Random - JURIS - Juru Riset - Kompilasi Jurnal Akademik Indonesia

Pembuatan Website E Commerce Penjualan Sepeda Listrik Menggunakan Metode User Centered Design

2026-07-25T17:02:25+07:00

#calendar - Pembuatan Website E-Commerce Penjualan Sepeda Listrik Menggunakan Metode User Centered Design: Untuk penelitian lanjutan, dapat dipertimbangkan beberapa saran berikut: 1. Mengembangkan sistem e-commerce yang terintegrasi dengan platform media sosial untuk memperluas jangkauan pasar dan meningkatkan interaksi dengan pelanggan. 2. Menerapkan metode User Centered Design secara lebih mendalam, dengan melibatkan pengguna dalam proses desain dan pengembangan sistem secara aktif, untuk memastikan pengalaman pengguna yang optimal. 3. Melakukan penelitian lebih lanjut mengenai strategi pemasaran digital untuk bisnis sepeda listrik, termasuk analisis perilaku konsumen dan strategi promosi yang efektif..
Penelitian ini berhasil membangun website e-commerce penjualan sepeda listrik menggunakan metode User Centered Design (UCD) yang berorientasi pada kebutuhan pengguna.Sistem yang dikembangkan menyediakan fitur pengelolaan produk, transaksi penjualan, pembayaran online, manajemen stok, dan pelaporan yang mampu mendukung proses bisnis secara lebih efektif.Hasil pengujian menggunakan Black Box Testing menunjukkan bahwa seluruh fungsi sistem berjalan sesuai dengan kebutuhan yang telah ditentukan.Selain itu, hasil evaluasi menggunakan System Usability Scale (SUS) terhadap 20 responden memperoleh nilai rata-rata sebesar 83,25 yang termasuk kategori Excellent, Grade A, dan Acceptable.Hasil tersebut menunjukkan bahwa sistem memiliki tingkat usability yang sangat baik, mudah digunakan, dan dapat diterima oleh pengguna.Dengan demikian, penerapan metode UCD terbukti mampu menghasilkan website e-commerce yang sesuai dengan kebutuhan pengguna serta mendukung digitalisasi proses penjualan sepeda listrik secara optimal
Perkembangan teknologi informasi mendorong pelaku usaha untuk memanfaatkan sistem e-commerce dalam meningkatkan efektivitas proses penjualan. Penelitian ini bertujuan untuk membangun website e-commerce penjualan sepeda listrik menggunakan metode User Centered Design (UCD) yang berfokus pada kebutuhan dan pengalaman pengguna. Metode UCD diterapkan melalui tahapan analisis kebutuhan pengguna, perancangan sistem, implementasi, pengujian, dan evaluasi usability. Sistem dikembangkan menggunakan framework Laravel dan database MySQL dengan fitur utama berupa pengelolaan produk, keranjang belanja, checkout, pembayaran online, manajemen stok, dan laporan...
Kunjungi calendar untuk informasi lainnya.

Skrining Thalassemia Beta Minor pada Mahasiswa Fakultas Kedokteran

2026-07-25T17:01:36+07:00

#calendar - Skrining Thalassemia-Beta Minor pada Mahasiswa Fakultas Kedokteran: Penelitian lanjutan dapat mengeksplorasi prevalensi pembawa gen thalassemiaAcbeta dengan menggunakan teknik sampling acak pada populasi mahasiswa di berbagai universitas di Indonesia untuk meningkatkan generalisasi hasil; selanjutnya, studi komparatif antara metode skrining hematologi (seperti indeks Mentzer, MCV, dan OTOFT) dengan metode molekuler (seperti PCR atau sekuensing) dapat menilai keakuratan dan biaya efektivitas dalam deteksi pembawa gen, sehingga memberikan rekomendasi standar skrining terbaik; terakhir, penelitian intervensi yang menggabungkan program konseling praAcnikah dengan skrining rutin dapat menilai dampak edukasi dan deteksi dini terhadap penurunan insiden thalassemiaAcbeta pada generasi mendatang, dengan mengukur perubahan perilaku perkawinan dan tingkat kepatuhan terhadap tes lanjutan..
Prevalensi terduga pembawa gen thalassemiaAcbeta pada populasi mahasiswa Fakultas Universitas Mulawarman adalah 1,25%.Untuk mengkonfirmasi temuan skrining ini diperlukan pemeriksaan lanjutan berupa elektroforesis hemoglobin atau analisis gen
Thalassemia merupakan kelompok hemoglobinopati kongenital yang ditandai oleh kekurangan atau ketiadaan satu (atau lebih) rantai globin yang membentuk hemoglobin. Thalassemia mayor diwariskan melalui pola resesif autosomal oleh perkawinan antara pembawa gen thalassemia yang dikenal sebagai thalassemia minor. BetaActhalassemia merupakan tipe thalassemia yang paling umum. Diperkirakan 10% populasi Indonesia membawa gen betaActhalassemia. Namun, belum ada skrining rutin bagi pembawa gen thalassemia. Beberapa metode skrining thalassemia telah tersedia, salah satunya adalah skrining calon pengantin menggunakan beberapa parameter hematologi seperti indeks Mentzer dan tes fragilitas sel darah merah; keduanya...
Kunjungi calendar untuk informasi lainnya.

