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 29 karya ilmiah repository terverifikasi (Skripsi & Artikel Jurnal OJS)
| Detail Karya Ilmiah & Metadata | Tipe & Program Studi | Aksi Metadata |
|---|---|---|
IMPLEMENTASI SISTEM PEMBERI PAKAN IKAN BERBASIS INTERNET OF THINGS MENGGUNAKAN METODE RAPID APPLICATION DEVELOPMENT
Penulis: Juan samijan, RULLY PRAMUDITA, S.T., M.Kom. |
2026
Penelitian ini membahas implementasi sistem pemberi pakan ikan berbasis Internet of Things (IoT) di Taman KRL menggunakan metode Rapid Application Development (RAD). Permasalahan yang dihadapi adalah pemberian pakan masih bergantung pada waktu luang pengelola sehingga jadwal dan takaran pakan belum konsisten. Sistem dikembangkan menggunakan ESP32 sebagai pengendali utama yang terintegrasi dengan Firebase Realtime Database dan dashboard berbasis React.js. Perangkat dilengkapi dengan sensor ultrasonik HC-SR04 untuk memantau ketersediaan pakan, sensor DHT11 untuk memantau suhu dan kelembapan, sensor LDR untuk mendeteksi intensitas cahaya, serta panel surya yang terintegrasi dengan baterai sebagai sumber catu daya mandiri. Metode penelitian dilakukan melalui observasi, wawancara, studi pustaka, serta pengembangan sistem menggunakan tahapan Rapid Application Development (RAD). Hasil penelitian menunjukkan bahwa sistem dapat menjalankan pemberian pakan sesuai jadwal yang telah ditentukan, menampilkan informasi kondisi perangkat dan lingkungan, serta menyajikan data monitoring melalui dashboard berbasis web.
#ESP32
#Dashboard Web
#Internet of Things
#Pemberi Pakan Ikan
|
Skripsi (S1)
Teknik Informatika (S1)
Restricted Fulltext PDF
|
|
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 PAKAR DETEKSI DINI STUNTING MENGGUNAKAN METODE NAIVE BAYES DI RUMAH SAKIT ASSALAM CIBINONG
Penulis: Hanif Luqmanul Hakim, RIKA APRIANI, S.Kom., M.Kom. |
2026
Hanif Luqmanul Hakim (2022310035) Sistem Pakar Deteksi Dini Stunting Menggunakan Metode Naive Bayes di Rumah Sakit Assalam Cibinong Stunting merupakan masalah gizi kronis yang menjadi prioritas nasional di Indonesia, namun proses deteksi dini di Rumah Sakit Assalam Cibinong masih dilakukan secara manual sehingga waktu pelayanan tenaga kesehatan menjadi lambat dan orang tua pasien tidak memiliki sarana mandiri untuk memantau pertumbuhan anak. Penelitian ini bertujuan mengembangkan sistem pakar berbasis web yang dapat mempercepat deteksi dini stunting pada anak usia 0-60 bulan bagi tenaga kesehatan sekaligus memberikan akses pemantauan mandiri bagi orang tua pasien. Sistem dikembangkan dengan model Prototype menggunakan bahasa PHP dan mengadopsi pendekatan hybrid, yaitu algoritma Naive Bayes untuk indeks PB/TB-U serta Rule Based System untuk indeks BB/U dan BB/PB-TB sesuai standar Permenkes RI Nomor 2 Tahun 2020 dengan dataset 378 catatan rekam medis tervalidasi. Pengujian dilakukan melalui Black Box Testing, 10-Fold Cross Validation, dan User Acceptance Testing. Hasil menunjukkan akurasi Naive Bayes 76,72% (76,18% pada 10-Fold CV), konsistensi Rule Based System 100%, dan UAT memperoleh persentase kelayakan 96,5% (kategori Sangat Baik). Sistem terbukti dapat mempersingkat proses penilaian status gizi anak oleh tenaga kesehatan sekaligus memberikan akses skrining mandiri bagi orang tua pasien.
#Sistem Pakar
#Deteksi Dini Stunting
#Naive Bayes
#Rule Based System
|
Skripsi (S1)
Teknik Informatika (S1)
Restricted Fulltext PDF
|
|
Perancangan Sistem Monitoring Ketinggian Air Sungai Berbasis IoT dan Firebase untuk Peringatan Dini Banjir
Penulis: Sharan Roshan Kalia, RULLY PRAMUDITA, S.T., M.Kom. |
2026
Banjir merupakan permasalahan utama di Perumahan Fontana Lake akibat meluapnya air sungai. Pemantauan ketinggian air yang saat ini dilakukan secara manual dinilai tidak efektif, subjektif, dan terbatas, terutama pada malam hari saat warga beristirahat. Oleh karena itu, penelitian ini bertujuan merancang purwarupa sistem peringatan dini banjir berbasis Internet of Things (IoT) yang mampu beroperasi secara otomatis 24 jam dan memberikan informasi ketinggian air secara objektif dan terukur. Pengembangan perangkat lunak dan keras dalam sistem ini menggunakan metode Prototype yang meliputi tahapan komunikasi, perencanaan singkat, pemodelan, konstruksi purwarupa, serta penyerahan dan evaluasi umpan balik. Perangkat keras utama yang digunakan adalah mikrokontroler NodeMCU ESP32 sebagai pusat kendali dan pengelola komunikasi Wi-Fi, serta sensor ultrasonik tahan air JSN-SR04T yang dipasang untuk mengukur jarak ketinggian air. Sistem ini juga mengintegrasikan platform Blynk untuk pemrosesan data instan, Firebase Realtime Database sebagai media penyimpanan riwayat log pemantauan, dan aplikasi Android bernama “Monitoring Fontana Lake” yang dibuat menggunakan Kotlin di Android Studio sebagai antarmuka pemantauan pengguna. Berdasarkan hasil perancangan dan pengujian, sistem mampu mengklasifikasikan ketinggian air ke dalam tiga status peringatan melalui logika percabangan sederhana (If-Else), yaitu kondisi Aman (hijau) untuk ketinggian air ≤ 15 cm, Waspada (kuning) untuk rentang > 15 cm hingga 25 cm, dan Bahaya (merah) untuk ketinggian > 25 cm. Apabila status mencapai level Waspada atau Bahaya, mikrokontroler akan memicu layanan OneSignal untuk mengirimkan pesan notifikasi secara otomatis ke aplikasi pengguna, di mana status Bahaya akan secara khusus memicu suara alarm heads-up pada ponsel cerdas warga.
