRA DIGITAL PADA WILAYAH PERKEBUNAN TRADISIONAL DI MALUKU

2026-05-30T19:36:26+07:00

Penelitian ini bertujuan menerapkan metode deep learning untuk deteksi dini penyakit tanaman cengkeh di perkebunan tradisional Maluku. Permasalahan yang diangkat adalah rendahnya efektivitas deteksi penyakit pada tanaman cengkeh, yang dapat mengancam produktivitas. Dengan menggunakan dataset citra daun cengkeh, model dilatih untuk mengklasifikasikan kondisi tanaman sehat dan yang terkena penyakit. Metode yang digunakan menunjukkan penurunan konsisten pada training loss dan validation loss, menandakan proses pembelajaran yang efektif. Hasil penelitian menunjukkan akurasi validasi di atas 95%, dengan kurva stabil tanpa fluktuasi tajam. Evaluasi menggunakan confusion matrix menunjukkan kinerja seimbang dalam membedakan kedua kelas, dengan recall Class 0 mencapai 0,95 dan precision Class 1 juga di angka 0,95. Kedua kelas memperoleh nilai F1-score setara (0,93) dan akurasi keseluruhan 0,93. Kesimpulan menunjukkan bahwa model deep learning ini efektif dalam mendeteksi kondisi sehat dan penyakit pada tanaman cengkeh, serta dapat mendukung sistem deteksi dini di sektor pertanian. Untuk peningkatan performa, disarankan penyesuaian jumlah epoch dan penerapan strategi data augmentasi.

MODEL SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN PEMINATAN JURUSAN SISWA SMK MENGGUNAKAN METODE SMART

2026-05-30T19:37:44+07:00

Pemilihan peminatan jurusan pada Sekolah Menengah Kejuruan (SMK) merupakan tahap penting yang berpengaruh terhadap keberhasilan proses belajar serta kesiapan siswa dalam memasuki dunia kerja. Namun, proses penentuan jurusan yang masih dilakukan secara manual sering kali bersifat subjektif sehingga belum sepenuhnya mempertimbangkan minat dan kemampuan siswa secara objektif. Penelitian ini bertujuan untuk merancang Sistem Pendukung Keputusan (SPK) berbasis web yang dapat membantu proses pemilihan jurusan secara lebih terstruktur. Metode yang digunakan adalah Simple Multi Attribute Rating Technique (SMART) yang meliputi tahapan penentuan kriteria, pemberian bobot, normalisasi nilai, perhitungan nilai utilitas, serta penentuan nilai preferensi untuk menghasilkan peringkat alternatif. Sistem dikembangkan menggunakan model Waterfall dengan bahasa pemrograman PHP dan basis data MySQL. Pengujian sistem dilakukan menggunakan metode black box testing untuk memastikan setiap fungsi sistem berjalan sesuai dengan kebutuhan. Hasil penelitian menunjukkan bahwa sistem mampu menghasilkan rekomendasi jurusan berdasarkan nilai preferensi tertinggi secara konsisten. Dengan demikian, sistem yang dikembangkan dapat membantu pihak sekolah dalam memberikan rekomendasi jurusan secara lebih objektif dan berbasis data.

A LIGHTWEIGHT BENCHMARK OF SWARM INTELLIGENCE ALGORITHMS FOR GRAPH-BASED OPTIMIZATION

2026-05-30T19:38:50+07:00

The Minimum Spanning Tree (MST) is a fundamental problem in graph optimization widely applied in networking and routing systems. However, modern network environments often experience dynamic structural changes, making traditional deterministic algorithms less flexible for adaptive scenarios. This study addresses the limited comparative evaluation of swarm intelligence algorithms for solving the MST problem using consistent datasets and performance metrics. The objective of this research is to compare the performance of three swarm intelligence algorithms Particle Swarm Optimization (PSO), Ant Colony Optimization (ACO), and Artificial Bee Colony (ABC) in generating MST solutions. Kruskal’s algorithm is used as an exact baseline for measuring solution accuracy and computational efficiency. The experiments were conducted on four graph configurations with different node sizes and change frequencies. Performance evaluation focuses on two indicators: optimality gap and computational time. The results show that Kruskal consistently produces the optimal MST with the shortest runtime. Among the swarm-based methods, PSO achieves the smallest optimality gap and the fastest computation time, followed by ACO and ABC. As graph size increases, all swarm algorithms show higher deviation from the optimal solution and longer execution times. These findings indicate that swarm intelligence methods can generate acceptable MST approximations, although deterministic algorithms remain superior for static graph conditions.

DYNAMIC MINIMUM SPANNING TREE ROUTING FOR MULTI-AGENT SYSTEMS USING REAL-TIME GPS UPDATES

2026-05-30T19:39:55+07:00

Infrastructure-less mobile networks are increasingly important for applications such as disaster response, autonomous coordination, and remote field operations. However, maintaining efficient communication routes in such environments is challenging because node mobility continuously changes network topology. This study addresses the problem of maintaining stable and efficient routing among mobile nodes with limited computational capability. The objective of this research is to design and evaluate a real-time routing system for mobile networks using Minimum Spanning Tree (MST) optimization. The proposed system integrates GPS-enabled ESP32 nodes with a centralized server that computes network topology using Kruskal’s MST algorithm. A client–server architecture is implemented in which mobile nodes periodically send location updates to the server. The server constructs a weighted graph, computes the MST, and distributes routing instructions back to each node. Experiments were conducted under three mobility scenarios—static, linear motion, and random walk producing a total of 2,700 position updates. The results show that the system maintains server computation times below 10 ms and end-to-end latency between 187–223 ms. The Tree Stability Index reached 1.000 in static conditions, 0.947 during linear motion, and 0.683 in random mobility. These results demonstrate that the proposed approach provides efficient and responsive routing for mobile networks operating without communication infrastructure.

Comparative Performance Evaluation of MQTT, WebSocket, and Firebase on ESP32-C3 for Real-Time IoT Communication

2026-05-30T19:41:00+07:00

This study presents a comparative evaluation of three IoT communication protocols, namely MQTT, WebSocket, and Firebase, implemented on the ESP32-C3 microcontroller. The objective is to examine protocol performance under identical testing conditions by varying payload size, transmission frequency, and database integration. A hardware-assisted setup was developed, including four input buttons to trigger predefined payload sizes (32, 64, 128, and 256 bytes), a 16x2 LCD display for device status, and a battery-powered ESP32-C3 for stable field operation. Latency, success rate, and bandwidth usage were measured across all scenarios, with results calculated as average values for each payload category. The findings show that WebSocket provides the lowest latency and highest reliability, while MQTT offers balanced and efficient performance suitable for constrained networks. Firebase demonstrates significantly higher latency due to its cloud-based architecture but benefits from seamless database integration. These results highlight the practical trade-offs among the three protocols and provide evidence-based guidance for selecting communication architectures in real-time IoT applications using ESP32-C3 devices. The study emphasizes the importance of unified testing conditions for achieving meaningful protocol comparisons in IoT system design.

CLUSTERING VAKSINASI PENYAKIT MULUT DAN KUKU (PMK) PADA HEWAN BERKUKU GENAP/BELAH (CLOVEN-HOOFED) MENGGUNAKAN ALGORITMA FUZZY C-MEANS

2026-05-30T19:41:51+07:00

Penyakit Mulut dan Kuku (PMK) merupakan penyakit menular strategis yang disebabkan oleh virus dari genus Aphthovirus dan menyerang hewan berkuku genap/belah sehingga berdampak besar terhadap sektor peternakan. Sejak muncul kembali pada tahun 2022, Provinsi Aceh menjadi salah satu wilayah yang terdampak karena tingginya populasi ternak dan distribusi vaksinasi yang belum merata antarwilayah. Kondisi ini menimbulkan permasalahan dalam mengidentifikasi pola persebaran vaksinasi secara efektif untuk mendukung pengendalian PMK. Penelitian ini bertujuan untuk mengelompokkan data vaksinasi PMK di Provinsi Aceh periode 2022-2024 guna mengetahui karakteristik dan pola distribusi vaksinasi pada ternak. Metode yang digunakan adalah algoritma Fuzzy C-Means untuk melakukan proses clustering berdasarkan karakteristik ternak yang telah divaksinasi. Hasil penelitian menunjukkan terbentuknya enam cluster dengan ukuran berbeda, di mana Cluster 4 merupakan cluster terbesar dengan 168.033 data dan Cluster 5 merupakan cluster terkecil dengan 37.939 data. Evaluasi hasil clustering menggunakan metrik Calinski-Harabasz Index (CHI), Davies-Bouldin Index (DBI), dan Silhouette Index (SI) menunjukkan bahwa cluster yang terbentuk memiliki tingkat pemisahan dan kepadatan yang baik. Hasil ini menunjukkan bahwa metode Fuzzy C-Means efektif dalam mengidentifikasi pola persebaran vaksinasi PMK sehingga dapat mendukung perumusan strategi vaksinasi yang lebih tepat sasaran dan merata di Provinsi Aceh.

PENERAPAN METODE YOLOV11 DALAM DETEKSI ANGKA PADA METERAN AIR PDAM STUDI KASUS PDAM KM 4 PALEMBANG

2026-05-30T19:42:46+07:00

Perkembangan Artificial Intelligence (AI) dan Computer Vision mendorong otomatisasi dalam proses pembacaan angka meteran air berbasis citra digital. Namun, proses pembacaan manual dari dokumentasi lapangan masih rentan terhadap kesalahan identifikasi serta memerlukan waktu pemrosesan yang relatif lama, terutama pada kondisi citra dengan pencahayaan rendah, buram, atau tertutup kotoran. Penelitian ini bertujuan untuk mengembangkan model deteksi angka meteran air menggunakan metode You Only Look Once version 11 nano (YOLOv11n) guna meningkatkan akurasi dan efisiensi proses pembacaan. Metode penelitian meliputi pengumpulan dan anotasi dataset citra meteran air, pelatihan model menggunakan konfigurasi hyperparameter terbaik (optimizer AdamW, learning rate 0,001–0,01, dan epoch 100), serta evaluasi kinerja model menggunakan metrik precision, recall, dan mean Average Precision (mAP). Hasil pengujian menunjukkan bahwa model YOLOv11n memperoleh nilai precision sebesar 98,2%, recall sebesar 97,2%, mAP50 sebesar 98,6%, dan mAP50–95 sebesar 82%. Hasil tersebut menunjukkan bahwa model memiliki tingkat akurasi dan konsistensi yang tinggi dalam mendeteksi angka meteran air pada berbagai kondisi citra, sehingga berpotensi mendukung proses pembacaan meteran air secara otomatis dengan lebih efisien dan andal.

STUDI LITERATUR : PERBANDINGAN ARSITEKTUR CNN UNTUK KLASIFIKASI TUMOR OTAK

2026-05-30T19:43:48+07:00

Perkembangan Convolutional Neural Network (CNN) telah membawa kemajuan signifikan dalam analisis citra medis, khususnya pada klasifikasi tumor otak berbasis citra MRI. Namun, menentukan arsitektur CNN yang paling tepat tetap menjadi tantangan utama karena performa setiap model sangat dipengaruhi oleh karakteristik data dan ketersediaan sumber daya komputasi. Penelitian ini bertujuan untuk melakukan analisis komparatif sistematis terhadap implementasi serta kinerja berbagai arsitektur CNN dalam tugas klasifikasi tumor otak. Metode yang digunakan adalah Systematic Literature Review (SLR) dengan protokol PRISMA terhadap 20 artikel ilmiah dari Google Scholar dan Garuda yang diterbitkan antara tahun 2022 hingga 2025. Hasil penelitian menunjukkan bahwa Custom CNN merupakan pendekatan yang paling banyak diterapkan (9 studi), diikuti oleh ResNet dan VGG. ResNet secara konsisten memberikan akurasi tertinggi hingga mencapai 99,8% pada dataset kompleks. Sementara itu, arsitektur seperti EfficientNet dan MobileNet menawarkan performa kompetitif dengan kebutuhan komputasi yang lebih rendah. Pemilihan arsitektur yang optimal sangat bergantung pada karakteristik dataset dan ketersediaan sumber daya komputasi yang tersedia

KLASIFIKASI SAMPAH BIODEGRADABLE DAN NON-BIODEGRADABLE MENGGUNAKAN ARSITEKTUR MOBILENET DAN XGBOOST

2026-05-30T20:50:38+07:00

Pengelolaan sampah merupakan tantangan utama dalam menjaga kelestarian lingkungan hidup secara global. Seiring meningkatnya volume sampah yang dihasilkan setiap tahun, proses pemilihan sampah secara manual menjadi kurang efisien dan rentan akan human error, maka dari itu klasifikasi sampah yang tepat, khususnya dalam membedakan antara sampah biodegradable dan non-biodegradable, sangat penting untuk mendukung proses daur ulang dan mengurangi dampak lingkungan. Penelitian ini bertujuan mengembangkan sistem klasifikasi sampah yang efisien dan akurat dengan menggunakan metode Convolutional Neural Network (CNN) dengan arsitektur MobileNetV2 dan MobileNetV3-Large sebagai ekstraksi fitur serta XGBoost untuk klasifikasi gambar, yang dibandingkan akan performa MobileNetV2, hybrid MobileNetV2 + XGBoost, dan MobileNetV3-Large. Metode penelitian meliputi pelatihan, validasi dan pengujian terhdapat dataset BDWaste dengan pembagian data yang sesuai untuk mengoptimalkan performa. Evaluasi performa dilakukan menggunakan accuracy, precision, recall, dan F1-score untuk memastikan kemampuan model dalam membedakan kedua kategori secara konsisten. Hasil pengujian menunjukkan bahwa model hybrid memberikan performa yang paling unggul dengan tingkat akurasi sebesar 94,69% dengan komputasi yang ringan yaitu dengan ukuran model sebesar 150 KB dengan waktu pelatihan 127 detik.

IMPLEMENTASI PENDEKATAN PROTOTYPE DALAM PENGEMBANGAN SISTEM IZIN KELUAR KARYAWAN UNTUK MENDUKUNG VALIDASI HASIL KEGIATAN

2026-05-30T20:51:44+07:00

Proses pengelolaan izin keluar karyawan pada perusahaan manufaktur komponen otomotif menghadapi kendala akuntabilitas, terutama dalam pemantauan realisasi izin dan ketersediaan dokumentasi pendukung aktivitas di luar perusahaan. Permasalahan dari penelitian ini adalah ketiadaan mekanisme validasi hasil kegiatan, yang menyebabkan rendahnya tingkat pengawasan serta meningkatkan potensi penyalahgunaan jam kerja. Penelitian ini berfokus pada analisis, perancangan, dan pengembangan prototype sistem izin keluar karyawan berbasis website serta dilengkapi fitur validasi hasil kegiatan guna meningkatkan transparansi operasional. Metodologi pengembangan menggunakan pendekatan Prototyping yang dilakukan secara iteratif untuk memastikan kesesuaian sistem dengan kebutuhan fungsional pengguna. Hasil penelitian berupa sebuah sistem yang memfasilitasi Karyawan, Staf HRGA, dan Managing Director dalam mengelola izin keluar secara terintegrasi. Berdasarkan hasil pengujian dengan metode Black Box Testing, setiap fitur fungsional pada sistem berjalan sesuai dengan kebutuhan operasional, termasuk keberhasilan integrasi alur perizinan, mekanisme aksi dinamis untuk menjaga integritas informasi, serta fitur rekapitulasi laporan yang mendukung transparansi monitoring bagi manajemen. Pengujian usability juga dilakukan menggunakan System Usability Scale (SUS) dengan melibatkan 10 responden. Berdasarkan hasil perhitungan, sistem memperoleh skor rata-rata 75,5 yang termasuk dalam kategori Acceptable dengan adjective rating Good (Grade B). Temuan ini menunjukkan bahwa sistem memiliki tingkat kemudahan penggunaan yang baik dan dinilai mampu mendukung kegiatan operasional persuahaan secara efektif

EVALUASI STABILITAS PERFORMA SISTEM EXPIRED TRACKER BERBASIS WEB MENGGUNAKAN BLACK BOX TESTING

2026-05-30T20:52:47+07:00

Pengelolaan produk dengan masa kedaluwarsa yang terbatas menjadi tantangan dalam sistem inventaris, khususnya pada sektor usaha mikro, kecil, dan menengah (UMKM), farmasi, serta industri makanan. Kesalahan dalam pengawasan dan pencatatan tanggal kedaluwarsa dapat menimbulkan kerugian ekonomi serta risiko terhadap keamanan produk. Oleh karena itu, diperlukan sistem yang mampu memantau dan mengelola data barang secara lebih akurat dan terintegrasi. Penelitian ini bertujuan untuk mengevaluasi kualitas sistem Expired Tracker berbasis web melalui pengujian fungsional dan analisis kinerja sistem. Metode yang digunakan meliputi Black Box Testing untuk menguji kesesuaian fungsi sistem terhadap spesifikasi kebutuhan serta analisis statistik deskriptif untuk menilai kestabilan performa berdasarkan nilai rata-rata dan standar deviasi waktu respons. Selain itu, dilakukan pengujian hipotesis sederhana untuk menguji konsistensi kinerja sistem. Hasil pengujian menunjukkan tingkat keberhasilan fungsional sebesar 100%. Rata-rata waktu respons sistem tercatat 1,20 detik dengan standar deviasi 0,015 detik, yang menunjukkan tingkat variasi yang rendah dan performa sistem yang stabil. Berdasarkan hasil tersebut, sistem dinilai memiliki kinerja yang konsisten dan layak diterapkan dalam pengelolaan inventaris berbasis tanggal kedaluwarsa

EVALUASI USABILITY DAN REDESAIN UI/UX WEBSITE JASA JOKI GAME MENGGUNAKAN METODE USER CENTERED DESIGN (UCD) DAN SYSTEM USABILITY SCALE (SUS)

2026-05-30T20:54:56+07:00

Perkembangan teknologi web dalam industri game online mendorong munculnya berbagai layanan digital, salah satunya jasa joki game yang digunakan untuk meningkatkan progres permainan. Website David Booster Service berfungsi sebagai media utama interaksi antara penyedia layanan dan pengguna, sehingga kualitas antarmuka dan pengalaman pengguna (UI/UX) menjadi aspek penting. Namun, berdasarkan observasi awal ditemukan beberapa permasalahan pada struktur navigasi, penyajian informasi, dan alur pemesanan layanan yang kurang optimal. Penelitian ini bertujuan untuk mengevaluasi usability serta melakukan redesain antarmuka website menggunakan metode User Centered Design (UCD). Proses perancangan dilakukan melalui tahap memahami konteks penggunaan, menentukan kebutuhan pengguna, merancang solusi desain, serta melakukan evaluasi menggunakan System Usability Scale (SUS). Hasil pengujian menunjukkan bahwa nilai rata-rata SUS meningkat dari 46,66 menjadi 57,83 setelah dilakukan redesain. Nilai tersebut berada pada Grade D dengan kategori Acceptability Marginal, yang menunjukkan adanya peningkatan usability dibandingkan desain sebelumnya

MODEL PREDIKSI TINGGI MUKA AIR SUNGAI MUSI MENGGUNAKAN REGRESI LINEAR BERBASIS CURAH HUJAN DALAM MANAJEMEN BANJIR PALEMBANG

2026-05-30T20:56:22+07:00

Kota Palembang kerap mengalami banjir yang disebabkan oleh meluapnya Sungai Musi ketika curah hujan meningkat dengan intensitas tinggi. Kondisi tersebut menunjukkan perlunya suatu model prediksi yang mampu menggambarkan hubungan antara curah hujan dan kenaikan tinggi muka air sungai secara akurat, namun tetap sederhana untuk digunakan dalam proses pemantauan. Penelitian ini bertujuan untuk mengembangkan model prediksi tinggi muka air Sungai Musi dengan menggunakan metode regi linier sederhana. Penelitian dilakukan melalui pendekatan kuantitatif dengan memanfaatkan data sekunder berupa 72 data bulanan yang mencakup curah hujan dan tinggi muka air pada periode 2019–2024. Proses analisis dilakukan melalui uji korelasi Pearson untuk mengetahui kekuatan hubungan antarvariabel, dilanjutkan dengan pemodelan regresi serta pengujian akurasi menggunakan indikator RMSE, MAE, dan MAPE. Hasil analisis menunjukkan adanya hubungan positif yang cukup kuat antara curah hujan dan tinggi muka air sungai dengan nilai koefisien korelasi (r) sebesar 0,686 dan koefisien determinasi (R²) sebesar 0,47. Persamaan regresi yang dihasilkan adalah Y = 1,7708 + 0,002991X dengan tingkat kesalahan prediksi yang relatif rendah (MAPE 16,21%). Temuan ini menunjukkan bahwa regresi linier sederhana dapat dimanfaatkan sebagai indikator awal dalam pemantauan serta mitigasi potensi banjir di Kota Palembang

EVALUASI KEPUASAN PELANGGAN APLIKASI KLIKINDOMARET MENGGUNAKAN METODE CUSTOMER SATISFACTION INDEX (CSI)

2026-05-30T21:50:54+07:00

Perkembangan teknologi informasi telah mendorong perubahan perilaku masyarakat dalam melakukan aktivitas belanja dari metode konvensional menuju platform digital. Salah satu layanan ritel digital yang berkembang di Indonesia adalah aplikasi KlikIndomaret yang menyediakan layanan pembelian kebutuhan sehari-hari secara online. Namun demikian, penggunaan aplikasi tersebut masih menghadapi beberapa kendala, seperti ketidaksesuaian informasi stok produk, kecepatan aplikasi yang kurang optimal, serta keterbatasan informasi produk yang tersedia. Penelitian ini bertujuan untuk mengevaluasi tingkat kepuasan pelanggan terhadap aplikasi KlikIndomaret menggunakan metode Customer Satisfaction Index (CSI). Penelitian ini menggunakan pendekatan kuantitatif dengan pengumpulan data melalui kuesioner yang disebarkan kepada 50 responden pengguna aplikasi KlikIndomaret. Data dianalisis dengan menghitung nilai importance, satisfaction, weight factor, dan weighted score untuk memperoleh nilai CSI. Hasil penelitian menunjukkan bahwa nilai Customer Satisfaction Index sebesar 70,01% yang berada pada kategori puas. Hal ini menunjukkan bahwa secara umum pengguna merasa puas terhadap layanan aplikasi KlikIndomaret, meskipun masih terdapat beberapa atribut layanan yang perlu ditingkatkan, khususnya pada aspek kecepatan aplikasi, akurasi informasi stok produk, serta tampilan antarmuka aplikasi

SISTEM PERJALANAN DINAS DEWAN BERBASIS WEBSITE (XAMPP)

2026-05-30T21:00:22+07:00

Perkembangan teknologi informasi mendorong instansi pemerintahan untuk meningkatkan efisiensi dalam pengelolaan administrasi. Namun, pada beberapa instansi, pengelolaan perjalanan dinas dewan masih dilakukan secara manual menggunakan arsip dokumen fisik. Kondisi ini menimbulkan berbagai permasalahan seperti kesulitan dalam pencarian data lama, risiko kehilangan dokumen, serta proses pelaporan yang membutuhkan waktu relatif lama. Oleh karena itu, penelitian ini bertujuan untuk merancang dan membangun Sistem Perjalanan Dinas Dewan berbasis website guna mendukung pengelolaan data perjalanan dinas secara digital dan terpusat. Metode pengembangan sistem yang digunakan adalah System Development Life Cycle (SDLC) dengan model Waterfall yang meliputi tahap analisis kebutuhan, perancangan sistem, implementasi, dan pengujian. Sistem dikembangkan menggunakan bahasa pemrograman PHP dengan basis data MySQL serta dijalankan pada server lokal menggunakan XAMPP. Hasil penelitian menunjukkan bahwa sistem yang dibangun mampu mengelola data perjalanan dinas secara digital, menyediakan fitur pencarian data berdasarkan tahun, serta memungkinkan pengunduhan dokumentasi secara langsung. Pengujian menggunakan metode Black Box Testing menunjukkan seluruh fitur sistem berjalan dengan tingkat keberhasilan 100%. Selain itu, pengujian usability menggunakan System Usability Scale (SUS) memperoleh skor rata-rata 86,5 yang menunjukkan bahwa sistem memiliki tingkat kegunaan yang sangat baik dan dapat diterima oleh pengguna

PERANCANGAN SISTEM INFORMASI LAPORAN KEUANGAN BUMDES PUTAT MANDIRI BERBASIS WEB DENGAN MENGGUNAKAN FRAMEWORK LARAVEL

2026-05-30T21:01:31+07:00

Badan Usaha Milik Desa (BUMDes) memiliki peran strategis dalam menggerakkan ekonomi desa. Namun, BUMDes Putat Mandiri masih menggunakan pengelolaan keuangan konvensional yang memicu risiko kesalahan pencatatan, kehilangan data fisik, serta ketidakefisienan dalam penyusunan laporan. Penelitian ini bertujuan untuk merancang dan mengimplementasikan Sistem Informasi Laporan Keuangan berbasis web bagi BUMDes Putat Mandiri guna mewujudkan transformasi digital yang akuntabel. Pengembangan sistem ini menggunakan Framework Laravel dengan menerapkan metode Extreme Programming (XP) yang memungkinkan pengembangan perangkat lunak secara cepat dan adaptif. Hasil penelitian menunjukkan bahwa sistem yang dibangun mampu mengotomasi laporan keuangan secara real-time, meminimalisir kesalahan input, dan menjamin keamanan data melalui basis data terpusat. Pengujian sistem mengonfirmasi bahwa aplikasi ini mempermudah pengelola dalam penyajian laporan yang transparan dan mempercepat proses pengambilan keputusan

ANALISIS PENGELOMPOKKAN INTENT PERCAKAPAN CHATBOT MENGGUNAKAN METODE TF-IDF DAN ALGORITMA K-MEANS

2026-05-30T21:02:35+07:00

Penggunaan chatbot yang kian masif saat ini menghasilkan lonjakan volume data log percakapan pengguna secara signifikan. Namun, hal ini memunculkan permasalahan berupa kesulitan dalam memetakan maksud (intent) pengguna yang sangat beragam dan tidak terstruktur jika proses evaluasi dilakukan secara manual. Oleh karena itu, penelitian ini bertujuan untuk menganalisis pengelompokan intent secara otomatis pada dataset percakapan chatbot multi-turn untuk menemukan pola topik yang dominan. Metode penyelesaian yang digunakan berlandaskan kerangka Knowledge Discovery in Database (KDD), meliputi transformasi teks dengan Term Frequency-Inverse Document Frequency (TF-IDF), pengelompokan data menggunakan algoritma K-Means Clustering, serta validasi cluster dengan Elbow Method dan Silhouette Score. Hasil penelitian menunjukkan pembentukan cluster optimal pada K=54 dengan Silhouette Score tertinggi sebesar 0,5353. Kombinasi metode ini terbukti efektif dan granular dalam memisahkan spektrum kebutuhan pengguna mulai dari edukasi teknis hingga hiburan sehingga dapat menjadi landasan evaluasi bagi pengembang chatbot ke depannya

SYSTEMATIC LITERATUR REVIEW SELEKSI BEASISWA KIP DALAM MACHINE LEARNING

2026-05-30T21:03:59+07:00

Proses seleksi penerima Beasiswa Kartu Indonesia Pintar (KIP) masih menghadapi tantangan dalam menjamin ketepatan sasaran, transparansi, dan konsistensi pengambilan keputusan. Tingginya jumlah pendaftar serta keberagaman indikator akademik dan sosial ekonomi seringkali menyebabkan proses evaluasi menjadi kurang efisien dan berpotensi subjektif. Untuk mengatasi permasalahan tersebut, pemanfaatan pendekatan berbasis machine learning menjadi alternatif solusi dalam mendukung sistem seleksi yang lebih objektif dan terukur. Penelitian ini menerapkan metode Systematic Literature Review (SLR) guna menelaah dan mensintesis berbagai studi yang membahas penerapan algoritma klasifikasi dalam seleksi Beasiswa KIP maupun program sejenis. Tahapan penelitian meliputi identifikasi sumber literatur, proses penyaringan berdasarkan kriteria inklusi, evaluasi kualitas publikasi, serta analisis komparatif terhadap metode yang digunakan. Hasil kajian menunjukkan bahwa algoritma Naïve Bayes dan Random Forest merupakan pendekatan yang paling banyak diterapkan, dengan Random Forest cenderung memberikan performa akurasi dan stabilitas yang lebih tinggi, sedangkan Naïve Bayes unggul dari sisi efisiensi komputasi dan kemudahan implementasi. Selain itu, penggunaan metrik evaluasi seperti confusion matrix, akurasi, presisi, recall, dan k-fold cross validation berperan penting dalam memastikan reliabilitas model. Penelitian ini merekomendasikan pengembangan sistem seleksi yang mengintegrasikan variabel akademik dan sosial ekonomi secara komprehensif serta menerapkan evaluasi multi-metrik untuk meningkatkan keadilan dan ketepatan keputusan

ANALISIS PENERIMAAN PENGGUNA TERHADAP WEBSITE SEKOLAH MENGGUNAKAN MODEL UTAUT (UNIFIED THEORY OF ACCEPTANCE AND USE OF TECHNOLOGY) PADA SMP NEGERI 28 BEKASI

2026-05-30T21:04:57+07:00

Perkembangan teknologi informasi mendorong lembaga pendidikan untuk memanfaatkan sistem informasi sebagai sarana penyampaian informasi dan pendukung kegiatan pembelajaran. Salah satu bentuk pemanfaatannya adalah melalui website sekolah. Namun, dalam praktiknya masih ditemukan kendala berupa rendahnya tingkat pemanfaatan website oleh siswa serta belum optimalnya penggunaan fitur-fitur yang tersedia. Oleh karena itu, diperlukan analisis untuk mengetahui tingkat penerimaan pengguna terhadap website sekolah. Penelitian ini bertujuan untuk menganalisis penerimaan website sekolah menggunakan metode Unified Theory of Acceptance and Use of Technology (UTAUT). Penelitian ini menggunakan pendekatan kuantitatif dengan metode survei. Pengumpulan data dilakukan melalui penyebaran kuesioner yang terdiri dari 35 item pertanyaan kepada 222 siswa sebagai responden. Variabel yang digunakan dalam penelitian ini meliputi Performance Expectancy, Effort Expectancy, Social Influence, Facilitating Conditions, Behavioral Intention, dan Use Behavior. Data yang diperoleh kemudian dianalisis menggunakan metode regresi linear berganda dengan bantuan perangkat lunak SPSS versi 25. Hasil penelitian menunjukkan bahwa secara parsial variabel Social Influence, Behavioral Intention, dan Use Behavior memiliki pengaruh yang signifikan terhadap penerimaan website sekolah. Selain itu, hasil pengujian secara simultan menunjukkan bahwa seluruh variabel dalam model UTAUT berpengaruh signifikan terhadap penerimaan website sekolah. Berdasarkan hasil penelitian tersebut, dapat disimpulkan bahwa model UTAUT dapat digunakan untuk menganalisis tingkat penerimaan website sekolah serta mengidentifikasi faktor-faktor yang memengaruhi pemanfaatan website oleh siswa

PERAN KNOWLEDGE SHARING DALAM TRANSFORMASI KEBIJAKAN ORGANISASI PADA TRANSISI KEPENGURUSAN BEM KM FASILKOM UNSRI

2026-05-30T21:05:51+07:00

Penelitian ini mengkaji peran knowledge sharing dalam mendukung transformasi kebijakan organisasi pada masa transisi kepengurusan Badan Eksekutif Mahasiswa Keluarga Mahasiswa (BEM KM) Fakultas Ilmu Komputer Universitas Sriwijaya. Pergantian kepengurusan yang berlangsung secara periodik berpotensi menimbulkan hilangnya pengetahuan organisasi serta ketidaksinambungan kebijakan antarperiode kepengurusan. Oleh karena itu, penelitian ini bertujuan untuk menganalisis proses knowledge sharing yang terjadi selama masa transisi kepengurusan serta mengidentifikasi mekanisme dan hambatan yang muncul dalam proses tersebut. Penelitian ini menggunakan pendekatan kualitatif deskriptif dengan teknik pengumpulan data melalui wawancara dan observasi. Analisis data dilakukan menggunakan model SECI (Socialization, Externalization, Combination, Internalization) untuk memahami proses konversi pengetahuan yang terjadi dalam organisasi. Hasil penelitian menunjukkan bahwa praktik knowledge sharing telah berlangsung pada setiap tahapan dalam model SECI. Namun demikian, proses berbagi pengetahuan masih bersifat operasional dan belum terlembagakan dalam sistem knowledge management yang terstruktur. Aktivitas berbagi pengetahuan lebih banyak berlangsung melalui interaksi informal, dokumentasi administratif, serta pengalaman individual pengurus. Kondisi tersebut berpotensi menyebabkan hilangnya pengetahuan strategis serta ketidaksinambungan kebijakan organisasi pada periode kepengurusan berikutnya. Oleh karena itu, diperlukan penguatan mekanisme knowledge management yang lebih formal dan terintegrasi untuk mendukung keberlanjutan pengetahuan dan kebijakan organisasi mahasiswa

ANIMASI MOTION GRAPHICS PENGENALAN BASIC SKINCARE

2026-05-30T21:06:47+07:00

Perkembangan teknologi informasi dan komunikasi mendorong pemanfaatan media digital sebagai sarana edukasi yang lebih efektif, khususnya bagi remaja. Salah satu media yang berkembang adalah animasi motion graphics yang mampu menyajikan informasi secara visual, menarik, dan mudah dipahami. Di sisi lain, rendahnya pemahaman remaja mengenai basic skincare sering menyebabkan kesalahan dalam memilih dan menggunakan produk perawatan kulit. Oleh karena itu, diperlukan media edukasi yang dapat meningkatkan literasi skincare di kalangan remaja.Penelitian ini bertujuan untuk mengembangkan media edukasi berupa video animasi motion graphics pengenalan basic skincare. Metode penelitian yang digunakan adalah model pengembangan ADDIE yang meliputi tahap analisis, desain, pengembangan, implementasi, dan evaluasi. Pengumpulan data dilakukan melalui wawancara, observasi, studi literatur, serta kuesioner yang melibatkan responden dan uji ahli (expert review).Hasil validasi menunjukkan bahwa media memperoleh tingkat kelayakan sebesar 100% dari ahli materi, 100% dari ahli media, dan 80% dari ahli bahasa, sehingga termasuk dalam kategori sangat layak. Pengujian kepada 30 responden melalui pretest dan posttest menunjukkan adanya peningkatan pemahaman dengan nilai rata-rata N-Gain sebesar 0,87 yang berada pada kategori tinggi. Hasil tersebut menunjukkan bahwa media animasi motion graphics yang dikembangkan efektif dalam meningkatkan pemahaman remaja mengenai basic skincare.

KLASIFIKASI GAYA SENI LUKIS MENGGUNAKAN EFFICIENTNET

2026-05-30T21:08:25+07:00

Transformasi digital dalam satu dekade terakhir mendorong digitalisasi besar-besaran koleksi karya seni oleh museum dan galeri di seluruh dunia. Kondisi ini menghasilkan jumlah citra seni digital yang sangat besar sehingga proses kurasi dan klasifikasi secara manual menjadi tidak efisien dan rentan terhadap subjektivitas. Permasalahan tersebut menuntut adanya sistem klasifikasi otomatis yang mampu mengidentifikasi gaya seni lukis secara akurat dan efisien. Penelitian ini bertujuan untuk membangun sistem klasifikasi gaya seni lukis menggunakan arsitektur EfficientNet dengan pendekatan transfer learning guna memperoleh keseimbangan antara akurasi dan efisiensi komputasi. Dataset yang digunakan berjumlah 23.704 citra yang terdiri dari tujuh gaya seni lukis, yaitu Abstract, Expressionism, Neoclassicism, Primitivism, Realism, Romanticism, dan Symbolism. Proses pelatihan dilakukan pada varian EfficientNet-B0 hingga EfficientNet-B7 selama 20 epoch dengan variasi batch size 8, 16, dan 32. Evaluasi model dilakukan menggunakan metrik accuracy, precision, recall, dan f1-score serta analisis efisiensi komputasi. Hasil penelitian menunjukkan bahwa EfficientNet-B4 dengan batch size 32 memberikan performa terbaik dengan akurasi sebesar 94,93%, sekaligus menunjukkan keseimbangan optimal antara kinerja klasifikasi dan kebutuhan komputasi.

KNOWLEDGE DISCOVERY TERHADAP INFORMASI KESEHATAN DI MEDIA X MENGGUNAKAN TOPIC MODELING BERBASIS NON-NEGATIVE MATRIX FACTORIZATION (NMF)

2026-05-30T21:09:33+07:00

Media sosial menjadi salah satu sumber utama penyebaran dan pertukaran informasi kesehatan di masyarakat. Media X (Twitter) memungkinkan pengguna untuk berbagi pengalaman, pertanyaan, dan opini terkait berbagai isu kesehatan secara real-time. Namun, informasi kesehatan yang tersebar di media sosial bersifat tidak terstruktur dan jumlahnya sangat besar sehingga sulit dianalisis secara manual untuk mengetahui kebutuhan informasi kesehatan masyarakat. Oleh karena itu, penelitian ini bertujuan untuk melakukan knowledge discovery terhadap informasi kesehatan yang dibagikan di media sosial X menggunakan pendekatan topic modeling berbasis Non-Negative Matrix Factorization (NMF). Data penelitian diperoleh melalui proses web crawling menggunakan kata kunci terkait kesehatan pada periode November 2025 hingga Februari 2026 dan menghasilkan 1.338 tweet setelah melalui tahap pembersihan data. Tahapan penelitian meliputi data preprocessing, pembobotan Term Frequency–Inverse Document Frequency (TF-IDF), serta pemodelan topik menggunakan metode NMF. Hasil penelitian menunjukkan bahwa model NMF mampu mengidentifikasi lima topik utama, yaitu kesehatan mental, self-diagnosis dan konsultasi profesional, edukasi kesehatan dan layanan medis, mitos kesehatan, serta biaya dan akses pengobatan. Analisis distribusi topik menunjukkan bahwa kesehatan mental merupakan topik yang paling dominan dibahas oleh pengguna media sosial

ANALISIS PENERAPAN KNOWLEDGE MANAGEMENT PADA BPS KABUPATEN OGAN ILIR MENGGUNAKAN SECI MODEL

2026-05-30T21:11:45+07:00

Pengetahuan merupakan aset krusial bagi instansi pelayanan publik seperti Badan Pusat Statistik dalam menghasilkan data statistik yang valid dan berkualitas. Namun, tingginya rotasi pegawai serta minimnya transfer pengetahuan yang terstruktur berpotensi menyebabkan hilangnya tacit knowledge dari pegawai operasional yang berpengalaman. Kondisi ini menunjukkan pentingnya pengelolaan pengetahuan yang efektif untuk menjaga keberlanjutan pengetahuan organisasi. Oleh karena itu, penelitian ini bertujuan untuk mengkaji penerapan Knowledge Management di BPS Kabupaten Ogan Ilir dengan menggunakan kerangka SECI Model. Penelitian ini menggunakan pendekatan kualitatif deskriptif evaluatif melalui observasi, wawancara mendalam, dan studi literatur. Analisis data dilakukan menggunakan model interaktif Miles, Huberman, dan Saldana yang meliputi kondensasi data, penyajian data, dan penarikan kesimpulan. Hasil penelitian menunjukkan bahwa keempat dimensi SECI telah berjalan di dalam organisasi. Dimensi Socialization dan Internalization berlangsung efektif melalui interaksi langsung dan praktik lapangan, sedangkan dimensi Combination didukung oleh penggunaan media penyimpanan digital. Namun demikian, kelemahan utama ditemukan pada dimensi Externalization, di mana pengetahuan kontekstual di lapangan belum sepenuhnya terdokumentasi secara formal

PREDIKSI TINGKAT KETERLIBATAN PEMAIN GAME ONLINE BERDASARKAN INTENSITAS DAN POLA AKTIVITAS BERMAIN MENGGUNAKAN PENDEKATAN HYBRID MACHINE LEARNING

2026-05-30T21:15:48+07:00

Pertumbuhan industri online games menghasilkan volume data aktivitas pemain yang sangat besar, sehingga analisis tingkat keterlibatan pemain (player engagement) secara manual menjadi kurang efektif. Permasalahan ini mendorong perlunya pendekatan analitik berbasis data untuk mengidentifikasi pola perilaku pemain secara lebih akurat. Penelitian ini bertujuan untuk memprediksi tingkat player engagement berdasarkan intensitas dan pola aktivitas bermain menggunakan pendekatan hybrid machine learning yang mengkombinasikan algoritma Logistic Regression dan Artificial Neural Network (ANN). Data yang digunakan berasal dari dataset publik Kaggle yang terdiri dari 40.034 data pemain dengan variabel target EngagementLevel yang diklasifikasikan ke dalam tiga kategori, yaitu Low, Medium, dan High. Dataset melalui tahapan data preprocessing dan dibagi menjadi data latih dan data uji dengan rasio 80:20. Kinerja model dievaluasi menggunakan metrik accuracy, precision, recall, F1-score, serta confusion matrix. Hasil penelitian menunjukkan bahwa model ANN mencapai akurasi sebesar 90,76% dengan rata-rata F1-score 0,91, lebih tinggi dibandingkan model Logistic Regression yang memperoleh akurasi 82% dengan F1-score 0,81. Analisis feature importance menunjukkan bahwa variabel PlayTimeHours dan SessionsPerWeek merupakan prediktor paling signifikan dalam menentukan tingkat keterlibatan pemain

KLASIFIKASI SERANGAN CROSS-SITE SCRIPTING (XSS) MENGGUNAKAN MODEL DEEP LEARNING BERBASIS TRANSFORMER

2026-05-30T21:16:44+07:00

Cross-Site Scripting (XSS) merupakan salah satu jenis serangan siber yang sering terjadi pada aplikasi web dan dapat menyebabkan pencurian data pengguna, manipulasi konten, serta pengambilalihan sesi pengguna. Permasalahan yang muncul adalah metode deteksi tradisional berbasis aturan (rule-based) memiliki keterbatasan dalam mengenali variasi payload serangan yang terus berkembang dan semakin kompleks. Oleh karena itu, penelitian ini bertujuan untuk mengembangkan model klasifikasi serangan Cross-Site Scripting menggunakan pendekatan deep learning berbasis arsitektur Transformer. Metode yang digunakan memanfaatkan model BERT (Bidirectional Encoder Representations from Transformers) untuk menangkap hubungan kontekstual antar-token dalam payload. Dataset yang digunakan terdiri dari payload benign dan malicious yang melalui tahapan preprocessing, tokenisasi, serta pembagian data menjadi data latih dan data uji. Hasil eksperimen menunjukkan bahwa model Transformer berbasis BERT mampu mengklasifikasikan payload XSS secara efektif dengan performa yang lebih baik dibandingkan model deep learning konvensional, sehingga berpotensi meningkatkan kemampuan sistem keamanan aplikasi web dalam mendeteksi serangan XSS secara otomatis dan adaptif.

PENGEMBANGAN APLIKASI PEMBELAJARAN HURUF DAN ANGKA BERBASIS ANDROID MENGGUNAKAN TEKNOLOGI AUGMENTED REALITY DENGAN MODEL SUCCESSIVE APPROXIMATION MODEL (SAM) UNTUK ANAK USIA DINI

2026-05-30T21:17:45+07:00

Perkembangan teknologi digital mendorong inovasi media pembelajaran yang lebih interaktif, termasuk pada pendidikan anak usia dini. Namun, proses pembelajaran pengenalan huruf dan angka pada anak usia dini masih sering menggunakan metode konvensional yang kurang menarik dan kurang mampu meningkatkan keterlibatan belajar anak. Penelitian ini bertujuan mengembangkan aplikasi pembelajaran pengenalan huruf dan angka berbasis Android menggunakan teknologi Augmented Reality (AR) sebagai media pembelajaran interaktif bagi anak usia 4–6 tahun. Penelitian ini menggunakan metode Research and Development (R&D) dengan model pengembangan Successive Approximation Model (SAM) yang meliputi preparation phase, iterative design phase, dan iterative development phase. Aplikasi dikembangkan menggunakan Unity 3D, Vuforia Engine, dan bahasa pemrograman C#. Pengujian sistem dilakukan menggunakan metode Blackbox Testing untuk mengevaluasi fungsionalitas, stabilitas, dan kemudahan penggunaan aplikasi. Subjek penelitian melibatkan 50 anak usia dini sebagai pengguna aplikasi dan 2 guru PAUD/TK sebagai evaluator. Hasil penelitian menunjukkan bahwa aplikasi mampu menampilkan objek huruf dan angka dalam bentuk 3D melalui pemindaian marker serta memutar audio pelafalan secara real-time. Seluruh fitur aplikasi berjalan sesuai dengan rancangan sistem dan memperoleh tingkat keberhasilan fungsionalitas dalam kategori sangat baik. Berdasarkan evaluasi guru, aplikasi dinyatakan layak digunakan sebagai media pembelajaran pendukung dalam pengenalan huruf dan angka pada anak usia dini.

KLASTERISASI PORTAL BERITA ONLINE MENGGUNAKAN ALGORITMA K-MEANS DENGAN TEKNIK KNOWLEDGE DISCOVERY IN DATABASE

2026-05-30T21:18:45+07:00

Lonjakan volume informasi pada portal berita online menciptakan tantangan besar dalam pengorganisasian data yang tidak terstruktur dan tidak berlabel. Ketidakmampuan sistem dalam mengelompokkan berita secara otomatis menyebabkan redundansi informasi serta penurunan efisiensi pencarian bagi pengguna. Penelitian ini bertujuan untuk mengimplementasikan klasterisasi berita secara otomatis dengan mengintegrasikan algoritma K-Means dan kerangka kerja Knowledge Discovery in Databases (KDD). Metode KDD digunakan untuk memastikan proses pengolahan data dilakukan secara sistematis, meliputi tahapan data selection, preprocessing (case folding, normalization, tokenizing, stopword removal, dan stemming), data transformation, hingga tahap data mining menggunakan K-Means. Penentuan jumlah klaster optimal dilakukan dengan metode Elbow dan divalidasi menggunakan Silhouette Coefficient. Hasil penelitian menunjukkan bahwa nilai k = 7 merupakan jumlah klaster optimal dalam memisahkan topik-topik berita. Evaluasi menggunakan Silhouette Score menghasilkan nilai rata-rata positif yang menunjukkan kualitas klaster yang baik. Penelitian ini memberikan kontribusi dalam pengorganisasian berita secara otomatis sehingga mempermudah pengguna dalam menemukan informasi yang relevan dengan lebih cepat dan akurat

ANALISIS SENTIMEN PUBLIK TERHADAP MASA KEPELATIHAN MICHAEL CARRICK DI MANCHESTER UNITED PADA MEDIA SOSIAL X: KOMPARASI ALGORITMA NAÏVE BAYES DAN SUPPORT VECTOR MACHINE

2026-05-30T21:37:27+07:00

Analisis sentimen pada media sosial X merupakan pendekatan yang relevan untuk memahami opini publik terhadap isu olahraga, termasuk penilaian terhadap pelatih sepak bola. Perbedaan performa antar algoritma klasifikasi teks menjadi tantangan dalam memilih metode yang paling optimal untuk data berbahasa Indonesia. Penelitian ini bertujuan membandingkan efektivitas algoritma Naïve Bayes dan Support Vector Machine (SVM) dalam mengklasifikasikan sentimen publik terhadap masa kepelatihan Michael Carrick di Manchester United. Dataset terdiri dari 8.198 tweet berbahasa Indonesia dengan distribusi kelas positif dan negatif yang seimbang (masing-masing 50%). Preprocessing teks meliputi case folding, penghapusan noise, tokenisasi, stopword removal, dan normalisasi slang. Ekstraksi fitur menggunakan TF-IDF Vectorizer (max_features=5.000) dengan rasio pembagian data 80:20 (random_state=42). Hasil evaluasi menunjukkan Naïve Bayes mencapai akurasi 91,40%, sedangkan SVM mencapai 92,50%. SVM terbukti lebih unggul dengan selisih 1,10%, mengindikasikan bahwa SVM lebih efektif dalam menangani data teks media sosial olahraga berbahasa Indonesia yang berdistribusi seimbang.

