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 23 karya ilmiah repository terverifikasi (Skripsi & Artikel Jurnal OJS)
| Detail Karya Ilmiah & Metadata | Tipe & Program Studi | Aksi Metadata |
|---|---|---|
PENERAPAN CHATBOT BERBASIS NATURAL LANGUAGE PROCESSING (NLP) UNTUK LAYANAN INFORMASI SPMB DI SMPS PLUS FAJAR SENTOSA
Penulis: Ahmad Gusnaedi, NADYA SAFITRI, S.T., M.Kom. |
2026
Sistem Penerimaan Murid Baru (SPMB) di SMPS Plus Fajar Sentosa masih menghadapi keterlambatan respons karena layanan informasi bergantung pada panitia yang juga bertugas sebagai guru, serta belum adanya standar jawaban yang menyebabkan informasi kurang konsisten. Penelitian ini bertujuan merancang dan mengembangkan chatbot berbasis Natural Language Processing (NLP) dengan metode Naive Bayes untuk memberikan informasi SPMB secara cepat, tepat, dan seragam melalui website dan WhatsApp. Metode pengembangan sistem yang digunakan adalah Rapid Application Development (RAD) yang meliputi requirements planning, user design, construction, dan cutover, sedangkan pengumpulan data dilakukan melalui observasi, wawancara, dan studi pustaka. Pertanyaan pengguna diproses melalui tahapan preprocessing teks dan diklasifikasikan menggunakan Naive Bayes untuk menentukan jawaban sesuai kategori informasi. Hasil pengujian fungsional menunjukkan bahwa fitur-fitur sistem berjalan sesuai dengan skenario yang dirancang. Pengujian User Acceptance Testing (UAT) terhadap 28 responden yang terdiri atas 26 pengguna dan 2 admin memperoleh nilai keseluruhan sebesar 87,24% dari pengguna dan 95,00% dari admin, yang keduanya berada pada kategori sangat setuju. Hasil tersebut menunjukkan bahwa chatbot mampu membantu mempercepat layanan informasi, meningkatkan konsistensi jawaban, serta memudahkan admin dalam mengelola informasi SPMB. Dengan demikian, sistem yang dikembangkan layak digunakan sebagai media layanan informasi SPMB di SMPS Plus Fajar Sentosa.
#Chatbot
#Natural Language Processing
#Naive Bayes
#SPMB
|
Skripsi (S1)
Teknik Informatika (S1)
Restricted Fulltext PDF
|
|
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
|
|
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
|
|
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
|
|
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 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
|
|
KLASIFIKASI EMOSI MANUSIA BERDASARKAN EKSPRESI WAJAH PADA VIDEO MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK (CNN) DAN TRANSFER LEARNING
Penulis: Jengkar Ayogya Widji Lestari, JAFAR SHADIQ, S.Kom., M.Kom. |
2026
Pengenalan emosi berdasarkan ekspresi wajah merupakan salah satu penerapan Artificial Intelligence (AI) dan Computer Vision. Penelitian ini bertujuan mengembangkan prototype sistem pengenalan emosi secara real-time menggunakan metode Convolutional Neural Network (CNN) dengan pendekatan Transfer Learning. Sistem dirancang untuk mendeteksi wajah dan mengklasifikasikan tiga kategori emosi, yaitu serius, ngobrol, dan ngantuk, melalui video dari webcam. Proses penelitian meliputi deteksi wajah menggunakan YOLO, prapemrosesan citra, ekstraksi fitur dengan CNN, dan klasifikasi emosi. Hasil deteksi ditampilkan pada antarmuka dalam bentuk bounding box, label emosi, dan nilai confidence. Pengujian menunjukkan bahwa prototype mampu melakukan deteksi wajah dan klasifikasi emosi secara otomatis dengan performa real-time, sehingga berpotensi mendukung penerapan sistem pengenalan emosi pada bidang pendidikan, kesehatan, dan interaksi manusia dengan komputer.
