CHAIN: Journal of Computer Technology, Computer Engineering, and Informatics

Perancangan Chatbot Berbasis Website untuk Layanan Akademik Menggunakan Knowledge Base Lokal di Universitas Bina Bangsa Getsempena

2026-08-02T19:26:23+07:00

Layanan informasi akademik di perguruan tinggi umumnya masih mengandalkan mekanisme layanan manual, sehingga proses penyampaian informasi kepada mahasiswa seringkali kurang optimal dan menyebabkan keterlambatan. Penelitian ini bertujuan untuk mengembangkan dan menerapkan chatbot layanan akademik berbasis web di Universitas Bina Bangsa Getsempena sebagai solusi untuk meningkatkan efektivitas penyampaian informasi akademik. Proses pengembangan sistem ini mengikuti metode Waterfall, yang mencakup tahap-tahap analisis kebutuhan, perancangan, implementasi, pengujian, penerapan, dan pemeliharaan. Chatbot ini dikembangkan menggunakan Node.js dan Express.js, dengan memanfaatkan basis pengetahuan yang disusun dalam format JavaScript Object Notation (JSON). Sistem ini dievaluasi melalui Black Box Testing dan Pengujian Penerimaan Pengguna (UAT). Hasil pengujian menunjukkan bahwa semua fungsi aplikasi beroperasi sesuai dengan persyaratan yang telah ditetapkan, sedangkan skor UAT mencapai 92,27%, yang masuk ke dalam kategori “Sangat Baik”. Temuan ini menunjukkan bahwa chatbot yang dikembangkan cocok digunakan sebagai media alternatif untuk layanan informasi akademik, karena mampu memberikan informasi secara lebih efektif dan mudah diakses, sehingga berkontribusi pada peningkatan kualitas layanan akademik di perguruan tinggi.

Pakan Ayam Otomatis Menggunakan Sistem Internet Of Things

2026-08-02T19:26:23+07:00

Pemberian pakan ayam secara manual masih banyak diterapkan pada peternakan skala kecil dan menengah sehingga berpotensi menyebabkan keterlambatan pemberian pakan, ketidaktepatan jadwal, serta meningkatkan ketergantungan terhadap tenaga kerja. Penelitian ini bertujuan merancang dan mengimplementasikan sistem pemberian pakan ayam otomatis berbasis Internet of Things (IoT) yang mampu memberikan pakan secara terjadwal serta dapat dipantau dan dikendalikan dari jarak jauh melalui aplikasi Telegram. Metode penelitian yang digunakan adalah System Development Life Cycle (SDLC) dengan model Waterfall yang meliputi tahapan perencanaan, analisis, perancangan, implementasi, pengujian, dan pemeliharaan. Sistem dibangun menggunakan NodeMCU ESP8266 sebagai pengendali utama, RTC DS3231 sebagai pengatur jadwal, motor servo MG995 sebagai penggerak katup pakan, sensor ultrasonik untuk mendeteksi sisa pakan, serta LCD 16×2 sebagai media informasi. Hasil penelitian menunjukkan bahwa sistem mampu memberikan pakan secara otomatis sesuai jadwal yang telah ditentukan dengan takaran 400 Gram lebih setiap pemberian dan kapasitas penyimpanan pakan 1,5 kg. Sistem juga berhasil menampilkan informasi pada LCD, mengirimkan notifikasi melalui Telegram, serta mendeteksi kondisi stok pakan menggunakan sensor ultrasonik. Selain itu, penggunaan aki sebagai sumber daya cadangan memungkinkan sistem tetap beroperasi ketika terjadi pemadaman listrik. Dengan demikian, sistem yang dikembangkan dapat meningkatkan efisiensi proses pemberian pakan, memudahkan monitoring, serta menjadi solusi yang praktis dan ekonomis bagi peternak ayam.

Analisis Perbandingan Model Machine Learning untuk Klasifikasi Sentimen Isu Kesehatan Mental

