Dipanegara Komputer Teknologi Informatika

Analisis Profit Penjualan Menggunakan Algoritma C4.5

A.Nurul Asyilah Rizky, Putri Tandi Langi Paonganan — Thu, 24 Sep 2026 00:00:00 +0800

Penelitian ini bertujuan untuk menganalisis pola profit penjualan pada Toko Kopi Hope menggunakan algoritma C4.5 berdasarkan data transaksi penjualan periode Mei 2025 hingga Januari 2026. Data penelitian terdiri dari 9.280 transaksi yang diolah melalui tahapan pembersihan dan transformasi data sehingga diperoleh data profit harian selama 263 hari operasional. Nilai profit dikelompokkan ke dalam tiga kategori, yaitu profit rendah, sedang, dan tinggi, menggunakan metode entropy-based discretization. Proses klasifikasi dilakukan dengan membangun model algoritma C4.5 dengan pembagian data training dan testing sebesar 70:30 menggunakan stratified sampling. Evaluasi model menggunakan confusion matrix menghasilkan tingkat akurasi sebesar 88,61%. Decision tree yang dihasilkan menunjukkan bahwa variabel Subtotal, HPP Total, dan Quantity merupakan faktor utama yang memengaruhi profit penjualan. Aturan keputusan yang dihasilkan dapat digunakan sebagai dasar pengambilan keputusan bisnis yang lebih terarah dan berbasis data.

Penentuan Reorder Point Pada Aplikasi Stok Bahan Bangunan Menggunakan Metode Moving Average

Elisabeth Patinong, Fredy Enggar Yana, Asran Asran, Salmiati Salmiati — Thu, 24 Sep 2026 00:00:00 +0800

Penelitian ini bertujuan untuk menentukan nilai reorder point (ROP) yang optimal pada aplikasi stok bahan bangunan di Toko Sinar Sopai. Permasalahan utama yang dihadapi adalah terjadinya stockout berulang pada barang laris akibat penentuan waktu pemesanan ulang yang masih berdasarkan intuisi tanpa analisis data historis. Penelitian ini menggunakan pendekatan deskriptif kuantitatif dengan sampel lima jenis barang utama berdasarkan data penjualan periode Januari–Desember 2025. Metode yang diterapkan adalah simple moving average untuk menghitung rata-rata permintaan harian, yang kemudian diintegrasikan ke dalam rumus ROP dengan mempertimbangkan lead time dan penambahan safety stock. Hasil penelitian menunjukkan bahwa penerapan metode ini mampu menghasilkan nilai titik pemesanan ulang yang lebih akurat dan adaptif terhadap pola permintaan. Implementasi sistem berbasis web yang dikembangkan juga terbukti membantu menekan risiko kehabisan stok, meningkatkan ketepatan waktu pemesanan ulang, serta menciptakan pengendalian persediaan yang lebih objektif dan terukur. Secara praktis, pendekatan ini mendukung hingga 80% efisiensi operasional dan pengambilan keputusan berbasis data pada usaha ritel bahan bangunan.

Pengembangan Dan Implementasi Metode Face Recognition Untuk Otomatisasi Absensi Karyawan Di PT. Fajar Tecno System

Bertold Maspa, Stalin Martyr Kadang — Thu, 24 Sep 2026 00:00:00 +0800

Perkembangan teknologi kecerdasan buatan telah mendorong perubahan cara kerja di banyak organisasi, termasuk dalam sistem pencatatan kehadiran karyawan. Penelitian ini bertujuan untuk membuat dan menerapkan sistem absensi otomatis menggunakan pengenalan wajah dengan metode Convolutional Neural Network di PT. Fajar Tecno System. Sistem ini diciptakan untuk mengatasi masalah absensi manual seperti pinjam absen, kesalahan mencatat, dan perubahan data. Data yang digunakan terdiri dari 7 karyawan dengan total 150 gambar wajah untuk setiap orang. Proses pengembangan sistem mencakup pengumpulan data, pemrosesan gambar, pelatihan model dengan arsitektur InceptionResnetV1, serta pengujian sistem menggunakan cara Black Box Testing. Hasil dari penerapan sistem menunjukkan bahwa sistem ini dapat mengenali wajah secara langsung dan mencatat kehadiran secara otomatis dengan tingkat akurasi rata-rata sebesar 99,61% pada berbagai variasi posisi wajah dalam kondisi pencahayaan normal. Diharapkan sistem ini dapat meningkatkan efisiensi, akurasi, dan keamanan dalam pencatatan kehadiran di perusahaan.

