Jurnal ICT: Information Communication & Technology

Rancang Bangun Aplikasi EduRead Kids Berbasis Android dengan Implementasi Text-to-Speech sebagai Media Pembelajaran Interaktif Anak Usia Dini

2026-08-02T02:36:25+00:00

Kemajuan teknologi mobile membuka peluang yang signifikan dalam menciptakan media pembelajaran yang lebih menarik dan interaktif untuk anak usia dini. Meski demikian, kegiatan belajar dasar seperti pengenalan huruf, angka, buah, dan hewan masih banyak disampaikan secara konvensional dan berpusat pada guru, sehingga minat belajar anak kurang terstimulasi. Penelitian ini berfokus pada perancangan dan pembangunan aplikasi edukasi berbasis Android bernama EduRead Kids yang mengintegrasikan teknologi Text-to-Speech (TTS) sebagai fitur interaktif utamanya. Pendekatan pengembangan yang digunakan adalah Prototype, yang mencakup tahap pengumpulan kebutuhan, perancangan sistem, pembuatan prototype, evaluasi, dan penerapan akhir. Dibangun di atas framework hybrid Capacitor, aplikasi ini memanfaatkan plugin TTS untuk menghasilkan output suara yang akurat secara otomatis. Hasil pegujian mengonfirmasi bahwa aplikasi berhasil menyajikan modul pembelajaran huruf, angka, buah, dan hewan, beserta kuis yang menarik. Black Box Testing memverifikasi bahwa seluruh fitur fungsional berjalan sesuai kebutuhan pengguna. EduRead Kids diproyeksikan sebagai alat edukasi yang mudah diakses, menyenangkan, dan ramah anak dalam mendukung perkembangan literasi anak usia dini.

Pengembangan E-Commerce dengan Content Management System dan Virtual Try-on Pada Toko Noviora Hijab

2026-08-02T00:31:54+00:00

Perkembangan teknologi informasi dan internet saat ini mendorong persaingan bisnis fashion, khususnya penjualan hijab, menjadi semakin kompetitif di pasar. Oleh karena itu, Toko Noviora memerlukan strategi pemasaran digital yang efektif melalui perancangan website e-commerce dengan pendekatan Content Management System (CMS). Penelitian ini bertujuan meningkatkan jangkauan pemasaran, loyalitas pelanggan, dan memberikan kemudahan proses pengelolaan administrasi toko secara terintegrasi. Wawancara, observasi, dan dokumentasi dipilih sebagai teknik pengumpulan data, kemudian dianalisis menggunakan fishbone diagram dengan pendekatan strategi 8P dan Business Model Canvas (BMC). Kebutuhan sistem diidentifikasi menggunakan use case diagram untuk merancang website interaktif yang dilengkapi fitur virtual try-on. Pengujian website e-commerce menggunakan metode Black Box Testing dan standar kualitas ISO/IEC 25010. Hasil pengujian menunjukkan tingkat keberhasilan Feature Completeness mencapai sebesar 100% pada 7 skenario, yang artinya fungsional pada website terbukti mampu mendukung proses operasional toko serta memperluas jangkauan pasar.

Sistem Monitoring Kehadiran dan Deteksi Kelengkapan Atribut Seragam Petugas Security Menggunakan FaceNet dan YOLO

2026-07-09T22:21:56+00:00

Monitoring kehadiran dan pemeriksaan atribut seragam petugas security yang masih dilakukan secara manual berpotensi menyebabkan kesalahan pencatatan dan kurang efisien. Penelitian ini bertujuan mengembangkan sistem monitoring otomatis berbasis computer vision untuk pengenalan wajah dan deteksi atribut seragam secara real-time. Sistem menggunakan FaceNet sebagai face recognition dan YOLOv8 sebagai object detection untuk mendeteksi atribut seperti shirt, pants, hat, belt, dan upper-cloth. Dataset dikelola menggunakan Roboflow untuk proses anotasi dan preprocessing data. Implementasi sistem dilakukan menggunakan Python dengan dukungan OpenCV, PyTorch, MTCNN, dan React. Hasil penelitian menunjukkan bahwa sistem mampu mengenali identitas petugas dan mendeteksi atribut utama seragam dengan cukup baik, terutama pada kelas shirt dan pants. Integrasi FaceNet dan YOLOv8 dapat meningkatkan efisiensi monitoring dibandingkan metode manual, meskipun akurasi beberapa atribut masih dipengaruhi oleh keterbatasan dataset.

Pengembangan Aplikasi Mobile KawanHijau Berbasis Android sebagai Solusi Waste Management untuk Meningkatkan Kesadaran Lingkungan Masyarakat

2026-08-02T02:31:00+00:00

Solusi berbasis teknologi diperlukan untuk meningkatkan kesadaran masyarakat tentang pengelolaan sampah yang kurang efektif. Studi ini bertujuan untuk membuat aplikasi KawanHijau berbasis Android yang dapat membantu pengendalian sampah secara pintar. Analisis kebutuhan sistem, perancangan, pelaksanaan, pengujian, dan pemeliharaan adalah semua bagian dari model Life Cycle Development of Systems (SDLC) Waterfall yang digunakan. Pengembangan aplikasi menggunakan React Native dan Supabase sebagai backend. Hasil penelitian menunjukkan bahwa aplikasi KawanHijau dapat digunakan secara efektif melalui fitur penjualan sampah, profil pengguna, artikel edukasi, sistem poin dan reward, serta notifikasi. Selain itu, semua fitur dapat digunakan sesuai kebutuhan fungsional. Penelitian terbaru ini bertujuan untuk meningkatkan keterlibatan masyarakat dalam pengelolaan sampah secara berkelanjutan dengan menggabungkan fitur edukasi lingkungan, transaksi sampah digital, dan sistem penghargaan ke dalam satu aplikasi mobile.