SISTEM INFORMASI RETRIBUSI SAMPAH BERBASIS WEBSITE DI BUMDES KALIGAYAM TALANG KABUPATEN TEGAL

2026-05-30T22:43:25+07:00

Pengelolaan retribusi sampah di BUMDes Kaligayam, Kecamatan Talang, Kabupaten Tegal masih dilakukan secara manual, mulai dari proses penagihan oleh Ketua RT, pencatatan pembayaran, hingga penyusunan laporan keuangan. Kondisi tersebut menimbulkan beberapa kendala, antara lain keterlambatan dalam pelaporan, potensi kesalahan pencatatan, ketidaksesuaian data pembayaran, serta kurangnya transparansi dalam pengelolaan keuangan. Penelitian ini bertujuan untuk merancang dan mengembangkan sistem informasi retribusi sampah berbasis web guna meningkatkan efektivitas pengelolaan administrasi. Metode pengumpulan data dilakukan melalui observasi, wawancara, dan studi pustaka. Analisis sistem mencakup identifikasi sistem yang berjalan, analisis permasalahan, penentuan kebutuhan informasi, serta perumusan kebutuhan sistem. Perancangan sistem menggunakan pendekatan Unified Modeling Language (UML) yang meliputi use case diagram, activity diagram, sequence diagram, dan class diagram. Pengembangan sistem dilakukan dengan metode Waterfall melalui tahapan analisis kebutuhan, perancangan, implementasi menggunakan PHP dan MySQL, pengujian, serta pemeliharaan. Hasil pengujian menggunakan metode Black Box Testing menunjukkan bahwa seluruh fungsi sistem berjalan sesuai dengan kebutuhan pengguna. Sistem yang dikembangkan mampu mendukung pengelolaan data warga, pencatatan pembayaran, serta penyusunan laporan secara lebih cepat dan terstruktur. Selain itu, sistem berbasis web ini mendukung akses multiuser yang melibatkan Admin, Ketua RT, dan warga sehingga dapat meningkatkan akurasi pencatatan, mempercepat proses pelaporan, serta meningkatkan transparansi pengelolaan retribusi sampah di BUMDes Kaligayam.

PERANCANGAN KNOWLEDGE MANAGEMENT SYSTEM SEBAGAI MEDIA KOLABORASI DAN TRANSFER PENGETAHUAN ANTAR DIVISI PADA EVENT SISTEM INFORMASI FESTIVAL (SI-FEST) HIMSI FASILKOM UNSRI

2026-05-30T21:39:31+07:00

Pengelolaan pengetahuan merupakan elemen penting dalam menjaga keberlanjutan informasi dan efektivitas kerja dalam suatu organisasi. Dalam kepanitiaan Sistem Informasi Festival (SI-FEST) yang diselenggarakan oleh HIMSI FASILKOM Universitas Sriwijaya, proses berbagi pengetahuan antar divisi masih berlangsung secara informal dan belum terdokumentasi dengan baik. Kondisi tersebut berpotensi menimbulkan ketidakefisienan koordinasi kerja, terutama pada masa transisi kepanitiaan karena banyak informasi penting yang tidak terdokumentasi dan sulit diakses kembali. Penelitian ini bertujuan untuk merancang Knowledge Management System (KMS) sebagai wadah digital yang dapat memfasilitasi kolaborasi, dokumentasi, dan distribusi pengetahuan antar divisi dalam kegiatan SI-FEST. Penelitian menggunakan pendekatan kualitatif dengan desain studi kasus melalui analisis kebutuhan yang diperoleh dari studi literatur, observasi, serta wawancara semi-terstruktur terhadap lima informan yang terlibat dalam kegiatan SI-FEST. Analisis dilakukan dengan menggunakan kerangka SECI (Socialization, Externalization, Combination, Internalization) untuk memetakan proses konversi pengetahuan. Hasil penelitian berupa rancangan sistem yang mengintegrasikan repository pengetahuan terpusat, forum diskusi, dokumentasi serah terima, evaluasi kegiatan, serta arsip lintas periode guna mendukung kolaborasi, mempermudah akses pengetahuan, dan menjaga keberlanjutan transfer pengetahuan pada pelaksanaan SI-FEST di periode berikutnya.

ANALISIS KLASIFIKASI RISIKO GEMPA BUMI DI INDONESIA BERDASARKAN MAGNITUDO DAN KEDALAMAN MENGGUNAKAN ALGORITMA DECISION TREE

2026-05-30T21:40:17+07:00

Indonesia merupakan negara dengan aktivitas kegempaan sangat tinggi akibat letaknya di pertemuan tiga lempeng tektonik besar. Tingginya potensi ancaman ini menimbulkan permasalahan terkait perlunya analisis risiko gempa yang cepat dan akurat untuk mendukung sistem mitigasi bencana. Oleh karena itu, penelitian ini bertujuan untuk mengklasifikasikan tingkat risiko gempa bumi di Indonesia berdasarkan parameter magnitudo dan kedalaman. Metode yang digunakan adalah algoritma Decision Tree terhadap 131.833 data gempa dari BMKG periode 2008–2025. Tahapan penelitian ini meliputi data collection, preprocessing, labelling, splitting, modelling, rule extraction, dan evaluation. Hasil klasifikasi menunjukkan bahwa magnitudo > 4,501 termasuk kategori Risiko Sedang (315 data), sedangkan magnitudo ≤ 4,501 termasuk Risiko Rendah (10.726 data). Model ini menghasilkan akurasi sebesar 99,96% dan recall 100%. Tingginya performa ini membuktikan bahwa algoritma Decision Tree sangat efektif untuk klasifikasi risiko gempa dan berpotensi mendukung upaya mitigasi bencana nasional.

ANALISIS IMPLEMENTASI TOPOLOGI HYBRID STAR-TREE UNTUK INTEGRASI DATA PRESENSI SIDIK JARI MULTI-LOKASI PADA SISTEM INFORMASI KEPEGAWAIAN BERBASIS INTRANET

2026-05-30T21:41:04+07:00

Sistem presensi sidik jari merupakan komponen penting dalam pengelolaan kehadiran pegawai pada Sistem Informasi Kepegawaian. Pada lingkungan FMIPA Universitas Tanjungpura, perangkat presensi sidik jari ditempatkan pada beberapa lokasi gedung yang berbeda sehingga memerlukan integrasi jaringan yang stabil untuk mendukung sinkronisasi data secara cepat dan terpusat melalui jaringan intranet. Permasalahan yang terjadi adalah perangkat presensi tersebut belum sepenuhnya terintegrasi ke dalam jaringan intranet yang ada, sehingga proses pengambilan data masih dilakukan secara manual dan menyebabkan keterlambatan sinkronisasi. Selain itu, kondisi jaringan yang tidak stabil mempengaruhi proses pengiriman data presensi. Penelitian ini bertujuan menganalisis implementasi topologi hybrid star-tree dalam mengintegrasikan data presensi sidik jari multi-lokasi pada Sistem Informasi Kepegawaian berbasis intranet di FMIPA Universitas Tanjungpura. Metode penelitian menggunakan perancangan dan implementasi topologi jaringan hybrid star-tree yang menghubungkan perangkat presensi sidik jari di beberapa lokasi ke server utama intranet, kemudian dilakukan pengujian Quality of Service (QoS) berdasarkan standar TIPHON. Hasil pengujian menunjukkan bahwa rata-rata latency jaringan sebesar 2,4ms dengan kategori Baik Sekali, serta rata-rata jitter sebesar 2,246ms dengan kategori Baik. Hasil ini menunjukkan bahwa topologi hybrid star-tree mampu memberikan performa jaringan yang stabil dan efektif untuk integrasi perangkat presensi pada area dengan cakupan jaringan yang luas.

ANALISIS PENERAPAN KNOWLEDGE MANAGEMENT DALAM PROSES PRODUKSI PADA UMKM PEMPEK VIMONA KOTA PALEMBANG

2026-05-30T21:41:44+07:00

Usaha Mikro, Kecil, dan Menengah (UMKM) memiliki peran penting dalam mendukung perekonomian dan menciptakan lapangan kerja. Namun, pengelolaan pengetahuan pada UMKM seringkali belum dilakukan secara sistematis, sehingga proses produksi masih bergantung pada pengalaman individu. Penelitian ini bertujuan untuk menganalisis penerapan Knowledge Management dalam proses produksi pada UMKM Pempek Vimona di Kota Palembang. Pendekatan yang digunakan adalah kualitatif dengan metode studi kasus deskriptif melalui teknik pengumpulan data berupa wawancara dan observasi. Analisis data dilakukan menggunakan model SECI (Socialization, Externalization, Combination, Internalization) untuk mengidentifikasi proses konversi pengetahuan tacit dan explicit. Hasil penelitian menunjukkan bahwa proses berbagi pengetahuan telah terjadi melalui interaksi langsung antar pekerja; namun, sebagian besar pengetahuan masih bersifat tacit dan belum terdokumentasi secara sistematis. Oleh karena itu, penelitian ini menyimpulkan bahwa penerapan Knowledge Management yang lebih terstruktur sangat diperlukan untuk mendukung efektivitas dan keberlanjutan proses produksi.

ANALISIS MODEL SECI DALAM KNOWLEDGE MANAGEMENT PADA UMKM LADY ALGHANIY UNTUK MENDUKUNG KINERJA PENJUALAN DI SHOPEE

2026-05-30T21:42:29+07:00

Perkembangan perdagangan digital melalui marketplace mendorong pelaku UMKM untuk mampu mengelola pengetahuan bisnis secara efektif agar dapat meningkatkan daya saing dan kinerja penjualan. Knowledge Management menjadi pendekatan strategis dalam mengelola pengetahuan organisasi melalui proses penciptaan, penyimpanan, dan pemanfaatan pengetahuan. Namun, pada UMKM Lady Alghaniy pengelolaan pengetahuan operasional, pelayanan pelanggan, dan strategi promosi masih belum terdokumentasi secara sistematis sehingga berpotensi menghambat pengambilan keputusan dan optimalisasi penjualan. Penelitian ini bertujuan untuk menguraikan implementasi Knowledge Management menggunakan model SECI (Socialization, Externalization, Combination, Internalization) pada UMKM Lady Alghaniy dalam mendukung kinerja penjualan di marketplace Shopee. Pendekatan kualitatif dengan metode studi kasus digunakan dalam penelitian ini. Data diperoleh melalui observasi, wawancara, serta dokumentasi terhadap aktivitas operasional toko pada platform Shopee. Temuan penelitian membuktikan penerapan model SECI mampu mengelola konversi pengetahuan dari tacit menjadi explicit melalui berbagi pengalaman, dokumentasi prosedur kerja, pengolahan data penjualan, serta penerapan panduan operasional. Implementasi tersebut menghasilkan pengetahuan eksplisit berupa SOP pengemasan, template pelayanan pelanggan, dan kalender promosi yang mendukung efisiensi operasional, meningkatkan kualitas pelayanan pelanggan, serta membantu menjaga stabilitas kinerja penjualan UMKM Lady Alghaniy di marketplace Shopee.

ANALISIS PERBANDINGAN RANDOM FOREST DAN SUPPORT VECTOR MACHINE DALAM KLASIFIKASI TINGKAT RISIKO KECANDUAN JUDI ONLINE BERBASIS K-MEANS CLUSTERING PADA POLA TRANSAKSI PENGGUNA

2026-05-30T21:44:58+07:00

Perkembangan teknologi digital telah meningkatkan akses publik ke berbagai platform hiburan daring, termasuk judi online, yang berpotensi menimbulkan risiko kecanduan dengan dampak negatif pada kondisi finansial, psikologis, dan sosial pengguna. Penelitian yang secara spesifik menganalisis tingkat risiko kecanduan judi online berdasarkan pola transaksi masih sangat terbatas, khususnya yang menggabungkan teknik clustering dan klasifikasi secara bersamaan. Penelitian ini bertujuan menganalisis dan membandingkan performa algoritma Random Forest dan Support Vector Machine (SVM) dalam mengklasifikasikan tingkat risiko kecanduan judi online berdasarkan pola transaksi pengguna. Data dari 2.286 pengguna terlebih dahulu dikelompokkan menggunakan K-Means Clustering (k=2) untuk menghasilkan label kelas, kemudian diklasifikasikan menggunakan kedua algoritma dengan penanganan ketidakseimbangan kelas melalui parameter class_weight='balanced'. Hasil evaluasi menunjukkan bahwa Random Forest mencapai akurasi 98,47%, mengungguli Support Vector Machine (SVM) dengan kernel RBF yang mencapai 98,03%. Random Forest juga unggul pada 7 dari 9 metrik evaluasi dan menghasilkan lebih sedikit kesalahan prediksi (7 dari 458 data uji) dibandingkan Support Vector Machine (SVM) (9 dari 458). Random Forest direkomendasikan sebagai model yang lebih efektif untuk klasifikasi risiko kecanduan judi online berbasis pola transaksi pengguna.

TEKNIK SMOTE PADA KLASIFIKASI SENTIMEN PRODUK KECANTIKAN VIRAL DI AKUN X @OHMY_BEAUTYBANK MENGGUNAKAN ALGORITMA C4.5

2026-05-30T21:46:22+07:00

Pesatnya pertukaran informasi dan opini konsumen mengenai produk kecantikan di media sosial telah menjadi fenomena yang berpengaruh besar terhadap keputusan pembelian di era digital saat ini. Penelitian ini mengamati aktivitas tersebut pada akun X (Twitter) @ohmy_beautybank, di mana ulasan pengguna mengandung informasi berharga namun terkendala oleh masalah ketidakseimbangan data (imbalanced data) yang mencolok antara sentiment positif dan negatif. Ketimpangan ini beresiko menyebabkan model klasifikasi menjadi kurang objektif dalam memberikan prediksi. Penelitian ini bertujuan untuk meningkatkan performa klasifikasi sentiment agar tetap akurat meskipun terdapat sebaran data yang tidak merata. Untuk mencapai tujuan tersebut, diterapkan algoritma C4.5 yang diintegrasikan dengan Teknik Synthetic Minority Oversampling Technique (SMOTE) untuk menyeimbangkan distribusi kelas, serta penggunaan fitur N-Grams (Bigram) untuk menangkap konteks makna pada ulasan. Hasil eksperimen menunjukkan bahwa integrasi metode tersebut efektif meningkatkan performa model dengancapaian akurasu sebesar 81.20%. dapat disimpulkan bahwa penggunaan SMOTE dan N-Grams berhasil mengatasi kelemahan algoritma C4.5 dalam menangani data tidak seimbang, sehingga model ini layak digunakan sebagai alat analisis opini pasar yang lebih akurat dan objektif.

RANCANG BANGUN PLATFORM BIRO JASA STNK MAS DIMAS SOLUTIONS BERBASIS CODEIGNITER DENGAN METODE WATERFALL

2026-05-30T21:47:28+07:00

Digitalisasi layanan administrasi didorong oleh kemajuan teknologi informasi, dan ini termasuk dalam bisnis biro jasa yang masih banyak menggunakan proses manual. Salah satu masalah yang dihadapi birojasa stnk masdimas solutions adalah pencatatan data pelanggan yang tidak terorganisir, masalah untuk memantau status layanan, dan proses pelayanan yang lama. Tujuan dari penelitian ini adalah untuk membuat platform biro jasa yang dapat diakses melalui internet yang akan membuat proses perpanjangan stnk dan pengelolaan layanan lebih mudah. Sistem dibangun menggunakan framework CodeIgniter dan metode Waterfall untuk pengembangan perangkat lunak yang mencakup analisis kebutuhan, perancangan, implementasi, pengujian, dan pemeliharaan. Registrasi pengguna, pemesanan layanan, unggah dokumen persyaratan, monitoring status pengerjaan, komunikasi antara admin dan pelanggan, dan verifikasi pembayaran adalah fitur utama sistem. Setiap fungsi diuji sesuai spesifikasi melalui metode Black Box Testing. Hasil penelitian menunjukkan bahwa platform yang dibangun dapat menjadi alternatif digital yang lebih teratur daripada sistem manual. Selain itu, platform ini memiliki kemampuan untuk mempercepat proses pelayanan dan memungkinkan pelanggan untuk memantau proses perpanjangan STNK secara online.

IMPLEMENTASI TEKNOLOGI AUGMENTED REALITY BERBASIS ANDROID UNTUK PENGENALAN BENTUK DAN WARNA PADA ANAK USIA DINI MENGGUNAKAN MODEL ADDIE

2026-05-30T22:34:19+07:00

Pemanfaatan teknologi digital dalam pendidikan anak usia dini semakin berkembang, salah satunya melalui penggunaan Augmented Reality (AR) sebagai media pembelajaran interaktif. Namun, dalam praktik pembelajaran di kelas, pengenalan bentuk dan warna masih banyak menggunakan media dua dimensi yang kurang mampu menarik perhatian dan mempertahankan fokus belajar anak. Kondisi ini menyebabkan sebagian anak mengalami kesulitan dalam membedakan bentuk serta mengasosiasikan warna dengan objek yang dipelajari. Oleh karena itu, penelitian ini bertujuan untuk mengembangkan dan mengevaluasi media pembelajaran berbasis Augmented Reality untuk mendukung pengenalan bentuk dan warna pada anak usia dini. Penelitian ini menggunakan metode Research and Development dengan model ADDIE yang meliputi tahap Analysis, Design, Development, Implementation, dan Evaluation. Pada tahap pengembangan, aplikasi AR dirancang menggunakan pendekatan marker-based tracking yang mengintegrasikan objek tiga dimensi dan audio pelafalan. Uji coba dilakukan secara terbatas pada anak usia dini di lingkungan kelas, sedangkan evaluasi dilakukan melalui observasi dan wawancara dengan guru untuk menilai aspek teknis dan pedagogis media. Hasil penelitian menunjukkan bahwa aplikasi yang dikembangkan berjalan stabil dan mampu menampilkan objek 3D serta audio secara sinkron dan responsif. Selain itu, penggunaan media AR meningkatkan perhatian, motivasi belajar, serta kemampuan anak dalam membedakan bentuk dan menyebutkan warna secara lebih tepat dibandingkan media pembelajaran konvensional.

ANALISIS SENTIMEN FILM AGAK LAEN MENYALA PANTIKU MENGGUNAKAN METODE SUPPORT VECTOR MACHINE

2026-05-30T22:47:41+07:00

Media sosial merupakan salah satu sarana bagi publik untuk menyampaikan opini dan ulasan terhadap berbagai topik, termasuk film, yang dapat memengaruhi persepsi publik secara luas. Film “Agak Laen: Menyala Pantiku!” merupakan salah satu film yang ramai diperbincangkan di platform X sehingga menghasilkan beragam tanggapan dari pengguna. Banyaknya data opini yang tersedia dalam bentuk teks tidak terstruktur menyebabkan proses analisis secara manual menjadi kurang efektif. Oleh karena itu, penelitian ini bertujuan untuk mengklasifikaskan sentimen opini pengguna platform X terhadap film “Agak Laen: Menyala Pantiku!” ke dalam tiga kategori positif, negatif, dan netral. Data penelitian dikumpulkan melalui proses crawling dari platform X, kemudian diproses melalui tahap preprocessing teks serta pembobotan fitur menggunakan metode TF-IDF. Proses klasifikasi kemudian diterapkan menggunakan algoritma Support Vector Machine (SVM). Berdasarkan hasil pengujian, model SVM mampu mengklasifikasikan sentimen dengan tingkat akurasi sebesar 80%. Distribusi sentimen menunjukkan bahwa sentimen positif memiliki jumlah paling tinggi, diikuti oleh sentimen netral, sedangkan sentimen negatif relatif lebih sedikit. Temuan ini mengindikasikan bahwa sebagian besar tanggapan publik terhadap film tersebut bersifat positif, terutama terkait unsur komedi yang menjadi daya tarik utama film.

PENGEMBANGAN MEDIA PEMBELAJARAN BERBASIS WEBSITE PADA MATERI PROSES BISNIS BIDANG TJKT

2026-05-30T22:49:34+07:00

Pemanfaatan media interaktif pada mata pelajaran Dasar-Dasar Teknik Jaringan Komputer dan Telekomunikasi (TKJT) di SMK N 1 Sintuk Toboh Gadang belum optimal. Permasalahan utama adalah rendahnya hasil belajar siswa, di mana 93% siswa belum mencapai Standar Ketuntasan Minimal (SKM) pada materi Proses Bisnis akibat metode konvensional yang minim visualisasi. Tujuan penelitian ini adalah mengembangkan media pembelajaran berbasis website yang valid dan praktis. Metode penelitian menggunakan Iterative Life Cycle of Software Development (SDLC) yang mencakup tahap Requirements, Design, Implementation, Verification, dan Maintenance. Subjek penelitian terdiri dari 27 siswa kelas X TKJT. Hasil penelitian menunjukkan tingkat validitas konten sebesar 100% (Sangat Valid). Pengujian beta testing oleh ahli memperoleh nilai 84,19% (Sangat Layak). Uji praktikalitas oleh guru mencapai 93,15% (Sangat Praktis) dan oleh siswa sebesar 88,87% (Sangat Praktis). Simpulan dari penelitian ini adalah media pembelajaran berbasis website yang dikembangkan sangat layak dan praktis untuk digunakan dalam proses pembelajaran di sekolah.

IMPLEMENTASI SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN SUPLIER TERBAIK MENGGUNAKAN METODE SIMPLE MULTI ATTRIBUTE RATING TECHNIQUE (SMART) DI PT. MITRA BELANJA ANDA

2026-05-30T22:51:03+07:00

Pemilihan supplier merupakan keputusan strategis yang berdampak langsung pada operasional perusahaan. Di PT. Mitra Belanja Anda, tim pengadaan menghadapi tantangan dalam menentukan kriteria prioritas secara objektif, sehingga risiko ketergantungan pada satu supplier dapat menghambat proses logistik dan produksi. Penelitian ini bertujuan mengembangkan Sistem Penunjang Keputusan (SPK) untuk meningkatkan efektivitas dan objektivitas dalam seleksi supplier. Metode yang digunakan adalah Simple Multi Attribute Rating Technique (SMART) dengan kriteria evaluasi meliputi kualitas produk, jaminan ketepatan waktu, harga, dukungan layanan, serta kapasitas keandalan. Sistem ini diimplementasikan menggunakan bahasa pemrograman PHP dan database MySQL. Hasil penelitian menunjukkan bahwa penerapan metode SMART mampu memberikan rekomendasi yang terukur. Berdasarkan hasil perhitungan sistem, PT. David Roy terpilih sebagai supplier terbaik dengan nilai akhir sebesar 3,36. Penggunaan SPK ini diharapkan dapat membantu perusahaan dalam memitigasi risiko operasional melalui penilaian supplier yang lebih terstruktur.

PENGENALAN TINGKAT KEMATANGAN BUAH PISANG BERBASIS CITRA DENGAN METODE CONVOLUTIONAL NEURAL NETWORK

2026-05-30T22:52:21+07:00

Pisang merupakan komoditas hortikultura krusial di Indonesia, di mana tingkat kematangannya menjadi indikator utama penentu kualitas pascapanen. Namun, proses penentuan kematangan di lapangan umumnya masih dilakukan secara manual dan subjektif, sehingga sering memicu inkonsistensi klasifikasi yang berdampak pada kerugian ekonomi. Penelitian ini bertujuan untuk mengotomatisasi proses tersebut dengan mengevaluasi dan membandingkan performa tiga arsitektur deep learning, yaitu Convolutional Neural Network (CNN) standar, VGG16, dan ResNet50, dalam mengklasifikasikan citra buah pisang ke dalam empat kategori kematangan. Evaluasi model dilakukan melalui skenario pelatihan 20 dan 50 epoch, dengan kinerja diukur menggunakan confusion matrix berdasarkan metrik Accuracy, Precision, Recall, dan F1-Score. Hasil pengujian pada skenario 50 epoch menunjukkan model CNN standar mencapai akurasi tertinggi sebesar 98,39%, disusul oleh VGG16 dengan 96,62%. Sebaliknya, ResNet50 mengalami underfitting dengan akurasi stagnan di 50,53%. Kesimpulannya, model CNN terbukti lebih efisien dan akurat untuk dataset citra ini dibandingkan arsitektur jaringan yang terlalu kompleks.

KLASIFIKASI KARYAWAN BERDASARKAN KESEHATAN MENTAL DAN DAMPAKNYA TERHADAP TURNOVER MENGGUNAKAN EXPLORATORY DATA ANALYSIS DAN MACHINE LEARNING

2026-05-30T22:53:42+07:00

Turnover karyawan merupakan tantangan utama dalam manajemen sumber daya manusia karena berdampak langsung pada stabilitas organisasi, biaya rekrutmen, serta keberlanjutan produktivitas tenaga kerja. Penelitian ini bertujuan untuk menganalisis hubungan antara faktor kesehatan mental dan kecenderungan turnover serta mengembangkan model klasifikasi berbasis machine learning untuk memprediksi risiko berhenti kerja secara lebih akurat. Dataset yang digunakan berasal dari survei terhadap 1.251 responden yang terdiri dari pekerja dan wirausaha di Kabupaten Purwakarta, yang merepresentasikan kondisi psikososial tenaga kerja pada sektor jasa dan teknologi. Analisis diawali dengan Exploratory Data Analysis (EDA) untuk memahami distribusi dan hubungan antarvariabel. Ketidakseimbangan kelas pada variabel target diatasi menggunakan Synthetic Minority Over-sampling Technique (SMOTE) guna meningkatkan kualitas pembelajaran model. Empat algoritma machine learning diuji, yaitu Logistic Regression, Decision Tree, Random Forest, dan Support Vector Classifier (SVC). Hasil evaluasi menunjukkan bahwa Random Forest memberikan performa terbaik dengan akurasi 0.7102, precision 0.725, recall 0.7117, dan F1-score 0.7183. Temuan ini menunjukkan bahwa tekanan pekerjaan, kelelahan, dan kualitas hubungan interpersonal merupakan prediktor utama terbentuknya turnover intention. Penelitian ini berkontribusi pada pengembangan analitik sumber daya manusia berbasis data dengan memanfaatkan pendekatan machine learning untuk mengidentifikasi risiko turnover secara lebih dini, serta memberikan dasar bagi organisasi dalam merancang strategi retensi karyawan berbasis kesejahteraan mental.

ANALISIS POLA PEMBELIAN KONSUMEN UNTUK MENENTUKAN PROMOTION SESSION MENGGUNAKAN ALGORITMA APRIORI

2026-05-30T22:54:46+07:00

DM Grosir Sembako memiliki data transaksi penjualan dalam jumlah besar yang berpotensi dimanfaatkan guna mendukung pengambilan keputusan bisnis. Meskipun demikian, pemanfaatan data tersebut masih terbatas pada analisis per produk, sehingga belum mampu mengungkap pola keterkaitan antar produk yang kerap dibeli secara bersamaan. Akibatnya, optimalisasi data dalam penentuan strategi promosi belum tercapai secara maksimal. Penelitian ini bertujuan untuk menganalisis pola pembelian konsumen sebagai landasan penetapan sesi promosi berupa bundling produk. Pendekatan yang diterapkan adalah data mining dengan algoritma Apriori serta metodologi CRISP-DM, yang mencakup tahapan business understanding, data understanding, data preparation, modeling, evaluation, dan deployment. Data yang dianalisis terdiri dari 9.406 transaksi penjualan pada bulan November 2025, dengan parameter minimum support sebesar 0,15%, minimum confidence 20%, serta lift > 1. Hasil penelitian mengungkap bahwa algoritma Apriori berhasil mengidentifikasi pola asosiasi antar produk yang signifikan, ditandai dengan nilai lift lebih besar dari satu, yang menunjukkan adanya hubungan kuat antar produk tersebut. Pola-pola ini dapat dijadikan dasar penyusunan strategi bundling produk yang lebih tepat dan efektif.

PENERAPAN DATA MINING UNTUK ANALISIS SENTIMEN PUBLIK TERHADAP WHIPPINK PADA PLATFORM X MENGGUNAKAN RANDOM FOREST

2026-05-30T22:55:44+07:00

Media sosial menghasilkan volume opini publik yang sangat besar dan tidak terstruktur sehingga memerlukan pendekatan komputasional untuk dianalisis secara sistematis. Salah satu isu yang ramai diperbincangkan di platform X adalah fenomena Whippink yang berkaitan dengan penggunaan nitrous oxide (N₂O) dan memunculkan beragam tanggapan dari masyarakat. Permasalahan penelitian ini adalah bagaimana mengidentifikasi serta mengklasifikasikan kecenderungan sentimen publik terhadap fenomena tersebut berdasarkan data percakapan pada media sosial. Penelitian ini guna menganalisis sentimen masyarakat terhadap fenomena Whippink pada platform X menggunakan algoritma Random Forest. Data penelitian diperoleh melalui teknik web scraping dengan kata kunci #WHIPPINK pada periode Januari 2024 hingga Februari 2026 dan menghasilkan 500 tweet berbahasa Indonesia. Tahapan penelitian meliputi pelabelan sentimen, preprocessing teks, pembobotan fitur diimplementasikan melalui TF-IDF, data dibagi dengan rasio 80:20, serta evaluasi model diimplementasikan dengan confusion matrix dengan metrik accuracy, precision, recall, dan F1-score. Hasil penelitian membuktikan sentimen negatif mendominasi sebesar 71,4%, sedangkan sentimen positif sebesar 28,6%. Model Random Forest dengan 400 pohon keputusan menghasilkan akurasi 85,86% dan weighted F1-score 0,85, yang menunjukkan performa klasifikasi yang baik dalam memetakan persepsi publik.

PENERAPAN ALGORITMA K-MEANS CLUSTERING UNTUK ANALISIS FAKTOR PENYEBAB STUNTING

2026-05-30T22:57:05+07:00

Stunting masih menjadi salah satu permasalahan utama dalam kesehatan masyarakat di Indonesia karena berdampak pada pertumbuhan fisik anak, perkembangan kognitif, serta kualitas sumber daya manusia di masa depan. Kondisi ini umumnya disebabkan oleh kekurangan gizi kronis yang terjadi dalam jangka panjang dan dipengaruhi oleh berbagai faktor, seperti sanitasi lingkungan, akses layanan kesehatan, serta kondisi sosial ekonomi. Meskipun berbagai upaya telah dilakukan, analisis faktor penyebab stunting, khususnya di tingkat desa, masih belum dilakukan secara terstruktur dan berbasis data. Hal ini menyebabkan intervensi yang diberikan sering kali kurang tepat sasaran. Penelitian ini bertujuan untuk mengelompokkan wilayah desa berdasarkan faktor risiko stunting guna mendukung perumusan kebijakan yang lebih efektif. Metode yang digunakan adalah Knowledge Discovery in Databases (KDD) dengan algoritma K-Means Clustering yang memanfaatkan tujuh variabel indikator. Proses analisis dilakukan melalui tahapan preprocessing, transformasi data, serta proses clustering. Hasil penelitian menunjukkan bahwa jumlah cluster optimal adalah tiga cluster dengan nilai silhouette sebesar 0,36, yang terdiri dari cluster risiko tinggi, sedang, dan rendah. Temuan ini diharapkan dapat menjadi dasar dalam pengambilan keputusan dan perencanaan program penanganan stunting yang lebih terarah dan berbasis data.

ANALISIS KOMPARATIF RANDOM SURVIVAL FOREST DAN COX PROPORTIONAL HAZARDS MODEL DALAM PREDIKSI KELANGSUNGAN HIDUP DAN FAKTOR PROGNOSTIK PADA PASIEN AMYOTROPHIC LATERAL SCLEROSIS

2026-05-30T22:58:38+07:00

Amyotrophic Lateral Sclerosis (ALS) merupakan penyakit neurodegeneratif progresif dengan heterogenitas klinis tinggi yang menyulitkan prediksi kelangsungan hidup pasien secara akurat. Kondisi ini menjadi tantangan besar dalam manajemen klinis dan perencanaan paliatif. Permasalahan utama muncul karena model statistik konvensional sering kali terbentur pada pelanggaran asumsi fungsional saat menangani data klinis kompleks, dinamis, dan memiliki tingkat censoring tinggi. Ketidakmampuan model menangkap interaksi non-linier antar variabel menyebabkan penurunan akurasi prognosis. Oleh karena itu, penelitian ini melakukan analisis komparatif antara Cox Proportional Hazards (CPH) dan Random Survival Forest (RSF) untuk mengevaluasi performa prediksi survival serta mengidentifikasi faktor prognostik paling berpengaruh. Metodologi penelitian menggunakan data longitudinal dari PRO-ACT database, meliputi tahapan pra-pemrosesan data, penanganan missing values, serta rekayasa fitur slope ALSFRS-R. Hasil pengujian menunjukkan model CPH melanggar asumsi proporsionalitas pada variabel klinis utama (p < 0,05). Namun secara empiris, CPH menunjukkan daya diskriminasi superior dengan Concordance Index (C-index) sebesar 0,91, mengungguli RSF yang mencapai 0,85. Analisis permutation importance pada RSF mengidentifikasi durasi diagnosis (Length_Diag_LNA) sebagai prediktor paling dominan. Penelitian menyimpulkan bahwa meskipun CPH memberikan akurasi prediksi lebih tinggi, Hasil analisis menunjukkan bahwa RSF merupakan metode yang lebih efektif untuk prediksi kelangsungan hidup dan faktor prognosis pada kasus ALS.

RANCANG BANGUN SISTEM INFORMASI KONSULTASI DOKTER ONLINE DI RUMAH SAKIT TK II MOH RIDWAN MEURAKSA

2026-05-30T23:05:38+07:00

Keterbatasan akses layanan kesehatan, tingginya antrean fisik di rumah sakit, serta pengelolaan data konsultasi yang masih belum terintegrasi menjadi permasalahan utama dalam pelayanan medis, khususnya pada proses konsultasi dokter. Kondisi tersebut berpotensi menimbulkan keterlambatan pelayanan, ketidakefisienan administrasi, dan risiko kesalahan pencatatan data pasien. Penelitian ini bertujuan merancang dan membangun sistem informasi konsultasi dokter secara online yang mampu meningkatkan efektivitas dan efisiensi pelayanan kesehatan. Metode yang digunakan adalah pendekatan rekayasa perangkat lunak dengan tahapan analisis kebutuhan, perancangan sistem, implementasi, serta pengujian menggunakan metode black box testing. Sistem yang dikembangkan menyediakan fitur login berbasis hak akses (admin, dokter, dan pasien), pengelolaan jadwal praktik, pengajuan dan konfirmasi konsultasi, rekam medis elektronik, serta pengaturan metode pembayaran. Hasil pengujian menunjukkan seluruh fungsi sistem berjalan sesuai dengan skenario yang dirancang dan dinyatakan valid. Dengan demikian, sistem informasi konsultasi dokter online ini mampu mendukung peningkatan aksesibilitas layanan, mempercepat proses administrasi, serta membantu pengelolaan data medis secara lebih terstruktur dan terintegrasi

PENGEMBANGAN GAME EDUKASI CABEKO DAN EVALUASI PENERIMAANNYA UNTUK PEMBELAJARAN PENGENALAN POLA MENGGUNAKAN TECHNOLOGY ACCEPTANCE MODEL

2026-05-30T23:07:19+07:00

Rendahnya kemampuan pengenalan pola pada siswa SMK akibat dominasi metode pembelajaran konvensional menunjukkan perlunya inovasi media pembelajaran yang lebih interaktif. Permasalahan ini mendorong perlunya pengembangan media yang mampu meningkatkan keterlibatan dan pemahaman siswa. Penelitian ini bertujuan untuk mengembangkan game edukasi CABEKO (Cara Berpikir Komputasional) berbasis Construct 3 serta menganalisis tingkat penerimaan pengguna menggunakan Technology Acceptance Model (TAM). Metode yang digunakan adalah Research and Development (R&D) dengan model Analysis, Design, Development, Implementation, Evaluation (ADDIE). Pengujian dilakukan melalui validasi ahli materi dan media, pengujian Black Box, serta uji coba lapangan terhadap 35 siswa kelas X MPLB di SMKN 1 Sukoharjo. Data dianalisis menggunakan Partial Least Squares - Structural Equation Modeling (PLS-SEM) dengan SmartPLS. Hasil penelitian menunjukkan bahwa game CABEKO berfungsi optimal dan mendapat predikat "Sangat Layak" dari para validator. Analisis TAM menunjukkan bahwa Persepsi Kemanfaatan berperan sebagai mediator penuh antara Persepsi Kemudahan Penggunaan terhadap Sikap Pengguna (t = 4,700; p < 0,001). Selanjutnya, Sikap Pengguna berpengaruh signifikan terhadap Niat Menggunakan (t = 9,057; p < 0,001). Temuan ini menegaskan bahwa kemudahan penggunaan harus disertai manfaat nyata agar membentuk sikap positif pengguna. Game CABEKO terbukti layak serta dapat diterima sebagai media pembelajaran pengenalan pola di tingkat SMK

SISTEM INFORMASI PENGELOLAAN SURAT MASUK DAN SURAT KELUAR BERBASIS WEB DI SMK YPE NUSANTARA SLAWI

2026-05-30T23:08:49+07:00

Pengelolaan surat masuk dan surat keluar merupakan salah satu kegiatan administrasi penting dalam menunjang kelancaran operasional sekolah. Pada SMK YPE Nusantara Slawi, proses pengelolaan surat sebelumnya masih dilakukan secara manual menggunakan buku agenda dan penyimpanan arsip fisik. Cara tersebut menyebabkan pengelolaan data surat menjadi kurang efektif, proses pencarian surat membutuhkan waktu yang lebih lama, serta berpotensi menimbulkan kesalahan dalam pencatatan dan penyusunan laporan. Penelitian ini bertujuan untuk merancang dan mengimplementasikan sistem informasi pengelolaan surat masuk dan surat keluar berbasis web untuk membantu proses administrasi persuratan di sekolah. Metode pengembangan sistem yang digunakan adalah metode prototyping yang meliputi tahapan analisis kebutuhan, perancangan sistem, pembuatan prototype, implementasi, dan pengujian. Perancangan sistem dilakukan menggunakan Unified Modeling Language (UML) untuk menggambarkan struktur dan proses sistem. Sistem dikembangkan berbasis web sehingga dapat diakses dengan mudah melalui perangkat komputer. Fitur yang tersedia dalam sistem meliputi pengelolaan surat masuk, surat keluar, disposisi surat, buku tamu, manajemen pengguna, notifikasi, serta pembuatan laporan administrasi surat. Hasil pengujian menggunakan black box testing menunjukkan bahwa seluruh fungsi sistem dapat berjalan sesuai dengan kebutuhan pengguna. Dengan adanya sistem ini diharapkan pengelolaan data surat di sekolah menjadi lebih terstruktur, mempermudah proses pencarian data, serta meningkatkan efisiensi dalam pengelolaan administrasi persuratan

SISTEM INFORMASI PRESENSI KEPEGAWAIAN BERBASIS WEB DI SMK YPE NUSANTARA SLAWI

2026-05-30T23:10:22+07:00

Presensi kepegawaian merupakan kegiatan penting dalam pengelolaan administrasi sekolah karena berkaitan dengan kedisiplinan serta monitoring kehadiran pegawai. Pada SMK YPE Nusantara Slawi, proses presensi masih dilakukan secara konvensional menggunakan buku presensi dan rekapitulasi data menggunakan Microsoft Excel sehingga berpotensi menimbulkan kesalahan pencatatan, keterlambatan pengolahan data, serta kesulitan dalam melakukan monitoring kehadiran. Penelitian ini bertujuan untuk merancang dan membangun Sistem Informasi Presensi Pegawai Berbasis Web yang dapat membantu proses pencatatan dan pengelolaan data presensi secara lebih terstruktur. Metode pengumpulan data dilakukan melalui observasi, wawancara, dan studi literatur. Perancangan sistem menggunakan metode prototyping dengan pendekatan Unified Modeling Language (UML), sedangkan pengujian sistem menggunakan metode black box testing. Sistem yang dikembangkan memiliki beberapa fitur utama seperti pengelolaan data pegawai, presensi masuk dan pulang dengan dukungan geolocation dan live photo, pengajuan izin pegawai, monitoring kehadiran oleh kepala sekolah, serta rekapitulasi laporan presensi yang dapat dicetak dalam bentuk PDF. Hasil penelitian menunjukkan bahwa sistem yang dibangun mampu mempermudah proses pencatatan presensi, meningkatkan keakuratan data kehadiran, serta membantu pihak sekolah dalam melakukan monitoring dan pengolahan laporan presensi secara lebih efektif dan efisien.

ANALISIS KOMPARASI METODE SVM DAN MODERNBERT DALAM KLASIFIKASI SENTIMEN OPINI PUBLIK DI PLATFORM TIKTOK MENGENAI BANJIR BANDANG DI SUMATRA

2026-05-30T23:12:15+07:00

Peristiwa banjir bandang di Sumatra pada tahun 2025 memicu berbagai reaksi masyarakat yang banyak disampaikan melalui media sosial, khususnya TikTok. Namun, tingginya volume komentar yang tidak terstruktur menyulitkan dalam memahami kecenderungan opini publik secara sistematis. Oleh karena itu, diperlukan pendekatan analisis sentimen untuk mengidentifikasi polaritas opini masyarakat secara otomatis. Penelitian ini bertujuan untuk menganalisis distribusi sentimen serta membandingkan kinerja metode Support Vector Machine (SVM), ModernBERT dan BERT sebagai metode pembanding tambahan dalam mengklasifikasikan sentimen komentar TikTok terkait banjir bandang di Sumatra. Metode yang digunakan adalah pendekatan kuantitatif komparatif dengan dataset sebanyak 6.999 komentar yang dikumpulkan melalui teknik web scraping. Data diproses melalui tahapan preprocessing, kemudian diklasifikasikan menggunakan SVM berbasis TF-IDF serta model BERT dan ModernBERT melalui proses fine-tuning. Evaluasi dilakukan menggunakan metrik akurasi, precision, recall, dan F1-score. Hasil penelitian menunjukkan bahwa ModernBERT memiliki performa terbaik dengan akurasi sekitar 93%, diikuti SVM sebesar 89,43%, dan BERT sebesar 88%. Temuan ini menunjukkan bahwa model berbasis Transformer yang telah dioptimasi mampu memahami konteks bahasa informal media sosial dengan lebih baik dibandingkan metode lainnya

MODEL INTEGRATIF TATA KELOLA, TEKNOLOGI, DAN KEBERLANJUTAN DALAM PENGEMBANGAN SMART CITY: A SYSTEMATIC LITERATURE REVIEW

2026-05-31T05:26:50+07:00

Penelitian ini dilatarbelakangi oleh pesatnya urbanisasi global yang mendorong penerapan konsep smart city sebagai strategi pembangunan perkotaan berkelanjutan. Namun, literatur menunjukkan adanya heterogenitas definisi, fragmentasi pendekatan, serta ketidakseimbangan integrasi antara dimensi tata kelola, teknologi, dan keberlanjutan. Penelitian ini bertujuan untuk mensintesis evolusi konseptual, mengidentifikasi mekanisme integrasi antar dimensi utama, serta mengungkap kesenjangan teoretis dan metodologis dalam pengembangan smart city. Metode yang digunakan adalah systematic literature review terhadap artikel terindeks Scopus, IEEE Xplore, dan SINTA pada periode 2021–2026 melalui tahapan identifikasi, screening, evaluasi, dan inklusi, sehingga diperoleh 28 artikel utama untuk dianalisis. Hasil penelitian menunjukkan bahwa konsep smart city telah bergeser dari pendekatan teknologi-sentris menuju kerangka multidimensional integratif, dengan tata kelola sebagai pengarah kebijakan, teknologi sebagai enabler operasional, dan keberlanjutan sebagai outcome utama. Studi ini juga mengidentifikasi dominasi indikator teknologi dibandingkan indikator sosial dan lingkungan, serta keterbatasan evaluasi berbasis dampak. Penelitian ini berkontribusi dalam merumuskan kerangka integratif yang memperkuat harmonisasi indikator dan pengembangan model evaluasi smart city yang lebih komprehensif dan berkelanjutan

KLASIFIKASI BERITA HOAKS DAN FAKTA BERDASARKAN REPRESENTASI TF-IDF MENGGUNAKAN SUPPORT VECTOR MACHINE

2026-05-31T05:30:55+07:00

Perkembangan media digital yang pesat menyebabkan penyebaran informasi berlangsung sangat cepat, termasuk munculnya berita hoaks yang dapat menimbulkan misinformasi di masyarakat. Permasalahan dalam penelitian ini adalah sulitnya membedakan berita hoaks dan fakta secara otomatis karena tingginya volume informasi yang beredar. Penelitian ini dilakukan untuk menganalisis kinerja algoritma Support Vector Machine (SVM) dalam membedakan berita hoaks dan fakta berbahasa Indonesia menggunakan fitur Term Frequency–Inverse Document Frequency (TF-IDF). Dataset yang dipakai berjumlah 1.896 berita yang terdiri dari 948 berita hoaks dan 948 berita fakta. Langkah-langkah penelitian mencakup pembersihan teks, ekstraksi fitur dengan TF-IDF, pembagian data menjadi data pelatihan (80%) dan data pengujian (20%), serta proses pengklasifikasian dengan SVM. Penilaian kinerja model dilakukan dengan confusion matrix dengan metrik accuracy, precision, recall, dan F1-score. Hasil penelitian menunjukkan bahwa model ini berhasil mencapai akurasi 97% dengan nilai precision, recall, dan F1-score masing-masing sebesar 0,97. Temuan ini menandakan bahwa metode SVM yang menggunakan TF-IDF efektif dalam mengenali berita hoaks dan berita yang benar

ANALISIS KONSUMSI ENERGI NODE IOT BERBASIS FSM PADA PROTOKOL MQTT

2026-05-31T05:34:56+07:00

Perkembangan teknologi Internet of Things (IoT) mendorong kebutuhan sistem pemantauan yang handal dan hemat energi pada perangkat dengan sumber daya terbatas. Namun, minimnya pemahaman terhadap profil konsumsi energi perangkat IoT secara nyata menjadi tantangan dalam merancang sistem yang efisien. Penelitian ini bertujuan menganalisis konsumsi energi NodeMCU ESP32 yang terintegrasi dengan sensor soil moisture dan DHT11 menggunakan protokol komunikasi MQTT. Pendekatan Finite State Machine (FSM) diterapkan untuk mendefinisikan empat state operasional, yaitu Disconnected, Connecting, Connected, dan Publishing, sebagai kerangka pengukuran yang sistematis. Pengukuran dilakukan selama 12 siklus operasional dalam dua sesi, masing-masing berdurasi satu jam. Hasil menunjukkan bahwa state Connected mendominasi 93,75% dari total waktu operasional, sementara state Publishing mencakup 5,98%. Rata-rata konsumsi energi per siklus adalah 0,4304 Wh, dengan proyeksi konsumsi harian sebesar ±10,33 Wh pada operasi kontinu 24 jam. Sesi 2 memperlihatkan konsistensi lebih baik dengan range hanya 0,0150 Wh dibandingkan Sesi 1. Implementasi FSM terbukti menghasilkan profil konsumsi energi yang stabil dan dapat menjadi acuan teknis dalam perancangan sistem IoT hemat energi