Perbandingan Kinerja Algoritma C4.5, Naïve Bayes dan K-Nearest Neighbor dalam Sistem Deteksi Penyakit Tanaman Jagung

Royandi Royandi, Paskal Kalempe, Wilem Musu, Hardi Hardi — Thu, 24 Sep 2026 00:00:00 +0800

Penyakit daun jagung dapat menyebabkan penurunan produktivitas sehingga diperlukan metode identifikasi yang mampu melakukan klasifikasi secara cepat dan akurat. Penelitian ini bertujuan mengembangkan sistem klasifikasi penyakit daun jagung menggunakan algoritma Decision Tree C4.5, Gaussian Naïve Bayes, dan K-Nearest Neighbor (KNN) berdasarkan fitur ekstraksi citra. Data penelitian terdiri atas tiga kelas penyakit, yaitu Bercak Daun, Bulai Daun, dan Hawar Daun. Hasil pengujian menunjukkan bahwa KNN dengan konfigurasi K=5 memberikan performa terbaik dengan akurasi 88,1%, precision 88,7%, recall 88,1%, dan F1-score 87,9%. Model tersebut dipilih sebagai metode klasifikasi terbaik dalam penelitian ini.

Implementasi Game Edukasi Augmented Reality Pengenalan Huruf Angka Dengan Kuis Interaktif

Fadlan Ananda Firman, Michael Immanuel Manabung, Herman Heriadi, Imran Djafar — Thu, 24 Sep 2026 00:00:00 +0800

Penelitian ini mengatasi rendahnya rentang perhatian anak usia dini di Sekolah Filadelfia Makassar dalam pengenalan huruf dan angka menggunakan media cetak konvensional. Sebagai solusi, dikembangkan Game Edukasi berbasis Aug-mented Reality (AR) melalui metode Research and Development (R&D) dengan model Prototype. Aplikasi ini memproyeksikan objek 3D secara real-time dan menghadirkan kebaruan berupa fitur kuis interaktif audiovisual, di mana anak merespons instruksi suara. Pengujian sistem dilakukan melalui Black-Box Testing untuk fungsionalitas dan Usability Testing guna mengukur kebermanfaatan, kemudahan, serta kepuasan pengguna. Hasil pengujian usability menunjukkan tingkat kelayakan sebesar 82,06% dengan kategori sangat layak, serta pengujian fungsional mencapai 100%. Hal ini menunjukkan bahwa aplikasi efektif digunakan sebagai media pembelajaran interaktif bagi anak usia dini. Ini diharapkan menjadi media pendamping pembelajaran yang inovatif, interaktif, dan efektif bagi pendidikan anak usia dini.

Smart Farming: Model Penentuan Waktu Pengairan Otomatis Berbasis IoT Menggunakan Algoritma Decision Tree

Indra Setiawan Timang, Brigita Citra Pasoloran, Irsal Irsal, Muh. Syukri Mustafa — Thu, 24 Sep 2026 00:00:00 +0800

Pengairan merupakan faktor penting dalam budidaya tanaman padi karena berpengaruh langsung terhadap pertumbuhan dan hasil produksi, namun pengairan yang masih dilakukan secara manual dan bergantung pada sistem ambang batas (threshold) statis menyebabkan pemberian air sering tidak sesuai kondisi lingkungan aktual sehingga berpotensi menyebabkan stres dan menurunkan produktivitas tanaman. Penelitian ini merancang dan mengimplementasikan sistem smart farming penentuan waktu pengairan otomatis berbasis IoT menggunakan algoritma Decision Tree pada mikrokontroler ESP32 yang terintegrasi dengan sensor kelembapan tanah, DHT22, dan BH1750. Data lingkungan diproses model Decision Tree untuk menghasilkan keputusan pengairan otomatis yang mengendalikan pompa air dan ditampilkan melalui dashboard web. Pengujian sensor menunjukkan MAPE rendah: kelembapan tanah 4,68%, suhu 5,69%, kelembapan udara 2,21%, dan intensitas cahaya 0,22%. Evaluasi model menghasilkan akurasi 73,33%, precision 40,00%, dan recall 66,67%. Nilai recall yang lebih tinggi menunjukkan model mengutamakan pencegahan kekurangan air pada tanaman padi.