Deteksi Penyakit Tanaman Padi Melalui Google Gemini API pada Aplikasi Mobile

2026-08-02T03:09:41+00:00

Abstrak- Penyakit tanaman padi merupakan salah satu faktor utama yang menyebabkan penurunan produktivitas pertanian sehingga diperlukan sistem deteksi dini yang cepat dan mudah diakses oleh petani. Penelitian ini bertujuan merancang dan mengimplementasikan aplikasi mobile untuk mendeteksi penyakit tanaman padi menggunakan Google Gemini API berbasis analisis citra daun. Metode penelitian menggunakan pendekatan rekayasa perangkat lunak dengan Extreme Programming (XP) yang meliputi tujuh tahapan, yaitu identifikasi masalah, studi literatur, planning, design, coding, testing, dan penyusunan artikel ilmiah. Aplikasi dikembangkan menggunakan Flutter, Dart, Firebase Authentication, Cloud Firestore, serta Google Gemini API sebagai layanan Artificial Intelligence as a Service (AIaaS). Hasil penelitian menunjukkan bahwa aplikasi mampu mengidentifikasi empat penyakit utama tanaman padi, yaitu blas, hawar daun bakteri, bercak cokelat, dan tungro, serta menghasilkan informasi mengenai gejala, penyebab, rekomendasi penanganan, dan langkah pencegahan. Evaluasi sistem dilakukan melalui 56 skenario pengujian yang mencakup unit testing, widget testing, integration testing, pipeline testing, dan edge case testing, dengan tingkat keberhasilan 100%. Temuan penelitian menunjukkan bahwa pemanfaatan Google Gemini API mampu menyederhanakan pengembangan aplikasi deteksi penyakit tanpa memerlukan proses pelatihan model klasifikasi secara mandiri, sehingga memberikan alternatif implementasi AI multimodal yang praktis untuk mendukung digitalisasi sektor pertanian.

Aplikasi Mobile Rekomendasi Resep Masakan Nusantara Berbasis Google Gemini API

2026-08-02T03:30:58+00:00

Perkembangan teknologi Artificial Intelligence (AI) membuka peluang pengembangan aplikasi rekomendasi resep yang lebih adaptif melalui pemanfaatan analisis citra dan pemrosesan bahasa alami. Penelitian ini bertujuan mengimplementasikan Google Gemini API pada aplikasi mobile untuk memberikan rekomendasi resep masakan Nusantara berdasarkan identifikasi bahan makanan. Pengembangan sistem menggunakan metode Extreme Programming(XP) yang meliputi planning, design, coding, dan testing. Aplikasi dibangun menggunakan Flutter, Firebase Authentication, Cloud Firestore, serta Google Gemini API sebagai model AI multimodal. Evaluasi sistem dilakukan melalui pendekatan Continuous Integration/Continuous Delivery (CI/CD) yang mencakup unit testing, widget testing, dan integration testing. Hasil penelitian menunjukkan bahwa aplikasi berhasil mengintegrasikan sebelas fitur utama, termasuk identifikasi bahan melalui kamera, galeri, dan teks serta rekomendasi resep secara otomatis. Pengujian terhadap 51 test case menunjukkan tingkat keberhasilan 100% dengan code coverage sebesar 81% dan rata-rata waktu eksekusi pipeline 6 menit 32 detik. Temuan ini menunjukkan bahwa integrasi Google Gemini API mampu meningkatkan kemudahan pencarian resep secara kontekstual serta mendukung pengembangan aplikasi mobile yang andal untuk pelestarian kuliner Nusantara.

Comparative Analysis of Linear Regression and Decision Tree for Household Energy Consumption Prediction

2026-07-10T22:52:00+00:00

Household energy consumption continues to increase alongside the rapid adoption of electrical appliances and evolving lifestyles, contributing to higher global energy demand and environmental pressure. Despite the growing use of machine learning for energy prediction, many studies implicitly assume the superiority of complex non-linear models without adequately considering the characteristics of the underlying data. This study addresses this gap by conducting a comparative analysis between Linear Regression and Decision Tree Regressor for predicting household electricity consumption using a small-to-medium scale dataset. The dataset consists of 114 records with features including appliance type, usage duration, and month of use, divided into 80% training and 20% testing data. Model performance is evaluated using Root Mean Square Error (RMSE) and coefficient of determination (R²). The results show that Linear Regression outperforms Decision Tree, achieving an RMSE of 1.1552 kWh and R² of 0.96, while Decision Tree yields an RMSE of 7.3485 kWh and a negative R², indicating poor generalization on this dataset. Feature importance analysis reveals that usage duration (waktu_pemakaian) is the most dominant predictor, contributing 88.31% to the model's decisions, followed by month of use (11.69%), while appliance type contributes negligibly (0.00%). These findings demonstrate that for datasets with relatively simple linear structures, linear models can provide more stable and accurate predictions than non-linear approaches. This study contributes empirical evidence on the importance of aligning model selection with data characteristics in household energy prediction.

Pengembangan Sistem Informasi Tahfidzul Qur'an Berbasis Web Menggunakan Metode Agile Development

2026-07-10T22:52:45+00:00

Pengelolaan data santri program Tahfidzul Qur'an di Pondok Pesantren Raudlatul Musthofa masih dilakukan secara manual menggunakan media kertas, sehingga menyebabkan proses administrasi tidak efisien, rentan kehilangan data, dan menyulitkan pemantauan perkembangan hafalan santri secara akurat dan terstruktur. Penelitian ini bertujuan mengembangkan Sistem Informasi Tahfidzul Qur'an berbasis web serta menganalisis hasil pengujian sistem yang dikembangkan. Sistem dibangun menggunakan PHP Native dan MySQL dengan metode Agile Development melalui tiga iterasi yang mencakup tahap perencanaan, perancangan, pembangunan, pengujian, implementasi, dan evaluasi. Iterasi pertama menghasilkan fitur login multi-user dan registrasi; iterasi kedua mengembangkan dashboard admin mencakup kelola data ustadz, santri, hafalan, ujian, dan cetak laporan; sedangkan iterasi ketiga mengembangkan dashboard ustadz beserta fitur input nilai hafalan, monitoring santri, lihat ujian, dan cetak laporan. Hasil Black Box Testing pada setiap iterasi menunjukkan seluruh skenario berstatus "Pass." Uji Validasi Kelayakan menggunakan skala Likert 5 poin dengan tiga validator menghasilkan rata-rata total validasi (RTV) sebesar 4,48 yang termasuk kategori "Sangat Layak." Sistem ini dinyatakan layak diimplementasikan dan terbukti mampu meningkatkan efisiensi pengelolaan data tahfidz di Pondok Pesantren Raudlatul Musthofa.