#Firebase
#Internet of Things
#Ketinggian Air
#NodeMCU ESP32
|
Skripsi (S1)
Teknik Informatika (S1)
Restricted Fulltext PDF
|
|
SISTEM DETEKSI PENYAKIT GIGI MENGGUNAKAN ALGORITMA YOLOv8 DAN RESNET-18 PADA KLINK GIGI HAI DENT
Penulis: Bagas Aditya, RULLY PRAMUDITA, S.T., M.Kom. |
2026
Penyakit gigi dan mulut merupakan masalah kesehatan dengan prevalensi tinggi, di mana pasien seringkali mengirimkan foto rongga mulut dengan kualitas kurang baik saat konsultasi daring sehingga menyulitkan diagnosis dokter. Penelitian ini bertujuan untuk mengembangkan sistem skrining awal klinis berbasis web menggunakan pendekatan deep learning dengan arsitektur two-stage (YOLOv8 dan ResNet-18). YOLOv8 digunakan untuk melokalisasi dan memotong area gigi bermasalah (Region of Interest) guna menghilangkan gangguan visual latar belakang, yang kemudian diproses dan diklasifikasikan oleh ResNet-18 ke dalam 7 kelas (Karies, Calculus, Gingivitis, Mouth Ulcer, Tooth Discoloration, Hipodontia, dan Sehat). Sistem ini juga mengimplementasikan Grad-CAM sebagai Explainable AI (XAI) untuk memvisualisasikan area prediksi penyakit secara transparan. Menggunakan metodologi CRISP-DM, model dilatih dengan 11.957 data citra klinis. Hasil evaluasi menunjukkan bahwa YOLOv8 mencapai nilai mAP@50 sebesar 88,17%. Sementara itu, ResNet-18 mencetak tingkat akurasi sebesar 92,25% dan F1-Score 92,37%. Pengujian performa sistem dengan membandingkan prediksi AI dan diagnosis pakar (dokter gigi) pada data baru memperoleh tingkat kesesuaian sebesar 83,33%. Kesimpulannya, integrasi YOLOv8 dan ResNet-18 berhasil memberikan hasil skrining awal yang akurat, meringankan beban kerja administratif klinik, serta mempermudah pasien dalam melakukan deteksi gejala gigi secara mandiri.
#Deep Learning
#Deteksi Penyakit Gigi
#ResNet-18
#Web
|
Skripsi (S1)
Teknik Informatika (S1)
Restricted Fulltext PDF
|
|
PERANCANGAN SISTEM PAKAR IDENTIFIKASI BULLYING VERBAL SISWA SMP PLUS FAJAR SENTOSA MENGGUNAKAN FORWARD CHAINING
Penulis: Rayan Ikmal Amala, Dwi Ismiyana Putri, M.M.S.I |
2026
Bullying verbal masih dijumpai dalam lingkungan sekolah dan berpotensi memengaruhi kondisi psikologis siswa. Pada SMP Plus Fajar Sentosa, identifikasi bullying verbal masih bertumpu pada pengamatan guru serta laporan siswa, sehingga pelaksanaannya belum sepenuhnya optimal dan konsisten. Penelitian ini mengembangkan aplikasi sistem pakar berbasis web yang digunakan guru Bimbingan Konseling sebagai pendukung dalam mengenali indikasi bullying verbal pada siswa melalui proses yang terstruktur. Metode penalaran yang digunakan adalah Forward Chaining, sedangkan pengembangan sistem menggunakan model Rapid Application Development (RAD). Hasil penelitian berupa sistem pakar berbasis web yang menerapkan mekanisme Forward Chaining untuk mengolah gejala atau indikator siswa hingga diperoleh kategori hasil identifikasi. Pada pengujian awal, hasil sistem dibandingkan dengan validasi guru Bimbingan Konseling (BK) terhadap 100 data siswa dan memperoleh tingkat akurasi 84%. Pada tahap beta testing, penilaian guru BK sebagai pengguna menghasilkan skor kelayakan sebesar 88% dan berada pada kategori Sangat Layak. Temuan pengujian memperlihatkan bahwa aplikasi dapat mendukung pelaksanaan identifikasi bullying verbal sekaligus menyediakan pencatatan hasil siswa secara lebih teratur.