2026-08-02T19:26:23+07:00

Media sosial, khususnya platform X, menjadi salah satu sarana masyarakat dalam menyampaikan opini mengenai berbagai isu, termasuk kesehatan mental. Informasi tersebut dapat dimanfaatkan untuk mengetahui persepsi masyarakat melalui analisis sentimen. Penelitian ini bertujuan membandingkan kinerja beberapa algoritma pembelajaran mesin dalam mengklasifikasikan sentimen terhadap isu kesehatan mental pada platform X. Data dikumpulkan menggunakan teknik web crawling berdasarkan kata kunci "kesehatan mental" selama periode 4 April hingga 28 Mei 2025. Pelabelan sentimen dilakukan secara otomatis menggunakan metode VADER (Valence Aware Dictionary and sEntiment Reasoner) sehingga diperoleh 4.906 data yang terdiri atas 3.415 sentimen positif dan 1.491 sentimen negatif. Tahap preprocessing meliputi cleaning, case folding, normalisasi, tokenizing, stopword removal, dan stemming, kemudian dilakukan ekstraksi fitur menggunakan TF-IDF. Proses klasifikasi dilakukan menggunakan algoritma Support Vector Machine (SVM), Random Forest, Naïve Bayes, dan Logistic Regression dengan pembagian data latih dan data uji sebesar 80:20. Hasil pengujian menunjukkan bahwa algoritma Support Vector Machine (SVM) memberikan kinerja terbaik dibandingkan algoritma lainnya dengan nilai akurasi sebesar 81,57%, presisi 83,29%, recall 81,57%, dan F1-score 79,22%. Hasil penelitian menunjukkan bahwa SVM merupakan algoritma yang paling efektif dalam mengklasifikasikan sentimen terkait isu kesehatan mental pada platform X.

Sistem Monitoring Infus Berbasis Internet of Things Untuk Deteksi Volume dan Laju Tetesan Infus

2026-08-02T19:26:23+07:00

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 merancang dan membangun sistem monitoring infus berbasis Internet of Things (IoT) yang mampu mendeteksi volume cairan dan laju tetesan infus secara real-time. Metode pengembangan sistem yang digunakan adalah Rapid Application Development (RAD) dengan 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 untuk mendeteksi laju tetesan, LCD OLED sebagai media tampilan lokal, serta dashboard berbasis web untuk monitoring. Hasil pengujian menggunakan Black Box Testing menunjukkan seluruh fungsi sistem berjalan sesuai kebutuhan, sedangkan Beta Testing yang dilakukan kepada tenaga kesehatan di Rumah Sakit Bhakti Kartini Bekasi menunjukkan bahwa sistem mudah digunakan, mudah dipahami, dan layak digunakan sebagai alat bantu monitoring pasien. Dengan demikian, sistem yang dikembangkan mampu membantu tenaga kesehatan dalam memantau kondisi infus secara lebih efektif, responsif, dan real-time.

Model Multiple Linear Regression Untuk Prediksi Durasi Penginstalan Equipment Mechanical Dengan Evaluasi MAE dan RMSE Pada PT Nusareka Prima Engineering

2026-08-02T19:26:23+07:00

Abstrak: Memperkirakan durasi instalasi equipment mechanical merupakan elemen krusial dalam manajemen proyek konstruksi karena berdampak langsung pada penjadwalan, alokasi sumber daya, dan efisiensi biaya. Kesalahan dalam estimasi waktu dapat memicu keterlambatan penyelesaian proyek dan lonjakan biaya operasional. Oleh sebab itu, dibutuhkan pendekatan yang lebih objektif untuk memprediksi durasi berdasarkan data historis. Penelitian ini bertujuan untuk mengimplementasikan metode Regresi Linier Berganda dalam memprediksi waktu penginstalan equipment mechanical di PT Nusareka Prima Engineering. Variabel independen yang dianalisis mencakup jumlah pekerja, tingkat kompleksitas pekerjaan, kondisi area kerja, durasi proses welding, serta keterlambatan material, dengan durasi penginstalan equipment mechanical sebagai variabel dependen. Tahapan pelaksanaan penelitian ini meliputi identifikasi masalah, tinjauan pustaka, pengumpulan data historis, data preprocessing, pemisahan dataset menjadi 80% data training dan 20% data testing, pembuatan model menggunakan perangkat lunak RapidMiner, serta evaluasi performa model melalui Mean Absolute Error (MAE) dan Root Mean Square Error (RMSE). Hasil analisis menunjukkan bahwa model Regresi Linier Berganda mendapatkan nilai RMSE sebesar 1,141 dan MAE sebesar 0,910. Nilai tersebut membuktikan bahwa tingkat kesalahan prediksi relatif rendah dan model mampu menghasilkan estimasi yang mendekati kondisi aktual lapangan. Oleh karena itu, model ini dinilai layak untuk dijadikan alat bantu pengambilan keputusan dalam penyusunan jadwal, perencanaan sumber daya, dan pengendalian proyek, yang pada akhirnya dapat meningkatkan efektivitas proses perencanaan konstruksi di PT Nusareka Prima Engineering

Kata Kunci: Regresi Linier Berganda; Prediksi Durasi; equipment mechanical; MAE; RMSE.