Analisis Pengaruh Batch Size dan Learning Rate pada VGG16 Untuk Klasifikasi Citra Aksara Kaganga

2026-07-25T16:47:00+07:00

#calendar - Analisis Pengaruh Batch Size dan Learning Rate pada VGG16 Untuk Klasifikasi Citra Aksara Kaganga: Untuk penelitian lanjutan, disarankan untuk mengeksplorasi lebih lanjut pengaruh hyperparameter lain seperti momentum dan weight decay pada kinerja model VGG16. Selain itu, penelitian dapat dilakukan untuk mengoptimalkan kinerja model pada dataset dengan ukuran yang lebih kecil atau dengan variasi yang lebih kompleks. Penelitian juga dapat dilakukan untuk membandingkan kinerja VGG16 dengan arsitektur CNN lainnya dalam tugas klasifikasi aksara Kaganga. Dengan demikian, penelitian ini dapat memberikan kontribusi lebih lanjut dalam pengembangan model klasifikasi citra aksara Kaganga yang lebih akurat dan efisien..
Berdasarkan hasil eksperimen yang dilakukan pada VGG16 dengan berbagai kombinasi batch size dan learning rate untuk klasifikasi citra aksara Kaganga, dapat disimpulkan bahwa pengaturan hyperparameter yang tepat memiliki pengaruh signifikan terhadap kinerja model.Secara umum, batch size 32 dengan learning rate 0.01 memberikan hasil yang paling optimal, dengan akurasi terbaik pada data train, validate, dan test.Pada batch size 16, meskipun model memberikan hasil yang cukup baik dengan learning rate 0.01, nilai akurasi pada data test lebih rendah dibandingkan dengan batch size 32 dan 64, mengindikasikan bahwa batch size yang lebih kecil cenderung lebih cepat mengalami overfitting.Sementara itu, pada batch size 64, learning rate 0.01 juga memberikan hasil terbaik dengan akurasi test yang mencapai 89.1%, menunjukkan bahwa batch size yang lebih besar dapat meningkatkan kinerja model pada data uji, meskipun ada sedikit penurunan pada akurasi validasi.001 cenderung memberikan pelatihan yang lebih lambat dan hasil yang kurang optimal pada data test.01 adalah direkomendaiskan untuk model VGG16 dalam tugas klasifikasi aksara Kaganga, terutama ketika digunakan dengan batch size 32 atau 64
Penelitian ini bertujuan untuk mengembangkan model klasifikasi citra aksara Kaganga menggunakan deep learning, dengan memanfaatkan arsitektur model VGG16 yang telah dilatih sebelumnya pada dataset besar seperti ImageNet. Dataset yang digunakan terdiri dari citra aksara Kaganga yang telah dilabeli, dibagi menjadi tiga bagian yaitu data pelatihan (70%), data validasi (15%), dan data uji (15%). Proses pelatihan model dilakukan dengan melakukan fine-tuning pada beberapa lapisan terakhir model VGG16, sementara lapisan-lapisan awal menggunakan bobot yang telah dilatih sebelumnya. Untuk mengoptimalkan kinerja model, eksperimen dilakukan dengan menguji kombinasi berbagai batch...
Kunjungi calendar untuk informasi lainnya.

Evaluasi Kinerja Web Server Nginx Dan Apache2 Pada Sistem Debian Menggunakan Metode Stress Testing

