Katalog Program Studi: Teknik Informatika (S1)
Penelusuran metadata karya ilmiah dan dokumen institusi Universitas Bina Insani.
Filter Otomatis
ResetKatalog Program Studi: Teknik Informatika (S1)
Menampilkan 21 karya ilmiah repository terverifikasi (Skripsi & Artikel Jurnal OJS)
| Detail Karya Ilmiah & Metadata | Tipe & Program Studi | Aksi Metadata |
|---|---|---|
SISTEM MONITORING SUHU KULKAS DISPLAY BERBASIS INTERNET OF THINGS DENGAN METODE PROTOTYPE PADA METROPOLITAN MALL
Penulis: Yuli dhea mujianti, RIKA APRIANI, S.Kom., M.Kom. |
2026
Kulkas display di toko ritel sering mengalami masalah fluktuasi suhu yang tidak terpantau karena pengawasan masih dilakukan secara manual oleh petugas. Keterlambatan dalam mendeteksi perubahan suhu atau pintu yang tidak tertutup rapat dapat menyebabkan kerusakan pada produk makanan dan minuman. Kondisi tersebut menunjukkan pentingnya sistem monitoring yang mampu melakukan pengawasan secara real-time dan memberikan peringatan dini agar tindakan penanganan dapat segera dilakukan. Penelitian ini bertujuan merancang sistem monitoring suhu otomatis yang bekerja 24 jam menggunakan mikrokontroler ESP32 dan sensor suhu DS18B20. Alat ini juga dilengkapi sensor Magnetic Switch untuk mendeteksi status pintu kulkas. Sistem dirancang untuk membaca suhu setiap 5 menit. Jika suhu melebihi batas aman (di atas 8°C) atau pintu terbuka terlalu lama, alat akan mengaktifkan alarm buzzer dan mengirim notifikasi peringatan ke smartphone pengelola melalui aplikasi Telegram dan Blynk. Metode pengembangan menggunakan prototype, mulai dari perakitan alat hingga pengujian langsung pada unit kulkas. Pengujian dilakukan menggunakan metode black box testing untuk memastikan setiap fungsi sistem berjalan sesuai dengan rancangan. Hasil pengujian menunjukkan alat mampu memantau suhu secara real-time dan memberikan peringatan dini kepada pengelola, sehingga risiko kerusakan produk dapat diminimalkan tanpa perlu pengecekan fisik secara terus-menerus. Sistem yang dikembangkan diharapkan dapat membantu meningkatkan efektivitas proses monitoring suhu kulkas display di lingkungan ritel memberikan peringatan dini kepada peneglola, sehingga Risiko kerusakan produk dapat diminimalisirkan tanpa perlu pengecekkan fisik terus menerus.
#Internet Of Things
#prototype
#Monitoring Suhu
#Kulkas Display
|
Skripsi (S1)
Teknik Informatika (S1)
Restricted Fulltext PDF
|
|
SISTEM MONITORING DETEKSI RESIKО STUNTING BAGI BALITA DENGAN IOT PADA POSYANDU BOUGENVELLE
Penulis: David Pakpahan, NADYA SAFITRI, S.T., M.Kom. |
2026
David Pakpahan (2021310054) ABSTRAK Monitoring Deteksi Resiko Stunting Bagi Balita dengan Iot pada Posyandu Bougenvelle. Stunting merupakan kondisi gagal tumbuh dalam balita akibat kekurangan gizi kronis, yang dapat memengaruhi perkembangan fisik dan kognitif anak. Di Posyandu Bougenvelle, pelaksanaan program "Zero New Stunting" menghadapi berbagai kendala, seperti keterlambatan pencatatan data dan kurangnya standar pemberian asupan gizi. Penelitian ini merancang sistem berbasis Internet of Things (loT) untuk memonitoring dan pemberian rekomendasi asupan gizi balita yang berisiko stunting. Sistem terdiri dari perangkat keras berupa sensor tinggi badan (VL53L1X) dan berat badan (Load Cell serta modul HX711) yang terintegrasi dengan mikrokontroler ESP8266, serta sistem berbasis web yang menyimpan dan menimpilkan riwayat data pertumbuhan. Sistem ini juga menghitung Z index Score untuk klasifikasi status gizi dan mengirim rekomendasi asupan protein melalui WhatsApp. Metode pengembangan yang digunakan adalah prototype, yang memungkinkan penyesuaian sistem secara iteratif berdasarkan kebutuhan pengguna. Hasil implementasi menunjukan bahwa sistem dapat membantu meningkatkan akurasi data dan mempermudah proses evaluasi serta pemantauan pertumuhan balita oleh tenaga Kesehatan dan Orang tua.
#Stunting
#IoT
#Z index Score
#Posyandu
|
Skripsi (S1)
Teknik Informatika (S1)
Restricted Fulltext PDF
|
|
Prediksi Kebutuhan Spare part Pada Lini ULI PT Cedefindo Menggunakan Algoritma Random Forest
Penulis: Salsabil Amatin Fauzia, ARI NURUL ALFIAN, S.Pd., M.Kom. |
2026
PT Cedefindo khususnya pada lini ULI masih melakukan pengadaan spare part berdasarkan kondisi stok dan pengalaman pegawai sehingga belum memanfaatkan data historis penggunaan spare part secara optimal, yang berpotensi menyebabkan terjadinya stockout. Penelitian ini bertujuan untuk menghasilkan estimasi kebutuhan spare part dan menerapkan algoritma Random Forest untuk memprediksi kebutuhan spare part periode berikutnya berdasarkan data historis penggunaan spare part, preventive maintenance report, dan Trend. Penelitian menggunakan metodologi CRISP-DM yang meliputi tahapan business understanding, data understanding, data preparation, modeling, evaluation, dan deployment dengan memanfaatkan data historis penggunaan spare part lini ULI periode Januari 2025 hingga April 2026. Hasil evaluasi model menunjukkan nilai MAE sebesar 2,69, RMSE sebesar 4,97, dan R² sebesar 0,34, sehingga model memiliki tingkat kesalahan prediksi yang relatif rendah meskipun belum mampu menjelaskan seluruh variasi data kebutuhan spare part. Penelitian ini menghasilkan sistem prediksi berbasis web yang dapat membantu admin teknik dalam mendukung pengambilan keputusan pengadaan spare part secara lebih terukur dan berbasis data historis untuk mengurangi risiko stockout.