Pengujian Sistem pada Website Linkundangan dengan Metode Alpha dan Beta Testing

2026-08-02T19:26:23+07:00

This study aims to test the functionality and user satisfaction level of the LinkUndangan web-based application using the Black Box Testing method consisting of Alpha Testing and Beta Testing. LinkUndangan is an online digital invitation creation and management platform. Alpha Testing was conducted by the internal team to ensure all main functions such as user login, account registration, invitation creation, photo upload, preview, publication, and RSVP run according to functional specifications. Meanwhile, Beta Testing involved 30 end-user respondents using a Likert scale questionnaire instrument based on ISO 9241-11:2018 usability standards and ISO/IEC 25010:2023 quality models. The Alpha Testing results showed a 100% success rate across 7 test scenarios with no critical functional errors found. The Beta Testing results achieved an average user satisfaction score of 71.67%, categorizing it as good, with Functional Correctness reaching 76.00% and Functional Suitability at 75.33%. These results conclude that the LinkUndangan website is fit for deployment as a web-based digital invitation platform.

Sistem Pendukung Keputusan Kelayakan Izin Trayek Travel pada Dinas Perhubungan Kab. Inhil Menggunakan Metode Electre

2026-08-02T19:26:24+07:00

Pelayanan Izin Trayek travel pada Dinas Perhubungan Kabupaten Indragiri Hilir masih dilakukan secara manual, sehingga menyebabkan penumpukan permohonan, data yang tidak konsisten, dan proses pengambilan keputusan yang lambat serta kurang objektif. Penelitian ini bertujuan merancang sistem pendukung keputusan (SPK) berbasis web untuk menilai kelayakan izin trayek travel menggunakan metode Electre (Elimination and Choice Translating Reality), yang membandingkan alternatif secara berpasangan berdasarkan bobot dan banyak kriteria. Lima kriteria penilaian ditetapkan berdasarkan hasil wawancara dengan petugas dinas, yaitu kelengkapan dokumen, kelayakan teknis kendaraan, jumlah kendaraan, kepatuhan terminal, dan legalitas perusahaan, yang masing-masing dinilai dengan skala Likert 1 sampai 5. Sistem dikembangkan menggunakan bahasa pemrograman PHP, basis data MySQL, serta HTML, CSS, dan JavaScript untuk antarmuka pengguna, dengan tahapan penelitian meliputi identifikasi masalah, studi literatur, pengumpulan data melalui wawancara, observasi, dan studi dokumentasi, pemodelan Electre, serta pengujian sistem menggunakan Black Box Testing. Hasil pengujian Black Box Testing menunjukkan bahwa dari 11 skenario pengujian yang dilakukan terhadap seluruh fitur utama sistem, 11 skenario (100%) dinyatakan valid, yang berarti seluruh fitur sistem berjalan sesuai dengan fungsinya masing-masing tanpa ditemukan kegagalan proses. Penerapan metode Electre pada sistem ini memberikan alternatif solusi yang objektif, cepat, dan transparan bagi Dinas Perhubungan Kabupaten Indragiri Hilir dalam mendukung digitalisasi pelayanan perizinan trayek travel.

Sistem Chatbot Informasi PPDB Berbasis TF-IDF dan Cosine Similarity Menggunakan Adaptive Threshold pada Web Sekolah

2026-08-02T19:26:24+07:00

Layanan informasi Penerimaan Peserta Didik Baru (PPDB) di SMP Sejahtera 2 Cileungsi masih dilakukan secara manual sehingga menyebabkan keterlambatan respons dan penumpukan pertanyaan dari calon pendaftar. Penelitian ini bertujuan merancang dan mengembangkan sistem chatbot berbasis web yang mengimplementasikan pipeline Natural Language Processing (NLP) secara penuh, mencakup Text Preprocessing, pembobotan Term Frequency–Inverse Document Frequency (TF-IDF), dan pencocokan intent menggunakan Cosine Similarity. Tahapan Text Preprocessing meliputi case folding, cleansing, tokenization, normalisasi sinonim, stopword removal, stemming, dan ekstraksi bigram. Knowledge base disusun dari 32 intent, 655 pola pertanyaan, dan 46 jawaban yang diperoleh melalui wawancara dan observasi di SMP Sejahtera 2. Sistem dikembangkan menggunakan metode Rapid Application Development (RAD) dengan arsitektur serverless berbasis Firebase Firestore dan Vanilla JavaScript sehingga seluruh komputasi TF-IDF dan Cosine Similarity dijalankan pada sisi klien tanpa backend khusus. Adaptive threshold diterapkan secara dinamis berdasarkan keberadaan kata kunci domain PPDB untuk meningkatkan relevansi jawaban. Evaluasi akurasi model dilakukan terhadap 35 sampel pertanyaan uji yang dibagi dalam tiga kategori: in-pattern, out-of-pattern, dan out-of-domain, menghasilkan akurasi keseluruhan sebesar 82,9%. Pengujian fungsional menggunakan Black Box Testing terhadap 8 skenario seluruhnya dinyatakan valid. Evaluasi latensi menunjukkan rata-rata waktu respons chatbot sebesar 1,05 detik. User Acceptance Test (UAT) terhadap 25 responden memperoleh rata-rata kepuasan 87,4% dengan kategori Sangat Baik. Hasil penelitian membuktikan bahwa implementasi pipeline NLP berbasis TF-IDF dan Cosine Similarity mampu meningkatkan kualitas layanan informasi PPDB secara otomatis, cepat, dan dapat diakses kapan saja.