#Bullying Verbal
#Forward Chaining
#Identifikasi
#Sistem Pakar
|
Skripsi (S1)
Teknik Informatika (S1)
Restricted Fulltext PDF
|
|
IMPLEMENTASI LARGE LANGUAGE MODEL (LLM) UNTUK PEMBANGUNAN AI PERSONA SEBAGAI PENDAMPING KONSELING MAHASISWA
Penulis: Vina Zahrotun Nazah, RULLY PRAMUDITA, S.T., M.Kom. |
2026
Universitas Bina Insani telah menyediakan chatbot konseling mahasiswa melalui layanan Suara BiU. Namun, chatbot sebelumnya masih memiliki keterbatasan karena respons yang diberikan cenderung umum, kurang kontekstual, dan belum cukup empatik dalam menanggapi kondisi pengguna. Penelitian ini bertujuan untuk mengembangkan chatbot konseling mahasiswa berbasis AI Persona yang mampu memberikan respons lebih spesifik, kontekstual, dan empatik sebagai pendamping awal layanan konseling mahasiswa. Metode pengembangan sistem yang digunakan adalah CRISP-DM, meliputi tahapan business understanding, data understanding, data preparation, modeling, evaluation, dan deployment. Sistem dikembangkan dengan mengintegrasikan Large Language Model (LLM), Retrieval-Augmented Generation (RAG), dan prompt engineering. Model LLM yang digunakan adalah Gemini 3.1 Flash Lite, sedangkan proses embedding menggunakan intfloat/multilingual-e5-small dengan penyimpanan embedding pada PostgreSQL dan pgvector. RAG digunakan untuk mengambil konteks dari dokumen akademik dan data layanan kampus, sedangkan prompt engineering digunakan untuk mengarahkan persona chatbot agar menghasilkan respons yang suportif, tidak menghakimi, dan sesuai dengan ruang lingkup konseling mahasiswa. Evaluasi dilakukan melalui pengujian fungsional, LLM-as-a-Judge, validasi konselor, dan User Acceptance Testing (UAT). Hasil LLM-as-a-Judge memperoleh rata-rata skor 4,48 dari skala 5,00. Hasil UAT terhadap 20 responden memperoleh rata-rata persentase 93% dengan kategori sangat baik, meliputi spesifikasi jawaban 90%, kontekstualitas respons 93%, dan empati respons 96%. Berdasarkan hasil tersebut, chatbot yang dikembangkan dinilai mampu memberikan respons yang lebih spesifik, kontekstual, dan empatik dibandingkan chatbot sebelumnya, serta dapat digunakan sebagai pendamping awal layanan konseling mahasiswa tanpa menggantikan peran konselor profesional.
#AI Persona
#Chatbot Konseling
#Large Language Model
#Prompt Engineering
|
Skripsi (S1)
Teknik Informatika (S1)
Restricted Fulltext PDF
|
|
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
|
|
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
|
|
IMPLEMENTASI SISTEM KEAMANAN CLOSED CIRCUIT TELEVISION DI JALAN ACACIA TAMAN CILEUNGSI
Penulis: Rafly Ammar Gata, JAFAR SHADIQ, S.Kom., M.Kom. |
2026
Kekosongan pengawasan fisik di lingkungan perumahan Jalan Acacia, Taman Cileungsi RT 01/RW 09 akibat berhentinya aktivitas operasional petugas keamanan memicu potensi kerawanan tindak kriminalitas dan keresahan warga. Penelitian ini bertujuan untuk merancang dan mengimplementasikan sistem pengawasan keamanan berbasis Closed Circuit Television (CCTV) mandiri terintegrasi yang dapat diakses secara real-time dari jarak jauh. Pengembangan sistem menerapkan metode Prototype yang berfokus pada iterasi pengembangan berbasis kebutuhan pengguna. Infrastruktur jaringan dibangun memanfaatkan transmisi nirkabel dengan menghubungkan empat unit kamera wireless ke Access Point yang dilengkapi antena omnidirectional untuk memperluas jangkauan cakupan sinyal ke peladen pusat berarsitektur Network Video Recorder (NVR) berbasis perangkat lunak Shinobi. Sistem diintegrasikan dengan kecerdasan buatan berbasis TensorFlow Object Detection untuk analisis visual dan deteksi objek otomatis, notifikasi email via SMTP, serta layanan IP Tunneling berbasis Zrok agar antarmuka pemantauan web localhost dapat diakses publik secara aman. Selain itu, diterapkan mekanisme Role-Based Access Control (RBAC) untuk memisahkan hak akses administratif pengurus dan akses view-only bagi warga. Hasil pengujian menunjukkan infrastruktur jaringan nirkabel beroperasi dengan sangat stabil, menghasilkan rata-rata latensi sebesar 94 ms dengan akses website dengan kecepatan 0.64s dengan koneksi lokal dan 4.97s untuk koneksi online, sehingga mampu mentransmisikan stream video dan playback secara lancar. Implementasi sistem CCTV ini terbukti efektif memberikan pengawasan visual 24/7, memulihkan rasa aman warga, serta siap menyediakan barang bukti rekaman digital yang valid apabila terjadi insiden keamanan.
#CCTV
#Keamanan
#NVR
#Object Detection
|
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
|
|
SISTEM PAKAR IDENTIFIKASI TINGKAT STRES AKADEMIK SISWA KELAS XII SMK BINA INDUSTRI MENGGUNAKAN CERTAINTY FACTOR
Penulis: Rivan Dwi Ferdiansyah, SUMARDIONO,S.KOM.,M.KOM |
2026
Stres akademik merupakan kondisi yang sering dialami siswa akibat tuntutan akademik yang tinggi. Siswa kelas XII SMK memiliki risiko mengalami stres akademik karena harus menghadapi ujian akhir, tugas sekolah, praktik kerja lapangan, serta persiapan memasuki dunia kerja maupun pendidikan tinggi. Di SMK Bina Industri, proses identifikasi tingkat stres akademik masih dilakukan secara manual melalui observasi dan konseling oleh guru Bimbingan dan Konseling (BK), sehingga memerlukan waktu yang cukup lama dan bersifat subjektif. Penelitian ini bertujuan untuk merancang dan membangun sistem pakar berbasis web yang dapat membantu mengidentifikasi tingkat stres akademik siswa secara lebih cepat, sistematis, dan objektif menggunakan metode Certainty Factor (CF). Metode pengembangan sistem yang digunakan adalah Prototype dengan tahapan communication, quick plan, modeling quick design, construction of prototype, serta deployment delivery and feedback. Basis pengetahuan sistem diperoleh melalui observasi, wawancara dengan guru BK dan pakar psikologi, serta studi pustaka. Sistem menggunakan 22 gejala stres akademik yang dikelompokkan ke dalam tiga kategori tingkat stres, yaitu rendah, sedang, dan tinggi. Metode Certainty Factor digunakan untuk menghitung tingkat keyakinan hasil identifikasi berdasarkan kombinasi nilai keyakinan pengguna dan nilai keyakinan pakar. Hasil penelitian menunjukkan bahwa sistem berhasil mengidentifikasi tingkat stres akademik siswa dan berjalan sesuai kebutuhan berdasarkan pengujian Black Box. Pengujian beta yang melibatkan 67 siswa memperoleh nilai indeks pada rentang 87,16%–89,40% dengan kategori sangat baik. Dengan demikian, sistem yang dikembangkan dapat membantu guru BK dalam melakukan identifikasi awal dan monitoring tingkat stres akademik siswa secara lebih efektif.
