JATI (Jurnal Mahasiswa Teknik Informatika)

IMPLEMENTASI ALGORITMA RANDOM FOREST UNTUK PREDIKSI RISIKO DIABETES BERBASIS DATA KLINIS

Enos Christean Oimolala Telaumbanua — 2026-07-31

Diabetes merupakan penyakit metabolik kronis yang memerlukan deteksi dini untuk mencegah komplikasi serius. Penelitian ini bertujuan membangun model prediksi risiko diabetes menggunakan algoritma Random Forest berdasarkan data klinis pasien RSUD dr. M. Thomsen Nias. Data penelitian berjumlah 140 sampel pasien dengan variabel usia, tekanan darah, glukosa darah, kolesterol, HbA1c, pola makan, dan jenis kelamin. Tahapan penelitian meliputi praproses data, pembangunan pipeline Random Forest, optimasi hyperparameter (RandomizedSearchCV), serta evaluasi kinerja model menggunakan 5-Fold Cross Validation. Hasil menunjukkan kinerja model dengan akurasi 93,6%, presisi 94,2%, recall 99,2%, dan F1-Score 9,67%. Faktor paling berpengaruh dalam prediksi adalah glukosa darah sewaktu, glukosa darah puasa, HbA1c, dan usia. Model kemudian diimplementasikan ke dalam aplikasi berbasis web menggunakan Streamlit, yang memudahkan deteksi dini risiko diabetes. Penelitian ini membuktikan bahwa algoritma Random Forest efektif dan andal untuk prediksi risiko diabetes berbasis data klinis serta dapat diintegrasikan ke sistem informasi medis

ANALISIS SENTIMEN PENGGUNA APLIKASI CAPCUT DARI PERSPEKTIF INTERAKSI MANUSIA DAN KOMPUTER MENGGUNAKAN SUPPORT VECTOR MACHINE

Fadillah Harya Jatmiko — 2026-07-31

Perkembangan aplikasi digital mendorong meningkatnya jumlah ulasan pengguna sebagai sumber informasi terkait pengalaman penggunaan, termasuk pada aplikasi CapCut. Namun, data ulasan yang berbentuk teks tidak terstruktur menyulitkan proses analisis secara manual. Permasalahan ini menyebabkan sulitnya memahami persepsi pengguna secara cepat dan akurat. Oleh karena itu, penelitian ini bertujuan untuk menganalisis sentimen pengguna aplikasi CapCut dari perspektif Human–Computer Interaction menggunakan algoritma Support Vector Machine (SVM). Metode yang digunakan meliputi pengumpulan data ulasan dari Google Play Store melalui teknik scraping, kemudian dilakukan tahap text preprocessing yang terdiri dari case folding, tokenizing, stopword removal, dan stemming. Selanjutnya, data direpresentasikan menggunakan pembobotan TF-IDF dan diklasifikasikan ke dalam sentimen positif, netral, dan negatif menggunakan SVM. Evaluasi model dilakukan menggunakan confusion matrix dengan metrik akurasi, presisi, recall, dan F1-score. Hasil penelitian menunjukkan bahwa model SVM mampu mengklasifikasikan sentimen dengan akurasi terbaik sebesar 71,55%. Selain itu, mayoritas ulasan pengguna didominasi oleh sentimen negatif, yang mengindikasikan adanya permasalahan pada kualitas pengalaman pengguna aplikasi CapCut

RANCANG BANGUN SISTEM INFORMASI PENGELOLAAN DATA SISWA BERBASIS WEBSITE: STUDI KASUS MIFTAHUL AZHAR

Erik Antonio Pratama — 2026-07-31

Perkembangan teknologi informasi dan komunikasi, khususnya Internet, telah mendorong transformasi digital dalam dunia pendidikan, termasuk pada aspek pengelolaan informasi dan administrasi. Pemanfaatan website sebagai sarana pengelolaan data akademik terbukti mampu meningkatkan efektivitas dan efisiensi dalam penyajian informasi. Namun, di Yayasan Miftahul Azhar, proses pengelolaan data administratif siswa masih menggunakan Microsoft Excel, yang menimbulkan berbagai kendala seperti tingginya kesalahan input data, lambatnya proses pembaruan, serta meningkatnya beban kerja seiring dengan bertambahnya jumlah siswa aktif setiap tahun. Kondisi ini menunjukkan perlunya sistem yang lebih terintegrasi dan andal untuk mendukung pengelolaan data siswa. Oleh karena itu, penelitian ini bertujuan untuk merancang dan membangun sistem informasi berbasis website yang dapat membantu proses pengelolaan data siswa secara lebih efektif, efisien, dan sesuai dengan kebutuhan pengguna, khususnya staf administrasi sekolah. Metode pengembangan yang digunakan adalah SDLC model Waterfall memiliki tahapan yang terstruktur dan sesuai untuk kebutuhan sistem yang sudah jelas. Pengujian sistem dilakukan menggunakan Black Box Testing yang berfokus pada fungsi berdasarkan input dan output tanpa melihat kode internal. Penerapan metode Waterfall terbukti efektif karena proses pengembangannya dilakukan secara terstruktur dan sistematis, serta hasil pengujian menggunakan Black Box Testing menunjukkan seluruh fungsi sistem berjalan sesuai kebutuhan, sehingga sistem dinyatakan layak digunakan dan tujuan penelitian berhasil tercapai

ANALISIS KUALITAS WEBSITE E-SURAT DIGITAL MELALUI PROSES VERIFIKASI DAN VALIDASI : STUDI KASUS DPRD PROVINSI SUMATERA UTARA DENGAN PENDEKATAN GREY BOX TESTING

Fikri Abdi Azzaki G — 2026-07-31

Penelitian ini bertujuan menganalisis kualitas website E-Surat Digital pada DPRD Provinsi Sumatera Utara melalui proses verifikasi dan validasi menggunakan pendekatan Grey Box Testing serta evaluasi berdasarkan standar ISO/IEC 25010. Permasalahan penelitian berfokus pada belum optimalnya pengujian sistem secara menyeluruh yang dapat menyebabkan ketidaksesuaian antara implementasi program dan kebutuhan sistem. Metode penelitian meliputi verifikasi kebutuhan, verifikasi desain, verifikasi kode, serta validasi pada modul login, dashboard, surat masuk, surat keluar, dan manajemen pengguna. Hasil penelitian menunjukkan bahwa sistem memperoleh nilai functional suitability 100%, performance efficiency 100%, usability 98,21%, compatibility 100%, portability 100%, maintainability 75%, reliability 66,67%, dan security 60%. Hasil ini menunjukkan bahwa kualitas sistem secara umum berada pada kategori baik, namun masih diperlukan perbaikan pada aspek keamanan, keandalan, dan maintainability agar sistem lebih optimal untuk penggunaan jangka panjang

PENERAPAN COSINE SIMILARITY DAN K-NEAREST NEIGHBOAR BERBASIS MACHINE LEARNING UNTUK PENCARIAN ILUSTRASI PADA KORAN INVESTOR DAILY

Renault Rinaldi — 2026-07-31

Penelitian ini dilatarbelakangi oleh kebutuhan redaksi media cetak, khususnya Investor Daily, dalam mencari ilustrasi gambar yang relevan dengan konten berita secara cepat dan tepat. Permasalahan yang dihadapi adalah proses pencarian ilustrasi masih dilakukan secara manual berdasarkan penilaian subjektif, sehingga membutuhkan waktu lama dan kurang efisien. Oleh karena itu, penelitian ini bertujuan untuk mengembangkan sistem pencarian ilustrasi berbasis teks yang mampu memberikan hasil secara otomatis dan terukur. Metode yang digunakan adalah Term Frequency–Inverse Document Frequency (TF-IDF) untuk merepresentasikan teks query dan judul ilustrasi, Cosine Similarity untuk mengukur tingkat kemiripan, serta K-Nearest Neighbor (K-NN) untuk melakukan pemeringkatan hasil berdasarkan nilai kemiripan tertinggi. Sistem dikembangkan menggunakan bahasa pemrograman Python dengan framework Flask serta menggunakan MySQL sebagai basis data untuk menyimpan dan mengelola data ilustrasi. Hasil pengujian menunjukkan bahwa sistem mampu menampilkan ilustrasi yang relevan dengan query, seperti pada pencarian “kampus unpam”, di mana hasil dengan nilai Cosine tertinggi ditampilkan pada urutan teratas. Dengan demikian, sistem ini dapat meningkatkan efisiensi dan objektivitas dalam proses pencarian ilustrasi

PERBANDINGAN MODEL MACHINE LEARNING UNTUK PREDIKSI DROP-OUT MAHASISWA DENGAN ANALISIS FEATURE IMPORTANCE BERBASIS STUDI LITERATUR

Athiyyah Nuha Rotifa — 2026-07-31

Tingginya angka drop-out mahasiswa menjadi isu strategis di perguruan tinggi karena berdampak pada kualitas lulusan, akreditasi, dan reputasi institusi, sehingga diperlukan pendekatan prediktif yang akurat dan interpretatif. Permasalahan utama terletak pada kompleksitas faktor penyebab yang mencakup aspek akademik, sosial, dan psikologis, serta ketidakseimbangan data yang berpotensi menurunkan kinerja model klasifikasi. Penelitian ini bertujuan membandingkan performa beberapa model machine learning dan mengidentifikasi faktor dominan dalam prediksi drop-out mahasiswa. Metode yang digunakan meliputi pemilihan model melalui studi literatur, pemanfaatan dataset publik dari Kaggle, serta penerapan algoritma Random Forest, Decision Tree, dan Logistic Regression yang dievaluasi menggunakan accuracy, precision, recall, F1-score, dan AUC, serta analisis feature importance berbasis SHAP. Hasil menunjukkan Logistic Regression memiliki performa paling optimal dengan AUC 0,81, recall 0,7537, F1-score 0,5726, dan accuracy 0,7350, yang mencerminkan kemampuan diskriminatif yang lebih stabil dibandingkan model lain. Random Forest meskipun menghasilkan accuracy tertinggi (0,7805), tidak konsisten pada metrik lainnya, sedangkan Decision Tree memiliki performa terendah. Analisis mengungkap bahwa CGPA dan Stress_Index merupakan faktor utama, sehingga penelitian ini menegaskan pentingnya keseimbangan antara akurasi dan interpretabilitas dalam pengembangan sistem peringatan dini berbasis data di perguruan tinggi

PENGEMBANGAN APLIKASI GAME UNTUK PEMBELAJARAN CODING SISWA SD

Insan Kamil — 2026-07-31

Perkembangan teknologi informasi menuntut penguatan keterampilan berpikir komputasional sejak usia dini, khususnya pada siswa sekolah dasar. Namun, penyampaian konsep coding memerlukan pendekatan yang sesuai dengan karakteristik kognitif anak. Penelitian ini bertujuan untuk mengembangkan aplikasi game berbasis android sebagai media pembelajaran interaktif dalam mengenalkan logika pemrograman dasar. Metode yang digunakan adalah penelitian dan pengembangan perangkat lunak dengan model waterfall yang meliputi tahap analisis kebutuhan, perancangan, implementasi, pengujian, dan pemeliharaan. Game dikembangkan menggunakan unity dengan bahasa C# dan terdiri dari beberapa level yang dirancang untuk melatih logika spasial, aritmatika, dan simbolik. Pengujian dilakukan menggunakan metode black box testing. Hasil penelitian menunjukkan bahwa aplikasi game berjalan dengan baik sesuai dengan kebutuhan fungsional dan layak digunakan sebagai media pembelajaran yang menarik dan interaktif bagi siswa sekolah dasar

RANCANG BANGUN SISTEM INFORMASI KATALOG PADA PERPUSTAKAAN UNISBANK SEMARANG BERBASIS WEB DENGAN FITUR REAL-TIME STOCK AVAILABILITY

Annisa Rizky Anggraeni — 2026-07-31

Perpustakaan di perguruan tinggi memiliki peran penting sebagai pusat referensi dan sumber belajar bagi mahasiswa dan dosen. Namun, layanan digital di Perpustakaan Universitas Stikubank (UNISBANK) Semarang masih terbatas, khususnya belum tersedianya fasilitas katalog tesis berbasis daring, sehingga pengguna harus datang langsung ke perpustakaan untuk mencari koleksi yang dibutuhkan. Penelitian ini bertujuan untuk merancang dan membangun sistem informasi katalog tesis berbasis web guna meningkatkan efisiensi layanan perpustakaan. Metode yang digunakan adalah waterfall yang meliputi tahap analisis kebutuhan, perancangan sistem, implementasi, dan pengujian. Sistem dikembangkan menggunakan bahasa pemrograman PHP untuk mengelola logika sistem, HTML untuk tampilan antarmuka, serta MySQL sebagai basis data. Hasil penelitian menunjukkan bahwa sistem yang dibangun mampu memudahkan mahasiswa, dosen, dan pengelola perpustakaan dalam mengakses informasi koleksi tesis secara cepat, akurat, serta fleksibel.

OPTIMALISASI MODEL ENSEMBLE PADA FRAMEWORK DATA INTELLIGENCE UNTUK MEMPREDIKSI PRODUKTIVITAS KELAPA SAWIT BERBASIS POWER BI

Anggun Agnesia Silaen — 2026-07-31

Produktivitas kelapa sawit pada kebun rakyat di Indonesia masih rendah akibat pengelolaan agronomi yang belum berbasis data. Permasalahan utama terletak pada pengambilan keputusan yang masih mengandalkan pengalaman sehingga kurang optimal dalam meningkatkan hasil panen. Penelitian ini bertujuan untuk mengembangkan framework data intelligence yang mampu memprediksi produktivitas kelapa sawit secara akurat serta mengidentifikasi faktor-faktor yang berpengaruh. Metode yang digunakan adalah pendekatan kuantitatif dengan machine learning berbasis model ensemble Random Forest, meliputi tahap pengumpulan data, pra-pemrosesan, pembangunan model, evaluasi, tuning, serta analisis feature importance, yang kemudian divisualisasikan menggunakan dashboard Power BI. Data yang digunakan berasal dari tiga kebun periode 2020–2024. Hasil penelitian menunjukkan bahwa tuning model meningkatkan kinerja dengan nilai R² sebesar 0,7065 serta penurunan MAE dan RMSE, yang menandakan peningkatan akurasi dan stabilitas prediksi. Analisis feature importance menunjukkan bahwa kondisi tanah dan luas lahan merupakan faktor paling dominan dalam menentukan produktivitas. Framework yang dihasilkan mampu memberikan prediksi yang andal serta insight agronomi yang mendukung pengambilan keputusan berbasis data

PENGEMBANGAN SISTEM KASIR DIGITAL TERINTEGRASI DENGAN DASHBOARD PENJUALAN PADA SOTO SEGER MBAK YAM

Warda Agil Putri Kristiana — 2026-07-31

Perkembangan informasi teknologi mendorong transformasi digital dalam pengelolaan bisnis, termasuk pada sektor kuliner. Soto Seger Mbak Yam masih menggunakan sistem pembayaran manual yang berpotensi menimbulkan kesalahan pencatatan serta keterlambatan dalam penyusunan laporan penjualan. Permasalahan tersebut menyebabkan proses operasional menjadi kurang efisien dan informasi yang dihasilkan kurang akurat. Penelitian ini bertujuan untuk mengembangkan sistem kasir digital yang terintegrasi dengan dashboard penjualan guna meningkatkan efisiensi dan akurasi data. Metode yang digunakan adalah Rapid Application Development (RAD) yang meliputi tahap perencanaan, perancangan, dan implementasi sistem. Hasil penelitian menunjukkan bahwa sistem yang dikembangkan mampu mempermudah proses transaksi, mempercepat penyusunan laporan, serta menyediakan dashboard interaktif yang dapat diakses secara real-time. Dengan demikian, sistem ini dapat meningkatkan efisiensi operasional dan mendukung pengambilan keputusan yang lebih tepat bagi pemilik usaha

SISTEM PENUNJANG KEPUTUSAN PEMILIHAN SUPPLIER OBAT DENGAN METODE SIMPLE MULTI ATTRIBUTE RATING TECHNIQUE (SMART) PADA APOTEK MY BOJONGGEDE

Wardah Oktafiani — 2026-07-31

Apotek sebagai sarana pelayanan kefarmasian harus menjamin ketersediaan dan kualitas obat bagi masyarakat. Salah satu kendala yang dihadapi adalah pemilihan supplier obat yang belum optimal karena masih berfokus pada harga tanpa mempertimbangkan kriteria lain seperti ketersediaan, kualitas, waktu pengiriman, dan pelayanan. Hal ini berdampak pada keterlambatan distribusi, ketidaksesuaian barang, serta potensi kerugian finansial dan menurunnya kepercayaan konsumen. Penelitian ini bertujuan untuk merancang dan mengimplementasikan Sistem Penunjang Keputusan (SPK) dalam pemilihan supplier obat di Apotek MY Bojonggede menggunakan metode Simple Multi Attribute Rating Technique (SMART). Metode ini dipilih karena mampu mengolah keputusan multikriteria secara sistematis, logis, dan berbasis data. Penelitian menggunakan pendekatan deskriptif kuantitatif dengan teknik pengumpulan data berupa wawancara, observasi, kuesioner, dan dokumentasi. Hasil penelitian menunjukkan bahwa penerapan SPK dengan metode SMART mampu membantu proses pemilihan supplier secara lebih objektif, terstruktur, dan akurat, serta dapat meminimalkan kekosongan stok, keterlambatan pelayanan, dan kerugian finansial

ANALISIS SENTIMEN BERBASIS ALGORITMA RANDOM FOREST DAN VISUALISASI WEB TERHADAP ULASAN APLIKASI LAYANAN KESEHATAN

Patrik Galih Adi Prananda — 2026-07-31

Transformasi digital layanan kesehatan melalui aplikasi Mobile JKN menghasilkan volume ulasan pengguna yang masif namun tidak terstruktur. Masalah utama penelitian ini adalah ketidakseimbangan kelas ekstrem, di mana sentimen netral hanya berjumlah 0,51%, serta penggunaan bahasa slang yang menghambat performa klasifikasi. Penelitian ini bertujuan untuk mengklasifikasikan sentimen pengguna dan memvisualisasikannya melalui prototipe web guna membantu evaluasi kualitas layanan. Sebanyak 165.694 ulasan periode 2020–Maret 2025 di olah menggunakan algoritma Random Forest. Ekstraksi fitur TF-IDF diperkuat dengan N-gram (1,2), sementara Knowledge-Based Normalization dan SMOTE digunakan untuk menangani slang serta ketidakseimbangan data. Optimalisasi model dilakukan melalui GridSearchCV dengan 3-fold Cross Validation. Hasil pengujian menunjukkan akurasi sebesar 87,09% dan Weighted F1-Score 0,87. Hasil klasifikasi diintegrasikan ke dalam dashboard interaktif JKN-SENTI berbasis Django untuk menyajikan visualisasi tren sentimen secara real-time.

TINJAUAN PUSTAKA SISTEMATIS: APLIKASI PELAYANAN PUBLIK BERBASIS WEBSITE

Alfredo Prasadeo — 2026-07-31

Transformasi digital mendorong instansi publik memanfaatkan website untuk menyediakan layanan yang lebih cepat transparan dan mudah diakses masyarakat. Namun, kajian mengenai aplikasi pelayanan publik berbasis website masih lebih banyak menyoroti implementasi sistem sedangkan pembahasan tentang model pengembangan perangkat lunak yang digunakan masih tersebar dan belum tersintesis secara khusus. Penelitian ini bertujuan untuk menganalisis kecenderungan model pengembangan perangkat lunak pada aplikasi pelayanan publik berbasis website serta menjelaskan kesesuaiannya dengan karakteristik layanan. Penelitian menggunakan metode systematic literature review dengan pedoman PRISMA. Data dikumpulkan dari Google Scholar, Crossref, dan Semantic Scholar. Data tersebut kemudian diseleksi menggunakan kriteria inklusi dan eksklusi hingga diperoleh 30 artikel yang relevan. Hasil penelitian menunjukkan bahwa model waterfall merupakan model yang paling dominan digunakan terutama pada layanan administrasi publik yang memiliki kebutuhan sistem yang jelas, stabil, dan terdokumentasi. Selain itu, model agile, RAD, dan scrum juga digunakan pada layanan yang lebih dinamis terutama pengaduan masyarakat dan layanan yang memerlukan pengembangan cepat. Temuan ini menunjukkan bahwa pemilihan model pengembangan perangkat lunak harus disesuaikan dengan karakteristik layanan agar aplikasi pelayanan publik berbasis website dapat dikembangkan secara efektif dan adaptif

PREDIKSI KELULUSAN KELAS 9 MENGGUNAKAN KNN BERDASARKAN NILAI DI SMP 144 JAKARTA

Aditya Amran — 2026-07-31

Penentuan kelulusan siswa merupakan sebuah komponen yang menjadi bahan evaluasi terhadap keberhasilan siswa dalam proses pembelajaran di sekolah. Namun, dalam penentuan proses kelulusan di Tingkat Sekolah Menengah Pertama (SMP) masih sering dilakukan secara manual, sehingga akan berpotensi menimbulkan kurangnya optimal dalam memanfaatkan data akedmik yang tersedia. Penelitian ini bertujuan untuk memprediksi kelulusan kelas 9 di SMP 144 Jakarta dengan menerapkan algoritma K-Nearest Neighbor (KNN) berdasarkan nilai akademik dan nilai kehadiran. Data yang digunakan dalam penelitian ini berupa nilai kehadiran, nilai tugas, nilai Sumatif Tengah Semester dan Sumatif Akhir Semester yang diperoleh dari pihak sekolah. Metode penelitian yang digunakan adalah pendekatan kuantitatif dengan tahapan pengumpulan data, preprocessing, pemodelan, serta evaluasi model. Proses pengolaan data dan pengujian data dilakukan menggunakan perangkat lunak Rapid Miner. Hasil penelitian ini menunjukan bahwa algoritma K-Nearest Neighbor (KNN) mampu memprediksi kelulusan siswa dengan Tingkat akurasi yang tinggi yaitu 99,66%, sehingga dapat dijadikan sebagai sistem pendukung Keputusan dalam menentukan kelulusan siswa secara lebih objektif dan berbasis data

ANALISIS PENGARUH MUSIMAN DAN POLA PEMBELIAN TERHADAP CUSTOMER LIFETIME VALUE DALAM STRATEGI CRM

Weli Ratri Homausyah — 2026-07-31

Perusahaan-perusahaan sedang mengoptimalkan strategi Customer Relationship Management (CRM) mereka dengan memahami Customer Lifetime Value (CLV) sebagai ukuran nilai pelanggan jangka panjang, seiring dengan berkembangnya praktik bisnis berbasis data. Namun, masih sedikit data mengenai bagaimana variabel musiman dan kebiasaan belanja berinteraksi untuk memengaruhi CLV. Oleh karena itu, tujuan penelitian ini adalah untuk mengkaji bagaimana season, frequency of purchases, dan previous purchases memengaruhi Customer Lifetime Value (CLV). Penelitian ini menggunakan 3.900 catatan pelanggan e-commerce sebagai data sekunder dan metodologi kuantitatif berdasarkan regresi linier berganda. Statistik deskriptif, analisis korelasi, regresi linier berganda, serta pengujian hipotesis menggunakan uji-t dan uji-F termasuk dalam langkah-langkah analisis. Temuan menunjukkan bahwa, ketika dianalisis secara terpisah, hanya variabel “ previous purchases” yang secara signifikan memengaruhi CLV; sedangkan faktor “season” dan “frequency of purchases” tidak berpengaruh. Namun demikian, dengan koefisien determinasi (R²) sebesar 0,614, ketiga variabel tersebut secara bersamaan memiliki dampak yang cukup besar terhadap CLV. Hasil ini menunjukkan bahwa komponen terpenting dalam meningkatkan nilai pelanggan adalah riwayat pembelian, yang menjadi dasar untuk menciptakan strategi CRM yang lebih sukses dan berkelanjutan

IMPLEMENTASI ALGORITMA NUTCRACKER OPTIMIZER PADA LIGHTGBM DALAM MEMPREDIKSI PENYAKIT PARU-PARU

Lianto Lianto — 2026-07-31

Penyakit paru-paru merupakan salah satu ancaman kesehatan global yang memerlukan penanganan cepat dan akurat. Dalam mengatasi keterbatasan diagnosis konvensional, penerapan Machine Learning telah menjadi komponen penting untuk mendukung sistem deteksi dini secara lebih objektif. Salah satu algoritma klasifikasi yang andal dalam mengolah data medis adalah Light Gradient Boosting Machine (LightGBM). Namun, kinerja LightGBM sangat bergantung pada pengaturan hyperparameter, di mana konfigurasi yang tidak tepat dapat memicu kesalahan diagnosis klinis yang fatal. Oleh karena itu, penelitian ini bertujuan mengoptimalkan hyperparameter LightGBM menggunakan algoritma metaheuristik Nutcracker Optimizer (NO) guna mencapai presisi klasifikasi yang maksimal. Metode penelitian yang diterapkan meliputi tahap prapemrosesan data, pembagian himpunan data menggunakan skema Hold-Out (80:20), serta penerapan K-Fold Cross Validation (K=5) pada proses optimasi. Hasil pengujian menunjukkan bahwa integrasi algoritma NO berhasil meningkatkan akurasi model dari 93,25% menjadi 94,18%, dengan nilai presisi 94,90% dan F1-Score 93,94%. Signifikansi utama terlihat pada penurunan kasus False Positive secara drastis, yakni dari 86 menjadi 11 kasus. Kesimpulannya, model LightGBM yang dioptimasi dengan NO terbukti efektif dalam menekan risiko diagnosis berlebih (overdiagnosis), sehingga layak digunakan sebagai pendukung keputusan klinis

PREDIKSI OMZET HARIAN WARKOP WARMINDOBLEH DENGAN ALGORITMA RANDOM FOREST REGRESSION

Rifky As-Syudais — 2026-07-31

Penelitian ini bertujuan membangun model prediksi omzet harian pada Warkop Warmindobleh menggunakan algoritma Random Forest Regression berbasis kerangka kerja CRISP-DM guna mengatasi ketidakakuratan perencanaan tenaga kerja akibat fluktuasi permintaan harian yang dipengaruhi faktor temporal, cuaca, dan event lokal. Data yang digunakan mencakup 358 hari transaksi periode 1 Januari hingga 31 Desember 2024 yang diintegrasikan dengan variabel eksternal cuaca (is_raining hasil kategorisasi ordinal), event di Jakarta International Velodrome (has_event), serta fitur time-series lag (previous_day_revenue dan revenue_7day_avg). Model dilatih dengan 80% data awal (Januari–September) dan diuji pada 20% data akhir (Oktober–Desember) menggunakan split kronologis, kemudian dibandingkan dengan Linear Regression dan ARIMA melalui metrik MAE, RMSE, R² Score, dan MAPE serta divalidasi dengan 5-fold Time-Series Cross-Validation. Hasil evaluasi menunjukkan bahwa model Random Forest Regression (konfigurasi default) memberikan performa terbaik secara relatif dengan nilai R² sebesar 0,228, MAE Rp 163.204, RMSE Rp 211.023, dan MAPE 18,12% pada data uji; analisis feature importance mengungkapkan revenue_7day_avg sebagai faktor paling dominan (79,14%), diikuti previous_day_revenue (9,31%). Meskipun akurasi model belum memenuhi kriteria keberhasilan absolut (R² > 0,85 dan error di bawah 5–10% rata-rata omzet), model ini terbukti paling efektif di antara metode yang diuji dan berpotensi mendukung estimasi operasional UMKM warkop secara lebih objektif

IMPLEMENTASI RULE-BASED SYSTEM DAN NATURAL LANGUAGE PROCESSING PADA CHATBOT LAYANAN JASA

Abdulah Haris — 2026-07-31

Transformasi digital dalam ekosistem akademik memunculkan urgensi bagi platform layanan jasa untuk menyediakan respons informasi yang cepat, akurat, dan tersedia secara konstan. Artikel ini membahas pengembangan chatbot layanan jasa akademik pada platform PaperTrust yang fokus pada verifikasi plagiarisme dan penulisan artikel ilmiah profesional. Permasalahan utama yang diidentifikasi adalah ketergantungan pada layanan manual administratif yang berisiko menimbulkan respon antrean, menurunkan kepuasan pengguna, dan membatasi aksesibilitas di luar jam operasional. Penelitian ini bertujuan untuk merancang dan mengimplementasikan chatbot berarsitektur hybrid yang mengorkestrasikan Rule-Based System (RBS) dengan simulasi Natural Language Processing (NLP) menggunakan metode Prototype. Pendekatan ini diperkuat dengan algoritma komputasi Fuzzy String Matching menggunakan metode Levenshtein Distance untuk menangani kesalahan ejaan (typo). Lebih lanjut, sistem ini mengintegrasikan manajemen memori jangka pendek melalui variabel session guna mendeteksi maksud agen pengguna dan mengeksekusi transisi kontekstual kepada agen manusia. Sistem dievaluasi menggunakan scenario-based chatbot testing. Hasil pengujian menunjukkan bahwa integrasi prapemrosesan NLP dan Levenshtein Distance secara signifikan mengeliminasi kekakuan metode RBS konvensional, menghasilkan tingkat keberhasilan penyelesaian tugas yang optimal dalam menjawab skenario pengguna, sementara fitur session tracking berhasil menciptakan transisi layanan yang berkelanjutan dari mesin ke agen

PERANCANGAN SISTEM REKOMENDASI RAKIT PC OTOMATIS BERDASARKAN KEBUTUHAN GAMING ATAU MULTITASKING SESUAI BUDGET MENGGUNAKAN NATURAL LANGUAGE PROCESSING

Fuad Fakhruddin Nur — 2026-07-31

Kebutuhan akan Personal Computer (PC) yang sesuai dengan spesifikasi pengguna semakin meningkat. Namun, proses pemilihan komponen sering kali menjadi tantangan kompleks bagi pengguna awam akibat minimnya pengetahuan teknis mengenai kompatibilitas dan variasi harga. Hal ini berisiko menimbulkan inefisiensi biaya serta ketidakcocokan perangkat keras. Oleh karena itu, penelitian ini bertujuan merancang sistem rekomendasi rakit PC otomatis yang memproses masukan bahasa natural dari pengguna. Metode yang digunakan mencakup Natural Language Processing (NLP) berbasis kamus kata kunci untuk mengekstraksi kebutuhan spesifik dan batasan anggaran dari teks input. Selanjutnya, algoritma K-Nearest Neighbors (KNN) diterapkan untuk mencari komponen paling relevan, yang dipadukan dengan Constraint-Based Filtering guna memastikan kompatibilitas teknis antar komponen dan kesesuaian harga. Sistem ini dikembangkan menggunakan arsitektur frontend React JS dan backend Flask. Hasil pengujian menunjukkan bahwa sistem berhasil memberikan rekomendasi spesifikasi PC yang optimal, kompatibel, dan sesuai preferensi pengguna dengan tingkat akurasi mencapai 70%.

ANALISIS PERBANDINGAN OPTIMIZER ADAMW, ADAGRAD, DAN SGD PADA KLASIFIKASI PENYAKIT DAUN PISANG MENGGUNAKAN MOBILENETV3

Rendy Amarullah — 2026-07-31

Pisang merupakan komoditas strategis di Indonesia, namun produktivitasnya sering terhambat oleh serangan penyakit daun seperti Sigatoka, Cordana, dan Pestalotiopsis. Metode identifikasi visual konvensional memiliki keterbatasan dalam hal subjektivitas dan rentan terhadap kesalahan diagnosis. Penelitian ini bertujuan menganalisis efektivitas klasifikasi penyakit daun pisang menggunakan arsitektur deep learning MobileNetV3-Large dengan membandingkan kinerja tiga optimizer, yakni AdamW, Adagrad, dan SGD. Metodologi penelitian dimulai dengan offline augmentation pada 1.600 citra dari dataset BananaLSD yang dibagi menjadi rasio 80% training, 10% validation, dan 10% testing. Citra distandarisasi ke dimensi 224x224 piksel melalui proses normalisasi data. Kinerja model dievaluasi menggunakan confusion matrix dengan pendekatan macro-average untuk mengukur akurasi, presisi, recall, dan f1-score. Hasil penelitian menunjukkan bahwa optimizer AdamW mencapai akurasi tertinggi sebesar 99%, disusul SGD sebesar 94%, dan Adagrad sebesar 92%. Optimizer AdamW terbukti memberikan stabilitas pelatihan dan generalisasi model yang paling optimal pada arsitektur MobileNetV3-Large dalam klasifikasi penyakit daun pisang

PERANCANGAN SISTEM INFORMASI MANAJEMEN KEUANGAN BERBASIS WEBSITE DENGAN METODE EXTREME PROGRAMMING

Vilary Aldino Egrea — 2026-07-31

Pengelolaan keuangan di tingkat pendidikan anak usia dini sering kali masih menghadapi kendala administratif akibat penggunaan metode konvensional. TK Aisyiyah 6 Candi mengalami hambatan dalam memantau arus kas secara real-time karena pencatatan masih mengandalkan buku besar dan spreadsheet, yang juga menyulitkan sinkronisasi data dengan wali murid. Penelitian ini bertujuan untuk merancang dan membangun Sistem Informasi Keuangan Berbasis Web yang intuitif bagi staf sekolah. Metodologi yang digunakan adalah Extreme Programming (XP) dengan tahapan planning, design, coding, dan testing untuk menjamin pengembangan yang adaptif. Hasil penelitian menunjukkan bahwa sistem berhasil mengintegrasikan manajemen data siswa, penggajian guru, hingga rekapitulasi laporan laba rugi secara otomatis. Pengujian melalui black-box testing memvalidasi bahwa seluruh fungsi berjalan sesuai spesifikasi, termasuk fitur notifikasi tagihan via WhatsApp yang terbukti meningkatkan transparansi dan efisiensi komunikasi finansial antara sekolah dan orang tua siswa

PENGELOMPOKAN SPASIO-TEMPORAL KUALITAS UDARA PERKOTAAN DI JAKARTA MENGGUNAKAN ALGORITMA K-MEANS BERDASARKAN PARAMETER AQI

Indriani Saputri — 2026-07-31

Kualitas udara di Jakarta menjadi permasalahan lingkungan yang serius akibat meningkatnya aktivitas transportasi, industri, dan urbanisasi yang memicu tingginya konsentrasi polutan seperti PM₂.₅, PM₁₀, SO₂, NO₂, CO, dan O₃. Penelitian ini bertujuan untuk menganalisis pola kualitas udara menggunakan pendekatan clustering spatio-temporal berbasis algoritma K-Means. Tahapan penelitian meliputi pra-pemrosesan data, normalisasi menggunakan StandardScaler, serta pembentukan fitur temporal dan spasial. Proses clustering dilakukan dengan variasi jumlah cluster (k=2 hingga k=6), menggunakan metode Elbow untuk menentukan jumlah cluster optimal dan Silhouette Score untuk evaluasi. Hasil penelitian menunjukkan bahwa nilai Silhouette Score tertinggi diperoleh pada k=2 sebesar 0,1994, namun k=3 dipilih karena lebih representatif dalam menggambarkan variasi data. Clustering menghasilkan tiga kelompok utama, yaitu kualitas udara buruk yang didominasi PM₂.₅, SO₂, dan NO₂, kelompok dengan dominasi ozon sebagai polusi sekunder, serta kelompok dengan kualitas udara relatif baik. Distribusi data menunjukkan dominasi cluster dengan karakteristik ozon sebesar 44,37%. Meskipun nilai Silhouette Score relatif rendah, metode K-Means tetap mampu memberikan gambaran pola kualitas udara secara informatif

MODEL FAKTOR PENENTU AKTIVITAS PELANGGAN PADA PLATFORM DIGITAL BISNIS: ANALISIS STRUCTURAL EQUATION MODELING BERBASIS DATA PERILAKU PELANGGAN

Rafa Nadira Catra — 2026-07-31

Perkembangan platform digital telah mendorong peningkatan interaksi antara pelanggan dan perusahaan, sehingga aktivitas pelanggan menjadi faktor kunci dalam memahami perilaku pembelian. Namun, tidak semua pelanggan menunjukkan tingkat aktivitas yang sama, sehingga diperlukan analisis terhadap faktor-faktor yang memengaruhi aktivitas tersebut. Penelitian ini bertujuan untuk menganalisis pengaruh karakteristik pelanggan dan respons terhadap promosi terhadap aktivitas digital, serta dampaknya terhadap pembelian pelanggan. Penelitian ini menggunakan pendekatan kuantitatif dengan data sekunder yang diperoleh dari dataset Analisis Kepribadian Pelanggan, yang terdiri dari 2.190 pengamatan. Analisis dilakukan menggunakan metode Partial Least Squares Structural Equation Modeling (PLS-SEM) dengan bantuan SmartPLS. Hasilnya menunjukkan bahwa karakteristik pelanggan secara signifikan memengaruhi aktivitas digital, dan aktivitas digital secara signifikan memengaruhi pembelian pelanggan. Respons terhadap promosi tidak secara signifikan memengaruhi aktivitas digital, tetapi secara signifikan memengaruhi pembelian. Temuan ini menunjukkan bahwa aktivitas digital merupakan faktor kunci dalam mendorong pembelian pelanggan di platform digital bisnis. Temuan tersebut menunjukkan bahwa aktivitas digital memiliki dampak yang cukup besar terhadap pembelian pelanggan, dan bahwa karakteristik pelanggan juga sangat memengaruhi aktivitas digital. Meskipun respons terhadap promosi memiliki dampak yang signifikan terhadap pembelian, hal tersebut hanya sedikit memengaruhi aktivitas digital. Hasil ini menunjukkan bahwa pembelian konsumen di platform digital perusahaan sangat dipengaruhi oleh aktivitas digital

ANALISIS KOMPARATIF MODEL RANDOM FOREST, LSTM, DAN HYBRID RF-LSTM DENGAN DATA AUGMENTED & FEATURES ENGINEERING UNTUK IMBALANCE DATA PADA SISTEM PERINGATAN DINI BENCANA BANJIR

Nico Flassy — 2026-07-31

Fenomena bencana banjir yang terus meningkat memerlukan sistem peringatan dini yang presisi sebagai upaya preventif untuk mengurangi dampak yang ditimbulkan. Dalam pengembangannya, prediksi banjir berbasis machine learning menghadapi tantangan utama berupa karakteristik data meteorologi yang bersifat non-linear, memiliki ketergantungan temporal, serta distribusi data yang tidak seimbang. Penelitian ini bertujuan untuk mengevaluasi dan membandingkan kinerja tiga model, yaitu Random Forest (RF), Long Short Term Memory (LSTM), dan model Hybrid RF-LSTM dalam memprediksi kejadian banjir. Data yang digunakan berasal dari data BMKG Kabupaten Pasuruan yang diproses melalui data augmentation untuk mengatasi ketidakseimbangan kelas, dengan perbaikan rasio dari 1:11 menjadi 1:1,86 tanpa harus undersampling, serta didukung oleh proses feature engineering untuk memperkaya representasi data. Hasil eksperimen menunjukkan bahwa model Hybrid RF-LSTM memperoleh performa terbaik dengan nilai Accuracy sebesar 0,9667, Precision 1,0000, Recall 0,8333, F1-Score 0,9091, dan ROC-AUC 0,9792, yang menunjukkan kemampuannya dalam menangani dataset terbatas secara efektif. Sementara itu, model LSTM menunjukkan performa yang lebih rendah dengan Accuracy sebesar 0,7000 dan ROC-AUC 0,6696, yang mengindikasikan bahwa pendekatan deep learning cenderung kurang optimal pada kondisi dataset yang terbatas. Oleh karena itu, penelitian ini merekomendasikan penggunaan model Hybrid RF-LSTM atau Random Forest dalam sistem peringatan dini banjir pada kondisi data yang terbatas dan tidak seimbang

PENERAPAN ALGORITMA DECISION TREE UNTUK KLASIFIKASI ANGGARAN KEUANGAN PADA PT TMMIN

Kiki Riyandi — 2026-07-31

Pengelolaan efisiensi anggaran keuangan non-produksi memiliki peran penting dalam menjaga kinerja operasional perusahaan. Namun, dalam pelaksanaannya sering ditemukan ketidaksesuaian antara anggaran yang telah direncanakan dengan realisasi penggunaan dana, sehingga diperlukan metode yang mampu menilai efisiensi secara objektif. Penelitian ini bertujuan untuk mengklasifikasikan tingkat efisiensi anggaran keuangan non-produksi pada PT Toyota Motor Manufacturing Indonesia (TMMIN). Metode yang digunakan adalah pendekatan data mining dengan algoritma Decision Tree C4.5, dengan memanfaatkan data anggaran dan realisasi keuangan dari Divisi Welding Body. Proses penelitian meliputi tahap preprocessing data, perhitungan rasio efisiensi, serta pengelompokan data ke dalam tiga kategori yaitu efisien, kurang efisien, dan tidak efisien. Hasil penelitian menunjukkan bahwa rasio efisiensi merupakan variabel yang paling berpengaruh dalam proses klasifikasi. Model yang dihasilkan mampu membentuk aturan keputusan yang sederhana serta mencapai tingkat akurasi sebesar 100%. Dengan demikian, pendekatan yang digunakan dinilai efektif dalam mengidentifikasi pola efisiensi anggaran dan dapat dimanfaatkan sebagai alat bantu dalam evaluasi serta pengambilan keputusan berbasis data

EVALUASI KINERJA PENGELOLAAN BANTUAN DANA DESA MENGGUNAKAN METODE BALANCED SCORECARD

Velina Putri — 2026-07-31

Penelitian ini dilatarbelakangi oleh pentingnya pengelolaan Dana Desa dalam mendukung pembangunan dan peningkatan kesejahteraan masyarakat desa. Namun, dalam pelaksanaannya masih ditemukan berbagai permasalahan seperti kurangnya transparansi, keterbatasan kapasitas aparatur desa, serta belum optimalnya sistem evaluasi kinerja. Penelitian ini bertujuan untuk mengevaluasi kinerja pengelolaan bantuan Dana Desa di Desa Padang Tambak, Kecamatan Karang Tinggi, Kabupaten Bengkulu Tengah. Metode yang digunakan adalah Balanced Scorecard dengan empat perspektif, yaitu keuangan, pelanggan, proses bisnis internal, serta pembelajaran dan pertumbuhan, dengan pendekatan deskriptif kuantitatif. Hasil penelitian menunjukkan bahwa kinerja pengelolaan Dana Desa berada dalam kategori baik dengan tingkat pencapaian sebesar 79%, meskipun masih perlu peningkatan pada aspek transparansi dan kapasitas sumber daya manusia

GOAL-ORIENTED BEHAVIOR TREE UNTUK KOORDINASI MULTI-AGENT SYSTEMS DALAM GAME RPG

Laurentius Dika Andreano Vega — 2026-07-31

Penggunaan Artificial Intelligence pada game RPG membutuhkan agent yang otonom, namun kerangka kerja Goal-Oriented Behavior Tree (GOBT) saat ini masih memiliki kelemahan karena hanya berfokus pada agent individu dan mengabaikan koordinasi sumber daya. Penelitian ini bertujuan merancang dan mengevaluasi mekanisme koordinasi Multi-Agent Systems (MAS) berbasis GOBT dalam lingkungan Game RPG. Untuk mengatasi masalah persaingan tugas antar agent, dikembangkan mekanisme koordinasi menggunakan sistem lelang (auction) dan reservation yang dikelola oleh komponen pusat yaitu CropManager. Sistem ini diimplementasikan dalam simulasi pertanian berbasis Unity dan diuji secara kuantitatif dengan membandingkan skenario MAS dengan sistem terpusat melawan skenario Non-MAS. Hasil eksperimen menunjukkan bahwa mekanisme koordinasi yang diusulkan berhasil meningkatkan efisiensi distribusi tugas secara signifikan, yang dibuktikan dengan pencapaian nol kejadian konflik dan nol waktu eksekusi yang terbuang (wasted time). Integrasi GOBT dan CropManager terbukti efektif sebagai pendekatan AI untuk menciptakan agent yang kooperatif dan responsif dalam lingkungan permainan yang kompleks dan dinamis

SISTEM INFORMASI KEUANGAN SISWA BERBASIS WEBSITE

Mohamad Bintang Jagad Raya — 2026-07-31

Perkembangan teknologi informasi saat ini telah menjadi infrastruktur utama dalam mendukung efisiensi, transparansi, dan akuntabilitas administrasi di lembaga pendidikan. MI Mafaatikhul Huda Penarukan menghadapi kendala signifikan dalam pengelolaan keuangan siswa yang masih dilakukan secara konvensional, sehingga berisiko tinggi terhadap kesalahan pencatatan, kerusakan dokumen fisik, serta keterlambatan penyusunan laporan berkala. Penelitian ini bertujuan untuk merancang dan membangun sistem informasi keuangan siswa berbasis website guna mengotomatisasi birokrasi keuangan dan meminimalisir risiko kesalahan. Metode pengembangan sistem yang diterapkan adalah model Waterfall yang mencakup tahapan analisis, perancangan, hingga implementasi secara sistematis. Teknologi utama yang digunakan meliputi Framework CodeIgniter 4 dengan arsitektur Model-View-Controller (MVC), bahasa pemrograman PHP, dan basis data MySQL. Data dikumpulkan melalui observasi langsung, wawancara mendalam dengan pihak bendahara, serta library research dari berbagai literatur relevan. Hasil penelitian menunjukkan bahwa sistem ini berhasil mengintegrasikan pengelolaan data siswa, tagihan, transaksi pembayaran, hingga manajemen kas masuk dan keluar. Berdasarkan hasil pengujian fungsionalitas melalui Black Box Testing, seluruh fitur utama sistem dinyatakan berhasil berjalan sesuai dengan harapan dan spesifikasi kebutuhan pengguna

PENGEMBANGAN MODEL TEXT SUMMARIZATION BERBASIS TEXT-TO-TEXT TRANSFER TRANSFORMER (T5) UNTUK JURNAL ILMIAH

Raihan Maulana — 2026-07-31

Pesatnya pertumbuhan publikasi ilmiah meningkatkan kebutuhan akan sistem peringkasan otomatis untuk membantu pembaca memahami inti informasi secara efisien. Namun, kompleksitas struktur teks jurnal, khususnya yang mengandung anotasi numerik dan ekspresi matematis, menjadi tantangan dalam menghasilkan ringkasan yang akurat. Penelitian ini bertujuan untuk mengimplementasikan dan mengevaluasi model abstractive text summarization berbasis T5-small pada jurnal ilmiah berbahasa Indonesia. Metode yang digunakan meliputi pra-pemrosesan teks, tokenisasi, pembatasan panjang token, serta fine-tuning model dengan tiga skema pembagian data, yaitu 70:30, 80:20, dan 90:10. Evaluasi dilakukan menggunakan metrik ROUGE-1, ROUGE-2, dan ROUGE-L untuk mengukur kesamaan antara ringkasan hasil model dan abstrak referensi. Hasil penelitian menunjukkan bahwa variasi proporsi data latih mempengaruhi performa model secara tidak linear. Skema 70:30 menghasilkan nilai ROUGE-L tertinggi pada dataset full teks, sedangkan skema 90:10 memberikan performa terbaik pada dataset dengan anotasi numerik dan matematis. Selain itu, keberadaan ekspresi matematis cenderung menurunkan kualitas ringkasan. Secara keseluruhan, model T5-small mampu menghasilkan ringkasan dengan tingkat kesamaan leksikal yang baik, namun masih dipengaruhi oleh karakteristik dan kompleksitas dataset

ANALISIS KOMPARATIF ALGORITMA NAIVE BAYES DAN SUPPORT VECTOR MACHINE DALAM KLASIFIKASI SENTIMEN ULASAN WISATAWAN PADA DESTINASI GUNUNG MUTIS MELALUI PLATFORM TIKTOK

Yudiztiral Syamsul Rizal — 2026-07-31

Perkembangan media sosial, khususnya TikTok, memungkinkan wisatawan menyampaikan opini dan pengalaman yang dapat dimanfaatkan sebagai sumber informasi dalam pengelolaan destinasi wisata seperti Gunung Mutis. Namun, data ulasan yang besar dan tidak terstruktur menyulitkan proses analisis secara manual. Oleh karena itu, penelitian ini bertujuan untuk menganalisis dan membandingkan performa algoritma Naive Bayes dan Support Vector Machine (SVM) dalam klasifikasi sentimen ulasan wisatawan. Metode penelitian meliputi pengumpulan data melalui web scraping, preprocessing data (case folding, cleansing, tokenizing, stopword removal, dan stemming), pelabelan sentimen, serta ekstraksi fitur menggunakan TF-IDF. Dataset dibagi menjadi data latih dan data uji dengan rasio 80:20, serta dilakukan penyeimbangan data menggunakan SMOTE. Evaluasi model dilakukan menggunakan metrik akurasi. Hasil penelitian menunjukkan bahwa Naive Bayes memperoleh akurasi sebesar 72,33%, sedangkan Support Vector Machine (SVM) mencapai akurasi sebesar 96,12%. Dengan demikian, SVM memiliki performa yang lebih baik dalam mengklasifikasikan sentimen ulasan wisatawan pada data TikTok

IMPLEMENTASI SISTEM INVENTORY BERBASIS WEB MENGGUNAKAN METODE WWATERFALL

Malkon Temondo — 2026-07-31

Pengelolaan inventory merupakan aspek penting dalam menunjang kelancaran operasional usaha, terutama pada bidang percetakan yang sangat bergantung pada ketersediaan bahan baku. Central Print Karawang masih menggunakan sistem pencatatan manual dalam mengelola persediaan barang, sehingga menimbulkan berbagai permasalahan seperti kesalahan pencatatan, keterlambatan informasi, serta kesulitan dalam proses pencarian data dan pembuatan laporan. Kondisi tersebut menunjukkan perlunya sistem yang lebih efektif dan terintegrasi dalam pengelolaan inventory. Penelitian ini bertujuan untuk merancang dan mengimplementasikan sistem inventory berbasis web guna meningkatkan efisiensi dan akurasi pengelolaan data. Metode yang digunakan adalah metode Waterfall yang meliputi tahap analisis kebutuhan, perancangan sistem, implementasi, dan pengujian. Sistem dikembangkan menggunakan teknologi Node.js sebagai backend dan MySQL sebagai basis data. Hasil penelitian menunjukkan bahwa sistem yang dibangun mampu mengelola data stok barang, pelanggan, pesanan, dan invoice secara terintegrasi. Selain itu, sistem dapat menyediakan informasi secara real-time, mempermudah proses monitoring, serta mempercepat pembuatan laporan

SISTEM MONITORING DAN PENCATATAN HAFALAN MURID PADA PROGRAM PENGAJIAN AL-QUR’AN DI TPQ AL-ISLAMIYAH MENGUNAKAN METODE PROTOTYPING

Erma Yuni — 2026-07-31

Pendidikan Al-Qur’an melalui Taman Pendidikan Al-Qur’an (TPQ) memiliki peran penting dalam pembentukan karakter dan kemampuan religius peserta didik, namun proses pencatatan hafalan, absensi, dan administrasi di TPQ Al-Islamiyah masih dilakukan secara manual sehingga menyebabkan rendahnya efisiensi pengelolaan data, tingginya risiko kehilangan informasi, serta keterbatasan akses bagi wali murid dalam memantau perkembangan anak. Penelitian ini bertujuan untuk merancang dan mengimplementasikan sistem monitoring dan pencatatan hafalan murid berbasis digital guna meningkatkan efektivitas pengelolaan data serta kualitas monitoring pembelajaran. Metode yang digunakan adalah Prototyping yang memungkinkan pengembangan sistem secara iteratif melalui tahapan komunikasi kebutuhan, perancangan cepat, pembangunan prototipe, serta evaluasi berulang. Sistem dikembangkan berbasis web dengan arsitektur client-server dan mampu mengintegrasikan pengelolaan data murid, pencatatan hafalan, absensi, jadwal kegiatan, serta pembayaran secara terstruktur. Hasil pengujian menggunakan User Acceptance Testing (UAT) menunjukkan tingkat penerimaan sebesar 85,4% yang termasuk dalam kategori sangat baik, sehingga sistem yang dikembangkan dinilai efektif dan layak untuk diimplementasikan dalam mendukung kegiatan operasional TPQ secara berkelanjutan