#CRISP-DM
#Machine Learning
#Prediksi
#Random Forest
|
Skripsi (S1)
Teknik Informatika (S1)
Restricted Fulltext PDF
|
|
Perancangan Sistem Monitoring Ketersediaan Meja Coffee Shop Berbasis Computer Vision Menggunakan YOLOv8
Penulis: Muhammad Ilham Syawal Sanusi, Jafar Shadiq, S.Kom. M.Kom |
2026
Perkembangan sektor Food and Beverages di Indonesia mendorong Coffee shop untuk memberikan pelayanan yang cepat dan efisien. Namun, di Naluri Kopi Bojong Gede, proses pemantauan ketersediaan meja masih dilakukan secara manual oleh petugas, sehingga membutuhkan waktu dan berpotensi menimbulkan keterlambatan dalam memberikan informasi kepada pelanggan, terutama pada jam sibuk. Penelitian ini bertujuan merancang sistem monitoring okupansi meja yang mampu memberikan informasi ketersediaan meja secara real-time, serta mengimplementasikan teknologi Deep Learning dan Computer Vision menggunakan algoritma YOLOv8n untuk mendeteksi status meja kosong dan terisi secara otomatis. Penelitian ini menggunakan model pengembangan Rapid Application Development (RAD) yang terdiri atas tahap Requirements Planning, User Design, Construction, dan Cutover. Model YOLOv8n pretrained berbasis dataset MS COCO digunakan untuk mendeteksi objek person pada area meja yang telah dikalibrasi (Region of Interest), kemudian dipadukan dengan mekanisme Temporal Filtering untuk menentukan status meja available atau occupied yang ditampilkan pada dashboard monitoring berbasis web. Kontribusi penelitian ini adalah tersedianya solusi otomatisasi pemantauan meja tanpa memerlukan pelatihan model tambahan. Hasil pengujian fungsional menggunakan Black Box Testing menunjukkan seluruh 12 skenario pengujian berjalan valid. Pengujian akurasi terhadap 300 data menghasilkan nilai Accuracy sebesar 89,00%, Precision sebesar 88,67%, Recall sebesar 90,38%, dan F1-Score sebesar 89,52%. Berdasarkan hasil tersebut, dapat disimpulkan bahwa sistem monitoring okupansi meja berbasis YOLOv8n mampu mendeteksi status ketersediaan meja secara real-time dengan tingkat ketepatan yang baik, sehingga dapat membantu petugas mengurangi pengecekan manual dan meningkatkan efisiensi pelayanan pada Coffee shop.
#Computer Vision
#Deep Learning
#YOLOv8n
#Monitoring Okupansi Meja
|
Skripsi (S1)
Teknik Informatika (S1)
Restricted Fulltext PDF
|
|
SISTEM MONITORING INFUS BERBASIS INTERNET OF THINGS UNTUK DETEKSI VOLUME DAN LAJU TETESAN INFUS
Penulis: TYNTON PRIMA KUSUMA WARDHANA, RIKA APRIANI, S.Kom., M.Kom. |
2026
Monitoring infus merupakan kegiatan penting dalam pelayanan kesehatan untuk memastikan kebutuhan cairan pasien terpenuhi dengan baik. Namun, proses pemantauan yang masih dilakukan secara manual berpotensi menyebabkan keterlambatan dalam mengetahui kondisi cairan infus yang hampir habis maupun gangguan aliran infus. Penelitian ini bertujuan untuk merancang dan membangun sistem monitoring infus berbasis Internet of Things yang mampu mendeteksi volume cairan dan laju tetesan infus secara real-time. Metode pengembangan sistem yang digunakan adalah Rapid Application Development (RAD) yang terdiri atas tahapan Requirement Planning, User Design, Construction, dan Cutover. Sistem dikembangkan menggunakan mikrokontroler ESP32, sensor load cell yang terintegrasi dengan modul HX711 untuk mengukur volume cairan infus, sensor inframerah (optocoupler) untuk mendeteksi laju tetesan, OLED sebagai media tampilan lokal, serta dashboard berbasis web untuk monitoring dan notifikasi. Hasil penelitian menunjukkan bahwa berdasarkan Black Box Testing, baik pada kondisi ideal maupun non-ideal, seluruh fungsi sistem berhasil berjalan sesuai dengan kebutuhan yang telah dirancang. Sementara itu, hasil Beta Testing yang melibatkan 45 tenaga kesehatan di Rumah Sakit Bhakti Kartini Bekasi memperoleh tingkat penerimaan sebesar 80,1% dengan kategori Sangat Setuju, yang menunjukkan bahwa sistem mudah digunakan, membantu proses monitoring pasien, dan layak diterapkan sebagai alat bantu monitoring infus, meskipun tampilan LCD OLED masih memerlukan perbaikan agar informasi dapat disajikan lebih jelas. Dengan demikian, sistem yang dikembangkan mampu membantu tenaga kesehatan dalam memantau kondisi infus secara lebih efektif, responsif, dan real-time.