#Certainty Factor
#Identifikasi
#Sistem Pakar
#Stres Akademik
|
Skripsi (S1)
Teknik Informatika (S1)
Restricted Fulltext PDF
|
|
SISTEM SCREENING CURRICULUM VITAE BERBASIS SIMILARITY MATCHING MENGGUNAKAN MPNET EMBEDDING DAN COSINE SIMILARITY
Penulis: Fitri Shafirawati, RULLY PRAMUDITA, S.T., M.Kom. |
2026
Proses screening Curriculum Vitae (CV) pada PT Bahagia Sukses Lestari masih dilakukan secara manual, sehingga memerlukan waktu lama, meningkatkan beban kerja HR, serta berpotensi menimbulkan bias subjektif. Berdasarkan hasil observasi, setiap pembukaan satu lowongan pekerjaan di PT Bahagia Sukses Lestari rata-rata menerima sekitar 60 CV, sedangkan proses rekrutmen hanya ditangani oleh dua staf HR. Dari total lamaran tersebut, hanya sekitar 20 lamaran yang benar-benar sesuai dengan kriteria awal pada tahap screening. Penelitian ini bertujuan untuk mengembangkan sistem screening CV berbasis web menggunakan pendekatan semantic similarity. Pengembangan sistem dilakukan menggunakan metode CRISP-DM, sedangkan proses pencocokan CV dengan lowongan pekerjaan menerapkan Natural Language Processing (NLP) menggunakan model MPNet untuk menghasilkan embedding dan cosine similarity untuk menghitung tingkat kesesuaian. Nilai similarity yang diperoleh kemudian diklasifikasikan menggunakan threshold 0.6 dengan kategori recommended untuk nilai ≥ 0.6 dan not recommended untuk nilai < 0.6. Hasil pengujian dilakukan menggunakan 35 dokumen CV yang masing-masing diuji terhadap dua lowongan pekerjaan berbeda sehingga menghasilkan total 70 proses screening yang menunjukkan nilai kemiripan berkisar antara 0.26 hingga 0.81, dengan 22 CV termasuk kategori recommended dan 48 not recommended. Sistem mampu melakukan proses screening CV secara otomatis dengan waktu rata-rata kurang dari 1 menit untuk setiap proses seleksi. Evaluasi model menghasilkan accuracy sebesar 97%, precision 91%, recall 100%, dan F1-score 95%, yang menunjukkan kemampuan sistem dalam mengidentifikasi kandidat yang relevan. Kesimpulannya, sistem berbasis embedding MPNet dan cosine similarity terbukti mampu meningkatkan efisiensi serta objektivitas proses screening CV dan menghasilkan rekomendasi kandidat secara konsisten.
#Curriculum Vitae Screening
#Cosine Similarity
#Natural Language Processing
#Semantic Similarity
|
Skripsi (S1)
Teknik Informatika (S1)
Restricted Fulltext PDF
|
|
PENGEMBANGAN TIMBANGAN DIGITAL UNTUK IDENTIFIKASI JENIS BUAH MENGGUNAKAN ALGORITMA YOLOv8 BERBASIS VIRTUAL PRIVATE SERVER
Penulis: Tiana Ramdani, RULLY PRAMUDITA, S.T., M.Kom. |
2026
Tiana Ramdani (2022310058) Pengembangan Timbangan Digital untuk Identifikasi Jenis Buah Menggunakan Algoritma YOLOv8 Berbasis Virtual Private Server PT Interskala Mandiri Indonesia selama ini masih mengandalkan input kode Price Look Up (PLU) melalui keypad pada proses penimbangan digital, yang mana cara tersebut kerap memunculkan kesalahan manusia dan menurunkan efisiensi kerja secara keseluruhan. Berangkat dari permasalahan tersebut, penelitian ini bertujuan merancang timbangan digital berbasis AIoT yang mampu mendeteksi jenis buah secara otomatis dengan memanfaatkan algoritma YOLOv8, sekaligus memusatkan pengelolaan data melalui Virtual Private Server (VPS). Proses penelitian dan pengembangannya mengacu pada model ADDIE. Dari sisi perangkat keras, sistem ini dibangun menggunakan mikrokontroler ESP32 NodeMCU-32S, ESP32-S3 CAM sebagai modul pengambilan gambar, serta load cell yang dikombinasikan dengan modul HX711 untuk menghasilkan pengukuran berat yang presisi. Model YOLOv8 dilatih menggunakan lima kelas buah, yakni apel fuji, jeruk, lemon, pir century, dan buah naga, kemudian dideploy pada backend VPS melalui Flask API. Untuk pencetakan struk, sistem terhubung ke printer termal Bluetooth T3 menggunakan perangkat lunak RawBT, sementara pemantauan monitoring dilakukan lewat dasboard berbasis React.js. Pada tahap pengujian, model YOLOv8 mampu mencapai performa deteksi real-time yang sangat baik, dengan nilai mAP@50 sebesar 99,5%, presisi 99,97%, recall 100%, dan F1-score 100%. Di sisi lain, sensor load cell memberikan tingkat akurasi 99,74% dengan toleransi kesalahan 0,26%. Bila diimplementasikan secara penuh, inovasi AIoT ini diyakini dapat menghapus kebutuhan input PLU secara manual, mengelola penimbangan secara terpusat, dan sekaligus menjadi solusi modernisasi timbangan digital bagi industri ritel.