PERANCANGAN E-COMMERCE UNTUK MENINGKATKAN PENJUALAN MENGGUNAKAN CONTENT MANAGEMENT SYSTEM PADA TOKO DEZA PERFUME

2026-07-10T22:53:26+00:00

Pemanfaatan teknologi digital melalui E-Commerce menjadi salah satu strategi yang dapat digunakan untuk meningkatkan kinerja penjualan dan memperluas pasar usaha. Toko DEZA Perfume memiliki permasalahan pada proses bisnis, antara lain pengelolaan pesanan yang masih dilakukan melalui WhatsApp, pencatatan data penjualan secara konvensional, keterbatasan penyajian informasi produk, dan promosi yang belum optimal. Penelitian ini bertujuan mengembangkan sistem E-Commerce berbasis WordPress dengan dukungan Business Model Canvas (BMC) dan Search Engine Optimization (SEO) guna meningkatkan efektivitas operasional dan pemasaran. Tahapan penelitian meliputi identifikasi masalah menggunakan Fishbone Diagram, pemodelan bisnis menggunakan BMC, perancangan sistem dengan UML, serta implementasi website menggunakan CMS WordPress dan plugin WooCommerce. Hasil implementasi menunjukkan bahwa sistem mampu menyediakan fitur katalog produk, keranjang belanja, checkout, pembayaran digital, notifikasi transaksi, dan laporan penjualan secara otomatis. Penerapan SEO juga berhasil meningkatkan posisi website pada hasil pencarian organik Google untuk kata kunci yang relevan dengan produk parfum yang dipasarkan. Oleh karena itu, sistem yang dibangun mampu mendukung pengelolaan bisnis yang lebih terstruktur, meningkatkan jangkauan pemasaran, serta memperkuat daya saing Toko DEZA Perfume dalam lingkungan bisnis digital.

Rancang Bangun Aplikasi Inventory Busana Muslimah Berbasis QR Code Menggunakan Flutter dan Firebase pada Butik Alsakina

2026-07-18T00:33:09+00:00

Alsakina Boutique is a retail business engaged in selling Muslim women's fashion such as abayas, hijabs, and prayer dresses that has been operating since 2016. As the number of products and variations in models, sizes, and colors increases, inventory management at this boutique is still carried out manually, leading to various problems such as recording errors (human error), delayed data updates, and difficulties in tracking stock in real-time. This condition results in discrepancies between recorded stock data and actual conditions in the field, which can lead to either overstock or stockout situations. This research aims to design and develop a QR Code-based inventory application for Alsakina Boutique to improve the accuracy, speed, and ease of stock recording and monitoring processes. The software development method used is Extreme Programming (XP), which consists of four stages: planning, design, coding, and testing. System design was carried out using the Unified Modeling Language (UML) approach, including use case diagrams, activity diagrams, sequence diagrams, and class diagrams. The application was developed for the Android platform using the Dart programming language with the Flutter framework, and Firebase as the database. System testing was conducted using the Continuous Integration and Continuous Deployment (CI/CD) method through GitHub Actions, covering source code checkout, dependency installation, flutter analyze, flutter test, APK build, and artifact deployment processes. The test results show that all pipeline stages were successfully executed with a success status. The resulting application provides features for managing item data, scanning QR Codes for recording incoming and outgoing items, automatic stock updates, stock change history, and real-time inventory reporting, thereby improving the efficiency and accuracy of inventory management at Alsakina Boutique compared to the previous manual system.

Pengembangan E-Commerce Berbasis Content Management System Dengan Implementasi Search Engine Optimization Sebagai Strategi Peningkatan Penjualan Pada Toko WSPORTS

2026-07-14T03:47:14+00:00

Penelitian ini bertujuan untuk merancang dan meningkatkan efektivitas penjualan, perluasan pemasaran serta keunggulan bersaing melalui sistem e-commerce berbasis Content Management System (CMS) pada Toko WSports. Permasalahan yang ditemukan meliputi belum maksimalnya penjualan karena terbatasnya pemanfaatan media pemasaran yang hanya mengandalkan media sosial, ketiadaan situs web untuk mendukung penjualan online, serta tidak adanya pencatatan pesanan yang berisiko menimbulkan kesalahan dalam pengelolaan data penjualan. Pada toko WSports ini, tidak terdapat catatan rekap pesanan dalam buku besar, hanya mengandalkan kumpulan nota dan bukti transfer saja, yang pasti menimbulkan risiko kesalahan dalam pengelolaan data penjualan. Penelitian ini menerapkan sistem e-commerce berbasis CMS dengan Business Model Canvas (BMC) untuk menyusun model bisnis, serta menggunakan Unified Modeling Languange (UML) untuk memodelkan proses system. Implementasi berupa pengembangan website e-Commerce, yang di optimalkan pada mesin pencarian dengan teknik Search Engine Optimization (SEO). Hasil penelitian menunjukan bahwa penerapan sistem E-Commerce mampu memperluas jangkauan pasar dan dapat meningkatkan efisiensi pengelola transaksi, menyediakan laporan penjualan yang lebih terstruktur, serta meningkatkan visibilitas bisnis melalui optimasi mesin pencari. Dengan demikian integrasi CMS, BMC, UML, dan SEO secara bersamaan terbukti efektif dalam meningkatkan kinerja pemasaran digital pada usaha kecil.

Sistem Pendukung Keputusan Kelayakan KPR Subsidi Menggunakan Metode EDAS di Perumahan Green Permata Cibungur

2026-07-19T09:40:22+00:00

Rumah merupakan salah satu kebutuhan primer manusia
sebagai tempat tinggal. Meningkatnya kebutuhan akan rumah
mendorong pemerintah menyediakan program Fasilitas Likuiditas
Pembiayaan Perumahan (FLPP) melalui Kredit Pemilikan Rumah
(KPR) subsidi. Perumahan Green Permata Cibungur memiliki jumlah
peminat yang terus bertambah setiap tahun. Namun, proses penilaian
kelayakan calon penerima KPR subsidi pada tahap awal masih
dilakukan secara subjektif sehingga berpotensi menimbulkan
ketidaktepatan dalam pengambilan keputusan. Untuk mengatasi
permasalahan tersebut, penelitian ini merancang dan membangun
Sistem Pendukung Keputusan (SPK) untuk penilaian kelayakan calon
penerima KPR subsidi menggunakan metode Evaluation Based on
Distance from Average Solution (EDAS). Metode EDAS dipilih
karena mampu mengevaluasi alternatif berdasarkan jarak positif dan
negatif terhadap nilai rata-rata sehingga menghasilkan penilaian yang
lebih objektif dan akurat. Sistem dikembangkan menggunakan model
prototype dengan PHP, framework CodeIgniter 3, MySQL sebagai
basis data, dan Unified Modeling Language (UML) sebagai alat
perancangan. Penilaian dilakukan berdasarkan enam kriteria, yaitu
pendapatan bulanan, status pekerjaan, lama bekerja, riwayat kredit,
jumlah tanggungan, dan usia. Hasil penelitian menunjukkan bahwa
dari 10 alternatif yang diuji, terdapat 5 calon konsumen yang
dinyatakan layak dan 5 calon konsumen yang dinyatakan tidak layak.
Metode EDAS dapat membantu proses penilaian kelayakan calon
penerima KPR subsidi secara lebih tepat, sistematis, dan mendukung
pengambilan keputusan awal.