2026-07-25T16:46:08+07:00

#calendar - Evaluasi Kinerja Web Server Nginx Dan Apache2 Pada Sistem Debian Menggunakan Metode Stress Testing: Untuk penelitian lanjutan, disarankan untuk melakukan pengujian dengan variasi beban akses yang lebih luas, menggunakan perangkat benchmark yang berbeda, dan juga mengevaluasi penggunaan sumber daya server. Selain itu, dapat dilakukan penelitian yang membandingkan performa web server dengan menggunakan arsitektur dan konfigurasi yang berbeda, serta menguji kinerja web server dalam menangani serangan DDoS. Dengan demikian, penelitian selanjutnya dapat memberikan kontribusi yang lebih komprehensif dalam pemilihan web server yang sesuai dengan kebutuhan implementasi layanan berbasis web..
Berdasarkan hasil penelitian, dapat disimpulkan bahwa Nginx memiliki performa yang lebih baik dibandingkan Apache2 pada sistem operasi Debian 12 berdasarkan parameter Requests per Second, Time per Request, dan Transfer Rate yang diperoleh melalui pengujian menggunakan Apache Benchmark (ab).Nginx mampu menangani beban akses yang sama dengan waktu respons lebih rendah serta tingkat transfer data yang lebih tinggi dibandingkan Apache2, sementara kedua web server sama-sama berhasil menyelesaikan seluruh pengujian tanpa Failed Requests.Hasil penelitian ini menunjukkan bahwa penerapan arsitektur event-driven pada Nginx memberikan efisiensi yang lebih baik dalam menangani koneksi simultan dibandingkan pendekatan process-driven pada Apache2.Dengan demikian, penelitian ini memberikan kontribusi berupa evaluasi objektif terhadap performa kedua web server pada lingkungan implementasi yang identik sehingga dapat menjadi referensi dalam pemilihan web server sesuai kebutuhan layanan berbasis web.Penelitian ini masih terbatas pada satu skenario pengujian menggunakan 5.000 request dan 100 concurrent connection, sehingga penelitian selanjutnya disarankan menggunakan variasi beban akses, perangkat benchmark yang berbeda, serta mengevaluasi penggunaan sumber daya server agar diperoleh hasil yang lebih komprehensif
Meningkatnya kebutuhan terhadap layanan berbasis web yang cepat dan stabil menjadikan pemilihan web server sebagai faktor penting dalam implementasi sistem. Penelitian ini bertujuan mengevaluasi dan membandingkan kinerja Apache2 dan Nginx pada sistem operasi Debian 12 menggunakan metode stress testing. Pengujian dilakukan pada lingkungan implementasi yang identik menggunakan Apache Benchmark (ab) dengan 5.000 request dan 100 concurrent connection. Parameter yang dianalisis meliputi Requests per Second, Time per Request, Transfer Rate, dan Failed Requests. Hasil penelitian menunjukkan bahwa Nginx memperoleh 5500.65 Requests per Second, Time per Request sebesar 18.180 ms, dan Transfer Rate sebesar 4555.23 KBytes/sec, sedangkan Apache2 memperoleh 439.66 Requests per Second, Time per Request sebesar...
Kunjungi calendar untuk informasi lainnya.

Pengenalan Penyakit Kulit Upaya Pencegahan dan Pemeriksaan Kesehatan Nelayan di Wilayah Pesisir Senggarang

2026-07-25T16:24:28+07:00

#calendar - Pengenalan Penyakit Kulit Upaya Pencegahan dan Pemeriksaan Kesehatan Nelayan di Wilayah Pesisir Senggarang: Penelitian selanjutnya dapat mengkaji efektivitas program edukasi kesehatan berkala dalam mempertahankan pengetahuan dan mengubah perilaku pencegahan dermatitis pada nelayan selama setidaknya satu tahun, dengan mengukur perubahan skor pengetahuan dan kepatuhan penggunaan alat pelindung diri; selanjutnya, uji coba penggunaan peralatan pelindung khusus, seperti sarung tangan kedap air dan pakaian anti-UV, dapat dievaluasi melalui studi eksperimental untuk menentukan pengaruhnya terhadap penurunan insiden dermatitis pada pekerja maritim; terakhir, studi longitudinal yang melibatkan pengukuran eksposur lingkungan (misalnya kadar garam, intensitas sinar UV, dan kontaminan kimia) serta biomarker kulit dapat memberikan gambaran hubungan kuantitatif antara faktor-faktor risiko tersebut dan perkembangan masalah kulit pada komunitas nelayan, sehingga mendukung kebijakan kesehatan kerja yang lebih tepat sasaran..
Kegiatan pengabdian masyarakat berhasil meningkatkan pengetahuan nelayan tentang penyakit kulit, dengan persentase kategori "Baik" naik dari 60% menjadi 85%.pemeriksaan preventif secara dini mendeteksi tiga nelayan yang mengalami dermatitis terkait pekerjaan maritim.dan diperlukan kolaborasi berkelanjutan antara institusi pendidikan, masyarakat nelayan, serta Puskesmas untuk memastikan kepatuhan penggunaan alat pelindung diri dan akses air bersih demi kesehatan wilayah pesisir Senggarang
Masyarakat nelayan di wilayah pesisir memiliki risiko tinggi mengalami gangguan kesehatan kulit akibat paparan lingkungan maritim seperti air laut, sinar matahari, kelembapan tinggi, dan bahan kimia mesin secara terus-menerus. Kegiatan pengabdian masyarakat ini bertujuan untuk meningkatkan pengetahuan nelayan mengenai jenis-jenis penyakit kulit, faktor risiko, dan upaya pencegahannya, serta mendeteksi dini kasus gangguan kulit di Wilayah Pesisir Senggarang. Sasaran kegiatan adalah 50 orang nelayan di wilayah kerja Puskesmas Kampung Bugis/Pustu...
Kunjungi calendar untuk informasi lainnya.

