Katalog Abjad [T] (Program Studi)
Penelusuran metadata karya ilmiah dan dokumen institusi Universitas Bina Insani.
Filter Otomatis
ResetKatalog Abjad [T] (Program Studi)
Menampilkan 61 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
|
|
SISTEM MONITORING SUHU KULKAS DISPLAY BERBASIS INTERNET OF THINGS DENGAN METODE PROTOTYPE PADA METROPOLITAN MALL
Penulis: Yuli dhea mujianti, RIKA APRIANI, S.Kom., M.Kom. |
2026
Kulkas display di toko ritel sering mengalami masalah fluktuasi suhu yang tidak terpantau karena pengawasan masih dilakukan secara manual oleh petugas. Keterlambatan dalam mendeteksi perubahan suhu atau pintu yang tidak tertutup rapat dapat menyebabkan kerusakan pada produk makanan dan minuman. Kondisi tersebut menunjukkan pentingnya sistem monitoring yang mampu melakukan pengawasan secara real-time dan memberikan peringatan dini agar tindakan penanganan dapat segera dilakukan. Penelitian ini bertujuan merancang sistem monitoring suhu otomatis yang bekerja 24 jam menggunakan mikrokontroler ESP32 dan sensor suhu DS18B20. Alat ini juga dilengkapi sensor Magnetic Switch untuk mendeteksi status pintu kulkas. Sistem dirancang untuk membaca suhu setiap 5 menit. Jika suhu melebihi batas aman (di atas 8°C) atau pintu terbuka terlalu lama, alat akan mengaktifkan alarm buzzer dan mengirim notifikasi peringatan ke smartphone pengelola melalui aplikasi Telegram dan Blynk. Metode pengembangan menggunakan prototype, mulai dari perakitan alat hingga pengujian langsung pada unit kulkas. Pengujian dilakukan menggunakan metode black box testing untuk memastikan setiap fungsi sistem berjalan sesuai dengan rancangan. Hasil pengujian menunjukkan alat mampu memantau suhu secara real-time dan memberikan peringatan dini kepada pengelola, sehingga risiko kerusakan produk dapat diminimalkan tanpa perlu pengecekan fisik secara terus-menerus. Sistem yang dikembangkan diharapkan dapat membantu meningkatkan efektivitas proses monitoring suhu kulkas display di lingkungan ritel memberikan peringatan dini kepada peneglola, sehingga Risiko kerusakan produk dapat diminimalisirkan tanpa perlu pengecekkan fisik terus menerus.
#Internet Of Things
#prototype
#Monitoring Suhu
#Kulkas Display
|
Skripsi (S1)
Teknik Informatika (S1)
Restricted Fulltext PDF
|
|
SISTEM MONITORING DETEKSI RESIKО STUNTING BAGI BALITA DENGAN IOT PADA POSYANDU BOUGENVELLE
Penulis: David Pakpahan, NADYA SAFITRI, S.T., M.Kom. |
2026
David Pakpahan (2021310054) ABSTRAK Monitoring Deteksi Resiko Stunting Bagi Balita dengan Iot pada Posyandu Bougenvelle. Stunting merupakan kondisi gagal tumbuh dalam balita akibat kekurangan gizi kronis, yang dapat memengaruhi perkembangan fisik dan kognitif anak. Di Posyandu Bougenvelle, pelaksanaan program "Zero New Stunting" menghadapi berbagai kendala, seperti keterlambatan pencatatan data dan kurangnya standar pemberian asupan gizi. Penelitian ini merancang sistem berbasis Internet of Things (loT) untuk memonitoring dan pemberian rekomendasi asupan gizi balita yang berisiko stunting. Sistem terdiri dari perangkat keras berupa sensor tinggi badan (VL53L1X) dan berat badan (Load Cell serta modul HX711) yang terintegrasi dengan mikrokontroler ESP8266, serta sistem berbasis web yang menyimpan dan menimpilkan riwayat data pertumbuhan. Sistem ini juga menghitung Z index Score untuk klasifikasi status gizi dan mengirim rekomendasi asupan protein melalui WhatsApp. Metode pengembangan yang digunakan adalah prototype, yang memungkinkan penyesuaian sistem secara iteratif berdasarkan kebutuhan pengguna. Hasil implementasi menunjukan bahwa sistem dapat membantu meningkatkan akurasi data dan mempermudah proses evaluasi serta pemantauan pertumuhan balita oleh tenaga Kesehatan dan Orang tua.
#Stunting
#IoT
#Z index Score
#Posyandu
|
Skripsi (S1)
Teknik Informatika (S1)
Restricted Fulltext PDF
|
|
Prediksi Kebutuhan Spare part Pada Lini ULI PT Cedefindo Menggunakan Algoritma Random Forest
Penulis: Salsabil Amatin Fauzia, ARI NURUL ALFIAN, S.Pd., M.Kom. |
2026
PT Cedefindo khususnya pada lini ULI masih melakukan pengadaan spare part berdasarkan kondisi stok dan pengalaman pegawai sehingga belum memanfaatkan data historis penggunaan spare part secara optimal, yang berpotensi menyebabkan terjadinya stockout. Penelitian ini bertujuan untuk menghasilkan estimasi kebutuhan spare part dan menerapkan algoritma Random Forest untuk memprediksi kebutuhan spare part periode berikutnya berdasarkan data historis penggunaan spare part, preventive maintenance report, dan Trend. Penelitian menggunakan metodologi CRISP-DM yang meliputi tahapan business understanding, data understanding, data preparation, modeling, evaluation, dan deployment dengan memanfaatkan data historis penggunaan spare part lini ULI periode Januari 2025 hingga April 2026. Hasil evaluasi model menunjukkan nilai MAE sebesar 2,69, RMSE sebesar 4,97, dan R² sebesar 0,34, sehingga model memiliki tingkat kesalahan prediksi yang relatif rendah meskipun belum mampu menjelaskan seluruh variasi data kebutuhan spare part. Penelitian ini menghasilkan sistem prediksi berbasis web yang dapat membantu admin teknik dalam mendukung pengambilan keputusan pengadaan spare part secara lebih terukur dan berbasis data historis untuk mengurangi risiko stockout.