GraphSAGE with Positive-Unlabeled Learning for Spatial Classification of Imbalanced Geospatial Data

2026-07-14T23:02:04+00:00

Spatial classification dengan ketidakseimbangan kelas yang sangat tinggi (extreme class imbalance) serta tidak tersedianya label negatif (missing negative labels) masih menjadi tantangan mendasar dalam machine learning, khususnya pada aplikasi geospasial yang hanya memiliki sampel positif yang dapat diverifikasi, sementara label negatif tidak dapat dipastikan. Penelitian ini mengembangkan sebuah framework klasifikasi baru yang mengintegrasikan GraphSAGE (Graph Sample and Aggregate) dengan Positive-Unlabeled (PU) Learning untuk mengatasi dua permasalahan utama, yaitu ketergantungan spasial yang sering diabaikan oleh metode machine learning tradisional dan tidak tersedianya sampel negatif yang telah terverifikasi. Framework yang diusulkan divalidasi menggunakan dataset nyata mineral prospectivity mapping yang terdiri atas 14.399 sampel spasial, 28 fitur multisumber yang diekstraksi dari data Landsat-8, ASTER, DEM, dan data struktural, dengan rasio ketidakseimbangan kelas sebesar 1:684. Metodologi yang diterapkan mencakup konstruksi graf spasial menggunakan k-Nearest Neighbors, arsitektur GraphSAGE tiga lapis untuk melakukan agregasi informasi dari lingkungan (neighborhood aggregation), serta PU Learning dengan weighted loss function sehingga proses pelatihan dapat dilakukan tanpa memerlukan label negatif. Selain itu, ensemble yang terdiri atas tiga model digunakan untuk memberikan uncertainty quantification. Hasil penelitian menunjukkan nilai AUC-ROC sebesar 0,973 dan AUC-PR sebesar 0,304, yang melampaui kinerja Random Forest (0,812), XGBoost (0,831), dan GCN (0,854) dengan peningkatan sebesar 14–17%. Model yang diusulkan berhasil mengidentifikasi 407 prediksi dengan tingkat kepercayaan tinggi (high-confidence predictions) yang mencakup sekitar 1% wilayah penelitian, dengan 67% sampel positif terverifikasi berada pada zona dengan tingkat kepercayaan tinggi tersebut. Temuan ini menunjukkan bahwa pemodelan spasial berbasis graf yang dipadukan dengan PU Learning efektif dalam mengatasi permasalahan extreme class imbalance dan missing negative labels pada tugas spatial classification geospasial.

Sistem Pakar Rekomendasi Berinvestasi Berdasarkan Profil Risiko Menggunakan Metode Forward Chaining Berbasis Website

2026-08-02T11:18:46+00:00

Investasi adalah kegiatan penanaman sejumlah uang pada masa sekarang dengan tujuan memperoleh keuntungan di masa mendatang. Investasi meliputi aset fisik seperti emas, dan properti, serta aset finansial seperti saham, obligasi, reksa dana dan aset digital berupa cryptocurrency. Beragamnya pilihan investasi sering membuat investor, khususnya pemula, kesulitan menentukan instrumen yang sesuai dengan profil risikonya. Penelitian ini mengembangkan sistem pakar berbasis website yang berfungsi untuk menentukan profil risiko pengguna dan memberikan rekomendasi instrumen investasi serta menyediakan edukasi mengenai karakteristik produk investasi, dan memahami jangka waktu investasi berdasarkan karakteristik risiko investor. Sistem ini menggunakan metode forward chaining, di mana proses penalaran dimulai dari pengumpulan fakta berdasarkan jawaban pengguna, kemudian dicocokkan dengan aturan-aturan yang telah didefinisikan dalam basis pengetahuan hingga menghasilkan kesimpulan yang sesuai sistem ini diharapkan dapat menjadi alat bantu bagi masyarakat dalam mengambil keputusan investasi yang lebih terarah dan terinformasi.

Implementasi Algoritma Harmoni Warna dan Seasonal Color pada Aplikasi Smart Wardrobe Berbasis Mobile

2026-07-17T22:45:59+00:00

Industri fesyen modern menuntut personalisasi tingkat tinggi, namun banyak pengguna masih mengalami kesulitan dalam memadupadankan (mix and match) pakaian agar harmonis secara visual dan sesuai dengan rona kulit (skin tone). Sistem rekomendasi cerdas yang ada saat ini seringkali membutuhkan komputasi Artificial Intelligence (AI) yang berat dan berisiko melanggar privasi karena membutuhkan pemindaian tubuh. Penelitian ini mengusulkan pengembangan aplikasi Smart wardrobe berbasis mobile menggunakan kerangka kerja Flutter dengan pendekatan Hybrid Data Storage. Aplikasi ini mengintegrasikan Google ML Kit untuk kategorisasi otomatis dan Palette generator untuk ekstraksi warna. Kontribusi utama penelitian ini adalah penerapan algoritma Rule-Based yang memanfaatkan Seasonal Color Theory untuk penentuan profil warna pengguna, serta perhitungan jarak sudut Hue (HSV Distance) untuk fitur Smart shuffle guna menghasilkan rekomendasi pakaian yang harmonis. Pengembangan sistem menggunakan metode Waterfall. Hasil pengujian fungsionalitas menggunakan metode Black-box Testing dengan 20 skenario uji menunjukkan tingkat keberhasilan 100% tanpa adanya error. Sistem terbukti mampu mendigitalkan inventaris pakaian secara efisien dan memberikan rekomendasi kombinasi pakaian yang akurat berdasarkan kecocokan warna personal pengguna.