Sistem Keamanan Closed Circuit Television di Jalan Acacia Taman Cileungsi Menggunakan Shinobi

2026-08-02T19:26:24+07:00

Jalan-jalan perumahan seperti di Jl. Acacia Taman Cileungsi yang tidak memiliki sistem keamanan dapat membuat lingkungan terasa tidak aman dan mengundang orang untuk melakukan kejahatan. Petugas keamanan dapat membuat tempat tersebut lebih aman, tetapi manusia perlu istirahat dan tidak selalu siaga, yang dapat menimbulkan celah keamanan. Dengan sistem CCTV yang selalu aktif, celah keamanan tersebut dapat dihilangkan dan memberikan bukti kuat jika terjadi kejahatan. Sistem CCTV dikombinasikan dengan sistem IoT, petugas keamanan dapat dengan mudah melakukan tugas mereka dan warga setempat juga dapat berperan aktif dalam menjaga keamanan dengan melihat rekaman kamera dari jarak jauh melalui akses internet. Sistem keamanan menggunakan kamera CCTV nirkabel, antena, dan server DVR khusus dengan Deteksi Objek AI yang kemudian terhubung ke internet melalui Tunneling dan kemudian dapat diakses dari jarak jauh melalui browser web dengan tautan, sistem ini juga menggunakan email sebagai cara cepat untuk mengakses notifikasi tanpa mengakses server. Pengembangan sistem menggunakan metode Prototipe untuk memastikan sistem yang cepat dan fungsional yang sesuai dengan kebutuhan warga setempat. Sistem ini dapat mengurangi tingkat kejahatan, memberikan pengawasan yang diperlukan, memberikan bukti, dan membuat lingkungan lebih aman di Jl. Acacia Taman Cileungsi. Dengan penerapan sistem CCTV ini, Acacia St Taman Cileungsi dapat menjadi lingkungan yang lebih aman dengan tingkat kejahatan yang lebih rendah.

Pengujian Fungsional Website eCampus Universitas Bina Insani Menggunakan Alpha dan Beta Testing

2026-08-04T21:59:53+07:00

The eCampus Website of Bina Insani University is an academic information system that provides various services to support students’ academic activities, including login, e-learning, grade information, Study Result Card (KHS) printing, academic transcripts, GPA information, lecture schedules, attendance, learning materials, discussions, assignments, and group assignments. To ensure that the system operates according to user requirements, testing of its functionality and user acceptance is necessary. This study aims to test and evaluate the quality of the Bina Insani University eCampus Website using Alpha Testing and Beta Testing methods. Alpha Testing was conducted using a Black Box Testing approach to examine the main system functions based on predetermined scenarios and test cases. Meanwhile, Beta Testing involved 36 user respondents through a questionnaire consisting of 19 statements to measure user acceptance of the system. The Alpha Testing results show that most functions of the eCampus Website operate according to the requirements and testing scenarios, although several features still require improvement, particularly the Forgot Password feature and one of the functions in the Mata Kuliah menu. The Beta Testing results obtained an actual score of 2,366 out of a maximum score of 3,420, resulting in a user acceptance rate of 69.18%, which falls into the good category. The system functionality aspect received a good assessment, while the user interface aspect received a lower assessment and therefore still requires further development. Based on the testing results, the Bina Insani University eCampus Website is considered suitable for use as a medium to support academic services and is well accepted by users.