#ESP32
#Internet of Things
#Load Cell
#Monitoring Infus
|
Skripsi (S1)
Teknik Informatika (S1)
Restricted Fulltext PDF
|
|
PROTOTYPE SISTEM ANTREAN BERBASIS IOT MENGGUNAKAN TEKNOLOGI OCR PADA PENDAFTARAN BPJS KETENAGAKERJAAN MITRA SHOPEEFOOD
Penulis: Ramadhan Adiansyah, DWI ISMIYANA PUTRI, M.M.S.I. |
2026
Pelayanan pendaftaran BPJS Ketenagakerjaan bagi mitra ShopeeFood di BPJS Ketenagakerjaan Bekasi Kota masih menggunakan sistem antrean manual dengan meletakkan KTP sebagai tanda urutan antrean sehingga berpotensi menimbulkan ketidakteraturan antrean dan kesalahan pemanggilan peserta. Penelitian ini bertujuan merancang sistem antrean berbasis Internet of Things (IoT) menggunakan ESP32 untuk meningkatkan efektivitas dan monitoring pelayanan secara real-time. Metode yang digunakan adalah prototype dengan tahapan requirements, quick design, build prototype, user evaluation, dan refining prototype. Sistem dirancang menggunakan ESP32 yang terintegrasi dengan QR Scanner GM65, LCD TFT ST7789, buzzer, serta website monitoring berbasis PHP dan MySQL. Sistem memungkinkan peserta melakukan pendaftaran melalui website, memperoleh QR Code, dan melakukan scan pada mesin antrean untuk mendapatkan nomor antrean secara otomatis. Hasil Black Box Testing menunjukkan seluruh fungsi perangkat keras dan perangkat lunak berjalan sesuai kebutuhan sistem. Hasil Latency Test menunjukkan rata-rata waktu respon koneksi ESP32 ke internet sebesar 2,471 detik, pemindaian QR Code sebesar 1,277 hingga 1,652 detik, serta pembaruan data antrean website sebesar 0,621 hingga 1,017 detik. Hasil Stress Test juga menunjukkan bahwa sistem yang dirancang memiliki tingkat keandalan, stabilitas, dan integrasi yang baik dalam menangani proses antrean serta komunikasi data antar komponen. Dengan demikian, sistem mampu meningkatkan efektivitas dan monitoring antrean secara responsif dan real-time.
#BPJS Ketenagakerjaan
#Internet of Things
#Mitra ShopeeFood
#QR Code
|
Skripsi (S1)
Teknik Informatika (S1)
Restricted Fulltext PDF
|
|
IMPLEMENTASI SISTEM PENGECEKAN EXPIRED DATE PRODUK MENGGUNAKAN MACHINE LEARNING BERBASIS MOBILE
Penulis: Muhamad Jaryas Kurillah, MARDI YUDHI PUTRA, S.T., M.Kom. |
2026
Proses pengecekan tanggal kedaluwarsa produk pada toko ritel seperti Indomaret Victoria Village Bekasi selama ini masih dilakukan secara manual dengan memeriksa produk satu per satu dan mencatatnya di buku, sehingga proses tersebut membutuhkan waktu yang cukup lama, rentan terhadap kesalahan pencatatan, serta menyulitkan pengguna dalam memantau produk yang mendekati atau telah melewati masa kedaluwarsa. Berdasarkan permasalahan tersebut, penelitian ini bertujuan untuk merancang dan mengimplementasikan aplikasi mobile berbasis Flutter yang menerapkan algoritma K-Nearest Neighbor (KNN) untuk mengklasifikasikan kondisi produk ke dalam tiga kategori yaitu aman, mendekati kedaluwarsa, dan kedaluwarsa, berdasarkan selisih hari antara tanggal saat ini dengan tanggal kedaluwarsa produk, dengan menggunakan metode pengembangan sistem Agile yang bersifat iteratif dan inkremental. Hasil pengujian menunjukkan bahwa algoritma KNN dengan nilai K=3 berhasil mencapai akurasi sebesar 97,50% dari 40 data uji, dan berdasarkan hasil kuesioner yang disebarkan kepada 5 responden diperoleh rata-rata skor kepuasan pengguna sebesar 4,63 dari skala 5,00, sehingga sistem yang dikembangkan terbukti mampu membantu proses pengecekan expired date secara lebih cepat, terstruktur, dan efisien dibandingkan metode manual yang selama ini digunakan.