Implementasi Sistem Prediksi Saham IDX80 Berbasis Berita Ekonomi Berbahasa Indonesia Menggunakan LSTM dan Framework Streamlit

2026-07-17T00:45:22+00:00

The development of the Indonesian capital market, particularly for stocks included in the IDX80 index, generates a large volume of economic news information, making manual sentiment analysis challenging for investors. This study aims to build a sentiment classification system for Indonesian-language economic news articles related to IDX80 stocks using the Long Short-Term Memory (LSTM) method. The dataset consists of 3,000 articles obtained from trusted news portals. The research follows stages from data understanding to deployment. Text preprocessing includes case folding, cleansing, stopword removal, Sastrawi-based stemming, label encoding, tokenizing, and padding. The model architecture utilizes a 128-dimensional embedding layer, 128 LSTM units, 0.5 dropout, and Softmax activation. Experimental results show that the model achieved an accuracy of 92.67% in classifying positive, neutral, and negative sentiments. The model was evaluated using precision, recall, F1-score, and a confusion matrix. Furthermore, it was successfully implemented in a Streamlit-based application featuring single-article and batch CSV predictions. This system serves as a digital tool to assist investors in making objective investment decisions amidst market uncertainty.

PENGEMBANGAN SISTEM INFORMASI TRACEABILITY PROSES PRODUKSI BERBASIS QR CODE UNTUK MENDUKUNG SUPPLY CHAIN MANAGEMENT PADA INDUSTRI TEKSTIL

2026-07-21T13:36:50+00:00

Abstract- Industri tekstil memerlukan sistem traceability yang mampu mendukung pencatatan dan penelusuran proses produksi secara akurat untuk meningkatkan efektivitas Supply Chain Management (SCM). Namun, proses pencatatan perpindahan bahan baku pada PT Elegant Textile Industry masih dilakukan secara manual sehingga menyulitkan penelusuran riwayat produksi dan berpotensi menimbulkan kesalahan pencatatan. Penelitian ini bertujuan mengembangkan sistem informasi traceability proses produksi berbasis QR Code sebagai sistem pendukung ERP perusahaan. Metode yang digunakan adalah Extreme Programming (XP) yang meliputi tahapan planning, design, coding, dan testing. Sistem dikembangkan menggunakan PHP, CodeIgniter 3, MySQL, Bootstrap 5, serta memanfaatkan QRServer API, ZXing API, dan pengujian berbasis Continuous Integration/Continuous Delivery (CI/CD) menggunakan GitHub Actions dan PHPUnit. Hasil penelitian menunjukkan bahwa sistem berhasil mengintegrasikan delapan modul utama yang mendukung pencatatan, pelacakan, dan pemantauan proses produksi secara real-time. Evaluasi terhadap 52 test case menghasilkan tingkat keberhasilan 100% dengan waktu eksekusi pipelinesekitar 1 menit 10 detik. Temuan ini menunjukkan bahwa sistem mampu meningkatkan traceability, mengintegrasikan data produksi, mempercepat penelusuran riwayat bahan baku, serta mendukung implementasi SCM pada industri tekstil.

Penerapan Metode Cause-Effect Graphing dalam Pengujian Black-Box Aplikasi Kinerja Politeknik Negeri Sriwijaya

2026-07-22T23:36:02+00:00

The Sriwijaya State Polytechnic Performance Application is used to support the integrated monitoring of performance data. The complexity of system functions and the large number of input combinations may cause errors that affect the accuracy of information. Software testing is required to ensure that all system functions operate in accordance with user requirements. This study aims to apply the Cause-Effect Graphing method in black-box testing of the Sriwijaya State Polytechnic Performance Application to identify the relationships between input conditions and system outputs and to generate effective test scenarios. The research method consists of identifying testing requirements, determining causes and effects, constructing cause-effect graphs, developing decision tables, and conducting testing on the main features of the application. The results indicate that the Cause-Effect Graphing method is capable of producing systematic test scenarios that cover various combinations of input conditions. The testing results show that the application functions operate in accordance with the system requirements. Therefore, the implementation of the Cause-Effect Graphing method can improve the effectiveness of black-box testing and support the software quality of the Sriwijaya State Polytechnic Performance Application.

Analisis Komparatif Algoritma Machine Learning dan Metode Feature Selection Untuk Prediksi Risiko Serangan Jantung

2026-07-22T23:37:06+00:00

Cardiovascular disease remains one of the leading causes of mortality worldwide. The application of Machine Learning (ML) provides a promising approach for the early detection of heart attack risk, yet the predictive modeling process is frequently hindered by imbalanced data and the presence of irrelevant features. This study evaluates the performance of eight classification algorithms in predicting heart attack risk using a dataset of 8,763 patient records. To address the bias caused by the majority class dominance (64.1% healthy patients), the Synthetic Minority Over-sampling Technique (SMOTE) was applied to the training dataset. The evaluation was conducted comparatively across three data dimensionality scenarios, that is Baseline Data (all features), the top five features derived from Random Forest Feature Importance, and a subset of five features selected via Recursive Feature Elimination (RFE). The results demonstrated that the Gradient Boosting Machine (GBM) algorithm achieved the highest functional accuracy of 60.4% under the Baseline scenario. The most critical finding of this experiment was the empirical evidence of the Accuracy Paradox in the RFE feature scenario. Although linear models such as Logistic Regression and probabilistic models like Naive Bayes achieved the highest “accuracy” at 64.3%, further evaluation revealed that their Precision and Recall scores for detecting heart attack risk were exactly 0.00. These models completely failed to identify the positive class, merely predicting the majority class for all test samples. In conclusion, demographic and lifestyle features independently possess only moderate predictive power (~60%), and relying solely on Accuracy as an evaluation metric in clinical predictive modeling can lead to highly misleading conclusions.