#AIoT
#Deteksi Objek
#Timbangan Digital
#Virtual Private Server
|
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
|
|
SISTEM PAKAR ANALISIS RISIKO KESELAMATAN KERJA BERBASIS WEB MENGGUNAKAN METODE FORWARD CHAINING DAN CERTAINTY FACTOR
Penulis: Khansa Danish Aqeela, RIKA APRIANI, S.Kom., M.Kom. |
2026
Keselamatan kerja merupakan aspek penting dalam kegiatan fabrikasi karena berbagai aktivitas kerja memiliki potensi bahaya yang dapat menyebabkan kecelakaan kerja. Proses identifikasi dan analisis risiko yang ada di PT Binder Indonesia masih dilakukan secara manual, sering kali memerlukan waktu yang cukup lama serta bergantung pada ketersediaan pakar K3. Kondisi tersebut dapat menyebabkan keterlambatan dalam pengambilan tindakan pengendalian risiko. Penelitian ini bertujuan untuk membangun sistem pakar berbasis web yang dapat membantu proses analisis risiko keselamatan kerja pada area fabrikasi PT Binder Indonesia. Metode Forward Chaining digunakan untuk mengidentifikasi risiko berdasarkan aktivitas kerja dan kondisi bahaya yang dipilih pengguna, sedangkan metode Certainty Factor digunakan untuk menghitung tingkat keyakinan terhadap risiko yang teridentifikasi. Hasil penelitian menunjukkan bahwa sistem mampu mengidentifikasi risiko keselamatan kerja dan memberikan tingkat keyakinan, kategori risiko, serta rekomendasi pengendalian sesuai kondisi yang dipilih pengguna. Berdasarkan hasil uji pengguna, sistem memperoleh nilai sebesar 85,5% yang termasuk dalam kategori sangat baik. Dengan demikian, sistem yang dikembangkan dapat digunakan sebagai alat bantu dalam proses analisis risiko keselamatan kerja secara lebih terstruktur dan membantu pengguna dalam memperoleh informasi risiko berdasarkan pengetahuan pakar yang telah diimplementasikan ke dalam sistem.
#Analisis Risiko
#Certainty Factor
#Forward Chaining
#Keselamatan Kerja
|
Skripsi (S1)
Teknik Informatika (S1)
Restricted Fulltext PDF
|
|
PERANCANGAN PROTOTYPE SMARTLOCK BERBASIS INTERNET OF THINGS PADA SMK PGRI KARISMA BANGSA
Penulis: Rizki Maulana Yulianto, MARDI YUDHI PUTRA, S.T., M.Kom. |
2026
Keamanan ruangan lab komputer di SMK PGRI Karisma Bangsa masih menggunakan kunci konvensional atau manual tanpa didukung sistem pencatatan aktivitas akses. Kondisi tersebut berpotensi menimbulkan resiko kehilangan kunci, duplikasi kunci, maupun penyalahgunaan hak akses, serta menyulitkan proses pemantauan terhadap aktivitas keluar dan masuk pengguna lab komputer. Penelitian ini bertujuan untuk merancang prototype smartlock berbasis Internet of Things (IoT) yang terintegrasi dengan kamera untuk mendukung proses autentikasi akses, pencatatan aktivitas pengguna, dan pengawasan visual pada lab komputer. Metode yang digunakan adalah prototype, yang meliputi tahapan analisis kebutuhan, perancangan, implementasi dan pengujian sistem. Prototype dikembangkan menggunakan ESP32 sebagai komponen utama, RFID sebagai media autentikasi, ESP32-Cam sebagai perangkat dokumentasi pengguna, micro servo sebagai actuator pengunci pintu, serta Firebase Realtime Database sebagai media penyimpanan data yang terintegrasi dengan website admin. Pengujian sistem dilakukan menggunakan metode black-box testing pada sembilan skenario pengujian yang mencakup koneksi WiFi, autentikasi RFID, validasi hak akses, pengambilan foto pengguna, pencatatan log akses, serta pengelolaan data RFID. Hasil pengujian menunjukkan bahwa seluruh fungsi sistem berjalan sesuai dengan kebutuhan fungsional dan rancangan yang telah dibuat. Sistem mampu melakukan autentikasi menggunakan RFID, mengendalikan mekanisme penguncian pintu, mendokumentasikan pengguna melalui ESP32-CAM, menyimpan data akses ke Firebase Realtime Database, serta menampilkan informasi akses melalui dashboard website secara real-time. Selain itu, sistem juga mampu melakukan pemulihan koneksi jaringan secara otomatis ketika koneksi WiFi terputus serta mempertahankan mekanisme fail-secure, sehingga pintu tetap berada dalam kondisi terkunci saat terjadi pemadaman listrik. Berdasarkan hasil pengujian tersebut, prototype smartlock yang dikembangkan berhasil menjalankan seluruh fungsi utama sesuai dengan perancangan sistem.