SISTEM INFORMASI MONITORING SISWA BERBASIS WEBSITE

2026-05-31T05:36:41+07:00

Pengelolaan data kehadiran, pelanggaran, dan konseling siswa di SMK Nurul Ulum Lebaksiu masih dilakukan secara terpisah sehingga proses monitoring siswa kurang efektif dan menyulitkan dalam pencarian data serta penyusunan laporan. Penelitian ini bertujuan untuk merancang dan mengimplementasikan sistem informasi monitoring siswa berbasis web yang mengintegrasikan data kehadiran, pelanggaran, dan konseling siswa dalam satu sistem. Metode pengembangan sistem yang digunakan adalah prototyping yang meliputi analisis kebutuhan, perancangan, pembuatan prototype, implementasi, pengujian, dan pemeliharaan sistem. Perancangan sistem dilakukan menggunakan Unified Modeling Language (UML) untuk memodelkan proses dan struktur sistem. Sistem dikembangkan berbasis web sehingga dapat diakses melalui komputer maupun smartphone. Fitur sistem meliputi presensi siswa menggunakan kamera, pengajuan izin atau sakit, pencatatan pelanggaran dan konseling, monitoring data siswa oleh wali kelas dan kepala sekolah, serta rekap dan pencetakan laporan. Hasil pengujian menggunakan black box testing menunjukkan bahwa seluruh fungsi sistem berjalan dengan baik sesuai kebutuhan pengguna. Sistem ini membantu sekolah dalam melakukan monitoring siswa secara lebih efektif, terintegrasi, dan mempermudah pengelolaan data serta penyusunan laporan

IMPLEMENTASI AGILE SCRUM DALAM PENGEMBANGAN SISTEM INFORMASI ASET BERBASIS WEB DENGAN FITUR QR CODE DAN AUDIT TRAIL PADA PT NUCLEAR COATING FABRIC

2026-05-31T05:38:19+07:00

Perkembangan teknologi informasi mendorong perusahaan untuk meningkatkan efisiensi dan transparansi dalam pengelolaan aset. PT. Nuclear Coating Fabric sebagai perusahaan manufaktur masih menggunakan metode manual berbasis spreadsheet yang rentan terhadap kesalahan dan sulit dalam pelacakan aset. Penelitian ini bertujuan untuk merancang dan mengimplementasikan sistem informasi manajemen aset berbasis web yang terintegrasi dengan teknologi QR Code, fitur scanner QR Code, serta audit trail untuk mencatat aktivitas pengguna. Sistem juga mendukung pengelolaan komponen aset dan pelacakan riwayat lokasi aset. Metode pengembangan yang digunakan adalah Agile dengan kerangka kerja Scrum, sedangkan implementasi sistem menggunakan framework Laravel dan Livewire. Pengujian sistem dilakukan menggunakan metode black box testing yang menunjukkan seluruh fungsi berjalan sesuai dengan kebutuhan yang telah ditetapkan. Selain itu, pengujian beta yang melibatkan pengguna akhir menunjukkan bahwa sistem mudah digunakan dan mampu mendukung kebutuhan operasional dengan rata-rata nilai sebesar 4,71 dari skala 5. Dengan demikian, sistem yang dikembangkan dapat menjadi solusi efektif dalam meningkatkan efisiensi, akurasi, dan transparansi pengelolaan aset perangkat elektronik di perusahaan

IMPROVING FRAUD DETECTION IN FINANCIAL TRANSACTIONS USING SMOTE AND MACHINE LEARNING TECHNIQUES

2026-05-31T05:40:19+07:00

Perkembangan teknologi informasi mendorong meningkatnya penggunaan sistem transaksi keuangan digital yang memberikan kemudahan dan efisiensi dalam aktivitas ekonomi. Namun, peningkatan tersebut juga diikuti oleh meningkatnya risiko financial fraud yang dapat menimbulkan kerugian finansial serta menurunkan kepercayaan terhadap sistem keuangan digital. Permasalahan utama dalam deteksi fraud adalah ketidakseimbangan distribusi data antara transaksi normal dan transaksi fraud yang menyebabkan model klasifikasi kurang optimal dalam mengenali kelas minoritas. Penelitian ini bertujuan untuk meningkatkan kinerja sistem deteksi financial fraud melalui penerapan teknik penyeimbangan data menggunakan Synthetic Minority Oversampling Technique (SMOTE) yang dikombinasikan dengan algoritma machine learning. Metode penelitian meliputi analisis karakteristik dataset, preprocessing data, penerapan SMOTE, pembangunan model menggunakan Logistic Regression, Support Vector Machine, dan Random Forest, serta evaluasi performa menggunakan metrik accuracy, precision, recall, dan F1-score. Hasil penelitian menunjukkan bahwa penerapan SMOTE mampu meningkatkan kemampuan model dalam mendeteksi transaksi fraud, dengan algoritma Random Forest memberikan performa terbaik dibandingkan algoritma lainnya

ANALISIS PENGARUH FAKTOR METEOROLOGI TERHADAP KONSENTRASI PM2.5 GLOBAL DAN IMPLIKASINYA TERHADAP KESEHATAN MASYARAKAT MENGGUNAKAN RANDOM FOREST DAN XGBOOST

2026-05-31T05:42:03+07:00

PM2.5 merupakan partikel udara berdiameter ≤2,5 µm yang bersumber dari emisi kendaraan, industri, dan pembakaran biomassa, dan telah menjadi ancaman kesehatan global yang berkontribusi terhadap jutaan kematian akibat penyakit kardiovaskular dan pernapasan. Hubungan antara faktor meteorologi dan konsentrasi PM2.5 bersifat non-linear dan kompleks sehingga tidak dapat dimodelkan secara memadai menggunakan pendekatan statistik konvensional, sementara kajian integratif skala global yang menghubungkan meteorologi, PM2.5, dan implikasi kesehatan masih terbatas. Penelitian ini bertujuan menganalisis pengaruh faktor meteorologi terhadap konsentrasi PM2.5 secara global serta mengevaluasi implikasinya terhadap kesehatan masyarakat berdasarkan standar WHO AQG 2021. Analisis dilakukan menggunakan Random Forest dan XGBoost terhadap Global Air Quality Data yang mencakup 10.000 observasi dari 20 kota di 19 negara dengan variabel input suhu, kelembapan, dan kecepatan angin. Meskipun kemampuan prediksi kuantitatif terbatas akibat kompleksitas data global, Random Forest menunjukkan performa lebih baik dibanding XGBoost dengan MAE 36,31 dan RMSE 42,45. Kecepatan angin, kelembapan, dan suhu teridentifikasi sebagai faktor paling berpengaruh, dengan 79% data berada pada kategori tidak sehat hingga berbahaya berdasarkan WHO AQG 2021

MODEL PREDIKSI KOLABORASI ILMIAH DENGAN MEMBANDINGKAN WEIGHTED PREFERENTIAL ATTACHMENT DAN WEIGHTED KATZ INDEX PADA JARINGAN CO-AUTHORSHIP

2026-05-31T05:45:13+07:00

Prediksi kolaborasi ilmiah merupakan permasalahan penting dalam analisis jaringan akademik untuk mengidentifikasi potensi hubungan antar peneliti di masa depan. Namun, sebagian besar pendekatan belum mempertimbangkan frekuensi kolaborasi sebagai bobot hubungan dalam jaringan co-authorship. Oleh karena itu, penelitian ini bertujuan untuk mengembangkan model prediksi keterhubungan pada jaringan co-authorship berbobot dengan membandingkan metode Weighted Katz Index (WKatz), Weighted Preferential Attachment (WPA), serta metode dasar Preferential Attachment (PA) dan Katz Index. Dataset yang digunakan merupakan publikasi ilmiah dosen Program Studi Psikologi Universitas Ahmad Dahlan periode 2010–2024 yang dikumpulkan dari Google Scholar dan direpresentasikan sebagai graf tak berarah berbobot. Evaluasi dilakukan menggunakan skema link prediction berbasis waktu dengan sepuluh iterasi temporal dan diukur menggunakan metrik Area Under the Curve (AUC). Hasil penelitian menunjukkan bahwa Katz Index dengan parameter β = 0,01 memperoleh nilai rata-rata AUC tertinggi sebesar 0,96560, diikuti oleh WKatz sebesar 0,95376, sedangkan WPA dan PA menghasilkan nilai yang lebih rendah, masing-masing sebesar 0,67870 dan 0,64363. Temuan ini menunjukkan bahwa pendekatan berbasis Katz memiliki kinerja prediksi yang lebih unggul dibandingkan metode lainnya dalam konteks jaringan co-authorship berbobot

PENERAPAN ALGORITMA CLUSTERING DALAM SEGMENTASI PASAR BERDASARKAN DATA DEMOGRAFIS UNTUK STRATEGI PEMASARAN YANG LEBIH EFEKTIF

2026-05-31T05:47:48+07:00

Perubahan perilaku konsumen menuntut perusahaan menerapkan pemasaran berbasis data (data-driven marketing) untuk memahami pola pembelian berdasarkan demografi. Permasalahan sering kali muncul ketika data pelanggan menjadi semakin kompleks dan terus bertambah, sehingga proses segmentasi secara manual tidak lagi memadai dan membutuhkan pengelompokan secara otomatis. Penelitian ini bertujuan untuk mengembangkan model segmentasi pelanggan menggunakan algoritma K-Means secara terfokus serta menyusun strategi pemasaran langsung dari hasil segmentasi tersebut. Pendekatan metode kuantitatif digunakan dengan memanfaatkan dataset Mall Customer Segmentation Data dari platform Kaggle. Algoritma K-Means diterapkan sebagai metode komputasi utama mulai dari penentuan jumlah kelompok optimal menggunakan metode Elbow hingga tahap pemetaan akhir. Kualitas hasil pembentukan lima cluster pelanggan tersebut dievaluasi secara matematis menggunakan metrik Silhouette Score. Hasil perhitungan metrik tersebut mencatatkan skor sebesar 0,3575963460506624. Penelitian ini memetakan profil dan karakteristik khas pada setiap kelompok pelanggan yang kemudian menjadi landasan valid untuk merumuskan rekomendasi strategi pemasaran yang lebih relevan, konkret, dan tepat sasaran.

PEMANFAATAN TEKNOLOGI AUGMENTED REALITY BERBASIS MARKER SEBAGAI MEDIA PEMBELAJARAN TATA CARA WUDHU PADA SISWA SEKOLAH DASAR

2026-05-31T05:51:43+07:00

Pembelajaran praktik ibadah pada siswa sekolah dasar, khususnya tata cara wudhu, memerlukan metode yang menarik agar siswa dapat memahami urutan dan gerakan wudhu dengan benar. Namun, dalam praktiknya masih ditemukan siswa yang belum melaksanakan wudhu secara tertib karena metode pembelajaran yang digunakan masih bersifat konvensional dan kurang memberikan visualisasi yang jelas. Penelitian ini bertujuan untuk mengembangkan media pembelajaran tata cara wudhu berbasis Augmented Reality (AR) sebagai sarana pembelajaran yang lebih interaktif dan menarik bagi siswa sekolah dasar. Metode yang digunakan dalam penelitian ini adalah Multimedia Development Life Cycle (MDLC) yang meliputi tahapan concept, design, material collecting, assembly, testing, dan distribution. Proses pembuatan objek dan animasi tiga dimensi dilakukan menggunakan perangkat lunak Blender, kemudian diintegrasikan ke dalam platform Assemblr EDU dengan metode marker-based tracking sehingga animasi dapat ditampilkan melalui pemindaian marker menggunakan smartphone. Hasil pengujian sistem menggunakan metode black box menunjukkan bahwa seluruh fitur aplikasi berjalan baik. Pengujian kepada 30 siswa SD Muhammadiyah 2 Tulangan menunjukkan adanya peningkatan pemahaman siswa terhadap urutan dan gerakan wudhu setelah menggunakan media berbasis AR. Tingkat kepuasan pengguna menunjukkan hasil 88% siswa puas terhadap AR tata cara wudhu. Dengan demikian, media pembelajaran ini dapat membantu meningkatkan pemahaman dan ketertarikan siswa dalam mempelajari tata cara wudhu

PENGEMBANGAN GAME UP 2 DOWN BIRDIE MELALUI INTEGRASI ALGORITMA CIRCLE COLLISION DETECTION MENGGUNAKAN PLATFORM SCRATCH

2026-05-31T05:53:41+07:00

Game merupakan media interaktif yang memanfaatkan algoritma komputasi untuk menciptakan pengalaman bermain yang dinamis, salah satunya melalui mekanisme collision detection. Permasalahan dalam penelitian ini adalah perlunya metode deteksi tabrakan yang akurat, ringan, dan mudah diimplementasikan pada platform pemrograman visual seperti Scratch agar interaksi antar objek dapat berjalan secara real-time. Penelitian ini bertujuan untuk mengembangkan game “Up 2 Down Birdie” dengan mengintegrasikan algoritma Circle Collision Detection serta mengevaluasi efektivitasnya. Metode yang digunakan adalah pendekatan kualitatif dengan model Multimedia Development Life Cycle (MDLC) yang meliputi tahap concept, design, material collecting, assembly, testing, dan distribution. Pengujian dilakukan menggunakan metode black-box serta evaluasi pengguna melalui kuesioner terhadap 50 responden. Hasil penelitian menunjukkan bahwa seluruh fitur berjalan sesuai perancangan, dan algoritma mampu mendeteksi tabrakan secara real-time tanpa delay. Evaluasi pengguna menunjukkan tingkat kepuasan sebesar 82,8% dan akurasi deteksi mencapai 89,6%. Dengan demikian, integrasi Circle Collision Detection pada Scratch terbukti efektif untuk pengembangan game arcade sederhana yang responsif dan edukatif

SISTEM INTERNET OF THINGS (IoT) UNTUK INSTALASI PENGOLAHAN AIR LIMBAH (IPAL) SEBAGAI SOLUSI SMART BUILDING RAMAH LINGKUNGAN

2026-05-31T08:10:44+07:00

Pengelolaan air limbah yang kurang optimal dapat menyebabkan pencemaran lingkungan dan berdampak pada kesehatan masyarakat. Sistem IPAL konvensional masih bergantung pada pengukuran manual sehingga tidak menyediakan data real-time, kurangnya otomatisasi menyebabkan inefisiensi operasional, serta respons terhadap gangguan sistem menjadi lambat karena belum adanya sistem peringatan berbasis IoT. Penelitian ini bertujuan mengembangkan sistem IoT untuk pemantauan kualitas air limbah secara real-time guna menggantikan metode manual, meningkatkan efisiensi operasional instalasi pengolahan air limbah melalui sistem otomatis, serta mempercepat respons terhadap permasalahan melalui notifikasi berbasis IoT. Jenis penelitian yang digunakan adalah penelitian eksperimen dengan pendekatan kuantitatif dan deskriptif. Sistem dikembangkan menggunakan mikrokontroler NodeMCU ESP32 yang terintegrasi dengan sensor pH, kekeruhan (Turbidity), dan suhu. Pengujian dilakukan menggunakan sampel air limbah laundry dan air sumur bor sebagai pembanding, dengan hasil dibandingkan terhadap data laboratorium Dinas Lingkungan Hidup Kota Serang. Hasil pengujian menunjukkan sistem mampu membaca pH air limbah laundry sebesar 9,52 mendekati hasil laboratorium 9,43 dengan selisih ±0,1 pH setelah kalibrasi tiga titik. Sensor Turbidity membaca 99 NTU pada larutan uji 100 NTU dan sensor suhu stabil pada kisaran 27,2 ℃, dengan waktu respons sistem ±1–2 detik

KLASIFIKASI PENYAKIT KANKER HATI DALAM ALGORITMA K-NEAREST NEIGHBORS (KNN)

2026-05-31T05:58:44+07:00

Kanker hati (liver cancer) merupakan penyakit dengan tingkat mortalitas tinggi yang sering terdeteksi pada tahap lanjut, sehingga diperlukan pendekatan sistematis untuk mendukung diagnosis yang cepat dan akurat. Penelitian ini bertujuan menerapkan metode data mining menggunakan algoritma K-Nearest Neighbors (KNN) untuk mengklasifikasikan penyakit kanker hati serta mengevaluasi kinerja model. Data yang digunakan berasal dari Kaggle sebanyak 5.000 data pasien dengan 14 atribut klinis, mencakup faktor risiko seperti hepatitis, sirosis, dan diabetes, serta biomarker seperti skor fungsi hati dan kadar alpha fetoprotein. Tahap preprocessing dilakukan menggunakan Z-Transformation Normalization untuk menyetarakan skala atribut numerik, mengingat KNN berbasis perhitungan jarak. Selanjutnya, model dilatih dan diuji untuk mengukur performanya. Hasil penelitian menunjukkan bahwa model KNN mencapai akurasi sebesar 86,40% dengan nilai class precision pada prediksi positif sebesar 80,00%. Hasil ini menunjukkan bahwa algoritma KNN cukup efektif dalam mengolah data medis dan dapat dimanfaatkan sebagai alat bantu dalam proses identifikasi penyakit kanker hati secara lebih akurat

ANALISIS PERBANDINGAN KINERJA ARSITEKTUR CNN, RESNET50, DAN EFFICIENTNET-B0 UNTUK PENGENALAN EKSPRESI WAJAH (MACRO EXPRESSION)

2026-05-31T06:00:24+07:00

Penelitian ini membahas analisis perbandingan kinerja tiga arsitektur deep learning, yaitu Convolutional Neural Network (CNN), ResNet50, dan EfficientNet-B0 dalam tugas pengenalan ekspresi wajah (Facial Expression Recognition/Fer). Permasalahan utama dalam penelitian ini adalah bagaimana menentukan arsitektur yang paling efektif untuk dataset ekspresi wajah beresolusi rendah dengan distribusi kelas yang telah diseimbangkan. Penelitian bertujuan untuk mengevaluasi dan membandingkan performa ketiga model berdasarkan metrik accuracy, precision, recall, dan F1-score. Dataset yang digunakan adalah CK+ yang telah melalui tahap preprocessing meliputi resize, normalisasi, dan augmentasi data. Setiap model dilatih menggunakan dua skenario epoch, yaitu 50 dan 70 epoch. Hasil penelitian menunjukkan bahwa CNN memberikan performa terbaik dengan akurasi mencapai 0,83, serta menunjukkan stabilitas yang lebih baik dibandingkan ResNet50 mencapai akurasi 0,67 dan EfficientNet-B0 mencapai akurasi 0,50. Sementara itu, ResNet50 menunjukkan peningkatan moderat, dan EfficientNet-B0 memiliki performa terendah akibat keterbatasan dalam generalisasi pada dataset beresolusi rendah. Temuan ini menunjukkan bahwa kompleksitas model tidak selalu berbanding lurus dengan peningkatan performa

ANALISIS KOMPARATIF ALGORITMA MACHINE LEARNING UNTUK KLASIFIKASI BINER STATUS KESEHATAN MENTAL PADA TEKS MEDIA SOSIAL

2026-05-31T06:03:07+07:00

Kesehatan mental merupakan isu global yang krusial, di mana media sosial menjadi wadah utama bagi pengguna untuk mengekspresikan kondisi psikologisnya. Namun, tingginya volume data teks dan ketidakseimbangan kelas gangguan mental membuat deteksi secara manual menjadi tidak efisien dan rentan terhadap subjektivitas. Penelitian ini bertujuan untuk menganalisis dan membandingkan kinerja algoritma Machine Learning, yakni Logistic Regression dan Random Forest, dalam mengklasifikasikan status kesehatan mental secara biner. Metodologi yang digunakan meliputi pemrosesan 53.043 data teks berbahasa Inggris yang disederhanakan menjadi dua kelas, yaitu normal dan not_normal. Teks tersebut diekstraksi menggunakan Term Frequency-Inverse Document Frequency (TF-IDF) dengan batasan 8.000 fitur unigram dan bigram, kemudian dibagi menjadi 80% data latih dan 20% data uji secara stratifikasi. Hasil pengujian menunjukkan bahwa kedua model berkinerja stabil dan sangat baik. Random Forest sedikit lebih unggul dengan tingkat akurasi 93,68%, dibandingkan Logistic Regression yang mencapai 93,65%. Kedua model sama-sama mencatatkan F1-Score sebesar 94%. Pendekatan ini terbukti efisien dan sangat akurat sebagai landasan sistem deteksi dini kesehatan mental secara otomatis

ANALISIS KOMPARASI ALGORITMA K-MEANS DAN HIERARCHICAL CLUSTERING UNTUK SEGMENTASI PELANGGAN DALAM MENGGUNAKAN METODE PEMBAYARAN

2026-05-31T08:36:03+07:00

Transformasi digital dalam industri ritel menuntut pemanfaatan data transaksi melalui machine learning untuk memahami perilaku belanja pelanggan secara tepat. Namun, keterbatasan dalam mengenali profil pelanggan berdasarkan pola pembayaran digital sering kali menyebabkan strategi pemasaran tidak tepat sasaran dan kurang personal. Penelitian ini bertujuan melakukan analisis komparatif antara algoritma K-Means dan Hierarchical Clustering untuk menentukan metode segmentasi pelanggan yang paling akurat berdasarkan metode pembayaran. Penelitian ini menggunakan pendekatan kuantitatif pada 3900 data sekunder, kualitas klaster dievaluasi melalui metrik Silhouette Score, Calinski-Harabasz, dan Davies-Bouldin Index. Hasil penelitian menunjukkan bahwa kedua algoritma mampu membentuk lima klaster pelanggan dengan kualitas pemisahan yang sangat baik. Secara spesifik, K-Means menunjukkan kinerja sedikit lebih unggul dengan nilai Silhouette Score 0,8606 dibandingkan Hierarchical Clustering sebesar 0,8595. Temuan ini berhasil memetakan profil pelanggan berdasarkan metode pembayaran dominan seperti Debit Card, PayPal, dan Cash, yang dapat menjadi landasan strategis bagi perusahaan dalam merancang strategi pemasaran yang lebih personal serta tepat sasaran

PERANCANGAN SISTEM INFORMASI MANAJEMEN LAYANAN DAN KONSULTASI PADA KLINIK KECANTIKAN SEKAR BEAUTY CARE BERBASIS WEB DENGAN METODE EXTREME PROGRAMMING

2026-05-31T08:37:54+07:00

Klinik kecantikan merupakan salah satu sektor layanan kesehatan yang terus berkembang seiring meningkatnya kesadaran masyarakat terhadap pentingnya perawatan kulit dan penampilan sebagai bagian dari kesehatan dan kesejahteraan. Di era digital saat ini, pemanfaatan teknologi informasi menjadi kebutuhan penting bagi klinik untuk meningkatkan kualitas pelayanan serta efisiensi operasional. Namun, Klinik Kecantikan Sekar Beauty Care masih menggunakan sistem pengelolaan layanan yang bersifat manual, mulai dari proses pendaftaran pasien, pencatatan rekam medis, hingga konsultasi yang dilakukan menggunakan media kertas. Kondisi tersebut berpotensi menimbulkan berbagai permasalahan seperti kesalahan pencatatan, duplikasi data pasien, keterlambatan dalam pencarian informasi rekam medis, serta proses pembuatan laporan yang kurang efisien. Penelitian ini bertujuan untuk merancang dan membangun sistem informasi manajemen layanan dan konsultasi berbasis web yang mampu meningkatkan efisiensi operasional serta mempermudah interaksi antara dokter dan pasien. Metode pengembangan sistem yang digunakan adalah Extreme Programming (XP) yang meliputi tahapan perencanaan, perancangan sistem menggunakan Unified Modeling Language (UML), pengkodean, dan pengujian sistem menggunakan metode User Acceptance Test (UAT). Penelitian menunjukkan bahwa sistem yang dibangun mampu menyediakan fitur pendaftaran pasien secara daring, pengelolaan data dokter dan layanan, pemesanan jadwal perawatan, pencatatan rekam medis elektronik, serta fasilitas konsultasi online yang memudahkan pasien dalam mengakses layanan klinik secara lebih cepat, efisien, dan fleksibel

AUDIT SISTEM INFORMASI MELALUI EVALUASI KAPABILITAS TATA KELOLA ENTERPRISE RESOURCE PLANNING BERBASIS COBIT 2019

2026-05-31T08:39:19+07:00

Penerapan sistem Enterprise Resource Planning (ERP) berbasis SAP S/4HANA pada Departemen Marketing PT XYZ memegang peranan krusial dalam mengintegrasikan proses bisnis, terutama pada modul Sales and Distribution (SD). Namun, dalam operasionalnya, sistem ini masih menghadapi hambatan signifikan terkait rendahnya responsivitas layanan, manajemen insiden yang belum terstruktur, serta kurangnya standarisasi prosedur operasional. Penelitian ini bertujuan untuk melakukan evaluasi mendalam terhadap tingkat kapabilitas tata kelola teknologi informasi menggunakan kerangka kerja COBIT 2019, sekaligus mengidentifikasi kesenjangan (gap) antara kondisi saat ini (as-is) dengan target kapabilitas yang diharapkan (to-be). Metode penelitian yang diterapkan adalah audit sistem informasi dengan pendekatan mixed method yang menggabungkan wawancara mendalam, penyebaran kuesioner kepada stakeholder terkait, serta studi dokumentasi pada delapan proses prioritas dalam domain DSS, BAI, dan MEA berdasarkan hasil pemetaan Goals Cascade dan Design Factors. Hasil evaluasi menunjukkan bahwa secara umum tingkat kapabilitas tata kelola TI berada pada Level 2 (Managed Process), dengan hanya satu proses yang telah mencapai Level 3 (Established Process). Sebagian besar proses masih memiliki kesenjangan sebesar satu tingkat dari target. Sebagai solusi, disusun serangkaian rekomendasi perbaikan strategis guna meningkatkan kapabilitas menuju Level 3, dengan fokus utama pada penguatan kontinuitas layanan, sistem keamanan, manajemen insiden, pengendalian internal proses bisnis, serta tata kelola manajemen perubahan TI.

PERBANDINGAN AKURASI METODE FORECASTING PROPHET VS SARIMA PADA SISTEM INFORMASI PENGGUNAAN PRODUK BENGKEL BUBUT DAN LAS AJAIB

2026-05-31T08:41:00+07:00

Usaha jasa permesinan sangat bergantung pada ketersediaan material utama seperti pipa galvanis, plat besi, dan kotak galvanis untuk mendukung operasional. Namun, Bengkel Bubut & Las AJAIB saat ini masih mengandalkan metode estimasi stok secara manual berdasarkan insting (rule-of-thumb). Hal ini memicu permasalahan berupa risiko kelebihan persediaan (overstock) maupun kekurangan persediaan (stockout) yang dapat mengganggu efisiensi. Penelitian ini bertujuan membangun sistem informasi peramalan berbasis website untuk mengoptimalkan manajemen persediaan produk di bengkel tersebut. Pendekatan kuantitatif digunakan dengan membandingkan dua metode peramalan deret waktu, yaitu Seasonal Autoregressive Integrated Moving Average (SARIMA) dan Prophet. Data historis diolah melalui tahap praproses, uji stasioneritas (ADF), penentuan parameter (ACF/PACF), dan dievaluasi menggunakan metrik Mean Absolute Percentage Error (MAPE). Hasil pengujian membuktikan bahwa akurasi model bergantung pada karakteristik data tiap produk. Model Prophet lebih akurat dalam memprediksi pipa galvanis dengan MAPE 12,04%. Sementara itu, model SARIMA lebih unggul untuk kotak galvanis dengan MAPE 17,46% dan plat besi dengan MAPE 15,91%. Integrasi kedua model terbaik ini ke dalam sistem informasi terbukti efektif sebagai alat bantu pengambilan keputusan manajerial guna meminimalkan kesalahan perencanaan stok

PREDIKSI TREN KASUS COVID-19 DI AMERIKA SERIKAT BERDASARKAN DATA MOBILITAS MANUSIA MENGGUNAKAN LINEAR REGRESSION DAN RANDOM FOREST

2026-05-31T08:42:55+07:00

Pandemi COVID-19 memberikan dampak signifikan terhadap berbagai aspek kehidupan, termasuk kesehatan dan mobilitas masyarakat. Perubahan mobilitas manusia memiliki keterkaitan erat dengan peningkatan atau penurunan kasus COVID-19, sehingga diperlukan metode prediksi yang akurat untuk mengetahui tren kasus dalam jangka pendek. Permasalahan dalam penelitian ini adalah bagaimana memanfaatkan data mobilitas manusia untuk memprediksi perubahan jumlah kasus COVID-19 secara efektif. Penelitian ini bertujuan untuk membangun dan membandingkan model prediksi menggunakan metode regresi. Metode yang digunakan adalah pendekatan kuantitatif dengan membangun dua model, yaitu Linear Regression dan Random Forest Regressor, menggunakan data time series kasus harian COVID-19 dan mobilitas manusia di Amerika Serikat. Evaluasi dilakukan menggunakan RMSE, MAE, dan R². Hasil penelitian menunjukkan bahwa Random Forest Regressor memiliki kinerja lebih baik dibandingkan Linear Regression dalam memprediksi tren jangka pendek kasus COVID-19

KARAKTERISASI KERUSAKAN BANGUNAN MENGGUNAKAN INTEGRASI EFFICIENTNET-B7 DAN PCA-CLUSTERING

2026-05-31T09:12:37+07:00

Penilaian cepat dan akurat terhadap kerusakan bangunan pasca bencana sangat penting untuk merencanakan respons darurat dan upaya pemulihan. Namun, metode survei lapangan secara manual sering kali berisiko dan memakan waktu, sementara metode ekstraksi fitur tradisional seperti Gray Level Co-occurrence Matrix (GLCM) masih memerlukan penyesuaian parameter secara manual. Penelitian ini bertujuan untuk mengusulkan pendekatan otomatis menggunakan deep learning untuk mengelompokkan karakteristik tingkat kerusakan bangunan. Metode yang digunakan adalah integrasi Convolutional Neural Network (CNN) yaitu EfficientNet-B7 untuk ekstraksi fitur gambar yang mendalam, dipadukan dengan teknik PCA-Clustering. Tingkat kerusakan kemudian dikelompokkan berdasarkan indikator nilai komponen utama pertama (PC1). Hasil eksperimen menunjukkan keefektifan metode ini; pengujian pada sebuah sampel gambar bangunan menghasilkan nilai PC1 sebesar 5.000. Berdasarkan standar pengelompokan yang ada, nilai PC1≥2 secara akurat mengindikasikan bahwa bangunan tersebut masuk dalam kategori rusak berat. Integrasi ini menawarkan alat evaluasi yang robust dan otomatis untuk skenario nyata penanganan pasca bencana

PENERAPAN INTERNET OF THINGS UNTUK TRACKING GPS KENDARAAN PRIBADI MENGGUNAKAN ALGORITMA PARSING DATA GPS BERBASIS ARDUINO

2026-05-31T09:16:46+07:00

Perkembangan teknologi Internet of Things (IoT) memberikan peluang dalam meningkatkan sistem keamanan dan monitoring kendaraan pribadi. Permasalahan yang sering terjadi adalah tingginya risiko pencurian kendaraan serta kesulitan dalam memantau lokasi kendaraan secara real-time. Penelitian ini bertujuan untuk merancang dan mengimplementasikan sistem pelacakan kendaraan berbasis IoT menggunakan Arduino yang mampu menampilkan posisi kendaraan secara langsung. Metode yang digunakan meliputi studi literatur, perancangan sistem, implementasi perangkat keras dan perangkat lunak, serta pengujian sistem. Perangkat utama yang digunakan adalah ESP32, modul GPS NEO-6M, serta algoritma parsing data NMEA untuk mengolah data koordinat, yang kemudian dikirim ke Firebase Realtime Database dan ditampilkan melalui dashboard web berbasis Leaflet.js. Hasil penelitian menunjukkan bahwa sistem mampu menampilkan lokasi kendaraan secara real-time dengan kinerja yang cukup baik, meskipun akurasi GPS dapat dipengaruhi oleh kondisi lingkungan. Sistem yang dikembangkan dinilai fleksibel, hemat biaya, dan mudah dikembangkan, sehingga dapat menjadi solusi alternatif dalam meningkatkan keamanan kendaraan pribadi

PERBANDINGAN ARSITEKTUR ALEXNET DAN MOBILENETV3-SMALL MENGGUNAKAN ATTENTION MECHANISM PADA PENYAKIT CACAR

2026-05-31T09:19:45+07:00

Indonesia menghadapi tantangan diagnosis penyakit cacar seperti cacar air, cacar monyet, dan cacar sapi, yang sulit dibedakan secara visual. Permasalahan utama adalah kebingungan diagnosis di daerah terpencil, membebani sistem kesehatan akibat keterbatasan perangkat. Penelitian ini bertujuan membandingkan empat model CNN berbasis transfer learning pada AlexNet dan MobileNetV3-Small dengan integrasi Channel Attention Mechanism untuk meningkatkan akurasi deteksi lesi kulit. Metode menggunakan dataset MSLD v2.0 (755 citra, 6 kelas: Monkeypox, Chickenpox, Cowpox, Measles, HFMD, Healthy) dengan split 80-10-10, preprocessing 224x224 piksel, augmentasi data, optimizer Adam (lr 0.0001/0.001, batch 16/32), 50 epoch, serta fine-tuning dengan custom head (Global Average Pooling, Channel Attention, Dense 256, Dropout 0.5, Softmax). Hasil evaluasi via confusion matrix menunjukkan model optimal berakurasi tertinggi, precision/recall/F1-score superior, waktu inferensi rendah, dan kompleksitas ringan, cocok untuk perangkat terbatas

DETEKSI HAMA FALL ARMYWORM PADA TANAMAN JAGUNG MENGGUNAKAN YOLO DI DESA OESAO, KABUPATEN KUPANG, NUSA TENGGARA TIMUR

2026-05-31T09:26:00+07:00

Produksi jagung di Nusa Tenggara Timur mengalami penurunan kumulatif lebih dari 26% dalam empat tahun terakhir, salah satunya akibat serangan hama invasif Fall Armyworm (Spodoptera frugiperda) yang berpotensi menurunkan hasil panen hingga 70–80%, sementara metode pemantauan konvensional yang bersifat subjektif dan tidak efisien belum mampu menjawab kebutuhan deteksi dini secara akurat pada pertanian skala kecil. Penelitian ini bertujuan mengevaluasi kemampuan deteksi hama Fall Armyworm dan gejala kerusakannya pada daun jagung menggunakan lima varian algoritma You Only Look Once (YOLO) generasi terbaru dalam kondisi lapangan nyata. Dataset terdiri dari 2.000 gambar berlabel dua kelas, larva (Hama Fall_armyworm) dan pola kerusakan daun (fall_armyworm damage), yang dikumpulkan langsung dari lahan Desa Oesao dan diperkaya melalui platform Roboflow, kemudian dilatih dan dievaluasi pada YOLOv8n, YOLOv9t, YOLOv10n, YOLOv11n, dan YOLOv12n menggunakan metrik Precision, Recall, F1-Score, dan mean Average Precision (mAP). YOLOv11n mencapai performa terbaik dengan F1-Score 61,1% dan mAP@0,5 58,5%, namun seluruh model menunjukkan kesenjangan deteksi signifikan antara kelas larva (mAP@0,5: 0,974–0,988) dan kelas kerusakan daun (mAP@0,5: 0,164–0,240) yang disebabkan oleh ketidakseimbangan distribusi data dan tingginya variasi visual pola kerusakan. Kebaruan arsitektur tidak menjamin performa superior pada dataset berukuran kecil, sehingga perluasan data dan penanganan ketidakseimbangan kelas menjadi prioritas utama penelitian mendatang

KLASIFIKASI TANAMAN BERBIJI BERDASARKAN CITRA DAUN MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK (CNN)

2026-05-31T09:29:03+07:00

Tanaman berbiji (Spermatophyta) merupakan kelompok tanaman dengan tingkat perkembangan filogenik yang tinggi dan memiliki peran penting dalam kehidupan manusia, baik sebagai sumber pangan, obat-obatan, maupun bahan industri. Identifikasi tanaman berbiji umumnya dilakukan berdasarkan ciri morfologi daun seperti bentuk dan teksturnya. Namun, proses identifikasi secara manual sering mengalami kendala, di antaranya kemiripan bentuk daun antar spesies, pengaruh pencahayaan, sudut pengambilan gambar, serta membutuhkan waktu yang lama dan keahlian yang khusus untuk memperoleh hasil yang akurat. Penelitian ini bertujuan untuk melakukan klasifikasi tanaman berbiji berdasarkan citra daun menggunakan Convolutional Neural Network (CNN). Metode CNN digunakan karena mampu mengenali pola visual melalui beberapa tahapan yaitu layer konvolusi untuk mengekstraksi fitur, pooling layer untuk mereduksi dimensi, dan fully connected layer untuk melakukan klasifikasi. Hasil penelitian menunjukkan model mampu melakukan klasifikasi dengan tingkat akurasi tertinggi pada fold ke-5 sebesar 90,83% dan akurasi secara keseluruhan sebesar 85,5%. Hasil tersebut menunjukkan bahwa model CNN yang dibuat memiliki performa yang baik dalam klasifikasi tanaman berbiji berdasarkan citra daun

RANCANG BANGUN SISTEM MONITORING FERMENTASI PUPUK ORGANIK BERBASIS IOT DENGAN ALGORITMA THRESHOLD LOGIC

2026-05-31T09:39:52+07:00

Proses fermentasi pupuk organik merupakan tahapan penting dalam menghasilkan pupuk berkualitas, yang memerlukan pemantauan kondisi secara terkontrol. Namun, pengawasan manual sering mengalami kendala berupa keterbatasan waktu dan ketidakkonsistenan pengamatan, sehingga berpotensi menurunkan kualitas hasil fermentasi. Penelitian ini bertujuan untuk merancang dan membangun sistem monitoring fermentasi pupuk organik berbasis Internet of Things (IoT) guna meningkatkan efisiensi dan akurasi pemantauan. Metode yang digunakan adalah Threshold Logic Berbasis Interval sebagai dasar pengambilan keputusan otomatis berdasarkan nilai ambang sensor. Sistem dikembangkan menggunakan mikrokontroler ESP32 yang terintegrasi dengan sensor water level untuk mendeteksi volume pupuk, sensor gas untuk mengidentifikasi kondisi fermentasi, serta modul RTC untuk pengaturan waktu penambahan bahan. Hasil pengujian menunjukkan bahwa sistem mampu mengklasifikasikan kondisi fermentasi ke dalam kategori belum penuh, setengah, dan penuh secara akurat, melakukan penambahan gula merah secara otomatis sesuai aturan yang ditentukan, serta mengirimkan notifikasi secara real-time melalui Telegram. Sistem ini terbukti meningkatkan efisiensi, konsistensi, dan kemudahan dalam proses monitoring fermentasi pupuk organik

PENGUKURAN TINGKAT KEMATANGAN TATA KELOLA KEAMANAN INFORMASI DI STMIK PALANGKARAYA DENGAN INDEKS KEAMANAN INFORMASI 5.0

2026-05-31T09:46:35+07:00

STMIK Palangkaraya memiliki ketergantungan tinggi terhadap teknologi informasi yang meningkatkan risiko keamanan informasi. Permasalahan utama meliputi belum optimalnya tata kelola, pengelolaan risiko, serta perlindungan data pribadi. Penelitian ini bertujuan mengukur tingkat kesiapan dan kematangan keamanan informasi menggunakan Indeks KAMI versi 5.0 serta memberikan rekomendasi berbasis ISO/IEC 27001:2022. Metode yang digunakan adalah deskriptif kualitatif melalui wawancara, observasi, kuesioner, dan analisis dokumen pada tujuh domain evaluasi. Hasil menunjukkan skor 154 dengan status “Tidak Layak” dan tingkat kematangan berada pada level I–II. Kelemahan utama terdapat pada tata kelola, manajemen risiko, dan kerangka kerja keamanan informasi, sementara pengamanan pihak ketiga relatif lebih baik. Penelitian ini merekomendasikan penyusunan kebijakan formal, penguatan manajemen risiko, peningkatan kontrol teknis, serta evaluasi berkala untuk meningkatkan keamanan informasi secara berkelanjutan

IDENTIFIKASI CACAT RETAK PADA TELUR AYAM RAS DENGAN PENDEKATAN CONVOLUTIONAL NEURAL NETWORK (CNN)

2026-05-31T09:47:34+07:00

Keretakan pada cangkang telur ayam ras yang tidak terdeteksi secara visual dapat meningkatkan risiko kontaminasi bakteri serta menurunkan kualitas produk selama proses distribusi. Permasalahan utama dalam inspeksi kualitas telur terletak pada metode pemeriksaan manual yang bersifat subjektif, kurang konsisten, dan tidak efisien dalam skala besar. Penelitian ini bertujuan untuk mengembangkan sistem klasifikasi otomatis berbasis citra guna mendeteksi keretakan pada cangkang telur ayam ras menggunakan metode Convolutional Neural Network (CNN). Dataset yang digunakan terdiri dari 450 citra RGB telur ayam ras bercangkang cokelat yang diklasifikasikan ke dalam dua kelas, yaitu telur retak dan tidak retak, serta dibagi menjadi data pelatihan, validasi, dan pengujian. Tahap praproses dilakukan melalui teknik augmentasi citra, meliputi rotasi, flipping, penskalaan, penyesuaian kecerahan dan kontras, penambahan noise, serta blur untuk meningkatkan kemampuan generalisasi model. Metode yang diterapkan meliputi penggunaan arsitektur CNN pralatih, yaitu InceptionV3, ResNet50, dan VGG19, dengan evaluasi kinerja berdasarkan confusion matrix yang mencakup akurasi, presisi, recall, dan F1-score. Hasil penelitian menunjukkan bahwa model InceptionV3 memiliki kinerja terbaik dibandingkan model lainnya pada seluruh metrik evaluasi

ANALISIS SENTIMEN KONSUMEN WANITA GENERASI Z TERHADAP INDUSTRI FAST FASHION MENGGUNAKAN METODE SUPPORT VECTOR MACHINE (SVM)

2026-05-31T09:48:34+07:00

Industri fast fashion berkembang pesat namun berdampak destruktif bagi lingkungan melalui emisi karbon dan akumulasi limbah tekstil. Meskipun Generasi Z memiliki kesadaran ekologis tinggi, mereka sering terjebak dalam perilaku konsumsi impulsif akibat pengaruh media sosial dan praktik greenwashing perusahaan yang memicu skeptisisme. Fenomena ini menciptakan kesenjangan antara nilai dan tindakan nyata (value-action gap) di kalangan konsumen muda. Penelitian ini bertujuan untuk menganalisis sentimen Generasi Z terhadap industri fast fashion serta mengevaluasi kinerja algoritma Support Vector Machine (SVM) dalam mengklasifikasikan opini publik. Metode penelitian menggunakan dataset “Womens Clothing E-Commerce Reviews” dari Kaggle yang diolah melalui pipeline machine learning meliputi praproses teks, ekstraksi fitur TF-IDF, dan klasifikasi SVM dengan kernel linear. Hasil eksperimen pada platform Google Colab menunjukkan bahwa algoritma SVM mampu mencapai tingkat akurasi kompetitif pada rentang 84% hingga 90%. Model terbukti stabil dalam menangani karakteristik bahasa informal konsumen muda dan efektif memetakan pola sentimen sebagai landasan strategis bagi peningkatan transparansi industri fashion di masa depan

IMPLEMENTASI SISTEM PENJUALAN DIMSUM MENGGUNAKAN METODE PROTOTIPE STUDI KASUS: DIMSUM RAME GROUP

2026-05-31T09:49:26+07:00

Penelitian ini dilatarbelakangi oleh permasalahan pada UMKM Rame Group Official yang masih menggunakan pencatatan manual dalam pengelolaan transaksi dan stok, sehingga sering terjadi kesalahan pencatatan, keterlambatan laporan, dan kesulitan dalam monitoring data. Penelitian ini bertujuan mengembangkan sistem penjualan dimsum berbasis web yang terintegrasi untuk meningkatkan efisiensi operasional dan akurasi data. Metode yang digunakan adalah Evolutionary Prototype, yang memungkinkan pengembangan sistem secara iteratif melalui tahapan communication, quick plan, quick design, prototype construction, serta delivery & feedback. Pengumpulan data dilakukan melalui observasi, wawancara, dan studi literatur. Sistem dibangun menggunakan framework Laravel dengan database MySQL/SQLite, serta dirancang menggunakan pendekatan UML dan prototype UI/UX. Pengujian dilakukan dengan metode Black Box Testing dan User Acceptance Test (UAT). Hasil penelitian menunjukkan bahwa sistem mampu mengelola transaksi, stok, dan laporan secara real-time, mengurangi kesalahan input, serta meningkatkan kecepatan pelayanan. Selain itu, hasil UAT menunjukkan tingkat penerimaan pengguna yang baik, sehingga sistem dinilai layak dan efektif untuk mendukung digitalisasi operasional UMKM

ANALISIS SENTIMEN PUBLIK TERHADAP RESPONS PEMERINTAH DALAM PENANGANAN BANJIR DI ACEH DAN SUMATERA UTARA BERDASARKAN KOMENTAR YOUTUBE MENGGUNAKAN METODE SUPPORT VECTOR MACHINE DAN RANDOM FOREST

2026-05-31T09:50:34+07:00

Bencana banjir merupakan salah satu bencana yang sering terjadi di Indonesia dan menimbulkan berbagai respons masyarakat terhadap tindakan pemerintah. Permasalahan dalam penelitian ini adalah bagaimana persepsi publik terhadap respons pemerintah dalam penanganan banjir di wilayah Aceh dan Sumatera Utara berdasarkan komentar YouTube. Penelitian ini bertujuan untuk menganalisis sentimen publik terhadap penanganan banjir oleh pemerintah. Metode yang digunakan meliputi preprocessing teks berupa case folding, cleaning, tokenizing, dan stopword removal, serta pelabelan sentimen ke dalam tiga kategori, yaitu positif, netral, dan negatif. Representasi fitur menggunakan TF-IDF, kemudian dilakukan klasifikasi menggunakan algoritma Support Vector Machine (SVM) dan Random Forest. Hasil penelitian menunjukkan bahwa SVM memperoleh akurasi 86%, sedangkan Random Forest memperoleh akurasi 89%, sehingga Random Forest memiliki performa yang lebih baik dalam mengklasifikasikan sentimen

SISTEM LAPORAN PERKEMBANGAN ANAK DIDIK BERBASIS WEB PADA TK AISYIYAH BUSTANUL ATHFAL JATIBARANG

2026-05-31T09:51:25+07:00

Penelitian ini bertujuan untuk merancang dan membangun sistem laporan perkembangan anak didik berbasis web pada TK Aisyiyah Bustanul Athfal Jatibarang guna meningkatkan efisiensi pengelolaan laporan. Permasalahan yang dihadapi adalah proses penyusunan laporan masih dilakukan secara konvensional menggunakan aplikasi pengolah kata, sehingga memakan waktu, rentan kesalahan, dan kurang terintegrasi. Metode penelitian yang digunakan meliputi observasi, wawancara, dan studi pustaka, sedangkan metode pengembangan sistem menggunakan model waterfall yang terdiri dari tahap analisis kebutuhan, desain, implementasi, pengujian, dan pemeliharaan. Sistem dirancang menggunakan Unified Modeling Language (UML) dan diimplementasikan berbasis web. Hasil penelitian menunjukkan bahwa sistem yang dibangun mampu membantu guru dalam mengelola data siswa, menyusun laporan secara otomatis, serta mempermudah akses informasi bagi orang tua. Dengan demikian, sistem ini dapat meningkatkan efektivitas, efisiensi, dan akurasi dalam penyusunan laporan perkembangan anak didik

ANALISIS KERENTANAN WILAYAH KECAMATAN CISOLOK TERHADAP BENCANA TSUNAMI BERBASIS WEBGIS

2026-05-31T09:52:32+07:00

Indonesia sebagai wilayah cincin api memiliki potensi tinggi terhadap bencana tsunami, khususnya di kawasan pesisir seperti Kecamatan Cisolok, Kabupaten Sukabumi. Penelitian ini bertujuan untuk menganalisis tingkat kerentanan wilayah terhadap tsunami serta mengembangkan sistem pemetaan berbasis WebGIS guna mendukung mitigasi bencana. Metode yang digunakan adalah analisis spasial menggunakan Sistem Informasi Geografis (SIG) dengan pendekatan overlay terhadap beberapa parameter, yaitu elevasi, kemiringan lereng, penggunaan lahan, jarak dari pantai, dan jarak dari sungai. Data diolah menggunakan perangkat lunak ArcGIS dan QGIS, kemudian divisualisasikan dalam bentuk WebGIS berbasis PHP dan MySQL. Hasil penelitian menunjukkan bahwa tingkat kerentanan wilayah terbagi menjadi lima kelas, yaitu sangat tinggi (84,48 Ha), tinggi (378,11 Ha), sedang (2.097,56 Ha), rendah (12.527,44 Ha), dan sangat rendah (2.275,30 Ha). Faktor dominan yang memengaruhi kerentanan adalah elevasi, jarak dari pantai, dan jarak dari sungai. Sistem WebGIS yang dikembangkan mampu menyajikan informasi kerentanan secara visual dan interaktif sehingga dapat membantu masyarakat dan pemangku kebijakan dalam pengambilan keputusan mitigasi bencana secara lebih efektif

PENGEMBANGAN MODUL EVALUASI USER EXPERIENCE QUESTIONNAIRE APLIKASI KASIR MOBILE BERBASIS FLUTTER

2026-05-31T09:55:08+07:00

Pencatatan manual di toko kelontong sering memicu inefisiensi transaksi dan kesulitan pemantauan stok barang. Penelitian ini bertujuan untuk mengembangkan sebuah aplikasi kasir mobile (Point of Sale) guna mendigitalisasi manajemen operasional toko. Pengembangan sistem menerapkan metodologi Agile (Scrum), menggunakan framework Flutter untuk antarmuka pengguna (frontend) dan Laravel Filament sebagai sistem kendali data (backend). Validasi kalayakan operasional dilakukan melalui Scenario-Based Testing, dilanjutkan dengan pengukuran tingkat pengalaman pengguna menggunakan instrumen User Experience Questionnaire (UEQ) terhadap 39 responden. Hasil evaluasi berdasarkan benchmark UEQ menunjukkan bahwa skala pragmatis aplikasi (Kejelasan, Efisiensi, Keandalan) berada pada kategori Below Average namun tetap bernilai positif, sementara skala hedonis (Daya Tarik, Stimulasi) dan Kebaruan berada pada kategori Bad. Temuan ini sangat dipengaruhi oleh kurva pembelajaran (learning curve) demografi pemilik toko yang mayoritas berusia lanjut (50 tahun ke atas). Meskipun terdapat tantangan adaptasi antarmuka di awal, implementasi sistem terbukti tetap berjalan efektif melalui scenario penggunaan kolaboratif, di mana anggota keluarga yang lebih muda (anak atau cucu) dan karyawan sebagai perantara teknologi (technology broker). Nilai pragmatis yang konsisten positif membuktikan bahwa aplikasi ini secara fungsional berhasil menjawab masalah inti operasional, yaitu mempercepat rekapitulasi dan penjualan. Penelitian ini menyimpulkan perlunya perancangan antarmuka yang lebih inklusif dan ramah lansia (elderly-friendly) pada iterasi pengembangan selanjutnya

DESAIN MOBILE LEARNING HAND FOOT SPA BERBASIS ALGORITMA LINEAR CONGRUENT METHOD DAN GAMIFIKASI BAGI PESERTA DIDIK SLB-B

2026-05-31T09:58:23+07:00

Penelitian ini dilatarbelakangi oleh keterbatasan media pembelajaran vokasi bagi siswa Sekolah Luar Biasa-B (SLB-B) pada materi hand foot spa yang belum sepenuhnya visual, adaptif, dan mudah diakses. Permasalahan penelitian ini adalah belum tersedianya media mobile yang mampu menyajikan prosedur praktik secara sistematis sekaligus menyediakan evaluasi yang variatif bagi siswa tuli. Penelitian ini bertujuan mengembangkan aplikasi mobile vokasi berbasis algoritma Linear Congruent Method (LCM) dan gamifikasi serta menilai kelayakan produk dan respons pengguna. Metode yang digunakan adalah Research and Development dengan model 4D yang meliputi define, design, develop, dan disseminate. Hasil penelitian menunjukkan bahwa aplikasi Android yang dikembangkan memuat materi, video berbahasa isyarat, evaluasi berbasis aplikasi, dan elemen gamifikasi serta memperoleh hasil validasi sangat baik, yaitu 94,50% dari ahli isi, 92,80% dari ahli desain, dan 93,40% dari ahli media. Respons pengguna juga mencapai 93,40% dengan kategori sangat baik

PENERAPAN ALGORITMA LEXRANK DALAM PERINGKASAN OTOMATIS TEKS DOKUMEN AKADEMIK

2026-05-31T10:02:13+07:00

Penelitian ini bertujuan mengevaluasi kinerja algoritma Continuous LexRank dalam menghasilkan ringkasan ekstraktif dari dokumen regulatif akademik berbahasa Indonesia. Dokumen yang digunakan adalah Pedoman Akademik Universitas Negeri Medan Tahun 2019--2020 yang terdiri atas 1.414 kalimat dan memiliki karakteristik ketentuan yang berdiri sendiri, berbeda secara fundamental dari teks naratif yang umumnya dijadikan korpus uji peringkasan otomatis. Continuous LexRank diterapkan pada pembentukan graf kemiripan antarkalimat dengan pembobotan menggunakan IDF-Modified Cosine Similarity dan pemeringkatan berbasis PageRank dengan damping factor 0,85. Evaluasi dilakukan pada dua ukuran ringkasan (Top-40 dan Top-70) menggunakan metrik Precision, Recall, dan F1-score terhadap ringkasan acuan yang divalidasi oleh validator ahli. Hasil evaluasi menunjukkan Top-70 memberikan kinerja terbaik dengan F1-score 0,3768, lebih tinggi dibandingkan Top-40 yang memperoleh 0,2821. Validasi ahli menunjukkan rata-rata skor 3,00 (kategori “Baik”) dengan keterwakilan informasi 57,5% pada Top-40 dan 64,28% pada Top-70. Continuous LexRank menunjukkan kemampuan mengekstraksi kerangka informasi sentral dokumen regulatif, namun terbatas dalam mengendalikan redundansi dan konteks rujukan, sehingga lebih optimal diposisikan sebagai pratinjau informasi dokumen regulatif yang panjang.

