Jurnal Pustaka Data (Pusat Akses Kajian Database, Analisa Teknologi, dan Arsitektur Komputer)

Penerapan Metode Oreste Berbasis Web dalam Sistem Pendukung Keputusan Mutasi Karyawan pada PT. Bahtera Sarana Kargo

2025-10-20T00:40:23+00:00

Bahtera Sarana Kargo adalah perusahaan logistik terkemuka di Indonesia yang menyediakan layanan pengiriman barang dan kargo secara efisien serta aman. Permasalahan yang sering terjadi di PT. Bahtera Sarana Kargo adalah proses mutasi karyawan sering dilakukan tanpa penjelasan yang jelas kepada karyawan sehingga karyawan kurang mendapatkan informasi tentang mutasi yang dilakukan oleh perusahaan. Kurangnya transparansi dalam penilaian karena belum adanya penerapan metode sehingga mutasi tidak didasarkan pada evaluasi yang objektif. Selain itu, belum adanya sistem berbasis web dalam menentukan kelayakan karyawan yang di mutasi sehingga keputusan karyawan yang dimutasi tidak tersistem dengan baik. Untuk mengatasi permasalahan tersebut, penelitian ini membuat sistem aplikasi mutasi karyawan berbasis web dengan menerapkan metode Oreste. Metode Oreste adalah salah satu metode dalam sistem pendukung keputusan yang terbilang baru. Metode ini merupakan pengembangan dari beberapa metode lain yang terhimpun dalam metode Multi Attribute Decision Makin (MADM). Hasil dari sistem mutasi karyawan adalah sebuah sistem beerbasis web yang digunakan untuk meningkatkan informasi yang efektif dan menciptakan transparansi penilaian. Tujuan dari mutasi karyawan dengan menerapkan metode oreste adalah untuk mendukung pengembangan karir karyawan dan mengoptimalkan potensi karyawan melalui proses mutasi yang transparan menggunakan sistem pendukung keputusan berbasis web agar penilaian dilakukan lebih objektif sesuai kriteria yang sudah ditentukan oleh perusahaan.

Sistem Informasi Monitoring Penyaluran dan Penerimaan Zakat di Baznas Berbasis Web

2025-11-29T10:17:32+00:00

Proses monitoring penyaluran dan penerimaan zakat di Badan Amil Zakat Nasional (BAZNAS) Kota Lubuklinggau masih dilakukan secara manual tanpa dukungan sistem terkomputerisasi maupun database. Kondisi ini sering menimbulkan permasalahan seperti kurangnya transparansi, keterlambatan distribusi, dan kesulitan dalam memantau aliran dana zakat yang diterima dan disalurkan. Penelitian ini bertujuan merancang dan mengembangkan Sistem Informasi Monitoring Penyaluran dan Penerimaan Zakat berbasis web untuk meningkatkan efektivitas dan efisiensi pengelolaan data zakat. Pengembangan sistem menggunakan metode Waterfall yang meliputi tahapan analisis, desain, implementasi, pengujian, dan pemeliharaan. Hasil penelitian menunjukkan bahwa sistem informasi yang dibangun mampu mendukung BAZNAS dalam mencatat, memantau, dan mengelola data zakat secara lebih tepat dan terstruktur. Sistem ini juga meningkatkan kemudahan dalam proses monitoring serta memperbaiki alur distribusi zakat. Sistem informasi berbasis web yang dikembangkan berhasil meningkatkan efektivitas pengelolaan zakat dan diharapkan dapat mendukung distribusi zakat yang lebih transparan, tepat sasaran, dan efisien.

Sistem Informasi Laporan Petugas Patroli Jalan Tol Cibitung – Tanjung Priok Berbasis Web

2025-10-28T03:05:24+00:00

Penelitian ini bertujuan untuk merancang dan mengembangkan sebuah sistem informasi guna meningkatkan proses pelaporan kegiatan petugas patroli di jalan tol Cibitung–Tanjung Priok. Sistem pelaporan yang saat ini digunakan masih bergantung pada dokumentasi manual dengan tulisan tangan, yang seringkali menyebabkan ketidakefisienan, kehilangan data, dan kesulitan dalam pengambilan kembali informasi. Untuk mengatasi permasalahan tersebut, dikembangkan sebuah platform berbasis web yang memungkinkan petugas patroli mencatat dan mengirimkan laporan kegiatan mereka secara langsung melalui smartphone. Peralihan ke sistem digital ini tidak hanya mempercepat proses pelaporan, tetapi juga meningkatkan akurasi, aksesibilitas, dan ketepatan waktu dalam pengumpulan data. Sistem yang dikembangkan dirancang dengan antarmuka yang sederhana dan ramah pengguna, sehingga mudah digunakan bahkan bagi pengguna dengan keterampilan teknis minimal. Selain itu, integrasi basis data terstruktur berfungsi sebagai repositori terpusat untuk semua data yang direkam, sehingga memudahkan penyimpanan, pengambilan, dan pengelolaan data kegiatan patroli. Penelitian ini juga membahas tantangan-tantangan yang dihadapi selama tahap pengembangan dan implementasi, khususnya yang berkaitan dengan manajemen basis data, adopsi pengguna, dan aksesibilitas sistem di lapangan. Hasil penelitian menunjukkan bahwa sistem pelaporan digital yang dirancang dengan baik secara signifikan meningkatkan efisiensi operasional, integritas data, dan efektivitas pemantauan patroli di jalan tol.