#Agile
#Aplikasi Mobile
#Expired Date
#K-Nearest Neighbor
|
Skripsi (S1)
Teknik Informatika (S1)
Restricted Fulltext PDF
|
|
SISTEM MONITORING TINGKAT KEBISINGAN DI KELAS MENGGUNAKAN SENSOR SUARA MAX-4466 BERBASIS NODEMCU ESP8266 DENGAN METODE PROTOTYPE
Penulis: Yayuk Sri Rahayu, RULLY PRAMUDITA, S.T., M.Kom. |
2026
Kebisingan di dalam kelas dapat memengaruhi konsentrasi dan kenyamanan dalam proses pembelajaran. Kurangnya sistem pemantauan tingkat kebisingan secara real-time menyebabkan guru kesulitan dalam mengontrol kondisi kelas secara objektif. Penelitian ini bertujuan untuk merancang dan membangun sistem monitoring tingkat kebisingan di kelas menggunakan sensor suara MAX-4466 berbasis Nodemcu ESP8266 dengan metode Prototype. Metode Prototype digunakan melalui tahapan analisis kebutuhan, perancangan sistem, pembuatan prototype, pengujian, dan evaluasi. Sensor suara MAX-4466 digunakan untuk mendeteksi intensitas suara di dalam kelas, kemudian data diproses oleh mikrokontroler Nodemcu ESP8266 dan ditampilkan melalui indikator sebagai informasi tingkat kebisingan. Sistem dirancang untuk memberikan peringatan ketika tingkat kebisingan melebihi ambang batas yang telah ditentukan. Hasil pengujian menunjukkan bahwa sistem mampu mendeteksi perubahan intensitas suara dan memberikan respons sesuai dengan ambang batas kebisingan yang ditetapkan. Dengan adanya sistem ini, monitoring kebisingan di kelas dapat dilakukan secara lebih objektif dan membantu menciptakan lingkungan belajar yang lebih kondusif serta nyaman.
#metode prototype
#monitoring kebisingan
#nodemcu ESP8266
#sensor suara MAX-4466
|
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
|
|
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
|
|
PERANCANGAN KIPAS ANGIN OTOMATIS BERBASIS SENSOR SUHU MENGGUNAKAN INTERNET OF THINGS
Penulis: Muhammad Daffa, SUMARDIONO, S.Kom., M.Kom. |
2026
Penelitian ini dilatarbelakangi oleh permasalahan pada penggunaan kipas angin konvensional yang kurang efisien karena pengguna harus mengatur perangkat secara manual tanpa adanya penyesuaian otomatis terhadap perubahan suhu ruangan. Tujuan dari penelitian ini adalah merancang dan membangun kipas angin otomatis berbasis Internet of Things (IoT) yang dapat menyesuaikan kinerjanya berdasarkan suhu sekitar Metode yang digunakan dalam penelitian ini adalah eksperimental melalui pendekatan rekayasa perangkat keras dan perangkat lunak, memanfaatkan mikrokontroler Arduino, sensor suhu DHT11, relay, modul LCD I2C, dan kipas angin 12 volt. Hasil pengujian menunjukkan bahwa sistem yang dirancang berhasil mendeteksi suhu dengan akurat; relay secara otomatis menghidupkan kipas ketika suhu mencapai batas tertentu, sementara data pemantauan suhu berhasil ditampilkan secara lokal pada LCD dengan lancar. Untuk pengembangan penelitian selanjutnya, sistem ini diharapkan dapat dilengkapi dengan fitur pengatur kecepatan putaran kipas penambahan sensor kelembaban, serta integrasi kontrol penuh.
#Penelitian ini dilatarbelakangi oleh permasalahan pada penggunaan kipas angin konvensional yang kurang efisien karena pengguna harus mengatur perangkat secara manual tanpa adanya penyesuaian otomatis terhadap perubahan suhu ruangan. Tujuan dari penelitian ini adalah merancang dan membangun kipas angin otomatis berbasis Internet of Things (IoT) yang dapat menyesuaikan kinerjanya berdasarkan suhu sekitar Metode yang digunakan dalam penelitian ini adalah eksperimental melalui pendekatan rekayasa perangkat keras dan perangkat lunak
#memanfaatkan mikrokontroler Arduino
#sensor suhu DHT11
#relay
|
Skripsi (S1)
Teknik Informatika (S1)
Restricted Fulltext PDF
|
|
PENERAPAN ALGORITMA K-MEANS CLUSTERING UNTUK ANALISIS INVENTORY ATK PADA BANK RAYA INDONESIA
Penulis: Rifqi Yovila Candra, RULLY PRAMUDITA, S.T., M.Kom. |
2026
Pengelolaan persediaan alat tulis kantor (ATK) pada Divisi Finance and Asset Management (FAM) Bank Raya Indonesia memerlukan analisis berbasis data untuk mengidentifikasi pola konsumsi divisi, pergerakan produk, dan prioritas kebutuhan ATK. Penelitian ini menerapkan algoritma K-Means Clustering dengan kerangka kerja CRISP-DM untuk menganalisis 4.271 data transaksi permintaan ATK periode 2017–2026 yang mencakup 27 jenis item ATK dari beberapa divisi internal. Tiga model segmentasi dibangun secara simultan dari satu dataset yang sama, yaitu Model 1 (segmentasi konsumsi divisi), Model 2 (segmentasi pergerakan produk), dan Model 3 (pemetaan prioritas hubungan divisi-item), yang dievaluasi menggunakan WCSS, Silhouette Score, dan Davies-Bouldin Index (DBI). Model 1 menghasilkan tiga cluster (K=3, Silhouette=0,6697, DBI=0,4776) terdiri dari 55 divisi konsumsi rendah, 27 sedang, dan 3 tinggi. Model 2 menghasilkan dua cluster (K=2, Silhouette=0,8718, DBI=0,0618) dengan Materai 10.000 sebagai satusatunya produk fast moving dari 27 produk. Model 3 menghasilkan dua cluster (K=2, Silhouette=0,8417, DBI=0,5477) dengan 20 pasangan divisi-item berprioritas tinggi dari 647 pasangan yang dianalisis. Hasil segmentasi diimplementasikan dalam dashboard analitik interaktif berbasis Streamlit yang dilengkapi fitur visualisasi, import dataset, dan export laporan dalam format Excel dan PDF. Pengujian melalui Alpha Testing dan User Acceptance Testing (UAT) menunjukkan seluruh fungsi sistem berjalan sesuai kebutuhan fungsional dengan nilai kepuasan UAT sebesar 85%, yang mengindikasikan sistem layak digunakan oleh Divisi FAM Bank Raya Indonesia.