ANALISIS PRIORITAS PERAWATAN ASET MENGGUNAKAN METODE TOPSIS DI BMKG STASIUN KLIMATOLOGI MUARO JAMBI

2026-05-31T10:03:27+07:00

Kinerja pengukuran cuaca sangat bergantung pada keandalan operasional instrumen di lapangan. Saat ini, proses penjadwalan pemeliharaan aset di BMKG Stasiun Klimatologi Muaro Jambi masih mengandalkan estimasi visual teknisi, sehingga rentan memicu bias subjektivitas dan inkonsistensi keputusan perbaikan. Penelitian ini bertujuan menguji penerapan perhitungan matematis secara objektif guna menetapkan peringkat prioritas pemeliharaan aset operasional. Analisis ini menggunakan metode Technique for Order of Preference by Similarity to Ideal Solution (TOPSIS) yang dihitung secara manual untuk mengevaluasi sembilan alternatif instrumen berdasarkan lima kriteria teknis: tingkat kekritisan, kondisi fisik, usia aset, frekuensi kerusakan, dan biaya perbaikan. Hasil komputasi menunjukkan bahwa Peralatan Pendukung Pengamatan GRK, Automatic Solar Radiation Station (ASRS), dan Particulate Matter 2.5 menjadi prioritas pemeliharaan tertinggi dengan nilai preferensi 1,000. Penggunaan metode TOPSIS terbukti efektif dalam mengeliminasi bias subjektif dan mampu memberikan rekomendasi perankingan yang presisi bagi manajemen untuk mengalokasikan sumber daya pemeliharaan secara terstruktur.

SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN MEREK OLI MOTOR MENGGUNAKAN METODE SIMPLE ADDITIVE WEIGHTING (SAW) PADA BENGKEL WIDYA OIL KOTA TANGERANG

2026-05-31T10:04:56+07:00

Penelitian ini bertujuan untuk merancang Sistem Pendukung Keputusan (SPK) dalam pemilihan merek oli motor yang objektif dan tepat sasaran pada Bengkel Widya Oil Kota Tangerang. Masalah utama yang diangkat adalah sulitnya pelanggan dalam menentukan pelumas yang sesuai dengan spesifikasi kendaraan di tengah banyaknya varian teknologi otomotif, serta belum adanya sistem pendukung keputusan yang terstandarisasi di bengkel tersebut. Penelitian ini menggunakan metode Simple Additive Weighting (SAW) untuk mengolah data berdasarkan kriteria viskositas, standar API, harga, umur simpan, dan efisiensi bahan bakar. Data dikumpulkan melalui observasi langsung, studi pustaka, serta wawancara dengan kepala bengkel. Hasil penelitian menunjukkan bahwa implementasi metode SAW mampu memberikan rekomendasi merek oli secara akurat melalui proses pembobotan multikriteria, sehingga meningkatkan transparansi dan profesionalisme pelayanan bengkel. Dengan adanya sistem ini, proses pengambilan keputusan menjadi lebih cepat, efisien, dan dapat dipertanggungjawabkan secara teknis bagi mekanik maupun pelanggan. Pengembangan sistem dilakukan menggunakan perancangan UML dan basis data MySQL. Hasil penelitian menunjukkan bahwa implementasi algoritma SAW berhasil memberikan rekomendasi pelumas yang objektif dan akurat sesuai dengan preferensi teknis yang diinginkan. Berdasarkan pengujian respon pengguna terhadap 15 responden, sistem ini memperoleh nilai persentase sebesar 80,8% yang termasuk dalam kategori "Sangat Setuju". Hal ini membuktikan bahwa sistem yang dibangun efektif dalam mempercepat proses pelayanan serta meminimalisir kesalahan subjektif dalam pemilihan oli pada Bengkel Widya Oil.

PERANCANGAN SISTEM PAKAR DIAGNOSIS DINI TUBERKULOSIS PARU MENGGUNAKAN METODE FORWARD CHAINING DAN CERTAINTY FACTOR

2026-05-31T10:06:12+07:00

Tuberkulosis (TBC) masih menjadi ancaman kesehatan global yang serius. Indonesia menempati peringkat kedua dunia dengan sekitar 1.090.000 kasus dan 125.000 kematian per tahun, sementara Provinsi Bali mencatat 3.043 kasus TBC paru pada tahun 2022 dengan Denpasar sebagai daerah tertinggi. Keterbatasan pengetahuan masyarakat, akses fasilitas kesehatan, dan kelemahan sistem pakar tradisional yang hanya mengandalkan logika boolean menyebabkan sistem tidak mampu merepresentasikan tingkat keyakinan diagnosis secara kuantitatif, sehingga hasilnya kurang informatif bagi masyarakat awam. Penelitian ini bertujuan merancang sistem pakar diagnosis dini TBC paru berbasis website yang dapat diakses secara mandiri tanpa batasan waktu dan lokasi, mampu melakukan penalaran gejala secara sistematis sekaligus menangani ketidakpastian secara terukur. Sistem dirancang mengintegrasikan Forward Chaining sebagai mekanisme inferensi berbasis data driven dengan 7 aturan (R1-R7) dan 10 gejala klinis, serta Certainty Factor untuk mengukur tingkat keyakinan melalui pemetaan nilai CF User berbasis pilihan jawaban kontekstual. Basis pengetahuan disimpan dalam struktur database relasional yang terdiri dari 5 tabel. Hasil simulasi menunjukkan sistem mampu menghasilkan diagnosis Terindikasi Tuberkulosis Paru dengan tingkat keyakinan terukur sebesar 98% berdasarkan 8 gejala yang dilaporkan, dilengkapi fitur cetak hasil dalam format PDF, riwayat konsultasi, serta antarmuka website yang dirancang ramah pengguna awam.

MODEL PRIORITAS MITIGASI RISIKO KEAMANAN INFORMASI SISTEM KEAMANAN AKADEMIK MENGGUNAKAN INTEGRASI AHP-TOPSIS BERBASIS SNI ISO/IEC 27001

2026-05-31T10:07:13+07:00

Transformasi digital di perguruan tinggi mendorong adopsi Sistem Informasi Akademik (SIAKAD) yang menyimpan data sensitif. Namun, pendekatan manajemen risiko keamanan informasi yang ada belum menyediakan model terstruktur untuk memprioritaskan mitigasi ancaman. Penelitian ini bertujuan mengembangkan model prioritas mitigasi risiko keamanan informasi pada SIAKAD menggunakan integrasi metode Analytical Hierarchy Process (AHP) dan Technique for Order of Preference by Similarity to Ideal Solution (TOPSIS) berbasis SNI ISO/IEC 27001:2022. Penelitian menggunakan pendekatan kuantitatif dengan desain evaluatif melalui studi literatur sistematis dan analisis dokumentasi. Berdasarkan standar SNI ISO/IEC 27001:2022, ditetapkan tiga kriteria (kerahasiaan, integritas, ketersediaan) dan enam alternatif risiko (SQL Injection, Cross-Site Scripting, Brute Force Attack, Denial of Service, Session Hijacking, Insecure Backup). Hasil pembobotan AHP menghasilkan bobot tertinggi pada kerahasiaan (0,539), diikuti integritas (0,297) dan ketersediaan (0,164) dengan Consistency Ratio 0,012 (<0,1). Pemeringkatan TOPSIS menunjukkan SQL Injection sebagai prioritas tertinggi (0,8074), kemudian Session Hijacking (0,6806) dan Insecure Backup (0,5319). Model ini memberikan kontribusi sebagai sistem pendukung keputusan terstruktur yang mengintegrasikan standar keamanan nasional dengan data objektif studi dokumentasi.

PREDIKSI PRODUKSI PADI DI PULAU SUMATERA MENGGUNAKAN EXTREME GRADIENT BOOSTING (XGBOOST) BERBASIS FRAMEWORK CRISP-DM: STUDI DATA HISTORIS 1993 - 2020

2026-05-31T10:08:29+07:00

Pulau Sumatera memegang peran strategis sebagai salah satu lumbung pangan nasional Indonesia dengan kontribusi produksi padi yang signifikan. Fluktuasi produksi yang tidak linear akibat variabilitas iklim dan keterbatasan data historis berskala regional menyulitkan perencanaan pangan yang akurat di tingkat provinsi. Penelitian ini bertujuan membangun model prediksi produksi padi untuk delapan provinsi di Pulau Sumatera menggunakan algoritma Extreme Gradient Boosting (XGBoost). Model dikembangkan mengikuti kerangka CRISP-DM dengan dataset 224 observasi periode 1993–2020. Variabel independen mencakup luas panen, curah hujan, kelembapan, dan suhu rata-rata. Konfigurasi model menerapkan regularisasi L1 (reg_alpha = 0,1) dan L2 (reg_lambda = 1,0) dengan max_depth = 3 untuk mengendalikan overfitting, serta dievaluasi melalui 5-Fold Cross Validation dan test set independen. Model XGBoost menghasilkan R² = 0,8734, MAE = 225.478 ton, dan RMSE = 334.613 ton pada test set, dengan R² cross-validation rata-rata 0,8434 ± 0,0267. Variabel provinsi menjadi prediktor dominan (feature importance = 54,56%), diikuti luas panen (33,25%). Generalization gap sebesar 0,1246 mengindikasikan overfitting parsial akibat keterbatasan jumlah data.

SISTEM INFORMASI PENDAMPINGAN KELUARGA BERISIKO STUNTING PADA DPPKBP2PA KOTA TEGAL

2026-05-31T10:09:30+07:00

Stunting masih menjadi isu kesehatan utama di Indonesia, khususnya di Kota Tegal yang menghadapi peningkatan kasus keluarga berisiko. Penelitian ini membahas pengembangan sistem informasi untuk mendukung pendampingan tersebut di DPPKBP2PA Kota Tegal. Stunting mengganggu pertumbuhan fisik dan kognitif anak akibat gizi kronis serta infeksi berulang, terutama pada 1000 hari pertama kehidupan. Di Kota Tegal dengan 284.500 jiwa, program pendampingan menargetkan calon pengantin, ibu hamil, pasca persalinan, baduta, dan balita melalui ELSIMIL nasional. Pelaksanaan pendampingan saat ini bersifat semi-otomatis via website ELSIMIL, menyebabkan keterlambatan pencatatan, kurangnya integrasi real-time, serta akses terbatas bagi petugas. Hal ini menghambat pemantauan optimal dan pengambilan keputusan tepat sasaran. Penelitian bertujuan menganalisis sistem, merancang, serta membangun sistem informasi berbasis web untuk pengelolaan data, pemantauan, dan pelaporan pendampingan keluarga berisiko stunting. Sistem ini mendukung pencegahan stunting secara efektif di DPPKBP2PA Kota Tegal. Pengumpulan data dilakukan melalui observasi lapangan, wawancara, serta library research. Perancangan menggunakan UML (use case, activity, sequence, class diagram) dan model Waterfall, dengan teknologi CodeIgniter, MySQL, XAMPP, serta VS Code. Sistem informasi yang dirancang mencakup fitur login multi-user (Admin, TPK, PLKB), input, edit, hapus data sasaran, verifikasi, edukasi gizi, serta laporan pdf. Pengujian black box menunjukkan fungsionalitas optimal, meningkatkan efisiensi pendataan dan evaluasi program pencegahan stunting.

ANALISIS SENTIMEN MULTI-PLATFORM UNTUK STRATEGI PEMASARAN DIGITAL PADA DESTINASI WISATA

2026-05-31T10:10:37+07:00

Media sosial dan platform ulasan digital berperan penting dalam membentuk citra destinasi wisata, namun perbedaan karakteristik antar platform sering menghasilkan distribusi sentimen yang tidak merata. Penelitian ini bertujuan untuk menganalisis sentimen publik terhadap destinasi wisata melalui pendekatan multi-platform serta merumuskan strategi pemasaran digital yang efektif. Data dikumpulkan dari Google Maps, TikTok, dan Instagram menggunakan teknik scraping. Pelabelan sentimen dilakukan dengan pendekatan hybrid yang mengombinasikan metode lexicon-based dan Support Vector Machine (SVM). Proses klasifikasi menggunakan algoritma Random Forest dengan fitur TF-IDF, serta evaluasi model dilakukan menggunakan 10-Fold Cross Validation. Hasil penelitian menunjukkan bahwa model Random Forest mencapai akurasi sebesar 87,60%, precision 87,68%, recall 87,93%, dan F1-score 87,55%. Analisis distribusi sentimen mengungkap perbedaan karakteristik antar platform, di mana Google Maps didominasi sentimen negatif (47,4%), Instagram cenderung netral (46,1%), dan TikTok menunjukkan dominasi sentimen netral (53,5%). Selain itu, hasil analisis divisualisasikan menggunakan Priority Action Matrix yang mengidentifikasi strategi Quick Wins seperti peningkatan respons pada Google Maps dan kampanye user-generated content sebagai prioritas utama karena berdampak tinggi dengan upaya rendah. Penelitian ini memberikan kontribusi dalam pengembangan analisis sentimen multi-platform serta perumusan strategi pemasaran digital berbasis data pada destinasi wisata.

PENDEKATAN USER-CENTERED DESIGN DAN EVALUASI HEURISTIK DALAM REDESIGN ANTARMUKA WEBSITE OPAC PERPUSTAKAAN UNSIKA

2026-05-31T10:11:32+07:00

Perpustakaan perguruan tinggi dituntut untuk menyediakan layanan digital yang efektif dan mudah digunakan seiring perkembangan teknologi informasi. Website OPAC Perpustakaan Universitas Singaperbangsa Karawang (UNSIKA) menghadapi permasalahan berupa tampilan yang kurang menarik, navigasi yang tidak intuitif, dan tingkat usability yang belum optimal sehingga menghambat kemudahan akses informasi bagi pengguna. Penelitian ini bertujuan untuk melakukan redesign antarmuka website OPAC guna meningkatkan usability dan user experience pengguna perpustakaan UNSIKA. Metode yang digunakan adalah User-Centered Design (UCD) yang mencakup tahap analisis kebutuhan pengguna, evaluasi antarmuka, dan perancangan ulang. Evaluasi dilakukan melalui evaluasi heuristik dengan instrumen kuesioner berskala severity rating (0–4) berdasarkan sepuluh prinsip usability Nielsen. Hasil evaluasi mengidentifikasi permasalahan utama pada aspek navigasi, konsistensi desain, dan kejelasan informasi. Redesain yang diusulkan menghasilkan antarmuka yang lebih modern dengan navigasi yang lebih jelas dan akses informasi yang lebih mudah, sehingga diharapkan meningkatkan kualitas layanan perpustakaan secara digital.

RANCANG BANGUN ROBOT LENGAN SEBAGAI ALAT BANTU SANDAR KAPAL PADA PELABUHAN PINTAR

2026-05-31T10:12:28+07:00

Aktivitas sandar kapal niaga yang semakin padat akibat perkembangan industri maritim serta kondisi cuaca yang tidak selalu mendukung menuntut adanya teknologi yang mampu mempercepat dan meningkatkan keselamatan proses penyandaran kapal. Permasalahan utama dalam penelitian ini adalah belum tersedianya sistem bantu sandar yang mampu membantu kapal saat mendekati dermaga dan menahan posisi kapal agar tetap aman ketika menghadapi kondisi cuaca buruk di pelabuhan. Penelitian ini bertujuan merancang dan membangun alat bantu sandar pada pelabuhan pintar berupa robot lengan yang berfungsi menangkap dan menahan kapal model saat proses sandar. Metode yang digunakan adalah Research and Development (R&D) dengan tahapan perancangan, pembuatan, dan pengujian prototype. Sistem menggunakan ESP-32 sebagai pengendali utama, sensor VL53L0X sebagai pendeteksi jarak dan indikator posisi kapal model, JGY-370 geared motor sebagai penggerak robot lengan, serta BTS7960 motor driver sebagai pengendali motor. Hasil pengujian statis menunjukkan sensor VL53L0X memiliki error terbesar 0,81% dan jarak aman jangkauan terpanjang lengan mencapai 39 cm. Pengujian dinamis menunjukkan prototype mampu menjalankan sistem standby saat proses penyandaran dan release untuk membuka ruang kapal keluar dari pelabuhan.

PENERAPAN MACHINE LEARNING PADA CHATBOT SEBAGAI CUSTOMER SUPPORT UNTUK MEMBERIKAN PENDEKATAN PROBLEM SOLVING

2026-05-31T10:13:15+07:00

Dalam era bisnis modern, pemanfaatan teknologi sangat penting untuk meningkatkan efisiensi layanan, khususnya pada Customer Support yang sering menghadapi pertanyaan berulang. Permasalahan pada perusahaan NexSoft adalah keterlambatan respon terhadap pelanggan yang menurunkan kualitas layanan dan kepuasan pengguna. Penelitian ini bertujuan membangun sistem chatbot berbasis machine learning menggunakan metode Naïve Bayes Classifier guna meningkatkan kecepatan dan ketepatan respon secara real-time. Metode penelitian meliputi pengumpulan data, analisis, perancangan, implementasi, dan pengujian menggunakan Confusion Matrix. Sistem dikembangkan berbasis web dengan fitur antarmuka percakapan bagi pelanggan serta halaman pengelolaan data bagi administrator. Hasil pengujian terhadap 41 pola data dan 21 data uji menunjukkan bahwa sistem memperoleh nilai precision, recall, accuracy, dan F-measure masing-masing sebesar 85%. Nilai tersebut membuktikan bahwa metode Naïve Bayes efektif diimplementasikan pada chatbot sebagai solusi layanan Customer Support yang akurat dan konsisten.

SISTEM REKOMENDASI METODE SDLC BERBASIS SIMPLE ADDITIVE WEIGHTING DAN SIMILARITY

2026-05-31T10:14:16+07:00

Pemilihan metode Software Development Life Cycle (SDLC) yang tepat merupakan faktor krusial dalam keberhasilan proyek pengembangan perangkat lunak. Namun, proses pemilihan sering dilakukan secara subjektif tanpa analisis mendalam terhadap karakteristik proyek. Penelitian ini mengembangkan sistem rekomendasi berbasis web menggunakan metode Simple Additive Weighting (SAW) yang dikombinasikan dengan pendekatan similarity untuk memberikan rekomendasi metode SDLC yang objektif dan akurat. Sistem memproses sembilan kriteria penilaian meliputi estimasi durasi proyek, tingkat risiko, kompleksitas sistem, anggaran, ukuran tim, tingkat pengalaman tim, keterlibatan pengguna, perubahan kebutuhan, dan kebutuhan dokumentasi. Sistem diimplementasikan menggunakan framework Laravel dan diuji melalui perbandingan perhitungan manual serta validasi pakar. Hasil pengujian menunjukkan akurasi perhitungan 100% dengan kesesuaian penuh antara sistem dan perhitungan manual. Perbandingan antara SAW murni dan SAW+Similarity menunjukkan peningkatan skor rekomendasi sebesar 15,56% (dari 84,07% menjadi 99,63%), dengan perubahan metode rekomendasi dari DevOps menjadi Test-Driven Development. Validasi pakar terhadap 10 kasus proyek menghasilkan tingkat kesesuaian 50%, menunjukkan bahwa sistem dapat digunakan sebagai decision support system dalam pemilihan metode SDLC.

CLUSTERING POLA DISTRIBUSI PENJUALAN MULTI-CHANNEL UNTUK IDENTIFIKASI SEGMENTASI KINERJA TOKO MENGGUNAKAN K-MEANS

2026-05-31T10:15:45+07:00

Evaluasi kinerja distribusi merupakan aspek krusial bagi UMKM dalam memahami karakteristik setiap kanal penjualan pada sistem multi-channel. Saat ini, CV Peci Batik Jogokariyan masih melakukan evaluasi secara agregat, sehingga perbedaan pola penjualan antar toko belum teridentifikasi secara kuantitatif. Penelitian ini bertujuan untuk melakukan segmentasi kinerja toko, menentukan jumlah cluster yang optimal, serta memetakan profil dari masing-masing kelompok tersebut. Penelitian menggunakan algoritma K-Means Clustering terhadap data transaksi periode 2023–2025 yang mencakup 24 toko dan 1.220 transaksi. Setiap toko dianalisis berdasarkan tiga variabel utama, yaitu rata-rata penjualan bulanan (avg_monthly), koefisien variasi (CV) untuk mengukur stabilitas, dan persentase kontribusi terhadap total penjualan. Penentuan jumlah cluster dilakukan melalui Elbow Method dan divalidasi menggunakan Silhouette Score. Hasil penelitian berhasil mengidentifikasi tiga segmen toko, yaitu Small–Medium Stable, Medium Volatile, dan Dominant Performer. Temuan menunjukkan bahwa cluster Dominant Performer hanya terdiri dari dua toko namun memberikan kontribusi signifikan sebesar 58,06% terhadap total penjualan perusahaan. Hal ini mengindikasikan adanya konsentrasi kinerja yang tinggi pada sebagian kecil mitra distribusi. Hasil segmentasi ini memberikan dasar bagi manajemen untuk melakukan evaluasi kinerja distribusi secara lebih terstruktur dan objektif, serta mendukung perumusan strategi yang sesuai untuk setiap karakteristik toko.

SYSTEMATIC LITERATURE REVIEW (SLR): AI FOR SMART CHARGING MANAGEMENT

2026-05-31T10:16:44+07:00

Perkembangan teknologi kecerdasan buatan (Artificial Intelligence/AI) telah mendorong inovasi dalam berbagai bidang, termasuk inovasi dalam manajemen pengisian daya, termasuk pengisian daya pada alat elektronik maupun kendaraan. Dalam penerapan AI untuk pengisian daya pada kendaraan telah menunjukkan peningkatan efisien yang signifikan, kajian yang secara komperehensif membandingkan penerapannya pada smartphone masih terbatas. Penelitian ini bertujuan untuk mengevaluasi pendekatan manajemen pengisian daya berbasis AI pada kendaraan dan smartphone melalui metode Systematic Literature Review (SLR) dan analisis bibliometrik terhadap 594 dokumen dari database Scopus, yang difilter menjadi 40 artikel relevan terbitan 2020–2025. Hasil studi menunjukkan bahwa metode Neural Network, Reinforcement Learning, LSTM, dan Fuzzy Logic banyak digunakan untuk mengoptimalkan pengisian daya, memperpanjang usia baterai, dan mendeteksi kondisi baterai secara real-time. Implementasi AI terbukti meningkatkan efisiensi, menurunkan beban puncak, serta mengurangi degradasi baterai hingga 91%. Namun, penerapan teknologi inil masih menghadapi hambatan seperti keterbatasan komputasi perangkat, variabilitas hardware, isu privasi pengguna, serta tingginya biaya integrasi. Studi ini memberikan gambaran menyeluruh mengenai tren, manfaat, dan tantangan utama dalam adopsi AI untuk manajemen pengisian daya smartphone, sekaligus menjadi pijakan bagi riset lanjutan dalam pengembangan sistem pengisian daya yang adaptif dan efisien.

RANCANG BANGUN PROTOTIPE BMS (BATTERY MANAGEMENT SYSTEM) UNTUK BATERAI LITHIUM-ION

2026-05-31T10:17:41+07:00

Baterai lithium-ion merupakan perangkat penyimpan energi yang bekerja melalui konversi energi kimia menjadi energi listrik dan banyak digunakan pada perangkat elektronik, kendaraan listrik, serta sistem energi terbarukan karena kinerjanya yang stabil, ramah lingkungan, dan memiliki masa pakai panjang. Namun, baterai lithium-ion memiliki risiko seperti overvoltage, undervoltage, overcurrent, overheat, dan ketidakseimbangan antar sel sehingga memerlukan sistem pengelolaan yang andal. Penelitian ini bertujuan merancang dan membangun prototipe Battery Management System (BMS) serta menguji kinerja sistem dalam melakukan monitoring parameter baterai, estimasi State of Charge (SoC) berbasis coulomb counting, balancing, dan proteksi. Metode yang digunakan adalah Research and Development (R&D) dengan pendekatan pengembangan sistem secara iteratif melalui tahapan studi pustaka, analisis kebutuhan, perancangan, pembuatan prototipe, serta pengujian dan evaluasi kinerja. Hasil pengujian menunjukkan sistem mampu bekerja dengan baik dengan rata-rata error pembacaan tegangan 0,754% dan arus 0,37%, serta seluruh fungsi monitoring, balancing, proteksi, dan estimasi SoC berjalan sesuai perancangan. Dengan demikian, prototipe BMS yang dikembangkan berhasil memenuhi tujuan penelitian.

KLASTERISASI KARAKTERISTIK UMKM MENGGUNAKAN ALGORITMA K-MEANS DI WILAYAH KABUPATEN KARAWANG

2026-05-31T10:22:29+07:00

Pertumbuhan ekonomi lokal dipengaruhi oleh usaha mikro, kecil, dan menengah (UMKM), namun persebarannya di Kabupaten Karawang masih belum merata. Penelitian ini bertujuan untuk mengelompokkan UMKM guna mengidentifikasi perbedaan karakteristik antarwilayah. Data yang digunakan berupa jumlah UMKM pada sektor industri kecil, industri rumah tangga, jasa, dan perdagangan periode 2019–2025. Metode yang digunakan adalah K-Means Clustering dengan penentuan jumlah klaster menggunakan metode Elbow serta evaluasi menggunakan Silhouette Score. Hasil penelitian menunjukkan bahwa jumlah klaster optimal adalah empat dengan nilai Silhouette Score sebesar 0,436 yang menunjukkan kualitas pengelompokan cukup baik. Setiap klaster memiliki karakteristik berbeda, yaitu aktivitas UMKM tinggi, menengah, dan rendah dengan dominasi sektor tertentu. Selain itu, satu kecamatan dapat berada pada klaster yang berbeda pada tahun yang berbeda, yang mencerminkan dinamika perkembangan UMKM. Hasil visualisasi juga menunjukkan bahwa persebaran UMKM di Kabupaten Karawang masih belum merata. Penelitian ini diharapkan dapat menjadi dasar dalam penyusunan kebijakan pengembangan UMKM yang lebih terarah.

SISTEM INFORMASI SAFETY MESIN BERBASIS WEB PADA PT.Y-TEC AUTOPART INDONESIA

2026-05-31T10:23:34+07:00

Penelitian ini dilatarbelakangi oleh proses inspeksi safety mesin di PT. Y-Tec Autopart Indonesia yang masih dilakukan secara manual sehingga pengelolaan data belum terintegrasi secara optimal. Permasalahan yang muncul meliputi keterlambatan pelaporan, potensi kesalahan pencatatan, serta kendala dalam monitoring kondisi mesin secara berkelanjutan. Penelitian ini bertujuan untuk membangun sistem informasi safety mesin berbasis web guna meningkatkan efisiensi dan akurasi data inspeksi. Metode yang digunakan adalah prototype, yang memungkinkan pengembangan sistem secara iteratif sesuai kebutuhan pengguna. Sistem dikembangkan menggunakan bahasa pemrograman PHP dan database MySQL. Hasil penelitian menunjukkan bahwa sistem mampu mempermudah proses input data, pengelolaan informasi mesin, serta monitoring kondisi secara real-time. Pengujian menggunakan metode blackbox menunjukkan bahwa seluruh fungsionalitas sistem berjalan sesuai dengan kebutuhan pengguna. Dengan demikian, sistem yang dikembangkan mampu meningkatkan efisiensi operasional, akurasi data, serta efektivitas pengawasan keselamatan mesin.

SISTEM INFORMASI MANAJEMEN PENJUALAN DAN PEMBELIAN PADA BENGKEL LARIS MOTOR BERBASIS WEBSITE

2026-05-31T10:24:25+07:00

Penelitian ini dilatarbelakangi oleh perkembangan teknologi informasi yang mendorong digitalisasi proses bisnis, termasuk pada usaha bengkel otomotif skala mikro dan kecil. Permasalahan yang dihadapi Bengkel Laris Motor adalah masih digunakannya sistem pencatatan manual dalam pengelolaan transaksi penjualan, pembelian, dan stok barang, sehingga berpotensi menimbulkan kesalahan pencatatan, duplikasi data, serta keterlambatan dalam penyusunan laporan. Penelitian ini bertujuan untuk merancang dan mengimplementasikan sistem informasi manajemen penjualan dan pembelian berbasis website yang terintegrasi guna meningkatkan efisiensi dan akurasi pengelolaan data. Metode yang digunakan adalah Research and Development (R&D) dengan model pengembangan Waterfall yang meliputi tahapan analisis kebutuhan, perancangan sistem, implementasi, dan pengujian.Hasil penelitian menunjukkan bahwa sistem yang dibangun mampu mengelola transaksi penjualan, pembelian, servis, pembaruan stok secara otomatis, serta menghasilkan laporan periodik secara terkomputerisasi. Berdasarkan hasil pengujian, seluruh fungsi sistem berjalan sesuai kebutuhan dan mampu meningkatkan efisiensi operasional serta akurasi data. Dengan demikian, sistem ini dapat menjadi solusi dalam mendukung pengelolaan usaha bengkel secara lebih efektif dan terstruktur.

SISTEM PEMESANAN MAKANAN SECARA DIGITAL MENGGUNAKAN METODE FIFO

2026-05-31T10:25:24+07:00

Perkembangan teknologi digital memberikan dampak besar terhadap berbagai bidang, termasuk dalam proses pemesanan makanan di restoran. Namun, masih terdapat beberapa restoran yang menggunakan sistem pemesanan secara manual sehingga berpotensi menimbulkan permasalahan seperti kesalahan pencatatan, antrean yang tidak tertata dengan baik, serta keterlambatan pelayanan kepada pelanggan. Permasalahan tersebut juga ditemukan pada Restoran Pondok Rempah yang masih mengelola pesanan secara konvensional. Penelitian ini bertujuan untuk merancang dan membangun sistem pemesanan makanan berbasis digital dengan menerapkan metode First In First Out (FIFO) untuk mengatur urutan pemrosesan pesanan berdasarkan waktu masuk. Sistem dikembangkan menggunakan framework Laravel dengan metode pengembangan Scrum (Agile) serta memanfaatkan basis data MySQL. Sistem yang dihasilkan melibatkan beberapa aktor, yaitu pelanggan, kasir, dapur, dan admin. Pelanggan dapat melakukan pemesanan dengan memindai barcode yang terhubung ke sistem, kemudian melakukan pembayaran di kasir yang selanjutnya diverifikasi sebelum pesanan diteruskan ke dapur untuk diproses sesuai urutan FIFO. Sistem ini juga menyediakan fitur pemantauan status pesanan secara real time. Hasil penelitian menunjukkan bahwa sistem yang dibangun mampu membantu mengatur antrean pesanan secara lebih terstruktur, meningkatkan efisiensi proses pemesanan, serta mempercepat pelayanan di Restoran Pondok Rempah.

ANALISIS KINERJA JARINGAN 4G LTE TELKOMSEL DAN INDOSAT DI UMB KAMPUS 1 BERBASIS WALK TEST

2026-05-31T10:26:21+07:00

Perkembangan teknologi komunikasi seluler menuntut tersedianya jaringan dengan kualitas sinyal yang baik dan stabil, terutama di lingkungan kampus dengan tingkat penggunaan internet yang tinggi. Namun, kualitas jaringan yang diterima pengguna seringkali berbeda pada setiap lokasi dan operator seluler yang digunakan. Penelitian ini bertujuan untuk menganalisis dan membandingkan kualitas jaringan 4G LTE dari operator Telkomsel dan Indosat di area Universitas Muhammadiyah Bengkulu Kampus 1. Metode yang digunakan adalah walk test dengan melakukan pengukuran langsung di lapangan menggunakan aplikasi G-NetTrack Lite pada beberapa titik area kampus, dengan parameter Reference Signal Received Power (RSRP). Hasil penelitian menunjukkan bahwa Telkomsel memperoleh 92 sampel data dengan nilai rata-rata RSRP sebesar −89,18 dBm, sedangkan Indosat memperoleh 57 sampel data dengan nilai rata-rata −82,42 dBm. Pemetaan sebaran sinyal menunjukkan bahwa Telkomsel masih memiliki beberapa area dengan kategori cukup buruk, khususnya di depan Gedung A, sedangkan Indosat memiliki sebaran sinyal yang lebih merata dan stabil. Dengan demikian, kualitas jaringan Indosat lebih baik dibandingkan Telkomsel pada lokasi penelitian.

IMPLEMENTASI SISTEM ABSENSI MENGGUNAKAN ALGORITMA HAVERSINE BERBASIS WEB

2026-05-31T10:27:16+07:00

Keakuratan data kehadiran guru pada lembaga bimbingan belajar sangat penting untuk mengevaluasi kedisiplinan guru dan ketepatan durasi mengajar. Keakuratan data tersebut dibutuhkan untuk mengetahui jumlah jam kehadiran sebagai acuan perhitungan honor. Sistem kehadiran di Bimbel After School Education Center dilakukan setelah kegiatan belajar selesai secara manual, sehingga terjadi ketidakakuratan data kehadiran antara waktu kehadiran dengan kondisi sebenarnya. Solusinya, penulis melakukan penelitian bertujuan mengembangkan sistem absensi berbasis web menggunakan algoritma Haversine untuk meningkatkan akurasi pencatatan kehadiran guru. Sistem menggunakan teknologi Global Positioning System (GPS) untuk memverifikasi lokasi guru saat absensi dengan mengukur jarak antara posisi guru dan lokasi bimbel dalam radius 15 meter dengan memanfaatkan algoritma Haversine, sehingga meningkatkan ketepatan data lokasi. Sistem juga dilengkapi fitur pengambilan picture sebagai kehadiran guru dikelas, sehingga lebih meningkatkan akurasi data absensi. Pengembangan sistem menggunakan metode Waterfall mencakup komunikasi, perencanaan, pemodelan, konstruksi, dan implementasi. Pengujian sistem dilakukan dengan metode black box testing dan white box testing untuk memastikan semua fitur beroperasi sesuai harapan serta menguji keakurasian GPS. Hasil pengujian menunjukkan bahwa sistem ini efektif dan efisien dalam mengelola data kehadiran, meningkatkan transparansi, dan mengurangi potensi manipulasi data. Sedangkan hasil pengujian akurasi GPS pada sistem absensi berfungsi dengan baik dengan kesalahan di bawah 10%.

IMPLEMENTASI SISTEM WEB KLASIFIKASI NILAI AKADEMIK SISWA BIMBEL DENGAN C4.5

2026-05-31T10:28:18+07:00

After School Education Center merupakan lembaga bimbingan belajar untuk jenjang pendidikan TK sampai SMA yang befokus pada mata pelajaran Matematika, Bahasa Indonesia, Bahasa Inggris, Pendidikan Agama, Pendidikan Pancasila, dan MIPA. Evaluasi nilai akademik dilakukan dua kali setiap semester pada Ujian Tengah Semester (UTS) dan Ujian Akhir Semester (UAS). Proses pengolahan data yang masih dilakukan secara manual, sehingga mengakibatkan keterlambatan dalam pengambilan keputusan terkait pemberian bimbingan tambahan bagi siswa yang memiliki nilai rendah maupun penghargaan untuk siswa berprestasi. Berdasarkan masalah tersebut, penulis melakukan penelitian dengan tujuan mengembangkan sistem klasifikasi hasil belajar siswa berbasis web menggunakan algoritma C4.5. Sistem dikembangkan menggunakan model waterfall (komunikasi, perencanaan, pemodelan, konstruksi, dan implementasi) dengan mengimplementasikan pemrograman Python, Django, dan MySQL dengan fitur input data siswa, unggah data training, visualisasi pohon keputusan, serta klasifikasi nilai UTS dan UAS dalam kategori baik, cukup dan kurang. Pengujian dilakukan menggunakan pengujian black box dan white box untuk memastikan seluruh fitur berjalan sesuai yang diharapkan. Hasil pengujian menunjukkan bahwa sistem memiliki akurasi 86,67%, sehingga sistem terbukti dapat memproses dan memantau nilai UTS maupun UAS siswa secara efisien. Sistem juga membantu Guru dan Admin melakukan evaluasi akademik siswa secara lebih tepat dan terstruktur dalam mendukung program bimbingan yang lebih efektif.

ANALISIS PEMETAAN DAERAH LOKASI RAWAN KECELAKAAN JALAN TOL JAGORAWI MENGGUNAKAN METODE K-MEANS CLUSTER MELALUI VISUALISASI WEBGIS

2026-06-10T07:20:49+07:00

Kecelakaan lalu lintas di ruas Jalan Tol Jagorawi merupakan permasalahan yang terjadi secara konsisten setiap tahun dan memerlukan penanganan yang berbasis data serta analisis yang komprehensif. Penyajian data kecelakaan yang selama ini masih didominasi oleh statistik agregat belum mampu menggambarkan pola spasial dan temporal secara menyeluruh, sehingga proses identifikasi lokasi rawan kecelakaan menjadi kurang optimal. Penelitian ini bertujuan untuk menganalisis dan memetakan daerah rawan kecelakaan dengan menggunakan metode K-Means Clustering yang diimplementasikan melalui perangkat lunak R-Studio, serta divisualisasikan dalam platform WebGIS agar dapat diakses secara interaktif oleh masyarakat dan pemangku kepentingan. Data yang dianalisis mencakup 198 insiden pada tahun 2018, 188 insiden pada tahun 2019, 119 insiden pada tahun 2020, dan 86 insiden pada tahun 2021. Hasil analisis menunjukkan bahwa pada arah Ciawi–Cililitan, tingkat risiko tertinggi berada di KM 40+600–40+400, KM 22+400–22+200, dan KM 16+800–16+600, sedangkan pada arah Cililitan–Ciawi terdapat di KM 40+600–40+400, KM 35+800–35+600, KM 16+800–16+600, serta KM 12+000–11+800. Secara temporal, kecelakaan paling sering terjadi pada pukul 00.00–05.59. Metode K-Means berhasil mengelompokkan lokasi kecelakaan ke dalam empat tingkat kerawanan, dan visualisasi WebGIS membantu menentukan prioritas penanganan secara lebih efektif.

KLASIFIKASI GENRE BERDASARKAN DESKRIPSI FILM MENGGUNAKAN TF-IDF DAN SELEKSI FITUR DENGAN XGBOOST

2026-05-31T10:30:10+07:00

Perkembangan industri perfilman yang semakin pesat menyebabkan meningkatnya jumlah film yang diproduksi setiap tahunnya sehingga diperlukan sistem pengelolaan informasi yang efektif, salah satunya melalui pengelompokan film berdasarkan genre. Penentuan genre film yang masih banyak dilakukan secara manual cenderung bersifat subjektif, memerlukan waktu yang lama, serta kurang efektif dalam menangani film dengan karakteristik multi-genre. Penelitian ini bertujuan untuk mengembangkan sistem klasifikasi genre film secara otomatis berdasarkan deskripsi film berupa sinopsis. Sinopsis film memuat ringkasan alur cerita dan tema yang dapat merepresentasikan karakteristik suatu genre, namun masih berbentuk teks bebas sehingga memerlukan tahapan pengolahan teks agar dapat dianalisis secara komputasional. Metode yang digunakan dalam penelitian ini meliputi preprocessing teks, ekstraksi fitur menggunakan Term Frequency–Inverse Document Frequency (TF-IDF), seleksi fitur untuk mengurangi dimensi data, serta algoritma Extreme Gradient Boosting (XGBoost) dengan pendekatan One-Vs-Rest untuk melakukan klasifikasi multi-genre. Evaluasi model dilakukan menggunakan metrik accuracy, precision, recall, dan f1-score. Hasil pengujian menggunakan dataset IMDb Movie Genres mampu menghasilkan akurasi sebesar 87%, serta menunjukkan kinerja yang baik dalam mengklasifikasikan genre film berdasarkan sinopsis.

IMPLEMENTASI ALGORITMA K-MEANS UNTUK KLASTERISASI TINGKAT KEDISIPLINAN PEGAWAI PADA SISTEM KEPEGAWAIAN STMIK EL RAHMA YOGYAKARTA

2026-05-31T10:30:57+07:00

Pengelolaan data presensi pada Sistem Kepegawaian STMIK El Rahma Yogyakarta saat ini masih terbatas pada pencatatan administratif sehingga belum mampu menghasilkan informasi analitis terkait kedisiplinan pegawai. Permasalahan tersebut mendorong perlunya pemanfaatan teknik data mining untuk mengelompokkan tingkat kedisiplinan secara objektif. Penelitian ini bertujuan untuk mengimplementasikan algoritma K-Means Clustering dalam mengelompokkan tingkat kedisiplinan pegawai berdasarkan data presensi. Metode yang digunakan mengacu pada tahapan Knowledge Discovery in Databases (KDD), meliputi selection, preprocessing, transformation, data mining, dan evaluation. Data yang diolah berupa persentase pemenuhan jam kerja dan kehadiran selama tiga bulan. Hasil penelitian menunjukkan bahwa data berhasil dikelompokkan menjadi tiga klaster, yaitu kedisiplinan tinggi, sedang, dan rendah. Evaluasi menggunakan Silhouette Score menghasilkan nilai rata-rata sebesar 0,500844 yang menunjukkan kualitas klasterisasi dalam kategori cukup baik. Hasil klasterisasi juga telah diimplementasikan ke dalam sistem sehingga mampu menyajikan informasi kedisiplinan pegawai secara otomatis dan mendukung proses evaluasi kinerja secara lebih efektif. Pengujian sistem menggunakan metode blackbox menunjukkan bahwa seluruh fungsi aplikasi berjalan sesuai dengan yang diharapkan

IMPLEMENTASI APLIKASI MONITORING DISTRIBUSI STOK BERBASIS WEBSITE DENGAN NOTIFIKASI WHATSAPP PADA UMKM PEYEK ALMIRA

2026-05-31T10:31:44+07:00

Perkembangan teknologi informasi mendorong pelaku UMKM untuk beralih dari sistem manual ke sistem digital guna meningkatkan efisiensi operasional. Pada UMKM Peyek Almira, proses monitoring distribusi stok masih dilakukan secara manual menggunakan buku, sehingga menimbulkan kesulitan dalam pemantauan stok, keterlambatan informasi, serta potensi kesalahan pencatatan. Penelitian ini bertujuan untuk merancang dan mengimplementasikan sistem monitoring distribusi stok berbasis website yang terintegrasi dengan notifikasi WhatsApp. Metode yang digunakan adalah Waterfall yang meliputi tahap analisis kebutuhan, perancangan sistem menggunakan UML, implementasi dengan PHP dan MySQL, serta pengujian menggunakan Black Box Testing. Hasil penelitian menunjukkan bahwa sistem yang dikembangkan mampu membantu pemilik usaha dalam mengelola data produk, reseller, distribusi, dan laporan secara lebih terstruktur dan efisien. Selain itu, sistem menyediakan informasi secara real-time melalui dashboard serta notifikasi otomatis melalui WhatsApp. Berdasarkan hasil pengujian, seluruh fitur sistem berjalan dengan baik sesuai kebutuhan pengguna, sehingga dapat meningkatkan efektivitas, akurasi, dan kemudahan dalam monitoring distribusi stok pada UMKM Peyek Almira.