#Artificial Intelligence (AI)
#Computer Vision
#Convolutional Neural Network (CNN)
#Ekspresi Wajah
|
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
|
|
PENGEMBANGAN SISTEM CHATBOT LAYANAN DI LAUNDRY ONDEL-ONDEL MENGGUNAKAN WHATSAPP DENGAN PENDEKATAN HYBRID ARTIFICIAL INTELLIGENCE
Penulis: Bimo Aria Putra Pratama, Dr. Ir. SALUDIN MUIS, M.Kom. |
2026
Pelayanan pelanggan pada Laundry Ondel-Ondel masih dilakukan secara manual melalui WhatsApp sehingga admin harus menjawab pertanyaan yang berulang mengenai harga layanan, jam operasional, status cucian, layanan antar-jemput, dan estimasi pengerjaan. Kondisi tersebut menyebabkan waktu respons menjadi lebih lama dan mengurangi efisiensi operasional. Penelitian ini bertujuan mengembangkan sistem chatbot layanan pelanggan berbasis WhatsApp dengan pendekatan Hybrid Artificial Intelligence untuk meningkatkan kualitas pelayanan dan efisiensi kerja. Metode pengembangan sistem yang digunakan adalah Evolutionary Prototype, sedangkan metode kecerdasan buatan yang diterapkan menggabungkan Rule-Based, Natural Language Processing (NLP), dan Generative AI (DeepSeek). Sistem dikembangkan menggunakan Node.js, WPPConnect, Supabase, serta dashboard berbasis web untuk mengelola data pelanggan dan pesanan laundry. Hasil penelitian menunjukkan bahwa sistem mampu memberikan informasi layanan secara otomatis, meliputi harga, jenis layanan, status pesanan, estimasi pengerjaan, dan layanan antar-jemput melalui WhatsApp. Berdasarkan pengujian Black Box Testing, seluruh fungsi utama sistem berjalan sesuai dengan kebutuhan. Uji coba terhadap 11 responden menunjukkan bahwa 8 responden menyatakan sangat setuju, 2 responden setuju, dan 1 responden cukup setuju bahwa sistem layak digunakan. Dengan demikian, sistem chatbot yang dikembangkan mampu meningkatkan kecepatan penyampaian informasi, mempermudah pelanggan memperoleh layanan, serta meningkatkan efisiensi operasional pada Laundry Ondel-Ondel.
#Chatbot
#Generative AI
#Hybrid Artificial Intelligence
#Laundry
|
Skripsi (S1)
Teknik Informatika (S1)
Restricted Fulltext PDF
|
|
IMPLEMENTASI METODE RAG DALAM PENGEMBANGAN CHATBOT PADA LAYANAN INFORMASI PENGADUAN DENGAN INTERGRASI GPT 4.o PADA INSTANSI BEA CUKAI PUSAT
Penulis: Dedy Wijaya, NADYA SAFITRI, S.T., M.Kom. |
2026
Layanan pengaduan masyarakat pada Direktorat Jenderal Bea dan Cukai masih menghadapi beberapa kendala, seperti tingginya jumlah laporan, keterlambatan respons petugas, serta belum tersedianya layanan informasi yang dapat menjawab pertanyaan pengguna secara otomatis. Kondisi tersebut menyebabkan proses pelayanan menjadi kurang efektif dan memengaruhi kepuasan pengguna. Penelitian ini bertujuan mengembangkan sistem layanan pengaduan berbasis chatbot dengan mengimplementasikan metode Retrieval-Augmented Generation (RAG) dan mengintegrasikan API GPT-4o untuk meningkatkan kualitas layanan informasi pada Direktorat Jenderal Bea dan Cukai. Penelitian menggunakan metode pengembangan sistem Rapid Application Development (RAD) dengan teknik pengumpulan data berupa observasi, wawancara, dan studi pustaka. Metode RAG diterapkan untuk mengambil informasi dari dokumen dan basis pengetahuan internal sebelum diproses oleh GPT-4o, sehingga chatbot mampu menghasilkan jawaban yang lebih akurat, relevan, dan sesuai dengan informasi resmi instansi. Hasil penelitian menunjukkan bahwa chatbot yang dikembangkan mampu memberikan informasi layanan pengaduan secara otomatis, membantu pengguna memahami prosedur pelaporan, serta mengurangi beban petugas dalam menjawab pertanyaan yang berulang. Berdasarkan hasil pengujian menggunakan skala Likert terhadap 35 responden, sistem memperoleh tingkat kelayakan sebesar 86,86% dengan kategori sangat layak. Dengan demikian, implementasi metode RAG dan integrasi GPT-4o dapat mendukung peningkatan efektivitas layanan informasi pengaduan pada Direktorat Jenderal Bea dan Cukai.
