SISITI : Seminar Ilmiah Sistem Informasi dan Teknologi Informasi

Sistem Antrian Administrasi Berbasis Android Menggunakan FCFS dan Face Recognition

Baharuddin Baharuddin — 2026-08-10

Pelayanan administrasi yang masih menggunakan sistem antrian konvensional menghadapi permasalahan berupa penumpukan pengguna, ketidakteraturan antrian, dan keterlambatan proses pelayanan. Penelitian ini bertujuan mengembangkan sistem antrian administrasi berbasis android dengan menerapkan metode First Come First Serve (FCFS) dan teknologi Face Recognition. Metode FCFS digunakan untuk mengatur urutan pelayanan berdasarkan waktu pengambilan nomor antrian, sedangkan face recognition dimanfaatkan sebagai mekanisme verifikasi identitas pengguna saat mengambil nomor antrian. Hasil implementasi menunjukkan bahwa sistem mampu memfasilitasi pengambilan nomor antrian secara digital, menampilkan informasi antrian secara realtime, serta membantu petugas dalam proses pemanggilan dan pengelolaan antrian. Berdasarkan pengujian blackbox testing, seluruh fungsi sistem berjalan sesuai kebutuhan pengguna valid 100%. Hasil Pengujian metode FCFS membuktikan bahwa sistem berhasil memangkas penumpukan fisik di ruang tunggu, mencegah kecurangan nomor antrian, serta menjamin alur pemanggilan antrian berjalan secara tertib, adil, dan transparan sesuai urutan kedatangan.

Implementasi AI Assistant untuk Review Rencana Pembelajaran Semester Berbasis Capaian Pembelajaran

Muhardi Muhardi — 2026-08-10

Implementasi Outcome-Based Education (OBE) pada perguruan tinggi membutuhkan dokumen Rencana Pembelajaran Semester (RPS) yang memiliki keterkaitan antara Capaian Pembelajaran Lulusan (CPL), Capaian Pembelajaran Mata Kuliah (CPMK), Sub-CPMK, materi pembelajaran, dan metode asesmen. Namun, proses review RPS masih banyak dilakukan secara manual sehingga membutuhkan waktu lama dan berpotensi menghasilkan perbedaan penilaian. Penelitian ini bertujuan mengembangkan AI Assistant berbasis Large Language Model (LLM) untuk membantu analisis dan review dokumen RPS berbasis OBE. Sistem dikembangkan menggunakan model Waterfall dengan aplikasi berbasis web yang terintegrasi dengan API OpenAI GPT-5 Mini. Pengujian dilakukan terhadap 5 dokumen RPS Universitas Dipa Makassar dengan membandingkan hasil analisis AI Assistant dan reviewer ahli. Hasil pengujian menunjukkan bahwa sistem mampu menghasilkan skor evaluasi, identifikasi kelebihan, kekurangan, inkonsistensi, serta rekomendasi perbaikan. Tingkat kesesuaian hasil analisis AI Assistant terhadap reviewer ahli mencapai 80% dan efisiensi waktu review sebesar 40 menit. AI Assistant dapat digunakan sebagai alat bantu evaluasi awal RPS secara sistematis dengan tetap memerlukan validasi akademik dari reviewer.

Tinjauan Yuridis Penggunaan Smart Contracts Dalam Transaksi E-Commerce

Abdul Rauf — 2026-08-10

Akselerasi transformasi digital pasca-pandemi tidak lagi hanya menyentuh aspek migrasi transaksi dari luring ke daring, melainkan telah masuk ke dalam otomatisasi kontrak yang bersifat desentralisasi. Sifatnya yang immutable dan self-executing menciptakan ketegangan hukum ketika sebuah transaksi mengalami kegagalan teknis, serangan siber, atau ketika salah satu pihak ingin membatalkan perjanjian. Permasalahannya adalah bagaimana keabsahan smart contracts dalam sistem hukum kontrak di Indonesia, serta mekanisme penyelesaian sengketanya ketika terjadi kegagalan sistem atau wanprestasi. Penelitian ini menggunakan metode penelitian hukum normatif dengan pendekatan perundang-undangan (statute approach) dan pendekatan konseptual (conceptual approach). Hasil penelitian menunjukkan bahwa Kontrak Elektronik Biasa (PDF) bersifat statis; hanya mencatat apa yang dijanjikan. Secara legal, sesuai dengan Pasal 1867 KUHPerdata mengenai alat bukti tulisan. Sebaliknya, Smart Contract bersifat dinamis dan fungsional. Legalitasnya tidak hanya dinilai dari isinya, tetapi juga dari keandalan sistem yang menjalankannya sesuai standar kelaikan sistem elektronik dalam UU ITE. smart contracts telah memiliki kedudukan yang sah dalam sistem hukum kontrak Indonesia. Validitas ini bersumber pada perluasan interpretasi terhadap Pasal 1320 KUHPerdata mengenai syarat sah perjanjian dan pengakuan tegas terhadap "Transaksi Elektronik Otomatis" dalam UU ITE. Meskipun smart contracts menggunakan bahasa pemrograman, secara yuridis ia dianggap sebagai manifestasi dari kehendak para pihak yang dituangkan dalam media elektronik.