Perancangan Sistem Pendukung Keputusan Berbasis AHP-SAW untuk Manajemen Beasiswa

Thu, 24 Sep 2026 00:00:00 +0800

Ketimpangan pendidikan dan seleksi beasiswa yang masih subjektif memerlukan pendekatan yang transparan dan objektif. Meskipun berbagai platform telah dikembangkan, sebagian besar belum mengintegrasikan pengambilan keputusan berbasis kriteria terukur. Penelitian ini mengembangkan Gensmart Edusupport, Sistem Pengambilan Keputusan (SPK) berbasis mobile yang mengintegrasikan Analytical Hierarchy Process (AHP) dan Simple Additive Weighting (SAW) untuk evaluasi multikriteria. AHP digunakan untuk menentukan bobot, yang dalam contoh kasus ini adalah IPK (22,88%), pendapatan orang tua (64,92%), dan prestasi (12,20%), yang kemudian diterapkan pada SAW untuk menghitung nilai preferensi empat kandidat. Hasil menunjukkan Kandidat Ketiga memperoleh nilai tertinggi 87,07%, diikuti Kandidat Kedua (84,6%), Kandidat Keempat (67,07%), dan Kandidat Pertama (61,2%). Hasil sistem konsisten dengan perhitungan manual dengan selisih kecil akibat pembulatan, menunjukkan integrasi AHP-SAW akurat dan terukur. Pengujian System Usability Scale (SUS) pada 87 responden juga menghasilkan skor 72,20 (kategori Baik), sehingga sistem dinilai efektif, adil, dan mudah digunakan.

Implementasi Hybrid Machine Learning (Random Forest dan XGBoost) Untuk Prediksi Kinerja Akademik Mahasiswa Universitas Dipa Makassar

Khaerunnisa.S, Fitriah Nabila Putri Tamar, Indra Samsie, Andi Irmayana — Thu, 24 Sep 2026 00:00:00 +0800

Penelitian ini bertujuan mengklasifikasikan kinerja akademik mahasiswa menggunakan pendekatan hybrid machine learning berbasis stacking ensemble. Dataset terdiri dari data akademik mahasiswa angkatan 2023 Universitas Dipa Makassar berupa total SKS lulus selama tiga semester (SKSL) sebagai variabel input, dengan label kinerja akademik dibentuk berdasarkan IPK yang dikategorikan menjadi Tidak Baik (IPK < 2.00), Baik (IPK 2.00–2.99), dan Sangat Baik (IPK 3.00–4.00). Model hybrid mengombinasikan Random Forest dan XGBoost sebagai base learners, serta Logistic Regression sebagai meta-learner. Tahapan penelitian meliputi preprocessing data, pembagian data stratified split 80:20, hyperparameter tuning, dan pengujian 5-fold cross-validation. Hasil menunjukkan model hybrid stacking ensemble mencapai akurasi 91%, precision 90%, recall 86%, dan F1-score 88%. Model Random Forest dan XGBoost masing-masing mencapai akurasi 92%, precision 91%, recall 87%, dan F1-score 89%. Pendekatan hybrid machine learning dengan stacking ensemble efektif mendukung evaluasi kinerja akademik mahasiswa berbasis data dan dapat digunakan untuk deteksi dini mahasiswa berisiko.