PERANCANGAN DESAIN UI/UX APLIKASI MOBILE E-COMMERCE KOMODITAS HASIL PERTANIAN MENGGUNAKAN FIGMA

Mirza Andrea — 2026-07-31

Sektor pertanian di Kabupaten Aceh Besar memiliki potensi besar, namun masih terkendala oleh rantai distribusi yang panjang serta dominasi tengkulak. Kondisi ini menyebabkan rendahnya harga jual di tingkat petani dan tingginya harga beli di tingkat konsumen. Penelitian ini bertujuan untuk merancang antarmuka (User Interface) dan pengalaman pengguna (User Experience) aplikasi mobile e-commerce yang mampu menghubungkan petani dan konsumen secara langsung. Metode perancangan yang digunakan adalah Design Thinking, yang meliputi tahapan Empathize, Define, Ideate, Prototype, dan Test. Pengumpulan data dilakukan melalui wawancara serta observasi terhadap 5 petani dan 5 konsumen untuk menghasilkan prototipe high-fidelity dengan antarmuka ganda (dual-interface) yang disesuaikan dengan kebutuhan spesifik kedua pihak. Hasil validasi rancangan melalui Usability Testing menggunakan metode System Usability Scale (SUS) menunjukkan skor rata-rata sebesar 75. Skor tersebut masuk dalam kategori "Good" dengan tingkat penerimaan "Acceptable". Dapat disimpulkan bahwa rancangan aplikasi e-commerce ini mudah digunakan, sesuai dengan kebutuhan pengguna, dan layak dikembangkan lebih lanjut menjadi aplikasi fungsional untuk membantu memutus rantai distribusi pertanian

PENERAPAN ALGORITMA XGBOOST (EXTREME GRADIENT BOOSTING) UNTUK PREDIKSI INFLASI PANGAN SUMATERA UTARA

Eka Yulia Putri — 2026-07-31

Inflasi pangan merupakan salah satu komponen utama yang memengaruhi stabilitas ekonomi daerah, terutama di Provinsi Sumatera Utara yang menunjukkan fluktuasi relatif tinggi dalam beberapa tahun terakhir. Kondisi ini menuntut adanya metode peramalan yang akurat dan andal sebagai dasar pengambilan kebijakan. Penelitian ini bertujuan untuk menerapkan algoritma Extreme Gradient Boosting (XGBoost) dalam memprediksi inflasi pangan di Provinsi Sumatera Utara. Data yang digunakan mencakup harga harian sepuluh komoditas pangan strategis yang diperoleh dari PIHPS serta data inflasi subkelompok makanan dari BPS selama periode Januari 2021 hingga Juli 2025. Model dikembangkan melalui proses hyperparameter tuning untuk memperoleh performa optimal, dan dievaluasi menggunakan metrik Root Mean Square Error (RMSE), Mean Absolute Error (MAE), serta koefisien determinasi (R²). Hasil penelitian menunjukkan bahwa model XGBoost memiliki kinerja yang baik dengan nilai RMSE sebesar 0,5225, MAE sebesar 0,4530, dan R² mencapai 89%. Selain itu, hasil peramalan menunjukkan pola inflasi yang cenderung fluktuatif namun tetap stabil dalam jangka pendek. Analisis menggunakan metode SHAP mengungkapkan bahwa variabel perubahan indeks harga pangan (all_index_pctchg) merupakan faktor paling dominan dalam memengaruhi inflasi. Dengan demikian, XGBoost terbukti efektif dalam memodelkan dan memprediksi inflasi pangan sebagai dasar perumusan kebijakan ekonomi daerah

IMPLEMENTASI APLIKASI E-PAKLARING BERBASIS WEB PADA PT GOKKO MIRAI INDONESIA MENGGUNAKAN METODE WATERFALL

Asep Burhan — 2026-07-31

Surat keterangan kerja (paklaring) merupakan dokumen penting sebagai bukti pengalaman kerja karyawan dalam keperluan administratif dan profesional. Namun, proses pengajuan dan pembuatan paklaring di banyak perusahaan masih dilakukan secara manual sehingga menimbulkan permasalahan seperti keterlambatan, kesalahan data, dan kesulitan pengarsipan. Penelitian ini bertujuan untuk mengimplementasikan aplikasi E-Paklaring berbasis web pada PT Gokko Mirai Indonesia guna meningkatkan efisiensi dan kualitas layanan administrasi kepegawaian. Metode yang digunakan adalah model pengembangan perangkat lunak Waterfall yang meliputi analisis kebutuhan, perancangan sistem, implementasi, pengujian, dan pemeliharaan. Sistem yang dikembangkan menyediakan fitur pengajuan online, verifikasi oleh HRD, notifikasi status, serta pengunduhan dokumen digital. Pengujian sistem dilakukan menggunakan metode Black Box Testing dengan 17 skenario pengujian dan menunjukkan tingkat keberhasilan sebesar 100%. Hasil penelitian menunjukkan bahwa aplikasi E-Paklaring mampu mengotomatisasi proses administrasi, mempercepat layanan, serta meningkatkan keamanan dan akurasi data. Dengan demikian, sistem dinyatakan layak untuk digunakan dalam mendukung digitalisasi administrasi kepegawaian

IMPLEMENTASI SISTEM POINT OF SALE DENGAN INTEGRASI PEMANTAUAN PENJUALAN DAN STOK BERBASIS DESKTOP

Yulian Dewantara — 2026-07-31

Perkembangan teknologi informasi mendorong pelaku Usaha Mikro, Kecil, dan Menengah (UMKM) untuk meningkatkan efisiensi operasional melalui sistem terkomputerisasi. Namun, UMKM Momy Bumbu masih menggunakan metode manual dalam pengelolaan penjualan, penerimaan barang, stok, dan pencatatan transaksi, sehingga kurang efektif, memakan waktu, serta berisiko tinggi terjadi kesalahan, khususnya dalam perhitungan omset dan margin keuntungan. Penelitian ini bertujuan untuk merancang dan membangun sistem Point of Sale (POS) berbasis desktop yang terintegrasi dengan menerapkan metode First In First Out (FIFO) guna meningkatkan akurasi pengelolaan stok dan keuangan. Metode yang digunakan meliputi perancangan sistem serta pengujian menggunakan Black Box Testing untuk memastikan seluruh fungsi berjalan sesuai dengan kebutuhan. Hasil penelitian menunjukkan bahwa sistem POS yang dibangun mampu mengelola data penjualan, penerimaan barang, dan stok secara lebih efektif dan terstruktur. Penerapan metode FIFO terbukti meningkatkan akurasi perhitungan omset dan margin keuntungan. Selain itu, sistem mempermudah pemantauan stok, pencatatan transaksi, serta pembuatan laporan secara cepat dan efisien. Dengan demikian, sistem yang dikembangkan dapat meningkatkan akurasi dan transparansi data keuangan serta mendukung pengambilan keputusan yang lebih tepat bagi pemilik usaha

KLASIFIKASI STATUS GIZI BALITA MENGGUNAKAN SUPPORT VECTOR MACHINE

Maria Putriana Ela — 2026-07-31

Anak balita usia 0 hingga 59 bulan merupakan kelompok usia yang rentan terhadap masalah gizi sehingga memerlukan pemantauan status gizi yang akurat dan berkelanjutan. Di Puskesmas Oebobo Kota Kupang, proses penentuan status gizi masih dilakukan secara manual, sehingga berpotensi menimbulkan kesalahan pencatatan dan perhitungan. Penelitian ini bertujuan untuk mengklasifikasikan status gizi balita menggunakan metode Support Vector Machine (SVM). Metode SVM digunakan karena kemampuannya dalam mencari hyperplane optimal sebagai batas pemisah antar kelas dengan margin maksimum, serta didukung kernel Radial Basis Function (RBF) untuk menangani data non-linar. Pengujian dilakukan dengan variasi C dan gamma untuk memperoleh performa model terbaik. Hasil penelitian menunjukkan bahwa kombinasi parameter C 50 dan gamma scale menghasilkan kinerja yang baik dengan akurasi sebesar 80,21%, presisi 79,05%, recall 80,21% dan f1-score 79,18%. Hasil tersebut menunjukkan bahwa model SVM mampu mengklasifikasikan status gizi balita dengan baik dan dapat digunakan sebagai pendukung pengambilan keputusan dalam pementauan gizi

PREDIKSI HASIL TANGKAPAN IKAN LAUT BERDASARKAN CUACA DI TELUK KUPANG MENGGUNAKAN REGRESI LINEAR BERGANDA

Ayu Akwilla Pae — 2026-07-31

Teluk Kupang merupakan wilayah pesisir dengan aktivitas perikanan yang tinggi, di mana hasil tangkapan ikan sangat dipengaruhi oleh kondisi cuaca. Permasalahan yang dihadapi adalah fluktuasi hasil tangkapan akibat faktor cuaca seperti suhu, curah hujan, kecepatan angin, penyinaran matahari, dan kelembaban yang menyulitkan nelayan nelayan dalam merencanakan aktivitas melaut. Penelitian ini bertujuan untuk memprediksi hasil tangkapan ikan laut berdasarkan kondisi cuaca di Teluk Kupang. Metode yang digunakan adalah regresi linear berganda dengan data periode 202-2024 yang telah melalui tahap praproses data berupa lag time, transformasi log, dan penambahan data sintesis. Model dievaluasi menggunakan RMSE, MAPE,dan koefisien determinasi. Hasil penelitian menunjukkan bahawa model memiliki tingkat akurasi yang baik dengan nilai MAPE sebesar 1,11%, RMSE sebesar 0,3065, dan koefisien determinasi sebesar 0,6808. Hasil prediksi tahun 2025 menunjukkan adanya fluktuasi hasil tangkapan, dengan nilai tertinggi pada bulan November sebesar 3.037.437,63 kg dan terendah di bulan Maret sebesar 825.762,84 kg. Dengan demikian, model yang dibangun dapat digunakan sebagai alat bantu dalam memprediksi hasil tangkapan ikan berdasarkan cuaca

IMPLEMENTASI CONVOLUTIONAL NEURAL NETWORK (CNN ) UNTUK KLASIFIKASI PENYAKIT DAUN PADA SAYUR KANGKUNG

Tabah Kurniawan Wicaksono — 2026-07-31

Kangkung merupakan komoditas hortikultura dengan tingkat konsumsi tinggi dan berperan penting dalam pemenuhan gizi masyarakat. Namun, produktivitasnya sering menurun akibat serangan penyakit daun seperti bercak daun, karat putih, dan virus mosaik. Identifikasi penyakit yang masih dilakukan secara manual menyebabkan proses menjadi kurang efisien dan rentan terhadap kesalahan. Oleh karena itu, penelitian ini bertujuan mengembangkan model berbasis Convolutional Neural Network (CNN) untuk mengklasifikasikan penyakit daun kangkung secara akurat serta mengimplementasikannya dalam sistem berbasis website. Metode yang digunakan adalah CNN dengan arsitektur MobileNetV2 berbasis transfer learning, dilengkapi dengan tahap preprocessing citra dan evaluasi menggunakan K-Fold Cross Validation (K=5). Kinerja model diukur menggunakan confusion matrix, accuracy, precision, recall, dan F1-score. Hasil penelitian menunjukkan bahwa model mampu mengklasifikasikan empat kelas daun kangkung dengan rata-rata akurasi sebesar 87,4% dan performa terbaik mencapai 90%. Model terbaik juga berhasil diimplementasikan dalam sistem berbasis Flask dan mampu melakukan klasifikasi secara real-time dengan akurasi pengujian sebesar 90%. Hasil ini menunjukkan bahwa metode CNN efektif untuk deteksi penyakit daun kangkung secara efisien dan akurat

PENERAPAN METODE K-MEANS CLUSTERING UNTUK SEGMENTASI PERFORMA PEMBALAP FORMULA 1 SEASON 2025

Muhammad Wahyu Hikmalsyah — 2026-07-31

Performa pembalap Formula 1 merupakan hasil interaksi kompleks antara kemampuan teknis, konsistensi waktu lap, dan efisiensi dalam memperbaiki posisi saat balapan. Penelitian ini menerapkan algoritma K-Means Clustering untuk melakukan segmentasi performa pembalap Formula 1 musim 2025 secara objektif dan terukur. Data yang digunakan bersumber dari hasil balapan resmi yang diterbitkan oleh FIA, yang mencakup metrik perolehan poin, waktu lap rata-rata, hingga perubahan posisi (position gain). Tahapan penelitian meliputi pengumpulan data, preprocessing, analisis eksploratori, penentuan jumlah klaster optimal melalui metode Elbow dan Silhouette Score, hingga evaluasi hasil pengelompokan. Hasil penelitian menunjukkan bahwa penggunaan lima klaster (K=5) memberikan gambaran paling representatif terhadap dinamika kompetisi musim 2025, mulai dari kelompok elit dengan performa dominan hingga kelompok pendatang baru dengan karakteristik teknis tertentu. Evaluasi menggunakan Silhouette Score menghasilkan nilai sebesar 0,4678, yang menunjukkan bahwa segmentasi yang dihasilkan cukup baik dan akurat dalam mengidentifikasi pola performa antar-klaster. Temuan ini memberikan wawasan strategis bagi tim balap untuk memahami peta persaingan sebagai landasan pengembangan teknis dan strategi balapan di masa depan

KAJIAN SISTEMATIS SISTEM MONITORING MEDIA SOSIAL BERBASIS WEB UNTUK PENGAWASAN ORANG ASING: SYSTEMATIC LITERATURE REVIEW

Netania Kepri Sinaga — 2026-07-31

Penggunaan media sosial di Indonesia yang mencapai 210 juta pengguna aktif dan kehadiran lebih dari 350.000 warga negara asing (WNA) menciptakan tantangan baru bagi pengawasan imigrasi. Belum tersedianya sistem berbasis web yang mampu memantau aktivitas digital WNA secara otomatis dan real-time menjadi permasalahan utama. Penelitian ini bertujuan mengidentifikasi, mengevaluasi, dan mensintesis arsitektur, teknologi, metode analisis, metode pengembangan, serta user testing sistem monitoring media sosial berbasis web yang relevan untuk pengawasan WNA. Metode yang digunakan adalah Systematic Literature Review (SLR) dengan protokol PRISMA 2020, mencakup pencarian pada Google Scholar, IEEE Xplore, Scopus, dan Crossref; dari 2.114 studi teridentifikasi, 20 artikel dipilih melalui penilaian kualitas untuk analisis mendalam. Hasil menunjukkan dominasi arsitektur microservices dengan Apache Kafka, kombinasi database MongoDB dan PostgreSQL, serta Python dan JavaScript sebagai bahasa pemrograman utama; metode Agile paling banyak diterapkan; akurasi analisis sentimen mencapai 88–97% dan geoparsing berbasis NER mencapai 85–92%; skor SUS rata-rata 78–82. Kesenjangan utama meliputi minimnya sistem khusus pengawasan WNA, keterbatasan dukungan bahasa Indonesia, dan belum adanya kepatuhan terhadap UU PDP No. 27/2022

DIGITALISASI PENGETAHUAN TRADISIONAL: PEMANFAATAN MEDIA YOUTUBE SEBAGAI INSTRUMEN KODIFIKASI BERBASIS SECI UNTUK MEMITIGASI KNOWLEDGE LOSS PETANI PADI DESA KEDU

Dimas Agil Kusuma — 2026-07-31

Sektor pertanian di Desa Kedu sangat bergantung pada kearifan tradisional sebagai aset strategis untuk menjamin stabilitas ketahanan pangan regional. Namun, sektor ini menghadapi risiko hilangnya pengetahuan (knowledge loss) yang serius akibat penuaan demografi petani senior dan dominasi transmisi informasi secara lisan yang menghambat regenerasi. Penelitian ini bertujuan untuk mengonstruksi model mitigasi knowledge loss dengan mengoptimalkan platform YouTube sebagai instrumen kodifikasi pengetahuan yang diintegrasikan ke dalam kerangka kerja SECI (Socialization, Externalization, Combination, Internalization). Menggunakan metode studi kasus eksploratif, data dikumpulkan melalui wawancara mendalam terhadap sembilan informan lintas generasi, observasi lapangan, serta triangulasi sumber. Hasil penelitian menunjukkan bahwa proses eksternalisasi melalui dokumentasi visual di YouTube berhasil mengonversi pengetahuan tacit petani senior mengenai siklus tanam dan penanganan hama menjadi aset digital eksplisit yang permanen. Digitalisasi manajemen pengetahuan ini terbukti efektif dalam menjembatani celah informasi antar-generasi, meningkatkan efisiensi internalisasi bagi petani muda, serta menjamin retensi pengetahuan berkelanjutan di tingkat perdesaan

KOMPARASI ALGORITMA K-MEANS DAN FUZZY C-MEANS DALAM ANALISIS CLUSTERING MENU PADA PERUSAHAAN MAKANAN CEPAT SAJI MULTINASIONAL

Rahmad Hidayat — 2026-07-31

Tingginya konsumsi makanan cepat saji secara global menimbulkan tantangan dalam mengidentifikasi pola distribusi nutrisi secara otomatis dan objektif. Permasalahan utama yang dihadapi adalah sulitnya menentukan algoritma clustering yang paling optimal untuk memetakan menu makanan berdasarkan kandungan kalori dan lemak. Penelitian ini bertujuan untuk membandingkan performa algoritma K-Means dan Fuzzy C-Means (FCM) dalam pengelompokan menu makanan cepat saji menggunakan dataset Fast Food Nutrition dari Kaggle. Metode yang digunakan mencakup prapemrosesan data (normalisasi Z-score), penentuan jumlah klaster optimal (K-Means dengan Elbow Method menghasilkan k=3; FCM dengan Fuzzy Partition Coefficient menghasilkan k=2), serta evaluasi menggunakan Silhouette Score dan Davies-Bouldin Index (DBI). Hasil penelitian menunjukkan bahwa Fuzzy C-Means menghasilkan pengelompokan yang lebih baik dibandingkan K-Means, dengan Silhouette Score sebesar 0,5905 (lebih tinggi) dan DBI sebesar 0,6530 (lebih rendah). Temuan ini membuktikan bahwa pendekatan logika fuzzy memberikan hasil pengelompokan yang lebih solid dan efisien secara matematis untuk dataset nutrisi makanan cepat saji dibandingkan pendekatan hard clustering

PERANCANGAN SISTEM INFORMASI REKAM MEDIS BERBASIS WEB PADA KLINIK DOKTER EVA ELVITA SYOFYAN

MHD. Aldi Fathoni — 2026-07-31

Pelayanan kesehatan yang optimal pada klinik sangat bergantung pada pengelolaan data medis yang akurat dan cepat. Klinik Dokter Eva Elvita Syofyan saat ini masih menggunakan sistem pencatatan rekam medis secara manual dalam buku agenda. Hal ini menyebabkan risiko kerusakan data, kesulitan dalam pencarian riwayat medis pasien, serta keterlambatan dalam penyusunan laporan bulanan. Penelitian ini bertujuan untuk merancang dan membangun sistem informasi rekam medis berbasis web guna mendigitalisasi prosedur administrasi dan pengarsipan data medis. Pengembangan sistem dilakukan menggunakan metode Waterfall, yang meliputi tahapan analisis kebutuhan, perancangan, pengkodean menggunakan bahasa pemrograman PHP dengan framework Laravel dan database MySQL, serta pengujian sistem. Penelitian ini menghasilkan sebuah aplikasi rekam medis berbasis web yang memiliki fitur manajemen data pasien, pendaftaran, rekam medis rawat jalan dan inap, serta pembuatan laporan otomatis. Hasil pengujian menggunakan metode Black Box Testing menunjukkan bahwa seluruh fungsi sistem berjalan dengan baik (100%). Implementasi sistem ini mampu meningkatkan efisiensi operasional klinik, mempercepat akses data, dan meminimalisir kesalahan manusia dalam pengelolaan informasi kesehatan

ANALISIS PERBANDINGAN RANDOM FOREST DAN XGBOOST PADA DATASET IMBALANCED UNTUK KLASIFIKASI SERANGAN SIBER BERBASIS NETWORK TRAFFIC

Ulva Khairunnisya — 2026-07-31

Keamanan siber menjadi isu penting seiring meningkatnya penggunaan infrastruktur digital yang rentan terhadap berbagai serangan. Permasalahan utama dalam klasifikasi serangan siber adalah ketidakseimbangan data (imbalanced dataset) yang menyebabkan model cenderung bias terhadap kelas mayoritas. Penelitian ini bertujuan untuk membandingkan performa algoritma Random Forest dan XGBoost dalam mengklasifikasikan serangan siber berbasis network traffic pada dataset yang tidak seimbang. Metode yang digunakan meliputi praproses data, encoding fitur, serta penerapan SMOTE pada data latih untuk mengatasi ketidakseimbangan kelas, dengan evaluasi menggunakan k-fold cross-validation dan metrik akurasi, precision, recall, dan F1-score. Hasil penelitian menunjukkan bahwa XGBoost memiliki performa lebih unggul dengan akurasi 95,85%, precision 49,26%, recall 57,25%, dan F1-score 52,76%, dibandingkan Random Forest yang hanya mencapai akurasi 89,33% dan F1-score 23,24%. Temuan ini menunjukkan bahwa XGBoost lebih efektif dan robust dalam menangani klasifikasi pada dataset imbalanced, khususnya dalam mendeteksi kelas minoritas berupa serangan siber

IMPLEMENTASI ALGORITMA Q-LEARNING PADA GAME EDUKASI BAHASA INGGRIS LEXICON VAULT

Arnoldus Julio Pratama — 2026-07-31

Pembelajaran bahasa Inggris melalui media digital semakin populer, namun efektivitasnya sering terhambat oleh sistem permainan yang monoton dan tingkat kesulitan yang statis. Hal ini menyebabkan pemain cepat bosan atau merasa frustrasi karena tingkat kesulitan tidak sesuai dengan kemampuan mereka. Penelitian ini bertujuan merancang dan mengimplementasikan algoritma Q-Learning untuk menciptakan penyesuaian tingkat kesulitan yang dinamis pada game edukasi Bahasa Inggris berbasis RPG 2D bernama "Lexicon Vault" untuk platform Android. Sistem dikembangkan menggunakan Unity Engine dengan metode Agile Scrum. NPC dalam game ini dibekali Q-Learning dengan konfigurasi 6 State, 5 Action, Learning Rate α = 0,1, dan Discount Factor γ = 0,9. Sistem memberikan Reward +10 untuk jawaban benar dan -5 untuk jawaban salah guna memperbarui Q-Table secara real-time. Evaluasi sistem dilakukan melalui analisis konvergensi Q-Table dan Black-Box Testing. Hasil menunjukkan Q-Table berhasil konvergen, memungkinkan sistem menyesuaikan tingkat kesulitan soal secara otomatis berdasarkan performa pemain. Seluruh pengujian dinyatakan lulus, membuktikan penerapan Q-Learning efektif menghasilkan transisi level kesulitan yang dinamis sesuai pola jawaban pemain

PENGARUH KEPUTUSAN PEMBELIAN PADA PLATFORM SHOPEE DI KALANGAN GENERASI Z MENGGUNAKAN ALGORITMA DECISION TREE

Fransisca Elvina Ayu Marga Putri — 2026-07-31

Perkembangan teknologi informasi telah mengubah cara konsumen melakukan transaksi, terutama melalui platform e-commerce seperti Shopee yang popuker di klangan Generasi Z. Namun, faktor-faktor utama yang memengaruhi keputusan pembelian pada kalangan Generasi Z belum sepenuhnya dipahami. Penelitian ini bertujuan untuk mengidentifikasi dan menganalisis faktor-faktor yang memengaruhi keputusan pembelian Generasi Z menggunakan algoritma Decision Tree. Data diperoleh melalui kuesioner terhadap 150 responden yang lahir pada rentang tahun 1997-2012. Proses analisis dilakukan melalui tahapan pembersihan data, transformasi data kategorikal, pembagian data pelatihan dan pengujian, serta pemodelan menggunakan Google Colab. Hasil penelitian menunjukkan bahwa harga, promosi, dan kualitas produk menjadi faktor dominan dalam memengaruhi keputusan pembelian. Model Decision Tree yang dihasilkan memiliki tingkat akurasi sebesar 50%. Hasil penelitian ini memberikan gambaran awal mengenai perilaku konsumen Generasi Z di platform Shopee, serta menunjukkan bahwa pemanfaatan teknologi informasi dapat mendukung proses analisis data secara lebih efisien dan terstruktur

ANALISIS PREDIKTIF KELANGSUNGAN HIDUP PASIEN KANKER PAYUDARA MENGGUNAKAN ALGORITMA RANDOM FOREST

Vanya Dwi Nabila — 2026-07-31

Kanker payudara merupakan salah satu penyebab kematian tertinggi pada perempuan di dunia. Permasalahan utama dalam penanganan penyakit ini adalah rendahnya akurasi prediksi kelangsungan hidup akibat kompleksitas hubungan non-linear antar variabel klinis dan tingginya dimensi data. Penelitian ini bertujuan untuk membangun model prediksi kelangsungan hidup pasien kanker payudara menggunakan algoritma Random Forest. Metode yang digunakan meliputi preprocessing data, pelatihan model, serta evaluasi menggunakan 10-Fold Cross-Validation dengan metrik accuracy, precision, recall, dan F1-Score pada dataset METABRIC yang terdiri dari 1.986 data pasien. Hasil penelitian menunjukkan bahwa model memperoleh accuracy sebesar 71,04%, precision 72,31%, recall 81,50%, dan F1-Score 76,63%, dengan rata-rata akurasi cross-validation sebesar 66,75%. Analisis feature importance menunjukkan bahwa Age at Diagnosis, Nottingham Prognostic Index, dan Tumor Size merupakan faktor yang paling berpengaruh terhadap prediksi kelangsungan hidup pasien

PENERAPAN CONVOLUTIONAL NEURAL NETWORK UNTUK KLASIFIKASI JENIS PENYAKIT PADA BUAH JAMBU BIJI

Ishab Mohtarrudin — 2026-07-31

Jambu biji merupakan komoditas hortikultura penting yang produksinya terancam oleh penyakit lalat buah dan antraknosa. Identifikasi manual yang subjektif dan memerlukan keahlian khusus menjadi hambatan utama bagi petani. Penelitian ini bertujuan untuk mengimplementasikan dan menguji kinerja Convolutional Neural Network (CNN) dengan arsitektur DenseNet121 dalam mengklasifikasikan citra buah jambu biji ke dalam tiga kelas: sehat, lalat buah, dan antraknosa. Sebanyak 1.500 citra primer diproses menggunakan teknik Canny Edge Detection untuk ekstraksi ciri struktural dan augmentasi data. Hasil evaluasi pada 150 data uji menunjukkan akurasi model mencapai 91,33%, dengan performa sempurna (100%) pada klasifikasi jambu biji sehat. Penelitian ini membuktikan bahwa integrasi DenseNet121 dan Canny Edge Detection dapat menjadi solusi otomatis yang efektif dan akurat bagi petani dalam mendeteksi penyakit buah

SISTEM REKOMENDASI WEB AUTOMATION VULNERABILITY SCANNER BERBASIS LARGE LANGUAGE MODEL (LLM) DAN CONTENT-BASED FILTERING PADA SOFTWARE HOUSE NEXTY LABS

Ramdhani Hadi Winarno — 2026-07-31

Keamanan aplikasi web menjadi aspek penting dalam pengembangan sistem, seiring meningkatnya ancaman serangan siber. Permasalahan yang dihadapi adalah proses analisis hasil vulnerability scanning yang masih dilakukan secara manual sehingga kurang efisien dan sulit dipahami karena data bersifat teknis. Penelitian ini bertujuan untuk mengembangkan sistem rekomendasi berbasis Large Language Model (LLM) dan Content-Based Filtering untuk meningkatkan efisiensi analisis serta menghasilkan rekomendasi mitigasi yang relevan. Metode yang digunakan meliputi vulnerability scanning menggunakan Nuclei dan WhatWeb terhadap 12 domain, preprocessing data, implementasi LLM melalui Ollama, ekstraksi fitur menggunakan TF-IDF, serta perhitungan kemiripan menggunakan Cosine Similarity. Hasil penelitian menunjukkan bahwa sistem mampu menghasilkan rekomendasi mitigasi dengan nilai similarity tertinggi mencapai 0.5431 dan rata-rata similarity sebesar 0.50. Selain itu, penggunaan LLM mampu menyederhanakan data teknis menjadi informasi terstruktur sehingga meningkatkan efisiensi proses analisis dibandingkan metode manual. Dengan demikian, pendekatan yang diusulkan terbukti efektif dalam mendukung pengambilan keputusan pada proses vulnerability scanning

MODEL PREDIKSI GANGGUAN DEPRESI BERDASARKAN INTERAKSI SOSIAL DAN PENGGUNAAN MEDIA SOSIAL DENGAN ALGORITMA NAIVE BAYES

Bagus Riyadi — 2026-07-31

Meningkatnya prevalensi aktivitas digital di kalangan remaja telah memicu transformasi pola interaksi sosial. Perubahan ini berdampak pada kerentanan terhadap gangguan psikologis seperti depresi, namun instrumen deteksi saat ini masih terbatas pada analisis variabel tunggal yang kurang komprehensif. Penelitian ini bertujuan mengusulkan model inovatif untuk mengklasifikasikan risiko depresi dengan mengintegrasikan dimensi perilaku digital dan dinamika interaksi sosial. Metodologi studi mengikuti siklus Knowledge Discovery in Databases (KDD) dengan menerapkan algoritma Gaussian Naive Bayes pada dataset berjumlah 8.000 observasi. Variabel inti yang dianalisis meliputi profil demografis, durasi penggunaan perangkat (screen time), pola istirahat, dan tingkat interaksi sosial. Temuan studi menunjukkan model berhasil mencapai tingkat akurasi sebesar 75,88%. Intensitas penggunaan media sosial dan durasi tidur teridentifikasi sebagai faktor determinan paling krusial dalam memicu risiko depresi. Sebagai kontribusi praktis, model ini diintegrasikan pada antarmuka berbasis web menggunakan Streamlit untuk memfasilitasi skrining kesehatan mental secara mandiri dan real-time

PENERAPAN METODE RANDOM FOREST REGRESSION UNTUK PREDIKSI HARGA EMAS DI INDONESIA

Willy Calvin Candra Lay — 2026-07-31

Harga emas bersifat non-linear dan dipengaruhi oleh beberapa faktor eksternal, sehingga menyulitkan masyarakat dalam menentukan waktu yang tepat untuk berinvestasi. Tanpa alat prediksi yang memadai, keputusan investasi berisiko untuk diambil pada waktu yang tidak tepat dan berpotensi menimbulkan kerugian finansial. Penelitian ini bertujuan mengevaluasi kinerja model Random Forest Regression dalam memprediksi harga emas di Indonesia menggunakan data historis harga emas harian dalam satuan Rupiah per gram. Model tidak memprediksi harga secara langsung, melainkan memprediksi persentase perubahan harga (pct_change) untuk mengatasi distribusi shift akibat tren harga yang kuat pada data time-series. Prediksi akan dilakukan tanpa ada tambahan variabel eksternal. Optimasi hyperparameter dilakukan menggunakan GridSearch dengan skema Weighted TimeSeriesSplit 7-fold terhadap 72 kombinasi parameter, menghasilkan parameter terbaik pada penelitian ini yaitu n_estimators = 200, max_depth = 5, max_features = sqrt dan min_sample_leaf = 8. Prediksi jangka menengah dilakukan menggunakan metode Recursive Forecasting. Hasil evaluasi pada data uji menunjukan MAE sebesar Rp20.105, RMSE Rp34.988, dan MAPE sebesar 0,9081%, membuktikan bahwa pola historis harga emas sudah cukup memadai sebagai dasar prediksi yang akurat tanpa variabel eksternal

PENERAPAN ALGORITMA K-MEANS UNTUK KLASTERING PRODUK BERBASIS WEB

Yovie Muhammad Rizki — 2026-07-31

Dalam era persaingan ritel modern, manajemen persediaan menjadi faktor penting dalam meningkatkan efisiensi operasional. Assalaam Hypermarket menghadapi kendala dalam mengelompokkan produk bazar secara objektif. Penelitian ini bertujuan menerapkan algoritma K-Means untuk melakukan clustering produk berdasarkan data historis penjualan dan mengintegrasikannya ke dalam sistem berbasis web. Data yang digunakan meliputi volume penjualan dan frekuensi transaksi. Metode K-Means dipilih karena kemampuannya mengelompokkan data tanpa label (unsupervised learning). Hasil penelitian menunjukkan bahwa 100 produk berhasil dikelompokkan menjadi tiga kategori, yaitu fast moving (19 produk), medium moving (56 produk), dan slow moving (25 produk). Proses clustering mencapai konvergensi pada iterasi keempat dengan hasil yang stabil. Evaluasi menggunakan Silhouette Score sebesar 0,7075 menunjukkan kualitas pengelompokan yang baik. Sistem berbasis web yang dikembangkan mampu menampilkan hasil clustering secara real-time dan memberikan rekomendasi untuk pengelolaan persediaan. Implementasi ini diharapkan dapat meningkatkan akurasi pengambilan keputusan serta efisiensi operasional perusahaan

PENGEMBANGAN SISTEM PENCATATAN PUTARAN LARI BERBASIS RFID DAN ESP32 TERINTEGRASI DATABASE

Muhammad Ridwan — 2026-07-31

Pencatatan putaran lari dalam kegiatan pembinaan fisik umumnya masih dilakukan secara manual, sehingga berpotensi menimbulkan kesalahan pencatatan, keterlambatan pengolahan data, dan rendahnya akurasi evaluasi. Penelitian ini bertujuan untuk mengembangkan sistem pencatatan putaran lari berbasis Radio Frequency Identification (RFID) dan ESP32 yang terintegrasi dengan database guna meningkatkan efisiensi dan akurasi pencatatan secara real-time. Metode yang digunakan adalah Research and Development (R&D) dengan pendekatan prototipe yang meliputi tahap analisis kebutuhan, perancangan sistem, implementasi, serta pengujian dan evaluasi. Sistem yang dikembangkan terdiri dari RFID RC522 sebagai pembaca kartu, ESP32 sebagai pengolah data, RTC DS3231 sebagai pencatat waktu, serta database MySQL sebagai media penyimpanan dan pengolahan data. Hasil pengujian menunjukkan bahwa sistem mampu membaca kartu RFID secara optimal pada jarak efektif hingga ±1,5 cm, mencatat timestamp secara real-time dengan konsistensi tinggi, serta mengintegrasikan data UID dan waktu ke dalam database tanpa kehilangan data. Selain itu, sistem mampu menghitung jumlah putaran secara otomatis menggunakan query SQL dengan hasil yang akurat sesuai data pencatatan. Dengan demikian, sistem yang dikembangkan mampu meningkatkan efisiensi, kecepatan, dan akurasi pencatatan dibandingkan metode manual, serta layak diterapkan sebagai solusi monitoring aktivitas lari berbasis teknologi IoT

APLIKASI E-LEARNING INTERAKTIF UNTUK PEMBELAJARAN BAHASA ISYARAT BAGI TUNA RUNGU WICARA BERBASIS MULTIMEDIA

Kenza Rivando Arghata — 2026-07-31

Pembelajaran bahasa isyarat bagi pengguna tuna rungu wicara memerlukan media yang mudah diakses dan menekankan penyajian informasi secara visual. Namun, ketersediaan media pembelajaran yang terstruktur, sederhana, dan dapat digunakan secara mandiri masih terbatas. Penelitian ini bertujuan mengembangkan aplikasi e-learning berbasis web untuk pembelajaran bahasa isyarat. Metode yang digunakan adalah Waterfall, yang meliputi analisis kebutuhan, desain sistem, pengembangan, pengujian, dan pemeliharaan. Aplikasi dibangun menggunakan Google Apps Script sebagai platform web app dan Google Spreadsheet sebagai media penyimpanan data. Hasil pengujian Black Box Testing menunjukkan bahwa fungsi utama sistem berjalan sesuai kebutuhan, sedangkan pengujian System Usability Scale (SUS) pada 27 responden di SLB Negeri Sukoharjo memperoleh nilai rata-rata 68,61 yang menunjukkan bahwa aplikasi memiliki tingkat usability yang cukup baik. Dengan demikian, aplikasi yang dikembangkan dapat digunakan sebagai media pembelajaran bahasa isyarat yang sederhana, terstruktur, dan mudah diakses oleh pengguna

IMPLEMENTASI METODE HYBRID FILTERING (CONTENT BASED AND COLLABORATIVE) DALAM SISTEM REKOMENDASI FILM

Muhamad Septian — 2026-07-31

Lonjakan volume data pada platform streaming memicu fenomena kelebihan informasi (information overload), sehingga diperlukan sistem rekomendasi yang mampu menyajikan konten secara personal dan efisien. Namun, penerapan algoritma tunggal seperti Content-Based Filtering (CBF) maupun Collaborative Filtering (CF) seringkali dihadapkan pada batasan isolasi algoritma, seperti rentannya sistem terhadap ketidaksediaan interaksi pengguna baru (cold-start) dan kekosongan matriks (data sparsity). Oleh karena itu, penelitian ini bertujuan mengembangkan arsitektur sistem rekomendasi film dengan mengusulkan pendekatan Weighted Hybrid Filtering untuk mengatasi kelemahan tersebut. Metode penelitian mengintegrasikan algoritma Content-Based Filtering (berbasis TF-IDF + cosine similarity) dan Collaborative Filtering (berbasis Truncated SVD k=50). Model dibangun menggunakan data multi-sumber, yaitu metadata film dari TMDB dan data rating dari MovieLens, dengan skema pembobotan 40:60. Evaluasi dilakukan menggunakan 5-Fold Cross Validation dengan metrik RMSE, Hit Rate@10, dan Mean Average Precision (MAP). Hasil eksperimen menunjukkan bahwa model hybrid yang diusulkan mampu mengungguli metode tunggal dengan nilai RMSE sebesar 0,731, Hit Rate@10 sebesar 0,716, dan MAP sebesar 0,268. Hasil ini menunjukkan bahwa pendekatan hybrid efektif dalam meningkatkan akurasi serta kualitas rekomendasi. Dengan demikian, penelitian ini memberikan kontribusi dalam pengembangan sistem rekomendasi yang tidak hanya akurat secara prediktif, tetapi juga aplikatif untuk diimplementasikan dalam platform berbasis web

PENERAPAN OCR API PADA PERANGKAT LUNAK PENERIMAAN SISWA BARU

Nopi Pitriana — 2026-07-31

Penerapan teknologi pada proses penerimaan siswa baru di SMK NEGERI 1 BP BANGSA RAJA yang masih dilakukan secara manual melalui pengisian formulir fisik sehingga memerlukan waktu lama dan berisiko menimbulkan kesalahan input data. Permasalahan utama yang dihadapi adalah lambatnya proses pendaftaran, tingginya potensi kesalahan pencatatan, serta kurang efisiennya verifikasi dokumen calon siswa. Penelitian ini bertujuan menerapkan teknologi Optical Character Recognition (OCR) API pada perangkat lunak penerimaan siswa baru agar proses input data dapat dilakukan secara otomatis, cepat, dan akurat. Metode yang digunakan adalah Rapid Application Development (RAD) yang terdiri dari tahap perencanaan kebutuhan, perancangan sistem, pengembangan, dan implementasi. Sistem dibangun berbasis web dengan integrasi OCR Space API untuk membaca data dari dokumen yang diunggah pengguna. Hasil penelitian menunjukkan bahwa sistem mampu mempercepat proses pendaftaran dan verifikasi dokumen, meningkatkan akurasi data, serta mengurangi kesalahan input manual. Selain itu, sistem memberikan kemudahan dalam pengelolaan data, keamanan penyimpanan arsip digital, dan mendukung transformasi digital layanan administrasi sekolah. Dengan demikian, penerapan OCR API menjadi solusi efektif dalam meningkatkan kualitas proses penerimaan siswa baru

ANALISIS PREDIKTIF TINGKAT URGENSI RESKILLING TENAGA KERJA AKIBAT DISRUPSI ARTIFICIAL INTELLIGENCE MENGGUNAKAN ALGORITMA REGRESI

Gala Di Akbar — 2026-07-31

Disrupsi kecerdasan buatan (AI) yang eksponensial telah menciptakan celah kompetensi yang lebar, mendesak tenaga kerja global untuk segera beradaptasi melalui reskilling. Namun, permasalahan krusial muncul karena instrumen evaluasi kebijakan saat ini masih didominasi oleh pendekatan kualitatif yang gagal mengkuantifikasi ancaman kerugian finansial secara objektif. Lebih jauh, pemodelan mesin pada data ketenagakerjaan kerap kali menghasilkan prediksi yang semu akibat bias kebocoran target (target leakage). Untuk merespons permasalahan tersebut, penelitian ini bertujuan mengembangkan model analitik prediktif berbasis algoritma XGBoost Regressor guna merumuskan metrik kuantitatif Tingkat Urgensi Reskilling yang terstandarisasi dan bebas bias. Secara garis besar, metode penelitian bersandar pada pelatihan model regresi terhadap 150.000 data sekunder berskala global, yang dikombinasikan dengan teknik eliminasi prediktor deterministik dan penyesuaian fungsi matematis untuk menangani ketidakmerataan distribusi data. Hasil eksperimen menunjukkan model mencapai performa yang sangat presisi dengan Mean Absolute Error (MAE) 2,9157% dan R-Squared 0,5822. Analisis fitur membuktikan bahwa durasi pelatihan AI adalah determinan mutlak produktivitas. Simulasi memproyeksikan penundaan pencapaian ambang batas optimal pelatihan akan memicu efek kerugian majemuk hingga $76,1 juta dalam lima tahun, menjadikan pemodelan ini instrumen pengambilan keputusan yang vital

Indonesia ANALISIS PENERIMAAN SISTEM ERP BERBASIS ODOO MENGGUNAKAN PENDEKATAN TAM DAN HOT-FIT DI PERUSAHAAN KONVEKSI QUEENA CLOTH

Dinata Ayu Suriana — 2026-07-31

Pada era revolusi industri 4.0, integrasi sistem informasi menjadi kebutuhan penting bagi UMKM, termasuk sektor konveksi. Queena Cloth masih menghadapi permasalahan pencatatan manual, ketidaksesuaian data stok, dan keterlambatan laporan operasional. Penelitian ini bertujuan menganalisis penerimaan sistem Enterprise Resource Planning (ERP) berbasis Odoo pada Queena Cloth. Metode penelitian menggunakan pendekatan kuantitatif dengan model Technology Acceptance Model (TAM) dan Human-Organization-Technology Fit (HOT-Fit). Responden penelitian berjumlah 37 karyawan pengguna aktif sistem dengan teknik sampling jenuh. Variabel yang diuji meliputi kualitas sistem, kualitas informasi, kualitas layanan, persepsi kegunaan, persepsi kemudahan, dukungan organisasi, dan penerimaan sistem. Hasil penelitian menunjukkan bahwa secara simultan seluruh variabel berpengaruh signifikan terhadap penerimaan sistem. Secara parsial, persepsi kegunaan, persepsi kemudahan, dan dukungan organisasi berpengaruh positif signifikan, sedangkan kualitas sistem, kualitas informasi, dan kualitas layanan tidak berpengaruh signifikan. Dukungan organisasi menjadi faktor dominan dalam keberhasilan implementasi ERP Odoo di perusahaan

KLASIFIKASI TANAMAN BERDASARKAN CITRA BUNGA MENGGUNAKAN CONVOLUTION NEURAL NETWORK (CNN)

Katarina Nofrianty Watu Dopo — 2026-07-31

Tanaman merupakan ekosistem yang berperan penting sebagai penghasil oksigen, sumber makanan, bahan obat-obatan dan elemen estetika dan budaya bagi kelangsungan hidup manusia. Salah satu tanaman yang paling beragam adalah tanaman berbunga karena memiliki ciri visual yang menarik seperti bentuk dan warna bunga. Namun, proses mengidentifikasi dan mengklasifikasi tanaman berdasarkan citra bunga masih memakan waktu yang lama, membutuhkan keahlian khusus, dan rentan menimbulkan kesalahan ketika memiliki kemiripan antarspesies. Oleh karena itu dibutuhkan sistem otomatis untuk mengklasifikasikan tanaman berdasarkan citra bunga untuk meningkatkan efisiensi dan ketepatan.. Perkembangan teknologi saat ini memungkinkan proses klasifikasi tanaman berbunga dengan cara mengelompokkan gambar bunga berdasarkan ciri-ciri visual seperti bentuk dan warna bunga dengan menggunakan metode Convolution Neural Network (CNN). CNN merupakan salah satu metode deep learning yang memiliki kemampuan untuk mengelolah informasi citra dan membantu untuk mengklasifikasi gambar dengan beberapa tahapan yaitu convolutional layer untuk ekstraksi fitur, pooling layer untuk reduksi dimensi, dan fully connected layer untuk proses klasifikasi. Sehingga Penelitiaan ini bertujuan untuk mengklasifikasi jenis tanaman berdasarkan citra bunga menggunakan metode Convolution Neural Network (CNN). Hasil penelitian ini menunjukkan bahwa model yang dibangun mampu menghasilkan akurasi tertinggi pada fold ke-4 sebesar 90% dengan akurasi rata-rata 87,5%. Dengan demikian pada penelitian ini menunjukan bahwa metode Convloution Neural Network (CNN) efektif digunakan dalam klasifikasi citra

THREAT INTELLIGENCE DASHBOARD WEBSITE UNTUK ANALISIS WEBSITE OPD PEMERINTAH PROVINSI SULAWESI UTARA

Sydney Tesalonika — 2026-07-31

Magang di Dinas Komunikasi, Informatika, Persandian dan Statistik Daerah Provinsi Sulawesi Utara (DKIPSD) mengungkap permasalahan dalam pemantauan keamanan siber pada website Organisasi Perangkat Daerah (OPD). Proses pengecekan ancaman seperti malware, phishing, dan virus yang dilakukan secara manual terbukti tidak efisien dan memperlambat respons terhadap potensi serangan. Penelitian ini bertujuan untuk merancang dan mengimplementasikan sebuah Threat Intelligence Dashboard berbasis web sebagai solusi pemantauan terpusat. Metode yang digunakan meliputi integrasi beberapa API threat intelligence seperti VirusTotal, PhishTank, URLhaus, dan Google Safe Browsing untuk analisis IP, domain, dan URL, serta pengembangan sistem menggunakan Node.js, React.js, dan MongoDB. Hasil penelitian menunjukkan bahwa dashboard yang dibangun mampu menyederhanakan proses analisis ancaman, menampilkan tingkat risiko secara terintegrasi, serta meningkatkan efisiensi dalam proses monitoring keamanan website OPD. Sistem ini membantu pegawai DKIPSD untuk melakukan identifikasi dan mitigasi ancaman siber secara lebih cepat dan akurat

PREDIKSI PENJUALAN PRODUK TERLARIS PADA CV. GORONTALO COMPUTER MENGGUNAKAN ALGORITMA REGRESI LINEAR

Muhammad Faldy Syahfa'ad — 2026-07-31

Prediksi penjualan merupakan aspek penting dalam mendukung pengambilan keputusan bisnis, khususnya dalam pengelolaan stok produk terlaris. CV. Gorontalo Computer masih menghadapi kendala dalam menentukan produk yang berpotensi laris karena proses analisis penjualan dilakukan secara manual dan belum berbasis data. Oleh karena itu, penelitian ini bertujuan untuk mengimplementasikan algoritma regresi linear sederhana dalam memprediksi penjualan produk berdasarkan data historis perusahaan. Metode yang digunakan adalah pendekatan data mining terhadap data penjualan periode Januari 2022 hingga Mei 2025, dengan tahapan preprocessing, pemodelan, dan evaluasi. Proses analisis dilakukan menggunakan tiga tools, yaitu Microsoft Excel, RapidMiner, dan SPSS, untuk membandingkan konsistensi hasil dan kinerja model. Hasil penelitian menunjukkan bahwa variabel periode waktu tidak berpengaruh signifikan terhadap jumlah penjualan pada seluruh kategori produk, dengan nilai signifikansi lebih besar dari 0,05 dan nilai R-Square yang rendah. Evaluasi menggunakan Root Mean Square Error (RMSE) menunjukkan bahwa kategori laptop memiliki tingkat kesalahan terendah, sedangkan kategori aksesoris memiliki kesalahan tertinggi. Berdasarkan hasil tersebut, dapat disimpulkan bahwa algoritma regresi linear sederhana kurang optimal digunakan untuk prediksi penjualan pada CV. Gorontalo Computer

SMART WATER DISPENSER OTOMATIS DENGAN MONITORING KONTAMINASI AIR DALAM GALON SECARA REAL-TIME VIA MOBILE

Cater Shumaker — 2026-07-31

Perkembangan teknologi Internet of Things (IoT) telah mendorong inovasi pada perangkat rumah tangga, termasuk dispenser air minum, agar menjadi lebih efisien, higienis, dan terintegrasi secara digital. Dispenser dengan sistem konvensional masih menghadapi sejumlah kelemahan, antara lain proses operasional yang manual, tingkat efisiensi yang kurang optimal, kurangnya inovasi teknologi, serta lemahnya sistem pengawasan terhadap kualitas dan sanitasi air galon yang digunakan. Penelitian ini bertujuan untuk merancang smart water dispenser otomatis berbasis ESP32 yang mampu mendeteksi kualitas air galon dan mengontrol pengisian air secara otomatis. Metode yang digunakan adalah prototype-based iterative development melalui tahap perancangan, implementasi, pengujian, dan evaluasi sistem. Sistem memanfaatkan sensor ultrasonik untuk mendeteksi keberadaan gelas dan sensor TDS untuk mengukur tingkat kontaminasi air dalam satuan ppm, serta terintegrasi dengan aplikasi mobile untuk monitoring real-time. Hasil penelitian menunjukkan bahwa sistem mampu menampilkan nilai kualitas air secara akurat pada LCD dan aplikasi mobile, serta secara otomatis menghentikan aliran air dan memberikan peringatan ketika kualitas air tidak memenuhi standar konsumsi. Sistem ini berhasil meningkatkan efisiensi, higienitas, dan keamanan dalam penggunaan dispenser air minum

ANALISIS SENTIMEN ULASAN PELANGGAN BERBASIS DEEP LEARNING UNTUK MENDUKUNG CRM ANALYTICS DALAM MENCEGAH CHURN PELANGGAN PADA E-COMMERCE

Dzidan Aditya Gumilang — 2026-07-31

Tingkat customer churn yang tinggi merupakan tantangan utama bagi perusahaan e-commerce. Selama ini, sebagian besar model prediksi churn hanya bergantung pada data transaksi dan jarang melibatkan opini tekstual pelanggan. Penelitian ini bertujuan memprediksi probabilitas churn dengan menggabungkan analisis sentimen ulasan dengan variabel perilaku Customer Relationship Management (CRM) berupa RFM (Recency, Frequency, Monetary) dan data logistik. Algoritma Long Short-Term Memory (LSTM) digunakan untuk mengklasifikasikan sentimen dari 8.196 data ulasan. Hasil ekstraksi sentimen ini kemudian diintegrasikan dengan data transaksi historis untuk melatih algoritma Random Forest dalam memprediksi churn. Hasil pengujian menunjukkan model LSTM mencapai akurasi 88,44% dalam klasifikasi teks sentimen. Pada tahap klasifikasi churn, model Random Forest menghasilkan nilai Recall 84%, yang membuktikan keandalannya dalam mendeteksi pelanggan berisiko. Selanjutnya, analisis Feature Importance menemukan bahwa total nilai belanja (Monetary), tingginya rasio ongkos kirim, dan keterlambatan paket merupakan faktor paling dominan yang memicu churn, sedangkan frekuensi belanja tidak memberikan pengaruh yang signifikan

SISTEM INFORMASI PELAPORAN HASIL INSPEKSI BERBASIS WEB DI RTECH INDONESIA

Kurniawan Adi Saputra — 2026-07-31

Perkembangan teknologi informasi mendorong transformasi pengelolaan data dari sistem konvensional ke digital, termasuk pada pelaporan hasil inspeksi kendaraan. Di Rtech Indonesia, proses pelaporan masih menggunakan formulir kertas dan pemindaian dokumen, sehingga menimbulkan berbagai kendala seperti kesalahan pencatatan, keterlambatan distribusi laporan, dan kesulitan dalam pengarsipan. Penelitian ini bertujuan merancang dan membangun Sistem Informasi Pelaporan Hasil Inspeksi Kendaraan berbasis web untuk mengintegrasikan proses inspeksi secara digital agar lebih efisien. Metode yang digunakan adalah Research and Development (R&D) dengan model Waterfall yang mencakup analisis kebutuhan, perancangan, implementasi, pengujian, dan evaluasi. Sistem dikembangkan menggunakan PHP, Tailwind CSS, dan MySQL. Hasil penelitian menunjukkan bahwa sistem mampu memfasilitasi input data secara terpusat, menyimpan data inspeksi secara terstruktur, serta menghasilkan laporan otomatis dalam format PDF yang dapat diakses secara real-time oleh pelanggan. Implementasi sistem ini terbukti meningkatkan efisiensi, kecepatan, dan akurasi pelaporan, serta mengurangi kesalahan akibat faktor manusia