#CRISP-DM
#Machine Learning
#Prediksi
#Random Forest
|
Skripsi (S1)
Teknik Informatika (S1)
Restricted Fulltext PDF
|
|
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
|
|
SISTEM PREDIKSI JUMLAH KUNJUNGAN WISATAWAN BUNIHAYU MENGGUNAKAN METODE SEASONAL AUTOREGRESSIVE INTEGRATED MOVING AVERAGE
Penulis: David Octavyanto, SUMARDIONO, S.Kom., M.Kom. |
2026
Jumlah pengunjung wisata di Hutan Wisata Bunihayu berubah setiap periode, sehingga membuat pihak pengelola kesulitan memperkirakan jumlah pengunjung pada periode berikutnya. Selain itu, data kunjungan masih dikelola dengan menggunakan spreadsheet, sehingga belum dimanfaatkan secara maksimal sebagai dasar untuk melakukan prediksi. Penelitian ini bertujuan untuk merancang dan membuat sistem prediksi jumlah pengunjung wisata berbasis web dengan menggunakan metode Seasonal Autoregressive Integrated Moving Average (SARIMA) agar dapat membantu dalam perencanaan kegiatan operasional serta pengambilan keputusan. Metode penelitian yang digunakan adalah metode prototyping, yang mencakup analisis kebutuhan, desain prototype, proses pengodean, uji coba, dan evaluasi sistem. Data yang digunakan adalah catatan jumlah pengunjung wisatawan ke Hutan Wisata Bunihayu selama periode Januari 2024 sampai Desember 2025. Sistem ini dibuat menggunakan framework Laravel dan model SARIMA, sedangkan proses pengujian dilakukan dengan metode Black Box Testing dan User Acceptance Testing (UAT). Penelitian ini menunjukkan bahwa sistem prediksi berbasis web telah berhasil dibuat dan mampu memberikan perkiraan jumlah kunjungan wisatawan berdasarkan data sebelumnya. Model SARIMA mendapatkan tingkat kesalahan rata-rata absolut persentase (MAPE) sebesar 38,77%, yang menunjukkan akurasi prediksi cukup baik. Sistem ini juga bisa menampilkan hasil prediksi berupa tabel, grafik, dan informasi evaluasi model untuk membantu perencanaan operasional dan pengambilan keputusan oleh pihak manajemen Hutan Wisata Bunihayu.
#Laravel
#Prediksi Kunjungan Wisatawan
#Prototype
#SARIMA
|
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
|
|
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
|
|
SISTEM PAKAR PENENTUAN JURUSAN MENGGUNAKAN FORWARD CHAINING DAN CERTAINTY FACTOR DI SMK BINA INDUSTRI
Penulis: ELSA KUSUMA, Dr. Ir. SALUDIN MUIS, M.Kom. |
2026
Elsa Kusuma (2022310025) Sistem Pakar Penentuan Jurusan Menggunakan Forward Chaining dan Certainty Factor di SMK Bina Industri Proses penentuan jurusan siswa baru di SMK Bina Industri Cikarang masih dilaksanakan secara manual melalui wawancara singkat dan pengisian angket minat yang dinilai secara subjektif oleh guru bimbingan dan konseling. Kondisi ini menyebabkan proses penentuan jurusan berlangsung lama, tidak konsisten antarsiswa, dan berpotensi menghasilkan rekomendasi yang kurang tepat karena tidak mempertimbangkan profil kemampuan akademik, minat, serta bakat siswa secara komprehensif dan terpadu. Penelitian ini bertujuan untuk merancang dan mengembangkan sistem pakar berbasis web yang mampu memberikan rekomendasi jurusan secara otomatis, objektif, dan terukur terhadap empat program keahlian yang tersedia di SMK Bina Industri Cikarang, yaitu Teknik dan Bisnis Sepeda Motor, Teknik Elektronika Industri, Manajemen Perkantoran dan Layanan Bisnis serta Manajemen Logistik. Metode inferensi yang digunakan adalah Forward Chaining, yang bekerja dengan menelusuri fakta masukan data siswa secara maju untuk menghasilkan rekomendasi jurusan. Penanganan ketidakpastian penilaian dilakukan menggunakan metode Certainty Factor berdasarkan standar nilai CF dengan rentang 0,0 hingga 1,0, sehingga setiap rekomendasi yang dihasilkan disertai derajat keyakinan yang dapat diukur secara kuantitatif. Basis pengetahuan sistem disusun berdasarkan hasil wawancara dengan guru bimbingan dan konseling selaku pakar domain di SMK Bina Industri Cikarang. Sistem dikembangkan menggunakan model Rapid Application Development (RAD) dengan teknologi Next.js dan PostgreSQL, serta diuji menggunakan metode black box testing. Hasil penelitian menunjukkan bahwa sistem pakar yang dikembangkan mampu memberikan rekomendasi jurusan secara otomatis, konsisten, dan disertai nilai keyakinan terukur, sehingga dapat membantu guru bimbingan dan konseling dalam mengambil keputusan penentuan jurusan yang lebih objektif dan terstandarisasi.
#Certainty Factor
#Forward Chaining
#Penentuan Jurusan
#SMK Bina Industri
|
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
|
|
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
|
|
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
|
|
IMPLEMENTASI SISTEM PENGECEKAN EXPIRED DATE PRODUK MENGGUNAKAN MACHINE LEARNING BERBASIS MOBILE
Penulis: Muhamad Jaryas Kurillah, MARDI YUDHI PUTRA, S.T., M.Kom. |
2026
Proses pengecekan tanggal kedaluwarsa produk pada toko ritel seperti Indomaret Victoria Village Bekasi selama ini masih dilakukan secara manual dengan memeriksa produk satu per satu dan mencatatnya di buku, sehingga proses tersebut membutuhkan waktu yang cukup lama, rentan terhadap kesalahan pencatatan, serta menyulitkan pengguna dalam memantau produk yang mendekati atau telah melewati masa kedaluwarsa. Berdasarkan permasalahan tersebut, penelitian ini bertujuan untuk merancang dan mengimplementasikan aplikasi mobile berbasis Flutter yang menerapkan algoritma K-Nearest Neighbor (KNN) untuk mengklasifikasikan kondisi produk ke dalam tiga kategori yaitu aman, mendekati kedaluwarsa, dan kedaluwarsa, berdasarkan selisih hari antara tanggal saat ini dengan tanggal kedaluwarsa produk, dengan menggunakan metode pengembangan sistem Agile yang bersifat iteratif dan inkremental. Hasil pengujian menunjukkan bahwa algoritma KNN dengan nilai K=3 berhasil mencapai akurasi sebesar 97,50% dari 40 data uji, dan berdasarkan hasil kuesioner yang disebarkan kepada 5 responden diperoleh rata-rata skor kepuasan pengguna sebesar 4,63 dari skala 5,00, sehingga sistem yang dikembangkan terbukti mampu membantu proses pengecekan expired date secara lebih cepat, terstruktur, dan efisien dibandingkan metode manual yang selama ini digunakan.
#Agile
#Aplikasi Mobile
#Expired Date
#K-Nearest Neighbor
|
Skripsi (S1)
Teknik Informatika (S1)
Restricted Fulltext PDF
|
|
SISTEM MONITORING TINGKAT KEBISINGAN DI KELAS MENGGUNAKAN SENSOR SUARA MAX-4466 BERBASIS NODEMCU ESP8266 DENGAN METODE PROTOTYPE
Penulis: Yayuk Sri Rahayu, RULLY PRAMUDITA, S.T., M.Kom. |
2026
Kebisingan di dalam kelas dapat memengaruhi konsentrasi dan kenyamanan dalam proses pembelajaran. Kurangnya sistem pemantauan tingkat kebisingan secara real-time menyebabkan guru kesulitan dalam mengontrol kondisi kelas secara objektif. Penelitian ini bertujuan untuk merancang dan membangun sistem monitoring tingkat kebisingan di kelas menggunakan sensor suara MAX-4466 berbasis Nodemcu ESP8266 dengan metode Prototype. Metode Prototype digunakan melalui tahapan analisis kebutuhan, perancangan sistem, pembuatan prototype, pengujian, dan evaluasi. Sensor suara MAX-4466 digunakan untuk mendeteksi intensitas suara di dalam kelas, kemudian data diproses oleh mikrokontroler Nodemcu ESP8266 dan ditampilkan melalui indikator sebagai informasi tingkat kebisingan. Sistem dirancang untuk memberikan peringatan ketika tingkat kebisingan melebihi ambang batas yang telah ditentukan. Hasil pengujian menunjukkan bahwa sistem mampu mendeteksi perubahan intensitas suara dan memberikan respons sesuai dengan ambang batas kebisingan yang ditetapkan. Dengan adanya sistem ini, monitoring kebisingan di kelas dapat dilakukan secara lebih objektif dan membantu menciptakan lingkungan belajar yang lebih kondusif serta nyaman.