#ATK
#CRISP-DM
#Dashboard Analitik
#K-Means Clustering
|
Skripsi (S1)
Teknik Informatika (S1)
Restricted Fulltext PDF
|
|
PERANCANGAN CHATBOT INFORMASI PPDB MENGGUNAKAN ALGORITMA MULTINOMIAL NAIVE BAYES DI TK DELIMA
Penulis: Ismail Hasan, ARI NURUL ALFIAN, S.Pd., M.Kom. |
2026
TK Delima belum memiliki website resmi sebagai media informasi Penerimaan Peserta Didik Baru (PPDB), sehingga penyampaian informasi dan penanganan pertanyaan dari wali calon peserta didik masih bergantung pada staf administrasi melalui komunikasi tatap muka, brosur, dan pesan WhatsApp. Penelitian ini bertujuan merancang dan membangun website informasi PPDB yang dilengkapi chatbot untuk membantu penyampaian informasi dan menangani pertanyaan berulang. Pembangunan sistem menerapkan metode Rapid Application Development (RAD). Untuk mengenali maksud pertanyaan pengguna dalam bahasa Indonesia tidak baku, chatbot menerapkan pendekatan Natural Language Processing (NLP) melalui tahapan text preprocessing dan algoritma Multinomial Naive Bayes sebagai metode klasifikasi intent. Algoritma tersebut dikombinasikan dengan teknik Laplace Smoothing untuk mengatasi permasalahan zero probability serta mekanisme confidence check untuk menangani masukan di luar domain chatbot. Sistem diimplementasikan secara native menggunakan bahasa pemrograman PHP, framework CodeIgniter 3, dan basis data MySQL tanpa menggunakan library machine learning eksternal. Pengujian menggunakan Confusion Matrix terhadap 40 kalimat uji menghasilkan nilai accuracy sebesar 92,50%, precision sebesar 93,24%, recall sebesar 92,50%, dan F1-Score sebesar 92,36%. Uji coba pengguna melalui kuesioner menghasilkan tingkat persetujuan sebesar 80,1% yang termasuk dalam kategori Setuju. Hasil penelitian menunjukkan bahwa algoritma Multinomial Naive Bayes berhasil mengklasifikasikan intent pertanyaan pengguna dengan tingkat akurasi 92,50% dan chatbot dapat membantu menyediakan informasi PPDB secara terprogram kepada wali calon peserta didik di luar jam operasional sekolah.
#Chatbot
#Klasifikasi Intent
#Multinomial Naive Bayes
#NLP
|
Skripsi (S1)
Teknik Informatika (S1)
Restricted Fulltext PDF
|
|
PENGEMBANGAN WLAN MULTI-ACCESS POINT DAN SISTEM MONITORING PADA RS PELABUHAN JAKARTA
Penulis: M Rizki Lutfiansyah, JAFAR SHADIQ, S.Kom., M.Kom. |
2026
Jaringan WLAN di RS Pelabuhan Jakarta awalnya hanya menggunakan satu access point pada setiap lorong ruang rawat sehingga dikembangkan menjadi jaringan multi-access point untuk meningkatkan cakupan layanan. Namun, penerapan metode wireless mesh antar perangkat justru menyebabkan tingginya latensi dan koneksi jaringan menjadi tidak stabil. Penelitian ini bertujuan untuk mengembangkan arsitektur jaringan melalui penerapan wired backhaul dan konfigurasi bridge mode. Selain itu, dibangun sebuah dashboard monitoring berbasis web yang difokuskan secara spesifik untuk memantau status aktif (Up) atau matinya (Down) perangkat access point secara terpusat menggunakan metode ICMP (ping). Pengembangan sistem ini menggunakan metode Network Development Life Cycle (NDLC) yang meliputi tahap analisis, desain, simulasi, dan implementasi, dengan parameter pengujian performa berupa packet loss dan latensi. Hasil penelitian menunjukkan bahwa penerapan wired backhaul mampu meningkatkan stabilitas jaringan secara kuantitatif, dibuktikan dengan hilangnya Request Timed Out (RTO), tercapainya packet loss sebesar 0%, serta rata-rata waktu respons (latensi) yang stabil di angka 7 ms. Implementasi dashboard monitoring juga terbukti berfungsi dengan baik dalam memvisualisasikan status Up dan Down perangkat secara real-time tanpa membebani lalu lintas jaringan.