Analisis Sentimen Masyarakat terhadap Layanan Publik pada Media Sosial X Menggunakan IndoBERT dan Support Vector Machine

2026-07-25T16:23:23+07:00

#calendar - Analisis Sentimen Masyarakat terhadap Layanan Publik pada Media Sosial X Menggunakan IndoBERT dan Support Vector Machine: Penelitian lanjutan dapat memanfaatkan dataset yang lebih besar dan beragam untuk meningkatkan generalisasi model. Selain itu, teknik penyeimbangan kelas dapat diterapkan untuk mengatasi ketidakseimbangan data pada dataset media sosial. Peneliti juga dapat membandingkan IndoBERT dengan model Transformer terbaru seperti RoBERTa atau ModernBERT untuk mengevaluasi perbedaan performa dalam konteks bahasa Indonesia. Dengan menggabungkan keunggulan kedua model, penelitian bisa mengembangkan pendekatan hybrid yang mengoptimalkan akurasi dan efisiensi komputasi. Penggunaan dataset lokal dengan variasi regional juga bisa menjadi arah penelitian untuk memahami perbedaan pola bahasa di seluruh Indonesia. Selain itu, penerapan metode fine-tuning yang lebih canggih dapat meningkatkan kemampuan model dalam memahami konteks informal dan ironi pada media sosial. Penelitian juga bisa fokus pada integrasi sistem analisis sentimen dengan platform pemerintah untuk mempercepat evaluasi layanan publik secara real-time. Pengembangan model berbasis multimodal yang menggabungkan teks, gambar, dan video dari media sosial juga menjadi potensi penelitian menarik. Selain itu, studi tentang dampak negatif dari penggunaan model berbasis deep learning, seperti kebutuhan sumber daya komputasi tinggi, dapat dilakukan untuk menemukan solusi yang lebih efisien. Penelitian lanjutan juga bisa mengeksplorasi penggunaan teknologi seperti edge computing untuk meningkatkan kecepatan proses analisis tanpa mengorbankan akurasi..
Penelitian ini berhasil membandingkan performa Support Vector Machine (SVM) dan IndoBERT dalam melakukan analisis sentimen masyarakat terhadap layanan publik pada media sosial X menggunakan Figshare Twitter Dataset.Berdasarkan hasil evaluasi, model IndoBERT menunjukkan kinerja yang lebih unggul dibandingkan SVM dengan memperoleh accuracy sebesar 91,89%, precision 92,51%, recall 92,56%, dan F1-score 92,54%, sedangkan SVM memperoleh accuracy 81,20%, precision 78,02%, recall 78,74%, dan F1-score 78,88%.Peningkatan akurasi sebesar 10,69% menunjukkan bahwa kemampuan representasi kontekstual pada IndoBERT lebih efektif dalam memahami karakteristik bahasa Indonesia yang digunakan pada media sosial dibandingkan pendekatan berbasis TF-IDF pada SVM.Meskipun demikian, SVM masih memiliki keunggulan pada aspek efisiensi komputasi dan waktu pelatihan sehingga tetap menjadi alternatif yang baik untuk implementasi dengan sumber daya terbatas.Hasil penelitian ini menunjukkan bahwa IndoBERT lebih direkomendasikan untuk pengembangan sistem analisis sentimen layanan publik yang membutuhkan tingkat akurasi tinggi
Media sosial X menjadi salah satu platform yang banyak digunakan masyarakat untuk menyampaikan opini terhadap berbagai layanan publik sehingga dapat dimanfaatkan sebagai sumber informasi dalam mengevaluasi kualitas pelayanan pemerintah. Penelitian ini bertujuan membandingkan kinerja algoritma Support Vector Machine (SVM) dan IndoBERT dalam mengklasifikasikan sentimen masyarakat terhadap layanan publik menggunakan Figshare Twitter Dataset. Dataset terlebih dahulu melalui proses filtering berdasarkan kata kunci layanan publik, kemudian dilakukan preprocessing yang meliputi case folding, cleaning, stopword removal, dan tokenization. Pada model SVM digunakan ekstraksi fitur TF-IDF, sedangkan IndoBERT...
Kunjungi calendar untuk informasi lainnya.