#metode prototype
#monitoring kebisingan
#nodemcu ESP8266
#sensor suara MAX-4466
|
Skripsi (S1)
Teknik Informatika (S1)
Restricted Fulltext PDF
|
|
IMPLEMENTASI 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
|
|
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
|
|
IMPLEMENTASI INTERNET OF THINGS PADA LAYANAN CUSTOMER SERVICE DIGITAL MENGGUNAKAN BARCODE DALAM MEMVALIDASI DATA NASABAH PADA PT BANK CENTRAL ASIA TBK
Penulis: Ilham Mulia Aqsa, MARDI YUDHI PUTRA, S.T., M.Kom. |
2026
Proses validasi pengguna dalam penggantian kartu ATM di Customer Service Digital (CS Digital) membutuhkan beberapa langkah verifikasi yang menyebabkan waktu pelayanan menjadi lebih lama dan dapat menimbulkan human error. Situasi ini menunjukkan pentingnya mengembangkan sistem yang memfasilitasi perbaikan kecepatan, akurasi, dan efisiensi proses validasi identitas nasabah. Penelitian ini bertujuan untuk merancang sistem validasi identitas nasabah berbasis Internet of Things (IoT) yang terintegrasi dengan barcode dan mengimplementasikan prototype sistem yang telah dirancang pada layanan Customer Service Digital. Metode sistem pengembangan yang dipakai adalah Rapid Application Development (RAD), termasuk Requirements Planning, User Design, Construction, dan Cutover. Prototype sistem dibuat menggunakan barcode scanner, ESP32, server berbasis Flask, database, dan servo motor, sebagai komponen pendukung. Server tersebut diuji menggunakan metode uji coba black box untuk memastikan semua sistem berjalan sesuai dengan kebutuhan. Hasil penelitian ini menunjukkan bahwa prototype ini berhasil dalam memindai barcode, validasi data, dan pencarian data nasabah, serta komunikasi antarperangkat sesuai dengan desain sistem. Selain itu, hasil test menunjukkan bahwa semua sistem berfungsi dengan baik dan proses validasi identitas menjadi lebih cepat daripada verifikasi manual. Dengan demikian, pengembangan prototype sistem memiliki potensi untuk memberikan solusi alternatif untuk meningkatkan kualitas Digital Customer Service (CS Digital) dari penggunaan Internet of Things (IoT) dan teknologi barcode.
#Barcode
#Customer Service Digital
#ESP32
#Internet of Things
|
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
|
|
Rancang Bangun Sistem Monitoring Keamanan Ruang Aset Berbasis Computer Vision Menggunakan YOLOv8
Penulis: Muhammad Nur Ilyas, JAFAR SHADIQ, S.Kom., M.Kom. |
2026
Keamanan ruang aset merupakan aspek penting dalam menjaga dan melindungi aset perusahaan dari risiko kehilangan atau penyalahgunaan. Namun, ruang aset IT di PT MNC Tourism Indonesia saat ini belum dilengkapi dengan sistem pengamanan yang memadai sehingga masih bergantung pada kunci pintu konvensional. Kondisi tersebut menimbulkan potensi terjadinya akses oleh pihak yang tidak berwenang tanpa dapat terdeteksi secara langsung. Oleh karena itu, penelitian ini bertujuan untuk merancang dan membangun sistem monitoring keamanan ruang aset berbasis Computer Vision menggunakan algoritma YOLOv8. Sistem yang dikembangkan memanfaatkan IP Camera TP-Link Tapo C202 berbasis protokol RTSP untuk mendeteksi keberadaan manusia secara Real-time, melakukan identifikasi pengakses berdasarkan wajah, melakukan pelacakan objek menggunakan algoritma BoT-SORT, mencatat riwayat keberadaan pengakses ke dalam basis data SQLite, serta mengirimkan notifikasi peringatan dini secara otomatis melalui Telegram Bot. Metode pengembangan sistem yang digunakan adalah Artificial Intelligence Lifecycle. Pengujian dilakukan menggunakan metode Black Box Testing untuk menguji fungsionalitas sistem, evaluasi performa model menggunakan metrik Precision, Recall, mAP, dan F1-Score, serta pengujian lapangan (Field Deployment Testing) pada kondisi operasional sesungguhnya. Hasil evaluasi model menunjukkan nilai Precision sebesar 97,38%, Recall sebesar 99,51%, mAP@50 sebesar 99,36%, dan F1-Score sebesar 98,44%. Seluruh fungsi utama sistem berhasil berjalan sesuai dengan kebutuhan fungsional yang telah ditetapkan. Berdasarkan hasil tersebut, sistem yang dirancang mampu meningkatkan efektivitas pengamanan ruang aset IT di PT MNC Tourism Indonesia melalui proses monitoring yang otomatis dan Real-time.
#BoT-SORT
#Computer Vision
#Keamanan Ruang Aset
#Telegram Bot
|
Skripsi (S1)
Teknik Informatika (S1)
Restricted Fulltext PDF
|
|
SISTEM PAKAR DIAGNOSA KERUSAKAN PADA PERANGKAT SMARTPHONE BERBASIS ANDROID MENGGUNAKAN METODE FORWARD CHAINING
Penulis: Dhivan Asda Kurnianto, DWI ISMIYANA PUTRI, M.M.S.I. |
2026
Meningkatnya penggunaan *smartphone* berbasis Android berdampak pada meningkatnya kebutuhan layanan perbaikan perangkat. Pada Konter Alfa Cell Randan Batu, proses diagnosis masih dilakukan secara manual berdasarkan pengalaman teknisi dan informasi gejala dari pengguna, sehingga membutuhkan waktu relatif lama dan berpotensi menimbulkan ketidakkonsistenan diagnosis. Penelitian ini bertujuan membangun sistem pakar untuk membantu diagnosis awal kerusakan *smartphone* Android secara lebih cepat, efisien, akurat, dan konsisten. Pengembangan sistem menggunakan metode *Prototype*, dengan pengumpulan data melalui observasi, wawancara, dan studi pustaka. Sistem dikembangkan berbasis web menggunakan PHP, MySQL, XAMPP, dan Bootstrap serta menerapkan metode *Forward chaining* sebagai mesin inferensi. Basis pengetahuan terdiri atas 37 gejala, 13 kategori kerusakan, 13 rekomendasi solusi, dan 13 aturan diagnosis menggunakan struktur IF–THEN dengan operator OR. Evaluasi terhadap 13 kasus menunjukkan seluruh hasil diagnosis sistem sesuai dengan validasi teknisi, sedangkan *Black-box Testing* menunjukkan seluruh fitur berjalan sesuai kebutuhan. Uji coba terhadap 30 responden memperoleh nilai rata-rata 4,41 dengan persentase 88,10% dan interpretasi sangat setuju. Dengan demikian, sistem dapat membantu diagnosis awal secara lebih terstruktur dan konsisten, mempercepat proses diagnosis, serta memberikan rekomendasi penanganan berdasarkan gejala yang dipilih. Hasil diagnosis tetap perlu dikonfirmasi oleh teknisi melalui pemeriksaan perangkat secara langsung.