#ICMP
#monitoring jaringan
#multi-access point
#NDLC
|
Skripsi (S1)
Teknik Informatika (S1)
Restricted Fulltext PDF
|
|
Sistem Pakar Identifikasi Minat Bakat dan Gaya Belajar Siswa Menggunakan Metode Forward Chaining Pada SMP Negeri 6 Babelan
Penulis: Nurul Aliyah, ARI NURUL ALFIAN, S.Pd., M.Kom. |
2026
Pemilihan jenjang pendidikan lanjutan merupakan langkah krusial bagi siswa Sekolah Menengah Pertama (SMP) dalam menentukan cara mengembangkan potensi diri mereka. Namun, proses untuk mengenali minat, bakat, dan gaya belajar siswa di SMP Negeri 6 Babelan masih dilakukan dengan cara manual, sehingga memakan waktu cukup lama dan belum bisa menjangkau seluruh siswa secara efektif. Di samping itu, kurangnya pemahaman mengenai potensi diri dapat membuat siswa dalam memilih pendidikan lanjutan lebih dipengaruhi oleh orangorang di sekitarnya atau fenomena rasa takut ketinggalan (FOMO). Tujuan penelitian ini adalah untuk membuat Sistem Pakar yang dapat mengenali minat, bakat, dan gaya belajar siswa melalui platform web dengan menggunakan metode Forward Chaining sebagai penggerak inferensi. Sistem ini dikembangkan dengan metode Rapid Application Development (RAD) dengan memanfaatkan pengetahuan yang didapat dari wawancara dengan Guru Bimbingan Konseling (BK) dan psikolog yang merupakan ahli di bidangnya. Data yang digunakan dalam proses identifikasi meliputi nilai pelajaran sebagai tanda minat, pilihan kegiatan sebagai tanda bakat, serta hasil pengisian mengenai gaya belajar yang dikelompokkan menjadi kategori Visual, Auditorial, dan Kinestetik. Hasil dari penelitian menunjukkan bahwa sistem ini mampu mendeteksi minat, bakat, dan gaya belajar siswa serta memberikan rekomendasi pendidikan lanjutan seperti SMA, SMK, atau MA berdasarkan aturan yang telah ditetapkan. Berdasarkan pengujian alfa, seluruh fungsi sistem dapat beroperasi sesuai dengan rencana. Sementara itu, pengujian beta yang dilakukan dengan kuesioner kepada Guru BK dan 20 siswa kelas VIII SMP Negeri 6 Babelan menunjukkan bahwa sistem ini mendapatkan umpan balik yang positif dan diterima oleh pengguna sebagai alat bantu dalam layanan Bimbingan dan Konseling.
#Bimbingan Konseling
#Forward Chaining
#Gaya Belajar
#Minat Bakat
|
Skripsi (S1)
Teknik Informatika (S1)
Restricted Fulltext PDF
|
|
Sistem Pakar Diagnosa Tingkat Minat Baca Siswa Menggunakan Metode Certainty Factor
Penulis: Ananda Bagus Saputra, MARDI YUDHI PUTRA, S.T., M.Kom. |
2026
Ananda Bagus Saputra (2022310045) Sistem Pakar Pengaruh Media Sosial Terhadap Minat Baca Siswa SMK Bina Industri Menggunakan Metode Certainty Factor Tingginya intensitas penggunaan media sosial di kalangan siswa SMK Bina Industri Cikarang berdampak pada menurunnya minat baca, namun belum tersedia sistem yang dapat mengukur pengaruh tersebut secara terstruktur dan terukur. Penelitian ini bertujuan merancang dan membangun sistem pakar berbasis web yang mampu mengidentifikasi tingkat pengaruh penggunaan media sosial terhadap minat baca siswa menggunakan metode Certainty Factor (CF). Basis pengetahuan sistem diperoleh melalui wawancara dengan guru Bimbingan dan Konseling serta guru Bahasa Indonesia SMK Bina Industri sebagai pakar domain. Sistem dibangun menggunakan framework Next.js dengan TypeScript dan database PostgreSQL, serta mengimplementasikan 22 indikator dan 10 aturan produksi (production rules). Setiap gejala diberi bobot CF pakar, kemudian dikombinasikan dengan nilai CF user menggunakan rumus kombinasi CF secara iteratif. Hasil nilai CF akhir diinterpretasikan ke dalam lima kategori pengaruh: Tidak Berpengaruh, Berpengaruh Rendah, Berpengaruh Sedang, Berpengaruh Tinggi, dan Berpengaruh Sangat Tinggi. Validasi model menunjukkan tingkat kesesuaian 90% terhadap penilaian pakar pada 30 skenario uji. Pengujian alpha menunjukkan seluruh fungsi berjalan sesuai kebutuhan, dan pengujian beta memperoleh persentase kelayakan sebesar 89,78% dengan kategori Sangat Baik.
#Sistem Pakar
#Certainty Factor
#Media Sosial
#Minat Baca
|
Skripsi (S1)
Teknik Informatika (S1)
Restricted Fulltext PDF
|
|
IMPLEMENTASI SISTEM PAKAR REKOMENDASI JURUSAN SMK MENGGUNAKAN METODE FORWARD CHAINING PADA SMK BINA MANDIRI BEKASI
Penulis: Maratus Sholiha, ARI NURUL ALFIAN, S.Pd., M.Kom. |
2026
Perkembangan teknologi informasi mendorong sekolah untuk memiliki sistem yang mampu membantu proses penjurusan siswa secara lebih efektif dan terarah. Namun, proses penjurusan di SMK Bina Mandiri Kota Bekasi masih dilakukan secara manual dan belum memiliki sistem pendukung yang dapat membantu siswa mengenali minat, bakat, dan kecenderungan belajar secara optimal. Hal tersebut menyebabkan siswa sering mengalami kebingungan dalam menentukan jurusan yang sesuai dengan kemampuan dan ketertarikannya. Penelitian ini bertujuan untuk merancang dan membangun sistem rekomendasi jurusan berbasis web menggunakan metode Forward Chaining guna membantu proses penentuan jurusan siswa. Metode penelitian yang digunakan meliputi observasi, wawancara, dan studi pustaka. Wawancara dilakukan bersama Koordinator Bimbingan Konseling (BK) dan Psikolog Siswa untuk memperoleh informasi mengenai proses penjurusan, aturan (rule) penentuan jurusan, serta kendala yang dihadapi sekolah dalam proses penjurusan siswa. Sistem yang dibangun menggunakan bahasa pemrograman PHP dan database MySQL. Proses rekomendasi dilakukan berdasarkan hasil jawaban siswa pada bagian kecenderungan belajar, minat, dan bakat menggunakan skala Likert, yaitu STS (Sangat Tidak Sesuai), TS (Tidak Sesuai), CS (Cukup Sesuai), S (Sesuai), dan SS (Sangat Sesuai). Hasil jawaban tersebut kemudian diproses menggunakan metode Forward Chaining untuk menghasilkan rekomendasi jurusan yang sesuai, yaitu Teknik Komputer dan Jaringan (TKJ), Teknik Kendaraan Ringan (TKR), dan Teknik Sepeda Motor (TSM). Hasil penelitian menunjukkan bahwa sistem yang dibangun mampu membantu proses penjurusan siswa secara lebih cepat, terstruktur, interaktif, dan membantu siswa mengenali potensi dirinya dengan lebih baik.