RANCANG BANGUN SISTEM INFORMASI APLIKASI MOBILE E-COMMERCE SEPATU STUDI KASUS BO MARKET

2026-05-31T10:32:35+07:00

Perkembangan teknologi informasi mendorong perusahaan beralih ke sistem digital untuk meningkatkan efektivitas dan efisiensi operasional. Namun, BO Market sebagai usaha penjualan sepatu masih menggunakan media sosial dan pencatatan manual dalam proses penjualannya, sehingga berpotensi menimbulkan kesalahan pencatatan dan kesulitan dalam pengelolaan data. Penelitian ini bertujuan untuk merancang dan mengimplementasikan aplikasi mobile e-commerce guna membantu proses penjualan pada BO Market agar lebih terstruktur dan efisien. Metode yang digunakan adalah model Waterfall yang meliputi tahapan identifikasi masalah, analisis kebutuhan, perancangan sistem, implementasi, dan pengujian. Sistem dikembangkan menggunakan React Native sebagai frontend, Laravel sebagai backend, serta MySQL sebagai basis data. Hasil pengujian menggunakan metode Black Box dan White Box menunjukkan bahwa seluruh fungsi sistem berjalan sesuai dengan yang diharapkan. Selain itu, pengujian menggunakan System Usability Scale (SUS) memperoleh nilai rata-rata sebesar 79,6 yang termasuk dalam kategori baik dan dapat diterima oleh pengguna. Dengan demikian, sistem yang dikembangkan mampu meningkatkan efektivitas pengelolaan penjualan serta memberikan kemudahan bagi pengguna dalam melakukan transaksi secara online.

VISUALISASI DATA NARAPIDANA LAPAS CIREBON UNTUK PENGAMBILAN KEPUTUSAN BERBASIS PYTHON

2026-05-31T10:33:26+07:00

Pengelolaan data narapidana di Lapas Cirebon masih menggunakan laporan tabular statis, yang menyulitkan dalam memperoleh informasi penting seperti komposisi jenis kelamin, kategori kejahatan dominan, dan tingkat hunian secara cepat. Permasalahan utama adalah keterbatasan dalam menyajikan data secara dinamis, sehingga pengambilan keputusan berbasis data menjadi sulit. Penelitian ini bertujuan untuk mengoptimalkan pemanfaatan data narapidana melalui pengembangan visualisasi berbasis Python dan dashboard interaktif yang mendukung pengambilan keputusan berbasis bukti. Metode penelitian meliputi identifikasi masalah, studi literatur, pengumpulan data dari Open Data Cirebon, serta validasi dan pembersihan data menggunakan Python (Pandas). Dashboard dikembangkan menggunakan Streamlit untuk menyediakan filter interaktif, grafik distribusi, tren, dan ekspor data. Hasil penelitian menunjukkan bahwa dashboard yang dikembangkan dapat menyajikan data secara lebih transparan, efisien, dan informatif. Pengujian menggunakan System Usability Scale (SUS) menghasilkan skor rata-rata 72,43 dengan kategori “", yang mengindikasikan bahwa dashboard ini mudah digunakan dan efektif dalam memfasilitasi pengambilan keputusan berbasis data.

ANALISIS KINERJA MODEL VGGISH DENGAN INTEGRASI CONVOLUTIONAL BLCOK ATTENTION MODULE PADA DETEKSI AI-GENERATED VOICE

2026-05-31T10:34:35+07:00

Perkembangan teknologi generative AI telah memungkinkan pembuatan audio sintetis yang sangat mirip dengan suara manusia. Fenomena ini menimbulkan tantangan baru, terutama dalam membedakan suara asli dan suara yang dihasilkan oleh AI, yang berpotensi meningkatkan risiko misinformasi, penipuan digital, serta manipulasi opini publik. Penelitian ini bertujuan untuk menganalisis kinerja model VGGish dalam mendeteksi suara sintetis serta mengevaluasi peningkatan performa melalui integrasi Convolutional Block Attention Module (CBAM). Metode yang digunakan mencakup pemrosesan data audio menggunakan representasi Mel-Spectrogram, pelatihan model VGGish dan VGGish+CBAM, serta evaluasi performa melalui metrik akurasi, confusion matrix, dan ROC-AUC. Hasil penelitian menunjukkan bahwa integrasi CBAM meningkatkan kemampuan model dalam menyoroti fitur akustik penting secara lebih adaptif, sehingga menghasilkan performa klasifikasi yang lebih baik dibandingkan model VGGish standar. Dengan demikian, pendekatan ini berpotensi menjadi solusi efektif dalam deteksi AI-Generated Voice pada berbagai implementasi keamanan digital.

OPTIMASI KINERJA ALGORITMA MACHINE LEARNING PADA KLASIFIKASI PENYAKIT CACAR MONYET MENGGUNAKAN INFORMATION GAIN DAN GRIDSEARCHCV

2026-05-31T10:35:21+07:00

Penyakit cacar monyet merupakan infeksi virus zoonotik dari genus Orthopoxvirus yang memiliki kemiripan gejala dengan beberapa penyakit lain sehingga menyulitkan proses identifikasi dini. Permasalahan yang dihadapi adalah rendahnya ketepatan diagnosis apabila hanya mengandalkan pengamatan klinis tanpa dukungan metode berbasis data. Penelitian ini bertujuan untuk membangun model klasifikasi penyakit cacar monyet serta menganalisis pengaruh seleksi fitur dan optimasi parameter terhadap performa model. Metode yang digunakan meliputi Support Vector Machine, Random Forest, dan XGBoost dengan penerapan seleksi fitur Information Gain serta optimasi parameter menggunakan GridSearchCV. Tahapan penelitian meliputi pengujian model dengan parameter default, penambahan seleksi fitur, dan optimasi parameter. Evaluasi dilakukan menggunakan metrik akurasi dan F1-Score. Hasil penelitian menunjukkan bahwa penerapan seleksi fitur dan optimasi parameter mampu meningkatkan performa klasifikasi. Model terbaik diperoleh menggunakan XGBoost dengan akurasi sebesar 71,3% dan F1-Score sebesar 81,4%.

PERANCANGAN APLIKASI PEMBELAJARAN BAHASA ARAB DENGAN FOKUS PADA KOSAKATA DAN TERJEMAH AL-QUR’AN BERBASIS WEB

2026-05-31T10:42:56+07:00

Bahasa Arab memainkan peran penting dalam kehidupan umat Islam sebagai bahasa utama al-Qur’an, sehingga penguasaan kosakata dan pemahaman terjemah menjadi kunci dalam memahami al-Qur’an secara tepat. Namun, survei terhadap sejumlah siswa Madrasah Aliyah menunjukkan bahwa sebagian besar siswa masih mengalami kesulitan dalam menghafal dan mempertahankan kosakata bahasa Arab, dengan 86% melaporkan kecenderungan sering melupakan kosakata yang telah dipelajari, yang semakin diperparah oleh rendahnya motivasi belajar dan minimnya media pembelajaran interaktif. Sebagai tanggapan, dirancang aplikasi pembelajaran bahasa Arab berbasis web yang berfokus pada hafalan kosakata dan pemahaman berbasis terjemahan al-Qur’an, dengan memanfaatkan pendekatan SDLC dan model prototipe yang memungkinkan pengembangan sistem secara iteratif berdasarkan kebutuhan dan umpan balik pengguna. Metode pembelajaran yang diterapkan berupa latihan berulang dan pembelajaran bertahap dengan materi yang disusun berdasarkan tingkat kesulitan. Pengujian SUS menghasilkan skor rata-rata 89 yang menegaskan bahwa aplikasi layak dan mudah dioperasikan, black-box testing menunjukkan bahwa seluruh fitur beroperasi sesuai spesifikasi, dan evaluasi pembelajaran menunjukkan peningkatan nilai yang signifikan sebelum dan sesudah penggunaan aplikasi membuktikan bahwa aplikasi ini efektif sebagai media pendukung hafalan kosakata dan pemahaman terjemah al-Qur’an. Dengan demikian, penelitian ini dikatakan telah berhasil merancang sebuah aplikasi sebagai solusi media pembelajaran bahasa Arab yang efektif, interaktif, dan kontekstual berdasarkan pendekatan terjemahan al-Qur’an.

PENERAPAN DETEKSI ANOMALI MENGGUNAKAN MODEL ISOLATION FOREST UNTUK ANALISIS FRAUD PADA TRANSAKSI KEUANGAN AKUNTANSI

2026-05-31T10:43:52+07:00

Kecurangan dalam transaksi keuangan menjadi permasalahan yang dapat menimbulkan kerugian finansial serta menurunkan kepercayaan terhadap sistem keuangan. Seiring meningkatnya volume dan kompleksitas transaksi digital, metode deteksi fraud konvensional menjadi kurang efektif. Permasalahan utama dalam penelitian ini adalah bagaimana mendeteksi transaksi fraud pada dataset yang tidak seimbang serta mengidentifikasi anomali tanpa bergantung pada data berlabel yang terbatas. Penelitian ini bertujuan untuk menerapkan algoritma Isolation Forest sebagai metode anomaly detection dalam mendeteksi transaksi yang berpotensi sebagai fraud. Metode yang digunakan meliputi pengumpulan dan preprocessing dataset Credit Card Fraud Detection, pembagian data training dan testing, penerapan model Isolation Forest, serta evaluasi menggunakan confusion matrix, precision, recall, dan F1-score. Hasil penelitian menunjukkan bahwa model memiliki performa sangat baik dalam mengenali transaksi normal dengan precision dan recall mendekati 1,00. Namun, pada kelas fraud diperoleh precision sebesar 0,46, recall sebesar 0,29, dan F1-score sebesar 0,35, yang menunjukkan keterbatasan model akibat ketidakseimbangan dataset. Meskipun demikian, Isolation Forest memiliki potensi sebagai metode awal dalam mendeteksi anomali pada transaksi keuangan.

ANALISIS PEMANFAATAN LARGE LANGUAGE MODEL DALAM PENANGANAN KASUS KESEHATAN MENTAL

2026-05-31T10:44:41+07:00

Permasalahan kesehatan mental di Indonesia masih terhambat oleh terbatasnya akses layanan dan tenaga profesional. Chatbot berbasis Large Language Model (LLM) berpotensi menjadi alternatif dukungan psikologis awal. Namun, efektivitas chatbot sangat bergantung pada relevansi dan akurasi respons terhadap kebutuhan pengguna. Penelitian ini bertujuan mengevaluasi kinerja lima model LLM (GPT-4o, GPT-5, Claude Haiku 4.5, Gemini 3 Pro, dan Deepseek V3.2) dalam menghasilkan respons chatbot penanganan kesehatan mental. Metode yang digunakan menerapkan pendekatan Retrieval-Augmented Generation (RAG) dengan menambahkan konteks dari knowledge base eksternal. Evaluasi dilakukan terhadap 20 pertanyaan pengujian. Respons model kemudian dibandingkan dengan ground truth menggunakan metrik BLEU-4 dan ROUGE. Hasil penelitian menunjukkan penerapan RAG secara signifikan mampu meningkatkan kualitas respons chatbot. Di antara seluruh model, Deepseek v3.2 memperoleh performa terbaik dan tertinggi pada seluruh metrik evaluasi. Integrasi RAG dengan LLM yang tepat terbukti menjadi pendekatan menjanjikan dalam mengembangkan chatbot pendukung kesehatan mental.

SISTEM INFORMASI ADMINISTRASI SIMPAN PINJAM PADA BKD UNIT KALIGAYAM

2026-05-31T10:45:36+07:00

Perkembangan teknologi informasi memberikan dampak signifikan terhadap peningkatan efisiensi dalam pengelolaan administrasi khususnya pada lembaga keuangan desa BKD Unit Desa Kaligayam sebagai lembaga simpan pinjam masih menggunakan sistem manual dalam pengelolaan data anggota dan transaksi Kondisi ini menimbulkan berbagai permasalahan seperti risiko kesalahan pencatatan keterlambatan dalam pembuatan laporan serta kesulitan dalam pencarian dan pengelolaan data Penelitian ini bertujuan untuk membangun sistem informasi administrasi simpan pinjam berbasis website guna meningkatkan efektivitas dan efisiensi pengelolaan data Metode yang digunakan adalah metode waterfall yang meliputi tahapan analisis kebutuhan perancangan sistem implementasi serta pengujian menggunakan metode black box testing Hasil penelitian menunjukkan bahwa sistem yang dikembangkan mampu mengelola data anggota transaksi simpanan dan pinjaman pembayaran online verifikasi pembayaran serta penyajian laporan secara terintegrasi Sistem ini dapat meminimalkan kesalahan pencatatan mempercepat proses administrasi serta mempermudah monitoring dan pengelolaan data sehingga kinerja administrasi menjadi lebih efektif akurat dan terstruktur serta meningkatkan kualitas pelayanan kepada anggota secara keseluruhan Selain itu sistem ini juga memberikan kemudahan dalam akses informasi secara real time bagi pengurus dan anggota sehingga proses pengambilan keputusan dapat dilakukan dengan lebih cepat dan tepat guna mendukung keberlangsungan operasional lembaga secara optimal dan berkelanjutan serta meningkatkan transparansi dan akuntabilitas dalam pengelolaan keuangan desa secara berkelanjutan optimal.

IMPLEMENTASI ALGORITMA FP-GROWTH UNTUK OPTIMASI PELETAKAN BARANG SEWA DI BAYTI ADVENTURE

2026-05-31T10:46:28+07:00

Bisnis rental outdoor merupakan salah satu jenis usaha yang menyediakan jasa persewaan alat-alat hiking dan camping. Banyaknya variasi dan jumlah perlengkapan yang tersedia menuntut adanya pengolaan tata letak barang yang baik. Namun demikian, beberapa perusahaan rental outdoor seperti Bayti Adventure masih menghadapi kesulitan dalam pengelolaan tata letak baran secara optimal, dimana pelanggan sering kesulitan menemukan barang yang dibutuhkan sehingga waktu pelayanan menjadi lebih lama. Berdasarkan hal tersebut, penelitian ini bertujuan untuk mengidentifikasi pola penyewaan barang yang sering disewa secara bersamaan dengan menerapkan algoritma FP-Growth dalam menganalisis data transaksi, serta menguji kekuatan aturan asosiasi yang dihasilkan menggunakan lift ratio dan conviction guna mengetahui kekuatan hubungan dan implikasi antar item. Metodologi yang digunakan mengikuti kerangka kerja sistematis yang meliputi pengumpulan data 715 transaksi periode 2024, preprocessing data, serta penerapan algoritma FP-Growth. Analisis dilakukan dengan menetapkan ambang batas minimum support 30% dan minimum confidence 60%. Hasil penelitian menunjukkan adanya tujuh aturan asosiasi yang signifikan, seperti korelasi kuat antara Lampu Tenda (LT) dengan Tenda (T), serta Kompor (K) dengan Gas (G). Temuan ini membuktikan bahwa algoritma FP-Growth efektif dalam mengidentifikasi pola frekuensi tinggi dan memberikan landasan akurat bagi penataan ruang inventaris guna meningkatkan efisiensi operasional layanan di Bayti Adventure.

PENERAPAN ALGORITMA K-MEANS UNTUK KLASTERISASI MOBIL BEKAS BERDASARKAN FAKTOR PENENTU HARGA JUAL

2026-05-31T10:47:22+07:00

Penentuan harga jual pada pasar mobil bekas memiliki kompleksitas tinggi karena dipengaruhi oleh berbagai faktor teknis yang dinamis. Faktor-faktor seperti tahun produksi dan jarak tempuh sering kali menimbulkan ambiguitas bagi konsumen dalam melakukan segmentasi kendaraan secara objektif. Penelitian ini bertujuan untuk mengimplementasikan algoritma K-Means Clustering dalam melakukan segmentasi harga mobil bekas guna memetakan kasta ekonomi kendaraan secara sistematis. Metodologi yang digunakan mencakup tahapan Knowledge Discovery in Database (KDD) terhadap 1.222 entri data, yang meliputi preprocessing, transformasi data, hingga penentuan klaster optimal menggunakan metode Elbow dan validasi Silhouette Score. Hasil penelitian menunjukkan bahwa jumlah klaster paling optimal adalah k=3 dengan tingkat kestabilan nilai Silhouette Score yang baik. Klasterisasi ini berhasil mengidentifikasi tiga segmen pasar utama: kelompok ekonomi (low-end) dengan rata-rata harga Rp171 juta, kelompok menengah (mid-range) sebesar Rp393 juta, dan kelompok eksklusif (high-end) yang mencapai Rp760 juta. Implementasi ini membuktikan efektivitas algoritma K-Means dalam menyediakan instrumen pendukung keputusan bagi pelaku bisnis dan konsumen untuk menilai kewajaran harga pasar secara akurat.

ANALISIS PERAN KNOWLEDGE MANAGEMENT TERHADAP EFEKTIFITAS PELAYANAN PADA BENGKEL CEMERLANG RACING MOTOR

2026-05-31T10:48:25+07:00

Penelitian ini bertujuan untuk menganalisis peran knowledge management dalam meningkatkan efektivitas pelayanan pada Bengkel Cemerlang Racing Motor Kota Palembang, yang masih menghadapi permasalahan berupa dominasi tacit knowledge dan belum terdokumentasinya pengetahuan secara sistematis. Penelitian menggunakan pendekatan kualitatif deskriptif dengan metode studi kasus melalui observasi, wawancara, dan dokumentasi. Data dianalisis menggunakan model Miles dan Huberman, serta pendekatan model SECI (Socialization, Externalization, Combination, Internalization) untuk menggambarkan proses pengelolaan pengetahuan. Hasil penelitian menunjukkan bahwa penerapan knowledge management mampu mengubah pengetahuan mekanik menjadi explicit knowledge yang terdokumentasi, sehingga mempercepat proses perbaikan, meningkatkan konsistensi kerja, dan meningkatkan kualitas pelayanan. Dengan demikian, knowledge management berperan penting dalam meningkatkan efektivitas pelayanan bengkel.

SISTEM INFORMASI PENILAIAN SKPI BERBASIS WEB DI UNIVERSITAS TEKNOLOGI DIGITAL PSDKU TEGAL

2026-05-31T10:49:21+07:00

Surat Keterangan Pendamping Ijazah (SKPI) merupakan dokumen resmi pendamping ijazah yang berfungsi untuk merekam jejak capaian pembelajaran, kompetensi, dan prestasi mahasiswa selama masa studi. Saat ini, proses pengelolaan dan penilaian dokumen SKPI di Universitas Teknologi Digital PSDKU Tegal masih bersifat konvensional, yakni mengandalkan pengumpulan melalui Google Form dan perekapan data secara manual di Microsoft Excel. Permasalahan utama yang diteliti adalah rentannya risiko kehilangan bukti prestasi mahasiswa karena pengumpulan dilakukan serentak pada akhir masa studi di semester enam. Untuk mengatasi permasalahan tersebut, penelitian ini merancang sebuah Sistem Informasi Penilaian SKPI berbasis website yang terpusat. Metode pengumpulan data dilakukan melalui observasi, wawancara, dan studi kepustakaan. Perancangan sistem menggunakan pemodelan UML untuk merancang perangkat lunak yang terstruktur. Implementasi sistem dikembangkan dengan metode Waterfall, memanfaatkan bahasa pemrograman PHP, framework, basis data relasional MySQL, dan Bootstrap untuk menghasilkan antarmuka yang responsif. Hasil penelitian menunjukkan bahwa sistem telah berhasil diimplementasikan dan diuji menggunakan metode Black Box Testing, di mana seluruh modul fungsional berjalan valid sesuai kebutuhan pengguna. Kesimpulannya, Sistem Informasi Penilaian SKPI berhasil mendigitalisasi alur pemberkasan pencapaian mahasiswa. Sistem ini efektif memudahkan mahasiswa menyicil unggahan bukti prestasi sejak dini, mempercepat antrean verifikasi Kaprodi, serta membantu bagian Akademik menerbitkan SKPI secara lebih cepat, aman, dan efisien.

PEMETAAN DAN PENGELOMPOKAN KONDISI PENDIDIKAN KECAMATAN DI KABUPATEN KARAWANG MENGGUNAKAN K-MEANS CLUSTERING

2026-05-31T10:51:03+07:00

Riset ini dilakukan guna memetakan wilayah kecamatan di Karawang sesuai strata pendidikan warga demi mengungkap pola serta disparitas antar daerah. Masalah utama yang dibahas adalah absennya instrumen pemetaan distribusi pendidikan yang akurat, sehingga menghambat efektivitas formulasi kebijakan publik. Analisis data mengimplementasikan algoritma K-Means Clustering melalui fase normalisasi Min-Max Scaler, identifikasi titik siku (Elbow Method), serta pengujian validitas menggunakan Silhouette Coefficient. Hasilnya menunjukkan bahwa konfigurasi tiga kelompok ( ) merupakan skenario paling optimal dengan perolehan skor Silhouette sebesar 0.5686, yang merepresentasikan stabilitas struktur klaster. Wilayah teridentifikasi ke dalam tipologi pendidikan dasar, berkembang, dan tinggi. Berdasarkan temuan, area dengan level pendidikan tinggi terkonsentrasi pada pusat pertumbuhan ekonomi, sementara mayoritas kecamatan lainnya masih tergolong dalam klaster pendidikan dasar. Kesenjangan ini mengindikasikan perlunya redistribusi sumber daya manusia dan infrastruktur pendidikan yang lebih inklusif. Temuan ini diharapkan mampu menjadi fondasi teknis bagi pemerintah daerah dalam merancang program intervensi yang presisi, seperti alokasi anggaran dan beasiswa yang disesuaikan dengan profil kebutuhan spesifik di tiap wilayah.

SISTEM INFORMASI KEPEGAWAIAN BERBASIS WEBSITE MENGGUNAKAN METODE WATERFALL

2026-05-31T10:52:42+07:00

Efisiensi dalam pengelolaan data karyawan sangat bergantung pada sistem yang cepat dan akurat. CV Karunia Metal Sejahtera masih menggunakan metode konvensional dalam menangani absensi dan pengajuan cuti, yang sering menimbulkan kesalahan data serta memperlambat pembuatan laporan. Untuk mengatasi permasalahan tersebut, penelitian ini mengembangkan sistem informasi kepegawaian berbasis website. Pengembangan sistem menggunakan metode Waterfall yang meliputi tahap analisis kebutuhan, perancangan, implementasi, pengujian, dan pemeliharaan. Sistem dibangun dengan arsitektur Model-View-Controller (MVC) menggunakan framework CodeIgniter 3 dan MySQL sebagai basis data. Pengujian sistem dilakukan menggunakan metode black-box untuk memastikan setiap fungsi berjalan sesuai dengan kebutuhan. Hasil pengujian menunjukkan bahwa seluruh fitur dalam sistem dapat beroperasi dengan baik. Implementasi sistem ini mampu mengintegrasikan pengelolaan data kepegawaian secara terpusat, meminimalkan kesalahan input, serta meningkatkan efisiensi dan kecepatan dalam proses operasional perusahaan.

SEGMENTASI DAERAH PRIORITAS PENANGANAN STUNTING DI JAWA BARAT MENGGUNAKAN METODE K-MEANS CLUSTERING

2026-05-31T10:53:57+07:00

Stunting pada balita masih menjadi permasalahan kesehatan masyarakat di Provinsi Jawa Barat yang ditandai dengan adanya perbedaan tingkat prevalensi antarwilayah. Permasalahan utama terletak pada belum optimalnya pemetaan wilayah berbasis analisis tren kuantitatif, sehingga penentuan prioritas intervensi belum sepenuhnya tepat sasaran. Penelitian ini bertujuan untuk menganalisis pola perubahan prevalensi stunting serta mengelompokkan kabupaten/kota berdasarkan kesamaan tren selama periode 2014–2024. Metode yang digunakan adalah K-Means Clustering dengan tahapan pre-processing data, normalisasi menggunakan metode Min-Max, penentuan jumlah klaster menggunakan Elbow Method, serta evaluasi menggunakan Silhouette Score. Hasil penelitian menunjukkan bahwa wilayah dapat dikelompokkan menjadi tiga klaster, yaitu tinggi, sedang, dan rendah. Klaster tinggi memiliki jumlah kasus yang relatif besar dan fluktuatif, klaster sedang menunjukkan tren penurunan yang konsisten, sedangkan klaster rendah memiliki jumlah kasus yang relatif kecil dan stabil. Hasil ini diharapkan dapat mendukung penentuan kebijakan penanganan stunting yang lebih terarah dan berbasis data.

RANCANG BANGUN APLIKASI PEMBELIAN TIKET TEATER DENGAN FITUR PELAYANAN CHATBOT AI MENGGUNAKAN PENDEKATAN METODE CUSTOMER RELATIONSHIP MANAGEMENT

2026-05-31T10:54:49+07:00

Perkembangan teknologi digital mendorong transformasi pada berbagai sektor, termasuk industri hiburan, khususnya dalam sistem pemesanan tiket secara online. Mini Teater Edukatif Kabupaten Kuningan saat ini masih menggunakan sistem pemesanan manual yang menyebabkan keterlambatan respon dan kurang optimalnya pelayanan kepada pengguna. Penelitian ini bertujuan untuk merancang dan membangun aplikasi pembelian tiket teater berbasis website yang dilengkapi fitur chatbot berbasis Artificial Intelligence (AI) dengan pendekatan Customer Relationship Management (CRM) guna meningkatkan kualitas layanan pengguna. Metode yang digunakan adalah model pengembangan perangkat lunak waterfall dengan tahapan analisis kebutuhan, perancangan menggunakan Unified Modeling Language (UML), implementasi menggunakan PHP serta Framework Flask untuk membuat chatbot AI, dan pengujian sistem dilakukan menggunakan metode black box testing untuk memastikan kesesuaian fungsi sistem. Hasil penelitian menunjukkan bahwa sistem yang dikembangkan mampu memfasilitasi proses pemesanan tiket secara online, menyediakan informasi film secara real-time, serta meningkatkan interaksi pengguna melalui chatbot AI yang responsif. Berdasarkan hasil pengujian, seluruh fitur sistem berjalan sesuai dengan skenario yang diharapkan, sehingga aplikasi dinyatakan layak digunakan sebagai solusi digital dalam meningkatkan efektivitas pelayanan pada Mini Teater Edukatif Kabupaten Kuningan.

IMPLEMENTASI SISTEM INFORMASI SEWA RUKO BERBASIS WEB MENGGUNAKAN METODE WATERFALL

2026-05-31T10:56:03+07:00

Perkembangan teknologi informasi yang pesat mendorong penerapan sistem berbasis web dalam mendukung pengelolaan data secara lebih efektif dan efisien, termasuk pada bidang penyewaan ruko. Permasalahan yang terjadi adalah proses penyewaan masih dilakukan secara manual sehingga menimbulkan keterlambatan penyampaian informasi, kesalahan pencatatan, serta keterbatasan akses bagi calon penyewa dalam memperoleh informasi yang akurat. Penelitian ini bertujuan untuk merancang dan mengimplementasikan sistem informasi penyewaan ruko berbasis web guna meningkatkan efisiensi pengelolaan data serta mempermudah akses informasi bagi pengguna. Metode yang digunakan adalah Waterfall yang meliputi tahapan analisis kebutuhan, perancangan, implementasi, dan pengujian, dengan teknik pengujian Black Box serta System Usability Scale (SUS). Hasil penelitian menunjukkan bahwa sistem yang dikembangkan mampu mengelola data penyewaan secara terintegrasi, mempercepat penyampaian informasi, serta meminimalkan kesalahan administrasi, dengan nilai usability sebesar 79,5 yang termasuk dalam kategori baik sehingga sistem dinyatakan layak untuk digunakan.

SISTEM INFORMASI MONITORING DAN PELAPORAN DENGAN PENDEKATAN MODEL AGILE PROYEK FURNITUR PADA CV ANPRO BERBASIS WEB

2026-05-31T10:56:53+07:00

Perkembangan teknologi informasi memberikan peluang bagi perusahaan untuk meningkatkan efisiensi pengelolaan proyek. Namun, CV Anpro saat ini masih mengandalkan mekanisme konvensional dalam mengawasi dan mendokumentasikan progres pengerjaan proyek furnitur. Hal ini memicu berbagai kendala operasional, mulai dari distorsi data hingga keterlambatan pembaruan status proyek. Penelitian ini bertujuan untuk mengembangkan sistem informasi monitoring dan pelaporan proyek berbasis web pada CV Anpro guna mengatasi permasalahan tersebut. Pengembangan perangkat lunak menerapkan metodologi Agile dengan pendekatan Kanban. Sistem ini dibangun menggunakan bahasa pemrograman PHP, framework CodeIgniter 3 dengan arsitektur MVC, dan penyimpanan data MySQL. Pengujian sistem dilakukan menggunakan teknik Black Box Testing. Hasil pengujian fungsional membuktikan bahwa seluruh modul utama sistem beroperasi secara optimal dengan tingkat keberhasilan 100%. Implementasi sistem ini berhasil mentransformasi tata kelola data menjadi lebih sistematis, memfasilitasi manajemen inventaris, dan mempercepat birokrasi pelaporan periodik proyek di CV Anpro.

IMPLEMENTASI METODE K-MEANS UNTUK MENGELOMPOKKAN RUMAH SAKIT DI INDONESIA BERDASARKAN KAPASITAS PELAYANAN

2026-05-31T10:57:56+07:00

Perbedaan kapasitas pelayanan antar rumah sakit di Indonesia dapat menyebabkan ketimpangan akses layanan kesehatan. Permasalahan tersebut perlu dianalisis agar diperoleh gambaran distribusi kapasitas rumah sakit secara objektif. Penelitian ini bertujuan untuk mengelompokkan rumah sakit di Indonesia berdasarkan kapasitas pelayanan. Metode yang digunakan adalah algoritma K-Means dengan variabel jumlah tempat tidur, total layanan, dan jumlah tenaga kerja. Tahapan penelitian meliputi preprocessing data, normalisasi, penerapan K-Means, serta evaluasi menggunakan Silhouette Coefficient. Hasil penelitian menunjukkan bahwa jumlah cluster optimal adalah tiga cluster dengan nilai Silhouette sebesar 0,5367. Cluster yang terbentuk terdiri dari kategori kapasitas rendah, sedang, dan tinggi. Visualisasi menggunakan PCA menunjukkan adanya overlap antar cluster, yang mengindikasikan bahwa kapasitas pelayanan rumah sakit bersifat kontinu. Dengan demikian, metode K-Means efektif digunakan sebagai alat segmentasi untuk memahami distribusi kapasitas rumah sakit di Indonesia.

ANALISIS PERBEDAAN PENGARUH VARIABEL PADA PEMAKAIAN OBAT BERBASIS KUANTIL MENGGUNAKAN LASSO QUANTILE REGRESSION UNTUK MENDUKUNG PERENCANAAN STOK OBAT

2026-05-31T11:01:14+07:00

Pengelolaan persediaan obat di fasilitas kesehatan primer, khususnya puskesmas, sering menghadapi ketidakseimbangan antara permintaan dan ketersediaan yang dapat menyebabkan kekosongan maupun kelebihan stok. Sebagian besar puskesmas masih menggunakan metode Average Monthly Consumption (AMC) berbasis rata-rata historis, yang memiliki keterbatasan dalam menangkap fluktuasi permintaan. Pendekatan berbasis rata-rata seperti Ordinary Least Squares (OLS) juga kurang mampu merepresentasikan distribusi data yang asimetris serta keberadaan nilai ekstrem. Penelitian ini menerapkan LASSO Quantile Regression untuk menganalisis pengaruh variabel operasional terhadap pemakaian obat pada kuantil 0,5 dan 0,9, yang masing-masing merepresentasikan kondisi permintaan normal dan tinggi. Data yang digunakan berasal dari Laporan Pemakaian dan Lembar Permintaan Obat (LPLPO) Puskesmas Ibuh Kota Payakumbuh periode Januari 2015 hingga September 2025. Kinerja model dievaluasi menggunakan pinball loss, prediction coverage, Pseudo R², dan stability selection. Hasil menunjukkan bahwa pengaruh variabel operasional berbeda pada setiap tingkat kuantil. Model menghasilkan pinball loss sebesar 0,033–0,331, prediction coverage 0,504–0,519 pada kuantil 0,5 dan 0,899–0,930 pada kuantil 0,9, serta Pseudo R² hingga 0,391. Temuan ini menunjukkan bahwa pendekatan berbasis kuantil lebih efektif dalam menangkap variasi permintaan obat dan dapat mendukung perencanaan persediaan yang lebih adaptif serta berbasis risiko di fasilitas kesehatan primer.

PENGEMBANGAN APLIKASI MANAJEMEN KEUANGAN MAHASISWA UNIVERSITAS BUANA PERJUANGAN KARAWANG BERBASIS ANDROID

2026-05-31T11:02:16+07:00

Pengelolaan keuangan pribadi merupakan keterampilan krusial bagi mahasiswa untuk menjaga stabilitas finansial di tengah kebutuhan akademik dan biaya hidup yang beragam. Namun, banyak mahasiswa Universitas Buana Perjuangan Karawang masih menghadapi kesulitan dalam mengontrol pengeluaran akibat tidak adanya kebiasaan mencatat transaksi secara mandiri dan kurangnya alat bantu yang praktis. Fokus utama dari studi ini adalah menciptakan sebuah platform tata kelola keuangan pribadi untuk ekosistem Android guna mendampingi mahasiswa agar lebih terorganisir dalam merekam histori penambahan maupun pengurangan dana mereka. Untuk proses pembangunannya, penelitian ini memilih metode Rapid Application Development (RAD). Alur kerjanya terdiri atas fase requirements planning, design workshop, construction menggunakan bahasa pemrograman Kotlin dan Room Database, serta implementation melalui pengujian black box. Temuan riset ini mengindikasikan bahwa sistem yang dibangun mampu mengakomodasi berbagai kapabilitas inti dengan baik, meliputi dokumentasi riwayat finansial, visualisasi saldo otomatis, serta laporan keuangan dalam bentuk daftar dan grafik pie chart. Melalui platform ini, mahasiswa dapat memantau kondisi finansial mereka secara efisien dan mengambil keputusan keuangan yang lebih bijak.

POLA KONSUMSI PANGAN SKOR PPH WILAYAH DI INDONESIA BERDASARKAN GIZI TIAP DAERAH 2021–2024 PENERAPAN METODE HIERARCHICAL CLUSTERING

2026-05-31T11:03:04+07:00

Pola konsumsi pangan merupakan indikator utama dalam menilai kualitas gizi dan ketahanan pangan suatu wilayah. Namun, variasi Skor Pola Pangan Harapan (PPH) antarwilayah di Indonesia masih menunjukkan ketimpangan yang signifikan, sehingga menyulitkan penentuan prioritas intervensi kebijakan pangan. Penelitian ini bertujuan untuk mengelompokkan 507 wilayah Kabupaten/Kota berdasarkan kemiripan profil kinerja Skor PPH periode 2021–2024. Prosedur penelitian dilakukan menggunakan pendekatan Knowledge Discovery in Databases (KDD) dengan menerapkan metode Agglomerative Hierarchical Clustering. Algoritma diimplementasikan menggunakan Euclidean Distance sebagai pengukur jarak dan Ward’s Method untuk meminimalkan varians di dalam klaster. Hasil validasi melalui Silhouette Coefficient memberikan nilai optimal sebesar 0,4022 pada jumlah tiga klaster (K=3). Penelitian ini berhasil memetakan tiga zonasi risiko gizi nasional: Klaster 1 (Zona Hijau) dengan performa stabil di atas skor 85,0 yang didominasi Pulau Jawa; Klaster 0 (Zona Kuning) sebagai kelompok transisi; dan Klaster 2 (Zona Merah) dengan risiko tinggi di bawah skor 70,0 yang terkonsentrasi di wilayah Timur Indonesia. Hasil ini memberikan landasan struktural bagi pemangku kebijakan dalam merancang program ketahanan pangan yang lebih tepat sasaran.

SISTEM INFORMASI MANAJEMEN INVENTORI BARANG MENGGUNAKAN METODE AGILE

2026-05-31T11:04:15+07:00

Tata kelola logistik konvensional pada Toko Plastik sering mengalami kendala operasional, seperti diskrepansi data inventaris dan keterlambatan pengadaan stok, yang disebabkan oleh ketergantungan pada dokumentasi fisik dan risiko human error. Penelitian ini bertujuan mengembangkan platform informasi manajemen barang berbasis web untuk meningkatkan presisi pengelolaan stok. Sistem dirancang menggunakan bahasa pemrograman PHP dengan framework CodeIgniter 3, didukung oleh basis data MySQL, dan dikembangkan melalui metode Agile yang adaptif dan iteratif. Implementasi sistem menunjukkan peningkatan otomatisasi registrasi arus barang, visualisasi stok secara real-time, dan reliabilitas manajemen inventori yang lebih tinggi. Hasil ini menegaskan efektivitas platform dalam mengurangi kesalahan manual dan mempercepat proses operasional logistik.

PENGEMBANGAN SISTEM WHATSAPP GATEWAY BERBASIS LARGE LANGUAGE MODEL (LLM) PADA PMB UNUSIDA MENGGUNAKAN METODE RAG

2026-05-31T11:05:00+07:00

Perkembangan teknologi informasi mendorong perguruan tinggi untuk menyediakan layanan yang cepat, responsif, dan mudah diakses, khususnya pada proses Penerimaan Mahasiswa Baru (PMB). Permasalahan yang terjadi di UNUSIDA adalah tingginya volume pertanyaan calon mahasiswa melalui WhatsApp yang masih dilayani secara manual, sehingga menyebabkan keterlambatan respons dan menurunkan efisiensi layanan. Penelitian ini bertujuan untuk mengembangkan sistem WhatsApp Gateway berbasis Large Language Model (LLM) dengan pendekatan Retrieval-Augmented Generation (RAG) guna menghasilkan respons otomatis yang relevan dan kontekstual. Metode yang digunakan adalah pengembangan sistem dengan mengintegrasikan WhatsApp Gateway berbasis Node.js, platform otomasi n8n sebagai pengelola alur komunikasi, DeepSeek API sebagai model kecerdasan buatan, serta Google Sheet sebagai sumber data eksternal. Pengujian sistem dilakukan menggunakan metode black-box testing untuk mengevaluasi fungsionalitas dan kualitas respons. Hasil penelitian menunjukkan bahwa sistem mampu memberikan respons secara cepat, akurat, dan tersedia selama 24 jam, sehingga efektif dalam meningkatkan kualitas layanan informasi PMB serta mengurangi beban kerja administratif.

DETEKSI DAN KLASIFIKASI KONTEN PROMOSI JUDI ONLINE PADA MEDIA SOSIAL YOUTUBE MENGGUNAKAN PENDEKATAN NATURAL LANGUAGE PROCESSING DAN MACHINE LEARNING

2026-05-31T11:06:16+07:00

Konten promosi judi online pada kolom komentar YouTube menjadi salah satu bentuk penyalahgunaan media sosial yang sulit dikendalikan. Penyebaran dilakukan dengan variasi teks sehingga menyulitkan proses identifikasi secara langsung. Penelitian ini bertujuan untuk mengembangkan pendekatan otomatis dalam mendeteksi dan mengklasifikasikan konten tersebut. Pendekatan yang digunakan mengombinasikan Natural Language Processing dan Machine Learning. Data yang digunakan berjumlah 10.230 komentar yang terdiri dari kategori judi online dan non-judi. Representasi teks dibentuk menggunakan TF-IDF, kemudian dilakukan proses klasifikasi menggunakan algoritma Support Vector Machine dan Random Forest. Hasil evaluasi menunjukkan bahwa Support Vector Machine menghasilkan performa yang lebih baik dengan akurasi 97,16%, precision 97,67%, recall 95,67%, dan F1-score 96,66%, sedangkan Random Forest memperoleh akurasi sebesar 96,72%. Hasil tersebut menunjukkan bahwa Support Vector Machine lebih efektif dalam menangani karakteristik data pada penelitian ini.

CLUSTERING DATA PENJUALAN PRODUK ELEKTRONIK RUMAH TANGGA MENGGUNAKAN METODE K-MEANS UNTUK MENDUKUNG STRATEGI PEMASARAN E-COMMERCE

2026-05-31T11:07:04+07:00

Perkembangan e-commerce di Indonesia yang pesat menghasilkan data transaksi dalam jumlah besar yang belum dimanfaatkan secara optimal dalam pengambilan keputusan pemasaran. Permasalahan yang muncul adalah masih banyak pelaku usaha yang belum mampu mengolah data penjualan untuk menghasilkan strategi yang tepat sasaran. Penelitian ini bertujuan untuk mengelompokkan data penjualan produk elektronik rumah tangga, seperti AC, kulkas, mesin cuci, dan rice cooker, guna mengidentifikasi pola penjualan dan mendukung strategi pemasaran berbasis data. Metode yang digunakan adalah K-Means clustering dengan atribut harga, rating, dan jumlah terjual yang diperoleh melalui proses scraping dari platform e-commerce. Pengolahan data dilakukan menggunakan Python pada Google Colab melalui tahapan preprocessing, penentuan jumlah cluster dengan Elbow Method, serta evaluasi menggunakan Silhouette Score. Hasil penelitian menunjukkan bahwa jumlah cluster optimal adalah tiga dengan nilai Silhouette Score sebesar 0,675 yang menunjukkan kualitas pengelompokan yang baik. Segmentasi yang dihasilkan meliputi produk dengan penjualan tinggi, sedang, dan rendah. Hasil ini dapat dimanfaatkan sebagai dasar dalam penyusunan strategi pemasaran yang lebih efektif dan terarah.

EFEKTIVITAS MEDIA VIDEO ANIMASI NUSSA DAN RARA SEBAGAI STIMULASI PENINGKATAN KESADARAN KEBERSIHAN LINGKUNGAN DI SANGGAR BIMBINGAN AT-TANZIL SERDANG MALAYSIA

2026-05-31T11:07:58+07:00

Pendidikan bagi anak pekerja migran di tanah perantauan seringkali menghadapi kendala dalam internalisasi nilai-nilai karakter karena terbatasnya media pembelajaran yang kontekstual dan menarik bagi anak-anak. Fenomena di Sanggar Bimbingan At-tanzil Serdang, Malaysia, menunjukkan rendahnya kepedulian siswa terhadap kebersihan kelas dan pembuangan sampah, yang mengindikasikan bahwa metode ceramah konvensional belum mampu mengubah perilaku siswa secara signifikan. Penelitian ini bertujuan untuk menguji efektivitas media video animasi Nussa dan Rara sebagai stimulus audio-visual dalam meningkatkan kesadaran kebersihan lingkungan siswa. Penelitian ini menggunakan pendekatan kuantitatif eksperimental yang melibatkan 10 siswa yang dipilih melalui purposive sampling. Data dihimpun melalui observasi perilaku dan instrumen pre-test serta post-test untuk mengukur perubahan sebelum dan sesudah intervensi. Analisis data menunjukkan peningkatan skor yang signifikan dan perubahan perilaku nyata siswa dalam menjaga kebersihan lingkungan sanggar bimbingan. Hal ini membuktikan bahwa media video animasi efektif sebagai sarana internalisasi nilai-nilai kebersihan. Media ini direkomendasikan sebagai variasi metode instruksional yang inovatif untuk mengatasi kejenuhan belajar sekaligus meningkatkan keterlibatan afektif siswa.

SISTEM INFORMASI UJIAN DI PUSAT KEGIATAN BELAJAR MASYARAKAT SARANA MAJU KOTA TEGAL BERBASIS WEBSITE

2026-05-31T11:08:52+07:00

Peningkatan jumlah peserta didik di PKBM Sarana Maju Kota Tegal menimbulkan tantangan dalam pengelolaan administrasi ujian secara manual, seperti pendaftaran, pencetakan kartu, penjadwalan, dan pengumuman hasil yang rawan kesalahan dan memakan waktu. Permasalahan ini menyebabkan antrean panjang, keterlambatan layanan, dan ketidakakuratan data. Untuk mengatasi hal tersebut, penelitian ini bertujuan merancang dan mengimplementasikan Sistem Informasi Ujian berbasis web yang mampu mengotomatisasi seluruh proses ujian secara digital dan terintegrasi. Metodologi yang digunakan adalah metode pengembangan Waterfall dan perancangan menggunakan UML, mulai dari analisis kebutuhan hingga implementasi dan pengujian sistem. Hasilnya adalah terwujudnya Sistem Informasi Ujian (SIMAJU) yang dapat mengelola data peserta, jadwal, soal, nilai, dan laporan secara efisien dan akurat. Sistem ini diharapkan meningkatkan kualitas layanan pendidikan nonformal di PKBM Sarana Maju serta mempermudah pengelolaan administrasi ujian dengan keamanan dan kehandalan yang lebih baik.

ANALISIS PROGRES AKADEMIK SEBAGAI INDIKATOR KETERLAMBATAN PEMBAYARAN UKT MAHASISWA MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBOR

2026-05-31T11:10:26+07:00

Pembayaran Uang Kuliah Tunggal (UKT) merupakan kewajiban mahasiswa yang sangat berpengaruh dalam mendukung kelancaran aktivitas akademik dan stabilitas keuangan di perguruan tinggi. Namun, pada kenyataannya masih terdapat mahasiswa yang mengalami keterlambatan yang dapat dipengaruhi oleh berbagai faktor serta kondisi tertentu. Permasalahan ini menjadi dorongan dalam melakukan analisis berbasis data untuk mengidentifikasi pola keterlambatan secara sistematis. Penelitian ini bertujuan untuk menganalisis progres akademik mahasiswa sebagai indikator keterlambatan pembayaran menggunakan algoritma K-Nearest Neighbor (K-NN). Metode yang digunakan adalah pendekatan kuantitatif dengan teknik klasisfikasi data mining berdasarkan data historis mahasiswa di Universitas Buana Perjuangan Karawang. Dataset yang digunakan berjumlah 4.558 mahasiswa yang terdiri dari angkatan 2021 dan 2022 dengan atribut angkatan, periode semester, dan IPK terakhir. Data diproses melalui tahapan preprocessing, pembentukan label keterlambatan berdasarkan progres semester, pembagian data latih dan data uji, pemodelan algoritma KNN, serta evaluasi model menggunakan confusion matrix dan matrix precision, recall, serta F1-score dengan nilai parameter K = 7. Hasil penelitian menunjukan model bahwa model menghasilkan tingkat akurasi sebesar 52,19%, yang menunjukkan bahwa kemampuan klasifikasi masih berada di tingkat sedang. Meskipun demikian, model ini mampu memberikan gambaran awal mengenai pola keterlambatan pembayaran, sehingga dapat dimanfaatkan sebagai dasar dalam pengembangan sistem pendukung keputusan.