#Diagnosis Kerusakan
#Forward chaining
#Prototipe
#Sistem Pakar
|
Skripsi (S1)
Teknik Informatika (S1)
Restricted Fulltext PDF
|
|
IMPLEMENTASI SISTEM DETEKSI MALWARE PADA SIEM WAZUH VIA SHUFFLE SOAR DI DISKOMINFOSTANDI KOTA BEKASI
Penulis: Sugiarto Catrio Mulyo Rachmanto, Dr. Ir. SALUDIN MUIS, M.Kom. |
2026
Keamanan infrastruktur teknologi informasi pada instansi pemerintah merupakan aspek kritis yang perlu mendapat perhatian serius, mengingat tingginya risiko ancaman siber yang dapat mengganggu keberlangsungan layanan publik. Penelitian ini bertujuan untuk merancang dan mengimplementasikan skema integrasi keamanan siber terintegrasi pada infrastruktur Dinas Komunikasi, Informatika, Statistik dan Persandian (Diskominfostandi) Kota Bekasi menggunakan SIEM Wazuh yang diintegrasikan dengan Shuffle SOAR, MISP, DFIR-IRIS, dan notifikasi Discord. Pengujian kerentanan dilakukan secara langsung pada sistem nyata menggunakan dua skenario serangan, yaitu Cross-Site Scripting (XSS) dan unggahan webshell, yang masing-masing dinilai menggunakan standar CVSS v3.1 dengan skor 6.1 (Medium) dan 9.8 (Critical). Setelah implementasi skema integrasi dilakukan, pengujian ulang menunjukkan bahwa sistem mampu mendeteksi ancaman secara otomatis, menghapus file berbahaya melalui fitur Active Response Wazuh, mencatat insiden di DFIR-IRIS, memperkaya data ancaman melalui MISP, serta mengirimkan notifikasi real-time ke Discord tanpa intervensi manual. Hasil implementasi dibuktikan dengan penurunan skor CVSS pada kerentanan XSS dari 6.1 menjadi 4.3 dan kerentanan webshell dari 9.8 menjadi 6.5, yang mencerminkan peningkatan signifikan dalam kemampuan deteksi dan respons insiden keamanan siber secara otomatis dan terintegrasi.
#Keamanan Siber
#SIEM
#Wazuh
#SOAR
|
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
|
|
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
|
|
PENGEMBANGAN CHATBOT INFORMASI PPDB KB & TK AS SALAM MENGGUNAKAN TF-IDF DAN COSINE SIMILARITY
Penulis: Ikhwan Ningrattama, ARI NURUL ALFIAN, S.Pd., M.Kom. |
2026
Perkembangan teknologi informasi mendorong lembaga pendidikan menyediakan layanan informasi yang cepat, mudah diakses, dan interaktif. Chatbot pada website KB & TK As Salam sebelumnya masih menggunakan conditional statement dan pilihan menu, sehingga calon wali murid belum dapat mengajukan pertanyaan menggunakan kalimat sendiri. Selain itu, dataset pertanyaan dan jawaban tersimpan di dalam source code serta percakapan pengguna belum dicatat. Penelitian ini bertujuan mengembangkan chatbot informasi Penerimaan Peserta Didik Baru (PPDB) menggunakan Term Frequency-Inverse Document Frequency (TF-IDF) dan Cosine Similarity, dilengkapi halaman pengelolaan dataset dan log percakapan. Metode pengembangan sistem yang digunakan adalah Rapid Application Development (RAD), sedangkan pengumpulan data dilakukan melalui observasi, wawancara, dan studi pustaka. Pertanyaan pengguna diproses melalui case folding, tokenisasi, stopword removal, dan stemming, kemudian diberikan bobot TF-IDF dan dibandingkan dengan 77 pasangan pertanyaan dan jawaban pada basis pengetahuan menggunakan Cosine Similarity. Hasil hold-out testing terhadap 16 pertanyaan uji terpisah menghasilkan accuracy 93,75%, precision 92,86%, recall 100%, dan F1-Score 96,30%. Pengujian fungsional menggunakan Black-Box Testing menunjukkan seluruh 16 skenario memperoleh hasil sesuai. Uji coba pengguna terhadap 10 responden dengan 12 pernyataan menghasilkan nilai rata-rata 4,31 dan persentase penerimaan 86,17% dalam kategori Sangat Setuju. Dengan demikian, chatbot berhasil dikembangkan untuk memberikan informasi PPDB secara lebih fleksibel serta membantu administrator mengelola basis pengetahuan dan mengevaluasi percakapan pengguna.
#Kata Kunci: Chatbot
#Cosine Similarity
#PPDB
#TF-IDF
|
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
|
|
Pengembangan Intrusion Detection System (IDS) Berbasis Deep Learning CNN-LSTM Untuk Klasifikasi Serangan DDoS
Penulis: Achmad Sholehudin, JAFAR SHADIQ, S.Kom., M.Kom. |
2026
Server Open Journal Systems (OJS) Universitas Bina Insani merupakan infrastruktur kritis yang rentan terhadap serangan Distributed Denial of Service (DDoS). Proses pemantauan yang selama ini dilakukan secara manual menggunakan Wireshark terbukti bersifat lambat dan reaktif, serta tidak mampu menganalisis lalu lintas pada protokol terenkripsi (HTTPS) karena bergantung pada inspeksi isi paket (payload). Penelitian ini bertujuan mengembangkan Intrusion Detection System (IDS) berbasis Deep Learning yang mampu mengklasifikasikan serangan DDoS secara otomatis dan real-time tanpa bergantung pada proses dekripsi muatan paket. Sistem dibangun menggunakan arsitektur Hybrid Deep Learning yang menggabungkan lapisan Convolutional Neural Network (CNN) untuk ekstraksi fitur spasial dan Long Short-Term Memory (LSTM) untuk analisis ketergantungan temporal antar-paket jaringan. Pengembangan sistem mengadopsi kerangka kerja Knowledge Discovery in Databases (KDD) dengan memanfaatkan kombinasi dataset standar global CICDDoS2019 dan data simulasi lalu lintas jaringan dari virtual testbed lokal. Evaluasi kuantitatif model menggunakan Confusion Matrix terhadap 141.054 sampel aliran data menghasilkan akurasi global sebesar 87% dengan presisi kelas Normal mencapai 0,99. Pengujian fungsional secara real-time pada seluruh skenario (TCP SYN Flood, HTTP Flood, dan HTTPS) menunjukkan tingkat keyakinan prediksi sebesar 100%. Pengujian latensi inferensi pada server OJS membuktikan sistem beroperasi dengan rata-rata waktu respons 57,91 milidetik dan nilai Persentil ke-99 sebesar 114,22 milidetik, jauh di bawah ambang batas kritis 500 milidetik. Hasil penelitian membuktikan bahwa IDS berbasis CNN-LSTM yang menganalisis Network Flow mampu mengklasifikasikan serangan DDoS pada protokol terenkripsi secara akurat melalui sidik jari temporal Inter-Arrival Time (IAT), tanpa memerlukan dekripsi paket, serta layak dioperasikan pada lingkungan server produksi secara real-time.