Implementasi Sistem Pakar Rekomendasi Jurusan Smk Menggunakan Metode Forward Chaining Pada Smk Bina Mandiri Bekasi

2026-08-07T18:44:00+07:00

Pemilihan jurusan di Sekolah Menengah Kejuruan (SMK) merupakan salah satu tahapan penting yang memengaruhi proses belajar dan pengembangan kompetensi peserta didik. Namun, proses penjurusan di SMK Bina Mandiri Kota Bekasi masih dilakukan secara manual sehingga calon siswa sering mengalami kesulitan dalam menentukan jurusan yang sesuai dengan kemampuan akademik, minat, dan bakat yang dimiliki. Penelitian ini bertujuan mengembangkan sistem pakar berbasis website yang mampu memberikan rekomendasi jurusan secara cepat, objektif, dan sesuai dengan karakteristik siswa menggunakan metode Forward Chaining. Metode pengembangan sistem yang digunakan adalah Rapid Application Development (RAD) yang meliputi tahapan perencanaan kebutuhan, perancangan, konstruksi, dan implementasi. Basis pengetahuan sistem diperoleh melalui observasi, wawancara dengan pihak sekolah, serta studi pustaka yang menghasilkan data mata pelajaran, minat, bakat, dan 28 aturan (rule) sebagai dasar proses inferensi. Sistem dibangun menggunakan PHP dengan framework CodeIgniter 3 dan MySQL sebagai basis data. Hasil penelitian menunjukkan bahwa sistem mampu menghasilkan rekomendasi jurusan sesuai dengan aturan yang telah ditentukan serta seluruh fungsi sistem berjalan dengan baik berdasarkan pengujian Black Box Testing. Selain itu, hasil User Acceptance Testing (UAT) terhadap 23 responden memperoleh tingkat penerimaan pengguna sebesar 87,11% yang termasuk dalam kategori baik. Dengan demikian, sistem yang dikembangkan dapat membantu calon siswa memperoleh rekomendasi jurusan secara efektif dan mendukung proses pengambilan keputusan penjurusan di SMK.

Segmentasi Tutupan Lahan Berbasis CNN pada Citra UAV Gumuk Pasir Parangtritis

2026-08-10T10:20:04+07:00

Periodic land cover monitoring in the Core Zone of Parangtritis Sand Dunes is crucial for conservation, but manual annotation of UAV imagery is time-consuming and subjective. This study implements a Standard U-Net for automatic semantic segmentation of sand and non-sand classes on UAV images. The training data consists of an integration of manual annotations (463 UAV images from 2019) and semi-automated annotations based on the Segment Anything Model (SAM) on 98 UAV images from 2022, while the test data comprises 80 UAV images from 2022 that the model has not previously encountered. Preprocessing included tiling images and masks into 256×256 patches, with data augmentation via rotation, zoom, brightness/contrast adjustment, and horizontal flip. The model was trained using a combined Binary Cross Entropy and Dice loss, Adam optimizer (learning rate 10⁻⁴), batch size 8, and a fixed threshold of 0.45. Evaluation on 80 independent 2022 test images yielded Pixel Accuracy of 73.31%, Dice Coefficient of 83.28%, and Intersection over Union (IoU) of 71.35%. Qualitatively, the model captured the general shape of sand areas well, though noise appeared in heterogeneous scenes, while the highest accuracy was achieved on homogeneous sand textures. The practical implication is accelerating precise spatial data provision for agencies monitoring sand dune changes. Further research is recommended to improve ground truth quality, integrate shadow correction, explore modern architectures, and apply loss functions handling class imbalance for comprehensive accuracy enhancement.

Sistem Identifikasi Varietas Koi Berdasarkan Pola Corak dan Warna Menggunakan YOLOv8

2026-08-12T00:42:43+07:00

Ikan koi (Cyprinus carpio) merupakan komoditas ikan hias bernilai ekonomis tinggi yang variasi corak dan warnanya, terutama pada varietas Kohaku, Sanke, dan Showa, menjadi daya tarik utama sekaligus tantangan tersendiri dalam proses identifikasi. Metode identifikasi manual yang selama ini digunakan pembudidaya masih rentan terhadap subjektivitas penilaian, khususnya pada varietas dengan kemiripan morfologi visual seperti Sanke dan Showa. Penelitian ini mengembangkan model deteksi dan klasifikasi ketiga varietas koi tersebut menggunakan arsitektur YOLOv8n yang diimplementasikan ke dalam sistem berbasis website. Dataset penelitian terdiri atas 313 citra sekunder dan 35 citra primer, yang setelah melalui anotasi dan augmentasi meningkat menjadi 589 citra dengan pembagian 414 data latih, 116 data validasi, dan 59 data uji. Model dilatih menggunakan tiga skenario konfigurasi hyperparameter berbeda, dengan konfigurasi epoch 100, batch 16, dan patience 20 menghasilkan performa terbaik berupa precision 94,88%, recall 87,87%, mAP@0,5 sebesar 93,89%, dan mAP@0,5:0,95 sebesar 90,85%. Analisis confusion matrix menunjukkan kesalahan klasifikasi paling banyak terjadi antara kelas Sanke dan Showa, sejalan dengan kemiripan visual keduanya, sementara kelas Kohaku menunjukkan performa paling stabil. Pengujian model pada data uji menghasilkan akurasi sebesar 98,30%, mengonfirmasi kemampuan generalisasi model terhadap data baru. Model yang telah divalidasi selanjutnya diintegrasikan ke dalam sistem berbasis website, dan pengujian fungsionalitas menggunakan metode black box testing membuktikan bahwa seluruh fitur sistem berjalan sesuai harapan tanpa kegagalan fungsi.