Analisis Penentuan Kelulusan Sesuai Prestasi Siswa Menggunakan Algoritma K-Nearest Neighbor

Raynaldy Raynaldy — 2026-08-10

Penelitian ini mengembangkan Modul Prediksi Akademik yang terintegrasi pada sistem e-Rapor berbasis web menggunakan algoritma K-Nearest Neighbor (KNN) untuk mengidentifikasi potensi kelulusan akademik siswa berdasarkan pola nilai rapor. Hasil prediksi tidak digunakan sebagai keputusan akhir kelulusan, melainkan sebagai informasi pendukung dan sistem peringatan dini akademik dengan dua kategori, yaitu Berpotensi Lulus dan Berisiko Tidak Lulus. Data penelitian berasal dari nilai akhir siswa SMA Kristen Elim Makassar tahun akademik 2025/2026 semester Ganjil. Setelah melalui proses seleksi, pencocokan NIS, penghapusan duplikasi, dan validasi nilai, diperoleh 283 data siswa valid, terdiri atas 242 siswa Berpotensi Lulus dan 41 siswa Berisiko Tidak Lulus berdasarkan label acuan akademik. Data dinormalisasi menggunakan Min-Max Normalization, kemudian diklasifikasikan menggunakan Euclidean Distance dengan pengujian k=3, k=5, dan k=7 pada beberapa skenario pembagian data. Hasil terbaik diperoleh pada pembagian data 80:20 dengan k=3, menghasilkan akurasi 87,72%, precision 87,23%, recall 97,62%, dan F1-score 92,13%. Hasil tersebut menunjukkan bahwa integrasi KNN pada e-Rapor mampu menyediakan informasi prediktif yang mendukung pemantauan kondisi akademik siswa secara lebih terstruktur, tanpa menggantikan kewenangan sekolah dalam menentukan kelulusan akhir.

Implementasi Mixture of Experts (MoE) Berbasis CNN dan Vision Transformer untuk Klasifikasi Citra

Arwansyah Arwansyah — 2026-08-10

Klasifikasi citra digital telah mengalami perkembangan pesat berkat arsitektur Deep Learning. Dua arsitektur utama yang mendominasi adalah Convolutional Neural Network (CNN) yang unggul dalam mengekstraksi fitur spasial lokal secara efisien, dan Vision Transformer (ViT) yang sangat kuat dalam menangkap relasi konteks global antar-piksel melalui mekanisme self-attention. Meskipun keduanya memiliki keunggulan yang saling melengkapi, sebagian besar penelitian terdahulu cenderung menggunakan salah satu arsitektur secara mandiri atau menggabungkannya dalam bentuk hibrida sekuensial statis, yang kurang adaptif terhadap variasi karakteristik visual dari berbagai jenis dataset. Untuk mengatasi keterbatasan tersebut, penelitian ini mengusulkan sebuah model arsitektur visi hibrida berbasis Mixture of Experts (MoE). Dalam arsitektur ini, CNN dan ViT bertindak sebagai dua expert (pakar) yang berjalan secara paralel. Sebuah Gating Network adaptif berbasis jaringan saraf tiruan diimplementasikan untuk menganalisis karakteristik citra masukan secara dinamis dan memberikan bobot kontribusi (probabilitas softmax) kepada masing-masing expert sebelum dilakukan klasifikasi akhir. Evaluasi performa model MoE ini diuji menggunakan dua dataset benchmark berskala abu-abu (grayscale) dengan tingkat kompleksitas visual yang berbeda, yaitu MNIST (representasi pola garis numerik sederhana) dan FashionMNIST (representasi pola tekstur pakaian yang lebih kompleks). Hasil eksperimen menunjukkan bahwa model MoE berhasil mencapai performa klasifikasi yang optimal pada kedua dataset. Melalui analisis Gating Network, ditemukan fenomena menarik di mana model secara adaptif menyesuaikan beban kerja.