#CNN-LSTM
#DDoS
#Deep Learning
#Intrusion Detection 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
|
|
IMPLEMENTASI CHATBOT LAYANAN INFORMASI PPDB MENGGUNAKAN ALGORITMA NAÏVE BAYES PADA MTS ATTAQWA 04 BEKASI
Penulis: Ade Yusuf Ardiyansyah, NADYA SAFITRI, S.T., M.Kom. |
2026
Layanan informasi Penerimaan Peserta Didik Baru (PPDB) di MTs Attaqwa 04 Kabupaten Bekasi saat ini dilayani melalui Group WhatsApp oleh sepuluh panitia yang merangkap mengajar, balasan respons sangat bergantung pada ketersediaan waktu petugas. Kondisi ini menyebabkan keterlambatan respons dan ketidaktersediaan layanan 24 jam serta komunikasi manual melalui pesan teks berpotensi menimbulkan kesalahan informasi yang dapat menyebabkan ketidaksesuaian informasi antara petugas PPDB dan calon pendaftar. Penelitian ini bertujuan merancang dan mengimplementasikan chatbot WhatsApp berbasis Natural Language Processing (NLP) dengan algoritma Multinomial Naïve Bayes untuk klasifikasi intent pertanyaan calon pendaftar. Sistem dikembangkan menggunakan metode Extreme Programming (XP) dengan integrasi WhatsApp HTTP API (WAHA), backend Python-Flask, ekstraksi fitur Term Frequency–Inverse Document Frequency (TF-IDF), dan pipeline praproses yang mencakup case folding, cleaning, normalisasi berbasis aturan, serta symspell correction. Model dilatih menggunakan 1116 data intent dan diuji pada 224 data uji holdout. Hasil pengujian menunjukkan akurasi klasifikasi sebesar 87%, sedangkan Pengujian User Acceptance Testing (UAT) terhadap 28 responden memperoleh persentase penerimaan sebesar 85,21% dengan nilai rata-rata keseluruhan 4,26 (kategori "Sangat Setuju"). Hasil tersebut menunjukkan bahwa sistem chatbot WhatsApp mampu memberikan layanan informasi PPDB secara otomatis, cepat, mudah digunakan, dan tersedia selama 24 jam.
#Chatbot
#Naïve Bayes
#Natural Language Processing
#PPDB
|
Skripsi (S1)
Teknik Informatika (S1)
Restricted Fulltext PDF
|
|
IMPLEMENTASI SISTEM PAKAR DETEKSI DINI KOMPLIKASI KEHAMILAN MENGGUNAKAN METODE DEMPSTER SHAFER DI PUSKESMAS KALIBAKUNG
Penulis: Puja Vita Maharani, ARI NURUL ALFIAN, S.Pd., M.Kom. |
2026
Komplikasi kehamilan masih menjadi salah satu penyebab tingginya angka kematian ibu, terutama pada wilayah dengan keterbatasan akses layanan kesehatan. Pemeriksaan di Puskesmas Kalibakung masih bergantung pada kunjungan langsung dan analisis tenaga medis, sehingga diperlukan sistem yang dapat membantu deteksi dini secara mandiri. Penelitian ini bertujuan merancang dan membangun sistem pakar berbasis website untuk mendeteksi dini komplikasi kehamilan menggunakan metode Dempster Shafer. Metode pengembangan sistem yang digunakan adalah Expert System Development Life Cycle (ESDLC). Data diperoleh melalui observasi di Puskesmas Kalibakung, wawancara dengan dua pakar kebidanan, dan studi pustaka. Sistem dikembangkan menggunakan PHP dan MySQL untuk mengolah gejala yang dipilih pengguna, menghitung nilai keyakinan, serta menampilkan hasil diagnosis awal dan rekomendasi penanganan. Hasil penelitian menunjukkan sistem mampu mendeteksi delapan komplikasi kehamilan dengan tingkat akurasi 96,15% dan nilai kepuasan pengguna 89,61%. Sistem ini berdampak dalam membantu ibu hamil melakukan deteksi dini secara lebih cepat, mandiri, dan mendukung pelayanan kesehatan maternal.
#Dempster Shafer
#Deteksi Dini
#Komplikasi Kehamilan
#Sistem Pakar
|
Skripsi (S1)
Teknik Informatika (S1)
Restricted Fulltext PDF
|
|
PERANCANGAN CHATBOT INFORMASI PPDB MENGGUNAKAN ALGORITMA MULTINOMIAL NAIVE BAYES DI TK DELIMA
Penulis: Ismail Hasan, ARI NURUL ALFIAN, S.Pd., M.Kom. |
2026
TK Delima belum memiliki website resmi sebagai media informasi Penerimaan Peserta Didik Baru (PPDB), sehingga penyampaian informasi dan penanganan pertanyaan dari wali calon peserta didik masih bergantung pada staf administrasi melalui komunikasi tatap muka, brosur, dan pesan WhatsApp. Penelitian ini bertujuan merancang dan membangun website informasi PPDB yang dilengkapi chatbot untuk membantu penyampaian informasi dan menangani pertanyaan berulang. Pembangunan sistem menerapkan metode Rapid Application Development (RAD). Untuk mengenali maksud pertanyaan pengguna dalam bahasa Indonesia tidak baku, chatbot menerapkan pendekatan Natural Language Processing (NLP) melalui tahapan text preprocessing dan algoritma Multinomial Naive Bayes sebagai metode klasifikasi intent. Algoritma tersebut dikombinasikan dengan teknik Laplace Smoothing untuk mengatasi permasalahan zero probability serta mekanisme confidence check untuk menangani masukan di luar domain chatbot. Sistem diimplementasikan secara native menggunakan bahasa pemrograman PHP, framework CodeIgniter 3, dan basis data MySQL tanpa menggunakan library machine learning eksternal. Pengujian menggunakan Confusion Matrix terhadap 40 kalimat uji menghasilkan nilai accuracy sebesar 92,50%, precision sebesar 93,24%, recall sebesar 92,50%, dan F1-Score sebesar 92,36%. Uji coba pengguna melalui kuesioner menghasilkan tingkat persetujuan sebesar 80,1% yang termasuk dalam kategori Setuju. Hasil penelitian menunjukkan bahwa algoritma Multinomial Naive Bayes berhasil mengklasifikasikan intent pertanyaan pengguna dengan tingkat akurasi 92,50% dan chatbot dapat membantu menyediakan informasi PPDB secara terprogram kepada wali calon peserta didik di luar jam operasional sekolah.