IMPLEMENTASI GOOGLE WORKSPACE DALAM INTEGRASI APLIKASI DIGITAL TABUNGAN BERBASIS WEB STUDI KASUS TK IT AMANAH

2026-05-31T11:11:23+07:00

ormasi digital dalam administrasi pendidikan didorong oleh kemajuan teknologi informasi, termasuk pengelolaan tabungan siswa pada pendidikan anak usia dini yang masih banyak dilakukan secara manual. Permasalahan yang terjadi di TK IT Amanah meliputi pencatatan tabungan yang kurang efisien, rentan kesalahan, serta minimnya transparansi informasi terhadap orang tua murid. Oleh karena itu, penelitian ini bertujun untuk merancang aplikasi digital tabungan berbasis web yang dapat meningkatkan efektivitas, ketepatan, dan transparansi dalam pengelolaan data. Metode pengembangan perangkat lunak yang digunakan adalah metode waterfall yang mencakup tahapan analisis kebutuhan, perancangan sistem menggunakan UML, implementasi, serta pengujian dengan metode black box. Sistem dibangun menggunakan Google Workspace dengan Google Sheets sebagai sumber data dan Google Apps Script sebagai backend serta HTML sebagai antarmuka. Hasil penelitian menunjukkan bahwa sistem yang dikembangkan dapat meningkatkan efisiensi dalam pengelolaan data, mengurangi kesalahan pencatatan, dan menyediakan informasi saldo secara real-time kepada wali murid. Dengan demikian, implementasi sistem ini dapat mendukung proses digitalisasi pengelolaan keuangan di lingkungan pendidikan anak usia dini.

ANALISIS PERFORMA EFISIENSI WAKTU PADA WORKFLOW OTOMASI MENGGUNAKAN PLATFORM N8N

2026-05-31T11:12:20+07:00

Transformasi digital menuntut efisiensi tinggi dalam pengelolaan data rutin guna meminimalisir proses manual yang memakan waktu dan rentan terhadap kesalahan manusia (human error). Masalah utama yang mendasari penelitian ini adalah lambatnya siklus sinkronisasi data dari Google Sheets menuju platform notifikasi akibat pengelolaan yang masih dilakukan secara konvensional. Penelitian ini bertujuan untuk menganalisis performa efisiensi waktu secara kuantitatif dengan mengimplementasikan workflow otomasi menggunakan platform low-code n8n. Metode yang digunakan adalah eksperimen komparatif yang membandingkan durasi eksekusi penyalinan data manual dengan kecepatan sistem otomasi. Sistem ini dirancang untuk menghubungkan Google Sheets dan Telegram API melalui mekanisme pemantauan (polling) secara berkala. Hasil pengujian menunjukkan bahwa implementasi n8n mampu mereduksi waktu pemrosesan secara drastis dibandingkan cara konvensional. Waktu transmisi data sejak terdeteksi oleh sistem hingga terkirim sebagai pesan Telegram terbukti konsisten berada di bawah batas dua detik dengan tingkat akurasi 100%. Dapat disimpulkan bahwa otomasi n8n memberikan peningkatan performa efisiensi waktu yang sangat signifikan, menjadikannya solusi ideal untuk integrasi sistem otomatis dengan pemeliharaan infrastruktur yang minimal.

IDENTIFIKASI PENYAKIT DAUN TANAMAN KOPI ROBUSTA MENGGUNAKAN ARSITEKTUR MOBILENETV2 DENGAN ALGORITMA SUPPORT VECTOR MACHINE (SVM)

2026-05-31T11:13:16+07:00

Penyakit pada tanaman kopi robusta merupakan salah satu faktor yang dapat menurunkan kualitas dan produktivitas hasil panen. Proses identifikasi penyakit tanaman kopi robusta masih banyak dilakukan secara manual melalui pengamatan langsung, sehingga memerlukan keahlian khusus dan kurang efisien. Oleh karena itu, peneliti membangun sistem identifikasi penyakit tanaman kopi robusta berbasis citra daun menggunakan arsitektur MobileNetV2 dan algoritma Support Vector Machine (SVM). Dataset yang digunakan terdiri dari 600 citra daun kopi robusta yang diambil dari 5 kecamatan di Kota Pagar Alam, yang dibagi menjadi data training dan data validasi dengan perbandingan 80:20. Untuk memenuhi kebutuhan jumlah data, dilakukan augmentasi pada data training sehingga menghasilkan 5.000 citra.Proses pelatihan dilakukan dalam 40 epoch yang mencakup tahap fine-tuning pada 30 layer terakhir MobileNetV2 untuk mengoptimasi ekstraksi ciri. Vektor fitur tersebut kemudian digunakan sebagai input pada algoritma SVM yang dioptimasi menggunakan Grid Search. Hasil evaluasi menunjukkan model mencapai akurasi validasi sebesar 96% pada tahap pengembangan dan akurasi pengujian sistem sebesar 85% menggunakan confusion matrix. Performa ini membuktikan bahwa integrasi MobileNetV2 dan SVM mampu memberikan hasil identifikasi yang stabil dan akurat di atas target 80%.

KLASTERISASI KERENTANAN SOSIAL DAN PENDIDIKAN PENERIMA PROGRAM KELUARGA HARAPAN MENGGUNAKAN METODE K-MEANS DI KECAMATAN RENGASDENGKLOK

2026-05-31T11:14:11+07:00

Program Keluarga Harapan (PKH) merupakan instrumen strategis penanggulangan kemiskinan, namun data administratif penerima di Kecamatan Rengasdengklok belum termanfaatkan optimal untuk memetakan kerentanan sosial dan pendidikan secara terukur. Penelitian ini bertujuan mengelompokkan 1.1511 Kepala Keluarga penerima PKH tahun 2025 ke dalam tiga kategori kerentanan memanfaatkan metode klasterisasi K-Means. Metodologi penelitian mencakup tahapan pra-pemrosesan data yang meliputi pembersihan, konversi variabel kategorik ke numerik, serta normalisasi Min-Max Scaling, dilanjutkan penentuan jumlah klaster optimal melalui Metode Elbow, eksekusi algoritma K-Means, dan evaluasi kualitas klaster menggunakan Silhouette Coefficient. Hasil komputasi menunjukkan jumlah klaster optimal K=3 dengan nilai inertia sebesar 19,34 serta konvergensi tercapai pada iterasi kedelapan. Skor Silhouette Coefficient sebesar 0,2281 mengonfirmasi pemisahan klaster yang wajar bagi data bersifat multidimensi. Terbentuk tiga profil karakteristik distinct: Klaster 0 merepresentasikan kerentanan sedang dengan sebaran pendidikan dasar hingga menengah merata, Klaster 1 mencerminkan kerentanan tinggi yang didominasi penyandang disabilitas dan tingkat pendidikan rendah, sedangkan Klaster 2 menunjukkan kerentanan rendah dengan proporsi pendidikan SMA paling tinggi. Studi ini membuktikan efektivitas K-Means dalam memetakan kerentanan penerima PKH secara objektif, sehingga output klasterisasi dapat menjadi acuan strategis penetapan prioritas pendampingan serta intervensi bantuan yang lebih presisi dan tepat sasaran.

INTEGRASI PLATFROM ANDROID MENGGUNAKAN MODEL CONVOLUTIONAL NEURAL NETWORK (CNN) UNTUK DETEKSI KEMATANGAN BUAH SALAK

2026-05-31T11:15:04+07:00

Penelitian ini dilatarbelakangi oleh perkembangan teknologi di bidang pertanian yang mendorong penerapan kecerdasan buatan untuk meningkatkan kualitas dan konsistensi hasil panen. Permasalahan dalam penelitian ini adalah proses penentuan tingkat kematangan buah salak yang masih dilakukan secara manual dan bersifat subjektif, sehingga berpotensi menimbulkan ketidakkonsistenan. Tujuan penelitian ini adalah mengembangkan sistem deteksi tingkat kematangan buah salak berbasis pengolahan citra digital menggunakan metode Convolutional Neural Network (CNN) yang diimplementasikan pada platform Android. Metode penelitian meliputi penggunaan dataset sebanyak 800 citra yang diklasifikasikan ke dalam empat kategori, yaitu bukan salak, mentah, setengah matang, dan matang, dengan pembagian data 70% pelatihan, 20% validasi, dan 10% pengujian. Tahap preprocessing mencakup resizing citra menjadi 150×150 piksel, normalisasi, serta augmentasi berupa rotasi dan zoom sebesar 0,2. Model dilatih selama 20 epoch dan menghasilkan akurasi pelatihan di atas 90%, dengan validation accuracy 95% dan validation loss mendekati 0,20. Hasil evaluasi menggunakan confusion matrix menunjukkan kinerja deteksi yang baik. Secara keseluruhan, model mencapai akurasi 95% dengan nilai precision, recall, dan F1-score masing-masing sebesar 0,95, serta berhasil diimplementasikan dalam aplikasi Android berbasis Flutter yang berfungsi dengan baik berdasarkan pengujian Black Box Testing.

IMPLEMENTASI HOTSPOT DENGAN USER MANAGER SEBAGAI RADIUS SERVER PADA JARINGAN WIRELESS DI DESA LARANGAN SIDOARJO BERBASIS MIKROTIK

2026-05-31T11:46:18+07:00

Perkembangan teknologi jaringan komputer yang pesat menjadikan internet sebagai kebutuhan utama dalam menunjang berbagai aktivitas masyarakat, termasuk di lingkungan desa. Namun, pengelolaan akses internet yang belum terstruktur seringkali menyebabkan penggunaan jaringan yang tidak terkontrol serta pembagian bandwidth yang tidak merata. Permasalahan utama pada jaringan wireless di Desa Larangan Sidoarjo adalah belum tersedianya sistem autentikasi pengguna dan manajemen bandwidth yang efektif. Penelitian ini bertujuan untuk mengimplementasikan sistem hotspot berbasis MikroTik dengan memanfaatkan User Manager sebagai RADIUS Server guna meningkatkan pengelolaan akses jaringan. Metode yang digunakan meliputi analisis kebutuhan jaringan, perancangan topologi, konfigurasi hotspot dan RADIUS, serta tahap implementasi dan pengujian sistem. Hasil penelitian menunjukkan bahwa penerapan sistem hotspot dengan User Manager mampu mengelola autentikasi pengguna secara terpusat dan membagi bandwidth secara merata sesuai profil yang telah ditentukan. Dengan demikian, implementasi sistem ini dapat meningkatkan keamanan jaringan, efisiensi penggunaan internet, serta memberikan layanan akses yang lebih terkontrol dan stabil bagi pengguna di Desa Larangan Sidoarjo.

IMPLEMENTASI SISTEM DOOR LOCK BERBASIS RFID YANG TERINTEGRASI DENGAN PLATFORM GOLITE IOT DI PT INGRESS INDUSTRAL INDONESIA

2026-05-31T11:47:17+07:00

Penelitian ini dilatarbelakangi oleh masih digunakannya sistem penguncian konvensional pada akses ruangan di PT Ingress Industrial Indonesia. Kondisi tersebut menimbulkan keterbatasan dalam pemantauan aktivitas secara real-time serta tidak tersedianya pencatatan digital, sehingga riwayat akses pengguna sulit ditelusuri dan dianalisis. Permasalahan ini berpotensi meningkatkan risiko keamanan serta menurunkan tingkat akuntabilitas pengelolaan akses. Oleh karena itu, penelitian ini bertujuan untuk merancang sistem keamanan pintu berbasis Radio Frequency Identification (RFID) yang terintegrasi dengan platform Internet of Things (IOT). Metode yang digunakan adalah pendekatan Prototype dengan arsitektur edge-to-cloud. Sistem dibangun menggunakan ESP32 sebagai pengendali utama, modul RFID RC522 sebagai media autentikasi, serta solenoid door lock sebagai aktuator. Data akses dikirimkan melalui jaringan Wi-Fi menuju platform GoLite IOT untuk penyimpanan dan visualisasi dalam bentuk dashboard berbasis web. Hasil penelitian menunjukkan bahwa sistem yang dikembangkan mampu melakukan autentikasi pengguna, mencatat aktivitas akses secara real-time, serta menyediakan monitoring terpusat. Implementasi ini memberikan peningkatan pada aspek keamanan berbasis data, transparansi akses, serta efisiensi operasional dibandingkan metode konvensional.

KLASTERISASI KARAKTERISTIK FILM NETFLIX MENGGUNAKAN METODE FUZZY C-MEANS

2026-05-31T11:48:48+07:00

Kemajuan teknologi informasi telah mendorong peningkatan penggunaan platform streaming seperti Netflix yang menghasilkan data film dalam jumlah besar dengan karakteristik yang beragam. Akan tetapi, data tersebut umumnya masih berada dalam kondisi mentah dan tidak terstruktur, sehingga menyulitkan proses analisis dalam mengidentifikasi pola karakteristik film secara optimal. Penelitian ini bertujuan untuk melakukan pengelompokan data film Netflix agar lebih terorganisasi dan mudah dianalisis dengan menggunakan teknik klasterisasi. Metode yang diterapkan adalah Fuzzy C-Means (FCM), yang memungkinkan setiap data memiliki derajat keanggotaan pada lebih dari satu klaster sehingga mampu merepresentasikan kedekatan karakteristik data secara lebih fleksibel. Tahapan penelitian meliputi preprocessing data melalui penghapusan nilai kosong, normalisasi menggunakan metode Min-Max, penentuan jumlah klaster, serta proses klasterisasi hingga mencapai kondisi konvergen. Hasil penelitian menunjukkan bahwa data film dapat dikelompokkan ke dalam tiga klaster dengan karakteristik yang berbeda, yaitu film berkualitas tinggi, film menengah, dan film komersial. Evaluasi menggunakan Silhouette Score menghasilkan nilai sebesar 0,362 yang menunjukkan bahwa kualitas klasterisasi berada pada kategori cukup baik. Dengan demikian, metode Fuzzy C-Means mampu menghasilkan pengelompokan data yang representatif serta mendukung proses analisis dan pengambilan keputusan berbasis data.

PERANCANGAN DAN IMPLEMENTASI SISTEM OTOMATIS PEMBERITAHUAN KECELAKAAN SEPEDA MOTOR BERBASIS IOT

2026-05-31T11:50:48+07:00

Kecelakaan sepeda motor merupakan salah satu penyumbang terbesar kecelakaan lalu lintas di Indonesia dengan tingkat fatalitas yang tinggi. Permasalahan utama yang sering terjadi adalah keterlambatan penanganan darurat akibat lambatnya penyampaian informasi lokasi kejadian. Penelitian ini bertujuan untuk merancang dan mengimplementasikan sistem otomatis pemberitahuan kecelakaan sepeda motor berbasis Internet of Things (IoT) guna mempercepat penyampaian informasi dan meningkatkan efektivitas penanganan darurat. Metode yang digunakan meliputi perancangan dan implementasi sistem dengan memanfaatkan sensor akselerometer LIS3DH untuk mendeteksi perubahan percepatan dan kemiringan, modul GPS NEO-6M untuk menentukan koordinat lokasi, serta mikrokontroler ESP32 sebagai pengolah data utama yang terhubung dengan platform cloud. Sistem bekerja dengan mendeteksi kondisi benturan berdasarkan nilai ambang tertentu, kemudian secara otomatis mengirimkan notifikasi berisi koordinat lokasi kejadian kepada kontak darurat melalui aplikasi. Hasil penelitian menunjukkan bahwa sistem mampu mendeteksi kecelakaan dan mengirimkan informasi lokasi secara cepat dan akurat, sehingga berpotensi mengurangi waktu respons penanganan dan menurunkan risiko fatalitas korban.

ANALISIS PERBANDINGAN ALGORITMA C4.5 DAN XGBOOST UNTUK MEMPREDIKSI KEBAHAGIAAN DARI DATA GAYA HIDUP DIGITAL

2026-05-31T11:52:01+07:00

Perkembangan teknologi digital mengubah pola kehidupan masyarakat, termasuk aspek gaya hidup dan kesejahteraan psikologis. Gaya hidup digital yang mencakup penggunaan media sosial, durasi penggunaan perangkat, kualitas tidur, serta tingkat stres diperkirakan memiliki hubungan dengan tingkat kebahagiaan individu. Oleh karena itu, penelitian ini bertujuan untuk menganalisis dan membandingkan kinerja algoritma C4.5 dan XGBoost dalam memprediksi tingkat kebahagiaan berdasarkan data gaya hidup digital, serta mengidentifikasi faktor-faktor yang paling berpengaruh terhadap kebahagiaan. Penelitian ini menggunakan pendekatan kuantitatif dengan metode eksperimen komparatif. Dataset yang digunakan terdiri dari 500 data dengan 10 atribut yang mencakup variabel numerik dan kategorikal. Tahapan penelitian meliputi preprocessing data, pembagian data menggunakan metode train-test split (80:20), implementasi algoritma C4.5 dan XGBoost, serta model evaluasi menggunakan metrik akurasi, presisi, recall, dan F1-score. Hasil penelitian menunjukkan bahwa kedua algoritma memiliki performa yang relatif sama dengan nilai akurasi sebesar 0,44. Nilai presisi, recall, dan F1-score pada kedua model juga tidak menunjukkan perbedaan yang signifikan. Analisis lebih lanjut menunjukkan bahwa distribusi data yang tidak buruk mempengaruhi kinerja model, di mana model cenderung lebih baik dalam memprediksi kelas mayoritas dibandingkan kelas minoritas. Berdasarkan analisis dan korelasi feature important, variabel yang paling berpengaruh terhadap tingkat kebahagiaan adalah tingkat stres, kualitas tidur, dan durasi penggunaan perangkat digital.

ANALISIS EMOSI AUDIENS PADA KOMENTAR INSTAGRAM @JTV_REK BERBASIS LATENT SEMANTIC ANALYSIS DENGAN PENDEKATAN ENSEMBLE STACKING UNTUK KLASIFIKASI EMOSI

2026-05-31T11:53:33+07:00

Perkembangan media sosial telah mengubah pola interaksi masyarakat dalam menyampaikan opini dan ekspresi emosional terhadap berbagai konten digital, khususnya melalui komentar pada platform Instagram. Namun, analisis emosi pada komentar media sosial menghadapi tantangan seperti ketidakseimbangan data, teks yang pendek, dan penggunaan bahasa informal. Penelitian ini bertujuan untuk mengklasifikasikan emosi audiens pada komentar Instagram akun @JTV_rek menggunakan metode Stacking Ensemble dengan dukungan Latent Semantic Analysis (LSA) untuk analisis topik. Dataset yang digunakan terdiri dari 3.701 komentar yang dikumpulkan pada periode Januari 2024 hingga Agustus 2025 dan dilabeli secara manual ke dalam tiga kelas emosi, yaitu joy, netral, dan negative. Representasi fitur menggunakan TF-IDF, sedangkan LSA digunakan untuk mengekstraksi pola semantik. Proses klasifikasi dilakukan dengan menggabungkan Random Forest, Support Vector Machine, dan XGBoost dalam skema Stacking Ensemble dengan Logistic Regression sebagai meta-learner. Hasil penelitian menunjukkan bahwa model terbaik diperoleh pada skenario Stacking tanpa SMOTE dengan nilai accuracy sebesar 74% dan F1-score sebesar 73%. Hasil ini menunjukkan bahwa pendekatan ensemble mampu meningkatkan performa klasifikasi emosi pada data komentar media sosial.

SISTEM MONITORING TEMPAT SAMPAH PINTAR DI KAMPUS UNIVERSITAS SULAWESI BARAT BERBASIS IOT DENGAN ALGORITMA FUZZY LOGIC

2026-05-31T11:54:25+07:00

Pengelolaan sampah di lingkungan kampus merupakan aspek penting dalam menjaga kebersihan dan kesehatan lingkungan. Namun, proses pemantauan tempat sampah yang masih dilakukan secara manual seringkali kurang efektif dan efisien. Permasalahan utama yang dihadapi adalah keterlambatan penanganan ketika tempat sampah sudah penuh serta munculnya bau tidak sedap yang dapat mengganggu aktivitas civitas akademika. Penelitian ini bertujuan untuk merancang dan mengimplementasikan sistem monitoring tempat sampah pintar berbasis Internet of Things (IoT) dengan menggunakan algoritma Fuzzy Logic guna meningkatkan efektivitas pengelolaan sampah.

Metode yang digunakan meliputi perancangan perangkat keras dan perangkat lunak dengan memanfaatkan mikrokontroler ESP32, sensor ultrasonik untuk mendeteksi tingkat kepenuhan, sensor MQ-135 untuk mendeteksi gas, serta sensor DHT22 untuk suhu dan kelembaban. Data yang diperoleh diolah menggunakan metode Fuzzy Logic melalui tahapan fuzzifikasi, inferensi, dan defuzzifikasi untuk menentukan kondisi tempat sampah. Hasil monitoring kemudian dikirimkan secara real-time melalui aplikasi Telegram. Hasil penelitian menunjukkan bahwa sistem mampu bekerja dengan baik dalam membaca kondisi tempat sampah dan memberikan notifikasi secara akurat, sehingga dapat meningkatkan efisiensi dan responsivitas dalam pengelolaan sampah di lingkungan kampus.

PENGEMBANGAN DAN PERANCANGAN SISTEM APLIKASI MONITORING SANKSI BERBASIS WEB MENGGUNAKAN METODE PUSH NOTIFICATION DI DIREKTORAT PENGAWASAN FINTECH OJK

2026-05-31T11:55:28+07:00

Pengawasan terhadap perusahaan fintech oleh Otoritas Jasa Keuangan (OJK) sangat penting untuk menjaga stabilitas dan keamanan sektor keuangan digital. Salah satu komponen utama dalam pengawasan ini adalah pelaksanaan sanksi terhadap perusahaan yang melanggar peraturan. Saat ini, proses pengawasan saksi masih dilakukan secara manual menggunakan Google Spreadsheet, sehingga kurang efisien dan tidak responsif terhadap dinamika industri fintech yang berkembang pesat. Berdasarkan permasalahan tersebut, penelitian ini bertujuan merancang dan membangun sistem monitoring sanksi berbasis web menggunakan metode push notification di Direktorat Pengawasan Fintech OJK. Sistem ini dirancang untuk mengotomatisasi pencatatan pelanggaran, pengelolaan data sanksi, dan pengiriman notifikasi peringatan secara real-time melalui email. Sistem dibangun menggunakan framework CodeIgniter, bahasa pemrograman PHP, dan database MySQL, serta menerapkan metode push notification untuk pengiriman reminder otomatis. Hasil pengujian menunjukkan bahwa sistem mampu mencatat data sanksi secara terstruktur, menampilkan informasi real-time melalui dashboard, dan mengirimkan notifikasi email peringatan H-5 sebelum jatuh tempo sanksi. Dengan demikian, sistem ini dapat membantu staf OJK mempercepat proses pengawasan sanksi, meningkatkan akurasi data, serta memberikan solusi inovatif untuk optimalisasi pengawasan di sektor fintech.

ANALISIS SENTIMEN MASYARAKAT INDONESIA TERHADAP PROGRAM MAKAN BERGIZI GRATIS (MBG) DI MEDIA SOSIAL X MENGGUNAKAN PERBANDINGAN ALGORITMA NAIVE BAYES DAN SUPPORT VECTOR MACHINE

2026-05-31T11:56:19+07:00

Program Makan Bergizi Gratis (MBG) yang digulirkan pemerintah Indonesia pada awal 2025 memicu perbincangan masif di platform X dengan beragam respons masyarakat. Volume unggahan yang sangat besar menjadikan pendekatan manual tidak efektif untuk memetakan opini publik, sehingga diperlukan metode komputasional berbasis machine learning. Penelitian ini bertujuan menganalisis sentimen masyarakat terhadap program MBG serta membandingkan kinerja algoritma Naive Bayes dan Support Vector Machine (SVM) pada klasifikasi sentimen berbahasa Indonesia. Data dikumpulkan melalui scraping platform X sebanyak 3.457 tweet periode Januari–Februari 2025. Preprocessing teks meliputi cleaning, case folding, tokenisasi, stopword removal, dan stemming menggunakan library Sastrawi. Pelabelan sentimen dilakukan dengan InSet Lexicon dan ekstraksi fitur menggunakan TF-IDF dengan pembagian data 80:20. Hasil evaluasi menunjukkan SVM dengan kernel linear mencapai akurasi 92,91%, presisi 92,63%, recall 92,91%, F1-Score 90,49%, dan AUC-ROC 0,9087, sedangkan Naive Bayes memperoleh akurasi 91,73%, presisi 84,40%, recall 91,73%, dan F1-Score 87,91%. SVM terbukti lebih unggul dari Naive Bayes pada seluruh metrik, dengan sentimen masyarakat didominasi positif sebesar 90%.

IMPLEMENTASI SISTEM PENDUKUNG KEPUTUSAN SELEKSI PENERIMA BEASISWA BERPRESTASI MENGGUNAKAN METODE PROMETHEE BERBASIS WEBSITE DI SMK BINA KARYA

2026-05-31T11:57:19+07:00

Seleksi penerima beasiswa di SMK Bina Karya merupakan proses penting yang berdampak langsung pada pemerataan kesempatan pendidikan bagi siswa. Namun, proses tersebut selama ini dilakukan secara manual, sehingga menimbulkan masalah berupa ketidakefisienan waktu, potensi kesalahan (human error), dan subjektivitas dalam penilaian yang melibatkan banyak kriteria secara bersamaan. Oleh karena itu, penelitian ini bertujuan merancang dan membangun Sistem Pendukung Keputusan (SPK) berbasis web untuk menyeleksi penerima beasiswa secara objektif dan transparan. Metode yang digunakan adalah Preference Ranking Organization Method for Enrichment Evaluation (PROMETHEE) dengan empat kriteria penilaian, yaitu nilai akademik (40%), sikap/perilaku (30%), kondisi ekonomi (20%), dan kehadiran (10%), serta dikembangkan menggunakan pendekatan model Waterfall berbasis PHP dan MySQL. Hasil penelitian menunjukkan bahwa sistem berhasil dibangun dan diimplementasikan, algoritma PROMETHEE menghasilkan perangkingan yang akurat dan konsisten dengan perhitungan manual, serta sistem mampu menyajikan visualisasi hasil seleksi secara interaktif yang meningkatkan efisiensi dan transparansi pengambilan keputusan beasiswa di sekolah.

SISTEM PENUNJANG KEPUTUSAN UNTUK MENENTUKAN PEMBERIAN BONUS TAHUNAN KARYAWAN BERDASARKAN KINERJA KARYAWAN MENGGUNAKAN SIMPLE ADDITIVE WEIGHTING (SAW) DAN TOPSIS

2026-05-31T11:58:19+07:00

Pemberian bonus merupakan bentuk penghargaan krusial bagi karyawan dengan kinerja memuaskan, namun pada PT Geptronika Sentosa Utama, proses pengambilan keputusan masih bersifat konvensional dan subjektif akibat faktor kedekatan pimpinan, sehingga hasil penilaian sering kali tidak tepat sasaran. Penelitian ini bertujuan untuk merancang Sistem Pendukung Keputusan (SPK) yang mampu menentukan pemberian bonus tahunan secara objektif dan akurat dengan mengintegrasikan metode Simple Additive Weighting (SAW) dan Technique for Order of Preference by Similarity to Ideal Solution (TOPSIS). Penilaian dilakukan berdasarkan kriteria Absensi (15%), Masa Kerja (15%), Hasil Kerja (25%), Sikap (20%), dan Kualitas Kerja (25%). Metodologi penelitian mencakup tahapan identifikasi masalah, studi pustaka, pengumpulan data, perancangan sistem, hingga implementasi dan pengujian. Hasil penelitian ini diharapkan dapat memberikan rekomendasi keputusan yang presisi bagi manajemen serta memberikan kontribusi ilmiah melalui publikasi pada jurnal nasional.

RANCANG BANGUN SISTEM INFORMASI PELAYANAN SURAT KANTOR DESA MENGGUNAKAN METODE AGILE

2026-05-31T12:00:00+07:00

Perkembangan sistem informasi memiliki peran penting dalam mendukung kebutuhan intansi pemerintah, termasuk kantor Desa Teluk Nibung sebelumnya masih menggunakan Microsoft Office dalam pengelolahan data serta proses pelayanan surat yang dilakukan secara manual sehingga membutuhkan waktu lama dan kurang efesien. Penelitian ini bertujuan merancang dan membangun sistem informasi pelayanan berbasis website untuk memudahkan akses informasi dan pengajuan surat secara online. Metode pengembangan sistem yang digunakan adalah Agile. Pengujian sistem dilakukan menggunakan Metode Black Box dan user Acceptance Text (UAT). Hasil pengujian Black Box menunjukan seluruh fitur berfungsi sesuai skenario tanpa ditemukan kesalahan. Sementara itu hasil UAT memperoleh nilai sebesar 86,35% yang berada pada interval 80-100% dalam skala Likert, sehingga termasuk kategori sangat setuju. Hal itu menunjukan bahwa sistem yang dikembangkan dapat diterima oleh pengguna. Dengan demikian, sistem informasi kantor Desa Teluk Nibung yang dibangun mampu mempermudah pelayanan pembuatan surat, meningkatkan kinerja pegawai, mempercepat proses pelayanan, serta meminimalkan kesalahan dalam pengelolahan data.

APLIKASI TABUNGAN SISWA BERBASIS WEB MENGGUNAKAN METODE AGILE STUDI KASUS SDN LABANSARI 02

2026-07-11T17:37:06+07:00

Pengelolaan tabungan siswa yang masih dilakukan secara manual berpotensi menimbulkan berbagai permasalahan, seperti ketidakefisienan proses administrasi, kesalahan pencatatan transaksi, serta keterlambatan dalam penyajian laporan. Kondisi tersebut juga terjadi di SDN Labansari 02, di mana pencatatan setoran dan penarikan masih menggunakan buku sehingga menyebabkan inkonsistensi data dan kesulitan dalam pengelolaan informasi. Penelitian ini bertujuan untuk mengembangkan dan mengimplementasikan aplikasi tabungan siswa berbasis web guna meningkatkan efisiensi, akurasi, dan kualitas pengelolaan data. Metode pengembangan sistem menggunakan pendekatan Agile dengan proses iteratif yang meliputi analisis kebutuhan, perancangan sistem menggunakan UML dan ERD, pengembangan, serta pengujian sistem. Metode penelitian yang digunakan adalah pendekatan deskriptif dengan teknik pengumpulan data melalui observasi dan wawancara. Hasil penelitian menunjukkan bahwa sistem yang dikembangkan mampu mempermudah proses pencatatan transaksi, mengurangi kesalahan perhitungan saldo, serta meningkatkan kecepatan dan ketepatan penyajian laporan. Selain itu, sistem juga mendukung pengelolaan data secara terpusat sehingga memudahkan akses informasi dan mendukung kegiatan administrasi sekolah secara lebih efektif. Dengan demikian, aplikasi yang dikembangkan terbukti dapat menjadi solusi digital dalam meningkatkan kualitas pengelolaan tabungan siswa di lingkungan sekolah.

PERANCANGAN WEBSITE ADEN CAR WASH MENGGUNAKAN FRAMEWORK LARAVEL

2026-05-31T12:02:15+07:00

Sistem informasi berbasis web dapat membantu meningkatkan efisiensi dalam pengelolaan data, dan website juga telah banyak dimanfaatkan pada usaha pencucian mobil. Namun, Aden Car Wash masih menggunakan sistem manual sehingga pengelolaan data belum berjalan secara optimal. Penelitian ini bertujuan untuk merancang dan membangun website Aden Car Wash menggunakan framework laravel sebagai media penyimpanan data yang terintegrasi dan dapat diakses kapan saja, sehingga mampu mengatasi berbagai permasalahan yang ada, sistem ini diharapkan dapat mempermudah pengelolaan administrasi, meningkatkan akurasi data, mempercepat proses transaksi, serta membantu admin dan kasir dalam menjalankan kegiatan operasional. Metode yang diterapkan pada penelitian ini yaitu model waterfall, yang merupakan pendekatan pengembangan sistem yang dilaksanakan secara bertahap, terstruktur, dan berurutan. Tahapan pada metode ini terdiri dari analisis kebutuhan, desain, proses pengkodean, pengujian, serta pemeliharaan. Hasil penelitian menunjukkan bahwa Website Aden Car Wash berhasil dikembangkan dengan menyediakan berbagai fitur yang dibutuhkan untuk menunjang kegiatan operasional, antara lain pengelolaan tipe kendaraan, data kendaraan, data pekerja, transaksi, laporan pendapatan, testimoni pelanggan, serta pencetakan struk secara otomatis. Hasil pengujian fungsional yang dilakukan dengan metode Black Box Testing menunjukkan bahwa setiap fitur sistem bekerja dengan baik dan dapat berjalan sesuai kebutuhan pengguna, dan tidak ditemukan kendala maupun kesalahan pada fungsi-fungsi utama yang tersedia.

IMPLEMENTASI SISTEM PENUNJANG KEPUTUSAN PEMILIHAN KARYAWAN BARU MENGGUNAKAN MFEP BERBASIS WEB

2026-05-31T12:03:34+07:00

Proses pemilihan karyawan di Bengkel Bubut Barokah saat ini belum berjalan sistematis karena masih bergantung pada observasi subjektif leader, sehingga rentan bias dan tidak konsisten. Penelitian ini bertujuan membangun Sistem Penunjang Keputusan (SPK) berbasis web untuk mentransformasi penilaian personal menjadi mekanisme pengambilan keputusan yang adil dan strategis. Metode Multi Factor Evaluation Process (MFEP) diimplementasikan dengan kriteria penilaian meliputi, prosedur kerja, tanggung jawab, inisiatif kerja, ketahanan fisik, dan stabilitas emosi. Hasil pengujian fungsional terhadap 20 alternatif menunjukkan tingkat efektivitas 100% dengan margin kesalahan 0% dibandingkan perhitungan manual. Pengujian Black Box mengonfirmasi seluruh fungsi utama sistem berjalan 100% sesuai spesifikasi, sementara pengujian White Box membuktikan validitas seluruh jalur independen program. Sistem ini terbukti konsisten dan presisi dalam memberikan rekomendasi pemilihan karyawan secara objektif.

PENERAPAN FRAMEWORK ITIL V3 PADA SISTEM LAYANAN PERPUSTAKAAN DIGITAL UNTUK MENINGKATKAN KUALITAS LAYANAN TI

2026-05-31T12:30:31+07:00

Perkembangan teknologi informasi mendorong transformasi layanan perpustakaan dari sistem manual menuju sistem digital. Namun, implementasi sistem perpustakaan digital masih menghadapi berbagai permasalahan, seperti keterlambatan pengembalian buku, kurangnya notifikasi, serta pengelolaan layanan teknologi informasi yang belum optimal. Penelitian ini bertujuan untuk menganalisis dan meningkatkan kualitas layanan sistem perpustakaan digital melalui penerapan framework ITIL V3, khususnya pada domain Service Operation, Service Transition, dan Continual Service Improvement (CSI).

Metode penelitian yang digunakan adalah kualitatif deskriptif dengan pendekatan studi kasus. Teknik pengumpulan data dilakukan melalui observasi, wawancara, dan dokumentasi. Hasil penelitian menunjukkan bahwa penerapan ITIL V3 mampu meningkatkan efisiensi operasional, mengurangi kesalahan pencatatan, serta meningkatkan kepuasan pengguna melalui implementasi sistem notifikasi otomatis berbasis WhatssApp.

Dengan demikian, integrasi ITIL V3 dalam sistem perpustakaan digital terbukti efektif dalam meningkatkan kualitas layanan yang lebih responsif, terstruktur, dan berorientasi pada kebutuhan pengguna.

SISTEM INFROMASI LEMBAGA KURSUS BEE EXCELLENT DENGAN QUIZ TOEFL BERBASIS WEB DENGAN FEEDBACK MENGGUNAKAN METODE NAÏVE BAYES

2026-05-31T12:31:38+07:00

Perkembangan teknologi informasi mendorong lembaga pendidikan nonformal untuk meningkatkan layanan melalui platform digital. Lembaga Kursus BEE Excellent masih menghadapi permasalahan berupa rendahnya visibilitas digital, keterbatasan fungsi website sebagai media informasi, serta belum tersedianya fitur interaktif untuk evaluasi kemampuan Bahasa Inggris pengguna. Penelitian ini bertujuan merancang dan membangun sistem informasi lembaga kursus berbasis web yang dilengkapi fitur Quiz TOEFL sebagai sarana evaluasi kemampuan sekaligus strategi digital marketing. Metode yang digunakan adalah model waterfall yang meliputi analisis kebutuhan, perancangan sistem, implementasi, dan pengujian. Sistem dibangun menggunakan PHP Native, MySQL, HTML, CSS, dan JavaScript, serta menerapkan metode Naïve Bayes untuk mengklasifikasikan tingkat kemampuan pengguna ke dalam kategori beginner, intermediate, dan advanced berdasarkan skor listening, structure, dan reading. Temuan dari penelitian ini menunjukkan bahwa sistem yang dikembangkan menyajikan informasi lembaga secara terstruktur, menyediakan simulasi TOEFL berbasis web, menghasilkan klasifikasi kemampuan secara otomatis, serta memberikan feedback pembelajaran yang relevan. Sistem ini membantu meningkatkan interaksi pengguna dan mendukung pengembangan digital Lembaga Kursus BEE Excellent.

IMPLEMENTASI SISTEM PENUNJANG KEPUTUSAN PEMILIHAN BEASISWA UNTUK SISWA BERPRESTASI MENGGUNAKAN METODE OCRA BERBASIS WEBSITE

2026-05-31T12:33:33+07:00

Pemilihan Siswa berprestasi di SDN Kresek 3 Kabupaten Tangerang merupakan bagian penting dalam penyaluran beasiswa.Namun, proses pemilihan saat ini masih bersifat konvensional dan subjektif karena hanya didasarkan pada nilai rapor dan Keputusan sepihak tanpa mempertimbangkan kriteria lain seperti absensi, sikap, serta kegiatan ektrakulikuler. Hal ini, berdampak pada potensi ketidakadilan dan ketidakterukuran dalam proses seleksi. Penelitian ini bertujuan untuk membangun system penunjang Keputusan (SPK) berbasis website yang mampu meningkatkan objektivitas dan efisiensi penilaian. Metode yang diimplementasikan Adalah Operational Competitiveness Rating Amalysis (OCRA) untuk melakukan perangkingan berdasarkan bobot kriteria yang beragam. Hasil penelitian menunjukkan bahwa sistem yang dibangun mampu meminimalisir kesalahan manusia, mengurangi subjektivitas dan mempercepat waktu pengolahan data. Penerapan metode OCRA terbukti efektif dalam menghasilkan rekomendasi penerima beasiswa secara sistematis, akurat, sehingga keputusan yang di ambil lebih adil dan dapat dipertanggungjawabkan.

CLUSTERING POLUSI UDARA BERDASARKAN FACTOR METEOROLOGI BERBASIS PRINCIPAL COMPONENT ANALYSIS

2026-05-31T12:34:39+07:00

Polusi udara di wilayah urban, khususnya Kota Malang, telah mencapai tingkat yang mengkhawatirkan dengan konsentrasi PM_2.5yang sering kali melebihi ambang batas aman WHO. Kompleksitas interaksi antara polutan dan faktor meteorologi lokal menuntut adanya pendekatan analisis yang lebih cerdas dan holistik dibandingkan metode konvensional. Penelitian ini bertujuan untuk mengidentifikasi pola pengelompokan polusi udara di Kota Malang melalui pengembangan model pelabelan otomatis secara unsupervised. Metode yang diimplementasikan adalah integrasi Principal Component Analysis (PCA) dan teknik clustering untuk mereduksi dimensi data meteorologi multidimensi menjadi komponen utama yang esensial. Data historis PM_2.5 dan enam variabel cuaca (suhu, kelembapan, curah hujan, penyinaran matahari, dan kecepatan angin) periode 2024 dari stasiun BMKG diproses melalui tahapan normalisasi StandardScaler, ekstraksi nilai eigen, hingga penentuan klaster berdasarkan ambang batas PC1. Hasil penelitian menunjukkan bahwa penggunaan dua komponen utama (PC1 dan PC2) mampu menjelaskan 66,76% variansi data asli dan berhasil membagi kondisi kualitas udara ke dalam dua kategori, yaitu "Kondisi Normal" dan "Kondisi Ekstrem". Validasi menggunakan Silhouette Score sebesar 0,87 menunjukkan bahwa klaster yang terbentuk memiliki kepadatan dan pemisahan yang sangat baik. Model ini terbukti efektif sebagai instrumen pelabelan otomatis untuk mendukung sistem mitigasi risiko kesehatan masyarakat dan kebijakan pengendalian kualitas udara yang lebih terukur.

ANALISIS SENSITIVITAS ARSITEKTUR LONG SHORT-TERM MEMORY UNTUK PREDIKSI PENYINARAN MATAHARI

2026-05-31T12:36:25+07:00

Prediksi parameter meteorologi merupakan tantangan yang kompleks dalam bidang informatika karena tingginya variabilitas dan sifat non-linier data atmosfer. Permasalahan utama dalam studi ini adalah fluktuasi data penyinaran matahari yang sulit diidentifikasi oleh model konvensional, serta adanya risiko degradasi performa model akibat konfigurasi arsitektur dan pembagian data yang tidak optimal. Penelitian ini bertujuan untuk mengevaluasi efektivitas arsitektur jaringan Long Short-Term Memory (LSTM) dalam memprediksi kondisi cuaca harian melalui variabel Solar Radiation Average (SR Avg), Solar Radiation Maximum (SR Max), dan durasi penyinaran. Metode yang digunakan adalah eksperimen kuantitatif dengan membandingkan tiga variasi arsitektur (Model A: lapisan tunggal, Model B: stacked layer, dan Model C: deep stacked) serta pengujian terhadap tiga skenario rasio pembagian data, yaitu 70:30, 80:20, dan 90:10. Hasil eksperimen menunjukkan bahwa rasio data 70:30 menghasilkan performa paling stabil, di mana Model B menjadi arsitektur paling optimal dengan nilai Mean Absolute Error (MAE) terendah sebesar 0,072510, sementara Model A mencatat Root Mean Square Error (RMSE) terbaik sebesar 0,114368. Sebaliknya, penggunaan proporsi data latih yang ekstrem (90:10) memicu penurunan kinerja signifikan akibat gejala overfitting, sehingga pemilihan kedalaman arsitektur yang moderat dan keseimbangan distribusi data menjadi faktor kunci dalam akurasi prediksi.

PERAMALAN PRODUKSI KOPI BERBASIS MODEL FUNGSI TRANSFER MENGGUNAKAN PENDEKATAN DATA SCIENCE TERHADAP VARIABILITAS CURAH HUJAN DI PROVINSI LAMPUNG

2026-05-31T12:37:46+07:00

Produksi kopi di Provinsi Lampung sangat dipengaruhi oleh perubahan iklim, khususnya variabilitas curah hujan, sehingga diperlukan metode peramalan yang mampu mengakomodasi pengaruh faktor eksternal tersebut. Penelitian ini bertujuan untuk mengembangkan model fungsi transfer dalam meramalkan produksi kopi bulanan dengan curah hujan sebagai variabel input, menggunakan data periode Januari 2017 hingga Desember 2023 yang bersumber dari Badan Pusat Statistik (BPS). Data dibagi menjadi data latih sebesar 80% dan data uji sebesar 20%. Tahapan analisis meliputi uji stasioneritas menggunakan uji Augmented Dickey–Fuller (ADF) dan transformasi Box–Cox, pemodelan SARIMA, proses prewhitening, serta analisis Cross-Correlation Function (CCF). Hasil analisis menunjukkan bahwa data curah hujan dan produksi kopi telah stasioner terhadap rataan dengan nilai p-value ADF kurang dari 0,05 serta stasioner terhadap ragam setelah dilakukan transformasi. Model terbaik untuk curah hujan adalah ARIMA(1,0,0)(1,0,1)[12], sedangkan produksi kopi mengikuti model ARIMA(0,0,4)(0,0,4)[12]. Analisis CCF menunjukkan adanya hubungan yang signifikan pada lag ke-1 (t−1). Model fungsi transfer terbaik diperoleh dengan orde b = 1, r = 2, dan s = 0, dengan nilai Akaike Information Criterion (AIC) sebesar 1214,448. Meskipun model mampu menangkap pola musiman produksi kopi, evaluasi hasil peramalan menghasilkan nilai Mean Absolute Percentage Error (MAPE) sebesar 95,5%. Tingginya nilai MAPE ini disebabkan oleh kelemahan rumus MAPE yang sangat sensitif ketika membagi selisih galat dengan nilai aktual produksi (Yt) yang mendekati nol pada saat di luar musim panen (off-season), sehingga menghasilkan lonjakan persentase galat yang ekstrem.

PENGARUH BENDING FIBER OPTIK SINGLE CORE PADA SUDUT

2026-05-31T12:40:16+07:00

Perkembangan infrastruktur jaringan Fiber to The Home (FTTH) di Indonesia semakin masif, namun instalasi kabel serat optik di lapangan sering menghadapi kondisi tekukan (bending) akibat keterbatasan ruang dan jalur pemasangan. Kondisi tersebut berpotensi menyebabkan kehilangan daya optik (bending loss) yang berdampak pada penurunan kualitas transmisi dan layanan internet pelanggan. Studi ini menganalisis efek pembengkokan pada serat optik inti tunggal terhadap redaman sinyal dan kualitas transmisi. Fokus utama adalah mengukur dan membandingkan nilai bending loss serta degradasi throughput akibat variasi sudut tekukan pada tiga merek kabel precon drop cable, dengan pengujian pada panjang gelombang 1550 nm. Pendekatan eksperimental dilakukan pada tiga merek kabel (Onolink GJYXCH-1B6A2, Spectra G657A1, Tarmoc TPC-PC-1C3S) menggunakan Optical Power Meter dan ONT GPON pada sudut tekukan 15°, 30°, 45°, 60°, dan 90°. Hasil menunjukkan semua kabel berada dalam kategori kehilangan lentur baik (≤0,5 dB) sesuai standar ITU-T G.657. Onolink konsisten menghasilkan nilai negatif (-0,08 hingga -0,22 dB) yang mengindikasikan kualitas produksi melebihi spesifikasi baseline. Spectra sensitif pada sudut kecil dengan nilai 0,14 dB pada 15°, menurun hingga -0,07 dB pada 90°. Tarmoc stabil mendekati nol (0,03 dB pada 15°, -0,04 dB pada 90°). Degradasi throughput minimal (0,59–1,03%) dengan daya ONT Rx dalam kisaran aman (-28,54 hingga -30 dBm). Terdapat korelasi linier antara kehilangan lentur fisik dan kinerja aplikasi. Temuan ini memberikan rekomendasi praktis instalasi FTTH dengan toleransi tekukan hingga 90°, serta berkontribusi pada optimalisasi jaringan serat optik di lingkungan perkotaan Indonesia.

IMPLEMENTASI DATA MINING MENGGUNAKAN ALGORITMA APRIORI UNTUK STRATEGI CROSS SELLING PRODUK DIGITAL BERBASIS RIWAYAT TRANSAKSI PELANGGAN PADA TOKO PLAT G GAMING

2026-05-31T12:41:27+07:00

Meningkatnya transaksi penjualan produk digital mendorong perlunya pemanfaatan data transaksi sebagai dasar pengambilan keputusan pemasaran yang tepat. Penelitian ini bertujuan untuk menerapkan algoritma Apriori dalam mengidentifikasi pola pembelian pelanggan sebagai strategi cross-selling berbasis riwayat transaksi pada Toko Plat G Gaming. Metode penelitian yang digunakan meliputi pengumpulan data transaksi penjualan produk digital, tahap pengolahan data berupa pembersihan, seleksi transaksi dengan minimal dua produk, serta transformasi data melalui pengelompokan produk ke dalam kategori analisis. Data yang digunakan berjumlah 689 transaksi dari total 3.256 data awal selama periode 1 November 2024 hingga 30 Maret 2025. Proses analisis dilakukan menggunakan algoritma Apriori dengan perhitungan nilai support dan confidence untuk menghasilkan aturan asosiasi antar produk. Hasil penelitian menunjukkan bahwa terdapat hubungan yang kuat antar beberapa kategori produk digital, seperti Mobile Legends dan Free Fire (support 43,54% dan confidence 100%), Spotify dan Netflix (support 22,35% dan confidence 99,35%), serta Canva dan CapCut (support 13,64% dan confidence 100%). Aturan asosiasi tersebut digunakan untuk menyusun rekomendasi paket produk digital sebagai strategi cross-selling. Dengan demikian, penerapan algoritma Apriori terbukti mampu memberikan rekomendasi berbasis data yang relevan dan dapat membantu meningkatkan efektivitas strategi pemasaran pada penjualan produk digital.