Evaluasi Kinerja Model LSTM dalam Memprediksi Nilai Penutupan IHSG Berdasarkan Variasi Optimizer Adam based

2026-07-25T16:03:20+07:00

#calendar - Evaluasi Kinerja Model LSTM dalam Memprediksi Nilai Penutupan IHSG Berdasarkan Variasi Optimizer Adam-based: Untuk penelitian lanjutan, dapat dilakukan analisis lebih mendalam mengenai pengaruh variasi window size pada kinerja model LSTM. Selain itu, dapat juga dieksplorasi penggunaan teknik data augmentation atau teknik pengolahan data lainnya untuk meningkatkan kualitas data dan kinerja model. Selain itu, penelitian dapat dilakukan untuk membandingkan kinerja model LSTM dengan model deep learning lainnya, seperti Gated Recurrent Unit (GRU) atau Transformer, untuk melihat apakah ada model yang lebih unggul dalam memprediksi harga saham IHSG. Penelitian juga dapat dilakukan untuk mengoptimalkan hyperparameter model LSTM, seperti jumlah lapisan LSTM, ukuran batch, dan jumlah epoch, untuk meningkatkan akurasi prediksi. Selain itu, penelitian dapat dilakukan untuk mengintegrasikan informasi eksternal, seperti berita keuangan atau data makroekonomi, ke dalam model LSTM untuk meningkatkan akurasi prediksi. Penelitian juga dapat dilakukan untuk menguji kinerja model LSTM dalam memprediksi harga saham IHSG pada periode waktu yang lebih panjang, misalnya 10 tahun atau lebih, untuk melihat apakah model mampu mempertahankan akurasi prediksi dalam jangka panjang..
Perbedaan optimizer berpengaruh terhadap kinerja model LSTM dalam prediksi harga penutupan IHSG.Optimizer Adam terbukti memberikan hasil prediksi terbaik dibandingkan AdamW dan Nadam karena mampu menghasilkan proses pembelajaran yang lebih stabil serta menangkap pola data historis IHSG secara lebih efektif.Temuan ini menunjukkan bahwa pada data deret waktu finansial yang bersifat kompleks, non-stasioner, dan memiliki volatilitas tinggi, optimizer dengan konvergensi yang lebih bertahap cenderung menghasilkan performa prediksi yang lebih baik dibandingkan optimizer yang berkonvergensi sangat cepat.Dengan demikian, Adam dapat dipertimbangkan sebagai optimizer yang lebih sesuai untuk pengembangan model LSTM dalam prediksi pergerakan harga saham IHSG
Prediksi Indeks Harga Saham Gabungan (IHSG) merupakan tantangan tersendiri karena pergerakannya yang bersifat non-linier dan dipengaruhi berbagai faktor eksternal. Penelitian ini mengevaluasi kinerja model Long Short-Term Memory (LSTM) dalam memprediksi nilai penutupan IHSG menggunakan tiga variasi algoritma optimasi berbasis Adam, yaitu Adam, AdamW, dan Nadam. Data yang digunakan adalah data historis IHSG dari Yahoo Finance periode 2015Ae2025 sebanyak 2.413 data harian. Model dibangun dengan teknik sliding window berukuran 60 dan dilatih menggunakan hyperparameter yang identik pada ketiga skenario untuk memastikan objektivitas perbandingan. Evaluasi dilakukan menggunakan metrik MAE, RMSE, dan MAPE. Hasil menunjukkan bahwa optimizer Adam menghasilkan performa terbaik dengan MAE sebesar 115,0, RMSE sebesar 144,4, dan MAPE sebesar 1,63%,...
Kunjungi calendar untuk informasi lainnya.

Analisis Risiko Reaksi Obat yang Tidak Dikehendaki pada Pasien Hipertensi Geriatri di RSUD Arifin Achmad Provinsi Riau