Rancang Bangun Aplikasi Rekam Medis pada Klinik Bidan Supini di Desa Tanjung Rejo Berbasis Android

2025-10-23T03:33:25+00:00

Perkembangan teknologi informasi telah memberikan kemudahan dalam berbagai sektor, termasuk bidang kesehatan. Klinik Bidan Supini di Desa Tanjung Rejo masih menggunakan pencatatan manual dalam pengelolaan data rekam medis pasien, yang berpotensi menimbulkan keterlambatan, kesalahan pencatatan, dan kesulitan dalam pencarian data. Oleh karena itu, penelitian ini bertujuan untuk merancang dan membangun sebuah aplikasi rekam medis berbasis Android. Aplikasi ini dibangun menggunakan bahasa pemrograman Java dan basis data Mysql sebagai backend. Hasil dari penelitian ini adalah aplikasi yang mampu membantu pihak klinik dalam mengelola data pasien, riwayat pemeriksaan, dan proses antrian pelayanan secara efisien dan terstruktur. Dengan adanya aplikasi ini, diharapkan dapat meningkatkan efisiensi pelayanan serta meminimalisir kesalahan dalam pengelolaan data rekam medis di Klinik Bidan Supini. Dalam penelitian ini berhasil dilakukan uji coba program dengan pengujian secara black box (interface) yaitu pengujian perangkat lunak tes fungsionalitas dari aplikasi yang bertentangan dengan struktur internal atau kerja.

Hubungan Antara Ukuran Kuantum (Quantum Size) dan Kinerja Algoritma Round-Robin (Studi Kasus Penjadwalan CPU)

2025-11-17T02:33:06+00:00

Penjadwalan CPU merupakan salah satu fungsi penting dalam sistem operasi yang menentukan efisiensi dan keadilan penggunaan prosesor. Algoritma Round Robin (RR) dikenal karena kesederhanaannya dan kemampuannya mendistribusikan waktu CPU secara adil kepada setiap proses. Namun, performa algoritma ini sangat dipengaruhi oleh besar kecilnya nilai time quantum. Penelitian ini bertujuan untuk menganalisis hubungan antara ukuran quantum dan kinerja algoritma Round Robin berdasarkan metrik turnaround time (TAT), waiting time (WT), throughput, dan context switch (CS). Simulasi dilakukan pada beberapa skenario dengan variasi quantum (2–100 ms) dan pola kedatangan proses yang berbeda. Hasil menunjukkan bahwa peningkatan nilai quantum menurunkan jumlah context switch secara signifikan hingga titik optimal pada kisaran 10–20 ms, di mana sistem mencapai keseimbangan antara efisiensi dan responsivitas. Analisis regresi menunjukkan hubungan positif antara context switch dan turnaround time dengan koefisien determinasi (R²) mencapai 0,84–0,87. Temuan ini menegaskan bahwa pemilihan time quantum yang tepat sangat krusial dalam menjaga performa sistem operasi time-sharing, dan nilai quantum 10–20 ms dapat dianggap sebagai rentang optimal untuk beban kerja umum.

Pengembangan Aplikasi Notes Terenkripsi di Android Menggunakan Python dan Library Cryptography

2025-10-24T02:15:10+00:00

Di era perkembangan pesat teknologi seperti saat ini, informasi bisa dengan mudah diakses. Tak terkecuali data yang bersifat pribadi. Karena itu dibutuhkan sebuah mekanisme pengamanan data pribadi, utamanya pada perangkat mobile yang digunakan setiap orang. Salah satu aplikasi yang membutuhkan mekanisme pengamanan ini adalah aplikasi catatan (notes). Sebab seringkali notes digunakan sebagai alat untuk menyimpan informasi-informasi pribadi yang rentan terhadap akses tidak sah. Penelitian ini bertujuan untuk mengembangkan aplikasi catatan terenkripsi berbasis Android menggunakan bahasa pemrograman Python dengan bantuan library Cryptography. Adapun metode yang digunakan adalah enkripsi simetris menggunakan algoritma Advanced Encryption Standard (AES) untuk mengamankan isi catatan pengguna. Aplikasi dikembangkan menggunakan framework Kivy sehingga dapat dijalankan di Android. Hasil pengujian menunjukkan bahwa proses enkripsi dan dekripsi berjalan dengan baik dan stabil. Berdasarkan uji performa terhadap data berukuran 1 KB hingga 1 MB, diperoleh rata-rata waktu enkripsi sebesar 0,0009 detik dan rata-rata waktu dekripsi sebesar 0,00025 detik. Waktu pemrosesan meningkat secara linear terhadap ukuran data, tetapi tetap dalam kategori sangat efisien untuk aplikasi mobile. Selain itu, catatan yang disimpan tidak dapat diakses tanpa kunci enkripsi yang sesuai. Dengan demikian, penelitian ini membuktikan bahwa Python dapat digunakan secara efektif dalam pengembangan aplikasi mobile yang mengutamakan keamanan data, serta menjadi alternatif fleksibel terhadap bahasa pemrograman konvensional seperti Java dan Kotlin.