#Chatbot
#Klasifikasi Intent
#Multinomial Naive Bayes
#NLP
|
Skripsi (S1)
Teknik Informatika (S1)
Restricted Fulltext PDF
|
|
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
|
|
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
|
|
NAMED ENTITY RECOGNITION BERBASIS FINE-TUNING INDOBERT UNTUK EKSTRAKSI DAN REKONSILIASI DATA LOGISTIK
Penulis: Alif Haikal, JAFAR SHADIQ, S.Kom., M.Kom. |
2026
PT. Rafay Anugrah Logistik mengandalkan WhatsApp untuk koordinasi pesanan armada harian, namun proses pemindahan pesanan multi-unit ke Excel serta pencocokan pesan susulan dengan pesanan induknya masih dilakukan secara manual, sehingga rawan penumpukan pekerjaan dan kesalahan seiring meningkatnya volume pesanan. Penelitian ini mengusulkan pipeline Deep Learning hibrida menggunakan dua model fine-tuning IndoBERT untuk mengotomasi kedua proses tersebut. Model pertama, berbasis Indobert-Base-Uncased, menerapkan Named Entity Recognition (NER) untuk mengekstraksi sembilan atribut inti pesanan dari teks WhatsApp mentah menggunakan skema anotasi BIO. Model kedua, berbasis IndoBERT-Base-p2, menerapkan Sequence-Pair Classification untuk menentukan apakah pesan susulan cocok dengan pesanan induk yang telah tersimpan, didukung mekanisme rulebased post-processing untuk standarisasi output. Sistem dikembangkan menggunakan metodologi CRISP-DM dan diimplementasikan sebagai purwarupa web berbasis Streamlit. Pada data uji sebanyak 36 pesan yang disusun manual, model NER mencapai F1-Score ratarata makro sebesar 99,4%, sedangkan model Sequence-Pair Classification mencapai F1-Score makro sebesar 97,2% (91,46% pada data validasi). Hasil ini menunjukkan bahwa pendekatan fine-tuning IndoBERT layak diterapkan untuk mengotomasi ekstraksi dan rekonsiliasi data pesanan logistik, meskipun temuan ini masih merupakan bukti kelayakan awal (proof of concept), bukan validasi pada skala operasional penuh.
#Ekstraksi Data Logistik
#Fine-tuning
#IndoBERT
#Named Entity Recognition
|
Skripsi (S1)
Teknik Informatika (S1)
Restricted Fulltext PDF
|
|
PENGEMBANGAN WLAN MULTI-ACCESS POINT DAN SISTEM MONITORING PADA RS PELABUHAN JAKARTA
Penulis: M Rizki Lutfiansyah, JAFAR SHADIQ, S.Kom., M.Kom. |
2026
Jaringan WLAN di RS Pelabuhan Jakarta awalnya hanya menggunakan satu access point pada setiap lorong ruang rawat sehingga dikembangkan menjadi jaringan multi-access point untuk meningkatkan cakupan layanan. Namun, penerapan metode wireless mesh antar perangkat justru menyebabkan tingginya latensi dan koneksi jaringan menjadi tidak stabil. Penelitian ini bertujuan untuk mengembangkan arsitektur jaringan melalui penerapan wired backhaul dan konfigurasi bridge mode. Selain itu, dibangun sebuah dashboard monitoring berbasis web yang difokuskan secara spesifik untuk memantau status aktif (Up) atau matinya (Down) perangkat access point secara terpusat menggunakan metode ICMP (ping). Pengembangan sistem ini menggunakan metode Network Development Life Cycle (NDLC) yang meliputi tahap analisis, desain, simulasi, dan implementasi, dengan parameter pengujian performa berupa packet loss dan latensi. Hasil penelitian menunjukkan bahwa penerapan wired backhaul mampu meningkatkan stabilitas jaringan secara kuantitatif, dibuktikan dengan hilangnya Request Timed Out (RTO), tercapainya packet loss sebesar 0%, serta rata-rata waktu respons (latensi) yang stabil di angka 7 ms. Implementasi dashboard monitoring juga terbukti berfungsi dengan baik dalam memvisualisasikan status Up dan Down perangkat secara real-time tanpa membebani lalu lintas jaringan.
#ICMP
#monitoring jaringan
#multi-access point
#NDLC
|
Skripsi (S1)
Teknik Informatika (S1)
Restricted Fulltext PDF
|
|
Sistem Pakar Identifikasi Minat Bakat dan Gaya Belajar Siswa Menggunakan Metode Forward Chaining Pada SMP Negeri 6 Babelan
Penulis: Nurul Aliyah, ARI NURUL ALFIAN, S.Pd., M.Kom. |
2026
Pemilihan jenjang pendidikan lanjutan merupakan langkah krusial bagi siswa Sekolah Menengah Pertama (SMP) dalam menentukan cara mengembangkan potensi diri mereka. Namun, proses untuk mengenali minat, bakat, dan gaya belajar siswa di SMP Negeri 6 Babelan masih dilakukan dengan cara manual, sehingga memakan waktu cukup lama dan belum bisa menjangkau seluruh siswa secara efektif. Di samping itu, kurangnya pemahaman mengenai potensi diri dapat membuat siswa dalam memilih pendidikan lanjutan lebih dipengaruhi oleh orangorang di sekitarnya atau fenomena rasa takut ketinggalan (FOMO). Tujuan penelitian ini adalah untuk membuat Sistem Pakar yang dapat mengenali minat, bakat, dan gaya belajar siswa melalui platform web dengan menggunakan metode Forward Chaining sebagai penggerak inferensi. Sistem ini dikembangkan dengan metode Rapid Application Development (RAD) dengan memanfaatkan pengetahuan yang didapat dari wawancara dengan Guru Bimbingan Konseling (BK) dan psikolog yang merupakan ahli di bidangnya. Data yang digunakan dalam proses identifikasi meliputi nilai pelajaran sebagai tanda minat, pilihan kegiatan sebagai tanda bakat, serta hasil pengisian mengenai gaya belajar yang dikelompokkan menjadi kategori Visual, Auditorial, dan Kinestetik. Hasil dari penelitian menunjukkan bahwa sistem ini mampu mendeteksi minat, bakat, dan gaya belajar siswa serta memberikan rekomendasi pendidikan lanjutan seperti SMA, SMK, atau MA berdasarkan aturan yang telah ditetapkan. Berdasarkan pengujian alfa, seluruh fungsi sistem dapat beroperasi sesuai dengan rencana. Sementara itu, pengujian beta yang dilakukan dengan kuesioner kepada Guru BK dan 20 siswa kelas VIII SMP Negeri 6 Babelan menunjukkan bahwa sistem ini mendapatkan umpan balik yang positif dan diterima oleh pengguna sebagai alat bantu dalam layanan Bimbingan dan Konseling.