2026-07-25T16:01:01+07:00

#calendar - Analisis Risiko Reaksi Obat yang Tidak Dikehendaki pada Pasien Hipertensi Geriatri di RSUD Arifin Achmad Provinsi Riau: Penelitian selanjutnya dapat meneliti bagaimana penerapan sistem pendukung keputusan klinis yang mengintegrasikan skor GerontoNET dapat menurunkan kejadian reaksi obat tidak diinginkan (ROTD) pada pasien hipertensi geriatri di beberapa rumah sakit, sehingga memberikan gambaran apakah intervensi berbasis teknologi lebih efektif dibandingkan praktek konvensional. Selanjutnya, penting untuk melakukan studi longitudinal pada pasien geriatri hipertensi yang menerima polifarmasi tinggi (Ou8 obat) guna menilai apakah program depreskripsi obat dapat mengurangi risiko ROTD serta meningkatkan fungsi ginjal dalam jangka panjang, yang akan memberikan bukti kuat bagi kebijakan pengelolaan obat pada populasi ini. Terakhir, penelitian yang mengeksplorasi peran polimorfisme genetik dalam metabolisme obat pada pasien geriatri hipertensi dapat mengidentifikasi faktor prediktif terjadinya ROTD, sehingga memungkinkan pengembangan terapi yang lebih dipersonalisasi dan aman. Ketiga arah penelitian tersebut diharapkan dapat memperluas pemahaman tentang faktor-faktor yang memengaruhi ROTD, serta memberikan strategi praktis untuk meminimalkan risiko pada pasien lansia dengan hipertensi..
Berdasarkan analisis risiko reaksi obat pada pasien hipertensi geriatri di RSUD Arifin Achmad, Provinsi Riau, ditemukan bahwa 37 pasien (42,05%) memiliki skor GerontoNET Ou4, yang menandakan risiko tinggi terjadi ROTD.Analisis korelasi antara jenis kelamin serta rentang usia dengan risiko ROTD menunjukkan hubungan yang lemah dan tidak signifikan (r = 0.Oleh karena itu, jenis kelamin dan usia tidak berpengaruh signifikan terhadap risiko ROTD pada populasi tersebut
Reaksi Obat Tidak Diinginkan (ROTD) merupakan setiap kejadian tidak menguntungkan yang terkait dengan penggunaan obat pada manusia. Populasi geriatri memiliki risiko 7 kali lebih tinggi untuk mengalami ROTD. Hipertensi adalah penyakit paling umum yang diderita oleh pasien geriatri. Tujuan penelitian ini adalah menganalisis risiko terjadinya ROTD pada pasien geriatri dengan hipertensi serta menganalisis hubungan data demografis dengan kejadian ROTD. Penelitian ini dilakukan secara observasional dengan...
Kunjungi calendar untuk informasi lainnya.

Pengembangan Aplikasi RapaTrack untuk Manajemen Ruang Rapat Menggunakan Constraint Satisfaction Problem Berbasis Android

2026-07-25T15:43:26+07:00

#calendar - Pengembangan Aplikasi RapaTrack untuk Manajemen Ruang Rapat Menggunakan Constraint Satisfaction Problem Berbasis Android: Penelitian selanjutnya dapat mengeksplorasi tiga arah studi utama. Pertama, bagaimana integrasi kalender eksternal seperti Google Calendar atau Outlook ke dalam sistem RapaTrack dapat meningkatkan kemudahan sinkronisasi jadwal dan mengurangi beban administratif bagi pengguna? Kedua, apakah penerapan teknik machine learning, misalnya model prediktif berbasis data historis pemesanan, dapat menghasilkan rekomendasi waktu reservasi yang lebih optimal dan adaptif terhadap pola penggunaan ruang rapat? Ketiga, bagaimana skalabilitas dan kinerja sistem ketika diterapkan pada lingkungan multiAcperusahaan dengan variasi jumlah ruang, pengguna, dan constraint tambahan, serta perbandingan efektivitas algoritma CSP dengan algoritma penjadwalan lain seperti algoritma genetika atau backtracking? StudiAcstudi ini dapat dilakukan dengan desain eksperimen kuantitatif, pengumpulan data log penggunaan, serta evaluasi kepuasan pengguna melalui survei terstruktur, sehingga memberikan kontribusi praktis dan teoritis bagi pengembangan sistem manajemen ruang rapat yang lebih cerdas dan fleksibel..
Penelitian ini berhasil mengembangkan aplikasi berbasis Android yang terintegrasi dengan backend web menggunakan arsitektur LaravelAcFlutterAcMySQLAcFirebase untuk mengatasi masalah pemesanan ruang rapat secara manual.Implementasi algoritma Constraint Satisfaction Problem menunjukkan akurasi 100% dalam mencegah konflik jadwal, sementara metodologi Agile Scrum memungkinkan pengembangan iteratif yang menghasilkan sistem fungsional dengan kepuasan pengguna tinggi (skor 4,26/5,0).Penelitian lanjutan dapat meneliti integrasi kalender eksternal serta penerapan machine learning untuk memberikan rekomendasi waktu reservasi optimal berdasarkan pola historis penggunaan ruang rapat
Pengelolaan ruang rapat di perusahaan yang masih dilakukan secara manual sering menimbulkan berbagai kendala operasional, seperti proses koordinasi yang memakan waktu, risiko terjadinya konflik jadwal atau double booking, serta keterbatasan akses informasi ketersediaan ruang secara real-time. Penelitian ini bertujuan untuk mengembangkan aplikasi pemesanan ruang rapat berbasis Android yang terintegrasi dengan sistem backend berbasis web untuk mengatasi permasalahan tersebut. Sistem yang dibangun menggunakan framework Laravel sebagai backend API...
Kunjungi calendar untuk informasi lainnya.