Integration of Data Assessment Method Weighting and Proximity Indexed Value for Best Employee Selection in Decision Support Systems

2026-08-12T09:49:09+07:00

The selection of the best employee is a multi-criteria decision-making problem because employee performance is evaluated using several criteria with different levels of importance. Subjective criterion weighting may not fully represent the characteristics of the assessment data and can influence the resulting decision. This study proposes the integration of Data Assessment Method (DAM) Weighting and Proximity Indexed Value (PIV) within a Decision Support System for best employee selection. DAM Weighting is employed to determine objective criterion weights based on the information contained in the assessment data, while PIV is used to evaluate the relative proximity of each employee alternative to the reference condition. The results show that the criterion weights are relatively balanced, with R1 obtaining the highest weight of 0.1494 and R4 the lowest weight of 0.1381. The PIV calculation produces different proximity values among the nine employee alternatives, with Alt-08 obtaining the lowest value of -2.2864, followed by Alt-09 at -1.8580 and Alt-06 at -1.7148. Based on the resulting ranking, Alt-08 is identified as the best employee. These findings indicate that the integration of DAM Weighting and PIV can provide an objective, quantitative, and data-oriented mechanism for supporting best employee selection in a Decision Support System.

Pengembangan Sistem Computer Based Test (CBT) Berbasis React.js untuk Menjaga Integritas Evaluasi Akademik di SMP Al-Ishlah

2026-08-13T13:16:12+07:00

Pengembangan teknologi informasi di bidang pendidikan mendorong transformasi sistem evaluasi dari metode konvensional menjadi Computer Based Test (CBT) berbasis web. Namun, implementasi CBT masih menghadapi permasalahan terkait integritas akademik, khususnya potensi kecurangan seperti perpindahan tab, akses aplikasi lain, dan pencarian jawaban melalui internet selama ujian berlangsung. Penelitian ini bertujuan untuk merancang dan membangun sistem CBT berbasis React.js dengan implementasi mekanisme keamanan berupa kiosk mode dan deteksi kehilangan fokus layar sebagai upaya mitigasi kecurangan ujian pada SMP Al-Ishlah Cintaraja. Metode pengembangan yang digunakan adalah Agile Scrum dengan teknologi React.js, Node.js, Express.js, dan Firebase. Sistem dilengkapi fitur pengacakan soal, pembatasan waktu, fullscreen mode, serta deteksi perpindahan tab. Pengujian dilakukan menggunakan Black Box Testing, User Acceptance Testing (UAT), dan Security Testing. Hasil penelitian menunjukkan bahwa sistem CBT yang dikembangkan mampu meningkatkan keamanan, efektivitas, dan integritas pelaksanaan ujian digital, serta memudahkan pengelolaan ujian oleh guru dan pengawas.

Implementasi Sistem Irigasi Hidroponik Berbasis Internet of Things di Kampung Ramah Lingkungan

2026-09-19T19:17:49+07:00

Irigasi merupakan salah satu faktor penting dalam budi daya 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 kangkung menggunakan metode Rapid Application Development (RAD). Sistem dikembangkan menggunakan mikrokontroler ESP32 sebagai pusat kendali, sensor Total Dissolved Solids (TDS) untuk memantau kandungan zat terlarut pada larutan, sensor ultrasonik HC-SR04 untuk mengukur ketinggian air, modul relay sebagai pengendali dua pompa air R385, serta dashboard berbasis web untuk monitoring, pengaturan jadwal irigasi, dan pengendalian pompa secara manual. Hasil pengujian Black Box Testing 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 budi daya kangkung hidroponik di Kampung Ramah Lingkungan secara lebih efisien.