#Bimbingan Konseling
#Forward Chaining
#Gaya Belajar
#Minat Bakat
|
Skripsi (S1)
Teknik Informatika (S1)
Restricted Fulltext PDF
|
|
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 Diagnosa Tingkat Minat Baca Siswa Menggunakan Metode Certainty Factor
Penulis: Ananda Bagus Saputra, MARDI YUDHI PUTRA, S.T., M.Kom. |
2026
Ananda Bagus Saputra (2022310045) Sistem Pakar Pengaruh Media Sosial Terhadap Minat Baca Siswa SMK Bina Industri Menggunakan Metode Certainty Factor Tingginya intensitas penggunaan media sosial di kalangan siswa SMK Bina Industri Cikarang berdampak pada menurunnya minat baca, namun belum tersedia sistem yang dapat mengukur pengaruh tersebut secara terstruktur dan terukur. Penelitian ini bertujuan merancang dan membangun sistem pakar berbasis web yang mampu mengidentifikasi tingkat pengaruh penggunaan media sosial terhadap minat baca siswa menggunakan metode Certainty Factor (CF). Basis pengetahuan sistem diperoleh melalui wawancara dengan guru Bimbingan dan Konseling serta guru Bahasa Indonesia SMK Bina Industri sebagai pakar domain. Sistem dibangun menggunakan framework Next.js dengan TypeScript dan database PostgreSQL, serta mengimplementasikan 22 indikator dan 10 aturan produksi (production rules). Setiap gejala diberi bobot CF pakar, kemudian dikombinasikan dengan nilai CF user menggunakan rumus kombinasi CF secara iteratif. Hasil nilai CF akhir diinterpretasikan ke dalam lima kategori pengaruh: Tidak Berpengaruh, Berpengaruh Rendah, Berpengaruh Sedang, Berpengaruh Tinggi, dan Berpengaruh Sangat Tinggi. Validasi model menunjukkan tingkat kesesuaian 90% terhadap penilaian pakar pada 30 skenario uji. Pengujian alpha menunjukkan seluruh fungsi berjalan sesuai kebutuhan, dan pengujian beta memperoleh persentase kelayakan sebesar 89,78% dengan kategori Sangat Baik.
#Sistem Pakar
#Certainty Factor
#Media Sosial
#Minat Baca
|
Skripsi (S1)
Teknik Informatika (S1)
Restricted Fulltext PDF
|
|
IMPLEMENTASI SISTEM PAKAR REKOMENDASI JURUSAN SMK MENGGUNAKAN METODE FORWARD CHAINING PADA SMK BINA MANDIRI BEKASI
Penulis: Maratus Sholiha, ARI NURUL ALFIAN, S.Pd., M.Kom. |
2026
Perkembangan teknologi informasi mendorong sekolah untuk memiliki sistem yang mampu membantu proses penjurusan siswa secara lebih efektif dan terarah. Namun, proses penjurusan di SMK Bina Mandiri Kota Bekasi masih dilakukan secara manual dan belum memiliki sistem pendukung yang dapat membantu siswa mengenali minat, bakat, dan kecenderungan belajar secara optimal. Hal tersebut menyebabkan siswa sering mengalami kebingungan dalam menentukan jurusan yang sesuai dengan kemampuan dan ketertarikannya. Penelitian ini bertujuan untuk merancang dan membangun sistem rekomendasi jurusan berbasis web menggunakan metode Forward Chaining guna membantu proses penentuan jurusan siswa. Metode penelitian yang digunakan meliputi observasi, wawancara, dan studi pustaka. Wawancara dilakukan bersama Koordinator Bimbingan Konseling (BK) dan Psikolog Siswa untuk memperoleh informasi mengenai proses penjurusan, aturan (rule) penentuan jurusan, serta kendala yang dihadapi sekolah dalam proses penjurusan siswa. Sistem yang dibangun menggunakan bahasa pemrograman PHP dan database MySQL. Proses rekomendasi dilakukan berdasarkan hasil jawaban siswa pada bagian kecenderungan belajar, minat, dan bakat menggunakan skala Likert, yaitu STS (Sangat Tidak Sesuai), TS (Tidak Sesuai), CS (Cukup Sesuai), S (Sesuai), dan SS (Sangat Sesuai). Hasil jawaban tersebut kemudian diproses menggunakan metode Forward Chaining untuk menghasilkan rekomendasi jurusan yang sesuai, yaitu Teknik Komputer dan Jaringan (TKJ), Teknik Kendaraan Ringan (TKR), dan Teknik Sepeda Motor (TSM). Hasil penelitian menunjukkan bahwa sistem yang dibangun mampu membantu proses penjurusan siswa secara lebih cepat, terstruktur, interaktif, dan membantu siswa mengenali potensi dirinya dengan lebih baik.
#Forward Chaining
#Minat dan Bakat
#Sistem Rekomendasi Jurusan
#Sistem Pendukung Keputusan.
|
Skripsi (S1)
Teknik Informatika (S1)
Restricted Fulltext PDF
|
|
SISTEM PAKAR DIAGNOSA KERUSAKAN DAN MAINTENANCE SCHEDULING ALAT BERAT BERBASIS CASE-BASED REASONING
Penulis: Mayli Ayutiya Wulandari, Dr. Ir. SALUDIN MUIS, M.Kom. |
2026
Proses diagnosis kerusakan alat berat pada PT. Sarinah Cahaya Sejahtera masih dilakukan secara manual dan bergantung pada pengalaman teknisi, sehingga berpotensi menimbulkan ketidakkonsistenan dalam menentukan jenis kerusakan dan solusi perbaikan. Selain itu, proses maintenance scheduling belum terintegrasi dengan proses diagnosis sehingga kegiatan perawatan alat berat masih dilakukan secara terpisah dan kurang optimal. Penelitian ini bertujuan untuk merancang dan membangun sistem pakar berbasis web yang mampu melakukan diagnosis kerusakan alat berat serta memberikan rekomendasi maintenance scheduling menggunakan metode Case-Based Reasoning (CBR). Metode yang digunakan dalam penelitian ini adalah metode Case-Based Reasoning dengan pendekatan similarity menggunakan metode Nearest Neighbor. Pengembangan sistem menggunakan model Prototype yang terdiri dari tahapan communication, quick design, build prototype, evaluation, dan refinement. Data penelitian diperoleh melalui observasi, wawancara, dan studi pustaka, kemudian diimplementasikan ke dalam basis pengetahuan yang terdiri dari data gejala, kerusakan, solusi, dan maintenance. Hasil penelitian menunjukkan bahwa sistem mampu melakukan diagnosis kerusakan alat berat berdasarkan gejala yang diinputkan pengguna serta menghasilkan rekomendasi maintenance scheduling sesuai hasil diagnosis. Berdasarkan pengujian akurasi menggunakan 10 data uji, sistem memperoleh tingkat akurasi sebesar 90%. Pengujian usability menggunakan metode System Usability Scale (SUS) memperoleh skor rata-rata sebesar 81,5 dengan kategori Excellent, sedangkan pengujian Black Box Testing menunjukkan seluruh fitur sistem berjalan sesuai dengan fungsi yang dirancang. Dengan demikian, sistem yang dibangun mampu membantu teknisi dalam proses diagnosis dan maintenance alat berat secara lebih cepat, terstruktur, dan efektif.