PENERAPAN TEKNIK STACKING ENSEMBLE LEARNING UNTUK IDENTIFIKASI INFEKSI SALURAN KEMIH

Daffa Pratama — 2026-07-31

Infeksi Saluran Kemih (ISK) adalah infeksi pada sistem urinaria yang umum terjadi, dengan prevalensi global mencapai 404,6 juta kasus pada tahun 2019 dan berpotensi menimbulkan komplikasi serius seperti gagal ginjal dan sepsis. Diagnosis konvensional melalui kultur urin memerlukan waktu inkubasi 24–48 jam, bersifat tidak spesifik, dan berpotensi menunda terapi serta memperparah resistensi antibiotik. Penelitian ini bertujuan menerapkan dan mengevaluasi teknik Stacking Ensemble Learning untuk identifikasi ISK berdasarkan data urinalisis, serta membandingkan performanya dengan model tunggal. Model dibangun dengan menggabungkan Naïve Bayes, Random Forest, dan XGBoost sebagai base learner serta Logistic Regression sebagai meta learner melalui pendekatan Out-of-Fold (OOF) dengan Stratified 5-Fold Cross-Validation. Dataset Urinalysis Test Results yang terdiri dari 1.436 sampel dari Kaggle diproses melalui encoding, normalisasi, SMOTE, dan hyperparameter tuning menggunakan Optuna. Model stacking mencapai akurasi 96,49%, presisi 71,43%, recall 62,50%, F1-Score 66,67%, dan ROC-AUC 89,52%, mengungguli seluruh model tunggal dalam keseimbangan presisi dan recall serta konsistensi performa pada berbagai skenario pembagian data

SISTEM INFORMASI SARANA DAN PRASARANA BERBASIS WEB

Irfan Indra Lukmanto — 2026-07-31

Pelayanan donor darah merupakan aspek penting dalam kegiatan PMI yang memerlukan pengelolaan sarana dan prasarana secara efektif untuk memastikan kelancaran operasional dan memenuhi kebutuhan masyarakat. Saat ini, pengelolaan data inventaris di Unit Donor Darah PMI Kabupaten Tegal masih dilakukan secara manual, yang rentan terhadap kesalahan dan membutuhkan waktu yang lama. Penelitian ini bertujuan untuk merancang sistem informasi berbasis web yang dapat mengotomatisasi pencatatan dan pelaporan sarana dan prasarana, serta meningkatkan efisiensi dan akurasi pengelolaan data. Dengan menggunakan metode pengembangan waterfall dan UML, sistem yang dihasilkan mampu menyediakan fitur seperti pengelolaan data inventaris, peminjaman, pembuatan laporan, dan kontrol akses yang aman. Penerapan sistem ini diharapkan dapat mendukung pelayanan donor darah yang lebih cepat, tepat, dan terpercaya

PENGEMBANGAN SISTEM INFORMASI E-COMMERCE BERBASIS MOBILE DENGAN METODE AGILE

Ozmar Azhari — 2026-07-31

Perkembangan teknologi digital mendorong transformasi perdagangan ke arah sistem e-commerce berbasis mobile yang menuntut kemudahan, kecepatan, dan kenyamanan bagi pengguna. Permasalahan dalam pengembangan sistem e-commerce mobile meliputi perubahan kebutuhan pengguna yang dinamis, kesulitan dalam menentukan prioritas fitur, serta keterbatasan pendekatan konvensional yang kurang adaptif terhadap perubahan. Penelitian ini bertujuan mengembangkan sistem informasi e-commerce berbasis mobile pada model Business-to-Consumer (B2C) menggunakan metode Agile serta mengevaluasi tingkat usability sistem. Metode yang digunakan adalah Agile dengan pendekatan iteratif melalui empat sprint, meliputi identifikasi kebutuhan, penyusunan product backlog, perencanaan dan implementasi sprint, serta pengujian dan evaluasi sistem. Evaluasi dilakukan terhadap 30 responden menggunakan indikator tingkat kepuasan pengguna, task completion rate, dan System Usability Scale (SUS). Hasil penelitian menunjukkan bahwa sistem berhasil dikembangkan secara bertahap dan terstruktur dengan seluruh fitur utama yang berfungsi dengan baik. Nilai kepuasan pengguna sebesar 71,25%, task completion rate 82,50%, dan skor SUS 76 menunjukkan kategori baik. Dengan demikian, metode Agile efektif dalam mendukung pengembangan sistem yang adaptif dan menghasilkan sistem yang layak digunakan sebagai solusi awal e-commerce berbasis mobile

ANALISIS TREN JANGKA PANJANG SUHU PERMUKAAN BUMI TERHADAP RISIKO DEGRADASI LAHAN SUMATERA SELATAN

Marvell Nicolas Owen — 2026-07-31

Sumatera Selatan mengalami tekanan ekologis yang signifikan akibat perubahan tutupan lahan dan aktivitas antropogenik yang menyebabkan peningkatan suhu permukaan bumi (Land Surface Temperature/LST) serta memperburuk degradasi ekosistem. Permasalahan utama yang dihadapi adalah meningkatnya LST secara spasial-temporal yang berkorelasi erat dengan penurunan kerapatan vegetasi, namun belum dikaji secara komprehensif di wilayah ini. Penelitian ini bertujuan mengidentifikasi pola perubahan LST dan hubungannya dengan kondisi vegetasi berbasis indeks NDVI (Normalized Difference Vegetation Index) secara spasial-temporal di Sumatera Selatan. Metode yang digunakan adalah analisis kuantitatif berbasis citra satelit Landsat 8 OLI/TIRS periode 2014–2024 menggunakan platform Google Earth Engine (GEE), mencakup ekstraksi nilai LST dan NDVI per kelas tutupan lahan serta analisis korelasi antara kedua variabel tersebut. Hasil penelitian menunjukkan bahwa kelas permukiman memiliki LST tertinggi dengan puncak 40,96°C pada tahun 2019, sedangkan kelas hutan mempertahankan LST terendah berkisar 30,56–33,60°C. Terdapat korelasi negatif yang signifikan antara NDVI dan LST, di mana penurunan kerapatan vegetasi berbanding lurus dengan peningkatan suhu permukaan. Temuan ini menegaskan pentingnya pemantauan LST dan NDVI secara berkelanjutan sebagai instrumen deteksi dini degradasi lahan dan mitigasi dampak perubahan iklim

PEMODELAN HARGA PENUTUPAN SAHAM PT ADARO ENERGY INDONESIA TBK (ADRO) DENGAN PENDEKATAN ARIMA

Firman Raditya Nugraha — 2026-07-31

Pergerakan harga saham yang fluktuatif membuat investor memerlukan pendekatan analitis untuk membaca pola harga secara lebih objektif. Permasalahan dalam penelitian ini adalah belum diketahuinya model yang paling sesuai untuk memodelkan dan meramalkan harga penutupan saham PT Adaro Energy Indonesia Tbk (ADRO) selama periode 2019–2025. Penelitian ini bertujuan menentukan model ARIMA terbaik, menghasilkan peramalan harga saham, serta menilai tingkat akurasi model. Metode yang digunakan adalah Autoregressive Integrated Moving Average (ARIMA) dengan tahapan pengumpulan dan pembersihan data, visualisasi, uji stasioneritas menggunakan Augmented Dickey-Fuller, differencing, identifikasi model melalui ACF dan PACF, estimasi model, uji residual, serta evaluasi menggunakan MAE, RMSE, dan MAPE. Hasil penelitian menunjukkan bahwa data awal belum stasioner dengan p-value ADF sebesar 0,3972, tetapi menjadi stasioner setelah differencing orde pertama dengan p-value 0,0000. Model terbaik adalah ARIMA(2,1,2) dengan AIC 16147,66 dan BIC 16174,01. Residual memenuhi asumsi white noise, sedangkan nilai MAE 490,87, RMSE 530,67, dan MAPE 26,85% menunjukkan bahwa model cukup layak untuk peramalan jangka pendek harga saham ADRO

ANALISIS SENTIMEN PENGGUNA TERHADAP APLIKASI MYPERTAMINA MENGGUNAKAN METODE SVM

Novita Ramadhini — 2026-07-31

Implementasi distribusi BBM Solar bersubsidi melalui aplikasi MyPertamina masih menghadapi berbagai tantangan, seperti rendahnya literasi digital masyarakat serta ketidaksesuaian antara regulasi dan praktik di lapangan. Permasalahan ini tercermin dalam ulasan pengguna yang menunjukkan adanya kesenjangan antara tujuan kebijakan dan pengalaman nyata. Penelitian ini bertujuan untuk menganalisis sentimen pengguna terhadap aplikasi MyPertamina dalam konteks distribusi BBM Solar bersubsidi. Metode yang digunakan adalah klasifikasi sentimen berbasis machine learning dengan algoritma Support Vector Machine (SVM). Data penelitian berupa 1.103 ulasan pengguna yang diperoleh melalui teknik scraping dari Google Play Store. Data kemudian diproses melalui tahapan preprocessing yang meliputi cleansing, case folding, tokenization, stopword removal, normalization, dan stemming, serta direpresentasikan menggunakan metode TF-IDF. Hasil penelitian menunjukkan bahwa model SVM menghasilkan akurasi sebesar 83,71%. Model memiliki kinerja sangat baik dalam mengklasifikasikan sentimen negatif dengan nilai precision, recall, dan F1-score sebesar 0,91, namun kurang optimal dalam mengklasifikasikan sentimen positif dengan nilai sebesar 0,40. Temuan ini mengindikasikan dominasi sentimen negatif serta adanya ketidakseimbangan data yang memengaruhi performa model.

ANALISIS PEMANFAATAN APLIKASI SIKS-NG BERDASARKAN TECHNOLOGY ACCEPTANCE MODEL (TAM) DI KABUPATEN INDRAGIRI HILIR

Agus Salim B — 2026-07-31

Penerapan teknologi informasi dalam pelayanan publik melalui aplikasi Sistem Informasi Kesejahteraan Sosial Next Generation (SIKS-NG) bertujuan untuk meningkatkan efektivitas, akurasi, dan transparansi pengelolaan data kesejahteraan sosial di tingkat daerah. Sistem ini diharapkan mampu mendukung proses pengambilan keputusan yang lebih tepat dalam penyaluran bantuan sosial. Namun, dalam implementasinya masih terdapat berbagai permasalahan, khususnya terkait tingkat penerimaan dan pemanfaatan aplikasi oleh operator, seperti keterbatasan kemudahan penggunaan, kurangnya pelatihan, serta kondisi infrastruktur yang belum optimal. Oleh karena itu, penelitian ini bertujuan untuk menganalisis pengaruh Perceived Ease of Use (PEOU) dan Perceived Usefulness (PU) terhadap pemanfaatan aplikasi SIKS-NG di Kabupaten Indragiri Hilir dengan menggunakan pendekatan Technology Acceptance Model (TAM). Metode yang digunakan adalah pendekatan kuantitatif melalui survei dengan penyebaran kuesioner kepada 22 responden, kemudian dianalisis menggunakan regresi linier berganda berbasis Python. Hasil penelitian menunjukkan bahwa secara parsial variabel Perceived Usefulness berpengaruh positif dan signifikan terhadap pemanfaatan aplikasi, sedangkan Perceived Ease of Use tidak berpengaruh signifikan. Secara simultan, kedua variabel berpengaruh signifikan dengan koefisien determinasi sebesar 0,790, yang menunjukkan bahwa model mampu menjelaskan 79% variasi pemanfaatan aplikasi SIKS-NG. Temuan ini menegaskan bahwa aspek kegunaan menjadi faktor dominan dalam mendorong pemanfaatan aplikasi oleh operator

SISTEM INFORMASI PENJAMINAN MUTU INTERNAL PADA PRODI D3 MANAJEMEN INFORMATIKA UNIVERSITAS TEKNOLOGI DIGITAL PSDKU TEGAL

Karina Putri Nadia — 2026-07-31

Mutu pendidikan tinggi merupakan isu strategis yang mendorong pemerintah mewajibkan setiap perguruan tinggi menjalankan Sistem Penjaminan Mutu Internal (SPMI) sesuai Permendikbudristek Nomor 53 Tahun 2023, mencakup siklus Perencanaan, Pelaksanaan, Evaluasi, Pengendalian, dan Peningkatan (PPEPP). Pengelolaan SPMI pada Program Studi D3 Manajemen Informatika Universitas Teknologi Digital PSDKU Tegal masih dilakukan secara konvensional, hanya mengandalkan Google Drive dan Microsoft Office, sehingga menimbulkan ketidakterpaduan sistem, sulitnya pelacakan dokumen, duplikasi data, serta lambatnya proses persiapan akreditasi. Penelitian ini bertujuan merancang dan mengimplementasikan Sistem Informasi SPMI berbasis website guna mendukung pengelolaan mutu yang lebih sistematis dan terintegrasi. Sistem dikembangkan menggunakan framework CodeIgniter dengan metode Waterfall, melibatkan tiga aktor pengguna yaitu Admin (BPM), Auditor, dan Auditee. Hasil penelitian berupa sistem yang dilengkapi fitur pengelolaan dokumen mutu, pelaksanaan Audit Mutu Internal (AMI), penugasan auditor, verifikasi temuan, dan pembuatan laporan Rencana Tindak Lanjut (RTL). Sistem ini diharapkan mampu meningkatkan efisiensi SPMI, mengurangi ketergantungan dokumen fisik, serta memperkuat kesiapan akreditasi Program Studi D3 Manajemen Informatika

RANCANG BANGUN SISTEM INFORMASI LAYANAN LES PRIVAT SAHABAT TUTOR BERBASIS WEB DI STARLA EDUCATION

Nur Syaifuddin — 2026-07-31

Layanan les privat menjadi solusi pembelajaran yang fleksibel untuk meningkatkan pemahaman siswa. Namun, proses pencarian tutor yang masih dilakukan secara manual menyebabkan layanan menjadi kurang efektif dan tidak terstruktur. Permasalahan yang muncul meliputi ketidaksesuaian antara kebutuhan siswa dengan kompetensi tutor serta kesulitan lembaga dalam mengelola data secara terintegrasi. Penelitian ini bertujuan untuk merancang dan membangun sistem informasi layanan les privat berbasis web “Sahabat Tutor” pada Starla Education guna mempermudah proses pencarian, pemesanan, dan pengelolaan layanan. Metode yang digunakan meliputi perancangan sistem menggunakan Conceptual Data Model (CDM) dan Physical Data Model (PDM), serta implementasi menggunakan framework Laravel dengan arsitektur MVC. Hasil penelitian menunjukkan bahwa sistem mampu menyediakan fitur pencarian tutor, booking, verifikasi admin, pembayaran, dan pengelolaan jadwal secara terintegrasi. Pengujian Black Box menunjukkan seluruh fitur berjalan sesuai fungsi dengan status valid. Sistem ini dapat meningkatkan efisiensi layanan les privat serta mempermudah pengelolaan data bagi siswa, tutor, dan admin

ANALISIS KEMUNGKINAN PENYALAHGUNAAN KONTEN GROK AI DI PLATFORM X MENGGUNAKAN METODE SUPPORT VECTOR MACHINE (SVM)

Salsa Yurinka — 2026-07-31

Perkembangan kecerdasan buatan membuka peluang penyalahgunaan pada berbagai platform AI, termasuk Grok AI yang beroperasi di platform X. Tingginya volume tweet yang tidak terstruktur menyulitkan identifikasi penyalahgunaan secara manual dalam skala besar, sehingga diperlukan pendekatan otomatis yang efisien. Penelitian ini bertujuan mengklasifikasikan tweet terkait Grok AI ke dalam dua kategori, yaitu penyalahgunaan dan bukan penyalahgunaan, sebagai upaya deteksi konten yang tidak sesuai kebijakan platform. Sebanyak 2.000 tweet dikumpulkan melalui crawling dengan kata kunci "@grok", kemudian diproses melalui tahap preprocessing dan pembobotan TF-IDF, lalu diklasifikasikan menggunakan algoritma Support Vector Machine (SVM). Model SVM menghasilkan akurasi sebesar 85% dengan weighted average F1-score 0,85, menunjukkan bahwa pendekatan ini efektif sebagai metode deteksi otomatis penyalahgunaan konten Grok AI di platform X

KLASIFIKASI PENYAKIT DAUN PADA TANAMAN CABAI MENGGUNAKAN MODEL HYBRID CNN-VISION TRANSFORMER

Irvan Fernanda — 2026-07-31

Penyakit tanaman cabai merupakan ancaman serius yang dapat menurunkan hasil panen hingga 40%. Permasalahan utama dalam budidaya cabai adalah rendahnya akurasi identifikasi manual akibat kemiripan gejala visual antar penyakit. Penelitian ini bertujuan untuk meningkatkan akurasi klasifikasi penyakit daun cabai melalui penerapan model hybrid CNN–Vision Transformer (ViT). Metode yang digunakan adalah model hybrid CNN–Vision Transformer yang mengombinasikan kemampuan CNN dalam mengekstraksi fitur lokal dengan mekanisme self-attention pada ViT untuk menangkap konteks global. Eksperimen dilakukan menggunakan dataset sebanyak 1.840 citra yang mencakup kategori sehat, kuning, keriting, dan bercak melalui tahap praproses dan augmentasi data. Hasil penelitian menunjukkan bahwa model Hybrid CNN–ViT mencapai akurasi sebesar 93%, lebih tinggi dibandingkan model CNN murni yang hanya mencapai 86%. Analisis Grad-CAM menunjukkan bahwa model hybrid mampu melakukan lokalisasi lesi secara lebih akurat. Dengan demikian, pendekatan hybrid terbukti efektif dalam meningkatkan keandalan diagnosis otomatis penyakit tanaman cabai

PERANCANGAN MOTION GRAPHIC LITERASI DIGITAL DALAM PENCEGAHAN CYBERBULLYING PADA SISWA SEKOLAH DASAR

Yanzil Alfia Mabruroh — 2026-07-31

Perkembangan teknologi digital yang pesat meningkatkan risiko perilaku negative seperti cyberbullying pada siswa sekolah dasar akibat keterbatasan literasi digital. Kondisi ini dapat mengganggu perkembangan emosional serta motivasi belajar siswa di lingkungan sekolah. Penelitian ini bertujuan mengembangkan media edukasi inovatif berbasis motion graphic sebagai sarana penguatan lietrasi digital dan Tindakan preventif terhadap perundungan di dunia maya. Kebaruan penelitian ini terletak pada integrasi materi etika bermedia sosial yang dikemas secara visual menggunakan model pengembangan 4D (Define, Design, Develop, Disseminate). Metode penelitian menggunkan Research and Development (R&D) dengan teknik pengumpulan data melalui kuesioner skala likert 1-5. Kelayakan media diuji melalui valiadasi ahli materi, ahli media, serta uji coba pengguna secara langsung. Hasil penelitian menunjukkan bahwa media motion graphic sangat layak untuk diimplementasikan. Validasi dari ahli media memperoleh persentase sebesar 80% dalam kategori setuju, sementara ahli materi mencapai 93% dengan kategori sangat setuju. Uji coba produk kepada 30 siswa kelas IV-VI menghasilkan skor respon positif sebesar 83% dalam kategori sangat setuju. Media ini terbukti efektif menarik minat visual melalui ilustrasi dinamis serta mempermudah pemahaman mengenai pencegahan perundungan digital, Kesimpulannya media motion graphic merupakan instrument pembelajaran interaktif yang efektif dalam meningkatkan kecakapan digital siswa di sekolah dasar

KLASIFIKASI TINGKAT DIGITALISASI USAHA MIKRO, KECIL, DAN MENENGAH SEKTOR KULINER MENGGUNAKAN ALGORITMA C4.5 DI KECAMATAN SRAGEN KOTA

Nandita Sekar Sukma Dewi — 2026-07-31

Usaha Mikro, Kecil, dan Menengah memiliki peran penting dalam perekonomian, namun tingkat digitalisasi usaha masih bervariasi. Permasalahan dalam penelitian ini adalah bagaimana mengklasifikasikan tingkat digitalisasi usaha berdasarkan karakteristik yang dimiliki. Penelitian ini bertujuan untuk mengklasifikasikan tingkat digitalisasi Usaha Mikro, Kecil, dan Menengah serta mengidentifikasi faktor-faktor yang memengaruhinya. Metode yang digunakan adalah algoritma C4.5 dengan pendekatan klasifikasi berbasis pohon keputusan. Dataset terdiri dari 897 data usaha dengan atribut jenis usaha, modal usaha, omzet usaha, jumlah tenaga kerja, dan lama usaha. Tahapan penelitian meliputi pra-pemrosesan data, pembagian data, pelatihan model, dan evaluasi menggunakan akurasi, precision, recall, dan F1-score. Hasil penelitian menunjukkan bahwa model memperoleh akurasi sebesar 66,45%. Atribut kategori karyawan menjadi faktor paling dominan dalam menentukan tingkat digitalisasi usaha

PEMBUATAN SISTEM E-COMMERCE GM MART BERBASIS WEB Dan MOBILE MENGGUNAKAN PHP DAN FLUTTER

Muhammad Rizqi Humam Rizqullah — 2026-07-31

Perkembangan Digitalisasi mendorong pelaku usaha untuk beralih ke sistem penjualan berbasis Website. Penelitian ini bertujuan merancang dan mengembangkan sistem E-Commerce pada GM Mart, yang bergerak di bidang penjualan kebutuhan sehari-hari, guna mengatasi keterbatasan penjualan konvensional yang kurang efisien dan membatasi jangkauan pasar. Permasalahan utama meliputi belum tersedianya media penjualan digital serta kurang optimalnya pengelolaan transaksi dan laporan. Metode pengembangan yang digunakan meliputi analisis kebutuhan, perancangan sistem, implementasi, pengujian, dan pemeliharaan. Sistem dibangun menggunakan bahasa pemrograman PHP dengan basis data MySQL, serta didukung teknologi web seperti HTML dan CSS. Hasil penelitian berupa Website E-Commerce yang menyediakan fitur login pengguna, katalog produk, serta sistem transaksi sederhana yang memungkinkan pengelolaan data secara terpusat. Sistem ini diharapkan dapat mempermudah proses jual beli secara daring, meningkatkan efisiensi operasional, serta memperluas jangkauan pasar GM Mart. Keterbatasan sistem terletak pada fitur pembayaran yang masih bersifat simulatif dan belum terintegrasi dengan layanan perbankan digital

IMPLEMENTASI HYBRID MACHINE LEARNING IDPS MENGGUNAKAN ALGORITMA RANDOM FOREST UNTUK DETEKSI SERANGAN PORT SCANNING

Zehra Alfarizi — 2026-07-31

Keamanan jaringan komputer terus menghadapi berbagai ancaman, salah satunya aktivitas port scanning yang sering digunakan sebagai tahap awal sebelum serangan lanjutan. Permasalahan yang terjadi pada sistem keamanan konvensional adalah keterbatasan dalam mendeteksi serangan secara akurat serta lambatnya proses mitigasi terhadap serangan yang berlangsung secara real-time. Penelitian ini bertujuan untuk mengembangkan sistem Hybrid Intrusion Detection and Prevention System (IDPS) yang mampu mendeteksi sekaligus melakukan tindakan pencegahan secara otomatis. Metode yang digunakan meliputi proses preprocessing dataset CIC-IDS2017, pembangunan model Random Forest sebagai metode klasifikasi, serta integrasi rule-based logic untuk validasi dan pemblokiran IP. Hasil pengujian menunjukkan bahwa sistem mampu mencapai akurasi sebesar 99,60% dengan nilai precision dan recall sebesar 0,98 pada kelas malicious, serta mampu merespons serangan dengan cepat melalui mekanisme pemblokiran otomatis

IMPLEMENTASI SISTEM PREDIKSI HARGA BERAS BERBASIS WEB DENGAN ALGORITMA K-NEAREST NEIGHBOR

Febi Febiola Yo — 2026-07-31

Harga pangan seiring berjalannya waktu seringkali mengalami ketidakstabilan terutama harga beras. Beras merupakan makanan pokok masyarakat Indonesia, sehingga berpengaruh besar bagi masyarakat dan petani. CV Srikandi Putra Pangan merupakan salah satu perusahaan yang berfokus pada pengolahan dan distribusi beras. Salah satu masalah utama yang dihadapi oleh perusahaan adalah ketidakpastian harga beras, sehingga berpengaruh dalam merencanakan strategi penjualan dan menentukan pengadaan bahan baku secara efisien. Tujuan penelitian adalah mengembangkan sistem prediksi harga beras berbasis web. Sistem dikembangkan menggunakan algoritma K-Nearest Neighbor (KNN) dengan metode Waterfall dan bahasa pemrograman Python, Django, serta MySQL sebagai database. Pengujian dilakukan dengan metode Black Box dan White Box, sedangkan evaluasi hasil prediksi menggunakan RMSE. Sistem ini digunakan untuk mengelola data supplier, data historis harga beras, serta melakukan prediksi harga berdasarkan rentang tanggal, stok, dan kuantitas. Proses prediksi dilakukan dengan menghitung jarak antara data historis dan data target menggunakan Euclidean Distance, kemudian menentukan hasil prediksi dari data tetangga terdekat. Hasil penelitian menunjukkan bahwa sistem mampu melakukan prediksi harga beras secara otomatis, menampilkan detail perhitungan, serta menyimpan hasil prediksi. Dengan demikian, sistem ini dapat membantu proses prediksi harga beras menjadi lebih cepat, terstruktur, dan mendukung pengambilan keputusan

RANCANG BANGUN SISTEM INFORMASI SURAT MENYURAT BERBASIS WEB PADA DESA TUNDAGAN KABUPATEN PEMALANG

Arif Khambali — 2026-07-31

Latar belakang penelitian ini adalah kebutuhan pemerintah desa untuk menyediakan layanan administrasi surat yang cepat, mudah diakses, dan terdokumentasi. Permasalahan di Desa Tundagan adalah proses surat menyurat masih manual, warga harus datang ke kantor desa, status pengajuan sulit dipantau, dan arsip fisik berisiko hilang atau terlambat dicari. Penelitian ini bertujuan merancang dan membangun sistem informasi surat menyurat berbasis web untuk mendukung pengajuan, verifikasi, persetujuan, pencetakan, dan pengarsipan digital. Metode penelitian menggunakan pendekatan deskriptif kualitatif melalui observasi, wawancara, dan dokumentasi, sedangkan pengembangan sistem mengikuti model Waterfall dengan implementasi Laravel dan MySQL. Hasil penelitian menunjukkan sistem mampu memfasilitasi pengajuan surat daring, pelacakan status real-time, pembagian hak akses bagi warga, staf desa, kepala desa, dan admin, serta pengelolaan template dan jadwal pelayanan. Pengujian blackbox menunjukkan seluruh fungsi utama berjalan sesuai kebutuhan, dan User Acceptance Test memperoleh rata-rata 80%. Dengan demikian, sistem dinilai layak digunakan untuk meningkatkan efisiensi dan transparansi pelayanan administrasi di Desa Tundagan

ENTERPRISE ARCHITECTURE PLANNING UNTUK MENDUKUNG DIGITALISASI DI SMA NEGERI 1 SEMAU SELATAN MENGGUNAKAN METODE TOGAF ADM

Enjel Hun — 2026-07-31

Perkembangan teknologi informasi mendorong digitalisasi dalam dunia pendidikan guna meningkatkan efisiensi dan kualitas layanan. Namun, pengelolaan data dan administrasi di SMA Negeri 1 Semau Selatan masih dilakukan secara manual dan belum terintegrasi, sehingga menyebabkan duplikasi data, keterlambatan informasi, dan rendahnya efisiensi pengelolaan data. Penelitian ini bertujuan untuk merancang Enterprise Architecture sebagai pedoman strategis pengembangan sistem informasi yang terintegrasi menggunakan metode TOGAF ADM. Metode yang digunakan meliputi observasi, wawancara, dan studi pustaka dengan tahapan perancangan yang mencakup Architecture Vision, Business Architecture, Information Systems Architecture, dan Technology Architecture. Hasil penelitian menunjukkan bahwa diperlukan sistem informasi terintegrasi yang mendukung proses bisnis sekolah. Penelitian ini menghasilkan blueprint arsitektur enterprise yang mencakup arsitektur bisnis, data, aplikasi, dan teknologi, serta rencana implementasi sistem informasi berupa sistem PPDB online, sistem informasi akademik, sistem pengolahan nilai, dan sistem administrasi sekolah untuk meningkatkan efisiensi, efektivitas, dan kualitas layanan pendidikan di SMA Negeri 1 Semau Selatan

IMPLEMENTASI METODE DECISION TREE ALGORITMA C4.5 DALAM MENGKLASIFIKASIKAN TINGKAT KEPUASAN PENGGUNA APLIKASI GRAB

Jumita Aprilia Bahan — 2026-07-31

Perkembangan teknologi digital telah memberikan kemudahan dalam berbagai aktivitas, termasuk penggunaan layanan transportasi online seperti Grab. Aplikasi ini banyak dimanfaatkan oleh mahasiswa Universitas Dhyana Pura untuk mendukung mobilitas sehari-hari. Namun, tingkat kepuasan pengguna terhadap layanan tersebut belum diketahui secara pasti dan belum dianalisis secara terstruktur. Penelitian ini bertujuan untuk mengetahui tingkat kepuasan pengguna serta menerapkan algoritma Decision Tree C4.5 dalam mengklasifikasikan kepuasan pengguna. Metode yang digunakan adalah data mining dengan tahapan data selection, preprocessing, transformation, data mining, dan evaluation menggunakan aplikasi RapidMiner. Data penelitian diperoleh dari kuesioner sebanyak 97 responden, kemudian dibagi menjadi data training dan testing dengan perbandingan 80:20 dan 70:30. Hasil penelitian menunjukkan bahwa sebagian besar pengguna berada pada kategori puas dengan persentase sebesar 76,29%. Pengujian model menunjukkan bahwa pembagian data 80:20 menghasilkan nilai accuracy sebesar 80,00%, precision 82,35%, dan recall 93,33%, sedangkan pada pembagian 70:30 diperoleh accuracy 79,31%, precision 80,77%, dan recall 95,45%.

PENERAPAN ALGORITMA DECISION TREE C4.5 DALAM KNOWLEDGE DISCOVERY PADA DATA KEBAKARAN UNTUK OPTIMALISASI RESPON DINAS PEMADAM KEBAKARAN KOTA BANDAR LAMPUNG

Heri Setiawan — 2026-07-31

Penelitian ini dilatarbelakangi oleh tingginya kejadian kebakaran di wilayah perkotaan yang berdampak pada aspek ekonomi, sosial, dan lingkungan, khususnya di Kota Bandar Lampung. Meskipun data kebakaran telah tersedia, pemanfaatannya masih terbatas pada analisis deskriptif sehingga belum mampu mendukung pengambilan keputusan secara optimal. Permasalahan dalam penelitian ini adalah belum adanya pemanfaatan data historis untuk mengidentifikasi pola dan tingkat risiko kebakaran secara sistematis. Penelitian ini bertujuan untuk mengklasifikasikan tingkat risiko kebakaran serta mengidentifikasi faktor dominan yang mempengaruhinya guna mendukung optimalisasi respon Dinas Pemadam Kebakaran. Metode yang digunakan adalah Knowledge Discovery in Database (KDD) dengan algoritma Decision Tree C4.5. Dataset yang digunakan terdiri dari 396 data kejadian kebakaran periode 2024–2025 dengan atribut bulan, penyebab kebakaran, objek terbakar, luas area, dan estimasi kerugian. Tahapan penelitian meliputi data selection, preprocessing, transformation, data mining, evaluation, dan knowledge presentation. Hasil penelitian menunjukkan model memiliki akurasi sebesar 0,88, precision 0,87, recall 0,86, dan F1-score 0,87. Selain itu, atribut luas kebakaran dan kerugian menjadi faktor dominan dalam menentukan tingkat risiko. Hasil ini dapat digunakan sebagai dasar pengambilan keputusan berbasis data untuk meningkatkan efektivitas penanganan kebakara

PERANCANGAN APLIKASI PENGELOLAAN B2B DENGAN INTEGRASI EMAIL BUILDER BERBASIS WEB

Muhammad Rayhan Ayman Mangku — 2026-07-31

PT Varnion Technology Semesta merupakan perusahaan penyedia layanan internet business-to-business (B2B) yang membutuhkan sistem terpusat untuk pengelolaan data pelanggan dan komunikasi layanan agar kualitas layanan tetap konsisten dan responsif. Namun, pengelolaan data pelanggan masih tersebar di berbagai platform dan proses komunikasi email masih bergantung pada layanan pihak ketiga sehingga menimbulkan ketergantungan dan biaya tambahan. Penelitian ini bertujuan untuk merancang prototipe aplikasi pengelolaan pelanggan B2B berbasis web yang terintegrasi dengan modul email template builder dan sender sebagai studi kasus pada sistem My Varnion. Metode pengembangan mengikuti tahapan Software Development Life Cycle (SDLC) yang meliputi analisis kebutuhan internal, perancangan, implementasi, dan pengujian fungsional menggunakan pendekatan black-box testing. Sistem dirancang dengan arsitektur aplikasi web modern yang memisahkan lapisan antarmuka pengguna, logika bisnis berbasis REST API, dan basis data terpusat untuk menyimpan data pelanggan, konten informasi, serta template email. Hasil implementasi menunjukkan bahwa prototipe My Varnion dan My Varnion Admin mampu mendukung pengelolaan data pelanggan, FAQ, berita dan acara, layanan tiket, serta pengiriman email notifikasi dan transaksional berbasis template yang terintegrasi dengan layanan email API. Hasil pengujian menunjukkan seluruh skenario uji pada fitur utama berjalan sesuai dengan hasil yang diharapkan sehingga prototipe dinilai telah berfungsi dengan baik secara fungsional pada lingkungan pengujian

ANALISIS KINERJA YOLO UNTUK DETEKSI MANUSIA MENGGUNAKAN OBJECT TRACKING PADA SISTEM KEAMANAN GARASI BERBASIS MONITORING VIDEO

Davin Bramasta — 2026-07-31

Keamanan garasi sebagai area privat sangat krusial untuk mencegah tindak kriminalitas. Namun, sistem pemantauan konvensional saat ini masih bersifat pasif, dan menemukan keseimbangan algoritma deteksi objek yang cepat sekaligus akurat untuk sistem cerdas masih menjadi tantangan utama. Penelitian ini bertujuan untuk menganalisis dan membandingkan kinerja model YOLOv8s, YOLOv11s, dan YOLOv26s yang diintegrasikan dengan object tracking berbasis garis Region of Interest (ROI) guna mendeteksi intrusi manusia secara efisien. Metode yang digunakan adalah eksperimen kuantitatif melalui pelatihan ketiga model menggunakan dataset citra publik pada platform Google Colab ber-GPU T4. Evaluasi kinerja diukur secara komprehensif berdasarkan parameter Precision, Recall, mAP, FPS, dan Latency. Hasil penelitian menunjukkan bahwa YOLOv8s merupakan model paling optimal untuk monitoring real-time dengan kecepatan 54,48 FPS dan latensi 18,35 ms. Di sisi lain, YOLOv26s memberikan tingkat presisi deteksi tertinggi sebesar 0,8710 meskipun mencatatkan kecepatan proses yang lebih rendah, yaitu 14,29 FPS

ANALISIS PENGGUNAAN SISTEM PASSANGER ANALYSIS UNIT (PAU) DENGAN MENGGUNAKAN METODE TECHNOLOGY ACCEPTANCE MODEL (TAM) DAN HOT FIT MODEL : SYSTEMATIC LITERATURE REVIEW

Ni Kadek Dwi Ananda Putri — 2026-07-31

Perkembangan teknologi informasi mendorong peningkatan efisiensi layanan transportasi udara, termasuk dalam sistem pemeriksaan keimigrasian di Indonesia. Salah satu inovasi yang digunakan adalah Passenger Analysis Unit (PAU), yaitu sistem berbasis analisis data yang mendukung percepatan dan ketepatan proses pemeriksaan imigrasi. Namun, implementasi PAU masih menghadapi beberapa permasalahan, seperti kendala teknis, kesiapan infrastruktur, integrasi sistem, serta persepsi pengguna terhadap kemudahan dan manfaat teknologi. Penelitian ini bertujuan untuk menganalisis faktor-faktor yang memengaruhi penerimaan dan penggunaan PAU dalam layanan keimigrasian melalui pendekatan Technology Acceptance Model (TAM) dan HOT-Fit. Metode yang digunakan adalah Systematic Literature Review (SLR) dengan pendekatan PRISMA terhadap 450 artikel dari berbagai sumber akademik yang relevan. Hasil kajian menunjukkan bahwa TAM dan HOT-Fit banyak digunakan untuk mengevaluasi penerimaan dan keberhasilan implementasi sistem informasi. TAM menekankan persepsi kemudahan dan manfaat teknologi, sedangkan HOT-Fit menilai kesesuaian faktor manusia, organisasi, dan teknologi. Temuan ini menunjukkan bahwa kombinasi TAM dan HOT-Fit dapat digunakan untuk mengevaluasi serta mengoptimalkan penerapan PAU dalam layanan keimigrasian

PERANCANGAN SISTEM INFORMASI PELAYANAN PELANGGAN DI BIRO JASA CV. BS JASA KOTA TEGAL

Sya'Bani Ageng Risatmaja — 2026-07-31

Pentingnya sistem informasi dalam meningkatkan efisiensi operasional perusahaan jasa, khususnya CV. BS Jasa Kota Tegal. Permasalahan utama yang dihadapi adalah sistem operasional yang masih manual, menyebabkan proses layanan menjadi lambat, kurang transparan, dan pengelolaan data pelanggan tidak terintegrasi, sehingga menurunkan tingkat kepuasan pelanggan. Tujuan penelitian ini adalah merancang sistem informasi pelayanan pelanggan berbasis website yang mampu mengatasi kendala tersebut, meningkatkan kecepatan layanan, transparansi informasi, serta pengelolaan data secara efisien. Metode yang digunakan adalah pendekatan Waterfall dan pemodelan UML, melalui tahap analisis kebutuhan, perancangan sistem (meliputi use case diagram, class diagram, activity diagram), hingga implementasi. Hasil dari penelitian ini adalah sebuah platform website yang memungkinkan pelanggan melakukan pemesanan layanan online, memantau status layanan, dan memudahkan pengelolaan data bagi karyawan. Sistem tersebut diharapkan dapat meningkatkan efisiensi operasional, kualitas layanan, serta daya saing CV. BS Jasa secara digital

IMPLEMENTASI DAN PENGEMBANGAN SISTEM INFORMASI PEMERIKSAAN INVOICE DAN PENGARSIPAN BERBASIS WEB UNTUK OPTIMALISASI MANAJEMEN DOKUMEN PERUSAHAAN MENGGUNAKAN METODE ALGORITMA GENETIKA

Fahrid Firdaus — 2026-07-31

Penelitian ini dilatarbelakangi oleh permasalahan pengelolaan dokumen perusahaan, khususnya invoice dan arsip pajak, yang masih belum terstruktur sehingga menyebabkan proses pencarian menjadi lambat, risiko kehilangan dokumen meningkat, serta kurangnya efisiensi dalam mendukung kegiatan audit dan administrasi. Tujuan penelitian ini adalah untuk mengimplementasikan dan mengembangkan sistem informasi pemeriksaan invoice dan pengarsipan berbasis web guna mengoptimalkan manajemen dokumen perusahaan. Metode penelitian yang digunakan meliputi wawancara, observasi, dan studi pustaka, dilanjutkan dengan analisis kebutuhan, perancangan sistem menggunakan UML dan basis data, implementasi sistem berbasis web, serta pengujian menggunakan metode black box testing. Selain itu, algoritma genetika diterapkan sebagai pendekatan optimasi untuk mendukung proses pencarian dan pengelompokan dokumen pada data arsip dalam jumlah besar. Hasil penelitian menunjukkan bahwa sistem yang dibangun mampu meningkatkan efisiensi pencarian invoice, mempercepat proses pengelolaan dokumen, serta mengurangi risiko kehilangan dan kerusakan arsip melalui penyimpanan digital yang terorganisasi. Dengan demikian, sistem informasi yang dikembangkan dapat menjadi solusi yang efektif dalam mendukung manajemen dokumen perusahaan secara optimal

ANALISIS CUSTOMER ENGAGEMENT PADA LIVE SELLING FACEBOOK UNTUK STRATEGI SOCIAL COMMERCE MENGGUNAKAN K-MEANS CLUSTERING

Idris Sonny — 2026-07-31

Perkembangan social commerce melalui aktivitas live selling di Facebook telah meningkatkan interaksi antara penjual dan konsumen, namun penelitian sebelumnya umumnya masih berfokus pada hubungan antar variabel dan belum mengkaji segmentasi perilaku pengguna secara mendalam. Oleh karena itu, penelitian ini bertujuan untuk menganalisis dan mengelompokkan customer engagement pada aktivitas live selling Facebook guna mengidentifikasi pola perilaku pengguna. Data yang digunakan berupa interaksi pengguna yang meliputi komentar, reaction, dan share yang diperoleh dari Kaggle. Penelitian ini menggunakan pendekatan data mining dengan metode K-Means Clustering melalui tahapan preprocessing data, normalisasi menggunakan Min-Max Scaling, serta penentuan jumlah cluster optimal menggunakan metode Elbow dan Silhouette Score. Hasil penelitian menunjukkan bahwa jumlah cluster optimal adalah tiga dengan nilai Silhouette Score sebesar 0,7687 yang mengindikasikan kualitas pengelompokan yang baik. Segmentasi yang dihasilkan terdiri dari pengguna dengan engagement rendah, engagement tinggi berbasis interaksi aktif, serta engagement tinggi berbasis respon emosional. Temuan ini menunjukkan bahwa perilaku customer engagement bersifat heterogen serta memberikan implikasi strategis bagi pelaku bisnis dalam merancang strategi social commerce yang lebih adaptif dan berbasis data

SYSTEMATIC LITERATURE REVIEW: IDENTIFIKASI PEMILIHAN DATABASE MANAGEMENT SYSTEM DALAM PENGEMBANGAN SISTEM BERBASIS WEB

I Made Ferdi Pranata — 2026-07-31

Penelitian ini dilatarbelakangi oleh meningkatnya kebutuhan pengembangan sistem berbasis web yang memerlukan dukungan Database Management System (DBMS) yang tepat, andal, dan sesuai dengan karakteristik data yang dikelola. Permasalahan yang dikaji adalah beragamnya penggunaan DBMS dalam penelitian pengembangan sistem berbasis web, sehingga diperlukan sintesis untuk mengetahui jenis DBMS yang dominan digunakan, faktor pemilihan, metode penelitian, serta relevansi penggunaannya. Penelitian ini bertujuan untuk mengidentifikasi kecenderungan pemilihan DBMS dalam studi pengembangan sistem berbasis web pada periode 2020–2025. Metode yang digunakan adalah Systematic Literature Review dengan pendekatan PRISMA melalui penelusuran artikel pada Google Scholar, Semantic Scholar, dan GARUDA. Dari 2.701 artikel awal, dilakukan penyaringan menjadi 321 kandidat artikel dan ditetapkan 30 artikel terpilih untuk dianalisis. Hasil penelitian menunjukkan bahwa MySQL merupakan DBMS yang paling banyak digunakan, sedangkan Firebase, Neo4j, Oracle, dan PostgreSQL digunakan pada kebutuhan yang lebih spesifik. Dominasi MySQL dipengaruhi oleh sifat open-source, kemudahan implementasi, kompatibilitas dengan berbagai bahasa pemrograman dan framework web, serta kesesuaiannya untuk pengelolaan data terstruktur. Temuan ini menunjukkan bahwa pemilihan DBMS dalam pengembangan sistem berbasis web masih sangat dipengaruhi oleh pertimbangan praktis, ekonomis, dan kemudahan implementasi

PENERAPAN CLUSTERING K-MEANS UNTUK SEGMENTASI PENGGUNA SHOPEE BERDASARKAN PERILAKU INTERAKSI DAN RIWAYAT BELANJA

Ifah Istiqomah — 2026-07-31

Perkembangan e-commerce yang semakin pesat, khususnya pada platform Shopee, telah menghasilkan volume data pengguna yang sangat besar dan terus meningkat dari waktu ke waktu. Data tersebut memiliki potensi yang sangat besar untuk dimanfaatkan dalam menganalisis perilaku pelanggan serta mendukung pengambilan keputusan bisnis. Namun, sebagian besar penelitian sebelumnya masih cenderung berfokus pada analisis data transaksi saja tanpa mempertimbangkan aspek perilaku interaksi pengguna secara menyeluruh, seperti aktivitas melihat produk, frekuensi kunjungan, dan penggunaan fitur aplikasi. Hal ini menyebabkan hasil segmentasi yang dihasilkan belum sepenuhnya mampu menggambarkan karakteristik pengguna secara komprehensif. Oleh karena itu, penelitian ini bertujuan untuk melakukan segmentasi pengguna dengan menggabungkan data perilaku interaksi dan riwayat pembelian agar menghasilkan pengelompokan yang lebih akurat.Metode yang digunakan dalam penelitian ini adalah K-Means Clustering dengan pendekatan CRISP-DM sebagai kerangka kerja dalam proses pengolahan data. Variabel yang dianalisis meliputi frekuensi kunjungan, jumlah klik produk, aktivitas keranjang, jumlah wishlist, serta total transaksi pembelian. Tahapan penelitian meliputi proses pengumpulan data, pembersihan dan transformasi data (preprocessing), penentuan jumlah cluster optimal menggunakan metode Elbow, serta proses clustering yang dilakukan dengan bantuan aplikasi WEKA Explorer.Hasil penelitian menunjukkan bahwa pengguna dapat dikelompokkan ke dalam beberapa segmen dengan karakteristik yang berbeda, seperti kelompok pengguna aktif dengan tingkat pembelian tinggi, kelompok pengguna dengan aktivitas tinggi namun pembelian rendah, serta kelompok pengguna dengan tingkat aktivitas yang rendah. Segmentasi ini diharapkan dapat membantu perusahaan e-commerce dalam menyusun strategi pemasaran yang lebih efektif, terarah, dan sesuai dengan karakteristik masing-masing kelompok pengguna

KLASIFIKASI SAYURAN ORGANIK DAN NON ORGANIK BERBASIS CITRA DIGITAL DENGAN CONVOLUTIONAL NEURAL NETWORK (CNN)

Flourenza Loban — 2026-07-31

Sayuran merupakan tanaman hortikultura dengan umur relatif singkat serta bersifat musiman. Penggunaan pupuk pada tanaman hortikultura diera pertanian modern secara tidak langsung berdampak pada kesehatan manusia sebagai konsumen dan bagi lingkungan, hal ini meningkatkan kesadaran masyarakat terhadap pola hidup sehat, sehingga permintaan terhadap sayuran organik meningkat. Perbedaan antara sayuran organik dan non organik sulit dikenali secara visual karena memiliki kemiripan bentuk, warna, dan tekstur, sehingga identifikasi manual menjadi subjektif, membutuhkan keahlian khusus, serta berpotensi menimbulkan kesalahan, sedangkan uji laboratorium memerlukan waktu dan biaya yang tinggi. Penelitian ini bertujuan untuk menerapkan metode Convolutional Neural Network (CNN) dalam mengklasifikasikan sayuran organik dan non organik, mengembangkan model yang mampu mengenali perbedaan visual secara akurat, serta meningkatkan kinerja model klasifikasi. Metode CNN digunakan melalui tahapan convolutional layer, pooling layer, dan fully connected layer untuk mengekstraksi dan mengklasifikasikan fitur citra secara otomatis. Dataset yang digunakan terdiri dari 1120 citra sayuran dengan variasi kondisi pencahayaan dan latar belakang. Proses pelatihan model dilakukan menggunakan beberapa skema pelatihan, yaitu K-Fold Cross Validation (5-fold), serta didukung teknik Early Stopping dan Model Checkpoint untuk mengoptimalkan performa model dan mengurangi overfitting. Hasil penelitian menunjukkan bahwa model memiliki kinerja yang konsisten dalam mengklasifikasikan sayuran berdasarkan parameter nilai keseluruhan dengan rata-rata akurasi sebesar 79,02%, sensitivitas 79,02%, dan spesifisitas 98,39%. Selain itu, performa terbaik diperoleh pada fold ke-3 dengan akurasi mencapai 88,39%, sensitivitas 83,39%, dan spesifisitas 99,11%.