Sistem Identifikasi Minat Bakat dan Gaya Belajar Siswa Menggunakan Metode Forward Chaining Pada SMP 6 Negeri Babelan

2026-09-19T19:18:42+07:00

Pemilihan jenjang pendidikan lanjutan merupakan langkah krusial bagi siswa Sekolah Menengah Pertama (SMP) dalam mengembangkan potensi diri dan menentukan arah pendidikan di masa depan. Namun, proses identifikasi minat, bakat, dan gaya belajar siswa di SMP Negeri 6 Babelan masih dilakukan secara manual sehingga membutuhkan waktu relatif lama dan belum mampu menjangkau seluruh siswa secara efektif. Selain itu, kurangnya pemahaman terhadap potensi diri dapat menyebabkan siswa memilih pendidikan lanjutan karena pengaruh lingkungan sekitar atau fenomena Fear of Missing Out (FOMO). Penelitian ini bertujuan mengembangkan sistem pakar berbasis web yang mampu mengidentifikasi minat, bakat, dan gaya belajar siswa dengan menerapkan metode Forward Chaining sebagai mesin inferensi. Sistem dikembangkan menggunakan metode Rapid Application Development (RAD) dengan memanfaatkan pengetahuan yang diperoleh melalui wawancara dengan Guru Bimbingan dan Konseling (BK) serta psikolog sebagai pakar. Data yang digunakan meliputi nilai mata pelajaran sebagai indikator minat, pilihan kegiatan sebagai indikator bakat, serta hasil pengisian instrumen gaya belajar yang dikelompokkan ke dalam kategori Visual, Auditorial, dan Kinestetik. Hasil penelitian menunjukkan bahwa sistem mampu mengidentifikasi minat, bakat, dan gaya belajar siswa serta memberikan rekomendasi pendidikan lanjutan berupa SMA, SMK, atau MA berdasarkan aturan yang telah ditetapkan. Pengujian alfa menunjukkan seluruh fungsi sistem berjalan sesuai rancangan, sedangkan pengujian beta melalui kuesioner kepada satu Guru BK dan 20 siswa kelas VIII menunjukkan respons positif dan penerimaan pengguna terhadap sistem sebagai alat bantu layanan Bimbingan dan Konseling.

Kata Kunci: Bimbingan Konseling; Forward Chaining; Gaya Belajar; Minat Bakat; Pendidikan Lanjutan; Sistem Pakar;

Prediksi Kebutuhan Sparepart pada Lini ULI PT Cedefindo Menggunakan Algoritma Random Forest

2026-09-19T19:22:55+07:00

PT Cedefindo khususnya pada lini ULI masih melakukan pengadaan sparepart berdasarkan kondisi stok, sementara data historis penggunaan sparepart yang tersedia belum dimanfaatkan sebagai dasar prediksi. Kondisi tersebut menyebabkan kebutuhan sparepart pada kegiatan Preventive Maintenance (PM) belum dapat diperkirakan dengan baik dan berpotensi menimbulkan understock. Penelitian ini bertujuan menghasilkan estimasi kebutuhan sparepart pada periode berikutnya dengan memanfaatkan data historis penggunaan, aktivitas PM, dan trend menggunakan algoritma Random Forest. Penelitian menggunakan metodologi CRISP-DM yang meliputi business understanding, data understanding, data preparation, modeling, evaluation, dan deployment. Data yang digunakan merupakan histori penggunaan sparepart lini ULI periode Januari 2025 sampai April 2026. Model dibangun menggunakan pendekatan dua tahap, yaitu Random Forest Classifier untuk menentukan sparepart yang diperkirakan digunakan dan Random Forest Regressor untuk memprediksi jumlah kebutuhan (QTY). Hasil pengujian terhadap 155 data testing menghasilkan MAE sebesar 2,69, RMSE sebesar 4,97, dan R² sebesar 0,34, yang menunjukkan bahwa model mampu menjelaskan 34% variasi QTY pada data testing. Pengujian pengguna terhadap 8 responden menggunakan skala Likert menghasilkan nilai rata-rata sebesar 92,14%, yang menunjukkan bahwa sistem dapat diterima dan digunakan oleh pengguna. Sistem berbasis website yang dihasilkan dapat digunakan sebagai informasi pendukung bagi admin teknik dalam memperkirakan kebutuhan sparepart untuk membantu proses pengadaan pada periode berikutnya.

Pengembangan chatbot informasi PPDB KB & TK As Salam menggunakan TF-IDF dan Cosine Similarity

2026-09-20T11:21:12+07:00

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.

