Katalog Abjad [I] (Semua Bidang (Umum))
Penelusuran metadata karya ilmiah dan dokumen institusi Universitas Bina Insani.
Filter Otomatis
ResetKatalog Abjad [I] (Semua Bidang (Umum))
Menampilkan 5 karya ilmiah repository terverifikasi (Skripsi & Artikel Jurnal OJS)
| Detail Karya Ilmiah & Metadata | Tipe & Program Studi | Aksi Metadata |
|---|---|---|
IMPLEMENTASI TRANSFORMER-BASED LLM CHATBOT BERBASIS AI PADA WEBSITE REKRUTMENT PT PATRA DRILLING CONTRACTOR
Penulis: Ridar Setiawan Effendi, RITA WAHYUNI ARIFIN, S.Kom., M.Kom. |
2026
Pada proses rekrutment sebelumnya di PT Patra Drilling Contractor masih dilakukan secara manual menggunakan pretty form dan Google Form sehingga menimbulkan beberapa kendala dan masalah, diantaranya tingginya jumlah kandidat yang mengajukan pertanyaan seputar proses rekrutmen sehingga menambah beban kerja dari Tim Human Capital (HC), pertanyaan pelamar yang menumpuk melalui email sehingga Tim HC harus membuat media komunikasi tambahan melalui grup WhatsApp untuk menyampaikan informasi, serta Tim HC yang harus membalas satu per satu pertanyaan dari pelamar secara manual akibat belum tersedianya sistem yang dapat menjawab pertanyaan pelamar secara otomatis dan real-time. Penelitian kali ini bertujuan untuk merancang dan membangun sebuah website karir PT Patra Drilling Contractor yang dilengkapi oleh implementasi dari Transformer-Based Large Language Model (LLM) Chatbot yang berbasis Artificial Intelligence (AI) sebagai solusi dari permasalahan tersebut. Metode pengembangan sistem yang digunakan adalah metode Agile dengan melakukan pendekatan iteratif melalui tiga sprint, untuk sprint pertama difokuskan kepada perancangan dan pengembangan website rekrutmen dan database, sprint kedua pada pengembangan chatbot umum, serta sprint ketiga untuk melakukan pengembangan chatbot personal. Model AI yang diimplementasikan adalah Natural Language Processing berbasis Transformer-Based LLM dengan mekanisme Retrieval-Augmented Generation (RAG) yang diintegrasikan melalui sebuah API yakni Groq API dan Rule-Based Keyword Matching untuk klasifikasi intent pertanyaan pengguna. Sistem chatbot yang dibangun terdiri dari dua jenis yakni chatbot umum yang dapat diakses tanpa memerlukan login ke dalam aplikasi untuk menjawab pertanyaan seputar informasi lowongan dan tata cara melamar dan chatbot personal yang dapat diakses setelah login ke dalam aplikasi untuk memberikan rekomendasi posisi berdasarkan profil pelamar dan menyampaikan informasi status lamaran secara personal. Berdasarkan hasil pengujian fungsional menggunakan metode Blackbox Testing dan Whitebox Testing, seluruh jalur pemrosesan utama pada komponen chatbot AI berhasil berjalan sesuai spesifikasi yang dirancang.
#Transformer-Based LLM
#Chatbot AI
#Natural Language Processing
#Retrieval-Augmented Generation
|
Skripsi (S1)
Teknik Informatika (S1)
Restricted Fulltext PDF
|
|
IMPLEMENTASI RAPID APPLICATION DEVELOPMENT PADA SISTEM INFORMASI PRESENSI BERBASIS WEB DI SMK INSAN NASIONAL
Penulis: Arief Maulana, RITA WAHYUNI ARIFIN, S.Kom., M.Kom. |
2026
Pengelolaan presensi karyawan di SMK Insan Nasional masih dilakukan secara manual menggunakan buku presensi, sehingga beresiko menyebabkan kehilangan data, ketidak akuratan pencatatan, serta proses rekapitulasi yang membutuhkan waktu lama. Kondsii tersebut berdampak pada kurang optimalnya evaluasi kinerja, penilaian kedisiplinan, dan perhitungan honorium. Penelitian ini bertujuan mengimplementasikan sistem informasi persensi berbasis web menggunakan framework codeigniter dan bahasa programan PHP dengan metode Rapid Application Development (RAD). Metode tersebut diterapkan meallui tahapan perencanaan kebutuhan, desain, pengembangan, dan implementasi. Pengumpulan data dilakukan melalui observasi, wawancara dengan kepala sekolah dan wakil kurikulum, serta studi Pustaka. Hasil penelitian berupa sistem informasi presensi berbasis web yang menyediakan fitur presensi harian, pengajuan cuti, pengajuan ganti atau pindah jadwal mengajar, pengelolaan data karyawan, serta penyajian laporan presensi kehadiran karyawan secara otomatis. Pengujian alpha menunjukan seluruh fungsi sistem berjalan sesuai dengan kebutuhan pengguna, sedangkan pengujian beta memperoleh tingkat kepuasan pengguna sebesar 89,6% sehingga termasuk dalam kategori sangat baik dan menunjukan bahwa sistem layak diimplementasikan di Sekolah SMK Insan Nasional untuk meningkatkan efesiensi, akurasi, dan transparansi pengelolaan presensi kehadiran karyawan, dengan manfaat memberikan pengalaman praktis bagi peneliti, solusi digital bagi sekolah, serta kontribusi ilmiah bagi Universitas Bina Insani.