Rancangan Pengembangan Dataset Motif Sutra Bugis Untuk Klasifikasi Efficientnet-B0 Berbasis Explainable AI

Imran Djafar — 2026-08-10

Kajian ini menyusun kerangka pembangunan korpus citra motif sutra Bugis yang terkendali, dapat ditelusuri, dan memperhatikan izin pemanfaatan data. Lima kategori yang direncanakan ialah Balo Tettong, Balo Makkalu, Balo Renni’, Balo Cobo’, dan Balo Bombang. Akuisisi ditargetkan menghasilkan 2.000 foto dari 200 kain, dengan komposisi 40 kain dan 400 foto untuk setiap kategori. Setiap rekaman akan dilengkapi fabric_id beserta informasi proses pemotretan. Dua orang ahli menilai label secara terpisah; perkara yang belum mencapai kesepakatan diteruskan kepada penilai ketiga. Pengujian dirancang melalui stratified group five-fold cross-validation dengan fabric_id sebagai kelompok, sehingga foto-foto dari kain yang sama tidak berpindah fold. EfficientNet-B0 menjadi model utama dan dibandingkan dengan CNN sederhana, MobileNetV3, serta ResNet50. F1-makro dipakai sebagai ukuran pokok, sementara interval kepercayaan dan metrik tiap kelas menjadi analisis pendukung. Penjelasan Grad-CAM dibuat untuk semua model dan ditelaah ahli berdasarkan ciri visual motif. Naskah ini berfokus pada desain prosedur; hasil numerik hanya dapat disampaikan sesudah pengumpulan data dan seluruh rangkaian eksperimen benar-benar selesai.

Analisis Pengaruh Ekstraksi Zero Crossing Rate (ZCR) Terhadap Karakteristik Statistik Sinyal Wicara Bugis

Sriwijanaka Yudi Hartono — 2026-08-10

Penelitian ini menganalisis karakteristik statistik fitur Zero Crossing Rate (ZCR) pada sinyal wicara bahasa Bugis sebagai parameter ekstraksi ciri dalam pengolahan sinyal wicara. Data dikumpulkan dari lima penutur asli bahasa Bugis yang berasal dari Bone, Parepare, Pinrang, Sinjai, dan Sidrap dengan tiga jenis ujaran, yaitu aksara /ka/, aksara /ga/, dan kalimat /mabbicara ogi/. Tahapan pengolahan sinyal meliputi perekaman suara, pre-emphasis dengan koefisien alpha = 0,97, segmentasi sinyal ke dalam frame berukuran 512 sampel dengan langkah 256 sampel, serta ekstraksi fitur ZCR. Analisis statistik deskriptif dilakukan berdasarkan nilai rata-rata (mean) dan variansi. Hasil penelitian menunjukkan nilai rata-rata ZCR untuk aksara /ka/ sebesar 0,447 (variansi 0,012), aksara /ga/ sebesar 0,428 (variansi 0,016), dan kalimat /mabbicara ogi/ sebesar 0,352 (variansi 0,024). Aksara /ka/ menghasilkan nilai ZCR tertinggi, yang mengindikasikan perubahan polaritas sinyal lebih tinggi dibandingkan ujaran lainnya. Sebaliknya, kalimat menghasilkan rata-rata ZCR terendah namun variansi tertinggi, yang mencerminkan dinamika sinyal lebih kompleks akibat transisi antarfonem. Uji korelasi Pearson menunjukkan korelasi positif yang signifikan antara mean dan variansi pada aksara /ka/ (r = 0,886; p = 0,046) dan kalimat (r = 0,939; p = 0,018), sedangkan pada aksara /ga/ tidak signifikan (r = 0,600; p = 0,285). Perbedaan antarpenutur juga teramati, yang dipengaruhi oleh dialek, intonasi, kecepatan bicara, dan karakteristik fisiologis saluran vokal. Temuan ini mengonfirmasi bahwa ZCR mampu merepresentasikan karakteristik temporal sinyal wicara Bugis dan dapat menjadi acuan (baseline) untuk penelitian lanjutan dalam ekstraksi ciri bahasa daerah.