MEDIA PEMBELAJARAN INTERAKTIF PENGENALAN RAMBU LALU LINTAS UNTUK ANAK TK BERBASIS MULTIMEDIA

Widayu Tata Pelangi — 2026-07-31

Pendidikan anak usia dini memerlukan media pembelajaran yang menarik dan interaktif, khususnya untuk materi simbolik seperti rambu lalu lintas. Namun, proses pembelajaran di RA Muslimat Bina Bakti Wanita masih menggunakan metode konvensional sehingga anak kurang tertarik dan mengalami kesulitan dalam memahami materi. Penelitian ini bertujuan untuk mengembangkan media pembelajaran interaktif pengenalan rambu lalu lintas berbasis multimedia yang sesuai dengan karakteristik anak usia dini. Metode yang digunakan adalah Research and Development (R&D) melalui tahapan analisis kebutuhan, perancangan, pengembangan, dan evaluasi produk. Data dikumpulkan melalui observasi, wawancara, validasi ahli, serta pengujian usability menggunakan System Usability Scale (SUS). Hasil penelitian menunjukkan bahwa media memperoleh nilai kelayakan sebesar 72% dari ahli media dan 74% dari ahli materi dengan kategori layak, serta nilai usability sebesar 75,8 yang menunjukkan kemudahan penggunaan yang baik. Respon anak mencapai 85,3% dalam kategori senang, sehingga media dinyatakan efektif dan menarik sebagai alat bantu pembelajaran

SYSTEMATIC LITERATURE REVIEW: ANALISIS EFEKTIVITAS IMPLEMENTASI SISTEM LAYANAN PENGAMBILAN PASPOR DRIVE THRU DALAM MENINGKATKAN PELAYANAN KEIMIGRASIAN DI INDONESIA

Nur Wilianto — 2026-07-31

Perkembangan teknologi informasi mendorong instansi publik menghadirkan pelayanan yang lebih efektif, efisien, dan adaptif. Dalam pelayanan keimigrasian, salah satu inovasi yang berkembang adalah layanan pengambilan paspor drive thru, yaitu layanan yang memungkinkan pemohon mengambil paspor tanpa turun dari kendaraan. Namun, kajian ilmiah yang secara khusus membahas efektivitas sistem layanan paspor drive thru di Indonesia masih terbatas, sehingga diperlukan pemetaan model analisis yang sesuai dengan karakteristik layanan tersebut. Penelitian ini bertujuan mengidentifikasi model analisis yang paling dominan dan relevan untuk mengkaji efektivitas sistem layanan pengambilan paspor drive thru. Penelitian menggunakan pendekatan Systematic Literature Review dengan pedoman PRISMA 2020. Literatur diperoleh dari Google Scholar, Scopus, Garuda, dan Semantic Scholar pada rentang 2020–2026. Karena studi langsung mengenai paspor drive thru masih terbatas, kajian ini juga mencakup studi yang berdekatan secara fungsional, seperti APAPO, M-Paspor, dan sistem layanan paspor digital. Sebanyak 30 studi terpilih disintesis. Hasil kajian menunjukkan bahwa DeLone & McLean Information Systems Success Model merupakan model paling relevan karena mampu mengevaluasi kualitas sistem, kualitas informasi, kualitas layanan, penggunaan, kepuasan pengguna, dan manfaat bersih secara komprehensif dalam menilai efektivitas operasional layanan paspor drive thru

KOMPARASI METODE SVM DAN LOGISTIC REGRESSION PADA ANALISIS SENTIMEN PROSEDUR SNBP

Muhammad Yusuf — 2026-07-31

Perkembangan Natural Language Processing (NLP) mendorong pemanfaatan analisis sentimen untuk memahami pandangan publik terhadap kebijakan pendidikan, termasuk Seleksi Nasional Berdasarkan Prestasi (SNBP) yang menjadi topik hangat setiap tahun ajaran baru. Beragam komentar yang muncul menunjukkan adanya perbedaan opini di masyarakat, sehingga diperlukan analisis untuk mengidentifikasi pola sentimen yang terbentuk. Penelitian ini bertujuan membandingkan kinerja algoritma Logistic Regression dan Support Vector Machine (SVM) dalam mengklasifikasikan sentimen terhadap prosedur SNBP. Data penelitian diperoleh dari kuesioner daring yang telah dilabeli berdasarkan rating, kemudian diproses melalui tahap preprocessing teks dan ekstraksi fitur menggunakan TF-IDF. Selanjutnya, data digunakan dalam proses klasifikasi dan dievaluasi menggunakan confusion matrix serta metrik performa. Hasil pengujian menunjukkan bahwa Logistic Regression memperoleh akurasi sebesar 85,96% namun cenderung bias terhadap kelas positif. Sementara itu, SVM memperoleh akurasi sebesar 87,72% dengan hasil klasifikasi yang lebih seimbang pada setiap kelas. Distribusi data yang tidak terlalu timpang antar kategori sentimen memungkinkan SVM bekerja lebih maksimal dalam memetakan variasi opini responden terkait prosedur SNBP dibandingkan Logistic Regression

PENINGKATAN PEMAHAMAN SISTEM PENCERNAAN MANUSIA MELALUI MEDIA PEMBELAJARAN ANIMASI 3D MENGGUNAKAN METODE FOUR-D (4D)

Mohammad Febri Hariyan — 2026-07-31

Pendidikan yang berkualitas memerlukan strategi pengajaran yang tepat agar siswa mampu memahami materi secara optimal. Siswa kelas VIII SMP YPM 1 Taman mengalami kesulitan dalam memahami materi sistem pencernaan manusia pada mata pelajaran IPA, karena pembelajaran masih didominasi penjelasan lisan dan gambar statis. Kondisi ini menyebabkan siswa sulit memahami bentuk organ, fungsi, serta alur proses pencernaan, sehingga minat dan motivasi belajar menurun. Penelitian ini bertujuan mengembangkan media pembelajaran berbasis animasi 3D sistem pencernaan manusia untuk membantu guru menyampaikan materi dan meningkatkan pemahaman siswa. Metode pengembangan yang digunakan adalah Four-D yang meliputi tahap Define, Design, Develop, dan Disseminate. Media yang dikembangkan dilengkapi dengan fitur kompetensi pembelajaran, materi organ pencernaan berbasis animasi 3D interaktif, video animasi proses pencernaan, serta kuis evaluasi. Pengujian fungsionalitas sistem dilakukan menggunakan metode blackbox testing, sedangkan evaluasi pengguna menggunakan metode System Usability Scale (SUS) yang melibatkan 38 siswa dan 1 guru IPA. Hasil pengujian blackbox menunjukkan seluruh fitur berjalan sesuai fungsi yang dirancang. Hasil perhitungan SUS memperoleh skor rata-rata 85,57 yang termasuk kategori acceptable, grade B, dan klasifikasi excellent. Media pembelajaran ini dinyatakan layak digunakan sebagai sarana pendukung pembelajaran IPA materi sistem pencernaan manusia

IDENTIFIKASI POLA KARAKTERISTIK KLINIS PASIEN DIABETES MELLITUS MENGGUNAKAN K-MEANS CLUSTERING DI RS JUANDA KUNINGAN

Indah Hanisa — 2026-07-31

Diabetes mellitus merupakan penyakit kronik dengan prevalensi yang terus meningkat dan menjadi salah satu beban utama dalam pelayanan kesehatan. Namun, pemanfaatan data rekam medis di rumah sakit masih terbatas pada fungsi administratif dan belum dimanfaatkan secara optimal untuk analisis pola pasien. Oleh karena itu, penelitian ini bertujuan untuk mengidentifikasi pola karakteristik klinis pasien diabetes mellitus menggunakan metode K-Means Clustering di RS Juanda Kuningan. Metode yang digunakan adalah pendekatan data mining terhadap 200 data rekam medis pasien tahun 2025 dengan teknik purposive sampling. Variabel yang dianalisis meliputi usia, tekanan darah, kadar gula darah, dan indeks massa tubuh (IMT). Hasil penelitian menunjukkan bahwa jumlah cluster optimal adalah tiga kelompok yang merepresentasikan kondisi stabil, risiko sedang, dan risiko tinggi, dengan perbedaan utama pada kadar gula darah dan indikator klinis lainnya. Temuan ini menunjukkan bahwa metode K-Means mampu mengelompokkan pasien secara objektif serta memberikan gambaran pola kondisi pasien yang dapat mendukung pengambilan keputusan berbasis data dalam pelayanan kesehatan

PENGEMBANGAN SISTEM REKAPITULASI TILANG BERBASIS WEB MENGGUNAKAN METODE WATERFALL PADA POLSEK TANDES

Muhammad Syaiful Arif — 2026-07-31

Rekapitulasi data tilang merupakan salah satu tugas yang yang dijalankan oleh instansi kepolisian. Pada pelaksanaannya saat ini, proses rekapitulasi yang berjalan pada polsek Tandes masih menggunakan metode konvensional yaitu menggunakan buku register. Praktik pencatatan fisik ini memiliki kelemahan mendasar, yaitu rentan terhadap risiko kehilangan data akibat kerusakan arsip, redundansi data, serta efesiensi waktu. Tujuan penelitian ini membangun sistem informasi rekap tilang berbasis web yang disesuaikan dengan kebutuhan operasional Polsek Tandes. Pada perancangan sistem akan digunakan metode waterfall. Metode Waterfall dipilih karena karakteristiknya yang sistematis dan terstruktur, yang memastikan setiap tahapan mulai dari analisis kebutuhan hingga pengujian. Pengujian dilakukan dengan blackbox testing untuk menguji fungsi dari sistem yang telah dibuat. Terdapat 9 skenario pengujian dilakukan dengan semua hasil sesuai. Hasil dari penelitian ini berupa sistem rekapitulasi tilang berbasis web yang dapat mempermudah instansi dalam menyimpan arsip rekap tilang dengan baik, memudahkan dan menghemat waktu pencatatan dan meminimalisir kesalahan manusia

ANALISIS LINKTREE SEBAGAI AGGREGATION LAYER PADA SISTEM INFORMASI LAYANAN PUBLIK BERBASIS E-GOVERNMENT

Rendy Adrian Ginting — 2026-08-01

Transformasi digital layanan publik mendorong instansi pemerintah untuk menyediakan informasi yang mudah diakses, ringkas, dan terhubung dengan berbagai kanal resmi. Namun, dalam praktiknya informasi layanan publik sering tersebar pada banyak platformihtf, seperti website, media sosial, formulir daring, kanal pengaduan, dan layanan komunikasi digital, sehingga dapat menyulitkan masyarakat dalam menemukan informasi yang dibutuhkan. Penelitian ini bertujuan menganalisis relevansi Linktree sebagai aggregation layer pada sistem informasi layanan publik berbasis e-government. Metode yang digunakan adalah Systematic Literature Review (SLR) dengan alur Preferred Reporting Items for Systematic Reviews and Meta-Analyses (PRISMA). Literatur ditelusuri melalui Google Scholar, Semantic Scholar, dan Garuda dengan kriteria artikel tahun 2021–2025. Dari 12.023 artikel awal, diperoleh 30 artikel terpilih untuk dianalisis secara deskriptif melalui coding tematik. Hasil penelitian menunjukkan bahwa pemanfaatan Linktree dalam layanan publik dipengaruhi oleh kualitas informasi, kualitas sistem, usability, integrasi kanal digital, kepercayaan publik, serta konsistensi pengelolaan konten. Linktree berpotensi menjadi single access point yang mendukung penyederhanaan akses informasi layanan publik apabila dirancang secara valid, terstruktur, mobile-friendly, dan dikelola secara berkelanjutan

NETRO: NETWORK INVENTORY MANAGEMENT SYSTEM BERBASIS TELEGRAM BOT PADA INFRASTRUKTUR TELKOM INDONESIA REGIONAL 4

Andrean Atma Putra — 2026-08-01

Pengelolaan inventaris perangkat jaringan merupakan aspek vital dalam menjaga keberlangsungan operasional telekomunikasi. Namun, PT Telkom Indonesia Regional 4 masih menghadapi kendala efisiensi akses data dan akurasi akibat pencatatan manual pada perangkat dinamis seperti Small Form-factor Pluggable (SFP), Line Processing Unit Framework (LPUF), dan Card. Penelitian ini bertujuan untuk merancang dan mengimplementasikan NETRO, sebuah sistem manajemen inventaris berbasis Telegram Bot menggunakan bahasa pemrograman Python dan basis data SQLite. Metode penelitian yang digunakan adalah model pengembangan Waterfall dengan pendekatan sistem modular yang mengintegrasikan fitur otomatisasi penomoran aset (auto-sequencing), Role-Based Access Control (RBAC), serta manajemen log aktivitas secara asinkron. Hasil penelitian menunjukkan bahwa NETRO berhasil mengotomatisasi standarisasi penamaan aset dengan akurasi tinggi dan mempercepat proses pelaporan inventaris secara signifikan dibandingkan metode konvensional. Implementasi fitur audit logging memastikan setiap perubahan data terdokumentasi secara transparan, sehingga meningkatkan akuntabilitas dan efisiensi manajemen infrastruktur jaringan di lingkungan Arnet Semarang

ANALISIS SENTIMEN ANCAMAN DISRUPSI PEKERJAAN AKIBAT KECERDASAN BUATAN DI MEDIA SOSIAL YOUTUBE DENGAN ALGORITMA SVM

Putri Maharani — 2026-08-01

Meningkatnya penggunaan kecerdasan buatan berpotensi menimbulkan disrupsi pekerjaan dan memicu kekhawatiran masyarakat terhadap masa depan dunia kerja. Opini publik mengenai isu tersebut banyak muncul di media sosial, khususnya YouTube, dalam bentuk komentar tidak terstruktur sehingga membutuhkan analisis sentimen secara sistematis. Penelitian ini bertujuan mengkaji sentimen publik terhadap disrupsi pekerjaan akibat kecerdasan buatan menggunakan algoritma Support Vector Machine (SVM). Data penelitian berupa komentar YouTube berbahasa Indonesia yang dikumpulkan dari Kaggle. Tahapan penelitian meliputi praproses teks, ekstraksi fitur menggunakan TF-IDF, serta klasifikasi sentimen dengan SVM menggunakan kernel Linear dan Radial Basis Function (RBF). Hasil penelitian menunjukkan bahwa kedua model memperoleh akurasi sebesar 75%. Kernel Linear menghasilkan klasifikasi yang lebih optimal pada kelas netral dan positif, sedangkan kernel RBF masih memiliki keterbatasan dalam mengidentifikasi kelas negatif. Penelitian ini menunjukkan bahwa penyaringan data berbasis konteks pekerjaan serta optimasi kernel SVM dapat membantu memetakan sentimen publik secara lebih relevan terhadap isu disrupsi pekerjaan akibat kecerdasan buatan

IMPLEMENTASI DATA MINING PADA PEMETAAN KEPENDUDUKAN

Nicholas Hezkiel Gusakti Damanik — 2026-08-01

Perkembangan teknologi informasi mendorong pemanfaatan data mining sebagai pendekatan untuk mengolah data kependudukan menjadi informasi yang mendukung pengambilan keputusan publik. Namun, pemetaan kependudukan masih menghadapi permasalahan berupa kompleksitas data, ketidakseimbangan persebaran penduduk, kepadatan wilayah, kemiskinan, serta belum optimalnya pemanfaatan data dalam menentukan prioritas kebijakan. Penelitian ini bertujuan untuk mengidentifikasi metode data mining yang digunakan dalam pemetaan kependudukan, mengetahui algoritma yang paling banyak diterapkan, serta menganalisis kontribusinya dalam mendukung perencanaan kebijakan berbasis data. Penelitian ini menggunakan metode Systematic Literature Review dengan pendekatan PRISMA melalui tahapan identifikasi, penyaringan, kelayakan, dan inklusi terhadap artikel yang diperoleh dari Google Scholar, Garuda, dan Semantic Scholar. Dari proses seleksi, diperoleh 23 artikel yang diterbitkan pada periode 2021-2026. Hasil penelitian menunjukkan bahwa metode klastering merupakan metode yang paling dominan digunakan, dengan algoritma K-Means sebagai algoritma yang paling sering diterapkan. Implementasi data mining terbukti membantu pemetaan wilayah miskin, identifikasi risiko overpopulasi, serta penyediaan informasi kependudukan yang lebih terstruktur bagi perumusan kebijakan publik

KLASIFIKASI BENTUK WAJAH UNTUK PEMILIHAN FRAME KACAMATA MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK (CNN) BERBASIS CITRA

Amarit Cicilia Pala — 2026-08-01

Wajah merupakan bagian dari tubuh manusia yang paling mudah dikenali karena selalu terlihat dan menjadi pusat perhatian dalam interaksi sosial. Setiap individu memilki bentuk wajah yang berbeda, seperti oval, bulat, dan kotak, yang mempengaruhi kesesuaian pemilihan bingkai kacamata. Namun, proses pemilihan bingkai kacamata di banyak optik masih dilakukan secara manual melalui konsultasi dengan ahli, sehingga memerlukan waktu dan bergantung pada penilaian individu. Penelitian ini bertujuan mengimplementasikan Convolutional Neural Network (CNN) dalam proses klasifikasi bentuk wajah untuk pemilihan bingkai kacamata berdasarkan citra wajah. CNN digunakan karena mampu mengenali pola visual melalui tahapan convolution layer untuk mengekstraksi fitur, pooling layer untuk mereduksi dimensi fitur, serta fully connected layer untuk melakukan klasifikasi. Hasil pengujian menggunakan metode k-fold cross validation dengan nilai k = 5 menunjukkan bahwa model memiliki performa yang baik, dengan nilai akurasi tertinggi diperoleh pada fold ke-2 sebesar 92,78%, dan akurasi rata-rata secara keseluruhan sebesar 90%. Hal ini menunjukkan bahwa model memiliki kemampuan yang baik dan stabil dalam melakukan klasifikasi bentuk wajah

IMPLEMENTASI ALGORITMA A* DENGAN PENDEKATAN GENERATE AND TEST UNTUK MENENTUKAN RUTE TERPENDEK PENJEMPUTAN SAMPAH

Syahril Maulana — 2026-08-01

Pengelolaan sampah di Kabupaten Bengkalis menghadapi kendala operasional dalam efektivitas penjemputan sampah. Penentuan rute yang dilakukan petugas secara manual berdasarkan perkiraan subjektif sering menyebabkan pemborosan waktu dan biaya bahan bakar akibat jalur yang tidak optimal. Penelitian ini bertujuan merancang sistem penentuan rute otomatis yang dinamis untuk mengoptimalkan operasional bank sampah. Pengembangan sistem mengintegrasikan metode Generate and Test untuk memvalidasi urutan alamat kunjungan dan algoritma A* (A-Star) untuk mencari jalur terpendek antar titik koordinat berdasarkan fungsi heuristik. Hasil pengujian menunjukkan sistem berhasil menentukan rute optimal (S-A-C-D-E-B-F-H-G) dengan total jarak tempuh 3,25 km. Implementasi algoritma ini terbukti mampu mengurangi jarak perjalanan, menyusun urutan kunjungan secara teratur, serta menyediakan visualisasi rute secara real-time. Secara keseluruhan, aplikasi ini efektif dalam meningkatkan kualitas layanan penjemputan dan menekan biaya operasional transportasi melalui jalur yang lebih efisien

ASPECT BASED SENTIMENT ANALYSIS TERHADAP ULASAN GAME BUATAN DEVELOPER INDONESIA DI STEAM MENGGUNAKAN ALGORITMA LOGISTIC REGRESSION

Aldi Mahendra — 2026-08-01

Industri game Indonesia di platform Steam berkembang pesat. Namun, besarnya volume ulasan menyulitkan pengembang dalam mengevaluasi kekuatan dan kelemahan produk secara manual. Penelitian ini bertujuan memetakan opini pengguna global terhadap lima aspek utama (Story, Gameplay, Graphics, Music, dan Performance) pada game lokal. Metode yang digunakan adalah Aspect-Based Sentiment Analysis (ABSA) yang mengekstraksi 3.046 ulasan mentah menjadi 7.175 pasangan aspek-opini. Klasifikasi sentimen dilakukan menggunakan algoritma Logistic Regression dengan pembobotan TF-IDF dan penyeimbangan kelas. Hasil pengujian menunjukkan model mencapai tingkat akurasi sebesar 84,17%. Analisis sentimen membuktikan daya saing utama game lokal berada pada estetika dan narasi, dengan sentimen positif tertinggi pada aspek Graphics (77,4%), Music (74,7%), dan Story (71,7%). Sebaliknya, aspek Performance menjadi kelemahan krusial dengan 63,4% sentimen negatif akibat kendala teknis. Temuan ini memberikan evaluasi teknis yang konkret bagi pengembang untuk memprioritaskan perbaikan guna meningkatkan daya saing internasional

PENGARUH INFINITE SCROLLING TERHADAP ATTENTION SPAN PADA GEN Z MENGGUNAKAN RANDOM FOREST

Mohd Rizky Putra Pratama — 2026-08-01

Maraknya platform berbasis infinite scrolling menimbulkan kekhawatiran terhadap penurunan kemampuan fokus pada generasi Z. Namun, penelitian sebelumnya umumnya terbatas pada analisis deskriptif atau hubungan linear sederhana, sehingga belum mampu menangkap kompleksitas perilaku digital. Penelitian ini bertujuan untuk memodelkan hubungan antara perilaku infinite scrolling dan attention span generasi Z secara lebih komprehensif. Metode yang digunakan adalah algoritma Random Forest dengan data sekunder dari Kaggle. Variabel prediktor meliputi average screen time, screen activity, app category, environment, dan notification handling, dengan attention span sebagai variabel target. Data dibagi dengan rasio 80:20, dioptimasi menggunakan GridSearchCV, dan divalidasi melalui K-Fold Cross Validation. Hasil menunjukkan bahwa model awal memiliki akurasi 0,40 dan menurun menjadi 0,36 setelah optimasi, mengindikasikan performa yang belum optimal. Analisis feature importance menunjukkan bahwa average screen time merupakan faktor paling berpengaruh dibandingkan variabel lainnya. Keterbatasan jumlah data dan ketidakseimbangan distribusi kelas diduga menjadi penyebab utama rendahnya performa model.

TINJAUAN SISTEMATIS EFEKTIVITAS DAN TANTANGAN IMPLEMENTASI ALL INDONESIA DALAM INTEGRASI LAYANAN PUBLIK DIGITAL DENGAN METODE PRISMA

Selva Nadila Sitorus — 2026-08-01

Penelitian ini dilatarbelakangi oleh perkembangan layanan publik digital di Indonesia yang belum sepenuhnya terintegrasi. Saat ini, banyak layanan masih berjalan secara terpisah antarinstansi, sehingga menimbulkan kendala seperti kurang efisiennya pelayanan, keterbatasan pertukaran data, serta menyulitkan masyarakat dalam mengakses layanan. Penelitian ini bertujuan untuk mengkaji sejauh mana efektivitas integrasi layanan publik digital serta mengidentifikasi berbagai tantangan yang dihadapi melalui pendekatan All Indonesia. Metode yang digunakan adalah Systematic Literature Review dengan pendekatan PRISMA, yang dilakukan melalui tahapan identifikasi, penyaringan, penilaian kelayakan, dan pemilihan literatur. Dari proses tersebut, diperoleh 25 artikel yang kemudian dianalisis secara kualitatif. Hasil penelitian menunjukkan bahwa integrasi layanan digital mampu meningkatkan efisiensi, transparansi, dan kemudahan akses bagi masyarakat. Namun demikian, dalam pelaksanaannya masih ditemukan berbagai kendala, seperti keterbatasan infrastruktur, belum optimalnya interoperabilitas sistem, ketidakselarasan regulasi, serta isu keamanan data. Oleh karena itu, pendekatan All Indonesia dinilai memiliki potensi sebagai langkah strategis dalam mewujudkan layanan publik digital yang lebih terintegrasi

STUDI KOMPARATIF ALGORITMA KLASIFIKASI K-NEAREST NEIGHBOR (KNN) DAN SUPPORT VECTOR MACHINE (SVM) UNTUK DETEKSI DINI ALZHEIMER

M. Rian Hidayah — 2026-08-01

Penyakit Alzheimer merupakan gangguan neurodegeneratif yang memerlukan deteksi dini untuk meningkatkan efektivitas penanganan. Permasalahan dalam penelitian ini adalah menentukan algoritma klasifikasi yang paling optimal untuk mendeteksi Alzheimer berdasarkan data klinis. Penelitian ini bertujuan untuk membandingkan performa algoritma K-Nearest Neighbors (KNN) dan Support Vector Machine (SVM). Metode yang digunakan meliputi preprocessing data, feature selection, pelatihan model, serta evaluasi menggunakan 10-fold cross validation dan confusion matrix dengan metrik accuracy, precision, recall, dan F1-score. Hasil penelitian menunjukkan bahwa SVM memiliki performa lebih baik dengan accuracy 84,45%, precision 80,59%, recall 73,29%, dan F1-score 76,62%, dibandingkan KNN yang memiliki nilai lebih rendah pada seluruh metrik. Dengan demikian, SVM lebih efektif dalam mendeteksi Alzheimer, terutama dalam meminimalkan kesalahan false negative

DATA-DRIVEN CUSTOMER RELATIONSHIP MANAGEMENT PADA EKOSISTEM MUSIK PUNK : SEGMENTASI PENGGEMAR DAN ANALISIS FAKTOR LOYALITAS BERBASIS DATA INTERAKSI DIGITAL

Satria Ramadhani — 2026-08-01

Perkembangan era digital memediasi hubungan antara komunitas musik punk dan penggemarnya melalui platform daring. Namun, pengelolaan hubungan antara komunitas musik independen dan penggemarnya masih jarang dianalisis menggunakan pendekatan berbasis data di dala Perkembangan era digital telah memediasi hubungan antara komunitas musik punk dan penggemarnya melalui platform daring yang memungkinkan interaksi lebih luas dan intens. Namun, pengelolaan hubungan antara komunitas musik independen dan penggemarnya masih jarang dianalisis menggunakan pendekatan berbasis data dalam kerangka Customer Relationship Management (CRM). Kondisi ini menyebabkan kurang optimalnya pemahaman terhadap karakteristik penggemar serta faktor-faktor yang memengaruhi loyalitas dalam ekosistem musik digital. Penelitian ini bertujuan untuk menganalisis segmentasi penggemar dan mengidentifikasi faktor-faktor yang memengaruhi loyalitas komunitas musik punk secara data-driven. Metode yang digunakan adalah pendekatan kuantitatif berbasis data mining terhadap data interaksi digital dari platform streaming musik, dengan algoritma K-Means Clustering untuk segmentasi pengguna dan regresi linear (OLS) untuk menguji pengaruh variabel perilaku terhadap loyalitas. Hasil penelitian menunjukkan bahwa penggemar terbagi ke dalam tiga segmen utama, yaitu segmen loyal (35,8%), segmen kasual (33,9%), dan segmen aktif (30,3%). Selain itu, durasi mendengarkan dan jumlah pembuatan playlist berpengaruh positif dan signifikan terhadap loyalitas, sedangkan intensitas skip per hari berpengaruh negatif dan signifikan. Temuan ini menunjukkan bahwa pendekatan CRM berbasis data mampu memberikan pemahaman komprehensif dalam mendukung strategi pengelolaan komunitas musik independen.m kerangka Customer Relationship Management (CRM). Penelitian ini bertujuan untuk menganalisis segmentasi penggemar serta mengidentifikasi faktor-faktor yang memengaruhi loyalitas komunitas dalam ekosistem musik punk digital menggunakan pendekatan data-driven. Metode penelitian yang digunakan adalah kuantitatif dengan berfokus pada analisis data interaksi digital. Segmentasi penggemar dilakukan menggunakan algoritma K-Means Clustering, sementara faktor loyalitas diuji menggunakan Linear Regression. Hasil penelitian menunjukkan bahwa penggemar dapat dikelompokkan ke dalam tiga segmen utama, yaitu segmen loyal sebanyak 35,8%, segmen kasual sebanyak 33,9%, dan segmen aktif sebanyak 30,3%. Selain itu, rata-rata durasi mendengarkan dan jumlah pembuatan playlist terbukti memiliki pengaruh positif dan signifikan terhadap loyalitas pengguna. Sebaliknya, intensitas rata-rata skip per hari memiliki pengaruh negatif dan signifikan terhadap loyalitas tersebut

SISTEM INFORMASI PENGAJUAN JUDUL KARYA ILMIAH (SIPJUKI) BERBASIS WEB DI UNIVERSITAS TEKNOLOGI DIGITAL PSDKU TEGAL

Elsa Merliana — 2026-08-01

Perkembangan teknologi informasi mendorong transformasi digital dalam pengelolaan administrasi akademik di perguruan tinggi, termasuk pada proses pengajuan judul karya ilmiah sebagai tahap awal penyelesaian studi mahasiswa. Namun, sistem yang diterapkan pada Program Studi D3 Manajemen Informatika Universitas Teknologi Digital PSDKU Tegal masih bersifat semi digital dan belum terintegrasi secara menyeluruh. Kondisi tersebut menimbulkan berbagai permasalahan, seperti proses pengajuan yang tidak terpusat, kesulitan dalam pengelolaan data dan dokumen, serta rendahnya transparansi dalam pemantauan status pengajuan. Penelitian ini bertujuan untuk merancang dan mengimplementasikan sistem informasi pengajuan judul karya ilmiah berbasis website guna meningkatkan efisiensi dan transparansi proses administrasi. Metode penelitian yang digunakan meliputi observasi, wawancara, dan studi pustaka, sedangkan pengembangan sistem dilakukan dengan model Waterfall yang mencakup tahapan analisis, perancangan, implementasi, dan pengujian. Sistem dikembangkan menggunakan bahasa pemrograman PHP dengan basis data MySQL serta diuji menggunakan metode Black Box Testing. Hasil penelitian menunjukkan bahwa sistem yang dikembangkan mampu mengintegrasikan proses pengajuan judul secara online, verifikasi berkas, validasi oleh Kaprodi, serta pemantauan status secara terpusat. Implementasi sistem ini terbukti meningkatkan efisiensi dan transparansi dalam pengelolaan pengajuan judul karya ilmiah

RANCANG BANGUN CHATBOT WHATSAPP UNTUK LAYANAN INFORMASI AKADEMIK MAHASISWA PROGRAM STUDI SISTEM INFORMASI

Firdaus Al Istiqomah Domili — 2026-08-01

Perkembangan teknologi informasi mendorong perguruan tinggi untuk menyediakan layanan akademik yang cepat dan mudah diakses. Namun, layanan informasi akademik konvensional masih menghadapi keterbatasan waktu operasional serta tingginya beban kerja manual staf administrasi. Permasalahan ini menyebabkan keterlambatan respon terhadap pertanyaan mahasiswa yang bersifat rutin dan berulang. Penelitian ini bertujuan untuk merancang dan membangun chatbot berbasis WhatsApp sebagai asisten virtual layanan informasi akademik bagi mahasiswa Program Studi Sistem Informasi di Universitas Muhammadiyah Gorontalo. Metode pengembangan sistem yang digunakan adalah model Waterfall, yang meliputi tahap analisis kebutuhan, perancangan sistem menggunakan Unified Modeling Language (UML), implementasi dengan Node.js dan MySQL, serta pengujian menggunakan metode Black Box. Chatbot dikembangkan dengan pendekatan Natural Language Processing (NLP) untuk meningkatkan kemampuan sistem dalam memahami variasi bahasa alami pengguna. Hasil penelitian menunjukkan bahwa sistem chatbot mampu menyediakan layanan informasi akademik selama 24 jam dengan 22 kategori informasi (intent) dan memberikan respon yang akurat secara real-time. Implementasi chatbot ini terbukti meningkatkan efisiensi layanan administrasi, mempercepat alur komunikasi akademik, serta mengurangi beban kerja manual staf program studi

ANALISIS PERILAKU BERBAGI PENGETAHUAN (KNOWLEDGE SHARING) BERDASARKAN POLA INTERAKSI DAN KETERLIBATAN SISWA PADA PLATFORM E-LEARNING

Trisna Oditia — 2026-08-01

Transformasi pendidikan digital menghasilkan volume data yang esensial dalam kerangka Knowledge Management untuk memastikan pengetahuan dapat diserap dan dibagikan kembali. Namun, mengukur intensitas berbagi pengetahuan secara tacit (tidak terlihat) dalam platform e-learning masih menjadi tantangan utama karena sifatnya yang subjektif dan sulit didokumentasikan. Penelitian ini bertujuan menganalisis pola interaksi yang diwakili oleh tingkat keterlibatan dan ekspresi emosional siswa sebagai indikator perilaku knowledge sharing di lingkungan virtual. Penelitian ini menggunakan pendekatan kuantitatif melalui analisis data sekunder terhadap 1.195 catatan aktivitas belajar siswa menggunakan teknik analisis deskriptif dan korelasi Pearson. Hasil menunjukkan tingkat keterlibatan siswa yang tinggi berkorelasi signifikan dengan keberhasilan belajar. Fase practice menjadi titik kritis transfer pengetahuan, sementara ekspresi emosional seperti joy dan confusion terbukti sebagai pendorong efektif dalam sirkulasi pengetahuan

PENGARUH PENGGUNAAN MEDIA SOSIAL INSTAGRAM EVENT @PESTAPATAHHATI TERHADAP PEMENUHAN KEBUTUHAN INFORMASI FOLLOWERS

Faris Akbar Adiprama — 2026-08-01

Perkembangan teknologi informasi dan komunikasi mendorong meningkatnya penggunaan media sosial, khususnya Instagram, sebagai sarana penyebaran informasi dalam penyelenggaraan event konser. Namun, penyampaian informasi yang belum terstruktur dengan baik berpotensi menyebabkan informasi tidak tersampaikan secara optimal sehingga kebutuhan informasi followers belum sepenuhnya terpenuhi. Penelitian ini bertujuan untuk menganalisis pengaruh penggunaan media sosial Instagram @pestapatahhati terhadap pemenuhan kebutuhan informasi followers pada event konser Pesta Patah Hati. Penelitian ini menggunakan pendekatan kuantitatif dengan teknik pengumpulan data melalui kuesioner yang disebarkan kepada 160 responden yang merupakan followers akun Instagram @pestapatahhati dan dipilih menggunakan teknik purposive sampling. Data penelitian dianalisis menggunakan aplikasi SmartPLS melalui pengujian model pengukuran (outer model) untuk menguji validitas dan reliabilitas, serta model struktural (inner model) untuk menguji hubungan antar variabel. Hasil penelitian menunjukkan bahwa variabel Media Sosial berpengaruh positif dan signifikan terhadap Kebutuhan Informasi dengan nilai Original Sample sebesar 0,708, T-Statistics sebesar 10,906, dan P-Values sebesar 0,000, serta seluruh indikator telah memenuhi kriteria validitas dan reliabilitas yang ditetapkan

SISTEM REKOMENDASI PRODUK LADUNIMART MENGGUNAKAN CONTENT-BASED FILTERING PADA BAPAS SURAKARTA

Anandita Frisca — 2026-08-01

Penelitian ini dilatarbelakangi oleh pentingnya sistem rekomendasi dalam meningkatkan efektivitas pencarian produk pada platform e-katalog. Permasalahan pada sistem LaduniMart di BAPAS Surakarta adalah belum adanya fitur rekomendasi otomatis sehingga pengguna kesulitan menemukan produk yang relevan. Penelitian ini bertujuan untuk merancang dan mengimplementasikan sistem rekomendasi produk menggunakan metode Content-Based Filtering. Tahapan penelitian meliputi pengumpulan data, preprocessing, ekstraksi fitur menggunakan TF-IDF, serta perhitungan kemiripan menggunakan Cosine Similarity terhadap 20 data produk. Hasil penelitian menunjukkan bahwa sistem mampu menghasilkan rekomendasi produk dengan nilai similarity tertinggi sebesar 0.92 pada produk yang memiliki karakteristik serupa dengan query. Dengan demikian, sistem yang dikembangkan dapat membantu pengguna menemukan produk yang relevan secara lebih cepat dan meningkatkan visibilitas produk pada platform LaduniMart

SISTEM REKOMENDASI PRODUK HUKUM MENGGUNAKAN CONTENT-BASED FILTERING PADA BAPAS SURAKARTA

Stefany Erica Djaksono — 2026-08-01

Penelitian ini dilatarbelakangi oleh banyaknya dokumen produk hukum pada portal Sistem Informasi Bapas Surakarta (SIBARATA) di Balai Pemasyarakatan (BAPAS) Surakarta yang menyebabkan proses pencarian dokumen masih dilakukan secara manual dan kurang efisien. Permasalahan tersebut membuat pengguna mengalami kesulitan dalam menemukan dokumen hukum yang relevan secara cepat dan tepat. Penelitian ini bertujuan untuk merancang dan mengimplementasikan sistem rekomendasi dokumen produk hukum menggunakan metode Content-Based Filtering. Metode yang digunakan dalam penelitian ini adalah TF-IDF untuk ekstraksi fitur dan Cosine Similarity untuk menghitung tingkat kemiripan antar dokumen. Tahapan penelitian meliputi pengumpulan data, preprocessing, ekstraksi fitur, perhitungan similarity, dan proses perangkingan dokumen. Hasil penelitian menunjukkan bahwa sistem mampu menghasilkan rekomendasi dokumen hukum berdasarkan tingkat kemiripan konten dengan nilai similarity tertinggi sebesar 1.00. Melalui proses perangkingan, sistem dapat menyajikan rekomendasi dokumen secara terurut sehingga membantu pengguna dalam menemukan dokumen hukum secara lebih cepat, tepat, dan efisien

SISTEM REKOMENDASI PRODUK SMARTPHONE PADA ZETASTORE MENGGUNAKAN KNOWLEDGE-BASED

Silvia Ximenes Soares — 2026-08-01

Perkembangan e-commerce menyebabkan konsumen memiliki banyak pilihan smartphone dengan spesifikasi dan harga yang beragam. Kondisi tersebut menimbulkan permasalahan dalam proses pengambilan keputusan karena pengguna sering mengalami kesulitan menentukan produk yang sesuai dengan kebutuhan. Penelitian ini bertujuan untuk merancang dan mengimplementasikan sistem rekomendasi produk smartphone pada Zeta Store menggunakan metode knowledge-based recommendation. Metode yang digunakan adalah Research and Development (R&D) dengan tahapan pengumpulan data, analisis kebutuhan, perancangan knowledge base, proses pencocokan, dan pembentukan rekomendasi. Sistem menerima input preferensi pengguna seperti budget, kapasitas RAM, dan kebutuhan spesifikasi, kemudian mencocokkannya dengan data produk menggunakan aturan pada knowledge base. Hasil penelitian menunjukkan bahwa sistem mampu memberikan rekomendasi yang relevan berdasarkan kebutuhan pengguna. Produk seperti Xiaomi Poco X5 dan Samsung Galaxy A24 memperoleh tingkat kesesuaian tertinggi karena memenuhi kriteria harga dan spesifikasi yang dibutuhkan. Sistem juga membantu meningkatkan efisiensi pengguna dalam proses pemilihan smartphone dibandingkan metode manual

IMPLEMENTASI SISTEM KLASIFIKASI PELANGGAN BERDASARKAN RATA-RATA RASIO KEUNTUNGAN MENGGUNAKAN ALGORITMA NAIVE BAYES

Wayan Nesa Meylugita — 2026-08-01

Peningkatan kebutuhan material konstruksi menuntut strategi pengelolaan pelanggan yang efektif untuk mengoptimalkan keuntungan perusahaan. Namun, PT Putra Balkom Jaya saat ini masih melakukan klasifikasi pelanggan secara manual, yang menyebabkan proses analisis menjadi lambat, kurang efisien, dan sulit menentukan kontribusi keuntungan setiap pelanggan secara akurat. Untuk mengatasi permasalahan tersebut, penelitian ini mengusulkan penerapan algoritma Naive Bayes dalam mengelompokkan pelanggan secara otomatis berdasarkan rata-rata rasio keuntungan. Penelitian ini bertujuan untuk mengimplementasikan sistem klasifikasi guna mendukung pengambilan keputusan yang lebih cepat dan tepat. Metode penelitian menggunakan pendekatan data mining serta pengembangan sistem berbasis web menggunakan model Waterfall. Data yang diolah mencakup 1.825 transaksi dengan atribut tujuan pengiriman, jumlah pembelian, harga jual, harga modal, dan cabang. Hasil penelitian menunjukkan bahwa sistem berhasil mengklasifikasikan pelanggan ke dalam kategori Diamond, Platinum, Gold, dan Silver dengan tingkat akurasi sebesar 88,57%, sehingga efektif dalam membantu perusahaan mengidentifikasi pelanggan potensial secara terukur

ANALISIS SENTIMEN OPINI PUBLIK TERHADAP BERITA PERANG IRAN-ISRAEL DI MEDIA SOSIAL PADA TAHUN 2026 MENGGUNAKAN MODEL INDOBERT

Maria Ulfa — 2026-08-01

Konflik antara Iran dan Israel yang banyak diberitakan di berbagai platform digital memunculkan beragam opini publik yang tersebar melalui media sosial seperti X dan TikTok. Interaksi pengguna dalam bentuk komentar, diskusi, dan reaksi emosional menghasilkan data opini dalam jumlah besar yang bersifat tidak terstruktur dan dinamis. Kondisi ini membuat analisis manual menjadi tidak efisien dan tidak efektif. Penelitian ini bertujuan untuk menganalisis sentimen opini publik terhadap konflik Iran–Israel menggunakan pendekatan Natural Language Processing (NLP). Metode yang digunakan adalah analisis sentimen dengan model IndoBERT untuk mengetahui sentimen masyarakat terhadap berita yang sedang populer di X dan TikTok. Data penelitian berupa komentar, balasan, dan unggahan pengguna media sosial yang berkaitan dengan konflik Iran–Israel dalam jangka waktu tertentu. Hasil klasifikasi menunjukkan kinerja yang sangat baik dari model IndoBERT dengan tingkat akurasi sebesar 96,86%. Hal ini menunjukkan bahwa model IndoBERT mampu memahami konteks bahasa Indonesia, termasuk teks informal dan tidak terstruktur yang sering ditemukan di media sosial

KLASIFIKASI TREN TENAGA KERJA PADA KABUPATEN MANGGARAI BARAT MENGGUNAKAN SUPPORT VECTOR MACHINE (SVM)

Muhammad Rahman Ridho — 2026-08-01

Kabupaten Manggarai Barat mengalami dinamika ketenagakerjaan signifikan akibat pesatnya transformasi ekonomi dan penetapan Labuan Bajo sebagai Destinasi Pariwisata Super Prioritas. Namun, pemetaan tren oleh pemerintah daerah terkendala kekosongan data (missing value) pada publikasi Badan Pusat Statistik (BPS) tahun 2016 yang memutus rantai analisis deret waktu. Hal ini memicu kesenjangan antara ketersediaan data historis dengan kebutuhan pemodelan prediktif untuk perumusan kebijakan. Penelitian ini bertujuan mengklasifikasikan arah tren tenaga kerja di Kabupaten Manggarai Barat dengan menerapkan algoritme Support Vector Machine (SVM) yang dikombinasikan metode Interpolasi Kuadrat (Polinomial Lagrange) sebagai pra-pemrosesan penanganan data hilang. Data sekunder bersumber dari BPS periode 2013–2024. Model dioptimasi menggunakan kernel Radial Basis Function (RBF) melalui GridSearchCV dan dievaluasi dengan matriks konfusi. Hasil analisis menunjukkan metode Lagrange berhasil mengestimasi total tenaga kerja tahun 2016 sebesar 113.451 jiwa, sehingga kontinuitas data dipertahankan. Pengujian model mencapai parameter optimal pada Cost (C) 0,1 dan Gamma ( ) 0,1, dengan akurasi sebesar 33,33 persen. Meskipun akurasi terbatas oleh kuantitas sampel, model mencatatkan nilai sensitivitas (Recall) sempurna yakni 100 persen. Sensitivitas absolut ini menegaskan keoptimalan sistem sebagai instrumen peringatan dini yang andal untuk mendeteksi tren pertumbuhan tenaga kerja secara positif di wilayah Manggarai Barat

ANALISIS KINERJA JARINGAN KOMPUTER MENGGUNAKAN METODE QUALITY OF SERVICE DI SMA NEGERI 1 SINGAPARNA

Jovan Viyorana Mulyadaraya — 2026-08-01

Jaringan komputer memiliki peran penting dalam mendukung aktivitas di lingkungan pendidikan, termasuk dalam menunjang proses pembelajaran dan administrasi. Permasalahan yang sering terjadi adalah menurunnya kualitas layanan jaringan yang diakibatkan oleh peningkatan jumlah pengguna, yang dapat mempengaruhi kinerja jaringan. Penelitian ini bertujuan untuk menganalisis dan mengevaluasi kualitas jaringan di SMA Negeri 1 Singaparna menggunakan metode Quality of Service. Metode yang digunakan adalah deskriptif dengan pendekatan pengujian langsung melalui pengukuran parameter throughput, delay, jitter, dan packet loss. Pengujian dilakukan pada dua kondisi, yaitu saat pengguna sepi dan ramai, menggunakan tools Wireshark, Command Prompt (ping), dan Speedtest. Hasil penelitian menunjukkan bahwa nilai throughput mengalami penurunan dari 40,5 Mbps pada kondisi sepi menjadi 17,7 Mbps pada kondisi ramai. Nilai delay masih tergolong baik, yaitu 18,7 ms dan 21,6 ms, serta tidak ditemukan packet loss pada kedua kondisi. Namun, nilai jitter meningkat signifikan dari 6 ms menjadi 63 ms saat kondisi ramai. Secara keseluruhan, kualitas jaringan tergolong baik, namun terjadi penurunan performa pada kondisi ramai sehingga diperlukan pengelolaan jaringan yang lebih optimal

PENGEMBANGAN SISTEM REAL TIME ANALYTICS BERBASIS WEB UNTUK MANAJEMEN INVENTARIS BARANG

Dwi Panca Indra — 2026-08-01

Pengelolaan inventaris barang pada organisasi kemahasiswaan seringkali menghadapi kendala dalam akurasi data dan kecepatan pemantauan aset jika dilakukan secara konvensional. Penelitian ini bertujuan untuk mengatasi permasalahan tersebut dengan mengembangkan sistem informasi manajemen inventaris berbasis web yang mengintegrasikan fitur real-time analytics dan teknologi QR Code. Metode pengembangan yang digunakan adalah Rapid Application Development (RAD) yang meliputi tahapan perencanaan kebutuhan, workshop desain, dan implementasi untuk memastikan efisiensi waktu pengembangan. Fokus utama sistem ini adalah menyajikan visualisasi data stok dan kondisi barang secara aktual melalui dashboard interaktif guna mendukung pengambilan keputusan logistik yang lebih presisi. Hasil pengujian fungsionalitas menunjukkan bahwa seluruh fitur berjalan valid, sementara evaluasi menggunakan User Acceptance Test (UAT) terhadap 16 responden menghasilkan tingkat kelayakan sebesar 95,87%. Dengan demikian, sistem ini sangat layak diimplementasikan sebagai solusi digital untuk meningkatkan transparansi dan efisiensi operasional dalam pengelolaan aset organisasi

PERBANDINGAN METODE NAÏVE BAYES DAN SUPPORT VECTOR MACHINE DALAM ANALISIS SENTIMEN PROGRAM MAKAN BERGIZI GRATIS PADA MEDIA SOSIAL X

Dwi Retnosari — 2026-08-01

Perkembangan media sosial, khususnya platform X, mendorong masyarakat untuk menyampaikan opini terhadap berbagai kebijakan pemerintah secara terbuka dan real-time. Salah satu kebijakan yang banyak menjadi perhatian publik adalah program makan bergizi gratis. Permasalahan dalam penelitian ini adalah bagaimana menentukan metode klasifikasi terbaik antara Naïve Bayes dan Support Vector Machine (SVM) dalam menganalisis sentimen masyarakat terhadap program tersebut. Penelitian ini bertujuan untuk membandingkan performa kedua algoritma dalam mengklasifikasikan sentimen positif, negatif, dan netral berdasarkan opini publik di media sosial X. Metode penelitian dilakukan melalui beberapa tahapan, yaitu pengumpulan data komentar dari media sosial X, pelabelan data berbasis leksikon, preprocessing data, pembobotan kata menggunakan TF-IDF, serta proses klasifikasi menggunakan algoritma Naïve Bayes dan SVM. Dataset kemudian dibagi menjadi data pelatihan dan data pengujian dengan rasio 80:20. Evaluasi model dilakukan menggunakan metrik accuracy, precision, recall, dan F1-score. Hasil penelitian menunjukkan bahwa metode SVM memperoleh tingkat akurasi sebesar 85.10%, lebih tinggi dibandingkan Naïve Bayes sebesar 68.51%. Selain itu, visualisasi word cloud menunjukkan sentimen positif didominasi dukungan terhadap manfaat gizi program, sedangkan sentimen negatif lebih banyak menyoroti pendanaan dan pelaksanaan program

ANALISIS RANCANG BANGUN WEB-SIG: SYSTEMATIC LITERATURE REVIEW

Albert Holy Siahaan — 2026-08-01

Web-SIG berkembang pesat karena mampu menyajikan data spasial secara interaktif melalui web dan mendukung berbagai kebutuhan berbasis lokasi. Permasalahan penelitian ini adalah belum tersedianya sintesis yang merangkum metode pengembangan, teknologi, dan ruang lingkup penerapan Web-SIG secara terstruktur, sedangkan pemanfaatannya pada pengawasan keimigrasian masih terbatas. Penelitian ini bertujuan mengidentifikasi metode pengembangan yang dominan, bahasa pemrograman yang paling sering digunakan, serta bidang implementasi Web-SIG yang paling banyak diteliti. Metode yang digunakan adalah Systematic Literature Review dengan pendekatan PRISMA terhadap artikel dari Google Scholar dan Crossref. Sebanyak 30 artikel terpilih dianalisis. Hasil penelitian menunjukkan bahwa Agile merupakan metode yang paling sering digunakan, PHP menjadi bahasa pemrograman dominan, dan bidang ekonomi menjadi ruang lingkup implementasi terbanyak. Temuan ini menunjukkan peluang pengembangan Web-SIG untuk mendukung pengawasan dan deteksi dini pelanggaran izin tinggal orang asing

JURNAL PELAYANAN GEREJA ORTHODOX DEPOK BERBASIS WEBSITE

Yehezkiel Matawari Manik — 2026-08-01

Perkembangan teknologi informasi telah mendorong berbagai institusi untuk memanfaatkan media digital sebagai sarana utama penyampaian informasi. Website menjadi salah satu media yang paling efektif karena mampu menyajikan informasi secara terpusat, mudah diakses, dan bersifat global. Gereja Orthodox Depok sebagai institusi pelayanan keagamaan memiliki kebutuhan untuk menyampaikan informasi kepada jemaat dan masyarakat umum secara akurat dan berkelanjutan. Namun, penyebaran informasi gereja masih dilakukan secara terbatas melalui media sosial atau penyampaian manual, sehingga informasi sering tidak terpusat dan sulit diakses. Penelitian ini bertujuan untuk merancang dan membangun website profil Gereja Orthodox Depok sebagai media informasi dan pelayanan jemaat berbasis web. Metode yang digunakan adalah model pengembangan Waterfall yang meliputi analisis kebutuhan, perancangan sistem, implementasi, dan pengujian. Website dibangun menggunakan HTML dan CSS sebagai teknologi utama. Hasil penelitian menunjukkan bahwa website yang dikembangkan mampu menyajikan informasi profil gereja, jadwal ibadah, galeri dokumentasi, dan berita gereja secara terstruktur dan mudah diakses. Website ini diharapkan dapat meningkatkan efektivitas penyampaian informasi dan mendukung pelayanan gereja di era digital

IMPLEMENTASI RADIO FREQUENCY IDENTIFICATION (RFID) DALAM SISTEM E-PRESENSI BERBASIS INTERNET OF THINGS (IOT) PADA KEGIATAN EKSTRAKURIKULER DI SMPN 3 BUKITTINGGI

Artian Artian — 2026-08-01

Penelitian ini dilatarbelakangi oleh proses absensi kegiatan ekstrakurikuler di SMPN 3 Bukittinggi yang masih dilakukan secara manual menggunakan kertas sehingga kurang efisien dan menyulitkan pemantauan kehadiran siswa secara real-time. Selain itu, penyampaian informasi kehadiran kepada orang tua juga belum optimal. Penelitian ini bertujuan menghasilkan sistem e-presensi berbasis Internet of Things (IoT) menggunakan metode Radio Frequency Identification (RFID) untuk kegiatan ekstrakurikuler. Metode penelitian yang digunakan adalah Research and Development (R&D) dengan model pengembangan System Development Life Cycle (SDLC) menggunakan pendekatan Rapid Application Development (RAD) yang meliputi tahap Requirements Planning, Design Workshop, dan Implementation. Sistem dikembangkan menggunakan NodeMCU ESP32, RFID RC522, framework Laravel, dan database MySQL serta terintegrasi dengan notifikasi WhatsApp. Pengujian produk mengacu pada standar ISO/IEC 25010 yang mencakup functional suitability, usability, compatibility, dan uji validitas. Hasil pengujian menunjukkan nilai functional suitability dan compatibility sebesar 100%, usability sebesar 90,74%, serta validitas sebesar 0,96 dengan kategori valid. Dengan demikian, sistem dinyatakan sangat layak digunakan sebagai media presensi ekstrakurikuler siswa

SISTEM MONITORING TEMPAT SAMPAH PINTAR MENGGUNAKAN PANEL SURYA DAN DECISION TREE UNTUK PENGAMBILAN KEPUTUSAN

Sry Nurmaningsih Waris — 2026-08-01

Peningkatan jumlah sampah yang tidak diimbangi dengan sistem pengelolaan yang baik dapat menimbulkan pencemaran lingkungan dan gangguan kesehatan masyarakat. Permasalahan utama dalam pengelolaan sampah adalah keterbatasan monitoring kondisi tempat sampah secara real-time sehingga sering terjadi keterlambatan penanganan. Penelitian ini bertujuan merancang dan membangun sistem monitoring tempat sampah pintar berbasis Internet of Things (IoT) menggunakan panel surya sebagai sumber energi mandiri serta metode Decision Tree untuk pengambilan keputusan. Sistem yang dikembangkan menggunakan sensor Load Cell untuk mengukur berat sampah, sensor ultrasonik untuk mendeteksi tingkat kepenuhan tempat sampah, dan sensor MQ-135 untuk mendeteksi gas berbahaya. Data sensor diproses menggunakan metode Decision Tree untuk menentukan kondisi tempat sampah, seperti penuh, setengah, atau aman. Hasil pengujian menunjukkan bahwa sistem mampu melakukan monitoring secara otomatis dan memberikan informasi kondisi tempat sampah dengan baik berdasarkan data sensor yang diperoleh. Penerapan sistem ini diharapkan dapat meningkatkan efisiensi pengelolaan sampah serta mendukung lingkungan yang lebih bersih dan ramah lingkungan

KOMPARASI RESNET50, MOBILENETV2 DAN CUSTOM CNN DALAM KLASIFIKASI SAMPAH ORGANIK DAN ANORGANIK

Faizul Anwar Wandi — 2026-08-01

Peningkatan jumlah sampah akibat aktivitas manusia mendorong adanya sistem pengelolaan yang lebih efektif dan berbasis teknologi. Permasalahan utama terletak pada proses pemilahan sampah yang masih dilakukan secara manual sehingga kurang efisien, tidak konsisten, serta rentan terhadap kesalahan. Selain itu, belum banyak penelitian yang membandingkan beberapa arsitektur Convolutional Neural Network (CNN) dalam satu kerangka eksperimen yang seragam. Penelitian ini bertujuan untuk membandingkan performa ResNet50, MobileNetV2, dan Custom CNN dalam mengklasifikasikan sampah organik dan anorganik. Metode yang digunakan meliputi pengumpulan dataset berjumlah 29.589 citra, preprocessing melalui normalisasi dan augmentasi, pembangunan model berbasis deep learning, serta evaluasi menggunakan akurasi dan loss. Hasil pengujian menunjukkan Custom CNN memperoleh akurasi tertinggi sebesar 90,41% dengan waktu pelatihan paling efisien, diikuti MobileNetV2 sebesar 89,57%, dan ResNet50 sebesar 80,70%. Pengujian lanjutan menggunakan data baru menunjukkan bahwa Custom CNN unggul pada kelas organik dengan akurasi 100%, sementara ResNet50 lebih baik pada kelas anorganik dengan akurasi 90%, dan MobileNetV2 cenderung stabil pada kedua kelas. Temuan ini menunjukkan bahwa setiap arsitektur memiliki keunggulan berbeda, serta performa pada data uji tidak selalu mencerminkan kemampuan generalisasi model di kondisi nyata

SISTEM MANAJEMEN PADA GEREJA HKBP BENGKALIS UNTUK MENDUKUNG KEPUTUSAN PENERIMA BANTUAN DANA JEMAAT

Dewi Sartika Siahaan — 2026-08-01

Gereja HKBP Bengkalis memiliki peran dalam membantu jemaat yang mengalami kesulitan ekonomi melalui pemberian bantuan dana. Namun, proses penentuan penerima bantuan masih dilakukan secara manual sehingga menyebabkan pengelolaan data kurang efektif dan berpotensi menimbulkan ketidaktepatan dalam penyaluran bantuan. Penelitian ini bertujuan membangun sistem manajemen berbasis web yang dapat membantu pengelolaan data jemaat serta mendukung pengambilan keputusan penerima bantuan dana secara objektif. Metode yang digunakan adalah Simple Multi Attribute Rating Technique (SMART) dengan kriteria kondisi darurat, pekerjaan, usia, status sosial, dan jumlah tanggungan. Sistem dikembangkan menggunakan metode Waterfall dengan framework Laravel dan database MySQL. Hasil penelitian menunjukkan bahwa sistem mampu melakukan perhitungan dan perangkingan penerima bantuan secara otomatis dan objektif. Pengujian blackbox memperoleh tingkat keberhasilan sebesar 96,15%, sehingga sistem dapat membantu proses penyaluran bantuan dana jemaat secara lebih efektif, transparan, dan tepat sasaran

IMPLEMENTASI METODE USER-CENTERED DESIGN (UCD) PADA VALIDASI LAPORAN MENGAJAR DAN PIKET SEKOLAH

Endah Khairani Putri — 2026-08-01

Administrasi pelaporan guru di SMK Negeri 2 Bengkalis masih dilakukan secara manual menggunakan buku agenda fisik untuk pencatatan laporan mengajar harian dan buku piket sekolah. Permasalahan yang muncul dari pendekatan konvensional ini meliputi sulitnya validasi kesesuaian materi ajar dengan Rencana Pelaksanaan Pembelajaran (RPP), risiko data rusak atau hilang, serta lambatnya proses rekapitulasi data administrasi. Tujuan penelitian ini adalah merancang dan mengimplementasikan sistem informasi pelaporan berbasis web yang mampu mendigitalisasi proses administrasi sekaligus melakukan validasi konten secara otomatis. Solusi yang diajukan berupa penerapan metode User-Centered Design (UCD) dalam pengembangan sistem guna memastikan antarmuka sesuai kebutuhan pengguna, yang dipadukan dengan algoritma Levenshtein Distance untuk mengukur tingkat kemiripan teks laporan guru dengan data RPP. Hasil pengembangan menunjukkan bahwa sistem mampu melakukan ekstraksi data RPP dari format PDF dan memberikan persentase validitas secara real-time. Berdasarkan pengujian Black Box, seluruh fungsionalitas sistem berjalan 100% valid. Hasil User Acceptance Test (UAT) terhadap 27 responden menunjukkan tingkat kepuasan yang sangat tinggi, membuktikan bahwa pendekatan UCD berhasil menciptakan antarmuka yang intuitif dan fungsional. Kesimpulannya, sistem ini berhasil meningkatkan efisiensi dan akurasi administrasi pelaporan guru di lingkungan sekolah

ENKRIPSI REPOSITORI IIB DARMAJAYA DENGAN ADVANCED ENCRYPTION STANDARD (AES)

Nadia Permatasari — 2026-08-01

Perkembangan teknologi digital telah mendorong penerapan sistem repositori di institusi pendidikan tinggi untuk mengelola dokumen akademik. Namun, repositori publikasi digital IIB Darmajaya saat ini masih menyimpan dokumen dalam format teks biasa tanpa perlindungan enkripsi. Kondisi ini memunculkan permasalahan kerentanan terhadap risiko akses tidak sah, pencurian data, dan serangan cyber jika terjadi pembobolan sistem. Oleh karena itu, penelitian ini bertujuan untuk meningkatkan keamanan dan kerahasiaan data pada sistem repositori Darmajaya. Metode pengembangan sistem yang digunakan dalam penelitian ini adalah model Waterfall. Pengamanan data diimplementasikan menggunakan metode kriptografi algoritma Advanced Encryption Standard (AES). Proses enkripsi dilakukan secara otomatis saat dokumen diunggah, sedangkan dekripsi dilakukan saat dokumen diunduh melalui antarmuka web terpusat. Hasil pengujian menunjukkan bahwa sistem berhasil mengamankan dokumen dengan baik. Berkas tersimpan diubah menjadi teks sandi (ciphertext) dengan ekstensi .bin sehingga dokumen asli tidak dapat dibaca tanpa kunci dekripsi yang tepat. Pengujian Wireshark juga membuktikan transmisi data aman. Kesimpulannya, penerapan algoritma AES efektif melindungi dokumen repositori dari ancaman pencurian data

ANALISIS SENTIMEN PENGGUNA GAME HEARTOPIA BERDASARKAN REVIEW GOOGLE PLAY MENGGUNAKAN METODE SVM

Ulva Khairunnisya — 2026-08-01

Heartopia merupakan game simulasi kehidupan multiplayer yang dikembangkan oleh XD Entertainment Co., Ltd. dan tersedia di Google Play Store. Banyaknya ulasan pengguna pada game ini menimbulkan kebutuhan analisis sentimen untuk memahami persepsi pemain secara otomatis. Penelitian ini bertujuan mengklasifikasikan sentimen ulasan pengguna menjadi kategori positif dan negatif menggunakan metode Support Vector Machine (SVM) kernel linear. Tahapan penelitian meliputi pengumpulan data, pra-pemrosesan teks berupa case folding, cleaning, normalisasi, tokenisasi, stopword removal, dan stemming menggunakan PySastrawi, serta ekstraksi fitur menggunakan TF-IDF. Dataset yang digunakan berjumlah 10.827 ulasan dengan pembagian data 80% data latih dan 20% data uji. Penanganan ketidakseimbangan kelas dilakukan menggunakan parameter class_weight='balanced'. Hasil pengujian menunjukkan model memperoleh akurasi sebesar 90,26%, presisi 95,05%, recall 92,14%, dan F1-Score 93,57%. Selain itu, Stratified K-Fold Cross Validation menghasilkan rata-rata akurasi 90,38%. Hasil penelitian menunjukkan bahwa metode SVM efektif dalam menganalisis sentimen ulasan pengguna Heartopia, dengan keluhan utama terkait mekanisme gacha dan masalah sistem permainan

IMPLEMENTASI MULTI FACTOR AUTHENTICATION (MFA) PADA SISTEM PRESENSI MENGGUNAKAN SPRING SECURITY

Diva Kurniawan — 2026-08-01

Sistem presensi digital semakin banyak diadopsi di lingkungan kerja, namun rentan terhadap praktik buddy punching akibat lemahnya mekanisme autentikasi satu faktor yang masih umum digunakan. Penelitian ini bertujuan untuk merancang dan mengimplementasikan sistem presensi berbasis Multi-Factor Authentication (MFA) yang menggabungkan NFC Card sebagai faktor kepemilikan dan PIN sebagai faktor pengetahuan menggunakan Spring Security 6.x, guna mencegah buddy punching dan meningkatkan integritas data kehadiran. Sistem dikembangkan menggunakan metode Waterfall dengan arsitektur yang terdiri dari aplikasi desktop JavaFX 21.0.1, backend RESTful API Spring Boot 3.2.0, dan database MongoDB 7.0. Pengujian dilakukan melalui enam skenario autentikasi dan tujuh aspek keamanan untuk mengevaluasi efektivitas sistem. Hasil pengujian menunjukkan seluruh skenario berhasil lulus, di mana sistem berhasil menolak akses pada kasus kartu dipinjam tanpa PIN maupun PIN diketahui tanpa kartu fisik, dengan seluruh endpoint kritis merespons di bawah 500 milidetik. Penelitian ini membuktikan bahwa kombinasi NFC Card dan PIN dengan Spring Security merupakan solusi yang efektif, praktis, dan aman untuk sistem presensi yang tahan terhadap manipulasi data kehadiran.