#Smartlock
#Internet of Things (IoT)
#RFID
#ESP32-CAM
|
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
|
|
SISTEM PAKAR DIAGNOSIS HAMA DAN PENYAKIT TANAMAN PADI MENGGUNAKAN METODE TEOREMA BAYES PADA BPP CIBARUSAH
Penulis: Rini Sukma Ayu, Dwi Ismiyana Putri, M.M.S.I |
2026
Padi merupakan salah satu tanaman pangan utama di Indonesia dan memainkan peran penting dalam memenuhi kebutuhan pangan masyarakat. Namun, produksi padi rentan mengalami penurunan akibat serangan Organisme Pengganggu Tumbuhan (OPT) berupa hama dan penyakit yang menyerang tanaman padi. Di Balai Penyuluhan Pertanian (BPP) Kecamatan Cibarusah, jumlah Petugas Pengendali Organisme Pengganggu Tumbuhan (POPT) masih terbatas dibandingkan dengan luasnya wilayah kerja serta pengetahuan petani mengenai gejala dan penanganan OPT juga masih terbatas sehingga menyebabkan layanan konsultasi belum dapat menjangkau seluruh petani secara optimal. Penelitian ini bertujuan mengembangkan sistem pakar diagnosis OPT pada tanaman padi berbasis website menggunakan metode Teorema Bayes untuk membantu petani memperoleh diagnosis awal beserta rekomendasi penanganan. Metode pengembangan sistem yang digunakan dalam penelitian ini adalah Rapid Application Development (RAD). Basis pengetahuan diperoleh melalui observasi, wawancara dengan pakar OPT di BPP Cibarusah, POPT Penyelia BBPOPT, serta studi pustaka. Pengujian sistem dilakukan melalui validasi pakar, Black Box Testing, dan User Acceptance Testing (UAT). Hasil penelitian menunjukkan bahwa sistem pakar berhasil dikembangkan dan mampu memberikan diagnosis awal berdasarkan gejala yang dipilih pengguna. Hasil validasi menunjukkan tingkat kesesuaian diagnosis sistem terhadap diagnosis pakar mencapai 100%. Selain itu, hasil Black Box Testing memperoleh tingkat keberhasilan sebesar 96,88%, sedangkan User Acceptance Testing (UAT) memperoleh nilai kelayakan sebesar 82,16% dengan kategori sangat layak berdasarkan skala Likert. Hasil tersebut menunjukkan bahwa sistem yang dikembangkan telah berfungsi sesuai kebutuhan serta dapat dimanfaatkan sebagai alat bantu diagnosis awal Organisme Pengganggu Tumbuhan (OPT) pada tanaman padi.
#Diagnosis OPT
#Sistem Pakar
#Teorema Bayes
#Tanaman Padi
|
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
|
|
SISTEM DETEKSI PENYAKIT GIGI MENGGUNAKAN ALGORITMA YOLOv8 DAN RESNET-18 PADA KLINK GIGI HAI DENT
Penulis: Bagas Aditya, RULLY PRAMUDITA, S.T., M.Kom. |
2026
Penyakit gigi dan mulut merupakan masalah kesehatan dengan prevalensi tinggi, di mana pasien seringkali mengirimkan foto rongga mulut dengan kualitas kurang baik saat konsultasi daring sehingga menyulitkan diagnosis dokter. Penelitian ini bertujuan untuk mengembangkan sistem skrining awal klinis berbasis web menggunakan pendekatan deep learning dengan arsitektur two-stage (YOLOv8 dan ResNet-18). YOLOv8 digunakan untuk melokalisasi dan memotong area gigi bermasalah (Region of Interest) guna menghilangkan gangguan visual latar belakang, yang kemudian diproses dan diklasifikasikan oleh ResNet-18 ke dalam 7 kelas (Karies, Calculus, Gingivitis, Mouth Ulcer, Tooth Discoloration, Hipodontia, dan Sehat). Sistem ini juga mengimplementasikan Grad-CAM sebagai Explainable AI (XAI) untuk memvisualisasikan area prediksi penyakit secara transparan. Menggunakan metodologi CRISP-DM, model dilatih dengan 11.957 data citra klinis. Hasil evaluasi menunjukkan bahwa YOLOv8 mencapai nilai mAP@50 sebesar 88,17%. Sementara itu, ResNet-18 mencetak tingkat akurasi sebesar 92,25% dan F1-Score 92,37%. Pengujian performa sistem dengan membandingkan prediksi AI dan diagnosis pakar (dokter gigi) pada data baru memperoleh tingkat kesesuaian sebesar 83,33%. Kesimpulannya, integrasi YOLOv8 dan ResNet-18 berhasil memberikan hasil skrining awal yang akurat, meringankan beban kerja administratif klinik, serta mempermudah pasien dalam melakukan deteksi gejala gigi secara mandiri.