#Alat Berat
#Case-Based Reasoning
#Diagnosis Kerusakan
#Maintenance Scheduling
|
Skripsi (S1)
Teknik Informatika (S1)
Restricted Fulltext PDF
|
|
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 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 AGENTIC AI PADA SISTEM LAYANAN INFORMASI PELANGGAN DI PT ABUYA BERKAH INDONESIA
Penulis: Ferrel Hermawan Putra, NADYA SAFITRI, S.T., M.Kom. |
2026
Dalam industri kuliner, kecepatan dan konsistensi penyampaian informasi kepada pelanggan merupakan faktor penting dalam menjaga kualitas layanan. PT Abuya Berkah Indonesia saat ini masih mengandalkan crew outlet yang juga merangkap menangani operasional harian untuk merespons pertanyaan pelanggan secara manual melalui WhatsApp, sehingga menyebabkan keterlambatan respons, ketidakkonsistenan informasi, serta meningkatnya beban kerja terutama ketika volume pertanyaan pelanggan meningkat di tengah kesibukan operasional outlet. Kondisi ini berpotensi menurunkan kepuasan pelanggan dan menghambat efisiensi operasional perusahaan. Untuk menjawab permasalahan tersebut, penelitian ini bertujuan merancang dan mengimplementasikan sistem layanan informasi pelanggan berbasis Agentic AI yang terintegrasi dengan platform WhatsApp. Metode pengembangan yang digunakan adalah metode Prototype, dengan pengumpulan data melalui observasi, wawancara, dan studi pustaka. Sistem dibangun menggunakan platform n8n sebagai automation engine, Large Language Model (LLM) sebagai komponen pemroses bahasa alami, Gateway API sebagai jembatan koneksi WhatsApp, Google Spreadsheet sebagai sumber data menu dan diskon, serta Supabase sebagai basis data penyimpanan log percakapan. Hasil penelitian menunjukkan bahwa sistem mampu memberikan respons otomatis secara akurat sesuai dengan jenis permintaan pelanggan, mencakup informasi menu, harga, lokasi outlet, promo, dan alur pemesanan, serta mampu melakukan eskalasi percakapan kepada admin apabila dibutuhkan. Pengujian fungsional menggunakan metode Black Box Testing terhadap delapan skenario layanan menunjukkan bahwa seluruh fungsi sistem berjalan sesuai dengan kebutuhan fungsional yang telah ditetapkan. Uji coba pengguna menggunakan metode User Acceptance Testing (UAT) yang melibatkan 24 responden pelanggan memperoleh skor rata-rata keseluruhan sebesar 3,94 dari skala 5, yang berada pada kategori "Setuju", sehingga sistem dinilai telah memenuhi ekspektasi pengguna. Dengan demikian, sistem Agentic AI berbasis n8n dan WhatsApp ini terbukti efektif sebagai solusi otomasi layanan informasi pelanggan dan memiliki potensi untuk dikembangkan lebih lanjut di masa mendatang.
#Agentic AI
#Chatbot
#Customer Service
#Large Language Model
|
Skripsi (S1)
Teknik Informatika (S1)
Restricted Fulltext PDF
|
|
SISTEM PAKAR DIAGNOSIS KECANDUAN GAME ONLINE SISWA SMK BERBASIS FORWARD CHAINING DAN CERTAINLY FACTOR
Penulis: Antonio Yosie Setiawan, Dr. Ir. SALUDIN MUIS, M.Kom. |
2026
Kecanduan game online pada siswa Sekolah Menengah Kejuruan berdampak negatif terhadap prestasi akademik dan interaksi sosial. Di SMK Bina Industri Cikarang, proses identifikasi kecanduan masih mengandalkan penilaian manual oleh guru Bimbingan dan Konseling tanpa kriteria terstandarisasi, mengakibatkan diagnosis yang tidak konsisten. Penelitian ini mengembangkan sistem pakar berbasis web yang menggabungkan metode Forward Chaining dan Certainty Factor untuk mendiagnosis tingkat kecanduan game online secara otomatis dan terukur. Forward Chaining berfungsi sebagai mesin inferensi untuk menelusuri gejala menuju kesimpulan diagnostik, sedangkan Certainty Factor menghitung tingkat kepercayaan dengan menggabungkan nilai kepastian pakar dan pengguna. Pengumpulan data melibatkan observasi, wawancara dengan guru BK, dan studi literatur. Pengembangan sistem mengikuti model Rapid Application Development menggunakan framework Next.js TypeScript. Basis pengetahuan mencakup gejala kecanduan dan aturan diagnostik dari wawancara pakar dan literatur ilmiah. Pengujian menggunakan metode alpha dan beta. Hasil menunjukkan sistem mampu memberikan diagnosis kecanduan yang terstruktur dan konsisten dengan skor kepercayaan terukur, mendukung guru BK dalam deteksi dini dan intervensi. Kontribusi utama terletak pada integrasi Forward Chaining dan Certainty Factor khusus untuk diagnosis kecanduan game online pada siswa SMK, menawarkan akurasi diagnostik dan tingkat kepercayaan kuantitatif untuk mendukung pengambilan keputusan.
#Certainty Factor
#Forward Chaining
#Kecanduan Game Online
#Sistem Pakar
|
Skripsi (S1)
Teknik Informatika (S1)
Restricted Fulltext PDF
|
|
IMPLEMENTASI HR-VITON DAN AUGMENTED REALITY UNTUK VIRTUAL TRY-ON PAKAIAN PADA BINTANG SABLON BEKASI
Penulis: Danur Faqih, SOLIKIN, S.Si., M.T. |
2026
CV. Bintang Sablon Bekasi merupakan usaha konveksi dan sablon yang masih menggunakan mockup dua dimensi statis sebagai media pratinjau desain, sehingga pelanggan kesulitan memperkirakan tampilan desain sablon ketika dikenakan pada tubuh. Kondisi ini kerap menimbulkan perbedaan persepsi antara pelanggan dan pihak produksi yang berdampak pada revisi berulang serta menurunnya kepuasan pelanggan. Penelitian ini bertujuan untuk merancang dan mengimplementasikan sistem Web-Based Virtual Try-On yang mengintegrasikan HR-VITON untuk Image-Based Virtual Try-On dan Augmented Reality berbasis pose estimation untuk visualisasi desain sablon secara realistis pada tubuh pengguna. Sistem dikembangkan menggunakan model prototype dengan menerapkan HR-VITON pada dataset VITON-HD serta MediaPipe Pose (BlazePose) untuk deteksi titik tubuh secara real-time melalui kamera berbasis web. Hasil pengujian menunjukkan bahwa fitur HR-VITON mampu menghasilkan visualisasi pakaian dengan desain sablon yang realistis dari foto pengguna, sedangkan fitur AR berhasil menempatkan desain pada area torso secara dinamis mengikuti pergerakan tubuh. Pengujian fungsional menggunakan black box testing menunjukkan seluruh fitur berjalan sesuai kebutuhan, dan uji coba pengguna memperoleh respons positif terhadap kemudahan serta akurasi visualisasi sistem. Penelitian ini menyimpulkan bahwa integrasi HR-VITON dan Augmented Reality berbasis pose estimation dapat menjadi solusi efektif dalam meningkatkan kualitas visualisasi desain sablon pada layanan jasa konveksi.
#Augmented Reality
#HR-VITON
#Pose Estimation
#Sablon
|
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
|