Perancangan Chatbot Informasi PPDB Menggunakan Algoritma Multinomial Naive Bayes di TK Delima

2026-09-28T11:43:32+07:00

Abstrak: TK Delima masih menyampaikan informasi Penerimaan Peserta Didik Baru (PPDB) melalui brosur fisik, komunikasi tatap muka, dan pesan WhatsApp sehingga akses informasi bergantung pada jam operasional dan ketersediaan staf administrasi. Penelitian ini bertujuan merancang chatbot informasi PPDB berbasis website yang mampu mengklasifikasikan intent pertanyaan wali calon peserta didik serta memberikan respons berdasarkan basis pengetahuan yang tersedia. Pengembangan sistem menggunakan Rapid Application Development (RAD) dengan pengumpulan data melalui observasi, wawancara, dan studi pustaka. Masukan pengguna diproses menggunakan Natural Language Processing melalui enam tahap, yaitu case folding, punctuation removal, tokenization, normalisasi kata berbasis kamus, suffix stripping, dan stopword removal. Klasifikasi intent menerapkan Multinomial Naive Bayes yang dikombinasikan dengan Laplace Smoothing untuk mengatasi zero probability dan confidence check untuk menangani masukan di luar domain. Sistem diimplementasikan secara native menggunakan PHP, CodeIgniter 3, dan MySQL tanpa library machine learning eksternal. Data latih terdiri atas 85 kalimat pada tujuh kategori intent. Evaluasi menggunakan 40 kalimat uji menghasilkan accuracy 92,50%, macro-average precision 93,30%, macro-average recall 92,50%, dan macro-average F1-score 92,36%. Seluruh 11 skenario black-box testing berhasil, sedangkan kuesioner terhadap 11 responden memperoleh nilai rata-rata 4,01 atau tingkat persetujuan 80,1% dengan kategori Setuju. Hasil tersebut menunjukkan bahwa chatbot dapat membantu menyediakan informasi PPDB secara terprogram melalui website, meskipun kemampuan mengenali pertanyaan di luar domain masih perlu ditingkatkan.

Abstract: TK Delima still disseminates New Student Admission (PPDB) information through printed brochures, face-to-face communication, and WhatsApp messages, making access dependent on school operating hours and administrative staff availability. This study aims to design a website-based PPDB information chatbot capable of classifying the intent of prospective students’ parents’ questions and returning responses from a predefined knowledge base. The system was developed using Rapid Application Development (RAD), while data were collected through observation, interviews, and literature review. User input is processed using Natural Language Processing through six stages: case folding, punctuation removal, tokenization, dictionary-based normalization, suffix stripping, and stopword removal. Intent classification applies Multinomial Naive Bayes combined with Laplace Smoothing to address zero probability and a confidence-check mechanism to handle out-of-domain input. The system was implemented natively using PHP, CodeIgniter 3, and MySQL without external machine-learning libraries. The training dataset contains 85 sentences distributed across seven intent categories. Evaluation on 40 test sentences produced 92.50% accuracy, 93.30% macro-average precision, 92.50% macro-average recall, and 92.36% macro-average F1-score. All 11 black-box testing scenarios were successful, while a questionnaire involving 11 respondents achieved an average score of 4.01 or an 80.1% agreement level, categorized as Agree. The results indicate that the chatbot can support programmed delivery of PPDB information through the website, although its ability to recognize out-of-domain questions still requires improvement.

Sistem Informasi Produksi dan Penjualan Berbasis Web CV Deltasindo Engineering

2026-09-28T11:52:43+07:00

CV. Deltasindo Engineering memproduksi dan menjual bahan kimia aditif konstruksi, khususnya cairan pengeras beton, dengan model business-to-business (B2B). Pencatatan produksi, persediaan, dan penjualan sebelumnya dilakukan secara manual menggunakan kertas dan Microsoft Excel sehingga berisiko menimbulkan ketidaksesuaian data, kesulitan pelacakan transaksi, dan keterlambatan laporan. Penelitian ini bertujuan merancang dan membangun sistem informasi produksi dan penjualan berbasis web untuk mendukung pengelolaan transaksi secara terintegrasi. Metode pengembangan menggunakan Extreme Programming (XP) melalui planning, design, coding, dan testing. Sistem dibangun menggunakan PHP, framework CodeIgniter, dan MySQL. Aplikasi menyediakan pengelolaan bahan baku, supplier, client, inventaris, produk, tempat produksi, unit of measurement, transaksi bahan baku, transaksi penjualan, dan pengguna. Pengujian alpha dengan black-box menunjukkan fungsi yang diuji berjalan sesuai harapan. Pengujian beta terhadap delapan indikator terdokumentasi dari 10 responden menghasilkan skor 90%–97,5%, dengan rata-rata 94,4%. Hasil penelitian menunjukkan aplikasi membantu proses transaksi serta meningkatkan efektivitas dan efisiensi pengelolaan data perusahaan.