#Sistem Informasi
#SMK Insan Nasional
#Rapid Application Development (RAD)
#Codeigniter
|
Skripsi (S1)
Sistem Informasi (S1)
Restricted Fulltext PDF
|
|
IMPLEMENTASI MACHINE LEARNING PADA PREDIKSI HARGA SEMBAKO DI PASAR GANDOANG MENGGUNAKAN REGRESI LINEAR BERGANDA
Penulis: Daffa Aulia Rahman, RITA WAHYUNI ARIFIN, S.Kom., M.Kom. |
2026
Implentasi Machine Learning pada Predeksi Harga Sembako di Pasar Gandoang Menggunakan Regresi Linear Berganda. Penelitian ini bertujuan untuk menerapkan Machine Learning menggunakan algoritma Regresi Linear Berganda (Multiple Linear Regression) dalam memprediksi harga sembilan bahan pokok (sembako) di Pasar Gandoang. Fluktuasi harga sembako di pasar tersebut cenderung tidak stabil, sementara proses pengelolaannya masih dilakukan secara manual dan bergantung pada perkiraan atau intuisi pedagang. Oleh sebab itu, diperlukan sebuah sistem prediksi berbasis data yang mampu mendukung pengambilan keputusan secara lebih akurat dan proaktif. Penelitian ini dikembangkan dengan menggunakan metodologi CRISP-DM serta memanfaatkan data historis harga selama lima tahun, mulai Januari 2019 hingga Desember 2024. Adapun sembilan komoditas yang menjadi objek prediksi meliputi beras, minyak goreng, gula pasir, telur ayam, daging ayam, daging sapi, tepung terigu, kedelai, dan garam beriodium. Kinerja model dievaluasi menggunakan metrik R², MSE, RMSE, dan MAE. Hasil pengujian menunjukkan bahwa algoritma Regresi Linear Berganda memiliki tingkat akurasi yang sangat baik, di mana seluruh komoditas berhasil memenuhi target akurasi minimum dengan nilai R² ≥ 0,80. Nilai akurasi tertinggi diperoleh pada model prediksi komoditas beras dengan nilai R² sebesar 0,88. Sementara itu, berdasarkan evaluasi Root Mean Squared Error (RMSE), nilai tertinggi terdapat pada komoditas daging sapi sebesar Rp2.340/kg dan nilai terendah pada komoditas garam beriodium sebesar Rp210/kg. Secara keseluruhan, sistem prediksi berbasis machine learning ini berhasil diterapkan untuk mengatasi kelemahan metode konvensional serta membantu pengelola pasar dan pedagang dalam mengantisipasi kenaikan harga sembako.