ANALISIS SENTIMEN ULASAN PENGGUNA APLIKASI LINE BANK DI GOOGLE PLAY STORE MENGGUNAKAN METODE SUPPORT VECTOR MACHINE BERBASIS SMOTE DENGAN OPTIMASI GRIDSEARCHCV

2026-05-31T12:42:39+07:00

Pesatnya perkembangan teknologi digital telah membawa perubahan signifikan terutama pada sektor perbankan. Perkembangan ini mendorong munculnya berbagai aplikasi perbankan digital, salah satunya aplikasi Line Bank. Ulasan pengguna yang tersedia pada platform digital menjadi sumber data penting untuk menganalisis persepsi, pengalaman, dan sentimen pengguna terhadap kualitas layanan aplikasi, sehingga diperlukan analisis sentimen untuk memahami persepsi pengguna secara sistematis. Penelitian ini bertujuan untuk mengoptimasi kinerja Support Vector Machine berbasis SMOTE menggunakan GridSearchCV dalam analisis sentimen ulasan aplikasi pengguna aplikasi Line Bank. Data yang digunakan adalah data ulasan pengguna aplikasi Line Bank dari platform Google Play Store yang diambil menggunakan teknik web scraping, yaitu sebanyak 4000 data. Data ulasan diklasifikasikan ke dalam tiga kelas sentimen, yaitu positif, negatif, dan netral. Distribusi data pada ketiga kelas sentimen menunjukkan kondisi yang tidak seimbang, sehingga diperlukan penerapan SMOTE untuk menyeimbangkan data sebelum proses klasifikasi dilakukan. Pada model SVM dengan kernel linear sebagai kernel terbaik, sebelum dilakukan optimasi GridSearchCV diperoleh akurasi dan recall yang sama-sama sebesar 85,57%, precision 85,91%, serta F1-score 85,66%. Sedangkan, setelah diterapkan optimasi menggunakan GridSearchCV dengan kombinasi parameter terbaik (kernel = linear, C = 10, dan gamma = scale) kinerja model mengalami peningkatan yang signifikan dengan akurasi dan recall yang sama-sama menjadi sebesar 88,61%, precision 88,50%, serta F1-score 88,55%. Hal ini menunjukkan bahwa optimasi hyperparameter tuning menggunakan GridSearchCV terbukti efektif mampu meningkatkan kinerja dari model SVM secara konsisten pada semua metrik evaluasi.

ANALISIS DISKREPANSI ANTARA RATING DAN SENTIMEN TEKS PADA ULASAN APLIKASI SEABANK MENGGUNAKAN MODEL DEEP LEARNING INDOBERT

2026-05-31T13:38:39+07:00

Kemajuan layanan perbankan berbasis digital turut memicu lonjakan ulasan pengguna di Google Play Store, baik berupa penilaian numerik maupun teks ulasan. Akan tetapi, keduanya kerap menunjukkan ketidakkonsistenan, di mana rating yang diberikan tidak selalu merepresentasikan sentimen sesungguhnya dalam teks ulasan. Penelitian ini bertujuan untuk mengklasifikasikan sentimen ulasan pengguna aplikasi SeaBank melalui model deep learning IndoBERT sekaligus mendeteksi diskrepansi antara rating numerik dan prediksi sentimen teks. Sebanyak 14.466 ulasan diperoleh melalui web scraping Google Play Store setelah melalui proses seleksi dengan mengeliminasi data kosong dan ulasan berrating 3. Pelatihan model dilakukan pada 1.500 sampel yang dipilih secara stratified dengan rasio 80:10:10 untuk data latih, validasi, dan uji, serta penanganan ketidakseimbangan kelas menggunakan class weight. Hasil evaluasi menunjukkan akurasi model sebesar 98,00% dengan F1-score 0,90 untuk kelas negatif dan 0,99 untuk kelas positif. Dari total 14.466 data, terdeteksi 823 ulasan (5,69%) yang mengalami diskrepansi, meliputi 655 ulasan Tipe A (rating positif, prediksi negatif) dan 168 ulasan Tipe B (rating negatif, prediksi positif). Hasil ini membuktikan bahwa penilaian numerik tidak sepenuhnya merepresentasikan sentimen yang terkandung dalam teks ulasan pengguna.

PERANCANGAN APLIKASI KASIR SEDERHANA BERBASIS ANDROID UNTUK UMKM WASHSTUDIO SHOESCARE MENGGUNAKAN METODE WATERFALL

2026-05-31T12:44:30+07:00

Proses pencatatan transaksi pada UMKM Washstudio Shoescare masih dilakukan secara manual sehingga berpotensi menyebabkan kesalahan pencatatan, kehilangan data pelanggan, dan kesulitan dalam pengelolaan riwayat pesanan. Penelitian ini bertujuan merancang aplikasi kasir sederhana berbasis Android untuk membantu proses operasional secara lebih efektif dan terstruktur. Metode yang digunakan adalah Waterfall yang terdiri dari tahapan analisis kebutuhan, desain sistem, implementasi, dan pengujian. Aplikasi dikembangkan menggunakan framework Flutter dengan bahasa pemrograman Dart serta memanfaatkan database lokal SQLite agar dapat digunakan tanpa koneksi internet. Hasil penelitian berupa aplikasi kasir yang mampu mengelola data transaksi, data pelanggan, dan riwayat pesanan secara terstruktur. Pengujian sistem dilakukan menggunakan metode Black Box Testing terhadap fitur utama aplikasi, seperti login, transaksi, dan penyimpanan data. Hasil pengujian menunjukkan bahwa seluruh fitur berjalan sesuai fungsinya dengan tingkat keberhasilan sebesar 100%, sehingga aplikasi dinilai mampu meningkatkan efisiensi operasional dan kualitas pelayanan pada UMKM Washstudio Shoescare.

EVALUASI USER INTERFACE DAN USER EXPERIENCE PADA APLIKASI TIX ID MENGGUNAKAN METODE DESIGN THINKING

2026-05-31T12:45:33+07:00

Berkembangnya teknologi dapat berdampak besar diberbagai sektor, terutama dalam proses pembelian digital. Salah satu contohnya adalah pemesanan tiket bioskop secara online melalui smartphone, yang memungkinkan pengguna melakukan berbagai aktivitas pemesanan tanpa harus mengantri. TIX ID muncul sebagai salah satu platform yang menyediakan layanan ini, memudahkan pengguna untuk membeli tiket bioskop dari mana saja. Meskipun TIX ID menawarkan kemudahan, beberapa pengguna mengeluhkan terbatasnya metode pembayaran yang tersedia, kesulitan dalam membatalkan pesanan, waktu pembuatan akun yang cukup lama, serta tantangan dalam mengajukan aduan. Oleh karena itu, aplikasi ini perlu melakukan perubahan dan pembaruan sistem untuk meningkatkan pengalaman pengguna. Metode ini menempatkan kepuasan pengguna sebagai solusi utama dalam menghadapi permasalahan dan menghasilkan ide-ide baru. Hasil akhir dari perubahan ini dapat diuji menggunakan Single Ease Question (SEQ), di mana skor 6,4 dari 7 menunjukkan bahwa pengalaman pengguna yang dirancang berhasil dan memenuhi kebutuhan fitur yang selama ini diinginkan oleh pengguna TIX ID. Hasil akhir menunjukan bahwa hasil optimalisasi redesign ini memberikan kemudahan pengguna serta memberikan pengalaman yang lebih baik bagi pengguna dalam mengakses aplikasi TIX ID, sehingga dapat menjadi aplikasi andalan untuk pemesanan tiket secara online.

ANALISIS POLA PEMBELIAN KONSUMEN MENGGUNAKAN ALGORITMA APRIORI UNTUK OPTIMASI PENATAAN PRODUK PADA TOKO SNACK BAROKAH

2026-05-31T12:46:39+07:00

Perkembangan teknologi informasi mendorong pemanfaatan data transaksi penjualan sebagai dasar pengambilan keputusan bisnis, khususnya dalam memahami pola pembelian konsumen. Namun, pada Toko Snack Barokah, data transaksi penjualan masih belum dimanfaatkan secara optimal untuk mendukung penataan produk. Penelitian ini bertujuan untuk menganalisis pola pembelian konsumen menggunakan algoritma Apriori serta memberikan rekomendasi optimasi penataan produk berdasarkan hasil analisis tersebut. Metode yang digunakan adalah data mining dengan teknik association rule mining, melalui tahapan pengumpulan data transaksi, preprocessing, transformasi data, dan penerapan algoritma Apriori. Data yang digunakan terdiri dari 50 data transaksi penjualan yang dikumpulkan dari catatan penjualan harian Toko Snack Barokah. Algoritma Apriori diterapkan dengan nilai minimum support sebesar 0,2 dan minimum confidence sebesar 0,5. Hasil penelitian menunjukkan bahwa produk Nabati, Roti, dan Teh Botol merupakan produk yang sering dibeli baik secara individu maupun dalam kombinasi. Aturan asosiasi Roti → Nabati memiliki nilai confidence tertinggi sebesar 0,78 dan nilai lift sebesar 2,18, yang menunjukkan adanya hubungan pembelian yang kuat antar produk. Berdasarkan hasil tersebut, direkomendasikan agar produk-produk yang memiliki keterkaitan tinggi ditempatkan berdekatan dalam rak penjualan guna meningkatkan kenyamanan berbelanja dan mendorong pembelian tambahan (cross-selling).

IMPLEMENTASI JSON WEB TOKEN UNTUK AUTENTIKASI DAN OTORISASI PADA SISTEM PEMBAYARAN DIGITAL MENGGUNAKAN FRAMEWORK FLASK

2026-05-31T12:47:37+07:00

Penelitian berfokus pada upaya peningkatan keamanan pada sistem pembayaran digital, khususnya dalam hal autentikasi dan otorisasi Application Programming Interface (API) yang kerap menjadi sasaran serangan siber. Metode yang digunakan adalah pengembangan sistem dengan mengintegrasikan JSON Web Token (JWT) ke dalam framework Flask untuk memperkuat mekanisme autentikasi dan otorisasi API. JWT dipilih karena bersifat stateless, ringan, dan mendukung klaim terstruktur, sehingga cocok untuk sistem API yang membutuhkan skalabilitas tinggi. Flask dipilih karena arsitekturnya yang minimalis dan modular memudahkan integrasi komponen keamanan secara terpisah tanpa overhead yang tidak diperlukan. Berdasarkan pengujian terhadap empat aspek, yaitu keamanan JWT, keamanan API, fungsionalitas transaksi, dan concurrency, sistem menunjukkan tingkat keberhasilan 100% pada seluruh 4 kasus uji validasi token JWT dan 8 skenario fungsionalitas transaksi. Pengujian keamanan API berdasarkan OWASP mencakup 6 kategori kerentanan dan seluruhnya lulus. Pengujian concurrency dengan 10 permintaan top-up bersamaan menghasilkan saldo akhir yang konsisten sebesar Rp500.000 tanpa duplikasi transaksi. Hasil pengujian menunjukkan bahwa penggunaan JWT dapat meningkatkan keamanan dan efisiensi manajemen akses, serta mengurangi risiko penyalahgunaan API. Kesimpulan penelitian menegaskan bahwa integrasi JWT dengan strategi yang tepat dapat menjadi fondasi utama dalam membangun sistem pembayaran digital yang aman dan terstandarisasi.

PERANCANGAN DAN IMPLEMENTASI SISTEM MONITORING SENSOR KUALITAS AIR MINUM BERBASIS INTERNET OF THINGS DAN APLIKASI ANDROID MENGGUNAKAN METODE WATER QUALITY INDEX (WQI)

2026-05-31T12:48:43+07:00

Pengawasan kualitas air minum pada PT Mendsho Utama Insani masih dilakukan secara manual, sehingga perubahan kualitas air tidak dapat diketahui secara langsung dan berpotensi menimbulkan keterlambatan dalam pengambilan keputusan. Permasalahan utama penelitian ini adalah belum tersedianya sistem yang mampu memantau parameter suhu, pH, dan Total Dissolved Solids (TDS) secara otomatis serta menyajikan hasil penilaian kualitas air secara mudah dipahami. Penelitian ini bertujuan merancang dan mengimplementasikan sistem monitoring kualitas air minum berbasis Internet of Things (IoT) yang terintegrasi dengan aplikasi Android serta menggunakan metode Water Quality Index (WQI). Metode penelitian meliputi pengumpulan data melalui observasi dan wawancara, perancangan perangkat keras dan perangkat lunak, pembacaan data sensor secara real-time, pengiriman data menggunakan Raspberry Pi, penyimpanan data pada database, pengolahan nilai WQI, serta pengujian sistem. Hasil penelitian menunjukkan bahwa sistem mampu menampilkan data monitoring secara real-time, memberikan notifikasi otomatis, dan mencapai tingkat keberhasilan pengiriman data sebesar 97,92%, sehingga sistem lebih efektif dibandingkan metode manual.

IMPLEMENTASI FRAMEWORK LARAVEL PADA SISTEM INFORMASI MANAJEMEN PERSEDIAAN MATERIAL DI GUDANG PKS PT.XYZ

2026-05-31T13:25:59+07:00

Penelitian ini bertujuan untuk merancang dan membangun Sistem Informasi Manajemen Persediaan Material di Gudang Pabrik Kelapa Sawit PT. XYZ berbasis web menggunakan framework Laravel sebagai solusi untuk meningkatkan efisiensi pengelolaan persediaan material. Framework Laravel dipilih karena memiliki struktur yang terorganisir, fitur yang lengkap, serta performa yang baik dalam pengembangan aplikasi web. Metode pengembangan sistem yang digunakan adalah metode Waterfall yang meliputi tahapan analisis kebutuhan, perancangan sistem, implementasi, dan pengujian. Sistem yang dikembangkan mampu mengelola data material, transaksi material masuk dan keluar, serta permintaan dan pembelian material yang dilengkapi dengan fitur persetujuan oleh Kepala Tata Usaha (KTU) dan Manager. Selain itu, sistem juga menyediakan dashboard visualisasi data, laporan persediaan, laporan material masuk dan keluar yang dapat difilter berdasarkan periode tertentu. Sistem dirancang dengan tampilan responsif sehingga bisa diakses dengan perangkat desktop maupun mobile. Pengujian sistem yang dilakukan menggunakan metode Black Box Testing menunjukkan bahwa seluruh fitur dan fungsi sistem berjalan dengan tingkat keberhasilan 100%. Dengan demikian, sistem yang dirancang diharapkan bisa diterapkan dan dapat membantu proses pengelolaan persediaan material di gudang PT. XYZ menjadi lebih efektif, efisien, dan terstruktur.

ANALISIS PERFORMA EFFICIENTNET-B0 PADA KLASIFIKASI VARIETAS BUAH TROPIS BERDASARKAN FITUR MORFOLOGI CITRA

2026-05-31T13:27:23+07:00

Penelitian ini bertujuan untuk menganalisis performa model Convolutional Neural Network (CNN) menggunakan arsitektur EfficientNet-B0 dalam klasifikasi citra buah tropis berdasarkan karakteristik morfologi. Permasalahan dalam penelitian ini adalah proses identifikasi buah yang masih dilakukan secara manual sehingga kurang efisien dan rentan terhadap kesalahan. Untuk mengatasi permasalahan tersebut, penelitian ini mengusulkan pendekatan berbasis deep learning dengan memanfaatkan metode CNN untuk mengekstraksi fitur visual citra secara otomatis, seperti warna, bentuk, dan tekstur buah. Dataset citra buah diperoleh dari sumber open access dan melalui tahap preprocessing yang meliputi resizing, normalisasi, dan augmentasi data guna meningkatkan kualitas pelatihan model. Selain itu, penelitian ini menerapkan pendekatan hierarchical classification untuk meningkatkan kemampuan model dalam melakukan klasifikasi secara bertahap. Proses evaluasi dilakukan menggunakan metrik accuracy, precision, recall, dan F1-score. Hasil penelitian menunjukkan bahwa model EfficientNet-B0 mampu mencapai akurasi tertinggi sebesar 99,69% pada skenario dataset terbesar dengan tingkat kesalahan yang sangat rendah. Berdasarkan hasil tersebut, model yang dikembangkan terbukti mampu meningkatkan efisiensi dan konsistensi dalam proses klasifikasi buah, sehingga berpotensi untuk diterapkan pada bidang pertanian dan industri pangan.

ANALISIS USABILITY PADA WEBSITE SITAM DENGAN METODE SUMI (SOFTWARE USABILITY MEASUREMENT INVENTORY)

2026-05-31T13:28:39+07:00

Pengembangan SITAM (Sistem Informasi Tugas Akhir Mahasiswa) di Universitas Palangka Raya bertujuan untuk meningkatkan efisiensi layanan akademik dan bimbingan bagi Jurusan Teknik Informatika. Namun, dalam penggunaanya ditemukan beberapa kendala operasional seperti kesulitan pengguna awal dalam memahami sistem, tata letak menu yang kurang intuitif, serta tidak adanya buku panduan yang tercantum pada antarmuka website. Sehingga permasalahan terkait kepuasan pengguna yang memerlukan evaluasi mendalam terhadap antarmuka sistem. Oleh karena itu, penelitian ini bertujuan menganalisis usability SITAM dan memberikan rekomendasi desain user interface (UI) yang lebih efektif. Metode yang digunakan adalah SUMI (Software Usability Measurement Inventory) dengan melibatkan 120 responden (mahasiswa, dosen, dan admin). Hasil analisis SUMI menunjukkan perlunya perbaikan aspek learnability pada halaman mahasiswa, serta aspek affect, helpfulness, dan control pada halaman dosen dan admin. Setelah dilakukan perancangan ulang berdasarkan saran pengguna, pengujian menggunakan metode SUS (System Usability Scale) menghasilkan skor 79,28 (Good) untuk mahasiswa, 71,04 (Good) untuk dosen, dan 55 (OK) untuk admin. Secara keseluruhan, menunjukkan peningkatan usability berdasarkan hasil pengujian SUS terhadap rancangan rekomendasi desain user interface website SITAM.

KONSTRUKSI IDENTITAS DIGITAL DAN DAMPAK CYBERBULLYING DALAM RUANG LINGKUP PERGAULAN VIRTUAL REMAJA

2026-05-31T13:30:07+07:00

Perkembangan teknologi digital telah mengubah cara remaja membangun identitas dan berinteraksi dalam ruang virtual melalui media sosial sebagai sarana utama ekspresi diri. Namun, tingginya intensitas penggunaan media sosial juga memunculkan permasalahan berupa meningkatnya cyberbullying yang berdampak pada kondisi psikologis dan sosial remaja. Penelitian ini bertujuan untuk menganalisis konstruksi identitas digital serta keterkaitannya dengan munculnya cyberbullying dalam ruang pergaulan virtual remaja. Metode penelitian yang digunakan adalah pendekatan kualitatif dengan jenis studi kepustakaan melalui analisis berbagai literatur ilmiah yang relevan mengenai identitas digital, media sosial, dan cyberbullying. Hasil penelitian menunjukkan bahwa identitas digital remaja bersifat performatif dan dipengaruhi oleh validasi sosial, sehingga mendorong remaja menampilkan citra ideal di media sosial. Kondisi tersebut meningkatkan kerentanan terhadap cyberbullying yang dipicu oleh anonimitas, tekanan kelompok, dan budaya komunikasi digital. Selain itu, ditemukan hubungan timbal balik antara ketidakstabilan identitas digital dan pengalaman cyberbullying yang berdampak pada kesehatan psikologis remaja. Oleh karena itu, diperlukan penguatan literasi digital, konsep diri, dan etika bermedia sosial untuk menciptakan lingkungan digital yang lebih sehat.

PERAN CIRCUIT SWITCHED FALLBACK (CSFB) DALAM TRANSISI LAYANAN SUARA DARI LTE KE VOLTE DAN 5G: STUDI LITERATUR

2026-05-31T13:31:40+07:00

Transformasi arsitektur jaringan seluler dari circuit-switched ke packet-switched pada teknologi Long Term Evolution (LTE) menimbulkan permasalahan dalam penyediaan layanan komunikasi suara, akibat tidak tersedianya dukungan native terhadap layanan voice sebagaimana pada jaringan generasi sebelumnya. Pada jaringan 2G dan 3G, layanan suara menggunakan arsitektur circuit-switched yang menyediakan kanal komunikasi khusus selama panggilan berlangsung. Namun, pada jaringan LTE, arsitektur jaringan beralih menjadi packet-switched yang berfokus pada layanan data sehingga layanan suara tidak dapat dijalankan secara langsung. Untuk mengatasi keterbatasan tersebut, diperkenalkan mekanisme Circuit Switched Fallback (CSFB) yang memungkinkan perangkat LTE kembali ke jaringan 2G atau 3G saat melakukan panggilan suara. Seiring perkembangan teknologi, solusi berbasis Internet Protocol seperti Voice over LTE (VoLTE) digunakan untuk menyediakan layanan suara langsung pada jaringan LTE dengan kualitas lebih baik dan waktu call setup lebih cepat. Pada jaringan generasi kelima (5G), layanan suara berkembang menuju teknologi Voice over New Radio (VoNR) dengan dukungan EPS fallback. Penelitian ini menggunakan metode Systematic Literature Review (SLR) terhadap publikasi tahun 2021–2025 untuk menganalisis peran CSFB dalam transisi layanan suara dari LTE menuju VoLTE dan 5G. Hasil kajian menunjukkan bahwa CSFB berfungsi sebagai teknologi transisi, namun memiliki keterbatasan dalam efisiensi jaringan dan waktu call setup dibandingkan VoLTE.

RANCANG BANGUN PROTOTYPE SISTEM MONITORING KETINGGIAN AIR SUNGAI DENGAN DETEKSI ANOMALI MENGGUNAKAN ALGORITMA ISOLATION FOREST BERBASIS IOT

2026-05-31T13:52:00+07:00

Ketinggian air sungai yang berubah secara dinamis merupakan salah satu indikator penting dalam mengidentifikasi potensi terjadinya banjir, terutama pada wilayah dengan intensitas curah hujan yang tinggi. Perubahan tersebut tidak selalu berlangsung secara teratur, melainkan dapat terjadi secara tiba-tiba dan menyimpang dari pola normal sehingga sulit dideteksi apabila hanya mengandalkan pengamatan manual atau pendekatan berbasis ambang batas tertentu. Penelitian ini mengembangkan prototype sistem monitoring ketinggian air sungai berbasis Internet of Things (IoT) dengan deteksi anomali menggunakan algoritma Isolation Forest. Sistem memanfaatkan sensor ultrasonik yang terintegrasi dengan ESP32 untuk melakukan pengukuran, pengolahan, dan pengiriman data ke platform ThingSpeak secara real-time. Dataset historis yang digunakan berjumlah 6.621 data dengan pembagian 4.634 data latih dan 1.987 data uji. Hasil pengujian menunjukkan model mampu mendeteksi 22 data anomali pada data uji dengan persentase anomali sebesar 1,11% dan nilai rata-rata anomaly score sebesar 0,1885. Pada pengujian real-time selama 60 menit, sistem berhasil mendeteksi 50 anomali dari 235 data sensor serta mengklasifikasikan kondisi ke dalam kategori aman, waspada, dan bahaya. Integrasi IoT dan Isolation Forest menghasilkan sistem monitoring yang responsif, adaptif, dan berpotensi mendukung pengembangan early warning system banjir secara lebih efektif dan berkelanjutan.

SISTEM PAKAR DIAGNOSIS KERUSAKAN PRINTER BERBASIS WEB MENGGUNAKAN METODE FORWARD CHAINING DAN CERTAINTY FACTOR PADA TOKO HEADPRINT

2026-05-31T13:53:17+07:00

Perkembangan teknologi informasi mendorong penerapan sistem pakar dalam membantu proses diagnosis kerusakan perangkat secara cepat dan akurat. Pada Toko Headprint, proses diagnosis kerusakan printer masih dilakukan secara manual dan bergantung pada teknisi berpengalaman. Kondisi tersebut menyebabkan proses identifikasi kerusakan memerlukan waktu relatif lama, menimbulkan ketergantungan pada sumber daya manusia tertentu, serta menyulitkan pengguna dalam mengenali gejala kerusakan printer. Penelitian ini bertujuan merancang dan membangun sistem pakar diagnosis kerusakan printer berbasis web yang dapat memberikan hasil diagnosis, tingkat keyakinan, dan solusi penanganan awal secara sistematis. Metode yang digunakan dalam penelitian ini adalah Forward Chaining untuk proses penalaran berbasis aturan dan Certainty Factor untuk menghitung tingkat kepastian diagnosis berdasarkan gejala yang dipilih pengguna. Hasil penelitian menunjukkan bahwa sistem yang dibangun mampu membantu pengguna dan teknisi dalam melakukan diagnosis kerusakan printer secara lebih cepat, konsisten, dan informatif. Selain itu, sistem juga meningkatkan efisiensi pelayanan di Toko Headprint melalui penyajian hasil diagnosis beserta nilai kepastian dan rekomendasi penanganan awal.

PERANCANGAN DAN PENGEMBANGAN SISTEM PENCATATAN DATA ABSENSI DAN OVERTIME KARYAWAN BERBASIS WEB MENGGUNAKAN METODE AGILE UNTUK ANALISIS KINERJA PADA PT GMI

2026-05-31T13:54:34+07:00

PT GMI membutuhkan sistem informasi yang mampu mendukung pengelolaan data absensi dan overtime karyawan secara akurat dan terintegrasi guna menunjang analisis kinerja. Permasalahan yang dihadapi saat ini adalah proses pencatatan absensi dan overtime yang masih dilakukan secara manual dan terpisah, sehingga berpotensi menimbulkan kesalahan data, keterlambatan penyusunan laporan, serta kurang optimalnya evaluasi kinerja karyawan. Penelitian ini bertujuan untuk merancang dan mengembangkan sistem pencatatan data absensi dan overtime karyawan berbasis web yang terintegrasi serta mampu menghasilkan laporan dan analisis kinerja secara efektif. Metode yang digunakan adalah Agile, yang memungkinkan pengembangan sistem dilakukan secara iteratif dan adaptif sesuai dengan kebutuhan pengguna. Tahapan penelitian meliputi analisis kebutuhan, perancangan sistem, pengembangan, pengujian, dan evaluasi. Hasil penelitian menunjukkan bahwa sistem yang dikembangkan mampu mempermudah proses pencatatan absensi dan overtime, meningkatkan akurasi data, mempercepat penyajian laporan, serta mendukung manajemen dalam melakukan analisis kinerja karyawan secara lebih tepat dan berkelanjutan.

SISTEM SMART GREENHOUSE BERBASIS IOT MENGGUNAKAN FIREBASE UNTUK MONITORING SUHU DAN KELEMBAPAN

2026-05-31T13:56:24+07:00

Budidaya greenhouse membutuhkan kondisi suhu dan kelembapan yang stabil, sementara pemantauan manual sering menyebabkan keterlambatan tindakan korektif. Penelitian ini bertujuan mengembangkan sistem pengendalian iklim mikro berbasis Internet of Things (IoT) untuk mengotomatisasi pengaturan suhu dan kelembapan greenhouse. Sistem dikembangkan menggunakan mikrokontroler ESP32, sensor DHT22, serta aktuator berupa kipas dan pelembap udara. Arsitektur sistem terdiri dari monitoring module, control module, dan communication module, dengan pemrograman diimplementasikan melalui Arduino IDE untuk memproses data sensor dan mengendalikan aktuator secara otomatis. Pengujian prototipe menunjukkan bahwa sistem mampu merespons perubahan kondisi lingkungan secara efektif, di mana kipas aktif ketika suhu melebihi ambang batas dan pelembap menyala ketika kelembapan turun di bawah nilai minimum yang ditentukan. Pengujian sistem dilakukan selama ±8 menit dengan interval pembacaan data setiap 3 detik. Kipas aktif secara otomatis ketika suhu mencapai ≥32°C dan berhenti pada kisaran 29°C, sedangkan humidifier bekerja ketika kelembapan berada di bawah ambang batas minimum yang ditentukan. Data lingkungan berhasil dimonitor dan ditampilkan secara real-time melalui platform Firebase, sehingga memungkinkan pemantauan kondisi greenhouse secara berkelanjutan. Hasil penelitian menunjukkan bahwa penerapan sistem IoT dapat meningkatkan efisiensi pengelolaan greenhouse, mengurangi ketergantungan pada intervensi manual, serta menjaga stabilitas iklim mikro. Sistem yang dikembangkan juga dilengkapi dengan mekanisme kontrol manual sebagai mode cadangan untuk meningkatkan keandalan operasional. Penelitian ini menawarkan solusi otomatisasi greenhouse berbiaya rendah dengan potensi pengembangan lebih lanjut melalui penerapan multi-sensor dan algoritma kontrol adaptif.

PROYEK SISTEM INFORMASI INVENTARIS ASET KAMPUS INSTITUT TEKNOLOGI INDONESIA BERBASIS WEB

2026-05-31T13:57:29+07:00

Pengelolaan aset di Institut Teknologi Indonesia (ITI) yang masih dilakukan secara manual menggunakan Microsoft Excel dan penandaan fisik menimbulkan berbagai permasalahan, seperti risiko kesalahan pencatatan, kesulitan pelacakan aset, serta keterlambatan penyajian laporan. Kondisi tersebut mendorong dilaksanakannya proyek pengembangan Sistem Informasi Inventaris Aset Kampus berbasis web sebagai upaya meningkatkan tata kelola aset secara terintegrasi dan terukur. Proyek ini bertujuan untuk merencanakan, mengembangkan, dan mengimplementasikan sistem informasi inventaris aset yang mendukung proses pengadaan, pencatatan, mutasi, pemeliharaan, dan pelaporan aset kampus secara terpusat. Pelaksanaan proyek menggunakan metode Project Life Cycle (PLC) yang mencakup tahap inisiasi, perencanaan, pelaksanaan, pengendalian, dan penutupan proyek. Teknologi yang digunakan meliputi PHP dengan framework CodeIgniter dan basis data MySQL, sedangkan pengumpulan kebutuhan dilakukan melalui observasi dan wawancara. Hasil proyek berupa aplikasi inventaris aset berbasis web yang telah diuji dan siap diimplementasikan dengan fitur pengelolaan aset, peminjaman, pelacakan lokasi aset, dan laporan otomatis. Hasil pengujian Google PageSpeed Insights menunjukkan performa sistem sangat baik dengan skor 99/100, sedangkan hasil User Acceptance Test (UAT) memperoleh tingkat kepuasan pengguna sebesar 89%. Selain itu, hasil kuesioner terhadap 7 responden menunjukkan tingkat keberhasilan proyek sebesar 88% dengan kategori sangat baik. Implementasi proyek ini mampu meningkatkan efisiensi pengelolaan aset, mempercepat penyediaan informasi secara real-time, serta mendukung kebutuhan audit dan akreditasi kampus.

ANALISIS PERBANDINGAN ALGORITMA APRIORI DAN FP-GROWTH DALAM MENEMUKAN POLA PENGGUNAAN AI YANG BERPOTENSI MENYEBABKAN BRAINROT

2026-05-31T13:58:55+07:00

Pesatnya integrasi Artificial Intelligence (AI) dalam aktivitas akademik memicu risiko degradasi kognitif atau brainrot akibat ketergantungan digital yang ekstrem. Penelitian ini mengevaluasi performa algoritma Apriori dan FP-Growth dalam mengekstraksi pola penggunaan AI yang berdampak pada penurunan daya kritis mahasiswa. Data diperoleh dari 110 responden melalui instrumen tervalidasi dengan Cronbach’s Alpha 0,931. Hasil pengujian pada minimum support 0,2 dan confidence 0,6 menunjukkan kedua algoritma menghasilkan 76 itemset dan 134 aturan. Dari aspek efisiensi, Apriori unggul dengan waktu eksekusi 0,0072 detik, lebih cepat dibanding FP-Growth 0,0528 detik. Pengujian beban pada support 0,05 memicu lonjakan 8.128 itemset, dimana Apriori bekerja 53,8 kali lebih cepat (0,2021 detik) dibandingkan FP-Growth (10,8814 detik) Melalui analisis association rule, ditemukan bahwa jalur pemicu utama brainrot adalah kombinasi Ketenangan Emosional (P9) dan Generalisasi Tugas (P4) yang bermuara pada Degradasi Berpikir Kritis (P20) dengan nilai Lift Ratio 1,57. Temuan tambahan menunjukkan bahwa perilaku Substitusi Referensi (P5), atau kecenderungan mengganti literatur ilmiah dengan AI, menjadi faktor pengunci yang mempercepat penurunan ketajaman analisis mandiri. Penelitian ini berkontribusi empiris bagi institusi dalam merumuskan kebijakan literasi AI guna menjaga integritas intelektual mahasiswa di era transformasi digital

IMPLEMENTASI BUSINESS INTELLIGENCE UNTUK VISUALISASI DATA INDUSTRI PESERTA PELATIHAN KABUPATEN BEKASI

2026-05-31T14:00:25+07:00

Salah satu kawasan industri terbesar di Indonesia, Kabupaten Bekasi, sangat penting bagi pertumbuhan sektor industri dan pengembangan sumber daya manusia. Partisipasi industri dalam program tersebut berfungsi sebagai indikator komitmen untuk meningkatkan kompetensi tenaga kerja. Tujuan penelitian ini adalah untuk menggunakan business intelligence untuk menganalisis kinerja dan pertumbuhan pelatihan industri di Kabupaten Bekasi antara tahun 2023 dan 2025. Metodologi yang digunakan melibatkan analisis dataset open data Bekasikab.go.id, yang menyediakan informasi tentang industri, wilayah, dan durasi pelatihan. Data kemudian diproses menggunakan Python dan divisualisasikan menggunakan Looker Studio dalam format dashboard interaktif. Hasil analisis data 199 perusahaan industri menunjukkan bahwa persentase partisipasi tertinggi berasal dari wilayah Cikarang Barat, yaitu sebesar 26,1% dari total (52 industri). Pada tahun 2024, terdapat sekitar 75 industri (37,7%), pada tahun 2025, terdapat sekitar 71 industri (35,7%), dan pada tahun 2023, terdapat sekitar 53 industri (26,6%). Dashboard interaktif ini telah terbukti efektif dalam memberikan pemangku kepentingan gambaran kuantitatif yang tepat untuk mengoptimalkan sebaran program pelatihan di masa depan

IMPLEMENTASI SISTEM PENDUKUNG KEPUTUSAN PENGOLAHAN LIMBAH PADAT BERBASIS AHP DAN SAW PADA PT SARANA ALLOY CASTING

2026-05-31T14:01:46+07:00

Meningkatnya aktivitas industri pengecoran logam menghasilkan limbah padat B3 yang memerlukan penanganan khusus karena berpotensi menimbulkan dampak negatif terhadap lingkungan dan kesehatan. Salah satu limbah yang dihasilkan PT Sarana Alloy Casting adalah dross dan slag yang mengandung senyawa aluminium nitrit (AlN) yang bersifat reaktif terhadap air dan berpotensi menghasilkan gas amonia (NH₃) yang berbahaya bagi lingkungan dan kesehatan. Oleh karena itu, diperlukan suatu pendekatan sistematis untuk menentukan strategi pengelolaan limbah yang paling optimal. Penelitian ini mengintegrasikan metode Analytical Hierarchy Process (AHP) untuk menentukan bobot kepentingan setiap kriteria dan metode Simple Additive Weighting (SAW) untuk melakukan proses perangkingan alternatif. Metode pengembangan sistem yang digunakan adalah model Waterfall dengan kriteria penilaian meliputi biaya implementasi, dampak lingkungan, efisiensi teknologi, dan kepatuhan terhadap regulasi. Hasil penelitian menunjukkan bahwa kriteria dampak lingkungan memiliki bobot prioritas tertinggi sebesar 55,8%. Berdasarkan proses perhitungan metode SAW, alternatif pemanfaatan kembali (recycling) terpilih sebagai solusi terbaik dengan nilai preferensi sebesar 0,801. Implementasi SPK berbasis web yang dikembangkan mampu meningkatkan efisiensi proses pengambilan keputusan secara lebih cepat, objektif, dan terstruktur serta mendukung kepatuhan perusahaan terhadap regulasi pengelolaan limbah B3

PERBANDINGAN METODE RANDOM FOREST DAN NAIVE BAYES DALAM KLASIFIKASI PREFERENSI DESTINASI WISATA BERBASIS ALAM

2026-05-31T14:02:57+07:00

Prediksi preferensi wisatawan pada destinasi berbasis alam merupakan isu penting dalam analitik pariwisata karena perbedaan minat pengunjung memengaruhi segmentasi, promosi, perencanaan layanan, dan pengembangan destinasi. Tantangan utama penelitian ini adalah menentukan model klasifikasi yang mampu merepresentasikan pola preferensi wisatawan secara akurat. Penelitian ini membandingkan Random Forest dan Naive Bayes untuk mengklasifikasikan preferensi wisatawan terhadap destinasi pegunungan dan pantai. Perbandingan kedua metode diperlukan karena data preferensi wisatawan memuat atribut demografis dan perilaku yang berpotensi membentuk pola klasifikasi berbeda, sehingga perlu diuji menggunakan algoritma dengan karakteristik pembelajaran yang berbeda. Random Forest dipilih karena mampu menangkap interaksi fitur kompleks melalui mekanisme ensemble berbasis decision tree, sedangkan Naive Bayes digunakan sebagai pembanding karena sederhana, efisien, dan relevan sebagai baseline probabilistik dalam tugas klasifikasi. Penelitian ini menggunakan desain kuantitatif berbasis machine learning dengan dataset Mountains vs. Beaches Preferences dari Kaggle. Tahapan penelitian meliputi eksplorasi data, praproses, pembangunan model, dan evaluasi komparatif. Data dibagi dengan proporsi 80:20. Evaluasi dilakukan menggunakan confusion matrix serta metrik akurasi, presisi, recall, dan F1-score. Hasil menunjukkan Random Forest unggul atas Naive Bayes pada seluruh metrik. Random Forest memperoleh akurasi 0,994596, presisi 0,994626, recall 0,994596, dan F1-score 0,994604, sedangkan Naive Bayes memperoleh akurasi 0,919226, presisi 0,930133, recall 0,919226, dan F1-score 0,921664. Temuan ini menunjukkan bahwa Random Forest lebih sesuai untuk dataset yang dianalisis dan machine learning dapat mendukung pengambilan keputusan manajerial dalam pengelolaan destinasi wisata alam

ANALISIS KAPABILITAS SISTEM INFORMASI PADA APLIKASI Ajaib BERDASARKAN ULASAN PENGGUNA DI GOOGLE PLAY STORE MENGGUNAKAN FRAMEWORK COBIT 5

2026-05-31T14:04:52+07:00

Penelitian ini bertujuan untuk menganalisis kapabilitas sistem informasi pada aplikasi Ajaib berdasarkan ulasan pengguna di Google Play Store dengan menggunakan framework COBIT 5. Penelitian ini dilatarbelakangi oleh semakin meningkatnya penggunaan aplikasi digital berbasis finansial yang turut disertai dengan berbagai permasalahan sistem, seperti aplikasi error, kegagalan transaksi, serta ketidakstabilan layanan yang dapat mempengaruhi kualitas layanan dan tingkat kepuasan pengguna. Framework COBIT 5 dipilih karena mampu menyediakan panduan tata kelola teknologi informasi yang menyeluruh serta dapat digunakan untuk mengevaluasi kapabilitas sistem informasi secara sistematis dan terstruktur. Metode penelitian yang digunakan adalah pendekatan kualitatif deskriptif dengan memanfaatkan data sekunder berupa 50 ulasan pengguna yang diambil dalam kurun waktu dua bulan terakhir. Data dianalisis melalui tahapan klasifikasi, pemetaan ke domain COBIT 5, serta perhitungan frekuensi dan persentase guna mengetahui dominasi permasalahan yang terjadi. Hasil penelitian menunjukkan bahwa domain DSS01 memperoleh persentase tertinggi sebesar 44% yang berkaitan dengan operasional sistem, kemudian disusul domain DSS02 sebesar 32% yang berkaitan dengan transaksi. Hasil tersebut menunjukkan bahwa sistem informasi pada aplikasi Ajaib masih belum optimal dalam menjaga stabilitas sistem dan pengelolaan layanan transaksi. Oleh karena itu, diperlukan peningkatan pada aspek performa sistem, pengelolaan transaksi, dan kualitas layanan guna meningkatkan kepuasan pengguna

INTEGRASI WHATSAPP GATEWAY PADA SISTEM MONITORING PERKEMBANGAN BELAJAR ANAK AHE BERBASIS WEB

2026-05-31T14:15:23+07:00

Perkembangan teknologi informasi mendorong lembaga pendidikan untuk memanfaatkan sistem digital dalam meningkatkan kualitas layanan, termasuk dalam monitoring perkembangan belajar anak. Bimbel AHE Megaluh masih menggunakan pencatatan manual melalui kartu prestasi sehingga berisiko terjadi kesalahan pencatatan, kehilangan data, serta keterlambatan penyampaian informasi kepada orang tua. Penelitian ini bertujuan untuk merancang dan mengimplementasikan Sistem Informasi Monitoring Capaian Perkembangan Belajar Anak berbasis web yang terintegrasi dengan WhatsApp Gateway guna meningkatkan efisiensi dan akurasi pengelolaan data serta memperkuat komunikasi antara guru dan orang tua. Metode pengembangan sistem yang digunakan adalah Waterfall yang meliputi tahap analisis kebutuhan, perancangan sistem, implementasi, pengujian, dan pemeliharaan. Pengumpulan data dilakukan melalui wawancara, observasi, dan studi dokumentasi. Hasil penelitian menunjukkan bahwa sistem yang dibangun mampu membantu guru dalam mencatat dan mengelola perkembangan belajar anak secara digital, menyediakan visualisasi grafik perkembangan, serta mengirimkan notifikasi otomatis kepada orang tua melalui WhatsApp. Berdasarkan pengujian Black Box Testing, seluruh fungsi sistem berjalan dengan tingkat keberhasilan sebesar 100%. Selain itu, hasil uji coba pengguna terhadap 37 responden menunjukkan tingkat kepuasan pengguna sebesar 95%, sehingga sistem dinilai mampu meningkatkan efektivitas monitoring perkembangan belajar anak di Bimbel AHE Megaluh

RANCANG BANGUN COMPANY PROFILE BERBASIS WEB PADA DISKOMINFOSANTIK KABUPATEN BEKASI

2026-05-31T14:17:00+07:00

Penyampaian informasi publik pada Dinas Komunikasi, Informatika, Persandian, dan Statistik (Diskominfosantik) Kabupaten Bekasi yang masih konvensional dan belum terorganisir dalam satu patform digital menyulitkan akses masyarakat serta menghambat transparansi. Mengatasi masalah tersebut, penelitian ini merancang website company profile menggunakan metode System Development Life Cycle (SDLC) model Waterfall. Sistem ini mengintegrasikan antarmuka publik yang menyajikan profil, layanan digital, berita, dokumen publik, dan FAQ, dengan dasbor administrator untuk manajemen konten secara dinamis. Evaluasi fungsionalitas menggunakan metode Black Box Testing terhadap pengunjung dan administrator menunjukkan tingkat keberhasilan pengujian sebesar 100%. Hasil ini membuktikan seluruh fitur operasional berjalan optimal sesuai spesifikasi kebutuhan awal. Dengan demikian, website ini dinyatakan layak diimplementasikan sebagai media informasi resmi guna meningkatkan transparansi dan kualitas pelayanan publik di Diskominfosantik Kabupaten Bekasi.

PERBANDINGAN SISTEM PENGAMBILAN KEPUTUSAN TRADISIONAL DAN BERBASIS TEKNOLOGI DIGITAL

2026-05-31T14:18:43+07:00

Sistem pengambilan keputusan merupakan bagian penting dalam setiap organisasi untuk mendukung tercapainya tujuan dan efisiensi operasional. Dalam perkembangannya, sistem pengambilan keputusan telah mengalami transformasi besar dari sistem tradisional yang bergantung pada intuisi dan pengalaman, menuju sistem berbasis teknologi digital yang memanfaatkan data dan algoritma canggih. Sistem pengambilan keputusan tradisional menghadapi berbagai kendala mendasar, di antaranya keterbatasan dalam memproses data dalam jumlah besar, tingginya subjektivitas akibat ketergantungan pada intuisi individu, lambatnya proses pengambilan keputusan dalam lingkungan yang dinamis, serta ketidakmampuan dalam mengintegrasikan berbagai sumber data secara simultan. Kendala-kendala tersebut menjadi dasar perlunya kajian mendalam mengenai transformasi sistem pengambilan keputusan menuju pendekatan berbasis teknologi digital. Permasalahan utama yang dihadapi adalah bagaimana mengoptimalkan pengambilan keputusan dengan mengintegrasikan teknologi yang dapat meningkatkan akurasi, kecepatan, dan efisiensi. Tujuan dari penelitian ini adalah untuk membandingkan sistem pengambilan keputusan tradisional dan berbasis teknologi digital, dengan fokus pada kelebihan, kekurangan, serta dampaknya terhadap organisasi. Metode yang digunakan dalam penelitian ini adalah kajian literatur dari berbagai sumber terkait, dengan menganalisis hasil penelitian terdahulu mengenai implementasi kedua sistem tersebut. Hasil penelitian menunjukkan bahwa sistem berbasis teknologi digital, seperti yang menggunakan big data dan kecerdasan buatan, menawarkan keunggulan dalam hal akurasi dan kemampuan mengambil keputusan secara real-time, sementara sistem tradisional lebih terbatas dalam hal kecepatan dan kompleksitas data yang dapat diolah. Penelitian ini diharapkan dapat memberikan wawasan bagi organisasi dalam memilih dan mengimplementasikan sistem pengambilan keputusan yang sesuai dengan kebutuhan mereka.

PENGEMBANGAN ANIMASI BERBASIS 3D IKLAN LAYANAN MASYARAKAT TENTANG “STOP BULLYING” UNTUK SISWA SEKOLAH DASAR

2026-05-31T14:19:49+07:00

Kasus perundungan (Bully) di lingkungan sekolah dasar adalah masalah penting yang memberikan dampak negatif pada perkembangan psikologis anak, tetapi metode pengajaran tradisional saat ini kurang efektif bagi generasi digital. Menurut data Programme for International Students Assessment (PISA) anak dan remaja di Indonesia mengalami 15 % intimidasi, 19% dikucilkan, 22% dihina, 14% diancam, 18% didorong sampai dipukul teman dan 20 % digosipkan kabar buruk. Studi ini bertujuan untuk merancang Iklan Layanan Masyarakat (ILM) berbasis animasi 3D dengan tema “Stop Bully” sebagai sarana kampanye sosial yang interaktif untuk siswa SD. Metode pengembangan media ini mencakup langkah-langkah pra-produksi, produksi, dan pasca-produksi dengan memanfaatkan perangkat lunak Blender. Secara teknis, teknik pembuatan animasi menggunakan metode Pose To Pose untuk menciptakan pergerakan karakter yang teratur dan akurat, didukung oleh pemanfaatan Unity sebagai platform visual serta Capcut untuk pengeditan terakhir. Hasil percobaan pada 15 responden menunjukkan tingkat efektivitas yang sangat tinggi; 100% siswa dapat memahami pesan anti-perundungan dengan sangat baik. Dari segi daya pikat, 93,3% responden menunjukkan minat tinggi terhadap narasi dan visual yang ditampilkan, dengan 53,3% memberikan penilaian sempurna (10/10). Studi ini menyimpulkan bahwa penggunaan animasi 3D dengan teknik Pose to Pose sangat efektif sebagai alat pendidikan moral untuk anak-anak. Dengan visualisasi yang menarik dan pesan yang mudah dipahami, media ini dapat meningkatkan kesadaran siswa untuk mengurangi angka perundungan di lingkungan sekolah dasar secara signifikan.