Analisis Kelayakan Penerimaan Bantuan Pendidikan Beasiswa Luwu Timur Tahun 2025 Menggunakan Metode Random Forest

Thu, 24 Sep 2026 00:00:00 +0800

Proses seleksi penerima Beasiswa Luwu Timur masih didominasi oleh pemeriksaan dokumen secara manual, sehingga berpotensi menimbulkan inkonsistensi penilaian dan keterbatasan transparansi dalam pengambilan keputusan. Penelitian ini bertujuan menganalisis kelayakan penerimaan Beasiswa Luwu Timur Tahun 2025 menggunakan algoritma Random Forest serta menentukan variabel yang paling berpengaruh melalui analisis feature importance. Data yang digunakan berupa data sekunder historis penerima beasiswa yang diperoleh dari Bagian Kesejahteraan Rakyat Kabupaten Luwu Timur sebanyak 8.789 data. Tahapan penelitian meliputi pra-pemrosesan data, pembentukan fitur validasi persyaratan beasiswa, pelatihan model Random Forest, serta evaluasi kinerja model menggunakan metode confusion matrix dan pembagian data latih 80% dan data uji 20%. Hasil evaluasi data uji menunjukkan akurasi 72,41%, presisi 86,97%, recall 79,03%, F1-score 82,81%, dan ROC-AUC 62,13%. Analisis feature importance menunjukkan IPK sebagai variabel paling berpengaruh, diikuti umur dan semester. Hasil penelitian menunjukkan bahwa Random Forest dapat melakukan klasifikasi dengan baik dan transparan sebagai pendukung dalam pengambilan keputusan seleksi.

Rancang Bangun Sistem Monitoring Kapasitas Gedung Parkir Mobil Berbasis Internet of Things

Thu, 24 Sep 2026 00:00:00 +0800

Permasalahan utama pada gedung parkir bertingkat konvensional adalah ketiadaan informasi ketersediaan slot secara real-time, yang menyebabkan inefisiensi waktu bagi pengendara dan kurangnya data pengelolaan bagi pihak manajemen. Penelitian ini bertujuan untuk merancang bangun sistem monitoring kapasitas parkir berbasis Internet of Things (IoT) yang mampu menyajikan informasi ketersediaan per lantai serta melakukan klasifikasi kendaraan secara otomatis. Metode yang digunakan adalah prototyping dengan memanfaatkan mikrokontroler ESP32, Sensor Inframerah untuk penghitungan sirkulasi melalui algoritma gate counting, dan Sensor Ultrasonik HC-SR04 untuk klasifikasi tinggi kendaraan (Ground Clearance). Data dari sensor diproses secara real-time menuju Firebase Realtime Database dan divisualisasikan melalui LCD 16x2 serta aplikasi mobile berbasis Flutter. Hasil pengujian menunjukkan akurasi sensor ultrasonik mencapai 95% dalam mengklasifikasikan kendaraan kategori "Tinggi" dan "Rendah". Kesimpulan dari penelitian ini adalah sistem berhasil mempercepat pengambilan keputusan pengendara dan mempermudah manajemen data parkir melalui penyediaan laporan tren trafik harian yang akurat.

Perancangan Sistem Anti Deepfake Berbasis Steganografi Qr Code Dan Algoritma DCT

Qadri Tasri, Ahmad Ahmad, Ahyuna Ahyuna — Mon, 24 Aug 2026 00:00:00 +0800

Perkembangan teknologi kecerdasan buatan, khususnya deepfake, memungkinkan manipulasi gambar dan video yang sangat realistis sehingga menyulitkan verifikasi keaslian media digital. Metode steganografi konvensional sering gagal mempertahankan jejak penyisipan, sehingga diperlukan sistem yang mampu meninggalkan penanda keaslian secara tersembunyi. Penelitian ini merancang sistem anti-deepfake berbasis QR Code dengan algoritma Discrete Cosine Transform (DCT) dan Quantization Index Modulation (QIM). QR Code disisipkan pada citra wajah 512×512 piksel melalui koefisien frekuensi rendah hingga menengah (koordinat 2,2; 2,3; 3,2) dengan Delta = 50 untuk memperkuat jejak steganografi. Hasil embedding dievaluasi menggunakan PSNR untuk menjaga kualitas visual, dan ekstraksi QR Code digunakan untuk menilai keberhasilan deteksi pada citra maupun video deepfake. Hasil menunjukkan bahwa sistem berhasil mengekstraksi QR Code pada 90% gambar dan 80% video deepfake. Pada video dengan manipulasi ringan, watermark tak terlihat berhasil diekstraksi pada frame awal; pada video manipulasi kompleks, ekstraksi menurun tetapi jejak visual tetap dapat terdeteksi. PSNR rata-rata >30 dB menunjukkan kualitas citra tetap terjaga. Temuan ini menegaskan bahwa QR Code-DCT-QIM lebih robust dibanding steganografi konvensional, mampu mempertahankan artefak visual yang dapat diekstraksi meskipun citra/video dimanipulasi oleh GAN. Sistem ini efektif dalam mendeteksi manipulasi deepfake sambil menjaga kualitas visual, sehingga memberikan solusi yang adaptif dan kuat untuk verifikasi keaslian media digital.