#Bea dan Cukai
#GPT-4o
#Chatbot
#layanan pengaduan
|
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
|
|
PERANCANGAN SISTEM ABSENSI DENGAN RFID DAN ESP32 CAM BERBASIS IOT TERINTEGRASI DENGAN WEBSITE DI YAYASAN GRIYA RIDHA BAPING
Penulis: Aulia fathurrahman, MARDI YUDHI PUTRA, S.T., M.Kom. |
2026
Aulia Fathurrahman (2021310127) Perancangan Sistem Absensi Dengan RFID Dan ESP32 CAM Berbasis IoT Terintegrasi Dengan Website Di Yayasan Griya Ridha Baping Kehadiran guru di lingkungan pendidikan memiliki dampak yang signifikan terhadap perkembangan siswa; oleh karena itu, sistem kehadiran yang andal dan akurat dapat membantu sekolah mengevaluasi kedisiplinan guru. Sistem kehadiran di Yayasan Pendidikan Graha Ridha Baping masih mengandalkan metode konvensional, seperti menulis inisial atau tanda tangan pada lembar kehadiran, yang berpotensi menimbulkan kecurangan dan risiko hilangnya buku kehadiran. Oleh karena itu, pencatatan otomatis menggunakan perangkat Internet of Things (IoT) diperlukan untuk menyederhanakan proses dan meningkatkan keamanan selama pelacakan kehadiran. Penelitian ini bertujuan untuk merancang dan mengembangkan sistem kehadiran yang memanfaatkan teknologi IoT dengan RFID dan ESP32 CAM, terintegrasi dengan basis data dan situs web yang dapat diakses oleh staf yang bertanggung jawab untuk melacak kehadiran guru dan karyawan. Teknik pengumpulan data yang digunakan dalam penelitian ini meliputi observasi, wawancara, dan tinjauan pustaka. Metode prototipe dipilih untuk penelitian ini, karena dianggap sesuai untuk sistem kehadiran berbasis IoT. Hasil yang diperoleh dari penelitian ini menunjukkan bahwa penggunaan perangkat IoT dengan RFID dan ESP32 CAM yang terintegrasi dengan situs web dapat meningkatkan efisiensi dan akurasi sistem kehadiran serta pengelolaan data kehadiran secara real-time.
#ESP32 CAM
#Internet of Things (IoT)
#RFID
#Sistem Kehadiran
|
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
|
|
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 PROTOKOL KOMUNIKASI PROPERTI COSPLAY SECARA REAL TIME MENGGUNAKAN ESP-NOW
Penulis: Neirfin Arie Prasasti, SUMARDIONO, S.Kom., M.Kom. |
2026
Perkembangan teknologi Internet of Things (IoT) pada wearable device menuntut performa komunikasi data yang cepat dan stabil. Pada ekosistem properti cosplay di Awan Merah Studio, penggunaan protokol Wi-Fi standar sering mengalami kegagalan akibat wireless congestion dan interferensi sinyal 2.4 GHz di area konvensi yang padat. Hal inimengakibatkan high latency dan packet loss padagerakan animatronik dan efek visual kostum. Penelitian ini bertujuan untuk mengimplementasikan protokol ESP NOW sebagai solusi komunikasi Connectionless Peer-to-Peer guna meningkatkan responsivitas dan reliabilitas sistem tanpa ketergantungan pada infrastruktur router eksternal. Metode penelitian yang digunakan adalah eksperimen dengan model Prototyping yang mencakup tahap analisis kebutuhan, perancangan arsitektur jaringan, hingga pengujian iteratif. Hasil penelitian menunjukkan bahwa penggunaan ESP NOW mampu mereduksi latency hingga di bawah 10ms dan menjaga stabilitas koneksi pada kondisi trafik data tinggi. Implementasi ini memberikan solusi teknis bagi industri kreatif, khususnya Awan Merah Studio, dalam menciptakan properti panggung yang interaktif, profesional, dan tahan terhadap gangguan sinyal di lapangan.
#Cosplay
#ESP-NOW
#ESP32
#IoT (Internet of Things)
|
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 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 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
|
|
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
|