PENGEMBANGAN SISTEM PEMANTAUAN KETINGGIAN AIR SUNGAI DAN DETEKSI BANJIR BERBASIS IMAGE PROCESSING UNTUK MONITORING REAL-TIME DENGAN EVALUASI AKURASI

Chandrasena Setiadi — 2026-08-01

Banjir merupakan salah satu bencana alam yang sering terjadi di Indonesia dan memerlukan sistem pemantauan ketinggian air yang mampu bekerja secara cepat, akurat, dan real-time sebagai bagian dari upaya mitigasi bencana. Penelitian ini bertujuan mengembangkan sistem pemantauan ketinggian air sungai dan deteksi kondisi banjir berbasis image processing menggunakan webcam sebagai perangkat akuisisi citra dan Raspberry Pi 5 Model B sebagai unit pemrosesan utama. Metode yang diterapkan meliputi tahapan pre-processing citra, peningkatan kontras menggunakan CLAHE, reduksi noise dengan Gaussian Blur, deteksi tepi menggunakan metode Canny, segmentasi citra, serta deteksi garis permukaan air (waterline detection) untuk mengestimasi ketinggian air berdasarkan skala referensi. Nilai estimasi yang diperoleh kemudian digunakan untuk mengklasifikasikan kondisi air ke dalam kategori normal, siaga, dan banjir. Hasil pengujian menunjukkan bahwa sistem memiliki nilai Mean Absolute Error (MAE) sebesar 0,10 m dan Root Mean Square Error (RMSE) sebesar 0,105 m. Selain itu, sistem mampu mengklasifikasikan kondisi air dengan akurasi sebesar 82,5% serta bekerja pada kecepatan pemrosesan sekitar 12–15 FPS, sehingga memenuhi kebutuhan monitoring secara real-time. Berdasarkan hasil tersebut, sistem yang dikembangkan menunjukkan kinerja yang cukup baik dan berpotensi diterapkan sebagai solusi monitoring ketinggian air sungai berbasis kamera dengan biaya relatif rendah untuk mendukung sistem peringatan dini banjir

ANALISIS KEBUTUHAN PENGGUNA DALAM PENGEMBANGAN CHATBOT AKADEMIK MENGGUNAKAN KERANGKA PIECES

Laisa Nurin Mentari — 2026-08-01

Transformasi digital dalam sektor pendidikan mendorong pemanfaatan teknologi informasi untuk meningkatkan kualitas layanan akademik, salah satunya melalui penggunaan chatbot. Namun, layanan komunikasi akademik pada Biro Administrasi Akademik dan Kemahasiswaan (BAAK) STT-NF masih dilakukan secara manual melalui Telegram, WhatsApp, atau melalui kunjungan langsung. Kondisi tersebut menyebabkan keterlambatan respons, keterbatasan akses informasi, serta ketergantungan pada ketersediaan staf. Penelitian ini bertujuan mengidentifikasi dan menganalisis kebutuhan pengguna sebagai dasar pengembangan chatbot akademik yang efektif dan responsif. Penelitian menggunakan pendekatan kualitatif dengan teknik purposive sampling melalui wawancara mendalam terhadap staf BAAK dan sembilan mahasiswa. Data dianalisis menggunakan analisis tematik dengan bantuan perangkat lunak NVivo melalui tahapan open coding, axial coding, dan selective coding. Hasil penelitian menunjukkan enam kategori utama kebutuhan pengguna, yaitu kualitas layanan, sistem responsif, pengembangan chatbot, pengalaman pengguna, keamanan data, dan peran chatbot sebagai sistem pendukung. Selain itu, penelitian menghasilkan lima kebutuhan fungsional dan lima kebutuhan non-fungsional sebagai dasar pengembangan chatbot akademik yang efisien dan berorientasi pada pengguna

ANALISIS PERFORMA CAPSULE NETWORK (CAPSNET) DALAM KLASIFIKASI SAMPAH ORGANIK DAN ANORGANIK

Muhammad Arif — 2026-08-01

Pengelolaan sampah memerlukan teknologi pemisahan otomatis yang akurat untuk mendukung proses daur ulang. Namun, algoritme Convolutional Neural Network (CNN) tradisional memiliki keterbatasan dalam memahami hubungan spasial objek akibat rotasi atau kondisi yang tumpang tindih. Penelitian ini bertujuan menerapkan arsitektur Capsule Network (CapsNet) untuk meningkatkan akurasi klasifikasi sampah organik dan anorganik secara dinamis. Metode penelitian menggunakan dataset sekunder sebanyak 5.000 citra dari Kaggle yang diproses dengan mekanisme Dynamic Routing (3 iterasi), fungsi aktivasi Squash, dan optimasi Label Smoothing 0.1. Hasil evaluasi menunjukkan model CapsNet mencapai akurasi 81,20% pada data uji. Secara spesifik, model memiliki responsivitas tinggi pada limbah organik dengan Recall 0,8440 dan Precision 0,8333 pada kategori anorganik. Meskipun terdapat kesalahan klasifikasi sebesar 18,80% akibat ambiguitas tekstur dan noise latar belakang, penelitian ini menyimpulkan bahwa CapsNet efektif dalam mempertahankan informasi hierarki spasial untuk klasifikasi objek limbah yang bervariasi

SYSTEMATIC LITERATURE REVIEW : ANALISA SISTEM REKOMENDASI MAKANAN SEHAT

Farhan A Yovie — 2026-08-01

Peningkatan kesadaran masyarakat terhadap pola hidup sehat mendorong kebutuhan akan sistem rekomendasi makanan yang mampu memberikan saran sesuai kebutuhan nutrisi pengguna. Namun, beragamnya pendekatan yang digunakan dalam sistem rekomendasi ini menyebabkan belum adanya gambaran komprehensi mengenai metode, dataset, dan metrik evaluasi yang paling efektif. Penelitian ini bertujuan menganalisis berbagai berbagai pendekatan yang digunakan dalam sistem rekomendasi makanan sehat melalui metode Systematic Literature Review (SLR). Proses yang dilakukan dalam penelitian ini dengan mencari artikel pada database Garuda, ScienceDirect, dan Google Scholar dengan rentang publikasi 2020-2025. Seleksi artikel berdasarkan kriteria inklusi yang telah ditetapkan sehingga diperoleh 18 artikel yang relevan untuk dianalisis. Hasil penelitian menunjukkan bahwa Conten-Based Filtering merupakan metode yang paling banyak digunakan dan efektif. Kombinasi metode hybrid, seperti integrasi CBF dengan KNN, mampu meningkatkan akurasi rekomendasi. Selain itu, pendekatan Knowledge-Based Filterin dan Forward Chaining efektif untuk kebutuhan nutrisi spesifik dan konteks medis. Evaluasi kualitas rekomendasi umumnya menggunakan metrik Precision, Recall, F1-score, RMSE, dan NDCG. Temuan ini menunjukkan bahwa pengembangan sistem rekomendasi makanan sehat yang optimal memerlukn kombinasi metode yang adaptif dengan evaluasi kinerja yang komprehensif

MODEL FORECASTING PRODUKSI JAGUNG PIPILAN KERING DI PROVINSI GORONTALO: PENDEKATAN KOMPARATIF METODE SUPPORT VECTOR REGRESSION (SVR) DAN SARIMAX

Mohamad Fikri Sue — 2026-08-01

Provinsi Gorontalo merupakan salah satu sentra produksi jagung nasional yang memiliki peran strategis dalam menjaga ketahanan pangan. Namun, produksi jagung di wilayah ini menunjukkan fluktuasi yang sangat ekstrem akibat pengaruh luas panen dan variabilitas curah hujan, sehingga menyulitkan perencanaan pasokan secara akurat. Permasalahan tersebut menuntut adanya model peramalan yang mampu menangkap pola non-linier pada data produksi jagung. Penelitian ini bertujuan untuk membandingkan tingkat akurasi metode Support Vector Regression (SVR) dan Seasonal Autoregressive Integrated Moving Average with Exogenous Regressors (SARIMAX) dalam memprediksi produksi jagung di Provinsi Gorontalo. Metode penelitian menggunakan data deret waktu bulanan periode 2018–2025 dari enam kabupaten/kota, dengan variabel produksi jagung sebagai target serta luas panen dan curah hujan sebagai variabel eksogen. Data dipartisi menjadi data latih (75%) dan data uji (25%). Kinerja model dievaluasi menggunakan Mean Absolute Percentage Error (MAPE). Hasil penelitian menunjukkan bahwa SVR dengan kernel Radial Basis Function (RBF) secara konsisten menghasilkan tingkat kesalahan yang lebih rendah dibandingkan SARIMAX, dengan nilai MAPE terendah sebesar 3,61% di Kabupaten Pohuwato. Dengan demikian, SVR dinilai lebih adaptif dan akurat untuk peramalan produksi jagung yang bersifat fluktuatif ekstrem

PENERAPAN ALGORITMA NAÏVE BAYES DALAM KLASIFIKASI TINGKAT KINERJA AKADEMIK SISWA SEKOLAH MENENGAH KEJURUAN (SMK) BERDASARKAN NILAI AKADEMIK

Tria Saputra — 2026-08-01

Pemanfaatan data akademik dalam dunia pendidikan memiliki potensi besar untuk mendukung pengambilan keputusan yang lebih objektif dan berbasis data. Namun, data akademik siswa di lingkungan Sekolah Menengah Kejuruan (SMK) masih cenderung digunakan secara administratif tanpa analisis mendalam, sehingga pola kinerja siswa belum dapat diidentifikasi secara optimal. Penelitian ini bertujuan untuk mengklasifikasikan tingkat kinerja akademik siswa SMK menggunakan algoritma Naïve Bayes berdasarkan nilai akademik dan atribut pendukung, guna menghasilkan model klasifikasi yang akurat dan dapat digunakan sebagai dasar pengambilan keputusan berbasis data. Metode yang diterapkan meliputi preprocessing data, pembagian data dengan rasio 80:20, dan evaluasi model menggunakan confusion matrix, classification report, serta 10-fold cross validation. Dataset terdiri dari 253 siswa dengan atribut nilai Bahasa Indonesia, Bahasa Inggris, PPKn, kehadiran, usia, dan jenis kelamin. Hasil penelitian menunjukkan bahwa model Naïve Bayes mencapai akurasi sebesar 86,27% dengan hasil cross validation sebesar 93,69%, yang mengindikasikan model memiliki stabilitas dan kemampuan generalisasi yang baik serta berpotensi diterapkan sebagai alat bantu pengambilan keputusan di bidang pendidikan

PERANCANGAN APLIKASI KASIR BERBASIS MOBILE UNTUK MENINGKATKAN EFISIENSI TRANSAKSI BISNIS

Tio Andrian — 2026-08-01

Perkembangan teknologi mobile mendorong digitalisasi sistem kasir pada berbagai jenis usaha. Namun, sebagian pelaku usaha masih menggunakan pencatatan transaksi secara manual sehingga proses pengelolaan data menjadi kurang efisien dan berpotensi menimbulkan kesalahan pencatatan. Penelitian ini bertujuan merancang dan membangun aplikasi kasir berbasis mobile untuk membantu pengelolaan transaksi bisnis secara digital. Metode pengembangan sistem yang digunakan adalah waterfall yang meliputi analisis kebutuhan, perancangan sistem, implementasi, pengujian, dan pemeliharaan. Aplikasi dikembangkan menggunakan framework Flutter agar dapat berjalan pada berbagai platform mobile. Fitur utama aplikasi meliputi pengelolaan produk, pencatatan transaksi penjualan, pembuatan laporan keuangan, dan pengaturan akun pengguna. Pengujian sistem dilakukan menggunakan metode black box testing dengan tingkat keberhasilan fungsi sistem sebesar 100%. Hasil penelitian menunjukkan bahwa aplikasi mampu mempermudah proses pencatatan transaksi, mempercepat pengelolaan data penjualan, serta membantu pembuatan laporan keuangan secara lebih efektif dibandingkan pencatatan manual. Dengan demikian, aplikasi yang dikembangkan dapat mendukung efisiensi operasional usaha melalui digitalisasi transaksi bisnis

PERANCANGAN APLIKASI SISTEM PAKAR BERBASIS WEB UNTUK DIAGNOSIS KERUSAKAN PADA LAPTOP DENGAN METODE CASE BASED REASONING

Muhammad Hibatulloh Hazari — 2026-08-01

Kerusakan pada laptop merupakan permasalahan yang sering dialami pengguna, terutama dalam kegiatan pekerjaan maupun pembelajaran. Namun, tidak semua pengguna memiliki pengetahuan untuk mendiagnosis kerusakan yang terjadi sehingga harus membawa laptop ke tempat servis yang memerlukan waktu dan biaya tambahan. Berdasarkan permasalahan tersebut, penelitian ini bertujuan untuk merancang dan membangun aplikasi sistem pakar diagnosis kerusakan laptop berbasis web yang dapat membantu pengguna mengetahui jenis kerusakan beserta solusi penanganannya. Metode yang digunakan dalam penelitian ini adalah Case-Based Reasoning (CBR), yaitu metode yang memanfaatkan pengalaman kasus sebelumnya untuk menyelesaikan kasus baru melalui tahapan retrieve, reuse, revise, dan retain. Sistem dikembangkan menggunakan framework Laravel dengan bahasa pemrograman PHP serta basis data MySQL. Proses perancangan sistem menggunakan UML dan pengujian sistem dilakukan dengan metode Black Box. Hasil penelitian menunjukkan bahwa aplikasi sistem pakar yang dibangun mampu melakukan diagnosis kerusakan laptop berdasarkan gejala yang dipilih pengguna dan menghasilkan tingkat kemiripan kasus tertinggi sebagai dasar penentuan solusi. Sistem ini dapat membantu pengguna memperoleh informasi diagnosis kerusakan laptop secara cepat, mudah, dan efisien

PREDIKSI STOK DARAH BERDASARKAN GOLONGAN DARAH DI UDD KOTA GORONTALO MENGGUNKAN METODE SINGLE MOVING AVERAGE

Imran Renyaan — 2026-08-01

Palang Merah Indonesia (PMI) melalui Unit Donor Darah (UDD) Kota Gorontalo berperan penting dalam menjaga ketersediaan stok darah untuk memenuhi kebutuhan masyarakat. Namun, ketersediaan darah sering mengalami fluktuasi meskipun jumlah pendonor terus meningkat. Permasalahan utama dalam penelitian ini adalah belum adanya perencanaan stok darah yang akurat berdasarkan data historis golongan darah. Penelitian ini bertujuan untuk memprediksi ketersediaan stok darah golongan A, B, O, dan AB di UDD Kota Gorontalo guna mendukung perencanaan dan pengelolaan persediaan darah. Metode yang digunakan adalah Single Moving Average (SMA) dengan memanfaatkan 53 data bulanan periode tahun 2020 hingga 2025. Tahapan penelitian meliputi pengumpulan data, preprocessing, perhitungan SMA, serta evaluasi hasil prediksi menggunakan perangkat lunak Minitab. Hasil penelitian menunjukkan bahwa golongan darah O memiliki tingkat ketersediaan tertinggi, golongan darah A dan B relatif stabil, sedangkan golongan darah AB memiliki stok terendah dan memerlukan perhatian khusus. Dengan demikian, metode Single Moving Average (SMA) terbukti mampu memberikan estimasi stok darah yang cukup akurat dan dapat digunakan sebagai alat bantu dalam perencanaan stok darah di UDD Kota Gorontalo

ANALISIS PERFORMA ARSITEKTUR VISION TRANSFORMER DALAM DETEKSI NOMINAL MATA UANG RUPIAH

Azzam Trisna Wibawa — 2026-08-01

Pengenalan nilai uang kertas Rupiah merupakan salah satu penggunaan computer vision yang memiliki potensi untuk dijadikan dasar sistem bantuan dalam mengenali uang. Tantangan dalam studi ini adalah bagaimana cara mengidentifikasi nilai uang kertas Rupiah secara otomatis dengan model yang mampu membedakan karakteristik visual dari setiap pecahan, khususnya untuk uang Rupiah emisi 2022 yang terdiri dari tujuh kategori nominal. Tujuan dari penelitian ini adalah untuk mengevaluasi kemampuan arsitektur Vision Transformer (ViT) dalam mengklasifikasikan nilai uang kertas Rupiah emisi 2022. Metode yang digunakan adalah klasifikasi citra menggunakan model vit-base-patch16 dengan pendekatan transfer learning. Hasil dari penelitian ini menunjukkan bahwa model mencapai nilai accuraxy, precision, recall, dan F1-score sebesar 1,0000 pada data uji internal. Hasil ini menunjukkan bahwa Vision Transformer sangat efektif dalam mengklasifikasikan nominal uang kertas Rupiah pada dataset internal yang digunakan, meskipun pada pengujian tambahan masih terdapat kesalahan pada citra dalam kondisi yang kurang ideal

PERANCANGAN DAN IMPLEMENTASI SISTEM INSTRUMENTASI PADA ROBOT MINIATUR AUTONOMOUS BERBASIS ARDUINO MEGA DENGAN MENGGUNAKAN SENSOR ULTRASONIK HC-SR04

Abdul Azis Rizali Nur Dwi Sahid — 2026-08-01

Perkembangan teknologi robotika dan instrumentasi mendorong penggunaan robot miniatur autonomous sebagai media pembelajaran dan implementasi sistem kendali otomatis. Permasalahan yang sering ditemukan pada robot miniatur autonomous adalah keterbatasan sistem navigasi dalam mendeteksi objek dan menentukan arah gerak secara mandiri. Penelitian ini bertujuan untuk merancang dan mengimplementasikan sistem instrumentasi pada robot miniatur autonomous berbasis Arduino Mega dengan menggunakan sensor ultrasonik HC-SR04 sebagai pendeteksi jarak objek. Metode penelitian dilakukan melalui perancangan perangkat keras, pembuatan diagram blok dan diagram alir sistem, implementasi program pada Arduino Mega, serta pengujian sensor pada berbagai variasi jarak. Hasil pengujian menunjukkan bahwa sensor ultrasonik mampu mendeteksi objek secara optimal pada rentang jarak 4 cm hingga 20 cm. Sistem robot juga mampu bekerja secara autonomous dengan menerapkan metode obstacle avoidance, yaitu berhenti, melakukan pemindaian menggunakan motor servo, dan menentukan arah gerak berdasarkan kondisi lingkungan. Namun, pada jarak di atas 20 cm sensor mengalami penurunan kemampuan deteksi akibat melemahnya pantulan gelombang ultrasonik

INTEGRASI RESNET50 DAN GEOREFERENSI GOOGLE MAPS API UNTUK IDENTIFIKASI ALAMAT RUMAH DARI CITRA GOOGLE STREET VIEW

Naufal Nadhief — 2026-08-01

Perkembangan deep learning dan teknologi geospasial mendorong pengembangan sistem identifikasi alamat rumah berbasis citra digital. Namun, proses identifikasi lokasi rumah masih mengalami kendala akibat kemiripan visual antarbangunan dan keterbatasan integrasi informasi spasial dalam pencocokan citra. Penelitian ini bertujuan mengembangkan sistem identifikasi alamat rumah dari citra Google Street View menggunakan integrasi ResNet50, cosine similarity, dan Google Maps API. Metode penelitian meliputi akuisisi citra pada wilayah Kecamatan Kapas, Balen, dan Dander di Kabupaten Bojonegoro, preprocessing data, ekstraksi fitur visual menggunakan ResNet50 berbasis transfer learning, pengukuran kemiripan citra menggunakan cosine similarity, serta ekstraksi alamat melalui georeferensi Google Maps API. Hasil penelitian menunjukkan bahwa model yang diusulkan mampu mencapai akurasi klasifikasi sebesar 97% dalam membedakan citra rumah dan non-rumah serta berhasil mengeliminasi citra duplikat secara efektif. Integrasi fitur visual dan informasi geospasial terbukti mampu meningkatkan efisiensi identifikasi alamat rumah secara otomatis dibandingkan metode manual

SISTEM MANAJEMEN PERANGKAT JARINGAN BERBASIS AUTOMATION DAN CHATBOT AI MENGGUNAKAN MODEL PENGEMBANGAN PROTOTYPE

Deni Mulyawan — 2026-08-01

Dalam menjaga ketersediaan layanan internet bagi pelanggan, PT Hipernet Indodata memerlukan sistem pemantauan infrastruktur yang cerdas dan responsif guna menjamin Quality of Service (QoS) serta stabilitas jaringan secara real-time. Penelitian ini bertujuan untuk merancang dan membangun aplikasi Network Monitoring System (NMS) berbasis web yang mengintegrasikan protokol SNMP dan ICMP untuk memantau uptime perangkat, penggunaan bandwidth, serta statistik lalu lintas data secara akurat. Metode pengembangan sistem dilakukan secara terstruktur dengan mengedepankan fitur inovatif berupa chatbot AI yang memungkinkan administrator jaringan mendapatkan ringkasan kondisi perangkat serta jawaban teknis melalui interaksi percakapan yang intuitif. Hasil implementasi menunjukkan bahwa aplikasi ini mampu mendokumentasikan log aktivitas secara komprehensif sekaligus mengoptimalkan proses pengambilan keputusan melalui otomatisasi informasi. Secara keseluruhan, sistem ini diharapkan dapat mempercepat deteksi dini gangguan konektivitas dan meningkatkan efisiensi operasional di PT Hipernet Indodata melalui antarmuka pemantauan yang modern dan cerdas

ANALISIS PREDICTIVE MAINTENANCE MESIN PRODUKSI DI ATMI IGI CENTER MENGGUNAKAN METODE RANDOM FOREST

Gilang Prima Ertansyah — 2026-08-01

Efisiensi operasional adalah tuntutan utama industri manufaktur modern. Namun, ATMI IGI Center menghadapi masalah tingginya frekuensi downtime tak terencana pada mesin Computer Numerical Control (CNC) akibat sistem perawatan konvensional yang kurang efisien, sehingga memicu lonjakan biaya darurat. Penelitian ini bertujuan merancang sistem predictive maintenance menggunakan algoritma Random Forest guna memprediksi estimasi downtime mesin secara akurat. Metode yang digunakan meliputi pemantauan arus listrik secara real-time via sensor DC Signal Isolator 50 Ampere. Pra-pemrosesan data menerapkan teknik feature engineering (Rolling Mean dan Rolling Standard Deviation) untuk mengekstraksi volatilitas sinyal kelistrikan. Hasil pengujian model klasifikasi menunjukkan performa superior dengan tingkat akurasi 99,33% dan presisi 1,00, di mana fitur volatilitas terdeteksi sebagai prediktor kegagalan paling konsisten. Keterbatasan pada nilai recall (0,50) terjadi sebagai akibat dari ketidakseimbangan kelas (extreme class imbalance) pada data historis. Sebagai luaran fungsional, penelitian ini berhasil mengimplementasikan Early Warning System berbasis web Laravel untuk memproyeksikan jadwal perawatan preventif secara presisi bagi teknisi di lapangan

PLATFORM DIGITAL SISTEM MANAJEMEN CERDAS UNTUK PEMBINAAN ADAPTIF DAN DUKUNGAN KESEHATAN MENTAL SANTRI MENGGUNAKAN EXPERT SYSTEM KONSELOR

Muhammad Nur Rifqi Baharis — 2026-08-01

Pondok pesantren menghadapi keterbatasan serius dalam pengelolaan layanan bimbingan konseling, khususnya dalam hal pencatatan perilaku santri yang masih bersifat manual, tidak terstruktur, dan minim kemampuan deteksi dini kondisi kesehatan mental. Kondisi ini mengakibatkan penanganan kasus berjalan lambat dan tidak terukur. Penelitian ini bertujuan merancang serta mengimplementasikan platform digital berbasis Rule-Based Expert System yang mengintegrasikan pemrosesan bahasa alami (Natural Language Processing) dan mesin inferensi Forward Chaining guna mendukung pembinaan santri secara adaptif, objektif, dan terukur. Sistem dikembangkan menggunakan Laravel 12, React.js dengan Inertia.js, serta Python 3 berbasis library Sastrawi, didukung basis pengetahuan yang memuat 16 variabel pelanggaran, 3 apresiasi, 19 konselor, 10 konsekuensi, 5 reward, dan 43 rule expert system. Pengujian terhadap 8 teks laporan nyata menghasilkan akurasi preprocessing 100% tanpa intervensi manual. Black Box Testing terhadap 26 skenario uji pada tiga peran pengguna mencapai keberhasilan 100%, dengan sistem berhasil memicu laporan konsekuensi dan reward secara otomatis serta mengeksekusi forward chaining yang menghasilkan diagnosis kondisi mental santri beserta rekomendasi penanganan yang relevan

DIGITALISASI LAPORAN KEUANGAN MDA MIFTAKHUL ULUM DESA BABAKAN KECAMATAN KERAMAT KABUPATEN TEGAL

Pungkas Budiyono — 2026-08-01

Madrasah MDA Miftakhul Ulum dalam mencatat laporan keuangan masih dilakukan secara manual, seperti menggunakan buku kas. Cara seperti ini membuat pencatatan menjadi tidak efisien dan rawan kesalahan. salah satunya di MDA Miftakhul Ulum Desa Babakan Kec. Keramat Kab. Tegal, permasalahan ini cukup terasa karena data keuangan mudah hilang, proses pelaporan lambat, dan sulit dilakukan rekap secara menyeluruh. Kondisi ini menjadi latar belakang lahirnya ide untuk membuat sistem laporan keuangan berbasis website. Tujuan dari penelitian ini adalah membangun aplikasi berbasis website untuk mencatat pemasukan, pengeluaran, absensi guru, dan perhitungan gaji secara otomatis. Dengan sistem ini, diharapkan semua proses administrasi keuangan menjadi lebih tertib, aman, dan dapat diakses kapan saja. Penelitian ini menggunakan metode pengembangan perangkat lunak model waterfall yang terdiri dari lima tahap yaitu requirement Analysis, Design system , implementation, Testing dan Maintenance . Teknologi yang digunakan dalam pengembangan sistem meliputi Tools Entreprise Architecture membuat diagram UML, bahasa pemrograman PHP, basis data MySQL, serta framework CodeIgniter. Hasil dari pengujian menggunakan metode black-box yang menunjukkan bahwa sistem dapat berjalan sesuai dengan fungsi yang diharapkan. Sistem ini mampu membantu pihak madrasah menyusun laporan keuangan dengan lebih cepat, akurat, valid dan efisien

RANCANG BANGUN SISTEM PELACAKAN SURAT MASUK DAN KELUAR BERBASIS WEB DENGAN WORKFLOW AUTOMATION

Dian Novi Susanty — 2026-08-01

Pengelolaan surat masuk dan surat keluar yang masih dilakukan secara manual di SD Negeri 38 Palembang sering menimbulkan berbagai permasalahan, seperti keterlambatan penyampaian informasi, kesalahan pencatatan data surat, serta kesulitan dalam melacak status dan posisi dokumen. Kondisi tersebut berdampak pada kurang efektifnya proses administrasi sekolah. Oleh karena itu, penelitian ini bertujuan untuk merancang dan membangun sistem pelacakan surat masuk dan keluar berbasis web dengan menerapkan workflow automation guna menciptakan alur kerja pengelolaan surat yang terstruktur, efisien, dan mudah dipantau. Metode penelitian yang digunakan adalah metode rekayasa perangkat lunak dengan tahapan analisis kebutuhan, perancangan sistem, perancangan basis data, implementasi sistem, serta pengujian fungsional. Sistem yang dikembangkan mampu melakukan pencatatan surat secara real time, mendistribusikan surat secara digital kepada pihak terkait, serta menampilkan status dan riwayat proses surat mulai dari penerimaan, disposisi, hingga penyelesaian. Selain itu, sistem dilengkapi dengan fitur notifikasi otomatis untuk mendukung kelancaran alur kerja administrasi. Hasil implementasi menunjukan bahwa sistem pelacakan surat berbasis web dengan workflow automation mampu meningkatkan kecepatan distribusi informasi, meminimalkan kesalahan pencatatan, serta meningkatkan transparansi pengelolaan surat. Dengan demikian, sistem ini dapat menjadi solusi yang efektif dalam mendukung digitalisasi pengelolaan surat di SD Negeri 38 Palembang

PENGEMBANGAN PROTOTIPE UI/UX MARKETPLACE TANAMAN BERBASIS KEPERCAYAAN MELALUI PENDEKATAN DESIGN THINKING PADA PLATFORM FLOMART

Titania Kaylife Putri — 2026-08-01

Penelitian ini bertujuan mengembangkan prototipe UI/UX marketplace tanaman pada platform FLOMART yang berfokus pada peningkatan kepercayaan pengguna dalam transaksi daring. Permasalahan utama dalam marketplace tanaman meliputi kurangnya transparansi informasi produk, keamanan transaksi, dan kenyamanan pengguna saat berinteraksi dengan sistem. Penelitian ini menggunakan metode Design Thinking melalui tahapan empathize, define, ideate, prototype, dan test untuk mengidentifikasi kebutuhan pengguna serta merancang solusi yang sesuai. Hasil perancangan berupa prototipe berbasis website yang dilengkapi fitur informasi produk yang detail, dan pemantauan transaksi. Evaluasi dilakukan menggunakan usability testing dengan indikator success rate, error rate, time on task, dan kepuasan pengguna. Hasil pengujian menunjukkan bahwa seluruh tugas dapat diselesaikan dengan success rate sebesar 100% serta tingkat kesalahan yang relatif rendah. Selain itu, pengguna memberikan respons positif terhadap kemudahan penggunaan dan kejelasan antarmuka sistem. Berdasarkan hasil tersebut, pendekatan Design Thinking dinilai efektif dalam menghasilkan desain UI/UX yang mendukung peningkatan pengalaman dan kepercayaan pengguna dalam marketplace tanaman digital

PENERAPAN MODEL LSTM DAN ANALISIS SENTIMEN UNTUK PREDIKSI HARGA PENUTUPAN SAHAM PT BANK MANDIRI (PERSERO) TBK

Imelda Agustin — 2026-08-01

Penelitian ini dilakukan untuk menganalisis pengaruh penambahan variabel sentimen publik terhadap akurasi prediksi harga penutupan saham PT Bank Mandiri (Persero) Tbk (BMRI). Data yang digunakan berupa data historis saham BMRI yang terdiri dari close price dan volume dari Yahoo Finance serta data headline berita dari Bisnis.com periode November 2024 hingga Januari 2026. Analisis sentimen dilakukan menggunakan model FinBERT untuk menghasilkan skor sentimen harian yang kemudian diintegrasikan ke dalam model Long Short-Term Memory (LSTM). Penelitian menggunakan dua skenario, yaitu model LSTM tanpa sentimen dan model LSTM dengan variabel sentimen. Evaluasi model dilakukan menggunakan RMSE, MAE, dan MAPE. Hasil penelitian menunjukkan bahwa model tanpa sentimen memperoleh performa lebih baik dengan nilai RMSE 83,76, MAE 62,34, dan MAPE 1,28%, sedangkan model dengan sentimen menghasilkan RMSE 97,59, MAE 68,55, dan MAPE 1,41%. Berdasarkan hasil tersebut, penambahan variabel sentimen pada penelitian ini belum mampu meningkatkan akurasi prediksi harga saham BMRI

ANALISIS ALGORITMA K-NEAREST NEIGHBOR UNTUK PREDIKSI KELULUSAN MAHASISWA TEPAT WAKTU

Irsanda Hardimas — 2026-08-01

Ketepatan waktu lulus mahasiswa merupakan indikator vital bagi kualitas dan akreditasi perguruan tinggi. Namun, ISB Atma Luhur menghadapi kendala dalam mengidentifikasi mahasiswa yang berisiko terlambat lulus secara dini akibat banyaknya variabel akademik dan keterbatasan pemantauan manual. Penelitian ini bertujuan untuk menganalisis performa algoritma K-Nearest Neighbor (KNN) dalam memprediksi kelulusan mahasiswa tepat waktu sebagai solusi sistem peringatan dini. Metode penelitian meliputi prapemrosesan data, standardisasi Z-Score, pembagian data latih dan uji (80:20), serta optimasi parameter K melalui hyperparameter tuning. Hasil pengujian menunjukkan bahwa model mencapai performa optimal pada nilai K = 3 dengan tingkat akurasi sebesar 98,31%. Metrik evaluasi lainnya menghasilkan precision 0,98, recall 1,00, dan F1-score 0,99. Temuan ini membuktikan bahwa algoritma KNN sangat efektif dalam mengklasifikasikan status kelulusan mahasiswa, sehingga dapat digunakan oleh manajemen institusi untuk melakukan intervensi akademik yang lebih tepat sasaran bagi mahasiswa yang berisiko

PREDIKSI PERMINTAAN PRODUK MENGGUNAKAN LONG SHORT-TERM MEMORY (LSTM) UNTUK OPTIMASI MANAJEMEN PERSEDIAAN PADA BISNIS RITEL

Dwi Hartanti — 2026-08-01

Ketidakpastian permintaan pada sektor ritel sering menyebabkan ketidakseimbangan persediaan, baik dalam bentuk kelebihan stok maupun kekurangan stok. Kondisi tersebut berdampak pada meningkatnya biaya operasional serta potensi kehilangan peluang penjualan. Penelitian ini bertujuan untuk memprediksi penjualan produk ritel menggunakan metode Long Short-Term Memory (LSTM) berbasis data deret waktu (time series). Tahapan penelitian meliputi preprocessing data, pembentukan dataset menggunakan teknik sliding window, pembangunan model LSTM, serta evaluasi kinerja model menggunakan Root Mean Square Error (RMSE) dan Mean Absolute Percentage Error (MAPE). Dataset yang digunakan terdiri dari 730 data penjualan harian dengan ukuran window selama 7 hari. Hasil penelitian menunjukkan bahwa model LSTM mampu menghasilkan prediksi dengan tingkat kesalahan yang relatif rendah, ditunjukkan oleh nilai RMSE sebesar 4,16 dan MAPE sebesar 1,64%. Nilai tersebut menunjukkan bahwa model mampu menangkap pola temporal dan dinamika fluktuasi penjualan secara efektif. Hasil penelitian ini menunjukkan bahwa metode LSTM memiliki potensi untuk mendukung proses pengambilan keputusan dalam perencanaan dan pengendalian persediaan pada sektor ritel.

PREDIKSI PENJUALAN HARIAN UNTUK PENGELOLAAN STOK MENGGUNAKAN METODE EXPONENTIAL SMOOTHING PADA RESTORAN IKAN BAKAR PANTAI TIMUR

Amancio Sarmento Pereira — 2026-08-01

Perkembangan teknologi informasi mendorong penggunaan data dalam pengambilan keputusan bisnis, termasuk pada sektor kuliner. Restoran Ikan Bakar Pantai Timur menghadapi permasalahan dalam pengelolaan stok bahan baku akibat fluktuasi penjualan harian yang tidak menentu. Penelitian ini bertujuan untuk membangun sistem prediksi penjualan harian menggunakan metode Single Exponential Smoothing (SES) guna mendukung pengelolaan stok bahan baku secara optimal. Data yang digunakan berupa data penjualan harian per menu yang diolah untuk menghasilkan prediksi penjualan pada periode berikutnya. Tingkat akurasi metode diukur menggunakan Mean Absolute Percentage Error (MAPE). Sistem dikembangkan berbasis web untuk mempermudah proses pengolahan data, perhitungan prediksi, serta penyajian rekomendasi kebutuhan bahan baku secara otomatis. Hasil penelitian menunjukkan bahwa metode SES mampu memberikan prediksi yang cukup akurat serta membantu pengelola restoran dalam merencanakan stok bahan baku secara lebih efisien dan terukur.

ANALISIS PENGARUH AUGMENTASI DATA PADA ARSITEKTUR CNN DAN VISION TRANSFORMER UNTUK KLASIFIKASI MOTIF BATIK

Refando Nofiantoro — 2026-08-01

Klasifikasi citra Batik Nitik termasuk kategori Fine Grained Visual Classification (FGVC) karena tingginya kemiripan visual pada 60 kelas motifnya. Tantangan utama dalam klasifikasi ini adalah keterbatasan dataset orisinal yang hanya berjumlah 960 citra, sehingga sangat menyulitkan arsitektur Vision Transformer (ViT) yang memiliki karakteristik data hungry. Penelitian ini bertujuan menganalisis pengaruh augmentasi data terhadap kinerja Convolutional Neural Network (CNN) dan ViT dalam mengenali motif tersebut. Metode yang diusulkan adalah strategi Augmentasi Dua Tahap (ekspansi luring menjadi 9.600 citra dipadukan manipulasi spasial on the fly) dengan pengujian melalui Skenario 1 (Augmentasi Standar) dan Skenario 2 (Augmentasi Dua Tahap). Hasil pengujian Skenario 1 menunjukkan CNN gagal belajar (akurasi 1,67%) dan ViT mengalami underfitting (31,11%). Penerapan Skenario 2 berhasil meningkatkan akurasi CNN menjadi 63,44% yang tertahan oleh batas arsitekturalnya, sementara ViT mendominasi secara mutlak di angka 97,40%. Disimpulkan bahwa mekanisme self attention ViT lebih tangguh dari filter konvolusi CNN untuk FGVC, dengan prasyarat mutlak ketersediaan augmentasi data berskala masif.

OPTIMASI SISTEM IDENTIFIKASI DAN MITIGASI JAMUR LUKA API TEBU BERBASIS CERTAINTY FACTOR MELALUI METODE RLHF

Risky Ramadhani — 2026-08-01

Provinsi Jawa Timur merupakan produsen tebu utama di Indonesia, namun produktivitasnya kerap terancam oleh serangan jamur luka api (Sporisorium scitamineum), khususnya pada varietas unggul seperti Cening. Penelitian ini bertujuan untuk mengoptimalkan sistem pakar identifikasi dan mitigasi penyakit luka api melalui integrasi metode Certainty Factor (CF) dan Reinforcement Learning from Human Feedback (RLHF). Penggunaan CF memberikan fondasi logika untuk menangani ketidakpastian diagnosis, sementara RLHF berperan secara dinamis dalam menyempurnakan bobot parameter berdasarkan umpan balik langsung dari pakar agronomi di lapangan. Hasil pengujian terhadap 20 sampel data menunjukkan bahwa metode CF konvensional menghasilkan akurasi sebesar 85% dengan presisi 88,8% dan recall 80%. Integrasi RLHF secara signifikan meningkatkan kualitas diagnosis dengan mencapai nilai Presisi 100%, yang secara efektif mengeliminasi kesalahan positif palsu, meskipun model menjadi lebih konservatif dengan nilai recall sebesar 70%. Temuan ini membuktikan bahwa optimasi RLHF mampu menyelaraskan sistem dengan intuisi pakar secara lebih presisi dibandingkan bobot statis pada CF tradisional. Implementasi model ini diharapkan dapat memberikan rekomendasi mitigasi yang lebih akurat untuk menjaga stabilitas produksi tebu di Jawa Timur

ANALISIS KOMPARATIF QOS MQTT DAN COAP BERBASIS ESP32 PADA PLATFORM THINGSBOARD DALAM KONDISI JARINGAN INTERMITEN

Rohmat Nugroho — 2026-08-01

Implementasi Internet of Things (IoT) di daerah terpencil Indonesia sering menghadapi kendala jaringan intermiten yang mengancam efisiensi transmisi data kritis. Penelitian ini bertujuan melakukan analisis komparatif kinerja Quality of Service (QoS) antara protokol MQTT dan CoAP menggunakan mikrokontroler ESP32 dan platform ThingsBoard. Metode penelitian melibatkan eksperimen laboratorium dengan simulasi gangguan jaringan melalui perangkat lunak clumsy. Parameter delay, jitter, dan throughput diukur berdasarkan standar TIPHON menggunakan Wireshark dan diolah secara otomatis melalui Google Colab. Hasil penelitian menunjukkan bahwa protokol CoAP secara konsisten unggul dalam menjaga latensi rendah dan stabilitas jitter, dengan nilai delay tetap pada kategori sangat bagus 31,30 ms bahkan dalam kondisi gangguan berat. Di sisi lain, protokol MQTT memiliki kapasitas transmisi yang jauh lebih besar dengan nilai throughput mencapai 4.186 Kbps kategori sangat bagus, namun mengalami degradasi performa signifikan pada parameter delay 533,60 ms dan jitter 776,40 ms akibat beban mekanisme retransmission pada lapisan TCP. Penelitian ini menyimpulkan adanya trade-off fundamental MQTT lebih optimal untuk pengiriman volume data besar, sedangkan CoAP lebih unggul dalam hal stabilitas dan respons cepat di lingkungan infrastruktur jaringan yang terbatas

DETEKSI WAJAH MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK (CNN) BERDASARKAN EKSPLORASI JARAK POTRET

Bunga Juniarti — 2026-08-01

Penelitian ini membahas penerapan teknologi deteksi wajah sebagai sistem absensi modern yang lebih efisien dibandingkan metode konvensional seperti tanda tangan manual dan fingerprint. Permasalahan dalam penelitian ini adalah pengaruh jarak pengambilan citra terhadap akurasi deteksi dan pengenalan wajah pada sistem absensi berbasis kamera. Penelitian bertujuan menganalisis performa metode Convolutional Neural Network (cnn) yang dikombinasikan dengan algoritma FaceNet berdasarkan eksplorasi jarak potret wajah karyawan di PT. Fiber Networks Indonesia. Metode penelitian meliputi pengumpulan dataset citra wajah menggunakan webcam dengan tiga kategori jarak, yaitu jarak dekat (<30 cm), jarak ideal (40–70 cm) dan jarak jauh (>80 cm). Tahapan penelitian terdiri dari preprocessing citra, deteksi wajah menggunakan Convolutional Neural Network (cnn), ekstraksi fitur menggunakan FaceNet untuk menghasilkan embedding wajah, serta evaluasi performa sistem. Hasil penelitian menunjukkan bahwa jarak potret mempengaruhi akurasi dan stabilitas deteksi wajah. Jarak ideal menghasilkan embedding wajah yang lebih stabil dan tingkat pengenalan yang lebih baik dibandingkan jarak terlalu dekat maupun terlalu jauh. Jarak terlalu dekat menyebabkan distorsi wajah, sedangkan jarak terlalu jauh mengurangi kejelasan fitur wajah

MEDIA PEMBELAJARAN LAGU LAMPUNG, PAKAIAN ADAT, DAN TARIAN LAMPUNG MENGGUNAKAN METODE ADDIE

Dela Sukma Rahayu — 2026-08-01

Penelitian ini bertujuan untuk media pembelajaran terkait budaya Lampung yang berbasis multimedia interaktif, mencakup Lagu Lampung, Pakaian Adat, dan Tarian Lampung bagi siswa tingkat I di sekolah dasar. Permasalahan yang mendasari penelitian ini adalah minimnya minat serta pemahaman siswa terhadap budaya Lampung akibat penggunaan metode pembelajaran konvensional dan media yang kurang menarik. Pendekatan penelitian yang diterapkan adalah (R&D), dengan model ADDIE, yang mencakup tahapan Analisis, Desain, Pengembangan, Implementasi, dan Evaluasi. Data dikumpulkan melalui observasi, wawancara, dan kuesioner. Subjek dalam penelitian ini adalah siswa kelas I SD Negeri 8 Metro. Proses analisis data dilakukan dengan menggunakan metode deskriptif Evaluatif untuk menilai dan mengevaluasi kesesuaian media pembelajaran yang dibuat melalui serangkaian proses penilaian sistematis. Temuan penelitian menunjukkan bahwa media pembelajaran yang dirancang mendapatkan nilai validasi dari ahli media sebesar 84% dan dari ahli materi sebesar 100%, yang masuk dalam kategori sangat baik. Selain itu, persentase tanggapan siswa mencapai 75% dengan kategori baik. Berdasarkan hasil ini, media pembelajaran budaya Lampung yang berbasis multimedia interaktif dapat dipastikan cocok digunakan dalam proses pembelajaran di tingkat sekolah dasar

ANALISIS KOMPARATIF EFEKTIVITAS PENGUJIAN MANUAL DAN AUTOMATION PERANGKAT LUNAK PADA SISTEM TRANSAKSI E-COMMERCE BERBASIS WEBSITE

Michael Daniel — 2026-08-01

Pengujian perangkat lunak berperan penting dalam menjamin kualitas sistem e-commerce yang memiliki alur transaksi end-to-end dan melibatkan proses pembayaran. Namun, kajian komparatif mengenai efektivitas manual testing dan automation testing pada sistem transaksi berbasis web masih terbatas. Penelitian ini bertujuan menganalisis dan membandingkan efektivitas manual testing dan automation testing dengan menggunakan Katalon Studio pada sebuah aplikasi e-commerce berbasis website pada perusahaan pertambangan dan pengolahan logam mulia di Indonesia. Penelitian ini menggunakan pendekatan deskriptif kuantitatif menggunakan sembilan test case yang akan dieksekusi dalam lima iterasi pengujian. Analisis dilakukan berdasarkan indikator waktu eksekusi, tingkat akurasi, dan konsistensi pada hasil pengujian. Hasil analisis menunjukkan bahwa kedua metode yang digunakan mencapai tingkat keberhasilan 100% dalam memvalidasi kesesuaian fungsional sistem yang ada. Automation testing memiliki rata-rata waktu eksekusi 7 menit 01 detik, lebih cepat dibandingkan manual testing yaitu sebesar 8 menit 48 detik, dengan selisih rata-rata 106,8 detik. Hasil uji paired sample t-test menunjukkan perbedaan yang signifikan secara statistik (t(4) = 25,07; p < 0,001). Temuan dalam penelitian ini menunjukkan bahwa automation testing lebih efisien dan konsisten untuk pengujian berulang pada sistem dengan kompleksitas tinggi. Pendekatan kombinasi (hybrid approach) direkomendasikan untuk memperoleh proses pengujian yang efektif dan berkelanjutan

PERANCANGAN SISTEM MANAJEMEN PENGADUAN MASYARAKAT BERBASIS WEB MENGGUNAKAN FRAMEWORK CODEIGNITER DI DESA MEDALSARI

Sofyan Afandi — 2026-08-01

Pengelolaan pengaduan masyarakat merupakan bagian penting dalam meningkatkan kualitas pelayanan publik di tingkat pemerintahan desa. Namun, proses pengaduan yang masih dilakukan secara manual di Desa Medalsari menimbulkan berbagai permasalahan, seperti keterlambatan penanganan laporan, kesulitan pencarian data, serta rendahnya transparansi informasi. Penelitian ini bertujuan untuk merancang dan membangun sistem manajemen pengaduan masyarakat berbasis web guna meningkatkan efektivitas dan efisiensi pengelolaan pengaduan. Metode yang digunakan dalam penelitian ini adalah Waterfall yang terdiri dari tahapan analisis kebutuhan, perancangan sistem, implementasi, dan pengujian. Sistem dikembangkan menggunakan framework CodeIgniter dengan database MySQL. Pengujian dilakukan menggunakan metode Black Box Testing dan System Usability Scale (SUS). Hasil penelitian menunjukkan bahwa sistem mampu mengelola pengaduan secara terintegrasi, mempermudah proses verifikasi laporan, serta meningkatkan transparansi karena masyarakat dapat memantau status pengaduan secara real-time. Hasil pengujian SUS memperoleh nilai 70 yang menunjukkan bahwa sistem berada pada kategori acceptable dan layak digunakan untuk mendukung pelayanan publik di Desa Medalsari.