Sistem Informasi Website Pada Program Studi Teknologi Informasi Universitas PGRI Silampari Menggunakan Metode Agile

2026-07-27T02:46:14+00:00

Program Studi Teknologi Informasi Universitas PGRI Silampari tidak memiliki website sebagai sarana untuk menyampaikan informasi, sehingga informasi akademik masih disampaikan secara manual dan belum terintegrasi. Penelitian ini bertujuan untuk mengembangkan sistem informasi berbasis web dengan menggunakan metode Agile Scrum. Metode penelitian yang digunakan adalah Research and Development (R&D) yang meliputi tahapan Product Backlog, Sprint Planning, Sprint, Sprint Review, dan Sprint Retrospective. Pengumpulan data dilakukan melalui observasi, wawancara, dan analisis literatur. Desain sistem menggunakan Unified Modeling Language (UML), sedangkan implementasinya menggunakan PHP dan MySQL. Pengujian dilakukan dengan metode Black Box Testing. Hasil penelitian menunjukkan bahwa sistem yang dikembangkan dapat memenuhi kebutuhan pengguna, semua fitur berfungsi dengan baik, serta mendapatkan penilaian pengguna sebesar 86,25% dengan kategori sangat baik. Oleh karena itu, sistem ini layak digunakan sebagai media informasi akademik yang terintegrasi.

Implementasi Model XLM-RoBERTa untuk Multilingual Aspect-Based Sentiment Analysis (Studi Kasus Indomie Korean Ramyeon Series)

2026-07-24T13:33:58+00:00

Perkembangan digital dan media sosial mendorong meningkatnya volume respons publik secara daring, sehingga Aspect-Based Sentiment Analysis (ABSA) menjadi pendekatan yang relevan untuk memahami respons publik secara lebih granular. Penelitian ini mengimplementasikan model XLM-RoBERTa berbasis pre-training data Twitter yang diintegrasikan dengan CustomTrainer berbasis pembobotan kelas (class weights) untuk melakukan ABSA terhadap tweet produk Indomie Korean Ramyeon Series pada platform X. Dengan menggunakan kerangka kerja CRISP-DM, penelitian ini telah mengumpulkan dataset dalam bahasa Indonesia, Inggris, dan Korea. Klasifikasi aspek dilakukan menggunakan pendekatan rule-based setelah teks dipotong menjadi klausa berdasarkan konjungsi kontras, sedangkan klasifikasi sentimen dibagi menjadi kelas positif, netral, dan negatif. Hasil evaluasi model menunjukkan nilai accuracy keseluruhan sebesar 81,38% dengan Weighted Average F1-score sebesar 0,8117 dan Macro Average F1-score mencapai 0,7982. Model mencatatkan F1-score tertinggi pada kelas Positive sebesar 0,8447, sementara dampak ketidakseimbangan data (class imbalance) berhasil dimitigasi dengan baik pada kelas Negative yang mencatatkan F1-score sebesar 0,7723 berkat optimasi bobot penalti kesalahan prediksi. Hasil prediksi pada tahap penyebaran (deployment) menunjukkan bahwa sentimen Positive mendominasi ketiga aspek, dengan aspek Kolaborasi memiliki volume data terbesar. Pendekatan berbasis data ini dapat memberikan gambaran yang objektif mengenai dinamika respons pasar, yang bermanfaat untuk mendukung analisis tren preferensi publik serta evaluasi dampak dari strategi kolaborasi merek di media sosial.

Optimalisasi Penyampaian Informasi Perubahan Jadwal Kuliah melalui Automated Monitoring dan Priority-Based Alerting Berbasis Web

2026-07-31T11:43:24+00:00

Perubahan jadwal perkuliahan yang terjadi setelah jadwal diterbitkan sering menimbulkan keterlambatan informasi karena mahasiswa dan dosen harus melakukan pemeriksaan secara mandiri melalui laman sistem akademik. Penelitian ini bertujuan mengembangkan mekanisme otomatis untuk mendeteksi perubahan jadwal, menentukan tingkat prioritas informasi, dan mendistribusikan notifikasi kepada pengguna terdampak. Penelitian menggunakan metode pengembangan sistem melalui tahapan analisis kebutuhan, perancangan, implementasi, dan pengujian. Sistem dikembangkan dengan memodifikasi aplikasi penjadwalan kuliah berbasis web yang telah menggunakan Genetic Algorithm. Komponen yang ditambahkan meliputi monitoring service, recommendation engine, Priority Alert Scoring Algorithm, monitoring log, serta modul notifikasi website dan WhatsApp. Skor prioritas dihitung berdasarkan kombinasi severity jenis perubahan dan urgency waktu menuju pelaksanaan kuliah. Pengujian fungsional dilakukan menggunakan Black Box Testingterotomatisasi melalui Playwright pada Chromium dan Firefox, sedangkan pengujian performa mengukur waktu deteksi, waktu respons, dan keberhasilan pengiriman notifikasi. Hasil pengujian menunjukkan bahwa seluruh skenario fungsional dinyatakan valid. Sistem memperoleh rata-rata waktu deteksi 0,15 detik, waktu respons pengiriman 2,3 detik, dan keberhasilan pengiriman 50 dari 50 notifikasi atau 100%. Hasil tersebut menunjukkan bahwa integrasi monitoring otomatis dan Priority-Based Alerting mampu meningkatkan kecepatan serta keandalan penyampaian informasi perubahan jadwal perkuliahan.

Implementasi Optical Character Recognition (OCR) untuk Verifikasi KTP pada Aplikasi Asuransi

2026-07-31T11:43:38+00:00

Proses verifikasi identitas menggunakan Kartu Tanda Penduduk (KTP) pada aplikasi pendaftaran asuransi umumnya masih dilakukan secara manual, sehingga memakan waktu lama, rawan kesalahan manusia, serta sangat bergantung pada kualitas dokumen yang diunggah. Penelitian ini bertujuan mengimplementasikan teknologi Optical Character Recognition (OCR) untuk mengotomatisasi verifikasi KTP agar proses menjadi lebih cepat dan akurat. Metode yang digunakan adalah Research and Development (R&D) dengan pendekatan kuantitatif melalui analisis kebutuhan, observasi, penyebaran kuesioner, serta pengujian sistem menggunakan Tesseract.js. Pengembangan dilakukan melalui tahapan preprocessing citra, ekstraksi teks, parsing data, validasi logika, dan penghitungan skor verifikasi. Hasil pengujian menunjukkan bahwa OCR mampu mengekstraksi informasi utama KTP seperti nama, Nomor Induk Kependudukan (NIK), alamat, dan tanggal lahir dengan tingkat confidence 39%–62% bergantung pada kualitas gambar. Data nama dan tanggal lahir terbaca dengan akurasi tinggi (85% hingga 100%), sementara NIK masih menjadi tantangan terbesar. Sistem mampu mempercepat proses ekstraksi data menjadi rata-rata 2–3 detik per dokumen, jauh lebih cepat dibandingkan verifikasi manual. Uji coba ahli menunjukkan kelayakan sistem sebesar 100%, sedangkan uji coba pengguna menghasilkan tingkat kepuasan 98%. Penelitian ini menyimpulkan bahwa OCR efektif meningkatkan kecepatan dan akurasi verifikasi KTP pada aplikasi asuransi.