IMPLEMENTASI DATA MINING UNTUK PREDIKSI HARGA CABAI RAWIT MERAH MENGGUNAKAN METODE SINGLE MOVING AVERAGE

2026-05-31T14:21:44+07:00

Harga komoditas pangan, khususnya Cabai Rawit Merah, memiliki tingkat fluktuasi yang tinggi dan berdampak langsung pada stabilitas harga serta pengendalian inflasi daerah. Pemantauan yang dilakukan oleh Diskominfosantik Kabupaten Bekasi memerlukan analisis peramalan agar potensi lonjakan harga di pasar dapat diantisipasi lebih dini. Studi ini bertujuan mengimplementasikan data mining untuk memprediksi harga harian Cabai Rawit Merah menggunakan metode Single Moving Average (SMA). Metode SMA dipilih karena memiliki proses perhitungan yang sederhana, mudah diinterpretasikan, dan sesuai untuk peramalan jangka pendek berbasis data historis harian. Dataset yang digunakan merupakan data sekunder harga kebutuhan pokok Kabupaten Bekasi periode 1 Januari sampai 31 Desember 2025. Dataset dibagi secara kronologis menjadi 80% data latih atau 292 hari dan 20% data uji atau 73 hari untuk menjaga urutan waktu pada data deret waktu. Tahapan penelitian meliputi pengumpulan data, preprocessing, penerapan SMA dengan parameter 3 hari, 5 hari, dan 7 hari, serta evaluasi menggunakan Mean Absolute Error (MAE). Hasil pengujian menunjukkan bahwa SMA 3 hari menghasilkan nilai MAE terendah sebesar Rp 1.781,22, sehingga menjadi parameter terbaik dibandingkan SMA 5 hari dan SMA 7 hari. Temuan ini menunjukkan bahwa SMA dapat digunakan sebagai pendekatan awal untuk mendukung prediksi harga harian Cabai Rawit Merah di Kabupaten Bekasi.

PERBANDINGAN ALGORITMA KNN DAN NAIVE BAYES PADA DATA BALITA UNTUK KLASIFIKASI STATUS GIZI

2026-05-31T14:34:57+07:00

Permasalahan gizi balita, khususnya stunting, merupakan ancaman serius bagi generasi penerus bangsa. Berdasarkan Survei Kesehatan Indonesia (SKI) tahun 2023, prevalensi stunting di Indonesia masih berada di angka 21,5% — jauh di atas ambang kritis WHO sebesar 20% dan belum mencapai target 14% yang diamanatkan Peraturan Presiden Nomor 72 Tahun 2021 tentang Percepatan Penurunan Stunting (Kementerian Kesehatan RI, 2024). Kondisi ini menuntut solusi deteksi dini yang cepat, akurat, dan berbasis data. Pemilihan algoritma machine learning yang tepat sangat menentukan efektivitas sistem klasifikasi status gizi tersebut. Meskipun K-Nearest Neighbor (KNN) dan Naive Bayes Classifier (NBC) telah banyak digunakan dalam penelitian serupa, hasil yang diperoleh bervariasi tergantung pada karakteristik data lokal sehingga perbandingan langsung keduanya pada dataset Puskesmas Tirto, Kota Pekalongan, menjadi penting untuk dilakukan. Penelitian ini dilakukan untuk membandingkan 2 algoritma yang berbeda yaitu K-Nearest Neighbors (KNN) dan Naive Bayes Classifier (NBC), data penelitian ini di dapat dari Puskesmas Tirto Kota Pekalongan. Status gizi ditentukan berdasarkan indikator pengukuran tubuh manusia yang meliputi BB, TB, JK, dan usia. Penelitian ini memakai metode data hold out dengan membagi datanya 80% sebagai data latih dan 20% sebagai data testing. Pengukuran performa model dilakukan menggunakan indikator matrik Akurasi, Presisi, Recall, dan F1-score yang didapat dari confusion matrik. Hasil pengujian mendapati bahwa algoritma KNN mendapatkan performa lebih bagus dari pada NBC dengan nilai Accuracy 85,37%, Precision 80%, Recall 85%, dan F1-score 83%. sedangkan itu, algoritma Naive Bayes Classifier (NBC) memperoleh nilai Accuracy 68,29%, dengan Precision 79%, Recall 68%, dan F1-score 73%, ini menunjukkan bahwa performa lebih rendah terutama pada klasifikasi kelas minoritas.jadi algoritma KNN menjadi yang paling optimal dalam melakukan klasifikasi status gizi balita pada dataset penelitian ini.

RANCANG BANGUN GAME STRATEGI TOWER DEFENSE 2.5D MULTIPLAYER BERBASIS UNITY DENGAN SMART AUTO TARGET

2026-05-31T14:36:19+07:00

Perkembangan industri permainan digital di Indonesia menunjukkan peningkatan yang signifikan, namun sebagian besar game yang beredar di pasar masih cenderung berorientasi pada aspek komersial dan sistem monetisasi yang eksploitatif. Permasalahan utama dalam game bergenre tower defense saat ini adalah pola pergerakan dan penyerangan musuh yang cenderung statis serta mekanik kecerdasan buatan yang tidak adaptif, sehingga gameplay terasa repetitif dan mudah ditebak. Penelitian ini bertujuan untuk merancang and mengembangkan sebuah game strategi tower defense 2.5D multiplayer menggunakan engine Unity dengan penerapan metode Smart Auto Target pada unit kecerdasan buatan. Metode penelitian yang digunakan mengadopsi kerangka kerja Game Development Life Cycle yang mencakup tahap konseptual hingga rilis produk. Hasil pengujian menunjukkan bahwa implementasi Smart Auto Target mampu mengubah dinamika permainan dengan mengevaluasi kondisi ancaman secara dinamis, sementara sistem multiplayer kolaboratif yang didukung oleh Photon Unity Network berhasil menyinkronkan aktivitas pemain secara real-time. Pengujian dilakukan dengan menggunakan black box dan kuesioner User Acceptance Test (UAT) dengan responden sebanyak 30 user. Dari hasil pengujian black box didapatkan tingkat keberhasilan 100%, sedangkan dari pengujian pengguna didapatkan prosentase 95,49% sehingga hasil dari kuesioner termasuk dalam kategori sangat baik dan sistem layak diimplementasikan.

STUDI ABLASI XGBOOST UNTUK KLASIFIKASI RISIKO BANJIR PERKOTAAN MENGGUNAKAN KARAKTERISTIK DRAINASE DAN DATA CURAH HUJAN CHIRPS

2026-05-31T14:37:26+07:00

Banjir perkotaan merupakan bencana yang semakin sering terjadi di Indonesia akibat urbanisasi dan perubahan pola curah hujan. Model klasifikasi risiko banjir umumnya mengandalkan variabel topografi dan hidrologi, namun jarang mengintegrasikan kondisi infrastruktur drainase. Praktisi sering menerapkan preprocessing kompleks pada model XGBoost tanpa memvalidasi kontribusi individual setiap langkah, sehingga belum diketahui apakah seleksi fitur, oversampling, dan optimasi hyperparameter benar-benar meningkatkan performa. Penelitian ini mengevaluasi pengaruh tiga komponen preprocessing terhadap performa XGBoost melalui studi ablasi enam skenario. Klasifikasi dilakukan pada 3.471 titik drainase di Kota Malang menggunakan 53 fitur dari data drainase dan curah hujan satelit CHIRPS (2019–2025). Enam skenario menguji seleksi fitur (Pearson+VIF+RFE), BorderlineSMOTE, dan tuning Optuna TPE secara individual maupun kombinatif. Model baseline tanpa preprocessing mencapai performa terbaik (F1 Macro 0,8167; Akurasi 0,8763). Seluruh intervensi justru menurunkan performa. Analisis SHAP mengidentifikasi frekuensi hari hujan dan interaksi curah hujan-kemiringan sebagai prediktor utama.

KLASIFIKASI PENYAKIT DAUN ANGGUR MENGGUNAKAN FINE-TUNED MOBILENETV3

2026-05-31T14:38:36+07:00

Tanaman anggur (Vitis vinifera L.) adalah komoditas holtikultura yang rentan terhadap penyakit yang disebabkan oleh berbagai faktor seperti lingkungan, cuaca, dan sebagainya. Deteksi dini dan akurat terhadap penyakit daun anggur memiliki peran krusial dalam mencegah penurunan produktivitas, meminimalkan kerugian ekonomi, serta mendukung penerapan pertanian presisi. Namun, identifikasi penyakit pada tanaman anggur masih banyak dilakukan secara manual, dimana rentan terhadap subjektivitas dan ketidakefisienan operasional. Penelitian ini bertujuan untuk mengembangkan sistem deteksi penyakit tanaman anggur menggunakan model Convolutional Neural Network (CNN) dengan pendekatan transfer learning menggunakan arsitektur MobileNetV3-Small, yang dirancang khusus untuk skenario terbatas dan memiliki kemampuan ekstraksi fitur yang baik untuk identifikasi penyakit tanaman anggur. Model ini dikembangkan menggunakan dataset dari Kaggle yang mencangkup empat kelas, yaitu ESCA, Black Rot, Healthy, dan Leaf Blight. Metodologi penelitian meliputi pra-pemrosesan data, augmentasi citra, dan inisialisasi model MobileNetV3-Small dengan membekukan blok awal (1-9) serta membuka blok akhir (10-16) untuk dilatih ulang (fine-tuning). Hasil evaluasi menunjukkan bahwa strategi fine-tuning secara signifikan meningkatkan performa model dibandingkan model tanpa fine-tuning. Model yang diusulkan berhasil mencapai tingkat akurasi sebesar 99,83%, dengan precision 99,85%, recall 99,84%, dan F1-score 99,84%. Hasil ini menunjukkan bahwa MobileNetV3-Small dengan fine-tuning menawarkan keseimbangan optimal antara akurasi tinggi dan efisiensi komputasi, sehingga sangat potensial untuk diimplementasikan pada perangkat dengan sumber daya terbatas.

MODEL HYBRID BERBASIS EDIT DISTANCE, PHONETIC, DAN FUZZY MATCHING DENGAN OPTIMASI BOBOT UNTUK VERIFIKASI NAMA INVOICE

2026-05-31T14:39:41+07:00

Proses verifikasi kesesuaian nama antara faktur dan basis data induk di perusahaan jasa tenaga kerja asing menghadapi tantangan serius akibat keberagaman konvensi penamaan multi-etnis. Ketidakkonsistenan penulisan mulai dari variasi ejaan, perbedaan Romanisasi nama Asia Timur, penggunaan patronimik Melayu, hingga penyisipan informasi tambahan dalam kolom nama menyebabkan proses pencocokan manual menjadi rentan terhadap kesalahan dan tidak efisien secara operasional. Penelitian ini mengembangkan arsitektur Algoritma Pencocokan Nama Multi-Layer untuk mengotomasi proses verifikasi nama pada faktur di PT Fortuna Sada Nioga, sebuah perusahaan jasa legalitas tenaga kerja asing (TKA). Sistem ini memadukan delapan lapisan algoritma pencocokan string untuk menangani variasi nama multi-etnis dari konvensi penamaan Indonesia, Korea, Jepang, dan Tiongkok. Melalui eksperimen grid search terhadap 1,5 juta konfigurasi bobot pada 17.908 pasangan nama, konfigurasi optimal mencapai akurasi, presisi, dan recall 100%. Lapisan Token-based dan Advanced Hybrid masing-masing memperoleh bobot tertinggi (30%), sementara Fuzzy Logic mendapat bobot 0% yang mengindikasikan redundansinya dalam arsitektur ensemble. Sistem Keputusan Tiga Zona (Auto-Pass, Confirmation, Auto-Reject) diterapkan untuk keperluan operasional.

MODEL PREDIKSI OMZET PENJUALAN MENGGUNAKAN RANDOM FOREST REGRESSION PADA UMKM TOKO KEMBAR

2026-05-31T14:40:57+07:00

UMKM retail di Indonesia, termasuk Toko Kembar di Sukoharjo, masih mengandalkan pencatatan transaksi secara manual sehingga data penjualan belum dimanfaatkan secara optimal. Permasalahan utama yang dihadapi adalah ketidakmampuan memprediksi fluktuasi omzet penjualan, yang berdampak pada pengelolaan stok dan perencanaan keuangan yang reaktif. Penelitian ini bertujuan membangun model prediksi omzet penjualan berbasis Random Forest Regression untuk mendukung pengelolaan stok yang lebih terencana dan berbasis data. Metode yang digunakan adalah kerangka CRISP-DM dengan pendekatan panel data per produk per bulan, menggunakan rekayasa fitur berupa lag omzet 1–3 bulan, rata-rata bergerak 3 bulan, harga satuan, dan jumlah transaksi. Dataset mencakup 23.466 transaksi dari 8.720 produk selama periode September 2025–Maret 2026. Evaluasi model menggunakan MAE, RMSE, R², dan MAPE. Hasil evaluasi model menunjukkan nilai MAE sebesar Rp 32.579, RMSE sebesar 277.705, R² sebesar 0,6702 (67,02%), dan MAPE sebesar 8,45%. Prediksi omzet April 2026 sebesar Rp 661.396.513 dan Mei 2026 sebesar Rp 651.661.400 dengan rekomendasi penyesuaian stok pada beberapa produk.

ANALISIS DISTRIBUSI LAND SURFACE TEMPERATURE (LST) TAHUN 2025 MENGGUNAKAN GOOGLE EARTH ENGINE DI KABUPATEN JEPARA

2026-05-31T14:41:55+07:00

Peningkatan suhu permukaan bumi menjadi salah satu isu lingkungan yang semakin sering dikaji seiring pertumbuhan kawasan terbangun serta perubahan penggunaan lahan. Permukaan seperti beton, aspal, dan atap bangunan menyerap dan menyimpan panas lebih besar dibandingkan vegetasi sehingga mempengaruhi variasi suhu permukaan suatu wilayah. Keterbatasan cakupan pengamatan langsung mendorong penggunaan penginderaan jauh dalam kajian Land Surface Temperature (LST). Kabupaten Jepara merupakan wilayah pesisir di Provinsi Jawa Tengah dengan variasi kondisi fisik berupa kawasan pesisir, dataran rendah, serta perbukitan lereng Gunung Muria yang menunjukkan perbedaan karakter suhu permukaan antarwilayah. Penelitian ini bertujuan menganalisis distribusi spasial LST tahun 2025 di Kabupaten Jepara. Periode 2025 dipilih untuk memperbarui data kondisi termal wilayah yang pada kajian sebelumnya hanya mencakup hingga tahun 2020. Analisis dilakukan menggunakan Google Earth Engine yang dipilih karena kemampuannya memproses citra satelit skala besar secara efisien melalui infrastruktur komputasi awan tanpa kebutuhan penyimpanan lokal. Pengolahan citra Landsat 8 Collection 2 Tier 1 periode Januari–Desember 2025 meliputi penyaringan piksel awan menggunakan kanal QA_PIXEL, konversi digital number Band 10 menjadi radiansi spektral, perhitungan brightness temperature menggunakan konstanta kalibrasi sensor, dan konversi ke derajat Celcius. Hasil dikompositkan menggunakan mean composite dan diklasifikasikan ke dalam beberapa kelas suhu. Nilai LST berada pada kisaran kurang dari 20°C hingga sekitar 30–32°C. Suhu tinggi tersebar pada wilayah pesisir seperti Kecamatan Kedung, Tahunan, Jepara, Bangsri, Keling, dan Donorojo yang didominasi permukiman serta aktivitas ekonomi, sedangkan suhu lebih rendah terdapat pada wilayah perbukitan seperti Kecamatan Batealit, Mayong, dan Nalumsari yang memiliki tutupan vegetasi lebih luas serta elevasi lebih tinggi.

ANALISIS QUALITY OF SERVICE (QOS) JARINGAN INTERNET NIRKABEL PADA JAM SIBUK (PEAK HOURS) DI GEDUNG FAKULTAS TEKNIK UNIVERSITAS PEJUANG REPUBLIK INDONESIA MAKASSAR

2026-05-31T14:42:57+07:00

Ketersediaan akses internet nirkabel yang stabil merupakan kebutuhan krusial dalam menunjang aktivitas akademik di perguruan tinggi. Namun, permasalahan yang kerap terjadi di Gedung Fakultas Teknik Universitas Pejuang Republik Indonesia (UPRI) Makassar adalah penurunan kualitas koneksi internet secara drastis, seperti akses lambat dan terputus, terutama pada saat jam sibuk (peak hours). Kondisi ini berdampak langsung pada terganggunya pelaksanaan perkuliahan daring, kegagalan mahasiswa dalam mengunduh materi pembelajaran, serta terhambatnya akses ke sistem administrasi akademik kampus. Penelitian ini bertujuan untuk menganalisis dan mengevaluasi tingkat kinerja Quality of Service (QoS) pada jaringan internet nirkabel di gedung tersebut selama jam sibuk. Metode yang digunakan adalah pemantauan dan pengambilan sampel lalu lintas data secara real-time menggunakan perangkat lunak Wireshark. Data yang diperoleh kemudian dianalisis secara matematis menggunakan parameter standar telekomunikasi TIPHON yang meliputi throughput, packet loss, delay, dan jitter. Hasil pengujian menunjukkan bahwa pada jam sibuk, nilai rata-rata throughput sebesar 950 kbps (kategori Sedang), packet loss mencapai 26,5% (kategori Buruk), delay sebesar 485 ms (kategori Buruk), dan jitter sebesar 165 ms (kategori Sedang). Secara keseluruhan, infrastruktur jaringan nirkabel saat ini berada pada kondisi beban berlebih (overload) dan rentan mengalami data collision. Sebagai tindak lanjut, penelitian ini merekomendasikan penerapan manajemen bandwidth menggunakan metode Per Connection Queue (PCQ) serta penambahan perangkat Access Point untuk mengurai kepadatan pengguna dan meningkatkan kualitas layanan jaringan.

AUDIT SISTEM INFORMASI PELAYANAN PENGADUAN PELANGGAN PADA PAM JAYA

2026-05-31T14:43:58+07:00

PAM Jaya, perusahaan penyedia air bersih daerah DKI Jakarta, menangani jutaan pelanggan dengan berbagai masalah, mulai dari masalah dengan pasokan air, kualitas air, hingga ketidaksesuaian data tagihan. Tanpa audit sistem informasi yang berkala, pengelolaan pengaduan berpotensi mengalami penurunan kualitas, yang berdampak langsung pada kepuasan pelanggan, keterlambatan penanganan, dan hilangnya kepercayaan masyarakat terhadap layanan air bersih. Hingga saat ini, belum ada penelitian yang secara khusus mengevaluasi tingkat kematangan sistem informasi pelayanan pengaduan pelanggan PAM Jaya. Penelitian ini bertujuan untuk mengaudit sistem tersebut untuk mengetahui seberapa matang sistem tersebut. Metode kombinasi yang melibatkan desain kolaboratif terintegrasi (concurrent embedded) digunakan. DSS01, DSS02, dan DSS03, yang termasuk dalam kerangka, menghasilkan kuesioner berbasis skala Likert 1–5 dalam kerangka kerja COBIT 5. Interpretasi hasil kuantitatif didukung oleh wawancara semi-terstruktur yang dikenal sebagai instrumen sekunder. Survei purposive dilakukan pada 18 orang. Hasil penelitian menunjukkan bahwa sistem informasi pelayanan pengaduan pelanggan PAM Jaya memiliki kapasitas tingkat rata-rata 4,35, termasuk dalam tingkat 4 (Proses yang diprediksi), dengan rincian DSS01 sebesar 4,20, DSS02 sebesar 4,58, dan DSS03 sebesar 4,28, masing-masing melampaui target manajemen pada tingkat 4,00 dengan selisih positif sebesar +0,35. Namun, hasil wawancara menunjukkan bahwa ada beberapa masalah operasional di lapangan yang masih perlu diperbaiki, seperti penanganan pengaduan yang tertunda dan ketidaksesuaian data pembayaran.

PENGEMBANGAN SISTEM E-COMMERCE BERBASIS WEB PADA UMKM TOKO BUKU MENGGUNAKAN METODE WATERFALL UNTUK MENDUKUNG TRANSFORMASI DIGITAL

2026-05-31T14:44:53+07:00

Perkembangan teknologi informasi mendorong pelaku Usaha Mikro, Kecil, dan Menengah (UMKM) untuk melakukan transformasi digital melalui pemanfaatan sistem e-commerce berbasis web. Namun, masih banyak UMKM toko buku yang menggunakan sistem penjualan konvensional sehingga proses transaksi, promosi, dan pengelolaan data belum berjalan secara efektif dan efisien. Permasalahan tersebut menyebabkan keterbatasan jangkauan pemasaran, rendahnya efektivitas pelayanan, serta tingginya risiko kesalahan dalam pengolahan data transaksi. Penelitian ini bertujuan untuk mengembangkan sistem e-commerce berbasis web pada UMKM toko buku guna mendukung proses transformasi digital dan meningkatkan kualitas layanan bisnis. Metode pengembangan sistem yang digunakan adalah metode Waterfall yang terdiri dari tahapan analisis kebutuhan, perancangan sistem, implementasi, pengujian, dan pemeliharaan. Pengumpulan data dilakukan melalui observasi, wawancara, dan dokumentasi. Hasil penelitian menunjukkan bahwa sistem yang dikembangkan mampu mempermudah pengelolaan produk, transaksi, dan data pengguna secara terintegrasi. Selain itu, sistem juga membantu memperluas jangkauan pemasaran, meningkatkan efisiensi operasional, serta memberikan kemudahan bagi pelanggan dalam melakukan transaksi pembelian buku secara online.

KLASIFIKASI TINGKAT KECANDUAN GADGET PADA ANAK-ANAK MENGGUNAKAN ALGORITMA DECISION TREE C5.0

2026-05-31T14:55:52+07:00

Perkembangan teknologi informasi yang pesat telah meningkatkan intensitas penggunaan gadget pada anak sejak usia dini untuk kebutuhan belajar maupun hiburan. Namun, penggunaan yang berlebihan menimbulkan dampak negatif yang signifikan terhadap perkembangan fisik, psikologis, dan sosial anak, seperti penurunan minat belajar, perubahan suasana hati, hingga berkurangnya interaksi sosial. Permasalahan utama yang dihadapi adalah sulitnya bagi orang tua maupun pihak terkait untuk mendeteksi tingkat kecanduan tersebut secara dini dan objektif tanpa bantuan alat ukur otomatis. Penelitian ini bertujuan untuk membangun sistem klasifikasi tingkat kecanduan gadget pada anak-anak menggunakan algoritma Decision Tree C5.0. Data yang digunakan mencakup 124 data kuesioner perilaku penggunaan gadget yang diperoleh melalui pengumpulan data primer. Metodologi penelitian meliputi tahap preprocessing data, dilanjutkan dengan permodelan menggunakan algoritma C5.0, serta evaluasi sistem menggunakan confusion matrix multi-class. Hasil pengujian sistem menunjukkan bahwa algoritma Decision Tree C5.0 mampu mengklasifikasikan 23 dari 25 data testing secara tepat, sehingga menghasilkan tingkat akurasi keseluruhan yang sangat baik sebesar 92%. Secara lebih spesifik berdasarkan evaluasi confusion matrix multi-class, model menunjukkan performa sempurna pada kategori "Tidak Kecanduan" dengan nilai presisi 100%, recall 100%, dan F1-score 100%. Pada kategori "Kecanduan Ringan", model mencatatkan presisi 100%, recall 66,67%, dan F1-score 80%. Sedangkan pada kategori "Kecanduan Berat", kemampuan identifikasi sangat kuat dengan presisi 86,67%, recall 100%, dan F1-score 93,05%. Dengan hasil tersebut, sistem ini dinilai memiliki performa yang handal dan dapat diimplementasikan sebagai alat bantu bagi orang tua dalam mendeteksi tingkat kecanduan gadget pada anak secara otomatis dan akurat

ANALISA MODERASI LITERASI KEUANGAN PADA HASRAT KONSUMTIF DAN FAKTOR LINGKUNGAN TERHADAP PERILAKU KEUANGAN PENGGUNA E-COMMERCE

2026-05-31T14:57:01+07:00

Financial behavior is an individual's ability to manage finances effectively and wisely. Financial behavior is influenced by various factors, such as consumptive desire, environmental factors, and environmental literacy. The development of digital lifestyles and current social influences has led individuals to become more consumptive in carrying out financial activities. The low ability of individuals to manage finances properly is caused by high consumptive desires and the influence of the social environment, as well as the suboptimal role of environmental literacy in shaping financial behavior. This study aims to analyze the influence of desire and environmental factors on financial behavior and to examine the role of environmental literacy as an intervening variable. This study uses a quantitative approach with a survey method through the distribution of questionnaires to respondents. Data analysis techniques use regression analysis and mediation tests to determine the direct and indirect effects among the research variables. The results show that partially and simultaneously, desire and environmental factors have a positive and significant effect on financial behavior. Financial literacy as a moderating variable is unable to moderate the influence of desire on financial behavior, but it is able to moderate the influence of environmental factors on financial behavior.

ANALISIS PERBANDINGAN KINERJA ALGORITMA NAIVE BAYES DAN SVM DALAM MENGKLASIFIKASI SENTIMEN TERHADAP MBG

2026-05-31T14:57:58+07:00

Perkembangan platform digital telah mengubah cara masyarakat menyampaikan pendapat, khususnya terhadap kebijakan publik yang berdampak langsung pada kehidupan sehari-hari. Program Makan Bergizi Gratis (MBG) yang digagas pemerintah Indonesia menjadi salah satu topik yang banyak diperbincangkan di media sosial Twitter, menghasilkan volume data teks yang besar namun belum termanfaatkan secara optimal untuk kepentingan evaluasi kebijakan. Kondisi ini mendorong perlunya penerapan metode komputasional yang mampu mengolah data tersebut secara efisien dan objektif. Penelitian ini bertujuan untuk menganalisis dan membandingkan kinerja algoritma Naive Bayes dan Support Vector Machine (SVM) dalam mengklasifikasikan sentimen masyarakat terhadap program MBG. Data yang digunakan merupakan dataset publik dari Kaggle yang berjumlah 3.457 komentar media sosial Twitter. Tahapan penelitian meliputi preprocessing (cleaning, case folding, tokenizing, stopword removal, dan stemming), pelabelan otomatis, pembobotan fitur menggunakan TF-IDF, serta pembagian data sebesar 70% untuk pelatihan dan 30% untuk pengujian. Evaluasi model dilakukan menggunakan confusion matrix dengan metrik accuracy, precision, recall, dan F1-score. Hasil pengujian menunjukkan bahwa Naive Bayes memperoleh akurasi 84,2% dengan F1-score 87,5%, sedangkan SVM menghasilkan akurasi 88,9% dengan F1-score 91,7%. Berdasarkan hasil tersebut, SVM menunjukkan performa yang lebih optimal dibandingkan Naive Bayes dalam mengklasifikasikan sentimen terhadap program MBG

PENERAPAN METODE IMAGE PROCESSING BERBASIS HISTOGRAM WARNA UNTUK IDENTIFIKASI DAN PENENTUAN TINGKAT KEMATANGAN BUAH PISANG

2026-05-31T14:59:14+07:00

Penentuan tingkat kematangan buah pisang merupakan aspek penting dalam proses pascapanen untuk menjaga kualitas sebelum distribusi. Namun, metode manual yang sering digunakan petani masih bersifat subjektif dan kurang akurat. Penelitian ini bertujuan mengembangkan sistem klasifikasi tingkat kematangan pisang menggunakan pengolahan citra digital berbasis histogram warna dan algoritma Support Vector Machine (SVM). Dataset yang digunakan sebanyak 1.865 citra dari empat kategori kematangan, yaitu mentah, setengah matang, matang, dan terlalu matang. Tahapan penelitian meliputi segmentasi citra menggunakan Otsu Thresholding, ekstraksi fitur statistik orde pertama (Mean, Skewness, Energy, dan Smoothness) dari ruang warna RGB, HSV, dan Lab*, serta klasifikasi menggunakan SVM kernel Radial Basis Function (RBF). Hasil pengujian menunjukkan model mampu mengklasifikasikan tingkat kematangan pisang dengan akurasi sebesar 98%. Kelas matang memperoleh precision 93%, recall 95%, dan F1-score 94%, sedangkan kelas mentah mencapai precision 99%, recall 100%, dan F1-score 99%. Kelas setengah matang memperoleh nilai 99% untuk seluruh metrik, sementara kelas terlalu matang mencapai precision 98%, recall 96%, dan F1-score 97%. Hasil ini menunjukkan metode yang digunakan efektif sebagai solusi otomatis dan objektif dalam identifikasi kematangan buah pisang

ANALISIS DETEKSI KESALAHAN PENULISAN (TYPO) PADA TUGAS MAHASISWA MENGGUNAKAN ALGORITMA LEVENSHTEIN DISTANCE

2026-05-31T15:00:23+07:00

Penelitian ini bertujuan menganalisis deteksi kesalahan penulisan atau typographical error pada tugas mahasiswa menggunakan Algoritma Levenshtein Distance berbasis wordlist bahasa Indonesia. Algoritma Levenshtein Distance dipilih karena mampu menghitung jarak minimum perubahan karakter melalui operasi insertion, deletion, dan substitution, sehingga sesuai untuk mendeteksi kesalahan ketik mekanis yang umumnya memiliki kemiripan bentuk dengan kata baku. Analisis eksperimental kuantitatif memproses 80 dokumen yang dikonversi ke PDF melalui preprocessing teks, normalisasi token, perbandingan daftar kata Indonesia yang terstruktur, dan perhitungan jarak edit. Kesalahan diklasifikasikan sebagai insertion, deletion, atau subtitution. Error rate: 0,45%–14,7% per dokumen. Dari total 536 operasi edit distance, kesalahan paling dominan adalah substitution sebanyak 303 operasi atau 56,53%, diikuti deletion sebanyak 177 operasi atau 33,02%, dan insertion sebanyak 56 operasi atau 10,45%. Pola dominan ini, terkait dengan kecepatan mengetik dan kedekatan tata letak pada keyboard QWERTY. Integrasi wordlist standar meningkatkan akurasi dalam membedakan variasi ortografis dari kesalahan mekanis. Tingkat rendah hingga sedang dominan, namun penyimpangan memerlukan pendekatan pedagogis yang terarah. Peneliti fokus pada karakter mengesampingkan aspek semantik. Kerangka kerja ini memfasilitasi evaluasi otomatis dengan kompleksitas rendah untuk platform digital, meningkatkan literasi akademik dan kesadaran linguistik

ANALISIS DAN PENERAPAN SISTEM INFORMASI MANAGEMENT BERBASIS WEB DI FAFA LAUNDRY

2026-05-31T15:01:27+07:00

Perkembangan teknologi informasi mendorong pelaku usaha laundry untuk meningkatkan efektivitas dan kualitas pelayanan melalui penerapan sistem berbasis komputer. FAFA Laundry masih menghadapi beberapa kendala operasional, seperti pencatatan transaksi yang dilakukan secara manual, kesulitan memantau status laundry, serta keterlambatan dalam penyusunan laporan. Penelitian ini bertujuan untuk merancang dan menerapkan sistem informasi manajemen laundry berbasis web guna mempermudah proses pengelolaan data dan pelayanan. Metode yang digunakan dalam pengembangan sistem adalah metode Waterfall yang meliputi tahap analisis kebutuhan, perancangan sistem, implementasi, pengujian, dan pemeliharaan. Sistem dibangun menggunakan PHP Native dan MySQL sebagai basis data. Hasil penelitian menunjukkan bahwa sistem yang dikembangkan mampu membantu proses pengelolaan transaksi, memantau status laundry secara real-time, serta menghasilkan laporan secara otomatis dan lebih akurat. Penerapan sistem ini dapat meningkatkan efisiensi kerja karyawan, mengurangi kesalahan pencatatan, dan meningkatkan kualitas pelayanan kepada pelanggan

PENERAPAN METODE RAPID APPLICATION DEVELOPMENT DALAM PEMBUATAN WEBSITE SDS AISYIYAH BENGKALIS SEBAGAI PEMANTAUAN AKADEMIK SISWA

2026-05-31T15:02:39+07:00

Perkembangan teknologi informasi mendorong sekolah untuk menyediakan layanan akademik yang lebih cepat dan mudah diakses, termasuk di lingkungan SDS Aisyiyah Bengkalis. Namun, proses penyampaian informasi akademik seperti nilai, absensi, dan hafalan Al-Qur’an masih dilakukan secara manual sehingga menimbulkan keterlambatan dan kurangnya keterlibatan orang tua dalam memantau perkembangan siswa. Penelitian ini bertujuan untuk membangun sebuah website pemantauan akademik yang dapat mempercepat penyampaian informasi serta memudahkan guru dalam pengolahan data. Metode yang digunakan adalah Rapid Application Development (RAD), yang memungkinkan pengembangan dilakukan secara cepat melalui iterasi prototipe dan umpan balik pengguna. Hasil penelitian menunjukkan bahwa sistem berhasil dibangun dan mampu menampilkan informasi nilai, absensi, dan hafalan siswa secara real time. Pengujian sistem menggunakan metode Black Box Testing menunjukkan bahwa seluruh fitur sistem berjalan sesuai dengan fungsinya. Selain itu, hasil pengujian menggunakan System Usability Scale (SUS) sebesar 85,72 yang termasuk kategori Acceptable dengan tingkat Excellent. Dengan demikian, sistem dinilai mudah digunakan dan efektif membantu orang tua serta guru dalam proses pemantauan akademik siswa

PENGEMBANGAN E-LEARNING GAMIFIKASI “JOKOLEARN” PADA MATERI CERITA RAKYAT JOKOTOLE ‘ASAL USUL DESA BANCARAN’ UNTUK SISWA SMPN 1 BANGKALAN

2026-05-31T15:03:51+07:00

Perkembangan teknologi digital mendorong perlunya inovasi media pembelajaran yang interaktif dan relevan dengan karakteristik siswa. Namun, rendahnya keterlibatan siswa dalam pembelajaran cerita rakyat serta masih terbatasnya media pembelajaran digital berbasis budaya lokal menjadi tantangan dalam meningkatkan literasi digital siswa. Salah satu upaya yang dapat dilakukan adalah pengembangan e-learning berbasis gamifikasi dengan memanfaatkan konten budaya lokal. Penelitian ini bertujuan untuk mengembangkan E-Learning Gamifikasi “JOKOLearn” pada materi cerita rakyat Jokotole “Asal Usul Desa Bancaran” untuk siswa SMPN 1 Bangkalan serta menguji kelayakan sistem yang dikembangkan. Metode penelitian yang digunakan adalah penelitian dan pengembangan (Research and Development) dengan model pengembangan waterfall yang meliputi tahap analisis kebutuhan, desain sistem, implementasi, verifikasi, dan pemeliharaan. Sistem dikembangkan berbasis website menggunakan framework Django dan dilengkapi elemen gamifikasi serta fitur pendukung pembelajaran. Pengujian sistem dilakukan melalui uji ahli sistem menggunakan metode black box dan uji coba pengguna untuk menilai aspek usability. Hasil uji ahli sistem menunjukkan tingkat kelayakan sebesar 100% sehingga sistem dinyatakan valid. Sementara itu, hasil uji coba pengguna memperoleh persentase usability sebesar 87% dengan kategori sangat layak. Dengan demikian, E-Learning Gamifikasi JOKOLearn dinilai layak digunakan sebagai media pembelajaran untuk mendukung pembelajaran cerita rakyat berbasis budaya lokal di tingkat SMP

ANALISIS TINGKAT KEPUASAN PENGGUNA LAYANAN IT HELPDESK BERDASARKAN PIECES FRAMEWORK DI PT. GALASOLUSI DINAMINDO KREATIFDATA

2026-05-31T15:04:58+07:00

Layanan IT Helpdesk di PT. Galasolusi Dinamindo Kreatifdata masih dijalankan secara manual tanpa dukungan sistem ticketing terintegrasi, di mana proses pelaporan gangguan, pencatatan insiden, pemantauan progres penyelesaian, serta komunikasi antara pengguna dan staf IT masih dilakukan melalui media komunikasi seperti email, aplikasi pesan instan seperti whatsapp, dan komunikasi langsung antarpegawai. Penelitian ini bertujuan untuk menganalisis tingkat kepuasan pengguna terhadap layanan IT Helpdesk menggunakan PIECES Framework yang mencakup variabel Performance, Information, Economy, Control and Security, Efficiency, dan Service. Penelitian menggunakan pendekatan kuantitatif deskriptif dengan melibatkan 100 responden pengguna internal melalui kuesioner skala Likert. Analisis data dilakukan dengan perhitungan nilai rata-rata dan kategorisasi tingkat kepuasan. Hasil penelitian menunjukkan bahwa seluruh variabel berada pada kategori “Puas” dengan nilai rata-rata Performance 3,47; Information 3,535; Economy 3,535; Control and Security 3,6025; Efficiency 3,51; dan Service 3,56. Nilai rata-rata keseluruhan sebesar 3,53 mengindikasikan bahwa layanan telah memenuhi kebutuhan pengguna, namun masih memerlukan prioritas perbaikan pada aspek dengan skor terendah untuk meningkatkan efektivitas layanan secara berkelanjutan

PERANCANGAN SISTEM PELAPORAN KERUSAKAN FASILITAS KAMPUS BERBASIS WEB DENGAN PENENTUAN PRIORITAS DAN SLA OTOMATIS

2026-05-31T15:06:27+07:00

Pengelolaan fasilitas kampus merupakan aspek penting dalam menjaga kenyamanan dan kelancaran aktivitas akademik. Namun, proses pelaporan kerusakan fasilitas sering kali masih dilakukan secara manual sehingga menyebabkan keterlambatan penanganan serta kurangnya dokumentasi yang terstruktur. Penelitian ini bertujuan untuk merancang sistem pelaporan kerusakan fasilitas kampus berbasis web yang dilengkapi dengan mekanisme penentuan prioritas serta penerapan Service Level Agreement (SLA) secara otomatis. Metode yang digunakan dalam penelitian ini adalah pendekatan rekayasa perangkat lunak yang meliputi tahapan analisis kebutuhan sistem, perancangan model sistem menggunakan Unified Modeling Language (UML), serta perancangan antarmuka pengguna berdasarkan dokumen Software Requirements Specification (SRS). Sistem yang dirancang melibatkan tiga aktor utama yaitu pengguna, administrator, dan teknisi yang memiliki peran berbeda dalam proses pelaporan dan penanganan kerusakan fasilitas. Selain itu, sistem juga dilengkapi dengan mekanisme perhitungan bobot beban kerja teknisi untuk mendukung proses penugasan pekerjaan secara lebih merata. Hasil perancangan menunjukkan bahwa sistem FIXIT mampu menyediakan layanan pelaporan kerusakan fasilitas secara digital, mempermudah proses pengelolaan laporan, serta mendukung pemantauan status penanganan laporan secara real-time. Pengujian fungsionalitas sistem dilakukan menggunakan metode Black-box Testing yang mencakup 16 skenario uji pada use case Login dan Membuat Laporan Kerusakan, dengan seluruh skenario menunjukkan hasil yang sesuai ekspektasi dan tingkat keberhasilan sebesar 100%

SISTEM PELAPORAN KECELAKAAN LALU LINTAS DI KOTA BOGOR BERBASIS MOBILE

2026-05-31T15:07:27+07:00

Kota Bogor yang dikenal sebagai “Kota Hujan” memiliki curah hujan tinggi yang sering menyebabkan jalan licin dan menurunkan jarak pandang, sehingga meningkatkan risiko kecelakaan lalu lintas. Berdasarkan data Satlantas Polresta Bogor Kota tahun 2024, tercatat sebanyak 126 kejadian kecelakaan lalu lintas dengan jumlah korban sebanyak 207 orang. Data tersebut menunjukkan bahwa angka kecelakaan lalu lintas di Kota Bogor masih tergolong tinggi sehingga diperlukan sistem pelaporan kecelakaan yang lebih cepat dan efisien. Proses pelaporan kecelakaan di Kota Bogor masih dilakukan secara manual melalui telepon atau dengan mendatangi kantor polisi, sehingga memperlambat penyampaian informasi dan penanganan di lapangan. Untuk mengatasi permasalahan tersebut, penelitian ini mengembangkan aplikasi mobile Lapor Laka yang dilengkapi fitur unggah foto dan pelacakan lokasi berbasis GPS, serta terintegrasi dengan website monitoring untuk pihak berwenang. Sistem dibangun menggunakan metode Waterfall dengan bahasa pemrograman Dart dan framework Flutter. Hasil pengujian menunjukkan bahwa aplikasi ini memperoleh 91% respons positif dari pengguna dan mampu mempercepat proses pelaporan kecelakaan karena laporan dapat dikirim secara real-time. Dengan demikian, aplikasi Lapor Laka dapat membantu masyarakat dalam melaporkan kecelakaan lalu lintas secara cepat dan memudahkan pihak terkait dalam menangani kejadian di lapangan

SISTEM PELAPORAN BULLYING DI UNIVERSITAS IBN KHALDUN BOGOR BERBASIS MOBILE

2026-05-31T15:08:39+07:00

Bullying merupakan permasalahan serius yang masih sering terjadi di lingkungan perguruan tinggi, termasuk di Universitas Ibn Khaldun Bogor. Berdasarkan survei Asosiasi Pendidikan Tinggi Indonesia tahun 2022, satu dari lima mahasiswa mengaku pernah menjadi korban bullying di perguruan tinggi, dengan 34% mengalami perundungan verbal atau psikologis dan 16% mengalami perundungan fisik maupun seksual. Selain itu, data Kementerian Pendidikan, Kebudayaan, Riset, dan Teknologi tahun 2023 mencatat sekitar 520 laporan bullying dari berbagai perguruan tinggi di Indonesia. Bullying dapat memberikan dampak negatif terhadap kondisi mental, prestasi akademik, serta kesehatan korban secara menyeluruh. Penelitian ini bertujuan untuk merancang dan mengembangkan aplikasi mobile “SuaraKita” sebagai sistem pelaporan bullying di lingkungan kampus. Aplikasi ini dirancang agar mudah digunakan, mendukung pelaporan secara anonim, serta menjaga kerahasiaan identitas pelapor sehingga mahasiswa merasa lebih aman dalam menyampaikan laporan. Metode pengembangan sistem yang digunakan adalah metode Waterfall yang meliputi tahap analisis kebutuhan, perancangan sistem, implementasi, dan pengujian sistem. Aplikasi dikembangkan berbasis Android dan ditujukan bagi civitas akademik UIKA Bogor. Hasil pengujian blackbox menunjukkan bahwa seluruh fitur aplikasi berjalan sesuai dengan fungsi yang diharapkan dengan tingkat keberhasilan sebesar 100%. Dengan adanya aplikasi “SuaraKita”, proses pelaporan bullying di lingkungan kampus menjadi lebih mudah, aman, dan membantu pihak universitas dalam menangani laporan secara lebih cepat dan efektif sehingga dapat menciptakan lingkungan kampus yang lebih aman dan nyaman bagi mahasiswa

ANALISIS SENTIMEN TERHADAP KANG DEDI MULYADI PADA MEDIA SOSIAL X MENGGUNAKAN ALGORITMA NAÏVE BAYES DAN SUPPORT VECTOR MACHINE (SVM)

2026-05-31T15:10:19+07:00

Platform X menjadi ruang utama bagi masyarakat dalam mengekspresikan opini terhadap tokoh publik, termasuk Kang Dedi Mulyadi. Penelitian ini bertujuan menganalisis sentimen publik sekaligus menjawab keterbatasan studi sebelumnya yang umumnya berfokus pada isu politik nasional atau hanya menggunakan satu algoritma klasifikasi, sehingga perbandingan kinerja model pada konteks figur politik daerah masih terbatas. Data penelitian terdiri dari 7.190 tweet yang dikumpulkan melalui crawling selama Februari–September 2025. Data diproses melalui tahapan pre-processing, kemudian dilabeli otomatis menggunakan InSet Lexicon ke dalam sentimen positif dan negatif. Ekstraksi fitur dilakukan dengan TF-IDF menggunakan konfigurasi n-gram (1,2), dengan pembagian data 80:20 untuk pelatihan dan pengujian. Hasil pengujian menunjukkan bahwa SVM Linear memberikan performa terbaik dengan akurasi 0,8982, presisi 0,8991, recall 0,8970, dan F1-score 0,8977. Sementara itu, Naïve Bayes menghasilkan akurasi 0,8287, presisi 0,8297, recall 0,8268, dan F1-score 0,8276. Temuan ini menunjukkan bahwa SVM lebih efektif dibandingkan Naïve Bayes dalam mengklasifikasikan sentimen publik pada data media sosial X, serta memberikan kontribusi empiris pada kajian analisis sentimen tokoh politik berbasis media sosial

SISTEM PENENTUAN PENERIMA BANTUAN LANGSUNG TUNAI MENGGUNAKAN METODE ARAS DAN BORDA COUNT

2026-05-31T15:11:15+07:00

Bantuan Langsung Tunai Dana Desa (BLT-DD) merupakan program pemerintah yang bertujuan membantu masyarakat kurang mampu dalam meringankan beban ekonomi. Permasalahan yang dihadapi Desa Loka Jaya adalah proses penentuan penerima BLT-DD yang masih dilakukan secara manual melalui musyawarah desa, tanpa sistem pembobotan dan pemeringkatan yang terstruktur, sehingga berpotensi menimbulkan subjektivitas dan menyulitkan penelusuran dasar pengambilan keputusan. Penelitian ini bertujuan untuk mengembangkan sistem pendukung keputusan berbasis web dalam menentukan penerima BLT-DD secara lebih objektif, transparan, dan terdokumentasi. Metode yang digunakan adalah Additive Ratio Assessment (ARAS) untuk melakukan penilaian dan pemeringkatan alternatif berdasarkan kriteria yang ditetapkan, serta metode Borda Count untuk menentukan keputusan akhir. Hasil penelitian menunjukkan bahwa sistem yang dikembangkan mampu menghasilkan pemeringkatan calon penerima BLT-DD secara konsisten dan sesuai dengan perhitungan manual, serta seluruh fungsi utama sistem dapat berjalan dengan baik sehingga dapat mendukung proses pengambilan keputusan di Desa Loka Jaya secara lebih terstruktur dan dapat dipertanggungjawabkan

AUDIT EFEKTIVITAS PENGGUNAAN SISTEM SIMPEL DALAM MENDUKUNG KINERJA OPERASIONAL KARYAWAN PAM JAYA MENGGUNAKAN FRAMEWORK COBIT 5

2026-05-31T15:12:22+07:00

Di era transformasi digital, penerapan sistem informasi, khususnya database, sangat penting untuk meningkatkan efisiensi dan efektivitas kinerja operasional perusahaan. Sebagai penyedia layanan air minum, PAM JAYA menggunakan sistem internal berbasis database yang disebut SIMPEL untuk mengelola data operasional. Namun, masih ada beberapa masalah saat menerapkannya. Ini termasuk penggunaan sistem yang belum optimal, kemungkinan kesalahan manusia (human error), dan keterbatasan dalam pengelolaan layanan dan penanganan insiden. Tujuan dari penelitian ini adalah untuk mengevaluasi seberapa baik sistem database SIMPEL, yang merupakan bagian dari framework COBIT 5, mendukung kinerja operasional karyawan. Untuk domain DSS01 (Manage Operations) dan DSS02 (Manage Service Requests and Incidents), penelitian deskriptif kualitatif menggunakan observasi, wawancara, dan kuesioner. Untuk membandingkan kondisi saat ini dengan kondisi yang diharapkan, pendekatan kapasitas tingkat dan analisis GAP digunakan. Hasil penelitian menunjukkan bahwa tingkat kematangan DSS01 sebesar 4,53 dan DSS02 sebesar 4,34 menunjukkan bahwa sistem berjalan dengan baik, terkontrol, dan mampu mendukung aktivitas operasional organisasi secara efektif. Namun, masih ada ruang untuk peningkatan berkelanjutan