PENGEMBANGAN INFRASTRUKTUR HOSTING MOBILE MENGGUNAKAN MICROSERVER BERBASIS VIRTUAL MACHINE DAN MODEL KEAMANAN ZERO TRUST

Moch Rafli Muchibbin — 2026-08-01

Perkembangan layanan digital membutuhkan infrastruktur server yang fleksibel, aman, dan efisien untuk mendukung kebutuhan hosting modern. Permasalahan yang sering muncul pada server konvensional meliputi biaya implementasi yang tinggi, konsumsi daya besar, serta keterbatasan dalam pengelolaan keamanan dan mobilitas sistem. Penelitian ini bertujuan mengembangkan infrastruktur hosting mobile menggunakan microserver berbasis virtual machine dengan penerapan model keamanan Zero Trust. Metode penelitian yang digunakan adalah Research and Development (R&D) dengan tahapan perancangan sistem, implementasi infrastruktur, konfigurasi virtual machine, penerapan keamanan Zero Trust, dan pengujian layanan hosting. Sistem dibangun menggunakan server virtual berbasis Ubuntu yang dijalankan pada lingkungan virtualisasi untuk mendukung pengelolaan sumber daya secara fleksibel dan terstruktur. Model keamanan Zero Trust diterapkan melalui proses verifikasi akses secara berkelanjutan untuk meningkatkan perlindungan sistem. Hasil penelitian menunjukkan bahwa kombinasi microserver, virtual machine, dan Zero Trust mampu menghasilkan sistem hosting mobile yang lebih aman, efisien, hemat daya, serta adaptif dalam mendukung kebutuhan layanan digital

WEBSITE PEMESANAN MAKANAN DAN MINUMAN PADA RUMAH MAKAN AMPEK PANGERAN MENGGUNAKAN METODE WEB ENGINEERING

Fatur Ilham Farlevi — 2026-08-01

Kemajuan teknologi informasi mendorong bisnis kuliner untuk beradaptasi dengan sistem digital guna meningkatkan efisiensi layanan dan pengelolaan usaha. Rumah Makan Ampek Pangeran Palembang masih menggunakan sistem pemesanan makanan dan minuman secara manual, sehingga sering terjadi kesalahan pencatatan pesanan, keterlambatan pelayanan, serta kesulitan dalam pengelolaan data transaksi dan laporan penjualan. Selain itu, penggunaan aplikasi pemesanan pihak ketiga dinilai kurang efektif karena adanya biaya layanan yang menyebabkan harga jual makanan menjadi lebih tinggi. Penelitian ini bertujuan untuk merancang dan membangun website pemesanan makanan dan minuman menggunakan metode Web Engineering. Metode tersebut terdiri dari tahapan Communication, Planning, Modeling, Construction, dan Deployment untuk menghasilkan sistem yang terstruktur dan sesuai kebutuhan pengguna. Teknik pengumpulan data dilakukan melalui observasi, wawancara, dan studi pustaka. Sistem dikembangkan berbasis web menggunakan PHP, MySQL, HTML, CSS, dan JavaScript dengan fitur pemesanan online, pengelolaan menu, transaksi penjualan, laporan penjualan, dan data produksi. Hasil penelitian menunjukkan bahwa website mampu memudahkan pelanggan dalam melakukan pemesanan serta membantu pengelola dalam mengelola data secara terintegrasi. Berdasarkan pengujian Black Box Testing, seluruh fitur sistem berjalan sesuai dengan kebutuhan pengguna

RANCANG BANGUN GAME EDUKASI SATWA DAN NUMERASI BERBASIS ANDROID DENGAN PENDEKATAN INTERAKTIVITAS NARATIF DAN FAMILIARITAS LINGKUNGAN

Elis Julia Wati — 2026-08-01

Dasar numerasi dan pengenalan satwa merupakan salah satu materi pembelajaran pada kurikulum pendidikan anak usia dini. Maka dari itu, media pembelajaran yang interaktif dan menarik sangat diperlukan untuk meningkatkan motivasi belajar anak. Lembaga pendidikan anak usia dini, umumnya menggunakan media pembelajaran berupa buku cetak, sehingga kurang memotivasi belajar dan anak cepat bosan. Penelitian ini bertujuan mengembangkan game edukasi berbasis android untuk pembelajaran dasar numerasi dan pengenalan satwa pada anak usia dini menggunakan Construct 2. Pengembangan sistem dilakukan menggunakan metode Rapid Application Development (RAD) melalui proses prototyping dan keterlibatan pengguna secara berulang. Pengujian sistem dilakukan menggunakan Black Box Testing untuk memastikan seluruh fungsi berjalan sesuai rancangan, sedangkan evaluasi usability menggunakan System Usability Scale (SUS). Selain itu, evaluasi efektivitas pembelajaran dilakukan menggunakan kuesioner berbasis skala Likert 1–5 untuk menilai pemahaman dan keterlibatan anak selama menggunakan game. Hasil pengujian menunjukkan sistem berjalan dengan baik. Nilai SUS sebesar 78,5 termasuk kategori Good dengan tingkat penerimaan Acceptable. Hasil evaluasi efektivitas menunjukkan 40% responden pada kategori setuju dan 45% menyatakan sangat setuju, artinya game mampu meningkatkan pemahaman dan keterlibatan anak dalam proses pembelajaran. Kebaruan penelitian ini terletak pada integrasi familiarity-based leveling, narrative interaction, dan progressive unlocking untuk mendukung pembelajaran yang lebih menarik dan terstruktur

RANCANG BANGUN SISTEM PRESENSI KARYAWAN BERBASIS INTERNET OF THINGS (IOT) MENGGUNAKAN KARTU RFID

Rizky Maulana Khakim — 2026-08-01

Pengelolaan presensi karyawan merupakan aspek krusial dalam administrasi ketenagakerjaan yang berpengaruh terhadap efisiensi operasional perusahaan. Pabrik Widya Snack Mranggen, Demak, masih menerapkan sistem pencatatan kehadiran secara manual, sehingga rentan terhadap kesalahan pencatatan, keterlambatan rekapitulasi, dan ketidakmampuan pemantauan kehadiran secara daring. Kajian literatur menunjukkan bahwa integrasi teknologi Internet of Things (IoT) berbasis RFID pada sistem presensi terbukti meningkatkan efisiensi pencatatan dan akurasi data kehadiran. Penelitian ini bertujuan merancang dan membangun sistem presensi karyawan berbasis IoT menggunakan kartu RFID pada Pabrik Widya Snack. Sistem dikembangkan dengan metode Research and Development (R&D) yang mencakup tahapan potensi dan masalah, pengumpulan data, desain produk, validasi desain, revisi desain, serta uji coba produk. Perangkat keras terdiri atas ESP32 sebagai mikrokontroler utama, RFID Reader RC522, kartu RFID, LCD 16x2 I2C, LED, dan buzzer. Perangkat lunak menggunakan Arduino IDE, database MySQL, dan dashboard web. Hasil perancangan menunjukkan bahwa sistem mampu mencatat kehadiran secara otomatis melalui pembacaan UID kartu RFID, menyimpan data presensi ke basis data secara daring, serta menyediakan antarmuka pemantauan bagi administrator. Sistem yang dikembangkan berpotensi menggantikan pencatatan manual, meningkatkan akurasi data kehadiran, dan mempercepat proses rekapitulasi di lingkungan industri kecil

ANALISIS KOMPARATIF KINERJA YOLOV5, YOLOV8, DAN YOLO11 PADA DETEKSI OBJEK LALU LINTAS MALAM HARI MENGGUNAKAN CLAHE

Daniel Achmad Farizki — 2026-08-01

Deteksi objek pada kondisi malam hari menjadi tantangan dalam sistem transportasi cerdas karena rendahnya pencahayaan, kontras citra yang buruk, dan noise yang dapat menurunkan akurasi deteksi objek. Permasalahan tersebut menyebabkan proses ekstraksi fitur pada model deep learning menjadi kurang optimal, terutama pada citra lalu lintas malam hari. Penelitian ini bertujuan untuk menganalisis dan membandingkan kinerja YOLOv5, YOLOv8, dan YOLO11 dalam mendeteksi objek lalu lintas malam hari menggunakan preprocessing Contrast Limited Adaptive Histogram Equalization (CLAHE). Metode penelitian dilakukan secara eksperimental menggunakan dataset sebanyak 2.000 citra lalu lintas malam hari dengan enam kategori objek. Eksperimen dilakukan pada dua skenario, yaitu tanpa preprocessing dan dengan preprocessing CLAHE. Evaluasi performa menggunakan precision, recall, dan mean Average Precision (mAP). Hasil penelitian menunjukkan bahwa penerapan CLAHE meningkatkan performa seluruh model. YOLOv5 mengalami peningkatan mAP dari 0,509 menjadi 0,600, sedangkan YOLOv8 meningkat dari 0,491 menjadi 0,497 dan YOLO11 dari 0,475 menjadi 0,494. Hasil tersebut menunjukkan bahwa CLAHE efektif meningkatkan kualitas citra dan membantu meningkatkan performa deteksi objek pada kondisi pencahayaan rendah

OPTIMASI HYPERPARAMETER XGBOOST UNTUK PERAMALAN PERMINTAAN BERBASIS DATA TIME SERIES

Ria Amelia Shinta Putricia Hendra — 2026-08-01

Peramalan permintaan merupakan aspek penting dalam pengelolaan penjualan ritel karena membantu perusahaan menyesuaikan ketersediaan barang dengan kebutuhan pasar. Data penjualan ritel umumnya bersifat fluktuatif dan dinamis, sehingga ketidakakuratan peramalan dapat menyebabkan kelebihan atau kekurangan persediaan serta menurunkan efisiensi operasional. Penelitian ini bertujuan untuk meningkatkan akurasi peramalan permintaan berbasis data time series menggunakan algoritma XGBoost melalui optimasi hyperparameter. Metode penelitian meliputi preprocessing data, pemeriksaan missing value dan duplikasi, pembentukan fitur lag serta variabel diskon, pembagian data berdasarkan urutan waktu, dan pengujian enam kombinasi hyperparameter yang terdiri dari learning rate, max depth, dan n_estimators. Evaluasi model dilakukan menggunakan MAE, RMSE, dan MAPE untuk mengukur tingkat kesalahan prediksi. Hasil penelitian menunjukkan bahwa kombinasi terbaik diperoleh pada learning rate 0,10, max depth 2, dan n_estimators 50, dengan MAE sebesar 1,7269, RMSE sebesar 2,1112, dan MAPE sebesar 9,5985%. Model mampu mengikuti pola penjualan secara umum, meskipun masih terdapat selisih pada periode dengan fluktuasi tinggi. Hasil ini menunjukkan bahwa optimasi hyperparameter XGBoost efektif digunakan untuk meningkatkan akurasi peramalan permintaan berbasis time series serta mendukung proses pengambilan keputusan persediaan

PERBANDINGAN PERFORMA DETEKSI TEPI BERBASIS GRADIENT (SOBEL, PREWITT) DAN LAPLACIAN OF GAUSSIAN (LoG) PADA CITRA TERCEMAR NOISE IMPULSIF DENGAN EVALUASI METRIK F-MEASURE

Diana Diana — 2026-08-01

Deteksi tepi merupakan teknik fundamental dalam pengolahan citra digital yang berfungsi mengidentifikasi batas antar objek pada citra. Dalam kondisi nyata, citra seringkali tercemar noise impulsif (salt & pepper) yang menyebabkan tepi palsu sehingga menurunkan akurasi deteksi. Permasalahan ini terjadi karena metode berbasis gradien seperti Sobel dan Prewitt sangat sensitif terhadap gangguan piksel ekstrem, sedangkan kemampuan Laplacian of Gaussian (LoG) dalam kondisi tersebut belum dikaji secara kuantitatif secara bersamaan. Penelitian ini bertujuan membandingkan performa tiga metode deteksi tepi, yaitu Sobel, Prewitt, dan LoG, pada citra yang tercemar noise impulsif dengan densitas 2%, 5%, dan 10%. Metode yang digunakan meliputi eksperimen pada lima citra benchmark standar (cameraman, lena, circuit, rice, coins) menggunakan MATLAB R2020a, dengan evaluasi metrik F-Measure, PSNR, dan MSE terhadap ground truth dari algoritma Canny, membentuk 45 skenario uji faktorial penuh. Hasil penelitian menunjukkan bahwa LoG mengungguli Sobel dan Prewitt berdasarkan F-Measure rata-rata pada seluruh tingkat noise (0,413 pada noise 2%), sementara Sobel dan Prewitt menghasilkan PSNR lebih tinggi karena peta tepi yang lebih bersih. Pemilihan metode deteksi tepi yang optimal bergantung pada karakteristik citra dan tingkat noise yang dihadapi

PENERAPAN SUPPORT VECTOR MACHINE (SVM) UNTUK DETEKSI HOAKS PADA BERITA ONLINE

Rifky Fachuzi — 2026-08-01

Maraknya penyebaran berita hoaks di media digital telah memicu disinformasi yang berdampak negatif pada stabilitas sosial. Namun, proses verifikasi manual memiliki keterbatasan dalam hal kecepatan dan skalabilitas. Penelitian ini bertujuan untuk menerapkan algoritma Support Vector Machine (SVM) dalam membangun model klasifikasi berita online berbahasa Indonesia secara otomatis. Data yang digunakan berjumlah 3.000 berita yang bersumber dari situs pemeriksa fakta dan media terpercaya. Metodologi penelitian meliputi preprocessing teks dengan NLP, ekstraksi fitur menggunakan TF-IDF, serta pemodelan SVM dengan kernel Linear dan RBF. Hasil penelitian menunjukkan bahwa SVM kernel Linear mencapai performa terbaik dengan akurasi 99,8%, presisi 99,6%, dan recall 100%. Hal ini membuktikan bahwa metode SVM sangat efektif untuk deteksi hoaks otomatis dan dapat dikembangkan lebih lanjut menjadi sistem aplikasi

SISTEM REKOMENDASI BERITA FAKTA NUSANTARA MENGGUNAKAN CONTENT-BASED FILTERING PADA BAPAS SURAKARTA

Abeltha Mahogra Agra Prana — 2026-08-01

Penelitian ini dilatarbelakangi oleh meningkatnya jumlah berita pada platform Fakta Nusantara di Balai Pemasyarakatan (BAPAS) Surakarta yang belum didukung oleh sistem rekomendasi otomatis. Permasalahan yang terjadi adalah pengguna masih mengalami kesulitan dalam menemukan berita yang relevan karena proses pencarian informasi belum optimal. Penelitian ini bertujuan untuk merancang dan mengimplementasikan sistem rekomendasi berita menggunakan metode Content-Based Filtering agar informasi yang ditampilkan lebih sesuai dengan kebutuhan pengguna. Metode yang digunakan meliputi pengumpulan data berita dari Firebase Firestore, preprocessing teks, ekstraksi fitur menggunakan TF-IDF, serta perhitungan kemiripan antar berita menggunakan Cosine Similarity. Hasil penelitian menunjukkan bahwa sistem mampu menghasilkan rekomendasi berita berdasarkan kesamaan konten berupa judul, kategori, dan isi berita. Nilai similarity digunakan sebagai dasar perangkingan untuk menentukan berita yang paling relevan. Dengan demikian, sistem rekomendasi yang dibangun dapat membantu pengguna menemukan informasi secara lebih cepat, tepat, dan efektif pada platform Fakta Nusantara

RANCANG BANGUN APLIKASI PENERIMAAN TAMU BERBASIS WEB PADA SEKRETARIAT DPRD KOTA KEDIRI

Fariez Firmansyah Putra — 2026-08-01

Perkembangan teknologi informasi mendorong instansi pemerintahan untuk meningkatkan kualitas pelayanan administrasi melalui penerapan sistem digital. Salah satu bentuk pelayanan administrasi yang memerlukan pengelolaan data secara cepat dan terstruktur adalah proses penerimaan tamu. Namun, proses penerimaan tamu pada Sekretariat DPRD Kota Kediri masih dilakukan secara manual, mulai dari pencatatan data kunjungan hingga penyusunan laporan. Proses tersebut dinilai kurang efektif karena dapat menyebabkan keterlambatan pencarian data, risiko kehilangan arsip, serta kurang optimalnya pengelolaan informasi kunjungan tamu. Penelitian ini bertujuan untuk merancang aplikasi penerimaan tamu berbasis web yang mampu membantu proses pengelolaan reservasi dan data kunjungan secara lebih terintegrasi. Metode pengembangan sistem yang digunakan adalah Waterfall dengan tahapan analisis kebutuhan, desain sistem, implementasi, dan pengujian. Pengumpulan data dilakukan melalui observasi, wawancara, dan studi pustaka. Hasil penelitian menunjukkan bahwa sistem yang dirancang mampu mendukung proses reservasi tamu, verifikasi kehadiran, pengelolaan data kunjungan, serta pembuatan laporan secara terpusat dan lebih efisien. Dengan adanya sistem ini, proses administrasi penerimaan tamu menjadi lebih terorganisir, efektif, dan mudah diakses oleh pengguna

PENERAPAN METODE CONTENT-BASED FILTERING UNTUK REKOMENDASI TANAMAN HIAS AQUASCAPE

Marcello Nika Boma — 2026-08-01

Pemilihan tanaman hias pada aquascape perlu disesuaikan dengan kondisi lingkungan akuarium seperti intensitas cahaya, suhu, dan tingkat keasaman air (pH). Namun, banyak penghobi aquascape, khususnya pemula, masih mengalami kesulitan dalam menentukan tanaman yang sesuai sehingga berisiko menyebabkan pertumbuhan tanaman tidak optimal. Penelitian ini bertujuan untuk mengembangkan sistem rekomendasi tanaman aquascape menggunakan metode Content-Based Filtering dengan algoritma Cosine Similarity untuk menentukan tingkat kemiripan antara preferensi pengguna dan atribut tanaman. Pengembangan sistem dilakukan menggunakan metode Extreme Programming (XP). Parameter yang digunakan meliputi kebutuhan cahaya, suhu, pH, posisi tanaman, dan tingkat perawatan. Hasil pengujian menunjukkan bahwa sistem mampu menghasilkan rekomendasi yang sesuai dengan input pengguna dengan nilai precision sebesar 80%. Dengan demikian, sistem rekomendasi yang dikembangkan dapat membantu pengguna dalam menentukan tanaman aquascape secara lebih cepat, tepat, dan efisien

APLIKASI PEMBELAJARAN INTERAKTIF IPS PADA MATERI EKSPOR DAN IMPOR KELAS VIII SMP

Nida Salsabila Falih — 2026-08-01

Pembelajaran IPS mengenai ekspor dan impor di tingkat SMP masih banyak mengandalkan ceramah dan buku teks, yang menyebabkan siswa kesulitan dalam memahami konsep perdagangan internasional yang abstrak. Masalah ini berakibat pada rendahnya minat dan pemahaman siswa terhadap materi ekspor dan impor. Penelitian ini bertujuan untuk menciptakan aplikasi pembelajaran interaktif IPS berbasis multimedia fokus pada materi ekspor dan impor untuk siswa kelas VIII SMP. Metode yang dipakai dalam penelitian ini adalah Multimedia Development Life Cycle (MDLC), yang mencakup langkah-langkah konsep, desain, pengumpulan materi, perakitan, pengujian, dan distribusi. Aplikasi ini dibuat berbasis web menggunakan Canva, sehingga dapat diakses baik melalui komputer maupun smartphone. Proses analisis data dilakukan dengan metode deskriptif evaluatif yang menunjukkan bahwa aplikasi ini mendapatkan nilai validitas dari ahli materi sebesar 92% dengan kategori “Sangat Valid”, validitas dari ahli media sebesar 74% dengan kategori “Valid”, dan respon siswa mencapai 87% dengan kategori “Sangat Valid”. Dengan ini, aplikasi pembelajaran interaktif yang telah dikembangkan dianggap layak digunakan sebagai sarana pembelajaran IPS dan dapat membantu siswa untuk lebih memahami materi ekspor dan impor dengan cara yang lebih menarik, interaktif, dan mudah dimengerti

ANALISIS PERFORMA ALGORITMA FUZZY MAMDANI-PSO DALAM KLASIFIKASI MOTIF BATIK BERBASIS FITUR TEKSTUR

Rizki Wijaya — 2026-08-01

Batik merupakan warisan budaya Indonesia yang memiliki ragam motif dengan pola dan tekstur kompleks, sehingga berpotensi dianalisis menggunakan pengolahan citra digital. Permasalahan dalam klasifikasi motif batik muncul karena beberapa motif memiliki kemiripan tekstur, bentuk berulang, serta variasi visual yang dapat menyebabkan kesalahan pengenalan. Penelitian ini bertujuan menganalisis performa algoritma Fuzzy Mamdani yang dioptimalkan menggunakan Particle Swarm Optimization (PSO) dalam klasifikasi motif batik berbasis fitur tekstur. Data yang digunakan berjumlah 1.820 citra dari tiga kelas motif, yaitu Kawung, Mega Mendung, dan Parang. Tahapan penelitian meliputi pre-processing citra dengan resize 128 × 128 piksel, konversi grayscale, peningkatan kontras menggunakan CLAHE, ekstraksi fitur tekstur menggunakan Gray Level Co-occurrence Matrix (GLCM) dengan parameter contrast, correlation, energy, dan homogeneity, serta klasifikasi menggunakan Fuzzy Mamdani-PSO. Data dibagi menjadi 80% data latih dan 20% data uji. Hasil pengujian menunjukkan nilai accuracy sebesar 46,98%, precision 43,50%, recall 46,98%, dan F1-score 43,09%. Hasil tersebut menunjukkan bahwa Fuzzy Mamdani-PSO dapat diterapkan, tetapi performanya masih perlu ditingkatkan

SISTEM INFORMASI KEUANGAN DANA BOS BERBASIS WEB PADA MI MIFTAHUL ULUM TELANG KARYA

Adi Putra Hakiki — 2026-08-01

Pengelolaan Dana Bantuan Operasional Sekolah (BOS) merupakan kegiatan penting dalam mendukung operasional sekolah agar proses pendidikan berjalan dengan baik. Namun, pengelolaan dana BOS pada MI Miftahul Ulum Telang Karya masih dilakukan secara manual menggunakan buku kas sehingga menimbulkan kesalahan pencatatan, keterlambatan pembuatan laporan, dan kesulitan dalam monitoring keuangan. Penelitian ini bertujuan membangun sistem informasi keuangan dana BOS berbasis web agar proses pengelolaan keuangan menjadi lebih efektif, akurat, dan transparan. Metode pengembangan sistem yang digunakan adalah Waterfall yang terdiri dari tahap analisis kebutuhan, desain sistem, implementasi, dan pengujian. Sistem dikembangkan menggunakan PHP dan MySQL, sedangkan pengujian dilakukan menggunakan metode Black Box Testing. Hasil penelitian menunjukkan bahwa sistem mampu melakukan pencatatan transaksi pemasukan dan pengeluaran, pengolahan data keuangan, serta pembuatan laporan secara otomatis. Sistem juga mempermudah monitoring kondisi keuangan sekolah secara real-time sehingga pengelolaan dana BOS menjadi lebih efektif dan efisien.

SYSTEMATIC LITERATURE REVIEW: PEMANFAATAN ARTIFICIAL INTELLIGENCE DALAM KNOWLEDGE MANAGEMENT SYSTEM DI SEKTOR PUBLIK

Jeremy Aroli Telaumbanua — 2026-08-01

Knowledge Management System (KMS) merupakan komponen esensial dalam administrasi pemerintahan modern yang mendukung keberlangsungan dan efektivitas organisasi publik. Namun, KMS di sektor publik masih menghadapi permasalahan serius berupa ketergantungan tinggi pada input manual, keterbatasan kemampuan pencarian informasi, serta data yang terfragmentasi antardepartemen. Selain itu, mayoritas kerangka implementasi KMS berbasis Artificial Intelligence (AI) yang tersedia masih didominasi oleh kajian sektor swasta, sehingga belum relevan secara kontekstual bagi kebutuhan birokrasi pemerintahan. Penelitian ini bertujuan untuk menganalisis dan menyintesis pemanfaatan AI dalam KMS sektor publik, mengklasifikasikan metode AI yang dominan, serta merumuskan implikasi implementasinya. Metode yang digunakan adalah Systematic Literature Review (SLR) dengan protokol PRISMA melalui penelusuran pada database Scopus, IEEE Xplore, dan Google Scholar, yang menghasilkan 30 artikel memenuhi kriteria inklusi. Hasil kajian menunjukkan bahwa Machine Learning merupakan metode paling dominan (36,7%), diikuti Natural Language Processing (26,7%), Chatbot/LLM (16,7%), dan Expert System (13,3%). Pemanfaatan AI terbukti berpotensi meningkatkan efektivitas KMS sektor publik, namun implementasinya memerlukan tata kelola yang jelas, kesiapan organisasi, perlindungan data, dan pendekatan human-in-the-loop

PENERAPAN METODE K-MEANS CLUSTERING UNTUK SEGMENTASI PRODUK SMARTPHONE DI BONAFIDE GADGET STORE

Yuyun Prastiwi — 2026-08-01

Perkembangan teknologi smartphone mendorong bertambahnya variasi produk yang tersedia di pasaran, sehingga diperlukan pengelolaan data produk yang lebih efektif. Permasalahan yang terjadi di Bonafide Gadget Store adalah pengelompokan produk masih dilakukan secara sederhana berdasarkan merek dan harga, sehingga belum mampu menggambarkan karakteristik produk secara menyeluruh. Penelitian yang dilakukan bertujuan mengaplikasikan metode K-Means Clustering untuk melakukan segmentasi produk smartphone berdasarkan kemiripan atribut. Metode penelitian dilakukan melalui pengumpulan data produk, preprocessing data, normalisasi, proses pengelompokan data dilakukan menggunakan algoritma K-Means, serta evaluasi dengan pendekatan Elbow Method dan Silhouette Score. Hasil penelitian menghasilkan jumlah cluster optimal sebanyak tiga cluster. Produk smartphone berhasil dikelompokkan ke dalam kategori low-end, mid-range, dan high-end. Cluster low-end memiliki harga lebih rendah dengan spesifikasi standar, cluster mid-range memiliki keseimbangan harga dan performa, sedangkan cluster high-end memiliki spesifikasi premium dengan harga tinggi. Berdasarkan nilai Silhouette Score sebesar 0,2947 kualitas clustering berada pada kategori cukup baik. Hasil segmentasi dapat membantu strategi pemasaran dan pengelolaan stok produk di Bonafide Gadget Store.

PERBANDINGAN RANDOM FOREST DAN XGBOOST DALAM PREDIKSI STATUS PINJAMAN MENGGUNAKAN CROSS VALIDATION DAN ANALISIS FEATURE IMPORTANCE

Josin Bahaswan — 2026-08-01

Peningkatan penyaluran kredit diikuti oleh meningkatnya risiko gagal bayar yang berdampak pada stabilitas lembaga keuangan. Namun, banyak penelitian komparasi algoritma klasifikasi kredit belum menerapkan skema validasi yang sistematis untuk meminimalisir risiko data leakage. Penelitian ini bertujuan membandingkan kinerja Random Forest dan XGBoost dalam memprediksi status pinjaman menggunakan pipeline yang dirancang untuk mengurangi risiko data leakage. Pendekatan CRISP-DM diterapkan pada dataset 50.000 sampel dengan 17 fitur yang diperoleh dari Kaggle. Seluruh tahapan preprocessing (imputasi, One-Hot Encoding, SMOTE) dan hyperparameter tuning (GridSearchCV) dilakukan secara per-fold dalam kerangka Nested Cross Validation. Evaluasi menggunakan Stratified 10-Fold Cross Validation dengan metrik Accuracy, F1-Score, F2-Score, dan AUC. Hasil menunjukkan XGBoost secara konsisten mengungguli Random Forest pada semua metrik (Accuracy: 0,9167 vs 0,9013; F1-Score: 0,9249 vs 0,9108; AUC: 0,9745 vs 0,9649), dengan perbedaan yang signifikan secara statistik berdasarkan paired t-test (p < 0,001). Estimasi finansial menunjukkan potensi penghematan sebesar 7.564.966 (11,8%), sementara skor_kredit dan rasio_hutang_terhadap_pendapatan teridentifikasi sebagai fitur paling dominan pada kedua model

PENERAPAN ALGORITMA APRIORI DALAM MARKET BASKET ANALYSIS UNTUK REKOMENDASI TATA LETAK BARANG PADA TOKO KELONTONG

Cantika Risky Ramadhana Pawestri — 2026-08-01

Pertumbuhan sektor perdagangan eceran mendorong pelaku usaha untuk memanfaatkan data transaksi sebagai dasar pengambilan keputusan bisnis yang strategis. Pada toko kelontong, penataan produk masih dilakukan secara konvensional tanpa mempertimbangkan pola kebiasaan belanja pelanggan, sehingga potensi data transaksi belum dimanfaatkan secara maksimal. Penelitian ini bertujuan menerapkan algoritma Apriori melalui pendekatan Market Basket Analysis untuk menghasilkan rekomendasi tata letak produk yang berbasis data. Kerangka Knowledge Discovery in Database (KDD) digunakan sebagai landasan metodologis, mencakup tahap seleksi data, preprocessing, transformasi, data mining, dan evaluasi. Sebanyak 710 data transaksi Toko Ataten dikumpulkan, dan setelah preprocessing diperoleh 373 transaksi valid. Proses data mining dijalankan menggunakan bahasa pemrograman Python dengan pustaka mlxtend di platform Google Colab, dengan parameter minimum support 0,01 dan minimum confidence 0,2. Hasil pengolahan menghasilkan 30 aturan asosiasi yang valid. Nilai lift tertinggi diperoleh pada pasangan produk Minyak Kayu Putih dan Ultraflu dengan nilai 82,88, yang mengindikasikan keterkaitan sangat erat antar keduanya. Rekomendasi tata letak yang dihasilkan diharapkan mampu meningkatkan efisiensi penataan produk sekaligus mendukung strategi cross-selling di toko kelontong.

SISTEM PAKAR DIAGNOSIS KERUSAKAN CONTINUOUSLY VARIABLE TRANSMISSION (CVT) MENGGUNAKAN METODE CERTAINTY FACTOR BERBASIS WEB

Affila Abdiel Admadja — 2026-08-01

Continuously Variable Transmission (CVT) merupakan sistem transmisi otomatis dalam sepeda motor matic yang berperan penting dalam menjaga kenyamanan dan performa kendaraan. Dalam praktiknya, proses diagnosis kerusakan CVT di bengkel masih bergantung pada mekanik ahli sehingga ketika jumlah pelanggan meningkat, proses konsultasi dan pemeriksaan awal sering membutuhkan waktu lebih lama. Kondisi tersebut menyebabkan pengguna mengalami kesulitan dalam mengetahui jenis kerusakan yang terjadi pada kendaraannya. Penelitian ini bertujuan untuk merancang sistem pakar berbasis web yang dapat digunakan untuk membantu diagnosis awal kerusakan CVT pada sepeda motor matic menggunakan metode Certainty Factor (CF). Metode CF digunakan untuk menentukan tingkat keyakinan terhadap kerusakan berdasarkan gejala yang dipilih pengguna. Data penelitian diperoleh melalui proses wawancara dan observasi bersama pakar di bengkel AHASS Agatha Motor. Pengetahuan pakar kemudian direpresentasikan dalam bentuk aturan IF–THEN dan nilai bobot Certainty Factor. Hasil penelitian menunjukkan bahwa sistem mampu menampilkan hasil diagnosis beserta tingkat keyakinannya sesuai gejala yang dipilih pengguna. Berdasarkan pengujian yang dilakukan, diperoleh nilai Certainty Factor tertinggi sebesar 1.000 (100%) pada diagnosis kerusakan Oil Seal Gardan (K018). Sistem yang dikembangkan dapat membantu pengguna mengenali kerusakan CVT secara mandiri serta mendukung peningkatan efisiensi pelayanan pada bengkel

SISTEM INFORMASI MANAJEMEN SUMBER DAYA MANUSIA BERBASIS WEB PADA PABRIK AIR MINUM P2S2

Muhammad Trisnawadi Ismardani — 2026-08-01

Perkembangan teknologi informasi mendorong perusahaan untuk melakukan digitalisasi pengelolaan sumber daya manusia agar proses administrasi menjadi lebih efektif dan efisien. Pabrik Air Minum P2S2 masih melakukan pengelolaan data karyawan, presensi, cuti, dan payroll secara manual menggunakan media kertas sehingga berisiko terjadi kehilangan data, kesalahan pencatatan, dan keterlambatan penyajian informasi. Penelitian ini bertujuan merancang dan membangun Sistem Informasi Manajemen Sumber Daya Manusia (SIM SDM) berbasis web yang mampu mengintegrasikan pengelolaan data karyawan secara terpusat. Metode pengembangan sistem yang digunakan adalah prototyping yang meliputi tahapan komunikasi, perencanaan cepat, perancangan, pembuatan prototype, serta implementasi dan umpan balik. Sistem dibangun menggunakan bahasa pemrograman PHP dan database MySQL. Hasil penelitian menunjukkan bahwa sistem mampu menjalankan fungsi pengelolaan data karyawan, presensi, pengajuan cuti, payroll, dan laporan SDM secara terintegrasi. Berdasarkan pengujian Black Box Testing, seluruh fitur sistem berjalan sesuai kebutuhan fungsional sehingga dapat membantu meningkatkan efektivitas pengelolaan sumber daya manusia pada Pabrik Air Minum P2S2.

PREDIKSI TINGKAT STRES BERDASARKAN KONDISI TIDUR MENGGUNAKAN METODE XGBOOST

Nur Aisyiah Putri Alriansya — 2026-08-01

Stres merupakan fenomena kesehatan mental yang berdampak luas pada kualitas hidup individu dan memiliki hubungan timbal balik dengan kondisi tidur. Penilaian stres secara tradisional menggunakan kuesioner psikometrik rentan terhadap bias subjektivitas dan tidak memungkinkan pemantauan secara real-time. Penelitian ini bertujuan membangun model prediksi tingkat stres berbasis parameter fisiologis tidur menggunakan algoritma XGBoost yang dioptimasi dengan Bayesian Optimization. Dataset yang digunakan adalah SaYoPillow dari Kaggle yang terdiri dari 5.670 data dengan delapan variabel prediktor fisiologis tidur dan lima kelas tingkat stres. Preprocessing dilakukan menggunakan normalisasi Min-Max Scaler, pembagian dataset menggunakan stratified split dengan rasio 80:20, dan optimasi hyperparameter menggunakan Bayesian Optimization dengan 30 iterasi dan validasi silang 5-fold. Hasil evaluasi menunjukkan XGBoost mencapai akurasi 0,9762, presisi 0,9774, recall 0,9762, dan F1-Score 0,9763. Penerapan Bayesian Optimization menghasilkan performa yang identik dengan baseline, mengindikasikan model telah mencapai konfigurasi optimal. Performa terbaik diperoleh pada rasio pembagian dataset 60:40 dengan akurasi 0,9881. Waktu prediksi konsisten di bawah 0,005 detik, menjadikan model ini layak diterapkan pada perangkat wearable

ANALISIS SEGMENTASI PELANGGAN E-COMMERCE INDIA BERBASIS RFM DAN PROFITABILITAS MENGGUNAKAN K-MEANS

Deny Saputra — 2026-08-01

Perkembangan industri e-commerce mendorong perusahaan untuk memahami perilaku pelanggan guna meningkatkan efektivitas strategi pemasaran. Namun, keberagaman karakteristik pelanggan menyebabkan perusahaan kesulitan mengidentifikasi pelanggan yang berkontribusi terhadap profitabilitas. Penelitian ini bertujuan melakukan segmentasi pelanggan menggunakan metode Recency, Frequency, Monetary (RFM) dan analisis profitabilitas dengan algoritma K-Means. Metode penelitian menggunakan pendekatan Knowledge Discovery in Databases (KDD) yang meliputi data selection, preprocessing, transformation, clustering, dan evaluation. Dataset yang digunakan merupakan data transaksi Indian e-commerce periode 2023–2025 sebanyak 30.600 data. Penentuan jumlah cluster optimal dilakukan menggunakan metode Elbow dan evaluasi menggunakan Silhouette Score. Hasil penelitian menunjukkan bahwa jumlah cluster optimal adalah tiga cluster dengan nilai Silhouette Score sebesar 0,4747. Cluster yang dihasilkan terdiri dari Low Loyalty sebanyak 13.707 pelanggan (44,8%), Medium Loyalty sebanyak 13.634 pelanggan (44,5%), dan High Loyalty sebanyak 3.259 pelanggan (10,7%). Analisis profitabilitas menunjukkan kontribusi revenue masing-masing cluster sebesar 33%, 36%, dan 31%. Hasil segmentasi dapat digunakan untuk menentukan strategi pemasaran, retensi pelanggan, dan peningkatan profitabilitas perusahaan.

PENINGKATAN AKURASI PREDIKSI CURAH HUJAN HARIAN MENGGUNAKAN LSTM-PSO BERBASIS DATA BMKG STASIUN GEOFISIKA PASURUAN

Muhammad Reyhan Dwi Fisena — 2026-08-01

Kabupaten Pasuruan merupakan salah satu daerah dengan risiko tinggi bencana hidrometeorologi di Jawa Timur. Keterbatasan model prediksi konvensional dalam menangkap pola curah hujan yang kompleks dan non-linear, serta proses hyperparameter tuning yang tidak efisien, mendorong pengembangan model yang lebih adaptif. Penelitian ini bertujuan mengembangkan model prediksi curah hujan harian berbasis integrasi Long Short-Term Memory (LSTM) dan Particle Swarm Optimization (PSO) menggunakan data meteorologi BMKG Stasiun Geofisika Pasuruan periode 2021–2025 dengan total 1.815 data pengamatan. Variabel yang digunakan meliputi curah hujan, suhu udara rata-rata, dan kelembapan udara rata-rata. Prapemrosesan data mencakup deteksi outlier menggunakan Interquartile Range (IQR), imputasi linear, normalisasi Min-Max, dan transformasi sliding window 7 hari. PSO dikonfigurasi dengan 20 partikel dan 30 iterasi untuk mengoptimasi hyperparameter utama LSTM. Hasil evaluasi menunjukkan model LSTM-PSO mengungguli LSTM baseline pada seluruh metrik evaluasi, dengan peningkatan MAE sebesar 7,54%, RMSE sebesar 3,62%, serta NSE dan R² sebesar 76,85%. Optimasi hyperparameter berbasis PSO terbukti mampu meningkatkan akurasi dan stabilitas model LSTM dalam memprediksi curah hujan harian di Kabupaten Pasuruan.

OPTIMASI PENCARIAN JALUR TERPENDEK UNTUK LAYANAN LION PARCEL MENGGUNAKAN ANT COLONY OPTIMIZATION (ACO)

Alexandria Cascia Da'e Sawi — 2026-08-01

Jasa pengiriman barang adalah layanan untuk memindahkan barang dari pengirim ke penerima secara cepat, aman, dan efisien melalui jalur darat, laut, atau udara. Penentuan rute pengiriman yang optimal penting untuk meningkatkan efisiensi dan keandalan layanan ekspedisi. Lion Parcel di Kabupaten Nagekeo menghadapi tantangan geografis yang menyebabkan biaya operasional tinggi dan keterlambatan pengiriman. Penelitian ini bertujuan mengoptimalkan rute pengiriman Lion Parcel agar lebih efisien dari segi jarak dan waktu. Metode yang digunakan adalah Ant Colony Optimization (ACO) dengan parameter jumlah semut 10, iterasi maksimum 100, α = 1, β = 1, laju evaporasi 0.2, dan feromon awal 1; perhitungan jarak antar titik dilakukan menggunakan rumus haversine berdasarkan koordinat latitude-longitude pada 30 titik (termasuk satu depot). Hasil optimasi menunjukkan rute terbaik memiliki total jarak 114.927 km dan estimasi waktu 172.46 menit, sedangkan rute aktual memiliki total jarak 210.321 km dan waktu 362 menit. Dengan demikian ACO berhasil mengurangi jarak tempuh sebesar 95.343 km dan mempercepat waktu pengiriman sebesar 189.54 menit, sehingga terbukti efektif untuk meningkatkan efisiensi distribusi barang pada studi kasus ini.

IMPLEMENTASI POWERTRANSFORMER DAN PRINCIPAL COMPONENT ANALYSIS (PCA) UNTUK OPTIMALISASI CLUSTERING PADA SEGMENTASI PELANGGAN USIA DEWASA MENGGUNAKAN ALGORITMA K-MEANS

Cindy Avitaselly Bambang Saputri — 2026-08-01

Perkembangan teknologi informasi menyebabkan peningkatan volume data sehingga diperlukan metode analisis data yang mampu membantu proses pengambilan keputusan secara efektif. Salah satu teknik yang banyak digunakan adalah clustering untuk segmentasi pelanggan. Namun, algoritma K-Means memiliki kelemahan karena sensitif terhadap distribusi data, perbedaan skala fitur, serta noise yang dapat mempengaruhi kualitas cluster. Penelitian ini bertujuan menganalisis pengaruh preprocessing dan reduksi dimensi terhadap kualitas clustering pada segmentasi pelanggan usia dewasa menggunakan algoritma K-Means. Dataset yang digunakan adalah Mall Customer Segmentation Data dengan atribut Age, Annual Income, dan Spending Score. Penelitian dilakukan menggunakan pendekatan CRISP-DM dengan beberapa skenario preprocessing, yaitu MinMaxScaler, RobustScaler, PowerTransformer, PCA, serta kombinasi preprocessing dan PCA. Evaluasi dilakukan menggunakan Silhouette Score dan Davies Bouldin Index (DBI). Hasil penelitian menunjukkan bahwa metode PowerTransformer dan kombinasi PowerTransformer + PCA menghasilkan kualitas clustering terbaik dengan nilai Silhouette Score sebesar 0,5558 dan DBI sebesar 0,5618. Hasil tersebut menunjukkan bahwa preprocessing dan reduksi dimensi mampu meningkatkan kualitas segmentasi pelanggan secara lebih optimal.

EVALUASI KOMPARATIF K-MEANS, DBSCAN, DAN ISOLATION FOREST UNTUK KLASIFIKASI TRAFFIC API SECARA REAL-TIME PADA API GATEWAY MICROSERVICES

M. Fauzan Hidayat — 2026-08-01

Arsitektur microservices menempatkan API Gateway sebagai titik kendali utama traffic antar layanan. Rate limiting statis pada API Gateway memiliki kelemahan overblocking, yaitu pemblokiran request legitimate karena threshold yang tidak kontekstual. Penelitian ini bertujuan membandingkan performa tiga algoritma clustering K-Means, DBSCAN, dan Isolation Forest dalam mengklasifikasikan traffic API secara real-time pada API Gateway microservices. Evaluasi dilakukan menggunakan desain eksperimental komparatif dengan empat fitur perilaku: request per menit, entropy endpoint, error ratio, dan burst score. Pengujian menggunakan 19.130 record traffic simulasi dari 442 IP address dan divalidasi menggunakan subset dataset CICIDS2019. K-Means menghasilkan Silhouette Score tertinggi sebesar 0,982 dengan latensi inferensi rata-rata 4,2 ms, melampaui DBSCAN (0,847; 6,8 ms) dan Isolation Forest (0,891; 5,1 ms). K-Means juga mencatatkan F1-Score tertinggi sebesar 0,97 pada skenario mixed traffic. Temuan ini mengkonfirmasi bahwa K-Means merupakan algoritma paling optimal untuk deployment real-time pada API Gateway dari segi akurasi, kecepatan inferensi, dan kemudahan adaptasi threshold secara dinamis.

MODEL ABSA BERBASIS BERT DENGAN BIO TAGGING DAN CROSS-ATTENTION UNTUK ANALISIS MAKROEKONOMI DALAM BERITA FINANSIAL

Ezra Abednego — 2026-08-01

Perkembangan volume pemberitaan ekonomi global yang semakin masif menuntut sistem analisis teks finansial yang mampu mengekstraksi sentimen secara granular terhadap berbagai indikator makroekonomi. Pendekatan sentiment analysis konvensional yang hanya menghasilkan satu label sentimen per kalimat terbukti tidak memadai untuk teks berita finansial yang memuat banyak aspek dengan polaritas berbeda dalam satu kalimat. Selain itu, model Aspect-Based Sentiment Analysis (ABSA) yang ada belum mampu mengekstraksi hubungan eksplisit antara aspek, opini, dan sentimen secara simultan pada domain makroekonomi. Penelitian ini bertujuan membangun model ABSA berbasis Bidirectional Encoder Representations from Transformers (BERT) yang mengintegrasikan skema BIO Tagging dan mekanisme cross-attention untuk mengekstraksi triplet aspek–opini–sentimen secara end-to-end dari teks berita makroekonomi. Dataset terdiri atas 3.873 kalimat dari Investing.com, Bloomberg Economics, dan CNBC International yang dianotasi secara manual sebagai triplet aspek–opini–sentimen dengan skema BIO. Model dilatih secara end-to-end menggunakan pendekatan multi-task learning. Hasil eksperimen menunjukkan model mencapai kinerja tinggi pada seluruh komponen, dengan F1 pairing 0,94–0,95, akurasi klasifikasi sentimen 0,86–0,89 dengan Macro-F1 0,80–0,85, serta triplet F1 pada kisaran 0,87–0,88.

SISTEM REKOMENDASI PEMILIHAN PRODUK SERUM KULIT BERJERAWAT MENGGUNAKAN METODE SIMPLE ADDITIVE WEIGHTING (SAW)

Galih Ratna Widyaningtias — 2026-08-01

Pemilihan produk serum untuk kulit berjerawat menjadi permasalahan karena banyaknya variasi produk dengan perbedaan harga, kandungan bahan aktif, dan kualitas yang ditawarkan. Kondisi ini menyebabkan pengguna kesulitan dalam menentukan produk yang sesuai sehingga sering menggunakan metode trial and error yang kurang efektif. Penelitian ini bertujuan untuk membangun Sistem Pendukung Keputusan (SPK) dalam pemilihan serum menggunakan metode Simple Additive Weighting (SAW). Kriteria yang digunakan meliputi harga, konsentrasi bahan aktif, rating pengguna, keamanan produk, dan ketersediaan stok. Sistem dikembangkan berbasis web menggunakan Streamlit dan mampu melakukan normalisasi serta perhitungan nilai preferensi untuk menghasilkan perankingan alternatif. Hasil penelitian menunjukkan bahwa sistem mampu memberikan rekomendasi sesuai bobot kriteria yang telah ditentukan dan menghasilkan perhitungan yang sesuai dengan perhitungan manual. Serum dengan nilai preferensi tertinggi direkomendasikan sebagai alternatif terbaik.

ANALISIS POLA KEHADIRAN KARYAWAN MENGGUNAKAN SISTEM ABSENSI FINGERPRINT BERBASIS INTERNET OF THINGS PADA WAROENG KUOTA

Nicho Bayu Praditya — 2026-08-01

Waroeng Kuota merupakan usaha ritel di bidang layanan digital yang kegiatan operasionalnya sangat dipengaruhi oleh tingkat kedisiplinan kehadiran karyawan. Proses pencatatan absensi yang masih dilakukan secara manual menimbulkan sejumlah kendala, seperti kemungkinan terjadinya kesalahan pencatatan, keterlambatan proses rekapitulasi, serta keterbatasan monitoring kehadiran secara real-time. Kondisi tersebut menyebabkan pemilik usaha mengalami kesulitan dalam melakukan evaluasi kedisiplinan serta analisis pola kehadiran karyawan secara tepat.Penelitian ini bertujuan untuk merancang dan mengimplementasikan sistem absensi berbasis fingerprint dengan dukungan Internet of Things (IoT) guna mempermudah proses pencatatan kehadiran sekaligus mendukung analisis pola kehadiran karyawan di Waroeng Kuota. Metode penelitian yang digunakan adalah Waterfall yang mencakup tahapan analisis kebutuhan, perancangan sistem, implementasi perangkat keras dan perangkat lunak, serta pengujian sistem. Sistem dibangun menggunakan sensor fingerprint yang terintegrasi dengan mikrokontroler ESP32, modul RTC, LCD I2C, serta database dan dashboard monitoring berbasis web. Hasil pengujian menunjukkan bahwa seluruh komponen sistem mampu beroperasi dengan baik, data absensi dapat dikirim dan tersimpan secara real-time, serta sistem mampu menyediakan informasi kehadiran yang lebih akurat dan efisien. Data yang dihasilkan juga dapat dimanfaatkan untuk mendukung analisis pola kehadiran sebagai dasar evaluasi kedisiplinan kerja karyawan.

KLASIFIKASI TINGKAT FOKUS PESERTA DIDIK BERDASARKAN HEAD POSE ESTIMATION MENGGUNAKAN MOBILENETV3

Dika Adi Prasetya — 2026-08-01

Perkembangan pembelajaran daring dan hibrida menuntut adanya sistem pemantauan fokus peserta didik yang lebih objektif dan otomatis. Namun, proses pemantauan fokus saat ini masih dilakukan secara manual melalui pengamatan dosen sehingga bersifat subjektif dan kurang efektif pada pembelajaran berbasis video conference. Penelitian ini bertujuan membangun sistem klasifikasi tingkat fokus peserta didik berbasis citra wajah menggunakan arsitektur MobileNetV3 agar mampu berjalan secara real-time pada perangkat dengan keterbatasan sumber daya.

Metode penelitian yang digunakan adalah CRISP-DM dengan memanfaatkan dataset AFLW2000-3D yang memiliki anotasi orientasi kepala berupa yaw dan pitch dalam kondisi in-the-wild. Tahapan penelitian meliputi preprocessing citra, pelabelan otomatis berdasarkan threshold sudut kepala, pelatihan model menggunakan transfer learning, serta implementasi sistem monitoring berbasis Streamlit. Selain itu, dilakukan perbandingan performa antara MobileNetV3 dan YOLOv8 pada pengujian real-time.

Hasil penelitian menunjukkan bahwa model MobileNetV3 memperoleh accuracy sebesar 93%, precision 0,84, recall 0,87, dan F1-score 0,85. Pada implementasi real-time, MobileNetV3 menunjukkan performa yang lebih stabil dan ringan dibandingkan YOLOv8 pada perangkat CPU. Berdasarkan hasil tersebut, MobileNetV3 dinilai efektif digunakan sebagai sistem monitoring fokus peserta didik secara otomatis dan real-time.

PENGEMBANGAN CLOUDFLARE TURNSTILE SEBAGAI PRE-REQUEST GATE PADA ENDPOINT REGISTRASI DAN PROTOTIPE REKOMENDASI BERBASIS RFC 8927

Muhamad Widyantoro — 2026-08-01

Form registrasi merupakan endpoint state-changing yang menjadi sasaran utama otomasi bot sehingga umumnya dilindungi dengan Cross-Site Request Forgery (CSRF) token sebagai pertahanan standar pada framework web. Namun, proteksi CSRF token terbukti tidak memadai karena bot mampu melakukan scraping token dari halaman publik dan mengirimkan request otomatis dengan token valid, sehingga endpoint tetap rentan terhadap penyalahgunaan. Penelitian ini bertujuan merancang dan mengevaluasi efektivitas Cloudflare Turnstile dengan pendekatan Client-Server sebagai lapisan mitigasi tambahan CSRF, sekaligus penerapannya sebagai pre-request gate pada prototipe layanan rekomendasi berbasis RFC 8927 (JSON Type Definition). Metode penelitian dilaksanakan dalam empat tahap: analisis parameter request menggunakan Burp Suite, perancangan konfigurasi Client-Server Turnstile melalui Siteverify API, pengujian baseline dan simulasi serangan dengan Apache JMeter, serta evaluasi efektivitas pada prototipe. Hasil pengujian menunjukkan rejection rate meningkat dari 18% (CSRF-only) menjadi 100% setelah implementasi Turnstile, dengan response time rata-rata 89 ms dan throughput 48,7 req/s; lima variasi pola serangan menghasilkan rejection rate 98–100%, membuktikan Turnstile efektif melindungi fitur analyzer, scoring, dan rekomendasi prototipe dari akses otomatis tidak sah.