Implementasi Extreme Gradient Boosting (XGBoost) untuk Klasifikasi Penggunaan Ulang Asisten AI

2025-11-29T12:29:05+00:00

Penelitian ini menerapkan algoritma Extreme Gradient Boosting (XGBoost) untuk mengkategorikan variabel UsedAgain, yang mencerminkan kecenderungan mahasiswa untuk kembali menggunakan asisten AI dalam proses pembelajaran. Dataset sintetis yang diambil dari Kaggle yang berisi 10. 000 data dan 11 atribut diproses melalui beberapa langkah, termasuk preprocessing, konversi variabel kategori ke numerik, penyeimbangan kelas dengan metode SMOTE, serta pengaturan hyperparameter untuk mencapai konfigurasi model yang terbaik. Hasil dari pengujian menunjukkan bahwa model XGBoost dengan parameter terbaik (learning_rate = 0,1; max_depth = 5; n_estimators = 200; subsample = 0,8) memperoleh akurasi sebesar 93,25%, precision 87,09%, recall 91,25%, dan F1-score 89,12%. Temuan ini mengindikasikan bahwa XGBoost efektif dalam mengidentifikasi pola interaksi mahasiswa dengan asisten AI. Kontribusi utama penelitian ini adalah memberikan dasar analitik yang kuat untuk memahami faktor-faktor perilaku mahasiswa dalam memanfaatkan asisten AI, sehingga hasil model dapat mendukung institusi pendidikan dalam merancang strategi pembelajaran berbasis teknologi yang lebih adaptif dan tepat sasaran.

Evaluasi Strategi Versioning Produk terhadap Retensi Pengguna dan Profitabilitas

2025-11-23T07:56:43+00:00

Koperasi Simpan Pinjam (KSP) menghadapi tantangan dalam menjaga loyalitas anggota dan meningkatkan profitabilitas di tengah persaingan layanan keuangan. Untuk menjawab masalah tersebut, penelitian ini menganalisis perbandingan dua strategi versioning sistem informasi, yaitu rilis minor dan rilis mayor, yang umum diterapkan KSP sebagai pembaruan berkala pada layanan pinjaman, seperti penyesuaian fitur, peningkatan batas pinjaman, serta perubahan proses operasional. Penelitian ini dilakukan karena belum ada studi yang menggunakan Agent-Based Modeling (ABM) untuk membandingkan secara langsung efektivitas strategi versioning minor dan mayor dalam konteks sistem informasi KSP. Metode ABM digunakan untuk mensimulasikan perilaku 50 agent selama 24 bulan, dengan sepuluh pengulangan untuk setiap skenario. Simulasi dijalankan pada NetLogo, dan hasilnya dianalisis menggunakan Python melalui perhitungan mean, variance, standard deviation, dan interval kepercayaan 95%. Hasil penelitian menunjukkan bahwa major release menghasilkan kinerja lebih tinggi dibandingkan minor release, ditandai dengan rata-rata total transaksi lebih besar (96 vs 82,7), profit lebih tinggi (Rp1,76 miliar vs Rp1,07 miliar), serta retensi anggota yang sedikit lebih baik (28% vs 26%). Meskipun biaya pengembangan major release lebih besar, strateginya terbukti lebih efektif dalam meningkatkan profitabilitas dan mempertahankan anggota.

Sistem Pendidikan Kinerja Siswa Berbasis Web Menggunakan Algoritma Decision Tree dan XGBost

2025-11-23T11:13:34+00:00

Pemanfaatan data akademik di sekolah masih terbatas sehingga diperlukan sistem prediktif untuk mendukung keputusan berbasis bukti. Penelitian ini bertujuan untuk mengembangkan model prediksi kinerja siswa menggunakan algoritma Decision Tree dan XGBoost serta mengintegrasikannya ke dalam sistem prediksi berbasis web untuk mendukung pemantauan akademik secara real-time. Data penelitian menggunakan dataset Student Performance dari Kaggle yang terdiri dari 1.000 siswa dengan delapan atribut akademik dan demografis. Tahap penelitian meliputi preprocessing data, seleksi fitur, pelatihan model, serta hyperparameter tuning menggunakan GridSearchCV dan RandomizedSearchCV. Hasil penelitian menunjukkan bahwa XGBoost memberikan performa terbaik dengan akurasi 0,885, F1-score 0,885, dan AUC 0,954, sedangkan Decision Tree hanya mencapai akurasi 0,826 dan AUC 0,839. Analisis information gain menegaskan bahwa writing score merupakan variabel paling berpengaruh dalam klasifikasi. Model terbaik kemudian diintegrasikan ke dalam sistem web berbasis Flask, sehingga memungkinkan pengguna melakukan prediksi secara cepat tanpa instalasi tambahan. Kontribusi penelitian ini mencakup penerapan konsep Educational Data Mining (EDM) melalui kombinasi model pembelajaran mesin dan platform web prediktif real-time. Temuan ini diharapkan dapat membantu sekolah dalam mendeteksi risiko akademik siswa lebih awal dan mendukung pengambilan keputusan berbasis data.