#Deep Learning
#Deteksi Penyakit Gigi
#ResNet-18
#Web
|
Skripsi (S1)
Teknik Informatika (S1)
Restricted Fulltext PDF
|
|
IMPLEMENTASI SISTEM PENGELOLAAN RELAAS MENGGUNAKAN OPTICAL CHARACTER RECOGNITION DENGAN EXTREME PROGRAMMING DI PENGADILAN NEGERI BEKASI
Penulis: Muhammad Arkaan Zain, RULLY PRAMUDITA, S.T., M.Kom. |
2026
Pengelolaan surat relaas di Pengadilan Negeri Bekasi sebelumnya belum didukung oleh website khusus untuk pengiriman dan pengelolaan awal dokumen antara jurusita dan unit Perencanaan, Teknologi Informasi, dan Pelaporan (PTIP). Dokumen surat relaas dikirim dalam bentuk PDF hasil pemindaian sehingga petugas PTIP harus membuka dokumen dan mengetik ulang informasi penting ke dalam sistem, yang berpotensi menimbulkan kesalahan pencatatan data. Penelitian ini bertujuan untuk mengimplementasikan website pengelolaan surat relaas berbasis Optical Character Recognition (OCR) yang mampu mengekstraksi informasi penting dari dokumen secara otomatis sehingga proses pengelolaan data menjadi lebih terstruktur dan efektif. Metode pengembangan sistem yang digunakan adalah Extreme Programming (XP) yang meliputi tahapan Planning, Design, Coding, dan Testing. Website dibangun menggunakan CodeIgniter 3 dengan bahasa pemrograman PHP dan basis data MySQL. Proses OCR memanfaatkan Tesseract OCR sebagai mesin pengenalan karakter dan Ghostscript untuk mengonversi dokumen PDF menjadi citra sebelum dilakukan Preprocessing. Informasi yang diekstraksi meliputi nomor perkara, nama penggugat, nama tergugat, tanggal surat, dan kategori relaas. Hasil pengujian terhadap 5 sampel dokumen surat relaas yang dipilih dari 15 dokumen yang diproses pada hari pengujian menunjukkan bahwa sistem memperoleh Word Accuracy sebesar 81,11%, Precision sebesar 83,00%, Recall sebesar 95,00%, dan F1-Score sebesar 87,78%. Selain itu, hasil evaluasi pengguna menggunakan kuesioner skala Likert memperoleh nilai rata-rata 4,50 atau 90,00% yang termasuk dalam kategori Setuju, sehingga menunjukkan bahwa website yang diterapkan dapat diterima dengan baik oleh pengguna. Berdasarkan hasil tersebut, implementasi website berbasis OCR mampu membantu mengurangi kebutuhan penelusuran dokumen dan pengetikan ulang data dari dokumen PDF, sehingga proses pengelolaan surat relaas menjadi lebih terstruktur dan risiko kesalahan pencatatan data dapat diminimalkan.
#Extreme Programming
#Ghostscript
#Optical Character Recognition (OCR)
#Surat Relaas
|
Skripsi (S1)
Teknik Informatika (S1)
Restricted Fulltext PDF
|
|
IMPLEMENTASI TF-IDF DAN COSINE SIMILARITY PADA CHATBOT WEBSITE INFORMASI PPDB DI SMP SEJAHTERA 2
Penulis: Raditya Mayesha Beldyq, RIKA APRIANI, S.Kom., M.Kom. |
2026
Pelayanan informasi Penerimaan Peserta Didik Baru (PPDB) di SMP Sejahtera 2 Cileungsi masih dilakukan secara manual sehingga menyebabkan keterlambatan respon informasi dan penumpukan pertanyaan dari calon pendaftar. Selain itu, sekolah belum memiliki Website resmi sebagai media penyampaian informasi secara terpusat. Penelitian ini bertujuan untuk merancang dan membangun website informasi PPDB yang terintegrasi dengan chatbot berbasis kecerdasan buatan guna membantu penyampaian informasi secara otomatis, cepat, dan dapat diakses kapan saja. Metode pengembangan sistem yang digunakan adalah Rapid Application Development (RAD). Adapun metode Natural Language Processing (NLP) yang diterapkan yaitu Term Frequency–Inverse Document Frequency (TF-IDF) untuk pembobotan kata dan Cosine Similarity untuk mengukur kemiripan pertanyaan pengguna dengan basis pengetahuan chatbot. Sistem yang dibangun dilengkapi dengan dashboard admin untuk pengelolaan dataset serta fitur Evaluasi Log guna mencatat seluruh riwayat pertanyaan pengguna baik yang berhasil dijawab maupun yang tidak terjawab oleh chatbot. Hasil pengujian fungsionalitas menggunakan Black Box Testing menunjukkan bahwa seluruh fitur pada sistem berjalan valid. Hasil pengujian User Acceptance Test (UAT) terhadap 25 responden memperoleh tingkat kepuasan pengguna sebesar 87,4% dengan kategori Sangat Baik/Sangat Layak. Selain itu, hasil evaluasi model menunjukkan tingkat akurasi sebesar 82,9% dalam proses pencocokan intent pertanyaan pengguna dengan rata-rata waktu respons sebesar 1,05 detik. Berdasarkan hasil penelitian, dapat disimpulkan bahwa implementasi chatbot berbasis TF-IDF dan Cosine Similarity mampu membantu layanan informasi PPDB SMP Sejahtera 2 secara lebih cepat, otomatis, dan mudah digunakan.
#Chatbot
#Cosine similarity
#Firebase
#PPDB
|
Skripsi (S1)
Teknik Informatika (S1)
Restricted Fulltext PDF
|
|
SISTEM PAKAR DETEKSI DINI RISIKO STUNTING BALITA BERBASIS WEB MENGGUNAKAN METODE TEOREMA BAYES PADA PUSKESMAS CILEUNGSI
Penulis: Elmayda Dyah Irama, RITA WAHYUNI ARIFIN, S.Kom., M.Kom. |
2026
Stunting merupakan masalah gizi kronis yang dapat menghambat pertumbuhan fisik dan perkembangan kognitif balita. Di wilayah kerja Puskesmas Cileungsi masih ditemukan keterlambatan deteksi akibat rendahnya pemahaman orang tua dan keterbatasan akses terhadap pelayanan kesehatan. Penelitian ini bertujuan membangun sistem pakar berbasis web untuk membantu orang tua melakukan deteksi dini risiko stunting secara mandiri serta menerapkan Teorema Bayes berdasarkan hasil perhitungan Z-score. Data dikumpulkan melalui observasi, wawancara dengan tenaga kesehatan, dan studi pustaka, sedangkan sistem dikembangkan menggunakan metode pengembangan aplikasi cepat. Proses analisis menggunakan indikator BB/U, TB/U, dan BB/TB serta gejala atau faktor risiko yang dipilih pengguna. Hasil Bayes berdasarkan Z-score diberikan bobot sebesar 30%, sedangkan hasil Bayes berdasarkan gejala diberikan bobot sebesar 70%. Pengujian dilakukan melalui pengujian fungsional, pengujian akurasi terhadap 33 data balita, dan pengujian penerimaan pengguna. Hasil pengujian menunjukkan bahwa seluruh fungsi sistem berjalan sesuai kebutuhan. Sebanyak 32 dari 33 hasil klasifikasi sesuai dengan penilaian pakar sehingga diperoleh akurasi sebesar 96,97%. Pengujian penerimaan pengguna memperoleh nilai sebesar 91,66% dari pengelola sistem dan 92,72% dari 29 orang tua balita, yang termasuk dalam kategori sangat baik. Sistem mampu menghasilkan klasifikasi risiko stunting rendah, sedang, atau tinggi beserta nilai probabilitas dan rekomendasi pencegahan, sehingga dapat digunakan sebagai alat bantu skrining awal tanpa menggantikan pemeriksaan tenaga kesehatan.