ANALISIS PM2.5, CO₂, SUHU, DAN KELEMBAPAN PADA SISTEM MONITORING KUALITAS UDARA BERBASIS IOT

Ega Ananda Dien Daniswara — 2026-08-01

Kualitas udara dalam ruangan, terutama di kamar tidur, memengaruhi kesehatan dan kenyamanan penghuni. Permasalahan yang terjadi adalah belum tersedianya sistem monitoring kualitas udara yang mampu memantau kondisi ruangan secara realtime dan melakukan pengendalian otomatis. Penelitian ini bertujuan merancang dan membangun sistem monitoring serta pengendalian kualitas udara berbasis Internet of Things (IoT) menggunakan parameter suhu, kelembaban, dan PM2.5. Metode yang digunakan adalah prototype yang meliputi tahap perancangan, pembuatan, pengujian, dan evaluasi sistem. Sistem menggunakan ESP32 sebagai mikrokontroler, sensor DHT22 untuk mengukur suhu dan kelembaban, sensor Sharp GP2Y1010AU0F untuk mendeteksi PM2.5, relay dan kipas DC sebagai aktuator, Firebase Realtime Database sebagai server, serta website dashboard sebagai media monitoring. Hasil pengujian menunjukkan bahwa sistem mampu mengirimkan data sensor ke Firebase dan website secara realtime setiap 5 detik. Pada pengujian pagi hari diperoleh rata-rata suhu 28,7 °C, kelembaban 72,7%, dan PM2.5 sebesar 13,1 µg/m³ dengan kondisi udara baik dan kipas OFF, sedangkan pada siang hari kipas otomatis aktif saat suhu mencapai 31,9 °C. Sistem berjalan sesuai parameter yang telah ditentukan.

INTEGRASI TEKNOLOGI NUXTJS DAN LARAVEL 12 BERBASIS WEB SERVICE PADA APLIKASI ADMINISTRASI

David Gultom — 2026-08-01

Digitalisasi telah mendorong banyak industri, termasuk lembaga keagamaan, untuk beralih dari sistem administrasi konvensional ke sistem yang lebih efisien berbasis teknologi. Untuk menangani permohonan administrasi, GPdI Sahabat Allah Palembang masih menggunakan proses manual, sehingga jemaat yang tinggal jauh dari gereja harus hadir langsung untuk mengurus surat-menyurat. Hal ini menyebabkan keterlambatan dan kesalahan pencatatan. Tujuan penelitian ini adalah untuk membuat dan membangun sistem administrasi digital yang menghubungkan jemaat dan kantor gereja secara online melalui web service. Metode Waterfall digunakan untuk pengembangan, yang mengumpulkan data melalui observasi, wawancara, dan penelitian literatur. Metode Black Box juga digunakan untuk menguji sistem. Hasil penelitian menunjukkan bahwa sistem dibangun menggunakan integrasi framework Laravel 12 sebagai backend dan NuxtJS sebagai frontend. Mereka berkomunikasi melalui REST API berformat JSON dan diamankan dengan autentikasi JWT. Fitur pengajuan surat digital, validasi oleh sekretariat, pemantauan status permohonan secara real-time, dan pengelolaan konten informasi publik gereja mempercepat proses administrasi.

PEMODELAN RISIKO AKTIVITAS FISIK TERHADAP KECELAKAAN KERJA MENGGUNAKAN MULTIPLE LINIER REGRESSION

Aqid Fahri Hafin — 2026-08-01

Kecelakaan kerja merupakan permasalahan penting dalam bidang Keselamatan dan Kesehatan Kerja (K3) karena berdampak pada kesejahteraan pekerja dan produktivitas organisasi. Perkembangan informatika membuka peluang pemanfaatan analisis data dan metode statistik untuk mengidentifikasi faktor risiko kecelakaan kerja secara lebih terukur. Penelitian ini bertujuan menganalisis pengaruh aktivitas fisik pekerjaan terhadap risiko kecelakaan kerja yang diukur melalui jumlah serious claims menggunakan metode Multiple Linear Regression (MLR). Data penelitian berasal dari Beta Occupational Hazards Dataset yang mengadaptasi data work context dari basis data O*NET ke dalam klasifikasi ANZSCO. Variabel independen yang dianalisis meliputi Spend Time Bending or Twisting the Body, Spend Time Making Repetitive Motions, dan Spend Time Walking and Running, sedangkan variabel dependen adalah jumlah serious claims. Hasil analisis menunjukkan bahwa model regresi signifikan secara statistik dengan nilai Adjusted R² sebesar 0,8827, yang berarti 88,27% variasi jumlah serious claims dapat dijelaskan oleh variabel aktivitas fisik pekerjaan dalam model. Secara parsial, Spend Time Walking and Running berpengaruh positif signifikan, sedangkan Spend Time Bending or Twisting the Body berpengaruh signifikan negatif. Sementara itu, Spend Time Making Repetitive Motions tidak berpengaruh signifikan. Temuan ini menunjukkan bahwa pendekatan berbasis data melalui MLR dapat mendukung pengelolaan K3 secara lebih efektif.

SISTEM PENDUKUNG SELEKSI JURNALIS DENGAN MENGKOMBINASIKAN METODE TOPSIS DAN PEMBOBOTAN ROC DI SOLOPOS INSTITUTE

Tisa Tri Anggira — 2026-08-01

Proses seleksi jurnalis di Solopos Institute masih dilakukan secara manual yang berpotensi menimbulkan subjektivitas dan membutuhkan waktu yang cukup lama dalam rekrutmen. Penelitian ini bertujuan untuk membangun sistem pendukung keputusan berbasis web yang mampu memberikan rekomendasi kandidat jurnalis secara objektif dengan mengkombinasikan metode Rank Order Centroid (ROC) untuk pembobotan kriteria dan metode Technique for Order Preference by Similarity to Ideal Solution (TOPSIS) untuk perangkingan kandidat. Kriteria yang digunakan meliputi kemampuan menulis berita, kemampuan wawancara dan komunikasi, tes psikologi, pengalaman kerja, dan pendidikan terakhir. Hasil penelitian menunjukkan bahwa alternatif A1 memperoleh nilai preferensi tertinggi sebesar 0,6829, diikuti A3 sebesar 0,6675 dan A12 sebesar 0,6526. Dengan demikian, sistem ini mampu membantu proses seleksi jurnalis secara objektif dan efisien dibandingkan metode manual.

APLIKASI REIMBURSEMENT BERBASIS WEB MENGGUNAKAN PADA PERUSAHAAN PENJUALAN KOPI

Robin Viery — 2026-08-01

Transformasi digital saat ini memegang peran krusial dalam meningkatkan efektivitas operasional perusahaan, khususnya pada tata kelola keuangan. Kendati demikian, pengelolaan reimbursement secara manual seringkali menghambat kinerja akibat tingginya risiko kehilangan bukti transaksi, proses birokrasi yang panjang, serta minimnya informasi status klaim bagi karyawan. Penelitian ini bertujuan untuk merancang dan membangun sistem informasi manajemen reimbursement berbasis web guna mensentralisasi dan mengoptimalkan prosedur klaim dana operasional. Metode pengembangan perangkat lunak yang digunakan adalah model Waterfall yang mencakup tahapan analisis, perancangan, implementasi, hingga pengujian sistem. Hasil dari penelitian ini berupa aplikasi e-reimbursement yang dilengkapi dengan modul pengajuan oleh staf, verifikasi oleh pihak Human Resources (HR), otorisasi mutlak oleh pimpinan (owner), serta fitur pelacakan status secara real-time. Implementasi sistem ini secara efektif mampu memangkas kerumitan administrasi keuangan, mengurangi potensi kesalahan pendataan, serta mempercepat siklus pencairan dana dengan tingkat akuntabilitas yang tinggi.

PENGEMBANGAN MEDIA PROMOSI GROUP KESENIAN TAYUBAN BERBASIS WEBSITE MENGGUNAKAN METODE WATERFALL

Ela Amelia Sari — 2026-08-01

Promosi memegang peranan yang sangat penting dalam menjaga eksistensi Encling Group sebagai salah satu group kesenian tayuban agar tetap dikenal dan terus dipentaskan oleh masyarakat. Namun, belum ada media promosi yang memadai untuk memperkenalkan kesenian tayuban group ini kepada masyarakat luas. Hal tersebut berdampak pada menurunnya jumlah panggung per bulan dan terbatasnya jangkauan lokasi pagelaran. Oleh karena itu, penelitian ini bertujuan mengembangkan media promosi berbasis website untuk group kesenian tayuban Encling Group. Metode pengembangan sistem yang digunakan yaitu SDLC model waterfall dengan tahapan analisis, desain, pengodean atau implementasi, serta operasi dan pemeliharaan. Hasil penelitian menunjukkan bahwa website yang dikembangkan sudah sesuai dengan rancangan dan kebutuhan pengguna. Pengujian black-box membuktikan website sudah dapat berjalan dengan baik, serta pada pengujian UAT didapatkan skor 87,34% yang dapat diinterpretasikan tingkat penerimaan atau kepuasan pengguna terhadap website “sangat baik”. Dengan demikian, website yang dikembangkan dinilai layak dan efektif digunakan sebagai media promosi sekaligus menjaga eksistensi group kesenian tayuban Encling Group.

PENERAPAN METODE CONTENT-BASED FILTERING DALAM SISTEM REKOMENDASI BAN MOTOR BERBASIS WEBSITE

Timotius Fergiwana Noel Sabekti — 2026-08-01

Keselamatan dan performa berkendara sangat bergantung pada kompatibilitas ban yang terpasang. Akan tetapi, tingginya variasi produk di pasaran kerap membuat konsumen mengalami kebingungan hingga salah membeli, sebagaimana fenomena yang kerap terjadi di Bengkel Simle. Studi ini mengarahkan fokusnya pada pengembangan sistem rekomendasi daring (web) untuk ban motor yang mengadopsi pendekatan Content-Based Filtering (CBF) dipadukan dengan Cosine Similarity. Karakteristik setiap produk dipetakan ke dalam enam parameter vektor, meliputi cengkeraman, umur pakai, kenyamanan, ketepatan medan, efisiensi biaya, dan penilaian pengguna. Mekanisme penyaringan awal diterapkan berdasarkan dimensi ban dan anggaran, diikuti dengan perhitungan kemiripan vektor serta penentuan peringkat. Evaluasi dilaksanakan memakai dua kondisi uji dengan preferensi kontras. Temuan menunjukkan bahwa rancangan sistem ini bersifat responsif terhadap perubahan keinginan pengguna, dengan capaian skor kemiripan puncak mencapai 92,4%. Dengan demikian, pendekatan ini terbukti mampu memfasilitasi pengguna dalam menemukan pilihan ban yang paling relevan terhadap spesifikasi dan kebutuhan mereka.

ANALISIS KOMPARASI ARSITEKTUR EFFICIENTNETV2-S DAN RESNET50 DALAM KLASIFIKASI JENIS DAN TINGKAT KEPARAHAN PENYAKIT DAUN PADI

Muhammad Fathi Farhat — 2026-08-01

Padi merupakan komoditas pangan strategis, namun produksinya kerap terancam oleh penyakit daun. Identifikasi penyakit secara konvensional seringkali tidak efisien dan subjektif, sementara model deteksi otomatis yang ada umumnya berat secara komputasi dan belum terintegrasi dengan penentuan tingkat keparahan. Penelitian ini bertujuan membandingkan kinerja arsitektur EfficientNetV2-S dan ResNet50 untuk klasifikasi jenis penyakit daun padi, serta menguji algoritma OpenCV dalam mengestimasi tingkat keparahannya. Sebanyak 2.569 citra daun dipra-pemrosesan dengan metode CLAHE dan augmentasi. Data tersebut dilatih menggunakan arsitektur Deep Learning, sedangkan segmentasi area infeksi dihitung melalui ruang warna HSV pada OpenCV. Hasil pengujian menunjukkan EfficientNetV2-S lebih unggul dengan akurasi 98% dan galat validasi 0,0414, dibandingkan ResNet50 yang mencapai akurasi 97% dan galat 0,0853. Selain itu, modul OpenCV berhasil mengkalkulasi rasio infeksi sesuai standar keparahan IRRI. Secara keseluruhan, model hibrida EfficientNetV2-S terbukti paling optimal dan berhasil diintegrasikan ke dalam purwarupa aplikasi web.

APLIKASI LAYANAN KELUHAN PELANGGAN BERBASIS WEB PADA PERUSAHAAN PIPA DAERAH JAKARTA SELATAN

Sisca Meryana — 2026-08-01

Kemajuan teknologi informasi mendorong perusahaan untuk beralih dari metode manual ke sistem pelayanan digital guna meningkatkan efisiensi dan kualitas layanan purnajual. Namun, permasalahan administrasi klaim garansi pada sebuah perusahaan pipa di Jakarta Selatan saat ini masih dikelola secara manual melalui aplikasi WhatsApp. Metode ini menyebabkan inefisiensi, risiko kehilangan data, serta kesulitan dalam melacak status penanganan keluhan secara real-time. Penelitian ini bertujuan untuk merancang dan mengimplementasikan aplikasi layanan keluhan pelanggan berbasis web yang terintegrasi guna mengatasi kendala tersebut. Pengembangan sistem menerapkan metode Software Development Life Cycle (SDLC) model Waterfall, dengan perancangan menggunakan Unified Modeling Language (UML), serta implementasi melalui framework Laravel dan basis data MySQL. Hasil penelitian ini berupa sistem aplikasi yang memfasilitasi pengajuan keluhan pelanggan, pengelolaan jadwal pemeriksaan oleh admin, pelaporan tindakan perbaikan teknisi, serta pelacakan status keluhan secara terpadu. Berdasarkan hasil pengujian Black Box Testing, seluruh fungsi utama sistem telah berjalan dengan sangat baik dan terbukti mampu meningkatkan transparansi layanan serta efisiensi penanganan keluhan.

PENGEMBANGAN APLIKASI MONITORING HARGA KOMODITAS PERTANIAN BERBASIS MOBILE DAN WEB MENGGUNAKAN METODE PELAPORAN PARTISIPATIF

Putri Nurdiyah Amalia — 2026-08-01

Sektor pertanian di Kabupaten Ngawi memegang peranan penting dalam ekonomi lokal, namun fluktuasi harga komoditas tetap menjadi tantangan serius. Kurangnya akses terhadap data harga yang akurat menyebabkan ketimpangan informasi yang sering kali merugikan petani dalam menentukan waktu dan target penjualan hasil panen. Penelitian ini bertujuan untuk mengembangkan aplikasi monitoring harga komoditas pertanian berbasis mobile dan web guna meningkatkan transparansi serta aksesibilitas informasi harga secara real-time. Pengembangan sistem ini menggunakan model Waterfall dengan menerapkan metode pelaporan partisipatif. Teknologi yang diimplementasikan meliputi framework Flutter untuk aplikasi mobile, Laravel untuk backend dan situs web, serta MySQL sebagai sistem manajemen basis data. Hasil penelitian menunjukkan bahwa sistem informasi terintegrasi ini mampu menyajikan data harga komoditas yang valid melalui mekanisme verifikasi admin terhadap laporan lapangan dari petani. Implementasi aplikasi ini berhasil memfasilitasi transparansi harga, mendukung partisipasi aktif masyarakat, dan membantu petani dalam pengambilan keputusan distribusi pertanian secara lebih efisien dan akurat.

ANALISIS USABILITY WEBSITE E-COMMERCE MENGGUNAKAN SYSTEM USABILITY SCALE (SUS)

Ardin Ariantana Putra — 2026-08-01

Website e-commerce memiliki peran penting dalam mendukung aktivitas bisnis, khususnya pada proses transaksi, pengelolaan informasi, dan operasional perusahaan. Bayleaf.id sebagai perusahaan fashion memanfaatkan website e-commerce untuk menunjang aktivitas penjualan dan operasional internal. Namun, penggunaan website masih menghadapi beberapa kendala, seperti keterbatasan metode pembayaran, belum tersedianya fitur pelacakan pesanan, serta komunikasi pengguna yang belum terintegrasi secara langsung pada sistem. Penelitian ini bertujuan untuk menganalisis tingkat usability website bayleaf.id menggunakan metode System Usability Scale (SUS). Pengumpulan data dilakukan melalui observasi, wawancara, dan penyebaran kuesioner SUS kepada 49 responden yang terdiri dari admin, customer service, dan karyawan produksi sebagai pengguna internal sistem. Data dianalisis menggunakan uji validitas, uji reliabilitas, dan perhitungan skor SUS. Hasil penelitian menunjukkan seluruh item pernyataan valid dengan nilai r hitung melebihi r tabel. Uji reliabilitas memperoleh nilai Cronbach’s Alpha sebesar 0,860 yang menandakan instrumen reliabel. Perhitungan SUS menghasilkan skor rata-rata 77,60 yang termasuk kategori Acceptable, grade B, dan adjective rating Excellent. Hasil tersebut menunjukkan bahwa website Bayleaf.id memiliki tingkat usability yang baik, meskipun masih diperlukan pengembangan pada beberapa fitur untuk meningkatkan kualitas penggunaan sistem.

SISTEM PENDUKUNG KEPUTUSAN PENILAIAN KINERJA UNTUK MENENTUKAN STATUS KARYAWAN MENGGUNAKAN METODE SIMPLE ADDITIVE WEIGHTING PADA CV FAJAR KARUNIA

Arya Putra Wijaya — 2026-08-01

Penilaian kinerja karyawan merupakan aspek penting dalam manajemen sumber daya manusia sebagai dasar pengambilan keputusan strategis perusahaan, termasuk dalam menentukan status karyawan dari kontrak menjadi karyawan tetap. CV Fajar Karunia merupakan perusahaan yang bergerak di bidang jasa pemasangan dan perawatan pendingin udara yang masih menghadapi permasalahan dalam proses penilaian kinerja karyawan secara manual, sehingga membutuhkan waktu yang lama, rentan terhadap subjektivitas, serta menghasilkan keputusan yang kurang akurat dan konsisten. Penelitian ini bertujuan untuk merancang dan membangun Sistem Pendukung Keputusan (SPK) penilaian kinerja karyawan guna menentukan status karyawan kontrak yang layak diangkat menjadi karyawan tetap. Metode yang digunakan dalam penelitian ini adalah metode Simple Additive Weighting (SAW) dengan lima kriteria penilaian, yaitu kualitas kerja, kehadiran, kerja sama tim, inisiatif, dan kuantitas kerja. Sistem dikembangkan berbasis web menggunakan PHP, framework Laravel, dan database MySQL. Hasil penelitian menunjukkan bahwa sistem mampu melakukan proses penilaian secara terkomputerisasi mulai dari pengolahan data, normalisasi nilai, hingga perankingan menggunakan metode SAW, sehingga dapat membantu manajemen perusahaan dalam menentukan karyawan yang layak menjadi karyawan tetap secara lebih objektif, transparan, dan efisien.

DEKONSTRUKSI PRIORITAS KEBUTUHAN SISTEM: PENGEMBANGAN APLIKASI PERSURATAN BERBASIS WEB DENGAN KERANGKA MOSCOW DI KANTOR KECAMATAN SEMARANG BARAT

Qonnita Dhiya Ichsani — 2026-08-01

Dalam dinamika birokrasi pemerintahan yang semakin menuntut efisiensi dan akurasi layanan, pengelolaan persuratan secara manual masih menjadi hambatan serius karena memicu penumpukan arsip, lambatnya temu kembali dokumen, serta tingginya risiko kehilangan data. Permasalahan tersebut memperlihatkan bahwa digitalisasi administrasi tidak cukup dilakukan melalui penambahan teknologi semata, melainkan memerlukan penataan ulang prioritas kebutuhan sistem secara strategis. Studi ini bertujuan menganalisis dan mengimplementasikan kerangka MoSCoW dalam pengembangan aplikasi persuratan berbasis web di Kantor Kecamatan Semarang Barat agar pengembangan fitur berorientasi pada kebutuhan paling kritis organisasi. Penelitian menggunakan pendekatan Research and Development dengan teknik pengumpulan data melalui observasi, wawancara, dan studi pustaka, kemudian dilanjutkan dengan klasifikasi kebutuhan sistem ke dalam kategori Must Have, Should Have, Could Have, dan Won’t Have. Hasil pengujian black-box menunjukkan seluruh fitur inti sistem berjalan valid dan stabil, terutama pada kategori Must Have yang mencakup autentikasi pengguna, pengelolaan surat, pencarian arsip, dan pelaporan. Temuan ini menegaskan bahwa keberhasilan transformasi digital sektor publik lebih ditentukan oleh ketepatan prioritas kebutuhan dibandingkan kompleksitas fitur yang dibangun.

PENGEMBANGAN MODEL PREDIKSI EMISI KARBON DIOKSIDA (CO2) DAN REKOMENDASI KENDARAAN RENDAH EMISI DENGAN RANDOM FOREST REGRESSION DAN CONTENT-BASED FILTERING

Kristian Abel Baptista — 2026-08-01

Pesatnya pertumbuhan transportasi modern menyebabkan peningkatan emisi karbon dioksida (CO₂) yang berdampak signifikan pada penurunan kualitas udara dan perubahan iklim. Penelitian ini bertujuan untuk mengembangkan sistem yang mampu memprediksi emisi kendaraan secara akurat serta memberikan rekomendasi kendaraan alternatif dengan emisi lebih rendah berdasarkan spesifikasi kendaraan. Dataset yang digunakan berasal dari platform Kaggle mencakup 833 data kendaraan. Tahapan penelitian meliputi preprocessing data dengan mengubah data kategorikal menjadi numerik, kemudian menerapkan algoritma random forest regression untuk memodelkan prediksi emisi kendaraan. Selain itu, metode content-based filtering digunakan untuk merekomendasikan kendaraan serupa yang memiliki emisi lebih rendah berdasarkan tingkat kemiripan data. Hasil pengujian menunjukkan bahwa model mampu menghasilkan prediksi dengan akurasi sangat tinggi pada konfigurasi 100 trees, dengan nilai R² sebesar 0.9973 dan RMSE sebesar 2.9983. Temuan penting dalam penelitian ini menunjukkan bahwa konsumsi bahan bakar (fuel consumption) merupakan fitur paling berpengaruh terhadap jumlah emisi yang dihasilkan. Dengan demikian, integrasi kedua metode ini dinilai efektif dalam mendukung upaya pengurangan emisi di sektor transportasi serta berpotensi untuk dikembangkan menggunakan dataset yang lebih luas dan beragam.

ANALISIS KINERJA JARINGAN WIFI 2.4 DAN 5 GHZ BERDASARKAN JARAK DAN PENGHAMBAT DENGAN METODE NDLC

Chornelia Yuliana Ome — 2026-08-01

Penelitian ini dilatarbelakangi oleh pentingnya kualitas jaringan wireless dalam mendukung aktivitas kerja di Kantor Dinas Arsip dan Perpustakaan Kabupaten Alor. Permasalahan yang dihadapi adalah koneksi jaringan yang belum merata dan kurang optimal akibat pengaruh jarak, hambatan fisik seperti tembok, kaca, lemari, serta banyaknya pengguna yang terhubung. Penelitian ini bertujuan menganalisis kualitas layanan jaringan (Quality of Service/QoS) serta membandingkan performa frekuensi 2,4 GHz dan 5 GHz. Metode yang digunakan adalah Network Development Life Cycle (NDLC) yang meliputi tahap analisis, desain, simulasi, implementasi, dan pengujian. Pengambilan data dilakukan menggunakan aplikasi WiFi Analyzer dan Wireshark dengan parameter throughput, delay, jitter, dan packet loss. Hasil penelitian menunjukkan bahwa frekuensi 5 GHz memiliki throughput lebih tinggi sehingga akses data lebih cepat, namun jangkauannya lebih terbatas dan sensitif terhadap hambatan. Sebaliknya, frekuensi 2,4 GHz lebih stabil pada jarak jauh dan lebih baik dalam menembus penghalang, meskipun kecepatannya lebih rendah. Nilai delay dan jitter meningkat seiring bertambahnya jarak dan hambatan, sedangkan packet loss umumnya 0% sehingga tergolong sangat baik. Optimalisasi penempatan access point diperlukan untuk meningkatkan kualitas jaringan.

KLASIFIKASI SURAT DINAS BERBASIS TEXT MINING MENGGUNAKAN TF-IDF DAN SUPPORT VECTOR MACHINE

Falih Walen Satria Shakti — 2026-08-01

Pengelolaan surat dinas pada instansi pemerintahan memerlukan proses klasifikasi yang tepat untuk mendukung efektivitas administrasi dan pengarsipan dokumen. Namun, proses klasifikasi surat yang masih dilakukan secara manual sering menimbulkan ketidakkonsistenan, keterlambatan pencarian arsip, dan tingginya potensi kesalahan pengelompokan dokumen. Penelitian ini bertujuan menerapkan metode TF-IDF dan Support Vector Machine (SVM) untuk mengklasifikasikan surat dinas berdasarkan teks pada bagian perihal surat. Dataset penelitian berasal dari 2.155 dokumen surat dinas Sekretariat Dinas Komunikasi dan Informatika Kabupaten Sragen yang dikumpulkan dari periode Januari hingga Desember 2025. Setelah melalui proses preprocessing dan seleksi data, diperoleh 188 dokumen valid yang dikelompokkan ke dalam 15 kategori surat. Tahapan penelitian meliputi preprocessing teks berupa case folding, tokenizing, stopword removal, dan stemming, kemudian dilanjutkan dengan pembobotan TF-IDF berbasis n-gram (1,2) serta klasifikasi menggunakan algoritma SVM kernel Radial Basis Function (RBF). Evaluasi model dilakukan menggunakan pembagian data 80:20 dan 10-fold cross-validation dengan metrik accuracy, precision, recall, dan F1-score. Hasil penelitian menunjukkan bahwa model memperoleh akurasi sebesar 76,32% pada skenario 80:20 dan rata-rata 72,98% pada 10-fold cross-validation. Hasil tersebut menunjukkan bahwa metode TF-IDF dan SVM mampu digunakan untuk klasifikasi surat dinas secara cukup baik.

ANALISIS KOMPARATIF EFEKTIVITAS OPTIMIZER PADA MODEL INCEPTIONV3 DAN EFFICIENTNETB3 MENGGUNAKAN TRANSFER LEARNING UNTUK KLASIFIKASI PENYAKIT DAUN TOMAT

Muhammad Thorikin Zuniarto — 2026-08-01

Penyakit daun tomat dapat menurunkan kualitas dan produktivitas tanaman sehingga diperlukan sistem identifikasi yang cepat dan akurat. Identifikasi penyakit secara manual masih memiliki keterbatasan karena membutuhkan waktu dan keahlian khusus dalam mengenali gejala penyakit. Penelitian ini bertujuan menganalisis dan membandingkan efektivitas optimizer pada model InceptionV3 dan EfficientNetB3 menggunakan pendekatan transfer learning untuk klasifikasi penyakit daun tomat. Dataset yang digunakan berasal dari PlantVillage sebanyak 10.000 citra dengan 10 kelas penyakit. Tahapan penelitian meliputi preprocessing, augmentasi citra, pembagian dataset dengan rasio 80:10:10, serta pelatihan model menggunakan optimizer Adam, RMSprop, SGD Momentum, AdamW, dan Nadam. Seluruh eksperimen dilakukan menggunakan konfigurasi pelatihan yang sama untuk menjaga validitas perbandingan antar optimizer. Evaluasi performa dilakukan menggunakan accuracy, precision, recall, F1-score, MCC, kappa, dan Top-3 accuracy. Hasil penelitian menunjukkan bahwa RMSprop memberikan performa terbaik dengan akurasi sebesar 99,1% pada InceptionV3 dan 99,2% pada EfficientNetB3. Selain itu, EfficientNetB3 menunjukkan performa klasifikasi yang lebih baik dibandingkan InceptionV3. Penelitian selanjutnya berpotensi mengembangkan optimasi hyperparameter dan penerapan dataset lapangan untuk meningkatkan kemampuan generalisasi model.

PERANCANGAN SPBE PADA BIDANG INFORMASI & KOMUNIKASI PUBLIK DISKOMINFO BANGKALAN BERBASIS ENTERPRISE ARCHITECTURE PLANNING

Deska Arya Pasasi — 2026-08-01

Dinas Komunikasi dan Informatika (Diskominfo) Kabupaten Bangkalan, khususnya Bidang Informasi dan Komunikasi Publik (IKP), mengelola layanan pendaftaran narasumber talkshow Radio Suara Bangkalan FM sebagai bagian dari tugas penyebarluasan informasi publik. Permasalahan yang dihadapi adalah proses pendaftaran yang masih berjalan secara manual melalui surat fisik dan WhatsApp, sehingga menimbulkan inefisiensi waktu, risiko kehilangan data, tidak adanya rekam jejak resmi, dan kurangnya transparansi status bagi pemohon. Penelitian ini bertujuan untuk merancang cetak biru (blueprint) arsitektur sistem informasi pada bidang IKP menggunakan metode Enterprise Architecture Planning (EAP) guna mendigitalisasi layanan tersebut secara terstruktur dan selaras dengan amanat SPBE. Metode EAP diterapkan melalui empat lapisan, yaitu inisiasi perencanaan, pemodelan kondisi saat ini, perancangan arsitektur data, aplikasi, dan teknologi, serta rencana implementasi. Hasil penelitian menghasilkan blueprint arsitektur data yang mencakup enam entitas bisnis, arsitektur aplikasi dengan tujuh modul sistem digital, arsitektur teknologi berbasis server on-premise, serta roadmap implementasi yang terbagi dalam lima fase pengembangan dengan estimasi waktu sembilan bulan. Perancangan ini diharapkan menjadi panduan strategis bagi Diskominfo Bangkalan dalam mewujudkan layanan pemerintahan yang terintegrasi, efisien, dan akuntabel.

PENGEMBANGAN SISTEM ESTIMASI PROYEK PERANGKAT LUNAK BERBASIS FUNCTION POINT DENGAN FITUR PENYESUAIAN WAKTU

Rizki Afriani — 2026-08-01

Perencanaan proyek perangkat lunak memerlukan estimasi yang akurat agar proses pengembangan dapat berjalan sesuai waktu, biaya, dan sumber daya yang telah ditentukan. Namun, banyak proyek perangkat lunak mengalami keterlambatan dan pembengkakan biaya akibat estimasi yang kurang tepat serta ketidakmampuan sistem dalam menyesuaikan perubahan target waktu proyek. Penelitian ini bertujuan mengembangkan sistem estimasi proyek perangkat lunak berbasis web menggunakan metode Function Point Analysis (FPA) dengan fitur penyesuaian waktu secara dinamis serta menerapkan Rational Unified Process (RUP) sebagai metode pengembangan sistem. Penelitian dilakukan melalui tahapan inception, elaboration, construction, dan transition pada RUP. Evaluasi sistem dilakukan menggunakan System Usability Scale (SUS). Hasil penelitian menunjukkan bahwa sistem mampu menghasilkan estimasi effort, waktu, biaya, dan kebutuhan sumber daya manusia secara adaptif berdasarkan perubahan durasi proyek. Selain itu, hasil pengujian usability memperoleh skor SUS sebesar 75,5 yang termasuk kategori “Good”. Dengan demikian, sistem yang dikembangkan mampu mendukung proses estimasi proyek perangkat lunak secara lebih fleksibel, terstruktur, dan mudah digunakan.

RANCANG BANGUN SMART DOOR LOCK BERBASIS DUAL MIKROKONTROLER DENGAN AUTENTIKASI DUA FAKTOR RFID-OTP BERBASIS TELEGRAM

Ridho Nurhadi Pratama — 2026-08-01

Keamanan akses pintu merupakan aspek penting dalam menjaga aset fisik pada lingkungan rumah, perkantoran, maupun fasilitas industri di era modern ini. Sistem konvensional berbasis kunci mekanik dan autentikasi satu faktor masih memiliki kelemahan terhadap risiko duplikasi dan kehilangan kredensial. Selain itu, penggunaan satu mikrokontroler yang menangani proses kontrol perangkat keras dan komunikasi jaringan secara bersamaan berpotensi menurunkan kinerja dan stabilitas sistem. Penelitian ini bertujuan merancang dan membangun sistem smart door lock berbasis autentikasi dua faktor menggunakan RFID dan One-Time Password (OTP) dengan arsitektur dual mikrokontroler. Sistem dirancang menggunakan metode rancang bangun dengan Arduino Mega 2560 sebagai pengendali utama perangkat keras dan NodeMCU ESP8266 sebagai modul komunikasi untuk pengiriman OTP melalui aplikasi Telegram. Pengujian dilakukan terhadap lima parameter, yaitu akurasi pembacaan RFID, waktu respons sistem, waktu aktuasi servo, waktu komunikasi OTP, dan keberhasilan sistem secara end-to-end. Hasil pengujian menunjukkan akurasi pembacaan RFID sebesar 100% pada jarak 1–6 cm, waktu respons rata-rata 9,44 detik, waktu aktuasi servo 0,81 detik, waktu komunikasi OTP 3,81 detik, dan tingkat keberhasilan sistem sebesar 100%. Arsitektur dual mikrokontroler terbukti mampu memisahkan beban kerja secara efektif sehingga sistem berjalan stabil dan responsif.

RANCANG BANGUN WEBSITE SEBAGAI MEDIA LAYANAN DALAM PENINGKATAN AKSES INFORMASI PERPUSTAKAAN UMUM GARUT MENGGUNAKAN METODE PROTOTYPE

Vivi Julia Risnu Rahayu — 2026-08-01

Era transformasi digital menuntut institusi perpustakaan untuk memanfaatkan teknologi informasi yang mampu menyediakan layanan informasi dengan cepat, akurat, dan responsif bagi masyarakat. Saat ini, kondisi operasional Perpustakaan Umum Garut masih bergantung pada metode konvensional sehingga memicu rendahnya tingkat aksesibilitas masyarakat terhadap berbagai layanan literatur. Selain itu, proses penyampaian informasi yang belum terintegrasi secara digital mengakibatkan ketidakefisienan dalam pengelolaan data internal serta munculnya hambatan komunikasi antara pustakawan dan pengunjung. Penelitian ini bertujuan membangun website layanan informasi dengan memanfaatkan framework CodeIgniter 4 berbasis PHP serta database MySQL sebagai upaya optimalisasi distribusi informasi secara menyeluruh. Proses pengembangan sistem menggunakan metode prototype yang terdiri dari communication, quick plan, modeling quick design, construction of prototype hingga deployment, delivery, and feedback. Pengujian fungsionalitas sistem menggunakan metode Black Box Testing untuk memastikan kinerja seluruh fitur beroperasi sesuai fungsi tanpa kendala teknis pada antarmuka pengguna. Hasil penelitian menunjukkan bahwa sistem yang dibangun mampu menyajikan informasi profil instansi, jenis layanan, serta katalog buku secara terstruktur dan mudah dijangkau. Kehadiran platform digital ini diharapkan mempermudah aksesibilitas publik secara daring serta mendukung kualitas pelayanan informasi di lingkungan Perpustakaan Umum Garut agar lebih efektif dan efisien.

PENERAPAN CONTENT-BASED FILTERING UNTUK REKOMENDASI PENEMPATAN DIVISI MAGANG BERDASARKAN PROGRAM STUDI, MINAT, DAN KEAHLIAN

Yosua Aremathea Novantoro — 2026-08-01

Program magang merupakan kegiatan pembelajaran yang memberikan kesempatan kepada mahasiswa untuk memperoleh pengalaman kerja secara langsung di dunia industri. Namun, proses penempatan peserta magang masih sering dilakukan secara manual dengan informasi yang terbatas, sehingga berpotensi menimbulkan ketidaksesuaian antara program studi, minat, dan keahlian peserta dengan kebutuhan divisi. Penelitian ini bertujuan untuk menerapkan metode Content-Based Filtering dalam memberikan rekomendasi penempatan divisi magang berdasarkan profil peserta. Data yang digunakan meliputi program studi, minat, keahlian peserta, dan kebutuhan divisi. Tahapan penelitian terdiri dari pengumpulan data, preprocessing, ekstraksi fitur menggunakan TF-IDF, serta perhitungan tingkat kemiripan menggunakan cosine similarity. Hasil pengujian terhadap 12 data peserta menunjukkan bahwa sistem mampu menghasilkan rekomendasi berdasarkan nilai kemiripan tertinggi. Peserta dengan kemampuan pengembangan aplikasi cenderung direkomendasikan ke divisi IT Support, peserta dengan kemampuan jaringan ke divisi Teknisi, dan peserta dengan kemampuan administrasi serta pengolahan data ke divisi Shared Service. Nilai kemiripan tertinggi diperoleh oleh Taufik Hidayat sebesar 0,5399 pada divisi Teknisi. Dengan demikian, metode Content-Based Filtering dapat mendukung proses penempatan divisi magang secara lebih terarah dan objektif.

IMPLEMENTASI METODE RULE-BASED UNTUK PENENTUAN STATUS PADA EARLY WARNING SYSTEM BANJIR BERBASIS INTERNET OF THINGS

Januar Putra Wicaksana — 2026-08-01

Banjir merupakan bencana hidrometeorologi yang sering menimbulkan kerugian material serta mengganggu aktivitas masyarakat sehingga diperlukan sistem peringatan dini yang mampu memberikan informasi kondisi secara cepat dan real-time. Permasalahan pada beberapa sistem early warning banjir sebelumnya umumnya masih berfokus pada parameter tinggi air sehingga informasi status potensi banjir belum sepenuhnya optimal. Penelitian ini bertujuan menerapkan metode rule-based pada sistem peringatan dini banjir berbasis Internet of Things untuk menentukan status potensi banjir berdasarkan kombinasi data tinggi air dan kondisi hujan. Sistem dikembangkan menggunakan sensor ultrasonik HC-SR04 untuk membaca tinggi air, sensor raindrop untuk mendeteksi hujan, dan ESP32 sebagai pusat pengendali. Data sensor diproses menggunakan aturan if–then untuk menghasilkan status Aman, Waspada, dan Bahaya. Hasil penelitian menunjukkan bahwa sistem mampu membaca data sensor dengan baik, menentukan status sesuai aturan yang dirancang, menampilkan indikator LED dan buzzer, mengirimkan data ke Firebase, menampilkan monitoring melalui dashboard secara real-time, serta mengirimkan notifikasi Telegram saat kondisi peringatan terjadi. Dengan demikian, sistem yang dikembangkan dapat membantu proses pemantauan potensi banjir secara lebih terstruktur dan mudah dipahami pengguna.

TINJAUAN SISTEMATIS KEAMANAN SISTEM PENGARSIPAN DIGITAL PADA APLIKASI LAYANAN PUBLIK: SYSTEMATIC LITERATURE REVIEW

Nadia Martogi Pasaribu — 2026-08-01

Transformasi digital dalam layanan publik telah mendorong peralihan sistem pengarsipan dari berbasis dokumen fisik menuju sistem digital yang lebih efisien dan terintegrasi. Namun, digitalisasi tersebut juga menimbulkan berbagai risiko keamanan, seperti kebocoran data, akses tidak sah, serta ancaman terhadap integritas dan keberlangsungan arsip. Penelitian ini bertujuan untuk mengidentifikasi, mengevaluasi, dan menyintesis literatur terkait keamanan sistem pengarsipan digital pada aplikasi layanan publik dalam rentang tahun 2021–2026. Metode yang digunakan adalah Systematic Literature Review (SLR) dengan pendekatan PRISMA untuk memastikan proses seleksi dan sintesis literatur dilakukan secara sistematis dan transparan. Hasil penelitian menunjukkan bahwa keamanan arsip digital bersifat multidimensi, yang tidak hanya dipengaruhi oleh aspek teknis, tetapi juga oleh tata kelola, kepatuhan regulasi, serta tingkat kepercayaan pengguna. Tema utama yang ditemukan meliputi autentisitas, integritas, trust, serta ketahanan sistem. Selain itu, pemanfaatan teknologi seperti blockchain, enkripsi, hashing, cloud computing, dan kecerdasan buatan terbukti berkontribusi dalam meningkatkan keamanan, meskipun implementasinya masih menghadapi berbagai keterbatasan. Penelitian ini menyimpulkan bahwa keamanan sistem pengarsipan digital memerlukan pendekatan terintegrasi antara kontrol teknis, kebijakan organisasi, dan tata kelola untuk mendukung layanan publik yang aman dan akuntabel.

PERANCANGAN SISTEM INFORMASI RESERVASI BARBERSHOP BERBASIS WEB MENGGUNAKAN METODE PROTOTYPE PADA BARBERBRO BARBERSHOP

Renata Frizka — 2026-08-01

Perkembangan penggunaan teknologi informasi dalam sektor jasa terus berkembang, termasuk pada barbershop untuk meningkatkan kualitas layanan dan sistem pengelolaan data. Meskipun demikian, proses reservasi dan pencatatan layanan di BarberBro Barbershop masih dilakukan secara manual, yang sering kali mengakibatkan antrean panjang, ketidakteraturan dalam penjadwalan, serta kesulitan dalam mengatur data layanan. Penelitian ini bertujuan untuk membangun sistem informasi reservasi barbershop yang berbasis web dengan metode prototype. Metode prototype dipilih karena memungkinkan desain sistem dilakukan secara bertahap, dengan melibatkan pengguna untuk evaluasi dan perbaikan sistem yang berkelanjutan. Sistem ini dikembangkan dengan menggunakan framework Laravel dan database MySQL, dilengkapi fitur utama seperti manajemen data pelanggan, reservasi layanan, pengaturan jadwal layanan, pemilihan barber serta layanan, transaksi kasir, dan laporan keuangan. Hasil dari penelitian menunjukkan bahwa sistem yang dikembangkan mampu mengintegrasikan seluruh data layanan secara digital. Berdasarkan hasil pengujian Black Box Testing, seluruh fitur utama pada sistem dapat berjalan sesuai dengan fungsi yang diharapkan sehingga sistem mampu membantu proses reservasi dan pengelolaan layanan secara lebih efektif.

ANALISIS SENTIMEN ULASAN TEMPAT WISATA WADUK GAJAH MUNGKUR MENGGUNAKAN METODE NAÏVE BAYES

Sayid Muchammad Rosyid Aridho — 2026-08-01

Perkembangan teknologi informasi mendorong masyarakat membagikan opini melalui platform digital seperti Google Maps. Ulasan pengunjung pada objek wisata dapat dimanfaatkan untuk mengetahui kecenderungan opini publik, namun data teks yang tidak terstruktur menyulitkan proses analisis manual. Selain itu, pelabelan berdasarkan rating bintang berpotensi menimbulkan bias karena tidak selalu sesuai dengan isi ulasan. Penelitian ini bertujuan mengklasifikasikan sentimen ulasan pengunjung Waduk Gajah Mungkur menggunakan metode Multinomial Naïve Bayes. Data sebanyak 2.785 ulasan diperoleh melalui web scraping dan diproses menggunakan preprocessing serta pembobotan TF-IDF. Ketidakseimbangan kelas ditangani menggunakan Synthetic Minority Over-sampling Technique (SMOTE), sedangkan optimasi parameter dilakukan menggunakan GridSearchCV. Evaluasi model menggunakan Stratified 5-Fold Cross Validation dengan metrik accuracy, precision, recall, dan F1-score. Hasil penelitian menunjukkan bahwa model terbaik memperoleh accuracy sebesar 66,03%, F1 Macro 44,95%, dan F1 Weighted 70,25%. Model memiliki performa terbaik pada kelas positif dengan F1-score 80,81%, sementara kelas netral (23,20%) dan negatif (30,83%) masih rendah akibat ketidakseimbangan data dan potensi bias pelabelan berbasis rating.

ANALISIS PEFORMA METODE CONTENT-BASED FILTERING (CBF) PADA SISTEM REKOMENDASI PEMILIHAN PAKET INTERNET

Andriyana Putra Pratama — 2026-08-01

Perkembangan layanan internet menyebabkan banyaknya pilihan paket internet yang ditawarkan oleh penyedia layanan (ISP). Kondisi tersebut membuat pengguna sering mengalami kesulitan dalam menentukan paket internet yang sesuai dengan kebutuhan karena perbedaan harga, kecepatan, dan kuota yang tersedia. Penelitian ini bertujuan untuk menganalisis performa metode Content-Based Filtering (CBF) pada sistem rekomendasi pemilihan paket internet. Metode yang digunakan dalam penelitian ini adalah Content-Based Filtering dengan teknik TF-IDF sebagai pembobotan fitur dan Cosine Similarity untuk menghitung tingkat kemiripan antar paket internet. Penelitian dilakukan melalui tahapan pengumpulan data, preprocessing data, ekstraksi fitur, perhitungan similarity, dan pengujian hasil rekomendasi menggunakan 15 data paket internet. Hasil penelitian menunjukkan bahwa metode Content-Based Filtering mampu memberikan rekomendasi paket internet yang relevan berdasarkan preferensi pengguna. Sistem berhasil mengurutkan paket internet berdasarkan tingkat kemiripan sehingga dapat membantu pengguna dalam menentukan pilihan paket internet secara lebih efektif dan sistematis.

IMPLEMENTASI FRAMEWORK FLASK PADA PERANCANGAN SISTEM POINT OF SALE (POS) UNTUK MULTI CABANG BENGKEL PRATAMA MOTOR

Christopher Arvin Tungady — 2026-08-01

Perkembangan teknologi menuntut digitalisasi manajemen operasional pada sektor UMKM. Namun, bengkel dengan banyak cabang sering menghadapi kendala dalam sinkronisasi pencatatan transaksi dan manajemen stok antar-cabang yang tidak efisien. Penelitian ini bertujuan untuk merancang dan membangun sistem Point of Sale (POS) berbasis web guna mengatasi masalah tersebut. Metode penelitian yang digunakan adalah studi kasus dengan pendekatan kualitatif pada Bengkel Pratama Motor menggunakan data simulasi. Sistem dikembangkan menggunakan bahasa Python dengan framework Flask, MongoDB sebagai database NoSQL, dan Redis untuk penyimpanan session. Hasil implementasi menunjukkan bahwa sistem berhasil mencakup fitur login multi-role, pengelolaan stok per cabang, transaksi kasir, serta riwayat penjualan yang dapat difilter berdasarkan tanggal dan operator. Berdasarkan pengujian fungsional, sistem berjalan sesuai kebutuhan dan diharapkan menjadi solusi digitalisasi POS yang efektif bagi UMKM multi-cabang.

PERANCANGAN SISTEM INFORMASI PEMBAYARAN SYAHRIYAH DI PONDOK PESANTREN ISTIQOMATUL UMMAH

Rokhmatuloh Rokhmatuloh — 2026-08-01

Perkembangan teknologi informasi mendorong lembaga pendidikan untuk meningkatkan efektivitas dan efisiensi dalam pengelolaan administrasi keuangan, termasuk pada lembaga pendidikan berbasis pesantren. Pondok Pesantren Istiqomatul Ummah yang berlokasi di Desa Karanganyar Kecamatan Pagerbarang Kabupaten Tegal masih menggunakan sistem pembayaran syahriyah secara manual, mulai dari pencatatan pembayaran, pembukuan, hingga pembuatan laporan keuangan. Proses manual tersebut menimbulkan berbagai permasalahan seperti kesalahan pencatatan, kehilangan data, kerusakan dokumen, serta keterlambatan dalam penyusunan laporan pembayaran. Penelitian ini bertujuan untuk merancang sistem informasi pembayaran syahriyah berbasis web yang dapat membantu proses administrasi pembayaran menjadi lebih efektif, efisien, dan terintegrasi. Metode pengembangan sistem yang digunakan adalah metode prototyping dengan pemodelan Unified Modeling Language (UML) yang meliputi use case diagram, activity diagram, sequence diagram, dan class diagram. Teknik pengumpulan data dilakukan melalui observasi, wawancara, dokumentasi, dan studi pustaka. Hasil penelitian ini berupa rancangan sistem informasi pembayaran syahriyah berbasis web yang memiliki fitur pengelolaan data santri, pengelolaan kategori pembayaran, transaksi pembayaran, pencetakan bukti pembayaran, serta laporan keuangan secara otomatis. Sistem yang dirancang diharapkan mampu meningkatkan efektivitas, efisiensi, transparansi, dan akurasi dalam pengelolaan pembayaran syahriyah di Pondok Pesantren Istiqomatul Ummah.

SYSTEMATIC LITERATURE REVIEW: KAJIAN METODE DAN TEKNOLOGI PENGEMBANGAN SISTEM INFORMASI PENDAFTARAN BERBASIS WEB (2021–2025)

Wanda Amelia — 2026-08-01

Pemilihan metodologi pengembangan sistem merupakan faktor penentu keberhasilan dalam membangun sistem informasi pendaftaran berbasis web yang efektif dan sesuai dengan kebutuhan pengguna. Namun, belum terdapat kajian sistematis yang merangkum metode apa yang paling banyak digunakan dalam konteks ini, khususnya pada periode 2021-2025. Penelitian ini bertujuan untuk mengidentifikasi dan menganalisis metode pengembangan sistem yang dominan digunakan dalam pengembangan sistem informasi pendaftaran berbasis web melalui pendekatan Systematic Literature Review (SLR) dengan kerangka PRISMA. Sebanyak 20 artikel diseleksi berdasarkan kriteria inklusi yang telah ditetapkan, kemudian dianalisis secara sistematis. Hasil analisis menunjukkan bahwa model Waterfall merupakan metode yang paling dominan dengan persentase 80%, diikuti model Prototype (15%), dan metode Spiral (5%). Dominasi model Waterfall mengindikasikan bahwa pengembang cenderung memilih pendekatan terstruktur dan sekuensial untuk sistem dengan kebutuhan yang relatif stabil. Temuan ini dapat dijadikan acuan empiris bagi pengembang dan peneliti dalam menentukan metodologi yang tepat sesuai karakteristik sistem yang dikembangkan.

PREDIKSI PENYAKIT JANTUNG DENGAN VARIABEL RIWAYAT PENYAKIT METABOLIK DAN KEBIASAAN MEROKOK MENGGUNAKAN ALGORITMA RANDOM FOREST DAN XGBOOST

Ferdianto Ferdianto — 2026-08-01

Penelitian ini bertujuan membandingkan kinerja algoritma Random Forest dan XGBoost dalam prediksi penyakit jantung dengan menekankan variabel riwayat penyakit metabolik dan kebiasaan merokok sebagai faktor risiko utama. Data yang digunakan merupakan dataset publik Kaggle yang diproses melalui tahapan data cleaning, penanganan missing value, encoding variabel kategorikal, pembagian data latih dan data uji, serta pelatihan model. Evaluasi model dilakukan menggunakan confusion matrix, accuracy, precision, recall, F1-score, dan ROC-AUC. Hasil pengujian menunjukkan bahwa Random Forest memberikan performa lebih baik dibandingkan XGBoost dengan akurasi sebesar 0,7322 dan ROC-AUC sebesar 0,6783. Confusion matrix menunjukkan 489 true negative, 131 false positive, 65 false negative, dan 47 true positive, dengan recall sebesar 0,42 dan F1-score sebesar 0,32 pada kelas positif. Secara keseluruhan, Random Forest ditetapkan sebagai model terbaik karena memberikan performa klasifikasi yang lebih seimbang, meskipun optimasi lebih lanjut masih diperlukan untuk meningkatkan sensitivitas terhadap kelas positif.

EVALUASI TINGKAT KAPABILITAS DAN ANALISIS KESENJANGAN TATA KELOLA TI PADA SEKOLAH NEGERI MENGGUNAKAN KERANGKA KERJA COBIT 5

Rafli Kalisiano Kalkausar — 2026-08-01

Pemanfaatan teknologi informasi (TI) di institusi pendidikan tidak lagi hanya berfungsi sebagai alat bantu operasional, tetapi telah berkembang menjadi aset strategis untuk meningkatkan efisiensi administrasi dan kualitas layanan pendidikan. Namun, sekolah negeri masih menghadapi sejumlah kendala, seperti keterbatasan pengembangan infrastruktur akibat ketergantungan pada dana Bantuan Operasional Sekolah (BOS), risiko keamanan dan privasi data siswa, dominasi budaya kerja berbasis kertas, serta belum adanya pengukuran standar mengenai sejauh mana tata kelola TI mendukung pencapaian tujuan organisasi. Penelitian ini bertujuan mengevaluasi tingkat kapabilitas dan menganalisis kesenjangan tata kelola TI pada sebuah sekolah dasar negeri menggunakan kerangka kerja COBIT 5 pada domain Evaluate, Direct, and Monitor (EDM02, EDM03, dan EDM04). Pendekatan yang digunakan adalah mixed methods melalui penyebaran kuesioner kepada guru dan staf serta wawancara dengan pimpinan sekolah untuk memetakan kondisi aktual (as-is) dan target (to-be). Hasil pengolahan kuesioner menunjukkan nilai rata-rata 4,6363 yang secara matematis mengindikasikan Capability Level 5 (Optimizing), sedangkan hasil triangulasi dengan wawancara menempatkan kondisi faktual pada Capability Level 3 (Established), sehingga terdapat kesenjangan riil sebesar 2,00 dan kebutuhan penguatan tata kelola TI melalui rekomendasi yang lebih terarah.