Perbandingan Metode Naïve Bayes dan Support Vector Machine untuk Analisis Sentimen pada Ulasan Pengguna Aplikasi X

2025-11-27T09:41:52+00:00

Kemajuan teknologi digital telah mendorong meningkatnya penggunaan aplikasi mobile sebagai media untuk memperoleh informasi, melakukan komunikasi, serta mendukung berbagai aktivitas pengguna. Aplikasi X merupakan salah satu platform yang banyak dimanfaatkan, sehingga beragam ulasan yang diberikan oleh pengguna muncul sebagai representasi persepsi pengguna mengenai kualitas layanan yang diterima serta tingkat kenyamanan yang mereka rasakan saat memanfaatkannya. Informasi tersebut penting untuk dianalisis guna mengidentifikasi kecenderungan sentimen pengguna secara komprehensif. Penelitian ini mengkaji perbedaan performa dua algoritma machine learning, yakni Naïve Bayes dan Support Vector Machine, dalam mengklasifikasikan sentimen pada ulasan pengguna yang diperoleh melalui teknik web scraping dari Google Play Store. Dataset yang diambil selanjutnya diproses melalui serangkaian tahap text preprocessing, meliputi pembersihan data, normalisasi huruf, tokenisasi, eliminasi stopword, serta proses stemming. Berdasarkan hasil pengujian, Support Vector Machine menunjukkan kinerja yang lebih unggul dengan akurasi mencapai 0.984 dan F1-Score sebesar 0.840, sementara Naïve Bayes menghasilkan akurasi 0.849 dan F1-Score 0.550. Dengan demikian, Support Vector Machine dinilai lebih efektif dalam mengidentifikasi sentimen pengguna dan direkomendasikan sebagai metode yang lebih optimal untuk analisis ulasan pada aplikasi mobile yang memiliki karakteristik serupa.

Klasifikasi Buah Berry menggunakan Metode Residual Network (ResNet-50)

2025-07-13T01:30:51+00:00

Buah berry dikenal memiliki manfaat gizi tinggi, namun tantangan dalam membedakan jenis-jenisnya secara akurat masih sering terjadi, khususnya dalam industri pertanian dan distribusi di Indonesia. Penelitian ini bertujuan untuk membangun sistem klasifikasi otomatis buah berry menggunakan metode deep learning dengan arsitektur Residual Network (ResNet-50). Dataset yang digunakan terdiri dari 1.000 citra empat jenis buah berry: blackberry, blueberry, raspberry, dan strawberry, yang diperoleh dari sumber publik seperti Kaggle, Roboflow, serta penelitian terdahulu. Data citra kemudian melalui tahap pra-processing berupa resize, normalisasi piksel, dan augmentasi data agar sesuai dengan format input ResNet-50. Model dilatih menggunakan parameter pretrained dari ImageNet dengan pembekuan seluruh lapisan kecuali fully connected layer. Evaluasi performa dilakukan melalui confusion matrix dan metrik klasifikasi seperti akurasi, presisi, recall, dan F1-score. Hasil pengujian menunjukkan bahwa model berhasil mencapai akurasi klasifikasi sebesar 100% pada data uji, yang berarti seluruh citra berhasil diklasifikasikan dengan benar. Hal ini menunjukkan bahwa pendekatan klasifikasi menggunakan ResNet-50 sangat efektif dalam mengidentifikasi jenis buah berry berdasarkan fitur visual citra. Penelitian ini diharapkan dapat menjadi solusi yang andal dalam mendukung otomasi klasifikasi buah dalam sektor pertanian maupun industri pangan.

Penerapan CNN Berbasis Arsitektur ResNet-50 untuk Klasifikasi Citra Beras Organik dan Anorganik