Pengembangan Sistem Informasi Pelayanan POSYANDU Terpadu Berbasis Website Menggunakan Metode Rational Unified Process

2026-07-31T11:43:53+00:00

Community health services through Integrated Health Posts (POSYANDU) play an important role in improving maternal, child, and elderly health. However, manual data recording and reporting processes often lead to data redundancy, document loss, reporting delays, and inefficient health service management. This study aimed to develop a web-based POSYANDU information system capable of improving administrative effectiveness and health service quality. The research adopted the Research and Development (R&D) approach with the Rational Unified Process (RUP) software development methodology consisting of Inception, Elaboration, Construction, and Transition phases. The system was developed using PHP Native, MySQL database, and Data Flow Diagram (DFD) together with Entity Relationship Diagram (ERD) for system modeling. The developed application manages POSYANDU data including toddlers, pregnant women, elderly citizens, schedules, and reporting modules. Black-box testing demonstrated that every system function operated successfully according to the expected requirements. The developed system provides faster data processing, structured information management, automatic report generation, and facilitates health workers and POSYANDU cadres in delivering community health services.

Implementasi Content-Based Filtering untuk Rekomendasi Kafe Berdasarkan Konsep Ruang di Yogyakarta

2026-07-31T11:44:14+00:00

Pertumbuhan kafe di Kota Yogyakarta memberikan banyak alternatif tempat untuk belajar, bekerja, melakukan rapat, dan bersosialisasi. Namun, informasi mengenai konsep ruang indoor, outdoor, dan fasilitas pendukung masih tersebar pada peta daring, media sosial, serta ulasan pengguna yang tidak terstruktur. Penelitian ini mengembangkan sistem rekomendasi kafe berbasis web menggunakan metode Content-Based Filtering dan algoritma Cosine Similarity untuk mencocokkan preferensi pengguna dengan atribut kafe. Penelitian dilaksanakan melalui tahapan identifikasi masalah, studi literatur, pengumpulan data, validasi atribut, perancangan sistem, implementasi, dan pengujian. Pengumpulan data dilakukan melalui observasi lapangan, Google Maps, dan media sosial. Dataset akhir terdiri atas 50 kafe, 20 atribut fasilitas, serta 218 relasi kafe–fasilitas. Preferensi pengguna dan profil kafe direpresentasikan sebagai vektor biner berdimensi 20, kemudian dihitung tingkat kemiripannya dan diurutkan dari nilai tertinggi. Pengujian dilakukan menggunakan black-box testing dan Playwright. Seluruh fungsi utama rekomendasi dan administrasi dapat dijalankan sesuai kebutuhan. Tiga skenario pengujian otomatis memperoleh status berhasil dengan waktu eksekusi 16,8 detik. Pengujian komparatif menghasilkan rata-rata similarity sebesar 0,3682 untuk atribut indoor, 0,2379 untuk outdoor, dan 0,4286 untuk gabungan. Skenario gabungan menghasilkan rata-rata tertinggi sehingga kombinasi atribut ruang dan fasilitas memberikan rekomendasi yang lebih representatif. Sistem juga dapat menangani kafe baru tanpa membutuhkan riwayat penilaian pengguna.

Strategi Integrated Marketing Communication (IMC) Mempromosikan Smart and Green Solutions PLN Icon Plus di Era Digital

2026-08-02T22:22:58+00:00

This study aims to explain the planning and implementation strategy of Integrated Marketing Communication (IMC) in promoting PLN Icon Plus' Smart and Green Solutions services in the digital era. The research method used is descriptive qualitative. The results show that in the planning stage, PLN Icon Plus applies the six stages of the Belch and Belch (2001) model, namely marketing plan review, situation analysis (SWOT), communication process analysis, budget determination with a focus on digital media efficiency, program development, and monitoring and evaluation. The SWOT analysis reveals the main challenge in the form of low public awareness (brand awareness) of this service compared to ICONNET, amidst the great opportunity of the 2060 Net Zero Emission target. In the implementation stage, the company comprehensively integrates eight elements of the IMC mix, including advertising through below-the-line (BTL) activations, sales promotions in the form of providing merchandise, discounts, and vouchers, events and experiences through regular exhibitions (such as ICONNEXT), and public relations and publicity through press releases and TJSL activities. In addition, the digital aspect was optimized through online and social media marketing based on a problem-solving approach, mobile marketing utilizing the PLN Mobile application and WhatsApp, direct and database marketing using structured email blasts, and personal selling for B2B market penetration. In conclusion, the integration of careful planning and a digital-based multi-channel IMC mix proved effective in educating the public, increasing brand awareness, and strengthening PLN Icon Plus' position as a provider of sustainable digital solutions.

Implementasi Rekomendasi Produk Dan Pembayaran Digital Pada Sistem Informasi Penjualan

2026-08-02T22:23:36+00:00

Pengelolaan produk, stok, transaksi, dan pembayaran di Toko Grosir Yeti masih dilakukan melalui prosedur konvensional sehingga berpotensi menimbulkan kesalahan pencatatan dan rendahnya efisiensi pelayanan. Penelitian ini membangun sistem informasi penjualan berbasis web yang dilengkapi rekomendasi produk dan pembayaran digital. Sistem dikembangkan menggunakan metode Extreme Programming melalui tahap perencanaan, perancangan, pengkodean, dan pengujian. Rekomendasi menerapkan content-based filtering dengan pembobotan Term Frequency–Inverse Document Frequency dan algoritma Cosine Similarity terhadap nama, kategori, serta deskripsi produk. Flutter dan Dart digunakan pada antarmuka, sedangkan Supabase dan PostgreSQL mendukung pengelolaan data. Midtrans diintegrasikan dalam mode sandbox untuk simulasi pembayaran. Sistem berhasil menyediakan pengelolaan katalog, keranjang, checkout, profil pelanggan, riwayat pesanan, laporan, rekomendasi, dan verifikasi pembayaran. Pada contoh perhitungan, dua produk tepung memperoleh nilai kemiripan 0,289, sedangkan produk yang tidak berhubungan memperoleh nilai nol. Sepuluh skenario pengujian pembayaran dan pengelolaan pesanan menghasilkan keluaran sesuai harapan. Sistem dinilai layak secara fungsional untuk mendukung pengelolaan penjualan, pencarian produk relevan, dan pembayaran digital.