#Sistem Pakar
#Stunting
#Teorema Bayes
#Z-Score
|
Skripsi (S1)
Teknik Informatika (S1)
Restricted Fulltext PDF
|
|
SISTEM PAKAR DIAGNOSA AUTISME PADA PERKEMBANGAN ANAK DENGAN METODE DEMPSTER-SHAFER DAN ROUGH SET
Penulis: Imam Fajar Hudaya, RIKA APRIANI, S.Kom., M.Kom. |
2026
Proses identifikasi awal gangguan perkembangan anak di Family Wellness masih bergantung pada penilaian terapis. Kondisi tersebut dapat menimbulkan perbedaan interpretasi terhadap gejala yang dialami anak, terutama karena beberapa gejala memiliki kemiripan dengan gangguan perkembangan lain. Selain itu, orang tua klien sering mengalami kebingungan dalam memahami gejala atau kondisi yang sebenarnya dialami oleh anak. Oleh karena itu, penelitian ini bertujuan untuk merancang dan membangun sistem pakar berbasis web yang dapat membantu proses identifikasi awal gangguan perkembangan anak secara lebih jelas dan terstruktur. Metode yang digunakan dalam penelitian ini adalah Rough Set Theory dan Dempster-Shafer Theory. Rough Set Theory digunakan untuk menentukan kecocokan gejala terhadap kategori diagnosis, sedangkan Dempster-Shafer Theory digunakan untuk menghitung nilai keyakinan berdasarkan bobot gejala. Sistem dikembangkan menggunakan bahasa pemrograman PHP dan database MySQL. Data gejala dan bobot diperoleh melalui observasi, wawancara dengan terapis, serta studi pustaka. Hasil dari penelitian ini adalah sistem pakar yang mampu menampilkan hasil diagnosis awal, nilai keyakinan, gejala yang dipilih, terapi, catatan terapis, dan rekam medis pasien. Berdasarkan hasil pengujian, sistem dapat berjalan sesuai fungsi dan memperoleh hasil uji coba pengguna sebesar 88% dengan kategori sangat baik. Dengan adanya sistem ini, proses identifikasi awal dan penyajian hasil diagnosis dapat dilakukan secara lebih rapi, terukur, dan mudah dipahami oleh terapis maupun orang tua klien.
#Diagnosa Autisme
#Dempster-Shafer
#Perkembangan Anak
#Rough Set
|
Skripsi (S1)
Teknik Informatika (S1)
Restricted Fulltext PDF
|
|
IMPLEMENTASI SISTEM IRIGASI HIDROPONIK BERBASIS INTERNET OF THINGS DI KAMPUNG RAMAH LINGKUNGAN
Penulis: Reyhan Tri Kurniawan, MARDI YUDHI PUTRA, S.T., M.Kom. |
2026
Irigasi merupakan salah satu faktor penting dalam budidaya tanaman hidroponik karena berpengaruh terhadap pertumbuhan dan kualitas tanaman. Di Kampung Ramah Lingkungan, proses irigasi masih dilakukan secara manual sehingga sering mengalami keterlambatan dan belum memiliki jadwal yang teratur. Penelitian ini bertujuan untuk merancang dan mengimplementasikan sistem irigasi berbasis Internet of Things (IoT) pada tanaman hidroponik menggunakan metode Rapid Application Development (RAD). Sistem dikembangkan menggunakan mikrokontroler ESP32 sebagai pusat kendali, sensor Total Dissolved Solid (TDS) untuk memantau kadar air, sensor ultrasonik HC-SR04 untuk mengukur ketinggian air, modul relay sebagai pengendali pompa air R385, serta dashboard berbasis web untuk monitoring, pengaturan jadwal irigasi, dan pengendalian pompa secara manual. Hasil pengujian Black Box menunjukkan bahwa seluruh fungsi perangkat lunak dan perangkat keras berjalan sesuai dengan kebutuhan fungsional yang telah dirancang, meliputi proses login, monitoring sensor, pengendalian pompa, pengaturan jadwal, dan komunikasi data antara ESP32 dengan server. Pengujian Stress Test menunjukkan bahwa ESP32, sensor, dashboard, dan komunikasi data tetap beroperasi dengan baik selama pengujian ketahanan sistem. Namun, pada pengujian API menggunakan Apache JMeter diperoleh error rate sebesar 50,00% pada endpoint Update Sensor, 61,00% pada endpoint Get Data, dan 59,00% pada endpoint Get Schedule, sehingga sistem masih memerlukan optimasi untuk menangani beban akses yang tinggi. Dengan demikian, sistem yang dikembangkan mampu membantu proses irigasi tanaman hidroponik secara terjadwal, mempermudah monitoring kondisi sistem, serta mendukung pengelolaan tanaman hidroponik di Kampung Ramah Lingkungan.
#ESP32
#Hidroponik
#Internet of Things
#Irigasi
|
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
|