Pengembangan Sistem Point of Sale Berbasis Web Menggunakan Metode Recency Frequency Monetary RFM dan Algoritma K Means untuk Segmentasi Pelanggan

2026-07-25T15:13:23+07:00

#calendar - Pengembangan Sistem Point of Sale Berbasis Web Menggunakan Metode Recency, Frequency, Monetary (RFM) dan Algoritma K-Means untuk Segmentasi Pelanggan: Untuk penelitian lanjutan, dapat dilakukan pengembangan sistem PoS yang terintegrasi dengan fitur segmentasi pelanggan menggunakan metode RFM dan algoritma K-Means. Selain itu, dapat dilakukan analisis lebih lanjut mengenai karakteristik transaksi pelanggan dan bagaimana hal tersebut dapat digunakan sebagai dasar dalam pengambilan keputusan bisnis. Penelitian ini juga dapat dikembangkan dengan mengimplementasikan teknik data mining untuk menggali informasi dan pola tersembunyi dari data transaksi pelanggan, sehingga dapat membantu perusahaan dalam menentukan strategi pemasaran yang lebih tepat sasaran..
Penelitian ini berhasil mengembangkan sistem Point of Sale (PoS) yang terintegrasi dengan segmentasi pelanggan menggunakan metode Recency, Frequency, Monetary (RFM) dan algoritma K-Means.Sistem yang dibangun tidak hanya mendukung proses transaksi penjualan, pengelolaan produk, inventory, data pelanggan, serta pembuatan laporan penjualan, tetapi juga mampu melakukan pengelompokan pelanggan berdasarkan karakteristik transaksi.Hasil segmentasi menghasilkan tiga cluster, yaitu pelanggan aktif, pelanggan potensial, dan pelanggan pasif.Cluster aktif memiliki rata-rata frekuensi pembelian sebesar 4,5 kali dengan rata-rata nilai transaksi Rp63.500, cluster potensial memiliki rata-rata frekuensi pembelian 2 kali dengan rata-rata nilai transaksi Rp27.000, sedangkan cluster pasif memiliki rata-rata frekuensi pembelian 1 kali dengan rata-rata nilai transaksi Rp18
Pengelolaan data pelanggan pada sistem Point of Sale (PoS) umumnya masih berfokus pada pencatatan transaksi tanpa melakukan analisis perilaku pelanggan. Kondisi tersebut menyebabkan pelaku usaha kesulitan dalam mengidentifikasi karakteristik pelanggan untuk mendukung strategi pemasaran yang lebih efektif. Penelitian ini bertujuan mengembangkan sistem Point of Sale yang terintegrasi dengan segmentasi pelanggan menggunakan metode Recency, Frequency, Monetary (RFM) dan algoritma K-Means. Sistem yang dikembangkan menyediakan fitur pengelolaan produk, inventory, transaksi penjualan, data pelanggan, laporan penjualan, segmentasi pelanggan, follow-up pelanggan melalui WhatsApp, serta ekspor laporan dalam format PDF dan Excel. Hasil pengujian menunjukkan sistem mampu mengelompokkan pelanggan menjadi tiga cluster berdasarkan karakteristik transaksi.
Kunjungi calendar untuk informasi lainnya.

Prediksi Tingkat Pendidikan Arsitek Perangkat Lunak Menggunakan Pendekatan Machine Learning Classification