Deteksi Menu dan Estimasi Kelayakan Nutrisi Menggunakan YOLOv11 pada Program Makan Bergizi Gratis

2026-08-02T22:24:15+00:00

Program Makan Bergizi Gratis memerlukan mekanisme yang cepat dan terstandarisasi untuk memverifikasi komponen menu serta menyajikan informasi nutrisi. Penelitian ini mengembangkan sistem computer vision menggunakan YOLOv11 untuk mendeteksi objek makanan dan mengestimasi kelayakan nutrisi melalui citra menu. Penelitian mengikuti tahapan CRISP-DM, yaitu pemahaman bisnis, pemahaman data, persiapan data, pemodelan, evaluasi, dan penerapan. Dataset berjumlah 300 citra yang mencakup 30 kelas makanan dan 1.541 objek teranotasi dipersiapkan melalui Roboflow, kemudian dibagi menjadi data latih, validasi, dan pengujian dengan rasio 80:10:10. Model YOLOv11l dengan 25,37 juta parameter dilatih menggunakan augmentasi dinamis dan berhenti pada epoch ke-42 melalui early stopping. Pengujian menghasilkan precision 75,19%, recall 73,98%, F1-score 74,58%, mAP50 82,64%, dan mAP50-95 77,21%. Label hasil deteksi dipetakan ke Tabel Komposisi Pangan Indonesia 2020 dan data pelengkap USDA untuk mengestimasi energi, protein, lemak, karbohidrat, dan serat berdasarkan porsi standar 100 gram. Model diterapkan pada aplikasi web Streamlit yang menampilkan kotak deteksi, label makanan, estimasi nutrisi, dan kontribusinya terhadap angka kecukupan gizi. Hasil menunjukkan bahwa YOLOv11 dapat mendukung identifikasi menu dan pemantauan nutrisi secara praktis, meskipun masih diperlukan dataset yang lebih besar dan seimbang serta estimasi porsi otomatis.

Sistem Pendukung Keputusan Seleksi Pegawai Baru Menggunakan Metode Moora

2026-08-02T22:24:54+00:00

Proses rekrutmen manual di PT Echo Advanced Technology Indonesia menyebabkan penilaian membutuhkan waktu relatif lama, tidak konsisten, dan berpotensi subjektif ketika banyak pelamar dinilai berdasarkan sejumlah kriteria kompetensi. Penelitian ini mengembangkan sistem pendukung keputusan berbasis web untuk memeringkat calon pegawai baru menggunakan metode Multi-Objective Optimization on the Basis of Ratio Analysis (MOORA). Data diperoleh melalui observasi, wawancara dengan bagian Human Resource Development, dan studi dokumen. Pengembangan sistem menggunakan model Waterfall yang meliputi analisis kebutuhan, perancangan, implementasi, pengujian, penerapan, dan pemeliharaan. Delapan kriteria berjenis benefit digunakan, yaitu pendidikan, pengalaman quality control, ketelitian, penampilan, kemampuan analisis, hasil tes teknis, dokumentasi dan pelaporan, serta usia. Sembilan kandidat dinilai melalui pembentukan matriks keputusan, normalisasi vektor, pembobotan, perhitungan nilai optimasi, dan pemeringkatan. Nilai optimasi tertinggi diperoleh Andrik Lugi Prasetyo sebesar 0,355, diikuti Mochammad Ramdhan sebesar 0,344 dan Ahmad Fadli sebesar 0,340. Pengujian black-box menunjukkan seluruh fungsi yang diuji berjalan berhasil. Sistem yang dibangun mendukung proses rekrutmen yang lebih terstruktur, transparan, dan terukur, sedangkan keputusan akhir tetap berada pada pihak manajemen.

Kata kunci: sistem pendukung keputusan, seleksi pegawai, MOORA, rekrutmen, pemeringkatan.

Implementasi Model IndoBERT Untuk Analisis Sentimen Berbasis Aspek Dan Visualisasinya Pada Dashboard Interaktif Ulasan Restoran

2026-08-02T22:26:02+00:00

Peningkatan jumlah ulasan pelanggan pada platform digital restoran menghasilkan data tidak terstruktur yang sulit untuk dianalisis secara manual. Selain itu, satu ulasan sering kali memuat beberapa aspek dengan sentimen yang berbeda sehingga diperlukan pendekatan yang mampu mengidentifikasi sentimen pada setiap aspek secara terpisah. Penelitian ini bertujuan mengimplementasikan arsitektur IndoBERT untuk melakukan Aspect-Based Sentiment Analysis (ABSA) serta memvisualisasikan hasilnya melalui dashboard analitik interaktif. Model dikembangkan menggunakan pendekatan Sentence Pair Classification (SPC) terhadap 1.080 ulasan pelanggan BPK Tesalonika yang dipasangkan dengan lima kategori aspek sehingga menghasilkan 5.400 pasangan data. Hasil eksperimen menunjukkan bahwa konfigurasi learning rate 5×10⁻⁵ memberikan performa terbaik. Ketidakseimbangan distribusi kelas ditangani menggunakan pendekatan Cost-Sensitive Learning dengan fungsi Weighted Cross-Entropy. Hasil pengujian menunjukkan bahwa model mampu mendeteksi aspek dengan akurasi 95,09% dan F1-Score 92,08%, sedangkan klasifikasi sentimen memperoleh akurasi 90,00% dan Macro F1-Score 85,56%. Model selanjutnya diintegrasikan ke dalam aplikasi berbasis Flask sehingga hasil analisis dapat disajikan melalui dashboard interaktif, sistem yang dikembangkan mampu menyajikan ringkasan distribusi aspek dan sentimen pelanggan secara otomatis melalui dashboard interaktif sebagai media pendukung evaluasi layanan dan pengambilan keputusan berbasis data