2025-07-24T03:01:21+00:00

Penelitian ini bertujuan mengembangkan sistem klasifikasi otomatis untuk membedakan beras organik dan anorganik yang secara visual sulit dibedakan oleh mata manusia. Beras merupakan bahan pangan pokok utama masyarakat Indonesia, dengan varian organik dan anorganik yang kini banyak beredar di pasaran. Namun, secara visual keduanya sulit dibedakan karena memiliki bentuk dan warna yang serupa. Perbedaan karakteristik yang tidak tampak secara kasat mata mendorong perlunya pendekatan berbasis teknologi untuk mengidentifikasi jenis beras secara objektif dan akurat. Penelitian ini memanfaatkan teknik pengolahan citra digital dan algoritma deep learning dengan arsitektur Convolutional Neural Network (CNN) berbasis ResNet-50 untuk mengklasifikasikan citra mikroskopik beras organik dan anorganik. Dataset terdiri dari 1.000 citra hasil tangkapan mikroskop digital dengan resolusi 640×480 piksel, yang melalui proses cropping, resize, dan augmentasi untuk meningkatkan generalisasi model. Data kemudian dibagi ke dalam subset training, validasi, dan testing dengan rasio 70:15:15. Model ResNet-50 dimodifikasi pada lapisan classifier dengan multilayer perceptron dan dilatih menggunakan transfer learning. Evaluasi dilakukan menggunakan confusion matrix, classification report, serta visualisasi grafik training loss dan accuracy. Hasil evaluasi menunjukkan bahwa model mampu mengklasifikasikan beras dengan akurasi sebesar 96,67%, serta nilai precision, recall, dan F1-score yang tinggi dan seimbang pada kedua kelas. Temuan ini membuktikan bahwa pendekatan CNN dengan arsitektur ResNet-50 efektif digunakan untuk mengidentifikasi perbedaan visual antara beras organik dan anorganik secara otomatis, dan berpotensi diterapkan sebagai sistem bantu klasifikasi berbasis citra dalam industri pertanian serta laboratorium pengujian mutu pangan.

Evaluasi Kinerja Aplikasi E-Alumni Berbasis Web menggunakan Metode PIECES dan GTmetrix

2025-12-02T12:15:43+00:00

Penelitian ini bertujuan untuk mengevaluasi kinerja dan kualitas layanan aplikasi E-Alumni berbasis web di SMA Negeri 1 Payakumbuh dengan menggunakan kerangka analisis kualitas sistem informasi PIECES (Performance, Information, Economy, Control, Efficiency, dan Service). Permasalahan utama yang melatarbelakangi penelitian ini adalah belum adanya evaluasi menyeluruh terhadap aspek kinerja teknis dan kepuasan pengguna pada sistem E-Alumni, sehingga efektivitas sistem dalam mendukung pengelolaan data alumni belum terukur secara objektif. Metode penelitian yang digunakan adalah deskriptif kuantitatif, dengan pengujian performa sistem menggunakan GTMetrix untuk menilai kecepatan muat halaman, waktu respon, dan tingkat optimasi situs, serta penyebaran kuesioner berbasis model PIECES untuk mengukur persepsi pengguna terhadap enam dimensi kualitas sistem. Hasil penelitian menunjukkan bahwa aplikasi E-Alumni memiliki kinerja teknis yang efisien dengan nilai GTMetrix Grade B, waktu muat 2,1 detik, dan tingkat optimasi 90%. Dari sisi kepuasan pengguna, hasil analisis PIECES menunjukkan tingkat efektivitas keseluruhan 84%, yang berarti sistem telah memenuhi kebutuhan pengguna dalam pengelolaan data alumni. Namun demikian, diperlukan peningkatan pada desain antarmuka pengguna (user interface) agar lebih intuitif serta penyesuaian responsivitas tampilan pada berbagai perangkat untuk meningkatkan pengalaman pengguna. Secara keseluruhan, penelitian ini membuktikan bahwa penerapan kerangka PIECES efektif dalam memberikan gambaran komprehensif mengenai kualitas dan kinerja sistem informasi E-Alumni.

Sistem Pendukung Keputusan Metode Moora untuk Rekomendasi Pembelian Laptop Berdasarkan Kebutuhan Pengguna pada CV. Delta Computer

2025-12-06T09:28:06+00:00

Dalam penelitian ini, pelanggan CV Delta Computer sering bingung saat memilih laptop di antara banyak pilihan yang tidak sesuai dengan kebutuhan mereka. Untuk menyelesaikan masalah ini, Sistem Pendukung Keputusan (SPK) membuat rekomendasi untuk laptop yang disesuaikan dengan kebutuhan pengguna.Untuk sistem ini, metode Multi-Objective Optimization on the Basis of Ratio Analysis (MOORA) dipilih karena perhitungannya yang mudah, stabil, dan kuat. MOORA memungkinkan evaluasi alternatif berdasarkan tingkat kecocokan terhadap kriteria yang sudah ada. Hasil penelitian menunjukkan bahwa SPK ini berhasil merekomendasikan pembelian laptop CV. Delta Computer. Sistem mampu memberikan rekomendasi terbaik untuk merek laptop dengan nilai tertinggi, seperti merek Asus A1404 VA dengan nilai preferensi 0,1665

Pengembangan Aplikasi Mobile untuk Pengelolaan Data Asessmen Siswa di Lingkungan Madrasah