#Forward Chaining
#Minat dan Bakat
#Sistem Rekomendasi Jurusan
#Sistem Pendukung Keputusan.
|
Skripsi (S1)
Teknik Informatika (S1)
Restricted Fulltext PDF
|
|
SISTEM PAKAR DIAGNOSA KERUSAKAN DAN MAINTENANCE SCHEDULING ALAT BERAT BERBASIS CASE-BASED REASONING
Penulis: Mayli Ayutiya Wulandari, Dr. Ir. SALUDIN MUIS, M.Kom. |
2026
Proses diagnosis kerusakan alat berat pada PT. Sarinah Cahaya Sejahtera masih dilakukan secara manual dan bergantung pada pengalaman teknisi, sehingga berpotensi menimbulkan ketidakkonsistenan dalam menentukan jenis kerusakan dan solusi perbaikan. Selain itu, proses maintenance scheduling belum terintegrasi dengan proses diagnosis sehingga kegiatan perawatan alat berat masih dilakukan secara terpisah dan kurang optimal. Penelitian ini bertujuan untuk merancang dan membangun sistem pakar berbasis web yang mampu melakukan diagnosis kerusakan alat berat serta memberikan rekomendasi maintenance scheduling menggunakan metode Case-Based Reasoning (CBR). Metode yang digunakan dalam penelitian ini adalah metode Case-Based Reasoning dengan pendekatan similarity menggunakan metode Nearest Neighbor. Pengembangan sistem menggunakan model Prototype yang terdiri dari tahapan communication, quick design, build prototype, evaluation, dan refinement. Data penelitian diperoleh melalui observasi, wawancara, dan studi pustaka, kemudian diimplementasikan ke dalam basis pengetahuan yang terdiri dari data gejala, kerusakan, solusi, dan maintenance. Hasil penelitian menunjukkan bahwa sistem mampu melakukan diagnosis kerusakan alat berat berdasarkan gejala yang diinputkan pengguna serta menghasilkan rekomendasi maintenance scheduling sesuai hasil diagnosis. Berdasarkan pengujian akurasi menggunakan 10 data uji, sistem memperoleh tingkat akurasi sebesar 90%. Pengujian usability menggunakan metode System Usability Scale (SUS) memperoleh skor rata-rata sebesar 81,5 dengan kategori Excellent, sedangkan pengujian Black Box Testing menunjukkan seluruh fitur sistem berjalan sesuai dengan fungsi yang dirancang. Dengan demikian, sistem yang dibangun mampu membantu teknisi dalam proses diagnosis dan maintenance alat berat secara lebih cepat, terstruktur, dan efektif.
#Alat Berat
#Case-Based Reasoning
#Diagnosis Kerusakan
#Maintenance Scheduling
|
Skripsi (S1)
Teknik Informatika (S1)
Restricted Fulltext PDF
|
|
IMPLEMENTASI ALGORITMA RANDOM FOREST DALAM SISTEM PREDIKSI LEVEL BELAJAR SISWA PADA NEW CONCEPT
Penulis: Atha Zainum Muttaqin, NADYA SAFITRI, S.T., M.Kom. |
2026
Penentuan level belajar siswa baru di New Concept English Education Centre masih dilakukan secara manual sehingga berpotensi menimbulkan subjektivitas dalam penempatan kelas. Penelitian ini bertujuan mengimplementasikan algoritma Random Forest dalam sistem prediksi level belajar siswa berbasis web untuk mendukung proses penentuan level belajar yang lebih objektif, konsisten, dan efisien. Penelitian menggunakan metode Prototype dengan dataset sebanyak 1.522 data siswa yang terdiri atas variabel umur, tingkat kelas sekolah, nilai placement test, dan level belajar siswa. Tahapan penelitian meliputi preprocessing data, encoding, pembagian data training dan testing, pelatihan model Random Forest, evaluasi menggunakan confusion matrix dan classification report, serta implementasi model ke dalam sistem berbasis web yang dilengkapi fitur placement test online. Hasil pengujian menunjukkan model Random Forest memperoleh akurasi sebesar 85,57%, sedangkan hasil User Acceptance Testing (UAT) memperoleh nilai 84% pada aspek kemudahan penggunaan sistem. Sistem yang dikembangkan mampu menghasilkan prediksi level belajar secara otomatis dan membantu proses penentuan level belajar siswa secara lebih cepat, objektif, dan berbasis data.