Pengukuran Tingkat Usability Website Monitoring Dan Analitik Kinerja Tim Mikro Bank Mandiri KCP Bangsal Mojokerto Menggunakan Metode System Usability Scale (SUS)

Thu, 24 Sep 2026 00:00:00 +0800

Website Monitoring dan Analitik Kinerja Tim Mikro Bank Mandiri KCP Bangsal Mojokerto dikembangkan untuk mendukung proses monitoring pengajuan kredit, analisis kinerja, pengelolaan target pemasaran, proses persetujuan (approval), serta penyusunan laporan secara terintegrasi. Meskipun telah digunakan dalam kegiatan operasional, website tersebut belum pernah dievaluasi dari aspek usability, sehingga tingkat kemudahan penggunaan, efisiensi, dan kepuasan pengguna belum diketahui secara objektif. Penelitian ini bertujuan mengukur tingkat usability Website Monitoring dan Analitik Kinerja Tim Mikro Bank Mandiri KCP Bangsal Mojokerto menggunakan metode System Usability Scale (SUS). Penelitian menggunakan pendekatan kuantitatif dengan teknik pengumpulan data melalui observasi, dokumentasi, dan penyebaran kuesioner SUS kepada 10 pengguna aktif website yang telah menggunakan sistem dalam aktivitas operasional. Data dianalisis menggunakan metode System Usability Scale (SUS) untuk memperoleh skor usability berdasarkan persepsi pengguna. Hasil penelitian menunjukkan nilai rata-rata SUS sebesar 84,75, yang termasuk dalam kategori Acceptable, memperoleh Grade A, dan berada pada kategori Excellent. Selain itu, mayoritas responden memberikan penilaian positif terhadap website, di mana sekitar 90% jawaban berada pada kategori Setuju dan Sangat Setuju pada pernyataan positif, serta Sangat Tidak Setuju dan Tidak Setuju pada pernyataan negatif. Hasil tersebut menunjukkan bahwa website memiliki tingkat kemudahan penggunaan yang tinggi, mudah dipelajari, mudah diingat, minim kesalahan saat digunakan, serta mampu memberikan kepuasan kepada pengguna dalam mendukung proses monitoring dan analitik kinerja tim mikro. Dengan demikian, Website Monitoring dan Analitik Kinerja Tim Mikro Bank Mandiri KCP Bangsal Mojokerto memiliki tingkat usability yang sangat baik dan layak digunakan sebagai pendukung kegiatan operasional perusahaan.

Analisis Kinerja CNN Dengan XceptionNet Dalam Klasifikasi Penyakit Daun Terong Berdasarkan Citra

Tirza Mesak, Gracia Anasthasia, Muh. Syahlan Natsir, Muhammad Rusdi Rahman — Thu, 24 Sep 2026 00:00:00 +0800