2025-12-08T11:59:06+00:00

Perkembangan teknologi saat ini telah membawa perubahan besar pada bidang pendidikan, terutama dalam proses pencatatan hasil belajar siswa. Pencatatan secara manual kerap menyulitkan guru karena rawan terjadi kesalahan, berpotensi hilang, dan memerlukan waktu yang tidak sedikit. Berdasarkan permasalahan tersebut, penelitian ini mengembangkan sebuah sistem informasi berbasis Android yang terhubung dengan database MySQL untuk membantu guru mengelola data asesmen secara lebih efektif. Penelitian menerapkan metode Research and Development (R&D) dengan model ADDIE yang meliputi tahap analisis, perancangan, pengembangan, implementasi, dan evaluasi. Pada tahap analisis, kebutuhan dan kendala guru dipetakan secara mendalam. Proses perancangan difokuskan pada pembuatan antarmuka yang mendukung pengelolaan nilai, mulai dari penambahan, pengubahan, hingga penghapusan data. Tahap pengembangan mencakup pembuatan aplikasi dan integrasi dengan MySQL sebagai penyimpanan utama. Setelah aplikasi diuji melalui tahap implementasi, evaluasi dilakukan untuk memastikan seluruh fitur dapat berjalan dan sesuai dengan kebutuhan pengguna. Hasil yang diperoleh menunjukkan bahwa aplikasi ini mampu mempercepat proses pencatatan nilai, mengurangi risiko kehilangan data, serta memberikan akses informasi yang lebih cepat dan praktis. Dengan demikian, sistem ini dapat menjadi alat bantu yang relevan bagi guru dalam mendukung pelaksanaan penilaian di era digital.

Optimalisasi Penjadwalan Pencairan Pinjaman dan Ketersediaan Kas untuk Mengurangi Keterlambatan Fulfillment pada Permintaan Pencairan Besar

2025-11-26T02:48:41+00:00

Keterlambatan pemenuhan (fulfillment) pencairan pinjaman dalam jumlah besar merupakan tantangan operasional kritis bagi koperasi. Penelitian ini bertujuan menganalisis kebijakan penjadwalan pencairan menggunakan simulasi stokastik kejadian diskrit. Tiga kebijakan Smallest First (SF), Largest First (LF), dan First Come First Served (FCFS) sebagai baseline diuji pada tiga skenario tingkat kas aman (Low, Medium, High). Hasil simulasi menunjukkan bahwa kegagalan utama bukanlah keterlambatan (SLA), melainkan kegagalan persetujuan (Total Gagal) akibat keterbatasan kas. Data agregat membuktikan bahwa kebijakan LF (Largest First) secara signifikan lebih unggul, mencatatkan Total Gagal terendah (rata-rata 4.22) sekaligus Total Gagal Besar terendah (2.11). Kinerja ini mengungguli FCFS (Total Gagal 4.67; Gagal Besar 3.11) dan SF (Total Gagal 5.11; Gagal Besar 2.56). Temuan ini merekomendasikan adopsi kebijakan LF untuk mengoptimalkan ketersediaan kas, memprioritaskan klien bernilai tinggi, dan menjaga efisiensi operasional.

Deteksi Kesehatan Kucing Menggunakan Arsitektur VGG-16 Berbasis Website

2025-12-02T11:52:25+00:00

Pemilik kucing sering mengalami kesulitan dalam mengenali kondisi kesehatan hewan peliharaan secara dini karena keterbatasan pengetahuan dan akses terhadap layanan dokter hewan. Kondisi tersebut dapat menyebabkan keterlambatan penanganan penyakit. Untuk mengatasi masalah ini, penelitian ini mengembangkan sistem klasifikasi kesehatan kucing berbasis web yang memanfaatkan Convolutional Neural Network (CNN) dengan arsitektur VGG-16. Sistem dirancang untuk mengidentifikasi dua kelas, yaitu kucing sehat dan kucing sakit. Dataset diperoleh melalui teknik web scraping dengan total 2.096 gambar, terdiri dari 1.672 gambar kucing sehat dan sisanya gambar kucing sakit. Data dibagi menjadi 80% data latih, 10% data validasi, dan 10% data uji, kemudian diproses melalui tahap preprocessing untuk menyesuaikan ukuran, format, serta normalisasi piksel. Model CNN dilatih dan dievaluasi menggunakan confusion matrix dan classification report. Hasil penelitian menunjukkan bahwa model mencapai akurasi 97% serta nilai precision, recall, dan F1-score yang tinggi pada kedua kelas, sehingga mampu melakukan klasifikasi dengan tingkat kesalahan yang rendah. Selain itu, pengujian sistem menggunakan metode Blackbox Testing memastikan seluruh fitur berjalan sesuai kebutuhan. Sistem berbasis web ini memungkinkan pengguna mengunggah gambar kucing secara langsung tanpa instalasi tambahan. Penelitian ini menunjukkan bahwa sistem yang dikembangkan dapat membantu pemilik kucing melakukan deteksi dini kesehatan hewan peliharaan secara cepat, praktis, dan akurat.