#Machine Learning
#Prediksi Level Belajar
#Placement Test
#Random Forest
|
Skripsi (S1)
Teknik Informatika (S1)
Restricted Fulltext PDF
|
|
Implementasi Sistem Monitoring dan Kontrol pH Larutan Nutrisi pada Hidroponik NFT Berbasis IoT
Penulis: Rafif Zetta Rajendra Pragiwoko, RULLY PRAMUDITA, S.T., M.Kom. |
2026
Sistem hidroponik Nutrient Film Technique (NFT) membutuhkan pengelolaan kondisi larutan nutrisi yang stabil untuk mendukung proses pertumbuhan tanaman. Salah satu parameter utama yang perlu diperhatikan adalah nilai pH karena berpengaruh terhadap kemampuan tanaman dalam menyerap unsur hara. Berdasarkan hasil observasi pada greenhouse Mega Regency, proses pemantauan pH dan nutrisi masih dilakukan secara manual menggunakan alat ukur konvensional sehingga perubahan kondisi larutan tidak dapat diketahui secara kontinu dan belum tersedia pencatatan data historis.Penelitian ini bertujuan untuk mengimplementasikan sistem monitoring dan kontrol pH larutan nutrisi berbasis Internet of Things (IoT) pada hidroponik NFT. Pengembangan sistem dilakukan menggunakan metode Rapid Application Development (RAD). Sistem yang dibangun menggunakan ESP32 sebagai mikrokontroler utama yang terintegrasi dengan sensor pH, sensor TDS, sensor suhu DS18B20, sensor ultrasonik HC-SR04, serta pompa peristaltik sebagai aktuator pengendalian larutan. Data hasil pembacaan sensor dikirimkan menuju platform ThingsBoard Cloud melalui protokol MQTT sehingga pengguna dapat melakukan pemantauan secara real-time. Metode Exponential Moving Average (EMA) diterapkan untuk meningkatkan kestabilan data sensor, sedangkan metode hysteresis digunakan sebagai mekanisme kontrol otomatis berdasarkan batas nilai pH yang telah ditentukan.Hasil pengujian menunjukkan bahwa sistem mampu melakukan monitoring dan kontrol larutan nutrisi secara otomatis dengan tingkat akurasi sensor pH sebesar 95,84%, sensor TDS sebesar 98,66%, dan sensor ultrasonik sebesar 97,14%. Implementasi EMA mampu mengurangi fluktuasi pembacaan sensor sehingga data yang digunakan dalam proses kontrol menjadi lebih stabil. Selain itu, pengujian integrasi menunjukkan adanya interferensi antara sensor pH dan TDS yang berhasil diminimalkan melalui pemisahan posisi probe pada aliran sistem NFT. Berdasarkan hasil tersebut, sistem yang dikembangkan dapat membantu proses pengelolaan hidroponik melalui pemantauan real-time, kontrol otomatis, dan dokumentasi data berbasis Cloud.
#ESP32
#Hidroponik NFT
#Internet of Things
#Kontrol Hysteresis
|
Skripsi (S1)
Teknik Informatika (S1)
Restricted Fulltext PDF
|
|
SISTEM REKAM MEDIS HEWAN BERBASIS WEB INTEGRASI RADIO FREQUENCY IDENTIFICATION PADA KLINIK HUG ME BY VET
Penulis: DAVIDRA DEVA, RITA WAHYUNI ARIFIN, S.Kom., M.Kom |
2026
Klinik Hug Me By Vet merupakan klinik hewan yang membutuhkan pencatatan rekam medis secara terstruktur untuk mendukung proses pelayanan pasien hewan. Berdasarkan hasil observasi, proses pencatatan rekam medis sebelumnya masih menggunakan berkas kertas, sehingga pencarian riwayat pasien membutuhkan waktu lebih lama dan berisiko terjadi kesalahan atau kehilangan data. Permasalahan juga muncul ketika hewan dibawa oleh orang selain pemilik, karena informasi yang dibutuhkan untuk menemukan riwayat pasien sering tidak lengkap. Penelitian ini bertujuan untuk merancang dan mengimplementasikan sistem rekam medis hewan berbasis website yang terintegrasi dengan RFID sebagai media identifikasi pasien. Metode pengembangan yang digunakan mengacu pada tahapan IoT lifecycle, yaitu Collect, communicate, analyze, dan act. Sistem dikembangkan menggunakan teknologi website dengan dukungan PHP, TypeScript, JSON, Vite, serta database MySQL. Integrasi RFID dilakukan menggunakan RFID reader RC522/MFRC522 dan Mikrokontroler ESP32 untuk membaca UID kartu RFID. UID tersebut kemudian digunakan untuk memanggil data pasien yang tersimpan pada database. Sistem ini menyediakan fitur pengelolaan data pemilik, data hewan, rekam medis, pembayaran, rawat inap, serta website publik sebagai media company profile klinik. Hasil pengujian menunjukkan bahwa sistem dapat melakukan login berdasarkan hak akses, mengelola data pasien, membaca UID RFID, menampilkan data pasien dan riwayat rekam medis, mengirim data pasien dari front office ke dokter secara real-time, serta menyimpan hasil pemeriksaan ke database. Sistem juga dapat mendukung proses identifikasi pasien secara lebih cepat dibandingkan pencarian berkas manual. Namun, masih terdapat catatan pada proses cetak invoice atau struk yang memerlukan penyesuaian jaringan printer dan pengaturan ukuran kertas. Dengan demikian, sistem ini dapat membantu pengelolaan rekam medis hewan menjadi lebih terstruktur, terpusat, dan terintegrasi.
#RFID
#ESP32
#Rekam Medis Hewan
#Website
|
Skripsi (S1)
Teknik Informatika (S1)
Restricted Fulltext PDF
|