Rancang Bangun Aplikasi Visualisasi Sinyal Overbought dan Oversold RSI Dengan Pelabelan Otomatis Berbasis Aturan Return N-Hari Pada XAU/USD

Ardimansyah Ardimansyah — 2026-08-10

Evaluasi keandalan sinyal overbought dan oversold pada indikator Relative Strength Index (RSI) secara manual memerlukan waktu yang tidak sedikit, karena trader harus memeriksa satu per satu titik sinyal beserta pergerakan harga setelahnya pada data historis. Penelitian ini merancang dan membangun aplikasi web yang secara otomatis mendeteksi sinyal overbought (RSI > 70) dan oversold (RSI < 30), melabeli setiap sinyal sebagai "Berhasil" atau "Gagal" berdasarkan aturan return 5 hari, serta menampilkan hasilnya dalam grafik interaktif yang dapat ditelusuri candle demi candle. Sistem dikembangkan dengan model Prototyping dan diuji pada data historis harian XAU/USD periode 11 Juni 2004–19 Desember 2025 (5.491 observasi), yang menghasilkan 171 sinyal (128 overbought, 43 oversold). Hasil pelabelan menunjukkan win rate overbought 41,73% dan oversold 46,51%. Uji t satu sampel menunjukkan return setelah sinyal overbought signifikan secara statistik namun berarah berlawanan dengan prediksi RSI, sedangkan return setelah sinyal oversold tidak signifikan. Pengujian black box menunjukkan seluruh fungsi utama aplikasi berjalan sesuai harapan. Temuan ini mengindikasikan bahwa sinyal RSI tunggal kurang andal sebagai dasar keputusan trading tanpa konfirmasi indikator lain, dan aplikasi yang dikembangkan efektif membantu proses deteksi, pelabelan, dan evaluasi historis sinyal RSI secara otomatis.

Implementasi SIGAP (Sistem Guardian Aset dan Pelayanan IT) Berbasis Web dan Mobile

Muhammad Amiruddin — 2026-08-10

Divisi Pengelola Aset Barang Milik Negara (BMN) pada Badan Pusat Statistik Provinsi Sulawesi Selatan memiliki aplikasi inventaris tunggal dengan keterbatasan fungsionalitas operasional. Peneliti merancang bangun Sistem Guardian Aset dan Pelayanan IT (SIGAP) secara utuh untuk mengintegrasikan pendataan aset fisik, pelayanan bantuan teknis, dan pemantauan telemetri komputer secara proaktif. Penelitian ini bertujuan untuk merancang sistem yang mampu mendigitalkan manajemen aset BMN, memfasilitasi pelaporan masalah teknologi informasi, dan menerapkan inspeksi spesifikasi komputer berbasis agen layanan. Pengembangan perangkat lunak menerapkan metode System Development Life Cycle (SDLC) model Waterfall yang menggabungkan aplikasi web Laravel, aplikasi mobile Flutter, dan skrip agen Windows PowerShell. Hasil pengujian fungsionalitas Black-box membuktikan bahwa 100% fitur aplikasi berjalan sesuai skenario uji. Evaluasi performa peladen menggunakan simulasi Representational State Transfer Application Programming Interface (REST API) menunjukkan waktu respons transmisi data telemetri sebesar 478 ms dan penarikan konfigurasi sebesar 892 ms. Pemuatan penuh dasbor web tercatat pada waktu 6430 ms. Keberhasilan perancangan arsitektur ini membuktikan bahwa ekosistem SIGAP memiliki reliabilitas tinggi untuk menciptakan tata kelola infrastruktur digital yang transparan, akuntabel, dan efisien bagi instansi pemerintahan.

Pengaruh Rating Dan Ulasan Konsumen Shopee Food Terhadap Keputusan Pembelian Amanda Brownies Cabang Perintis Kemerdekaan Kota Makassar

Aprizal Aprizal — 2026-08-10

Penelitian ini bertujuan untuk menganalisis pengaruh rating dan ulasan konsumen pada platform ShopeeFood terhadap keputusan pembelian produk Amanda Brownies. Penelitian dilatarbelakangi oleh pentingnya informasi digital dalam membentuk perilaku konsumen, khususnya melalui electronic word of mouth (e-WOM), rating, dan ulasan sebagai sumber pertimbangan sebelum melakukan pembelian. Penelitian ini menggunakan pendekatan kuantitatif dengan metode asosiatif. Penelitian melibatkan 100 responden yang pernah melakukan pembelian Amanda Brownies melalui ShopeeFood dengan teknik purposive sampling. Data diperoleh melalui penyebaran kuesioner kepada konsumen yang pernah membeli produk melalui platform ShopeeFood. Teknik analisis data menggunakan uji validitas, reliabilitas, regresi linear berganda, uji t, dan uji F dengan bantuan SPSS. Kesimpulan penelitian ini menunjukkan bahwa ulasan konsumen menjadi faktor yang lebih dominan dalam mempengaruhi keputusan pembelian, sementara rating berperan sebagai informasi pendukung dalam membentuk persepsi konsumen.