Analisis Pendeteksian dan Klasifikasi Produk di Lingkungan Supermarket Menggunakan Dataset Roboflow

2025-12-03T07:56:35+00:00

Kemajuan teknologi visi komputer telah memberikan kontribusi signifikan dalam bidang ritel, khususnya dalam pendeteksian dan klasifikasi produk di supermarket. Penelitian ini menganalisis kinerja model You Only Look Once (YOLO) dalam mengidentifikasi berbagai produk menggunakan dataset Roboflow yang berisi 1.200 citra dengan 10 kelas produk. Dataset mencakup variasi kondisi nyata, seperti perubahan pencahayaan, orientasi objek, serta kemunculan latar yang kompleks. Model dievaluasi menggunakan metrik precision, recall, dan mean Average Precision (mAP). Hasil menunjukkan bahwa YOLO mencapai mAP50 sebesar 0,95 dan mAP50–95 sebesar 0,89, menandakan akurasi deteksi yang tinggi. Sebagai kontribusi utama, penelitian ini membandingkan performa YOLO dengan arsitektur deteksi ringan seperti MobileNet-SSD, di mana YOLO menunjukkan hasil lebih stabil pada kondisi visual yang bervariasi. Temuan ini menegaskan bahwa YOLO efektif digunakan untuk otomatisasi inventori dan pemantauan stok di lingkungan ritel modern.Kata kunci: Deteksi objek, YOLO, Visi komputer, Klasifikasi produk supermarket, Dataset Roboflow.

Agri Cuaca: Aplikasi Android untuk Rekomendasi Kegiatan Pertanian Padi Berbasis Data Cuaca dan Analisis AI

2025-12-02T11:07:02+00:00

Informasi cuaca memiliki peran penting dalam menentukan kegiatan pertanian, terutama untuk komoditas padi yang sangat sensitif terhadap perubahan iklim harian. Namun, sebagian besar petani masih mengandalkan perkiraan manual atau informasi tidak terstruktur, sehingga keputusan yang diambil kurang optimal. Penelitian ini bertujuan mengembangkan aplikasi Agri Cuaca, yaitu sistem rekomendasi kegiatan pertanian berbasis data cuaca real-time dan model kecerdasan buatan. Aplikasi ini mengintegrasikan tiga sumber: data SI PEDAS Kementerian Pertanian sebagai parameter pengaturan wilayah, data BMKG untuk data cuaca per 3 jam, serta platform Groq untuk menghasilkan rekomendasi berbasis kecerdasan buatan (AI) otomatis berdasarkan kondisi cuaca terkini. Aplikasi dibangun menggunakan Android Studio (Kotlin) dengan struktur fitur meliputi dashboard cuaca harian, rekomendasi kegiatan pertanian, pengaturan lokasi, dan kalender cuaca tiga hari ke depan. Hasil pengujian menunjukkan bahwa Agri Cuaca mampu memberikan prediksi cuaca yang akurat sesuai data BMKG dan rekomendasi yang relevan berdasarkan analisis AI. Aplikasi ini diharapkan dapat membantu petani dalam mengambil keputusan kegiatan harian seperti penanaman, pengairan, pemupukan, dan penjemuran gabah secara lebih tepat dan berbasis data.

Pengaruh Jumlah Thread terhadap Efisiensi CPU pada Sistem Multicore

2025-12-02T10:43:19+00:00

Pemanfaatan prosesor multicore melalui multithreading seringkali menghadapi masalah penurunan efisiensi akibat overhead dari context switching ketika jumlah thread melebihi jumlah core fisik. Penelitian ini menginvestigasi masalah tersebut melalui metode eksperimental dengan menjalankan tugas perkalian matriks (1200x1200) secara paralel menggunakan program Python dengan jumlah thread yang divariasikan (1, 2, 4, 8, dan 16). Kinerja diukur berdasarkan waktu eksekusi total dan utilitas CPU. Hasil temuan pada sistem uji (6-Core Fisik/12-Core Logis) menunjukkan bahwa kinerja optimal, dengan waktu eksekusi tercepat (0.0213 detik), dicapai pada konfigurasi 8 thread. Penambahan thread lebih lanjut (menjadi 16) justru menyebabkan peningkatan waktu eksekusi (menjadi 0.0284 detik), yang mengindikasikan inefisiensi akibat overhead. Penelitian ini juga membuktikan bottleneck kinerja tidak disebabkan oleh penggunaan memori (RAM), yang tetap stabil. Kesimpulannya, efisiensi CPU bergantung pada optimalisasi jumlah thread agar sesuai dengan titik optimal arsitektur hardware (termasuk logical core), bukan sekadar memaksimalkannya

Penerapan Metode Simple Additive Weighting (SAW) untuk Menilai Kinerja Karyawan di Toko Al-Fazza Cosmetic