2026-07-25T14:45:58+07:00

#calendar - Prediksi Tingkat Pendidikan Arsitek Perangkat Lunak Menggunakan Pendekatan Machine Learning Classification: Penelitian lanjutan dapat mengeksplorasi efektivitas metode ensemble lanjutan seperti stacking atau voting yang menggabungkan Random Forest, XGBoost, dan LightGBM untuk meningkatkan akurasi prediksi tingkat pendidikan arsitek perangkat lunak pada data tidak seimbang; selanjutnya, studi dapat menambahkan fitur baru berupa deskripsi tekstual gaya arsitektur atau metrik kode sumber untuk menilai apakah informasi tambahan tersebut dapat memperbaiki performa model klasifikasi; terakhir, dilakukan validasi lintas budaya dengan mengumpulkan dataset serupa dari negara lain guna menguji generalisasi model dan memahami pengaruh konteks pendidikan regional terhadap pola penggunaan gaya arsitektur, yang dapat memberikan wawasan lebih luas bagi pengembangan model prediktif yang lebih robust..
Penelitian ini berhasil mengembangkan model klasifikasi machine learning, khususnya Random Forest dengan teknik SMOTE, yang memberikan performa superior (akurasi 76,38%, Macro F1 0,521, MCC 0,341, AUC 0,907) dibandingkan Logistic Regression dalam memprediksi tingkat pendidikan arsitek perangkat lunak.Analisis feature importance mengidentifikasi gaya arsitektur Blackboard, Data-Centric, dan Layered sebagai prediktor utama, serta menunjukkan dampak signifikan ketidakseimbangan kelas terhadap kemampuan model terutama pada kelas minoritas seperti PhD.Penelitian selanjutnya disarankan untuk menerapkan teknik penanganan data tidak seimbang seperti SMOTE, melakukan hyperparameter tuning, dan mengeksplorasi algoritma gradient boosting seperti XGBoost dan LightGBM untuk meningkatkan performa klasifikasi
Penelitian ini membangun model klasifikasi untuk memprediksi tingkat pendidikan akhir arsitek perangkat lunak berdasarkan pola penggunaan gaya arsitektur dalam proyek nyata. Dataset yang digunakan adalah Dataset of Software Architectural Styles dari Kaggle, yang terdiri dari 1.002 responden dengan 18 fitur numerik yang mencerminkan frekuensi penggunaan 18 gaya arsitektur perangkat lunak. Variabel target bersifat tiga kelas: BSC (CS or SE), MS (CS or SE), dan PhD (CS or SE). Tantangan utama pada dataset ini adalah ketidakseimbangan kelas yang ekstrem, dengan proporsi...
Kunjungi calendar untuk informasi lainnya.

Analisis Kesesuaian Enterprise Architecture terhadap Standar TOGAF Menggunakan Sentence BERT dan Semantic Similarity

2026-07-25T14:27:48+07:00

#calendar - Analisis Kesesuaian Enterprise Architecture terhadap Standar TOGAF Menggunakan Sentence-BERT dan Semantic Similarity: Penelitian lanjutan dapat fokus pada pengembangan model yang lebih canggih untuk menangani variasi bahasa dan istilah teknis di berbagai organisasi, terutama dalam domain data yang masih menjadi tantangan utama. Selain itu, pengintegrasian pendekatan berbasis semantic similarity dengan sistem manajemen arsitektur enterprise secara real-time dapat meningkatkan efisiensi evaluasi kepatuhan secara kontinu. Terakhir, penelitian dapat mengeksplorasi penerapan model ini pada organisasi sektor publik atau swasta di Indonesia yang memiliki karakteristik unik dalam implementasi Enterprise Architecture..
Penelitian ini berhasil mengembangkan pendekatan berbasis Natural Language Processing untuk menganalisis tingkat kesesuaian Enterprise Architecture terhadap standar TOGAF menggunakan Sentence-BERT dan Semantic Similarity.Metode yang diusulkan mampu melakukan evaluasi dokumen arsitektur secara otomatis melalui representasi semantik dokumen dan pengukuran kemiripan menggunakan Cosine Similarity.Berdasarkan hasil pengujian pada dataset publik, diperoleh nilai kesesuaian tertinggi pada domain Business Architecture sebesar 0,86, diikuti Application Architecture sebesar 0,82, Technology Architecture sebesar 0,78, dan Data Architecture sebesar 0,74.Hasil tersebut menunjukkan bahwa sebagian besar artefak Enterprise Architecture organisasi telah memiliki tingkat keselarasan yang baik dengan prinsip-prinsip TOGAF, meskipun domain data masih memerlukan peningkatan terutama pada aspek tata kelola dan integrasi data.Selain itu, perhitungan Enterprise Architecture Compliance Score (EACS) menghasilkan nilai sebesar 0,80 yang termasuk dalam kategori kepatuhan tinggi.Temuan ini membuktikan bahwa penggunaan Sentence-BERT mampu mengidentifikasi kesamaan makna antar dokumen secara lebih efektif dibandingkan pendekatan berbasis pencocokan kata kunci.Kontribusi utama penelitian terletak pada pengembangan EACS sebagai indikator kuantitatif untuk mengukur tingkat kepatuhan Enterprise Architecture terhadap TOGAF secara objektif, terukur, dan efisien
Transformasi digital mendorong organisasi untuk menerapkan Enterprise Architecture (EA) guna menyelaraskan strategi bisnis dan teknologi informasi. Namun, evaluasi kesesuaian dokumen EA terhadap standar TOGAF masih banyak dilakukan secara manual sehingga memerlukan waktu yang lama dan berpotensi menimbulkan subjektivitas. Penelitian ini bertujuan menganalisis tingkat kesesuaian Enterprise Architecture terhadap standar TOGAF menggunakan Sentence-BERT dan Semantic Similarity. Dataset terdiri atas dokumen standar TOGAF...
Kunjungi calendar untuk informasi lainnya.