#CRISP-DM
#Machine Learning
#Prediksi Harga
#Regresi Linear Berganda
|
Skripsi (S1)
Teknik Informatika (S1)
Restricted Fulltext PDF
|
|
IMPLEMENTASI MACHINE LEARNING PADA PREDIKSI HARGA SEMBAKO DI PASAR GANDOANG MENGGUNAKAN REGRESI LINEAR BERGANDA
Penulis: Daffa Aulia Rahman, RITA WAHYUNI ARIFIN, S.Kom., M.Kom. |
2026
Implentasi Machine Learning pada Predeksi Harga Sembako di Pasar Gandoang Menggunakan Regresi Linear Berganda. Penelitian ini bertujuan untuk menerapkan Machine Learning menggunakan algoritma Regresi Linear Berganda (Multiple Linear Regression) dalam memprediksi harga sembilan bahan pokok (sembako) di Pasar Gandoang. Fluktuasi harga sembako di pasar tersebut cenderung tidak stabil, sementara proses pengelolaannya masih dilakukan secara manual dan bergantung pada perkiraan atau intuisi pedagang. Oleh sebab itu, diperlukan sebuah sistem prediksi berbasis data yang mampu mendukung pengambilan keputusan secara lebih akurat dan proaktif. Penelitian ini dikembangkan dengan menggunakan metodologi CRISP-DM serta memanfaatkan data historis harga selama lima tahun, mulai Januari 2019 hingga Desember 2024. Adapun sembilan komoditas yang menjadi objek prediksi meliputi beras, minyak goreng, gula pasir, telur ayam, daging ayam, daging sapi, tepung terigu, kedelai, dan garam beriodium. Kinerja model dievaluasi menggunakan metrik R², MSE, RMSE, dan MAE. Hasil pengujian menunjukkan bahwa algoritma Regresi Linear Berganda memiliki tingkat akurasi yang sangat baik, di mana seluruh komoditas berhasil memenuhi target akurasi minimum dengan nilai R² ≥ 0,80. Nilai akurasi tertinggi diperoleh pada model prediksi komoditas beras dengan nilai R² sebesar 0,88. Sementara itu, berdasarkan evaluasi Root Mean Squared Error (RMSE), nilai tertinggi terdapat pada komoditas daging sapi sebesar Rp2.340/kg dan nilai terendah pada komoditas garam beriodium sebesar Rp210/kg. Secara keseluruhan, sistem prediksi berbasis machine learning ini berhasil diterapkan untuk mengatasi kelemahan metode konvensional serta membantu pengelola pasar dan pedagang dalam mengantisipasi kenaikan harga sembako.
#CRISP-DM
#Machine Learning
#Prediksi Harga
#Regresi Linear Berganda
|
Skripsi (S1)
Teknik Informatika (S1)
Restricted Fulltext PDF
|
|
SISTEM INFORMASI KINERJA SALES DENGAN PENDEKATAN K-MEANS BERBASIS WEBSITE PADA PT FAN INTEGRASI TEKNOLOGI
Penulis: Inayah Ainina Mawardi, RITA WAHYUNI ARIFIN, S.Kom., M.Kom. |
2026
Inayah Ainina Mawardi(2022320021),Sistem Informasi Kinerja Sales Berbasis Website dengan Pendekatan K-Means Pada PT Fan Integrasi Teknologi. PT Fan Integrasi Teknologi merupakan perusahaan yang bergerak di bidang teknologi informasi dan memiliki aktivitas penjualan yang perlu dipantau secara berkala. Proses penilaian kinerja sales yang berjalan saat ini masih dilakukan secara manual menggunakan spreadsheet dan dokumen terpisah, sehingga menyebabkan keterlambatan dalam rekapitulasi data, berpotensi menimbulkan kesalahan perhitungan, serta menyulitkan manajer dalam melakukan evaluasi kinerja secara objektif. Penelitian ini bertujuan untuk merancang dan membangun sistem informasi kinerja sales berbasis website yang mampu mengelola data penjualan secara terintegrasi dan mendukung proses evaluasi kinerja sales secara lebih efektif. Metode pengembangan sistem yang digunakan adalah User-Centered Design (UCD) untuk memastikan sistem sesuai dengan kebutuhan pengguna dan mudah digunakan. Selain itu, metode K-Means Clustering diterapkan untuk mengelompokkan kinerja sales ke dalam beberapa kategori berdasarkan variabel total score, jumlah proyek, dan win rate. Hasil penelitian menunjukkan bahwa sistem yang dikembangkan mampu mengolah data penjualan secara otomatis, menampilkan dashboard interaktif, serta menghasilkan pengelompokan kinerja sales ke dalam kategori High Performer, Medium Performer, dan Low Performer. Implementasi sistem ini diharapkan dapat meningkatkan efisiensi pengolahan data, mengurangi kesalahan perhitungan, serta membantu manajemen dalam pengambilan keputusan yang lebih cepat, objektif, dan berbasis data.
#Analisis Data
#K-Means Clustering
#Kinerja Sales
#Sistem Informasi Berbasis Website
|
Skripsi (S1)
Sistem Informasi (S1)
Restricted Fulltext PDF
|