2025-12-05T06:56:42+00:00

Karyawan merupakan aset penting dalam keberlangsungan sebuah usaha. Karyawan yang kompeten dan memiliki motivasi tinggi berperan dalam mempertahankan usaha ditengah perkembangan teknologi dan industri. Penilaian kinerja berfungsi untuk mengevaluasi sekaligus menjadi acuan dalam memberikan penghargaan serta menentukan posisi yang ideal bagi karyawan. Tapi penilaian kinerja masih menjadi salah satu tantangan bagi sebuah usaha. Belum adanya standar yang baku serta subjektifitas pemilik usaha dan pihak terkait yang melakukan penilaian sering menimbulkan kecemburuan, ambiguitas, dan kekhawatiran, yang mengakibatkan penurunan stabilitas dan motivasi kerja di toko al-fazza cosmetic. Untuk mempermudah dan mempercepat hasil penilaian kinerja karyawan dirancanglah sebuah sistem pendukung keputusan yang dapat membantu pemilik toko dan pihak terkait yang melakukan penilaian kinerja di toko al-fazza cosmetic. Metode yang digunakan untuk memproses penilaian kinerja di toko al-fazza cosmetic adalah simple additive weighting (saw). Kriteria yang menjadi standar dalam penilaian adalah absensi, disiplin, tanggung jawab, sikap, layanan, pengetahuan produk, dan penampilan. Dari pengolahan data dengan metode saw sistem pendukung keputusan ini dapat memberikan penilaian kinerja dari beberapa karyawan yang menjadi alternatif dan memberikan perangkingan yang dapat digunakan oleh pemilik toko dan pihak terkait untuk menentukan hasil kinerja karyawan dan menentukan penghargaan terhadap hasil kinerja mereka. berdasarkan proses penilaian kinerja menggunakan metode SAW didapat hasil perangkingan kinerja karyawan dengan nilai tertinggi alternatif pertama Ari dengan total Vector 25.05, peringkat kedua widia dengan total nilai Vector 23.40 selanjutnya, Rizki nilai Vector 23.20, diikuti Mega dengan niali Vector 22.85, terakhir Nora dengan Nilai Vector 21,80.

Perancangan Sistem Informasi Monitoring dan Evaluasi Anggaran Operasi di PT. PLN (PERSERO) UPT Banda Aceh

2025-11-29T10:58:23+00:00

Pengelolaan anggaran operasi di PLN Persero UPT Banda Aceh masih menghadapi kendala karena monitoring dan evaluasi dilakukan secara manual dan kurang terintegrasi. Penelitian ini bertujuan merancang sistem informasi monitoring dan evaluasi anggaran operasi berbasis web untuk meningkatkan efisiensi dan mempermudah koordinasi antar unit kerja. Sistem dikembangkan menggunakan bahasa pemrograman PHP dengan framework Laravel, dengan dukungan Laragon sebagai local development environment serta phpMyAdmin dan MySQL untuk pengelolaan basis data. Penelitian ini dimulai dengan melakukan studi literatur, dilanjutkan dengan melakukan wawancara dengan pihak terkait seperti bagian pengadaan , keuangan dan bagian terkait lainnya. Metode perancangan meliputi analisis kebutuhan pengguna, desain sistem terintegrasi dan user-friendly, serta alur kerja yang mendukung transparansi dan akuntabilitas. Hasil rancangan diharapkan dapat meminimalkan kesalahan pencatatan, mempercepat proses monitoring dan evaluasi, serta mendukung pengambilan keputusan yang lebih cepat dan tepat. Uji coba sistem dilakukan dengan metode black box testing untuk memverifikasi fungsionalitas fitur seperti input perencanaan anggaran, realisasi, dan visualisasi data secara keseluruhan, menghasilkan sistem yang berjalan sesuai harapan. Validasi melibatkan umpan balik dari pengguna akhir, memastikan keselarasan dengan kebutuhan bisnis dan hak akses antar unit kerja. Hasil rancangan diharapkan dapat meminimalkan kesalahan pencatatan, mempercepat proses monitoring dan evaluasi, serta mendukung pengambilan keputusan yang lebih cepat dan tepat. Setelah melakukan pengujian , sistem ini bisa mengontrol keuangan pada PLN UPT Banda Aceh dan membantu dalam pengambilan keputusan.

Pengaruh Context Switching terhadap Efisiensi CPU pada Sistem Multicore

2025-12-14T07:29:05+00:00

Context switching merupakan mekanisme penting dalam sistem operasi modern yang memungkinkan CPU berpindah di antara proses secara cepat sehingga beberapa proses dapat berjalan seolah-olah secara bersamaan. Meskipun demikian, mekanisme ini menimbulkan overhead pada CPU karena membutuhkan waktu tambahan untuk menyimpan dan memulihkan konteks proses. Penelitian ini dilakukan untuk membandingkan tingkat efisiensi antara eksekusi proses dengan context switching dan tanpa context switching menggunakan simulasi berbasis Java. Dua skenario diuji, yaitu eksekusi proses secara multithreading yang memungkinkan context switching dan eksekusi proses secara sequential tanpa perpindahan konteks. Hasil simulasi menunjukkan bahwa rata-rata total waktu eksekusi pada skenario dengan context switching adalah 909 milidetik, sedangkan skenario tanpa context switching memerlukan 5791,2 milidetik. Perbedaan ini menunjukkan bahwa walaupun context switching memiliki overhead, mekanisme multitasking modern mampu memanfaatkan kemampuan CPU secara lebih optimal dibandingkan eksekusi sequential. Penelitian ini menegaskan bahwa context switching tetap menjadi komponen penting dalam pengelolaan proses pada sistem multitasking.