Tanaman terong (Solanum melongena) merupakan salah satu komoditas hortikultura yang memiliki nilai ekonomi penting di Indonesia. Dalam proses budidayanya, tanaman terong sering mengalami berbagai jenis penyakit pada bagian daun yang dapat mengganggu proses fotosintesis dan menurunkan produktivitas tanaman. Identifikasi penyakit daun secara manual sering mengalami kesulitan karena beberapa jenis penyakit memiliki kemiripan pola visual sehingga sulit dibedakan secara akurat. Oleh karena itu, penelitian ini bertujuan untuk menganalisis kinerja Convolutional Neural Network (CNN) dengan arsitektur XceptionNet dalam melakukan klasifikasi penyakit daun terong berdasarkan citra. Dataset yang digunakan terdiri dari 1.400 citra dengan 7 kelas penyakit daun terong yang diperoleh dari Kaggle. Proses penelitian meliputi tahap pra-pemrosesan data, pelatihan model menggunakan pendekatan transfer learning, serta evaluasi model menggunakan metrik accuracy, precision, recall, dan F1-score. Hasil penelitian menunjukkan bahwa model CNN dengan arsitektur XceptionNet mampu melakukan klasifikasi penyakit daun terong dengan akurasi sebesar 83,57% serta menunjukkan performa yang cukup baik pada metrik evaluasi lainnya. Hasil ini menunjukkan bahwa metode yang digunakan memiliki potensi untuk dikembangkan sebagai sistem identifikasi penyakit tanaman berbasis citra secara otomatis.

Perancangan Aplikasi UMKM (Keuangan Usaha Mikro Kecil Menengah) Berbasis Mobile Menggunakan Flutter

Abdullah Amar Az-Zikra, Siti Fatimah Azzahra — Thu, 24 Sep 2026 00:00:00 +0800

Perkembangan teknologi informasi mendorong UMKM untuk beralih dari sistem pencatatan konvensional menuju sistem digital yang lebih efisien dan terintegrasi. Riskalifya Dekorasi sebagai salah satu UMKM di Kota Makassar masih melakukan pencatatan keuangan menggunakan lembar kerja komputer sederhana, sehingga berpotensi menimbulkan kesalahan pencatatan, keterlambatan rekapitulasi, serta risiko kehilangan data. Penelitian ini bertujuan untuk merancang dan mengembangkan aplikasi keuangan berbasis mobile menggunakan framework Flutter dan Firebase sebagai backend. Metode pengembangan yang digunakan adalah Agile Development yang bersifat iteratif dan adaptif terhadap kebutuhan pengguna. Pengumpulan data dilakukan melalui observasi, wawancara, dan studi literatur. Aplikasi yang dikembangkan memiliki fitur pencatatan pemasukan dan pengeluaran, penyimpanan data secara real-time, laporan keuangan otomatis, serta visualisasi grafik keuangan. Hasil penelitian menunjukkan bahwa aplikasi mampu meningkatkan efisiensi pencatatan transaksi, mempermudah penyusunan laporan keuangan, serta membantu pemilik usaha dalam memantau kondisi keuangan secara lebih akurat.

Analisis Faktor Yang Mempengaruhi Paparan Negatif Pada Pemain Game Roblox Menggunakan Metode Random Forest

Thu, 24 Sep 2026 00:00:00 +0800

Era digital mendorong perkembangan game online seperti Roblox yang populer di kalangan anak-anak dan remaja, namun juga berpotensi menimbulkan paparan negatif seperti cyberbullying, penyalahgunaan fitur komunikasi, dan konten yang tidak sesuai usia. Penelitian ini bertujuan mengidentifikasi faktor yang paling berpengaruh terhadap paparan negatif pada pemain aktif Roblox dengan menganalisis intensitas bermain, konten game, fitur komunikasi, interaksi sosial, dan kontrol perilaku menggunakan metode Random Forest. Data diperoleh dari kuesioner daring dengan total 386 responden dan dianalisis menggunakan teknik klasifikasi serta feature importance. Hasil penelitian menunjukkan faktor yang paling berpengaruh yaitu interaksi sosial dalam game sebesar 34.69%, diikuti konten game 24.31%, intensitas bermain 15.59%, fitur komunikasi 15.41%, dan kontrol perilaku 10%. Hasil pengujiannya menunjukkan bahwa metode Random Forest mampu mengidentifikasi paparan negatif pada pemain Roblox dengan akurasi 92.31%, precision 93.94%, recall 96.88%, dan f1-score 95%, sehingga model yang dibangun memiliki tingkat keandalan yang tinggi. Temuan ini dapat menjadi dasar dalam menentukan strategi pengelolaan interaksi untuk meminimalkan munculnya paparan negatif game online.