TINJAUAN TEKNIS PENERAPAN TEKNOLOGI OPTICAL CHARACTER RECOGNITION PADA APLIKASI M-PASPOR DENGAN METODE PRISMA (2021-2025)

Taufiq Akbar Siregar — 2026-08-01

Transformasi digital melalui SPBE mendorong digitalisasi layanan publik, salah satunya aplikasi M-Paspor oleh Ditjen Imigrasi yang memanfaatkan inovasi teknologi Optical Character Recognition (OCR). Implementasi OCR pada aplikasi M-Paspor dihadapkan pada kendala teknis variabilitas kualitas citra, kerumitan latar belakang dokumen KTP, serta ancaman kebocoran data identitas pribadi warga negara. Penelitian ini bertujuan untuk mengevaluasi tantangan teknis algoritma, efektivitas operasional, dan kepatuhan arsitektur ekstraksi data terhadap regulasi pelindungan privasi. Penelitian kualitatif ini menggunakan Systematic Literature Review (SLR) dengan pedoman PRISMA. Sebanyak 30 artikel jurnal (periode 2021-2026) disintesis dari basis data Google Scholar, Semantic Scholar, dan Garuda. Integrasi OCR (seperti Tesseract dan YOLOv8) terbukti efektif mereduksi inefisiensi input manual dengan akurasi >90% setelah melalui prapemrosesan citra digital yang tepat. Meskipun sangat efektif untuk memperlancar interoperabilitas verifikasi data keimigrasian, pemrosesan data biometrik yang sensitif menuntut kepatuhan absolut terhadap UU Nomor 27 Tahun 2022 tentang Pelindungan Data Pribadi melalui pendekatan privacy by design dan sistem keamanan siber yang tangguh.

ANALISIS DAN IMPLEMENTASI KNOWLEDGE-BASED RECOMMENDATION SISTEM REKOMENDASI RESTORAN STEAK IBU KOTA JAKARTA

Fira Nur Safitri — 2026-08-01

Pertumbuhan industri kuliner di Jakarta, khususnya segmen restoran steak, memunculkan fenomena information overload akibat banyaknya pilihan di berbagai platform digital. Konsumen kesulitan memilih restoran yang sesuai preferensi secara efektif dan efisien. Penelitian ini bertujuan mengembangkan sistem rekomendasi restoran steak di Jakarta menggunakan metode Knowledge-Based Recommendation yang dikombinasikan dengan Simple Additive Weighting (SAW). Data bersumber dari 187 restoran steak yang diperoleh melalui Google Maps dan platform ulasan, kemudian melalui tahap data cleaning, filtering, dan normalisasi sehingga menghasilkan 115 data valid. Basis pengetahuan direpresentasikan dalam bentuk aturan rule-based dengan kriteria harga (bobot 0,3), rating Google (0,2), rating platform (0,2), dan jumlah ulasan (0,15). Hasil perhitungan menunjukkan bahwa Ono Steak memperoleh skor tertinggi sebesar 0,637, diikuti SKYE (0,618) dan Tokyo Skipjack (0,536). Sistem yang dihasilkan mampu memberikan rekomendasi terstruktur berbasis data sehingga membantu pengguna dalam pengambilan keputusan pemilihan restoran secara lebih efektif.

IMPLEMENTASI ALGORITMA PROPHET UNTUK PREDIKSI PERTUMBUHAN PELANGGAN DALAM PENENTUAN WILAYAH EKSPANSI JARINGAN

Angga Kurniawan — 2026-08-01

Penelitian ini dilatarbelakangi oleh pertumbuhan pelanggan Internet Service Provider (ISP) yang berfluktuasi sehingga menuntut perencanaan infrastruktur jaringan yang presisi. PT Lingkar Kabel Telekomunikasi (MaxNetPlus) masih mengandalkan observasi manual dalam menentukan titik ekspansi, akibatnya memicu ketidakseimbangan rantai pasok material dan penumpukan daftar tunggu (waiting list) instalasi sebesar 10% hingga 20%. Penelitian ini bertujuan mengimplementasikan algoritma Prophet untuk memprediksi tren pertumbuhan pelanggan sebagai dasar penentuan wilayah prioritas ekspansi jaringan. Metode pengembangan sistem menggunakan pendekatan Rapid Application Development (RAD) dengan tahapan perencanaan kebutuhan, desain sistem, pembangunan aplikasi, dan pengujian. Proses penerapan algoritma meliputi pengumpulan data historis pelanggan, preprocessing data menggunakan persentil ke-95 untuk menangani outlier, pelatihan model Prophet, evaluasi menggunakan Mean Absolute Percentage Error (MAPE). Hasil pengujian pada dataset historis wilayah Pajang menghasilkan nilai MAPE sebesar 24,71% dengan proyeksi 248 pelanggan baru dalam enam bulan ke depan. Hasil prediksi diintegrasikan ke dalam dashboard Sistem Pendukung Keputusan berbasis web menggunakan Streamlit untuk memvisualisasikan prioritas wilayah serta mengkalkulasi estimasi kebutuhan logistik perangkat jaringan secara otomatis dan berbasis data.

STRATEGI PENYELARASAN BISNIS-TI PADA INSTITUSI PENDIDIKAN TINGGI: STUDI KASUS PENGEMBANGAN IT MASTER PLAN BERBASIS IS STRATEGIC PLANNING WARD & PEPPARD

Grandys Frieska Prassida — 2026-08-01

Dalam konteks perguruan tinggi, kesenjangan antara kebutuhan bisnis dan pengembangan teknologi informasi (TI) yang tidak selaras berisiko menimbulkan pemborosan sumber daya serta hilangnya peluang untuk meningkatkan kualitas layanan pendidikan. Penelitian ini bertujuan untuk merancang dokumen IT Master Plan bagi sebuah perguruan tinggi swasta di Indonesia guna menjawab tantangan fragmentasi sistem dan data yang masih terkotak-kotak. Berbasis pada kerangka kerja IS Strategic Planning Ward & Peppard, analisis dilakukan pada Perguruan Tinggi X terhadap lingkungan bisnis internal dan eksternal guna menghasilkan strategi penyelarasan bisnis-TI. Data dikumpulkan melalui pengamatan, wawancara, dan focus group discussion untuk memetakan kapabilitas bisnis dan TI yang telah berjalan. Dari rangkaian proses analisis yang dilakukan, penelitian ini menghasilkan 16 inisiatif strategis TI yang terdistribusi ke dalam tiga pilar transformasi utama: Smart and Integrated Student Services, Transparent and Seamless Organizational Management, serta Continuous Quality Assurance and Controlled Performance Management. Hasil pemetaan menunjukkan bahwa kesenjangan paling krusial terdapat pada lapisan strategis akibat belum terintegrasinya sistem inti yang mendukung pengambilan keputusan. Sebagai solusi terstruktur, penelitian ini berhasil merumuskan peta jalan (roadmap) pengembangan TI untuk lima tahun (2026–2030) yang berfungsi sebagai single source of truth. Dokumen IT Master Plan yang dihasilkan ini menjadi acuan taktis bagi pimpinan institusi untuk mengeliminasi fragmentasi data, mengoptimalkan efisiensi operasional, serta meningkatkan daya saing perguruan tinggi swasta berbasis korporasi di kancah nasional maupun internasional.

RANCANG BANGUN SISTEM INFORMASI PENCATATAN HAFALAN AL-QUR’AN BERBASIS WEBSITE

Muhammad Salman Al Farisy — 2026-08-01

Tahfidz Al-Qur’an adalah salah satu bentuk pendidikan keislaman yang menitikberatkan pada kegiatan menghafal, menjaga, dan memahami Al-Qur’an yang membutuhkan proses monitoring secara berkelanjutan agar perkembangan hafalan santri dapat terpantau dengan baik. Namun, di Madrasah Ma’hadul Qur’an Pondok Pesantren Salafiyah Syafi’iyah Sukorejo Situbondo proses pencatatannya masih dilakukan secara konvensional melalui buku setoran, sehingga menyebabkan beberapa kendala seperti sulitnya proses rekapitulasi data, tingginya risiko kehilangan data, serta terbatasnya akses informasi bagi guru dan wali santri. Penelitian ini bertujuan untuk merancang dan membangun sistem pencatatan hafalan Al-Qur’an berbasis web yang dapat mendukung proses monitoring hafalan santri secara lebih efektif, terstruktur, dan terintegrasi. Pengembangan sistem dilakukan menggunakan metode Waterfall yang terdiri dari tahapan analisis kebutuhan, perancangan, implementasi, pengujian, dan pemeliharaan sistem. Sistem dikembangkan menggunakan framework Laravel, MySQL, Bootstrap Admin LTE, Chart.Js, serta Fonnte API untuk fitur notifikasi WhatsApp. Hasil penelitian menunjukkan bahwa sistem berhasil menyediakan fitur pengelolaan data hafalan, progress bulanan, grafik perkembangan hafalan, dan notifikasi wali murid. Berdasarkan hasil pengujian menggunakan metode Black Box Testing, seluruh fitur utama sistem dapat berjalan dengan baik sesuai kebutuhan fungsional sehingga mampu meningkatkan efektivitas monitoring hafalan, efisiensi pengelolaan data, serta kemudahan akses informasi bagi guru dan wali murid.

KLASIFIKASI KEMATANGAN ALPUKAT HASS MENGGUNAKAN YOLOv8 BERDASARKAN 5 TAHAP KEMATANGAN

Teuku Vaickal Rizki Irdian — 2026-08-01

Alpukat Hass merupakan komoditas pertanian dengan permintaan yang tinggi; namun, penilaian tingkat kematangannya secara manual sebagian besar bersifat subjektif, memakan banyak tenaga, dan rentan terhadap ketidakkonsistenan. Untuk mengatasi keterbatasan ini, penelitian ini mengembangkan sistem computer vision otomatis menggunakan arsitektur YOLOv8-cls untuk mengklasifikasikan tingkat kematangan alpukat Hass secara akurat ke dalam lima tahap yang mendetail. Metodologi penelitian ini memanfaatkan dataset komprehensif sebanyak 14.710 citra digital yang dikategorikan secara sistematis ke dalam tahap Unripe, Breaking, Ripe (First Phase), Ripe (Second Phase), dan Over-ripe. Performa prediktif model dievaluasi secara ketat menggunakan metrik klasifikasi standar, khususnya Overall Accuracy, Precision, Recall, dan analisis Confusion Matrix, untuk menilai kemampuannya dalam membedakan tahapan kelas dengan ambiguitas visual yang tinggi. Hasil eksperimen menunjukkan bahwa model YOLOv8-cls mencapai akurasi klasifikasi yang tangguh sebesar 84,97%, dengan precision sebesar 84,39% dan recall sebesar 84,27%. Lebih lanjut, analisis confusion matrix memberikan wawasan penting yang membuktikan keandalan model dalam meminimalkan kesalahan klasifikasi pada tahap transisi yang saling berdekatan, serta mencapai performa puncak pada tahap ekstrem seperti Unripe (94%) dan Over-ripe (92%). Secara praktis, sistem otomatis ini menawarkan solusi yang terukur (scalable) dan sangat akurat untuk rantai pasokan pertanian, sehingga memungkinkan para petani, distributor, dan konsumen untuk menilai kualitas alpukat secara objektif dan efisien.

PEMODELAN TINGKAT PREDIKSI KETERLAMBATAN PENERBANGAN, TERHADAP DATASET PENERBANGAN KOMERSIAL

Redrian Alfa Maulana — 2026-08-01

Dinamika industri penerbangan sangat bergantung pada ketepatan waktu operasional. Namun, keterlambatan penerbangan (flight delay) menjadi permasalahan krusial yang terus berulang, merugikan maskapai secara finansial, dan menurunkan tingkat kepuasan penumpang. Penelitian ini bertujuan untuk membangun model komputasi cerdas yang mampu memprediksi tingkat keterlambatan penerbangan sebagai sistem peringatan dini. Metode penelitian yang diusulkan menggunakan pendekatan Ensemble Learning dengan menggabungkan algoritma Random Forest dan Linear Regression. Pola penyebab keterlambatan diekstraksi dari data historis penerbangan berdasarkan fitur operasional seperti maskapai, jadwal, dan jarak tempuh. Penggabungan ini dilakukan agar kehandalan Random Forest pada data non-linear dapat diimbangi oleh efisiensi komputasi Linear Regression. Hasil pengujian menunjukkan bahwa model prediksi berhasil memberikan performa yang sangat baik dengan perolehan nilai Mean Squared Error (MSE) sebesar 178.71 dan skor R-Squared mencapai 0.906. Kinerja ini membuktikan model mampu memprediksi 90,6% variabilitas keterlambatan secara presisi, sehingga sangat layak direkomendasikan sebagai pendukung keputusan manajemen maskapai.

PREDIKSI PRODUKSI TELUR AYAM PADA KANDANG AYAM CV HOSANA SUKAMAKMUR MENGGUNAKAN ALGORITMA RANDOM FOREST

Vinne Vinne — 2026-08-01

Produksi telur ayam merupakan aspek penting dalam keberhasilan usaha peternakan ayam petelur karena berpengaruh langsung terhadap perencanaan dan pengambilan keputusan manajemen. Variasi produksi telur dipengaruhi oleh sejumlah faktor, antara lain jumlah populasi ayam, konsumsi pakan, tingkat kematian ayam, dan produksi telur pada periode sebelumnya. Penelitian ini bertujuan menerapkan Algoritma Random Forest untuk memprediksi produksi telur ayam pada kandang ayam CV Hosana Sukamakmur. Metode penelitian mengikuti model Waterfall yang meliputi tahapan communication, planning, modeling, construction, dan deployment. Data yang digunakan mencakup jumlah populasi ayam, konsumsi pakan, tingkat kematian ayam, persentase produksi ayam, dan data produksi telur sebelumnya. Algoritma Random Forest dipilih karena kemampuannya dalam mengolah data historis secara efektif, mengurangi risiko overfitting, serta menghasilkan prediksi yang konsisten. Evaluasi model menunjukkan nilai Root Mean Squared Error (RMSE) sebesar 1,8765 dan Mean Absolute Error (MAE) sebesar 1,2345. Nilai ini mengindikasikan bahwa hasil prediksi model secara rata-rata berada sekitar 1,8 butir telur lebih kecil atau lebih besar dibandingkan data aktual, sehingga memberikan estimasi yang cukup akurat. Hasil penelitian menegaskan bahwa Random Forest dapat mendukung proses prediksi produksi telur ayam secara andal, sehingga membantu pengelolaan produksi dan pengambilan keputusan strategis pada peternakan ayam.

PREDIKSI PENGARUH EMISI KARBON TERHADAP PERUBAHAN IKLIM DUNIA MENGGUNAKAN ALGORITMA REGRESI LINIAR

Arinda Sukma Dewi — 2026-08-01

Perubahan iklim merupakan permasalahan global yang semakin mendapat perhatian karena berkaitan erat dengan peningkatan emisi karbon akibat aktivitas manusia. Meskipun berbagai penelitian telah membahas hubungan keduanya, diperlukan analisis berbasis data untuk memahami pengaruh emisi karbon terhadap perubahan iklim dunia. Penelitian ini bertujuan menganalisis pengaruh emisi karbon terhadap perubahan iklim dunia serta membangun model prediksi menggunakan algoritma regresi linier. Penelitian dilakukan dengan pendekatan kuantitatif menggunakan data sekunder periode 2019–2024 yang diperoleh dari World Bank dan Our World in Data. Tahapan penelitian meliputi pengumpulan data, preprocessing, pemodelan regresi linier, dan evaluasi model menggunakan koefisien determinasi (R²), Mean Squared Error (MSE), dan Mean Absolute Error (MAE). Hasil penelitian menunjukkan adanya hubungan antara emisi karbon dan indikator perubahan iklim yang dianalisis. Model regresi linier yang dibangun menghasilkan nilai R² sebesar 0,8256 dengan nilai MAE sebesar 0,0009, yang menunjukkan kemampuan model dalam menggambarkan pola data dengan tingkat kesalahan yang rendah. Selain itu, hasil prediksi menunjukkan kecenderungan penurunan intensitas karbon dunia pada beberapa tahun mendatang. Temuan ini menunjukkan bahwa regresi linier dapat digunakan sebagai pendekatan untuk menganalisis pengaruh emisi karbon terhadap perubahan iklim dunia.

ANALISIS TINGKAT KERAMAIAN PELANGGAN DIGIDREAMS MENGGUNAKAN METODE K-MEANS CLUSTERING DAN APRIORI

Muhammad Saifullah — 2026-08-01

Digidreams Space merupakan co-working space yang menyediakan ruang kerja bersama dengan pola kunjungan pelanggan yang berbeda setiap hari. Dalam operasionalnya, Digidreams menghadapi permasalahan berupa fluktuasi tingkat keramaian yang belum teridentifikasi secara sistematis, sehingga berpotensi menyebabkan ketidakseimbangan pemanfaatan fasilitas dan inefisiensi sumber daya operasional. Penelitian ini bertujuan menganalisis pola keramaian dan karakteristik operasional harian Digidreams melalui integrasi metode K-Means Clustering dan Apriori. Penelitian menggunakan kerangka CRISP-DM dengan data historis 110 hari periode September–Desember 2025 yang mencakup jumlah pelanggan harian, income, outcome, dan profit. K-Means diterapkan dengan Elbow Method untuk menentukan jumlah cluster optimal, sedangkan Apriori menggunakan minimum support 5% dan minimum confidence 50%. Hasil K-Means dengan K=3 menghasilkan Silhouette score 0,3057 yang termasuk kategori fair clustering. Tiga cluster yang terbentuk adalah Ramai sebanyak 40 hari (36,4%), Sedang 57 hari (51,8%), dan Inefisien 13 hari (11,8%). Cluster Inefisien menunjukkan profit negatif Rp280.000 akibat outcome rata-rata Rp825.192. Apriori menghasilkan 77 frequent itemsets dan 51 association rules, dengan rule “Day_Saturday, Income_Tinggi → Pelanggan_Banyak” sebagai pola asosiasi dominan.

KLASIFIKASI SAMPAH MENGGUNAKAN CNN DENGAN ARSITEKTUR MOBILENETV4 DAN TRANSFER LEARNING

Patrisius Satria Hendrawan — 2026-08-01

Pengelolaan sampah yang efektif menjadi tantangan utama di Indonesia, mengingat volume timbulan sampah nasional terus meningkat setiap tahunnya. Proses pemilahan sampah yang masih dilakukan secara manual dinilai kurang efisien dan rentan terhadap kesalahan klasifikasi. Penelitian ini bertujuan mengembangkan sistem klasifikasi sampah otomatis berbasis citra digital yang efisien dan akurat menggunakan arsitektur MobileNetV4 dengan pendekatan Transfer Learning. Model dievaluasi menggunakan tiga varian arsitektur, yaitu Small, Medium, dan Large. Dataset publik dari Kaggle yang terdiri dari 10 kategori dan 20.218 citra diproses melalui pra-pemrosesan, augmentasi data, serta penerapan class weighting untuk menangani ketidakseimbangan data antar kelas. Kinerja model diukur menggunakan metrik akurasi, precision, recall, dan F1-score. Hasil pengujian menunjukkan bahwa varian MobileNetV4-Small dan Medium berhasil mencapai tingkat akurasi tertinggi yang setara, yaitu 81%, sedangkan varian Large mengalami penurunan performa menjadi 74% akibat overfitting. Berdasarkan hasil tersebut, MobileNetV4-Small disimpulkan sebagai model paling optimal karena mampu mempertahankan performa klasifikasi yang baik dengan kapasitas parameter yang lebih sedikit, sehingga sangat efisien untuk diterapkan pada sistem sortasi sampah bersumber daya komputasi terbatas.

PENERAPAN ALGORITMA NAÏVE BAYES UNTUK ANALISIS SENTIMEN ULASAN PENGUNJUNG BENTENG MARLBOROUGH BENGKULU BERDASARKAN GOOGLE MAPS

Andres Junika Putra — 2026-08-01

Benteng Marlborough merupakan salah satu objek wisata bersejarah di Kota Bengkulu yang banyak memperoleh ulasan dari pengunjung melalui Google Maps. Banyaknya ulasan yang tersedia dapat dimanfaatkan untuk mengetahui persepsi wisatawan terhadap kualitas objek wisata, namun analisis secara manual membutuhkan waktu yang lama. Penelitian ini bertujuan untuk menganalisis sentimen ulasan pengunjung Benteng Marlborough berdasarkan kategori positif, netral, dan negatif menggunakan algoritma Naïve Bayes. Metode penelitian dilakukan melalui beberapa tahapan, yaitu pengumpulan data ulasan Google Maps menggunakan teknik web scraping, preprocessing data, pelabelan sentimen berdasarkan rating, ekstraksi fitur menggunakan TF-IDF, pembagian data latih dan data uji dengan rasio 80:20, serta klasifikasi menggunakan algoritma Multinomial Naïve Bayes. Evaluasi model dilakukan menggunakan accuracy, precision, recall, dan F1-score. Hasil penelitian terhadap 1.688 data ulasan menunjukkan bahwa model memperoleh nilai accuracy sebesar 81,36%, precision 85,80%, recall 81,36%, dan F1-score 81,29%. Hasil tersebut menunjukkan bahwa algoritma Naïve Bayes mampu melakukan klasifikasi sentimen ulasan pengunjung Benteng Marlborough dengan baik.

IMPLEMENTASI METODE RANDOM FOREST PADA KLASIFIKASI GAYA KEPEMIMPINAN DALAM SERIOUS GAME THE ARCHITECT: REBIRTH OF SERAYA

Damar Nabil Buqori — 2026-08-01

Permainan video bergenre simulasi tata kota memiliki potensi edukasi manajerial yang tinggi, namun seringkali memberikan umpan balik yang kaku akibat ketiadaan sistem pemodelan pemain cerdas yang mampu mengenali ideologi pengambilan keputusan penggunanya. Penelitian ini bertujuan untuk mengimplementasikan kecerdasan buatan guna mengklasifikasikan gaya kepemimpinan pemain secara waktu nyata (real-time) dalam serious game "The Architect: Rebirth of Seraya". Pengembangan sistem berpedoman pada metodologi Game Development Life Cycle (GDLC) menggunakan perangkat lunak Godot Engine 4.x berbasis C#. Model pemodelan dibangun menggunakan algoritma Random Forest yang mengekstraksi data telemetri kota secara berkala ke dalam lima pohon keputusan independen, kemudian diproses melalui mekanisme Weighted Majority Voting dan Penalty Logic. Evaluasi keandalan diukur menggunakan Confusion Matrix untuk validasi komputasi klasifikasi, serta Game Experience Questionnaire (GEQ) kepada 50 responden untuk analisis pengalaman pengguna. Hasil pengujian menunjukkan bahwa algoritma Random Forest berhasil mencetak tingkat akurasi komputasi sebesar 93,3%, sementara evaluasi pengalaman pengguna memperoleh nilai rata-rata 4,14 dari skala 5,00 yang tergolong "Baik". Kesimpulannya, pemrosesan algoritma Random Forest terbukti sangat presisi dan berhasil mentransformasi simulasi tata kelola perkotaan menjadi pengalaman edukasi interaktif yang adaptif.

IMPLEMENTASI METODE FINITE STATE MACHINE UNTUK PENGELOLAAN STATE DINAMIS PADA GAME THE ARCHITECT: REBIRTH OF SERAYA

Satria Adji Subagyo — 2026-08-01

Pemahaman kausalitas kebijakan publik oleh generasi muda merupakan tantangan krusial di Indonesia, namun metode pembelajaran konvensional yang bersifat linear dinilai kurang efektif dalam menumbuhkan keterlibatan emosional peserta didik. Permasalahan utama yang diangkat dalam penelitian ini adalah tingginya kompleksitas manajemen kondisi (state management) pada game simulasi konvensional yang umumnya mengandalkan pendekatan percabangan kondisional (if-else/switch-case) yang masif, sehingga menghasilkan spaghetti code yang menghambat skalabilitas dan maintainability sistem. Tujuan penelitian adalah merancang dan mengimplementasikan arsitektur Finite State Machine (FSM) berbasis State Pattern menggunakan bahasa C# pada Godot Engine 4.x pada serious game berjudul "The Architect: Rebirth of Seraya" untuk mengelola tiga sistem utama: Sistem Kebijakan, Dynamic Difficulty Adjustment (EDDA), dan Sistem Skor. Rencana penyelesaian masalah dilakukan melalui penerapan State Pattern yang memisahkan setiap kondisi ke dalam kelas mandiri dengan metode Enter(), Execute(), dan Exit(), serta menggunakan kerangka Game Development Life Cycle (GDLC) sebagai metodologi pengembangan. Pengujian dilakukan melalui Black Box Testing untuk validasi fungsionalitas dan Game Engagement Questionnaire (GEQ) terhadap 50 responden. Hasil menunjukkan seluruh 26 butir instrumen valid (r hitung > 0,20) dengan Cronbach Alpha seluruh dimensi di atas 0,70. Rata-rata keseluruhan skor GEQ sebesar 4,087 dari skala 5,00 (kategori Baik), mengonfirmasi bahwa implementasi FSM berhasil mewujudkan sistem game yang modular, deterministik, dan efektif sebagai media edukasi interaktif.

PENINGKATAN SERIOUS GAME THE ARCHITECT: REBIRTH OF SERAYA MENGGUNAKAN METODE ENGAGEMENT-ORIENTED DYNAMIC DIFFICULTY ADJUSTMENT (EDDA)

Tenno Young Dalana — 2026-08-01

Tantangan utama dalam serious game simulasi tata kota adalah mempertahankan keterlibatan pemain akibat tingkat kesulitan statis yang kaku. Hal ini memicu kebosanan pada pemain ahli atau kecemasan pada pemain pemula. Penelitian ini bertujuan merancang dan mengimplementasikan perangkat lunak serious game PC berjudul "The Architect: Rebirth of Seraya" sebagai media edukasi kebijakan publik makro. Pengembangan dilakukan menggunakan game engine Godot 4.x dengan bahasa pemrograman C#, dipandu metodologi Game Development Life Cycle (GDLC). Untuk menjaga kondisi psikologis pemain agar tetap berada dalam zona Flow State, sistem mengintegrasikan metode Engagement-Oriented Dynamic Difficulty Adjustment (EDDA), Finite State Machine (FSM), dan algoritma Random Forest. EDDA secara real-time mengevaluasi performa dan mengadaptasi variabel krisis ekonomi secara dinamis. Pengujian efektivitas diukur menggunakan Game Engagement Questionnaire (GEQ). Hasil pengujian menunjukkan bahwa sistem berhasil mempertahankan keterlibatan pemain dengan skor rata-rata "Baik" (4,087). Kesimpulannya, penerapan EDDA terbukti efektif mengoptimalkan keterlibatan pemain dan memberikan pengalaman simulasi kebijakan publik yang adaptif dan realistis.

PENERAPAN FRAMEWORK FLUTTER PADA APLIKASI PENGENALAN BENDERA NEGARA UNTUK SISWA SDN TANJUNG ILIR KOTA SERANG

Adi Wicaksono — 2026-08-01

Perkembangan teknologi multimedia memberikan peluang besar dalam meningkatkan kualitas pembelajaran, khususnya pada jenjang sekolah dasar. Namun, dalam praktiknya, proses pembelajaran masih didominasi metode konvensional yang kurang interaktif sehingga berdampak pada rendahnya minat dan pemahaman siswa. Penelitian ini bertujuan untuk merancang dan mengimplementasikan aplikasi pengenalan bendera negara berbasis multimedia interaktif menggunakan framework Flutter. Metode penelitian yang digunakan meliputi tahap analisis kebutuhan, perancangan sistem, implementasi aplikasi, serta pengujian menggunakan Black Box Testing dan User Acceptance Testing (UAT). Aplikasi dikembangkan dengan memanfaatkan elemen multimedia berupa gambar dan fitur interaktif seperti latihan soal. Hasil pengujian menunjukkan bahwa seluruh fungsi aplikasi berjalan dengan baik sesuai rancangan. Selain itu, hasil UAT menunjukkan bahwa sebagian besar pengguna menyatakan aplikasi mudah digunakan, menarik, dan membantu dalam memahami materi. Dengan demikian, aplikasi yang dikembangkan terbukti mampu meningkatkan interaktivitas dan efektivitas pembelajaran siswa sekolah dasar.

PENERAPAN METODE NAIVE BAYES UNTUK ANALISIS SENTIMEN ULASAN APLIKASI PADA GOOGLE PLAYSTORE BERBASIS PYTHON

Mutia Rahmayani — 2026-08-01

Perkembangan teknologi informasi telah mendorong peningkatan penggunaan aplikasi mobile yang diikuti dengan banyaknya ulasan pengguna pada Google Play Store. Ulasan tersebut mengandung informasi penting mengenai kepuasan dan pengalaman pengguna, namun jumlahnya yang besar dan tidak terstruktur menyulitkan analisis secara manual. Penelitian ini bertujuan untuk menerapkan metode Naïve Bayes dalam menganalisis sentimen ulasan aplikasi pada Google Play Store berbasis Python. Metode yang digunakan meliputi pengambilan data ulasan, preprocessing teks (case folding, tokenizing, stopword removal, dan stemming), pembobotan kata menggunakan TF-IDF, serta klasifikasi sentimen menggunakan algoritma Naïve Bayes. Sistem yang dibangun mampu mengklasifikasikan ulasan ke dalam tiga kategori, yaitu positif, netral, dan negatif. Hasil pengujian menunjukkan bahwa sistem dapat berjalan dengan baik berdasarkan pengujian White Box dan Black Box. Selain itu, hasil User Acceptance Testing (UAT) memperoleh nilai rata-rata sebesar 4,44 yang termasuk dalam kategori sangat baik. Sistem juga mampu menyajikan hasil analisis dalam bentuk ringkasan sentimen dan visualisasi grafik yang informatif. Dengan demikian, metode Naïve Bayes dapat digunakan secara efektif dalam analisis sentimen ulasan aplikasi. Penelitian ini diharapkan dapat membantu pengembang dalam memahami kebutuhan pengguna serta meningkatkan kualitas aplikasi secara berkelanjutan.

ANALISIS EFEKTIFITAS APLIKASI PENGENALAN HEWAN SEBAGAI MEDIA PEMBELAJARAN UNTUK SISWA SEKOLAH DASAR MENGGUNAKAN FRAMEWORK FLUTTER

Sarkawi — 2026-08-01

Perkembangan teknologi informasi mendorong pemanfaatan media pembelajaran digital untuk meningkatkan kualitas proses belajar di Sekolah Dasar. Penelitian ini bertujuan merancang dan menganalisis efektivitas aplikasi pengenalan hewan berbasis Flutter sebagai media pembelajaran interaktif. Metode yang digunakan adalah penelitian pengembangan sistem dengan pendekatan implementatif. Pengumpulan data dilakukan melalui observasi, studi literatur, serta pengujian aplikasi menggunakan Black Box Testing dan User Acceptance Testing (UAT). Aplikasi yang dikembangkan menyediakan fitur materi pengenalan hewan, latihan interaktif, serta elemen multimedia berupa gambar dan teks untuk mendukung proses belajar. Hasil pengujian menunjukkan bahwa seluruh fungsi aplikasi berjalan sesuai dengan kebutuhan tanpa ditemukan kesalahan pada Black Box Testing. Sementara itu, hasil UAT menunjukkan bahwa aplikasi memperoleh respons positif dari pengguna karena mudah digunakan, memiliki tampilan yang menarik, dan mampu membantu siswa memahami materi dengan lebih baik. Penggunaan multimedia dan latihan interaktif juga meningkatkan keterlibatan serta motivasi belajar siswa selama proses pembelajaran. Berdasarkan hasil tersebut, dapat disimpulkan bahwa aplikasi pengenalan hewan berbasis Flutter layak dan efektif digunakan sebagai media pembelajaran alternatif yang mendukung proses pembelajaran di Sekolah Dasar serta meningkatkan pemahaman siswa terhadap materi pengenalan hewan.

PENERAPAN METODE AHP UNTUK SISTEM PENDUKUNG KEPUTUSAN PENERIMA PROGRAM BANTUAN REHABILITASI RUMAH BAGI KORBAN BENCANA

Adiev Ghifari Syahviar — 2026-08-01

Penentuan penerima bantuan rehabilitasi rumah bagi korban bencana harus dilakukan secara tepat sasaran agar bantuan dapat diberikan kepada masyarakat yang paling membutuhkan. Namun, proses penentuan penerima bantuan masih menghadapi berbagai kendala, seperti subjektivitas penilaian, lamanya proses seleksi, dan kurangnya transparansi dalam pengambilan keputusan. Penelitian ini bertujuan untuk merancang dan mengimplementasikan sistem pendukung keputusan menggunakan metode Analytical Hierarchy Process (AHP) dalam menentukan penerima bantuan rehabilitasi rumah bagi korban bencana. Kriteria yang digunakan meliputi tingkat kerusakan rumah, kondisi ekonomi, jumlah tanggungan, dan dampak bencana. Metode pengembangan sistem yang digunakan adalah Waterfall yang meliputi tahap analisis, perancangan, implementasi, dan pengujian. Pengujian sistem dilakukan menggunakan Black Box Testing dan User Acceptance Testing (UAT) untuk memastikan sistem berjalan sesuai kebutuhan pengguna. Hasil penelitian menunjukkan bahwa sistem yang dibangun mampu membantu proses pengambilan keputusan secara lebih cepat, objektif, dan transparan. Selain itu, metode AHP mampu menghasilkan peringkat penerima bantuan berdasarkan nilai prioritas yang konsisten sehingga sistem dapat digunakan sebagai alat bantu dalam menentukan penerima bantuan secara efektif dan tepat sasaran.

PERANCANGAN APLIKASI PENILAIAN SISWA BERPRESTASI AKADEMIK MENGGUNAKAN METODE SMART PADA SMK SAINS MEDIKA KOTA SERANG

Ahmad Fajri — 2026-08-01

Penentuan siswa berprestasi akademik merupakan salah satu aspek penting dalam dunia pendidikan yang bertujuan untuk memberikan penghargaan serta meningkatkan motivasi belajar siswa. Namun, proses penilaian yang masih dilakukan secara manual seringkali menimbulkan permasalahan, seperti kurangnya objektivitas, lamanya proses perhitungan, serta tingginya kemungkinan kesalahan dalam pengolahan data. Oleh karena itu, diperlukan suatu sistem yang mampu membantu proses pengambilan keputusan secara lebih efektif dan akurat. Penelitian ini bertujuan untuk merancang dan mengimplementasikan aplikasi penilaian siswa berprestasi akademik menggunakan metode SMART (Simple Multi Attribute Rating Technique) pada SMK Sains Medika Kota Serang. Metode SMART digunakan karena mampu mengolah beberapa kriteria penilaian secara sistematis dengan pembobotan tertentu sehingga menghasilkan nilai preferensi dan peringkat siswa. Penelitian ini menggunakan pendekatan kualitatif dengan metode pengembangan sistem Waterfall. Teknik pengumpulan data dilakukan melalui observasi, wawancara, studi dokumentasi, dan studi literatur. Hasil penelitian menunjukkan bahwa sistem yang dikembangkan mampu mengotomatisasi proses penilaian siswa berprestasi akademik secara lebih cepat, akurat, dan objektif. Implementasi metode SMART dalam sistem menghasilkan perhitungan yang sesuai dengan perhitungan manual serta mampu memberikan peringkat siswa berdasarkan nilai tertinggi. Selain itu, hasil pengujian menunjukkan bahwa sistem dapat berjalan dengan baik secara fungsional dan diterima dengan baik oleh pengguna. Dengan demikian, aplikasi yang dikembangkan dapat digunakan sebagai sistem pendukung keputusan dalam menentukan siswa berprestasi akademik serta mampu meningkatkan efisiensi dan transparansi dalam proses penilaian di lingkungan sekolah.

IMPLEMENTASI FRAMEWORK FLUTTER UNTUK APLIKASI KASIR BERBASIS ANDROID PADA WII STORE CILEGON

Aben Tri Wibowo — 2026-08-01

Perkembangan teknologi informasi mendorong pelaku usaha beralih dari sistem manual menuju sistem digital untuk meningkatkan efisiensi operasional. WII Store Cilegon masih menggunakan sistem transaksi manual yang memiliki kelemahan, seperti kesalahan pencatatan, keterlambatan laporan, dan kesulitan pengelolaan stok barang. Penelitian ini bertujuan merancang dan mengimplementasikan aplikasi kasir berbasis Android menggunakan framework Flutter pada WII Store Cilegon. Metode penelitian yang digunakan adalah Research and Development (R&D) dengan model pengembangan Software Development Life Cycle (SDLC) metode Waterfall. Teknik pengumpulan data dilakukan melalui observasi, wawancara, dan studi pustaka. Aplikasi dikembangkan menggunakan Flutter dengan bahasa pemrograman Dart dan Firebase sebagai basis data. Pengujian sistem menggunakan Black Box Testing dan User Acceptance Testing (UAT). Hasil penelitian menunjukkan bahwa aplikasi mampu membantu proses transaksi penjualan, pengelolaan data produk, pengelolaan stok barang, serta pembuatan laporan penjualan secara otomatis. Berdasarkan hasil pengujian, seluruh fitur aplikasi berjalan dengan baik dan sesuai kebutuhan pengguna. Selain itu, aplikasi dinilai mudah digunakan, memiliki tampilan sederhana dan responsif, serta mampu meningkatkan kecepatan dan akurasi transaksi dibandingkan sistem manual. Dengan demikian, implementasi framework Flutter pada aplikasi kasir berbasis Android dapat menjadi solusi efektif dalam mendukung digitalisasi dan meningkatkan efisiensi operasional pada WII Store Cilegon.

IMPLEMENTASI SISTEM INFORMASI PEMBUKUAN DIGITAL BERBASIS FRAMEWORK FLUTTER PADA ARHAN TAILOR

Agus Sunardi — 2026-08-01

Perkembangan teknologi informasi mendorong transformasi digital pada berbagai sektor usaha, termasuk usaha jasa penjahitan. Arhan Tailor merupakan salah satu usaha yang masih menggunakan sistem pembukuan manual dalam pencatatan transaksi dan pengelolaan keuangan. Sistem tersebut menimbulkan berbagai permasalahan, seperti kesalahan pencatatan, kesulitan dalam pencarian data, serta keterlambatan dalam penyusunan laporan keuangan. Oleh karena itu, penelitian ini bertujuan untuk merancang dan mengimplementasikan sistem informasi pembukuan digital berbasis framework Flutter guna meningkatkan efisiensi dan efektivitas pengelolaan data. Metode yang digunakan dalam penelitian ini adalah Software Development Life Cycle (SDLC) dengan model Waterfall, yang meliputi tahapan analisis, perancangan, implementasi, pengujian, dan evaluasi. Sistem dikembangkan menggunakan Flutter sebagai platform aplikasi mobile dan Firebase sebagai basis data. Aplikasi yang dihasilkan, yaitu Tailor Book, memiliki fitur utama berupa dashboard, manajemen order, pencatatan pembayaran, serta laporan keuangan. Hasil penelitian menunjukkan bahwa sistem yang dibangun mampu menggantikan proses manual menjadi digital, mempermudah pencatatan transaksi, serta menyediakan informasi secara real-time. Berdasarkan hasil pengujian menggunakan metode Black Box dan User Acceptance Testing (UAT), sistem berjalan dengan baik dan memperoleh tingkat penerimaan pengguna sebesar 95%. Dengan demikian, sistem informasi pembukuan digital ini dapat meningkatkan efisiensi kerja, mengurangi kesalahan pencatatan, serta membantu pemilik dalam pengambilan keputusan.

IMPLEMENTASI APLIKASI MANAJEMEN DATA TRANSAKSI MENGGUNAKAN FLUTTER DAN FIREBASE PADA BRILINK CIKONENG KABUPATEN SERANG

Ahmad Nana Mulyana — 2026-08-01

Perkembangan teknologi digital telah mendorong transformasi pada sektor jasa keuangan, termasuk layanan agen perbankan seperti BRILink. Pada BRILink Curug-Serang Kabupaten Serang, proses pencatatan transaksi masih dilakukan secara manual sehingga menimbulkan berbagai permasalahan seperti keterlambatan pencatatan, kesalahan input data, kesulitan pencarian transaksi, dan risiko kehilangan data. Penelitian ini bertujuan untuk merancang dan mengimplementasikan aplikasi manajemen data transaksi berbasis mobile menggunakan Flutter dan Firebase guna membantu proses pengelolaan transaksi menjadi lebih efektif, cepat, dan terstruktur. Metode penelitian yang digunakan adalah Research and Development (R&D) dengan tahapan identifikasi kebutuhan, perancangan sistem, pengembangan aplikasi, pengujian, dan evaluasi sistem. Aplikasi dikembangkan menggunakan framework Flutter dengan Firebase Authentication dan Firebase Firestore sebagai basis data realtime berbasis cloud. Pengujian sistem dilakukan menggunakan metode Black Box Testing dan User Acceptance Testing (UAT). Hasil penelitian menunjukkan bahwa seluruh fitur aplikasi seperti login, transaksi transfer, tarik tunai, setor tunai/top up saldo, riwayat transaksi, dan filter transaksi berhasil berjalan dengan baik sesuai fungsi yang dirancang. Hasil UAT menunjukkan bahwa aplikasi mudah digunakan serta mampu meningkatkan efisiensi pencatatan transaksi dan mempercepat proses pelayanan pada BRILink Curug-Serang. Dengan demikian, aplikasi manajemen data transaksi berbasis Flutter dan Firebase berhasil menjadi solusi digital yang membantu proses pengelolaan transaksi menjadi lebih modern, realtime, aman, dan terstruktur.

IMPLEMENTASI METODE SUPPORT VECTOR MACHINE (SVM) UNTUK ANALISIS SENTIMEN KOMENTAR YOUTUBE BERBASIS PYTHON

Oktaria Gisela — 2026-08-01

Penelitian ini bertujuan untuk mengimplementasikan metode Support Vector Machine (SVM) dalam melakukan analisis sentimen terhadap komentar pengguna pada platform YouTube berbasis Python. Analisis sentimen dilakukan untuk mengetahui kecenderungan opini publik terhadap suatu konten dalam bentuk sentimen positif, netral, dan negatif. Data yang digunakan berupa komentar YouTube yang diambil menggunakan API, kemudian diproses melalui tahapan text preprocessing yang meliputi cleaning, tokenizing, stopword removal, dan stemming. Selanjutnya, data teks diubah menjadi representasi numerik menggunakan metode Term Frequency-Inverse Document Frequency (TF-IDF). Proses klasifikasi dilakukan menggunakan algoritma SVM yang dikenal memiliki performa baik dalam menangani data berdimensi tinggi seperti teks. Sistem yang dikembangkan mampu melakukan analisis secara otomatis mulai dari pengambilan data hingga penyajian hasil dalam bentuk grafik, tabel, serta file unduhan CSV. Hasil pengujian menunjukkan bahwa sistem dapat berjalan dengan baik sesuai dengan fungsi yang dirancang. Berdasarkan pengujian White Box dan Black Box, seluruh fitur sistem berfungsi dengan benar. Selain itu, hasil User Acceptance Testing (UAT) menunjukkan tingkat kepuasan pengguna sebesar 90,25%, yang menunjukkan bahwa sistem mudah digunakan dan memberikan hasil yang informatif. Meskipun demikian, penelitian ini memiliki keterbatasan dalam menangani bahasa informal, sarkasme, serta ketidakseimbangan dataset. Oleh karena itu, pengembangan lebih lanjut diperlukan untuk meningkatkan akurasi dan performa sistem.

PERANCANGAN APLIKASI BIMBINGAN KONSELING MENGGUNAKAN PHP NATIVE DI SMP N 5 CILEGON BANTEN

Ahmad Maulana Mahendra — 2026-08-01

Bimbingan dan Konseling (BK) di sekolah merupakan layanan penting yang membantu siswa dalam mengatasi permasalahan pribadi, sosial, dan akademik. Namun, pengelolaan data BK yang masih dilakukan secara manual sering menimbulkan kendala, seperti keterlambatan pencatatan, duplikasi data, hingga kesulitan dalam penyusunan laporan. Penelitian ini bertujuan untuk merancang dan membangun aplikasi bimbingan konseling berbasis web dengan PHP Native dan MySQL sebagai solusi dalam pengelolaan data konseling di SMPN. Metode yang digunakan adalah pendekatan rekayasa perangkat lunak dengan tahapan analisis kebutuhan, perancangan sistem, implementasi, dan pengujian. Hasil penelitian menunjukkan bahwa aplikasi yang dikembangkan mampu mengelola data tata tertib, kategori pelanggaran, bentuk pelanggaran, siswa, wali murid, wali kelas, serta pencatatan pelanggaran siswa secara terintegrasi. Fitur utama meliputi manajemen data pelanggaran siswa, pemberian poin dan sanksi otomatis, hingga pencetakan surat peringatan yang dapat digunakan sebagai laporan resmi sekolah. Pengujian dengan metode Black Box Testing menunjukkan seluruh fungsi utama, seperti login, input data, pengelolaan kategori pelanggaran, hingga pembuatan laporan, berjalan sesuai harapan. Dengan adanya aplikasi ini, proses bimbingan konseling menjadi lebih efisien, transparan, dan terdokumentasi dengan baik. Aplikasi diharapkan mampu meningkatkan efektivitas layanan BK di sekolah serta mendukung upaya digitalisasi pendidikan. Ke depan, pengembangan dapat diarahkan pada integrasi sistem notifikasi untuk memperkuat komunikasi antara sekolah dan wali murid.

PERANCANGAN SISTEM PENERIMAAN PESERTA DIDIK BARU (PPDB) ONLINE BERBASIS WEB MENGGUNAKAN FRAMEWORK LARAVEL DI SMP PGRI BINUANG

Agus Salim — 2026-08-01

Perkembangan teknologi informasi telah mendorong digitalisasi dalam berbagai bidang, termasuk sektor pendidikan. Proses penerimaan peserta didik baru (PPDB) yang selama ini dilakukan secara manual sering menghadapi kendala berupa keterlambatan, antrian panjang, dan rawan kesalahan administrasi. Penelitian ini bertujuan untuk merancang dan mengembangkan sistem PPDB online berbasis web menggunakan framework Laravel di SMP PGRI Binuang. Metode penelitian yang digunakan adalah pendekatan waterfall dengan tahapan analisis kebutuhan, perancangan sistem, implementasi, serta pengujian. Sistem ini menyediakan fitur utama berupa registrasi akun siswa, pengisian dan verifikasi data, upload berkas pendaftaran, pengumuman kelulusan, serta cetak bukti pendaftaran. Hasil pengujian menggunakan black box testing menunjukkan bahwa seluruh fungsi sistem berjalan sesuai harapan, baik pada proses validasi data, autentikasi pengguna, maupun pengelolaan data pendaftaran. Sistem PPDB online yang dirancang mampu meningkatkan efisiensi, transparansi, dan akurasi administrasi penerimaan siswa baru. Dengan penerapan sistem ini, sekolah diharapkan dapat mengoptimalkan layanan administrasi berbasis digital serta mendukung kebijakan pemerintah dalam mewujudkan transformasi pendidikan.

PENGEMBANGAN APLIKASI GAME BERHITUNG VOLUME BANGUN RUANG MENGGUNAKAN CONSTRUCT 2 PADA SISWA SDN PAMENGKANG KELAS 5

Raisha Triya Ananda — 2026-08-01

Pembelajaran matematika di sekolah dasar sering kali dianggap sulit oleh siswa, khususnya pada materi volume bangun ruang yang membutuhkan pemahaman abstrak terhadap konsep tiga dimensi. Hal ini berdampak pada rendahnya motivasi dan hasil belajar apabila pembelajaran hanya dilakukan dengan metode konvensional. Untuk itu, penelitian ini bertujuan mengembangkan aplikasi game edukasi Ruangku: Game Kuis Hitung Volume Bangun Ruang berbasis Construct 2 sebagai media pembelajaran interaktif bagi siswa kelas 5 SDN Pamengkang. Metode penelitian yang digunakan adalah metode pengembangan perangkat lunak dengan pendekatan game-based learning. Aplikasi ini menyediakan beberapa fitur utama, yaitu menu profil, petunjuk penggunaan, materi pembelajaran, serta kuis interaktif untuk menguji pemahaman siswa. Uji coba dilakukan melalui metode Black Box Testing untuk memastikan fungsionalitas aplikasi berjalan sesuai harapan. Hasil pengujian menunjukkan bahwa seluruh fitur utama, mulai dari navigasi menu, tampilan materi, permainan kuis, hingga rekap skor akhir, dapat berjalan dengan baik tanpa error. Kesimpulan dari penelitian ini adalah aplikasi Ruangku layak digunakan sebagai media pembelajaran alternatif pada materi volume bangun ruang, karena mampu meningkatkan keterlibatan siswa serta mendukung pemahaman konsep secara lebih interaktif. Pengembangan lanjutan disarankan dengan menambah variasi soal, level kesulitan, dan sistem penyimpanan skor berbasis database agar lebih optimal dalam mendukung proses pembelajaran.

PERANCANGAN APLIKASI PENJUALAN PRODUK KECANTIKAN MENGGUNAKAN FRAMEWORK LARAVEL 10 PADA TOKO AISHA

Bagas Fajar Aulia — 2026-08-01

Perkembangan teknologi informasi telah mendorong transformasi sistem penjualan dari metode konvensional menuju sistem berbasis web yang lebih efisien dan terintegrasi. Penelitian ini bertujuan merancang dan mengimplementasikan aplikasi penjualan produk kecantikan pada Toko Aisha menggunakan framework Laravel 10 dengan integrasi pembayaran Midtrans. Metode yang digunakan meliputi analisis kebutuhan, perancangan sistem dengan Unified Modeling Language (UML), implementasi menggunakan Laravel, serta pengujian menggunakan metode Black Box Testing. Hasil penelitian menunjukkan bahwa aplikasi yang dikembangkan mampu mendukung berbagai fungsi utama, antara lain registrasi dan login pengguna, pengelolaan produk, pemilihan dan penambahan produk ke keranjang, checkout, serta pembayaran online yang terhubung dengan Midtrans. Proses validasi input, manajemen stok, dan notifikasi status transaksi berhasil diimplementasikan dengan baik. Pengujian sistem membuktikan bahwa setiap fungsi berjalan sesuai harapan, baik dari sisi pelanggan maupun admin, sehingga mampu meningkatkan efisiensi operasional dan meminimalisasi kesalahan pencatatan manual. Dengan demikian, aplikasi ini dapat menjadi solusi digital yang mendukung modernisasi sistem penjualan produk kecantikan pada usaha kecil menengah. Ke depan, pengembangan lebih lanjut dapat difokuskan pada integrasi notifikasi real-time, optimasi antarmuka mobile, serta penguatan aspek keamanan agar sistem semakin handal dan sesuai dengan kebutuhan pengguna.

KOMPARASI RESNET50, MOBILENETV2, DAN ALEXNET UNTUK DETEKSI PENYAKIT DAUN KENTANG BERBASIS ANDROID

Alya Massardi — 2026-08-01

Kentang merupakan komoditas hortikultura yang produktivitasnya dapat menurun akibat penyakit daun. Identifikasi secara visual masih bergantung pada pengalaman pengamat dan rentan keliru karena beberapa kelas penyakit memiliki gejala yang serupa. Penelitian ini bertujuan membandingkan kinerja arsitektur ResNet50, MobileNetV2, dan AlexNet serta mengimplementasikan model terbaik pada aplikasi Android PotaLeaf. Penelitian menggunakan pendekatan kuantitatif dengan eksperimen komparatif terhadap dataset publik berisi 3.076 citra dalam tujuh kelas. Data dibersihkan secara manual menjadi 2.118 citra, diseimbangkan melalui augmentasi menjadi 3.500 citra, kemudian dibagi 70% data pelatihan, 15% validasi, dan 15% pengujian. ResNet50 dan MobileNetV2 dilatih menggunakan transfer learning, sedangkan AlexNet dilatih dari awal. Evaluasi dilakukan pada dataset dengan dan tanpa data cleaning menggunakan accuracy, precision, recall, F1-score, dan confusion matrix, dilanjutkan black box testing serta pengujian 20 citra eksternal. ResNet50 menghasilkan performa terbaik dengan accuracy 92,20%, precision 92,40%, recall 92,20%, dan F1-score 92,20%. Data cleaning meningkatkan accuracy seluruh model sebesar 10,20-19,10 poin persentase. Model ResNet50 berhasil diintegrasikan ke PotaLeaf; seluruh 13 fungsi berjalan sesuai rancangan dan pengujian eksternal mencapai accuracy 90%.