Teknologi: Jurnal Ilmiah Sistem Informasi

Identifikasi Ucapan Disartria Menggunakan Arsitektur Convolutional Neural Network MobileNetV2 dan MFCC

2025-07-28T10:52:21+00:00

Seiring meningkatnya kebutuhan Automatic Speech Recognition (ASR) pada edge device, pengembangan sistem deteksi gangguan bicara menjadi semakin relevan, terutama untuk aplikasi pada alat kesehatan. Deteksi dini disartria memegang peranan krusial dalam intervensi klinis, sehingga diperlukan model klasifikasi yang efisien agar kedepanya dapat diimplementasikan pada edge atau embedded system untuk membantu proses diagnosis. Penelitian ini bertujuan untuk mengimplementasikan dan mengevaluasi sebuah model deep learning yaitu lightweight Convolutional Neural Network (LCNN) untuk klasifikasi ucapan disartria dengan memanfaatkan arsitektur MobileNetV2 melalui pendekatan transfer learning. Metode penelitian menggunakan dataset publik UASpeech, di mana fitur akustik diekstraksi menggunakan Mel-Frequency Cepstral Coefficients (MFCC) untuk menghasilkan 40 koefisien. Fitur MFCC kemudian divisualisasikan sebagai spektrogram untuk melatih model MobileNetV2 yang sebelumnya telah dilatih pada dataset berskala besar. Hasil evaluasi terbaik pada data uji menunjukkan performa yang sangat baik dengan pencapaian akurasi sebesar 95%

Sistem Rekomendasi Menu Kantin Menggunakan Lifespan-Aware Association Rule Mining Dengan Hybrid Apriori Dan FP-Growth

2025-12-22T05:40:54+00:00

This study addresses the problem of how to systematically increase cross-selling in a small canteen, where additional items such as drinks and snacks are usually offered only based on the cashier’s memory and intuition. The proposed solution is a point-of-sale (POS) recommendation system that suggests complementary menu items in real time, based on patterns learned from historical transaction data. The system uses a lifespan-aware association rule mining approach with a hybrid of Apriori and FP-Growth, where both algorithms are applied to one-hot encoded POS data and their outputs are combined and validated before being deployed as recommendation rules. The research objectives are to extract stable co-purchase patterns from canteen transactions, compare the computational performance of Apriori and FP-Growth in this real-world setting, and evaluate the practical effectiveness of the resulting recommendation system. The method benchmarks Apriori and FP-Growth across several minimum support values in terms of frequent itemsets count, computation time, and peak memory usage, and then integrates the validated rules into a POS application for real-time inference. The system’s effectiveness is measured using a session-level recommendation acceptance rate, defined as the proportion of transactions that display the recommendation modal and result in at least one recommended item being accepted and paid. The results show that Apriori and FP-Growth consistently produce identical sets of frequent itemsets, but with markedly different computational characteristics: Apriori is significantly faster, while FP-Growth exhibits more stable memory usage. In the deployed setting, the recommendation system achieves a session-level acceptance rate of 15.52% in 3,588 transactions, indicating that roughly one in seven sessions with recommendations leads to an additional item being purchased. Compared to many existing works that focus only on algorithmic performance on benchmark datasets, this research contributes a lifespan-aware, empirically benchmarked hybrid ARM approach that is fully integrated into a working POS system and evaluated using real-world acceptance behavior.

Optimalisasi Kinerja Supply Chain Pada Toko Adele Grosir Kisaran

2026-03-19T05:32:13+00:00

Kinerja rantai pasok pada Toko Adele Grosir Kisaran masih menghadapi permasalahan utama berupa ketidaktepatan pengendalian persediaan, keterlambatan distribusi, serta kurangnya integrasi informasi antar proses yang berdampak pada rendahnya efisiensi operasional dan kepuasan pelanggan. Penelitian ini bertujuan untuk mengoptimalkan kinerja supply chain melalui penerapan sistem terintegrasi yang mampu meningkatkan visibilitas, akurasi data, dan kecepatan pengambilan keputusan. Solusi yang diusulkan adalah pengembangan sistem Supply Chain Management berbasis web yang mengintegrasikan proses persediaan, pemesanan, dan distribusi secara real-time. Metode yang digunakan meliputi analisis kebutuhan, perancangan model sistem, serta evaluasi kinerja dengan indikator efisiensi operasional dan tingkat pelayanan, dengan pendekatan pengembangan perangkat lunak Waterfall. Kontribusi penelitian ini terletak pada integrasi menyeluruh antar elemen rantai pasok yang sebelumnya dikelola secara manual dan terpisah, sehingga menghasilkan alur informasi yang lebih transparan, responsif, dan terkoordinasi. Hasil penelitian menunjukkan bahwa sistem yang dikembangkan mampu meningkatkan akurasi data persediaan, mempercepat proses pemesanan dan distribusi, serta mengurangi risiko kelebihan dan kekurangan stok. Selain itu, terjadi peningkatan efisiensi operasional dan kualitas layanan pelanggan secara signifikan. Dibandingkan metode konvensional, pendekatan yang diusulkan menawarkan keunggulan dalam hal kecepatan, ketepatan, dan integrasi data, sehingga lebih adaptif terhadap dinamika permintaan pasar. Dengan demikian, sistem yang dikembangkan terbukti efektif sebagai solusi dalam mengoptimalkan kinerja supply chain pada usaha grosir.

Optimalisasi Chatbot Berbasis TinyLLaMA dengan Fine - Tuning LoRA pada Sistem Layanan Agensi Property

2026-05-06T09:54:59+00:00

Industri properti di Indonesia menghadapi tantangan dalam menyediakan layanan konsultasi yang cepat, responsif, dan efisien kepada calon pembeli. Model pemasaran tradisional dinilai kurang mampu memenuhi kebutuhan interaksi real-time yang semakin tinggi di era digital. Penelitian ini bertujuan mengembangkan chatbot konsultan properti berbahasa Indonesia menggunakan model TinyLLaMA-1.1B-Chat yang diadaptasi melalui metode fine-tuning Low-Rank Adaptation (LoRA) pada lapisan query projection (q_proj) dan value projection (v_proj). Dataset sintetis dikonstruksi menggunakan pendekatan Template-Based Data Generation yang mencakup tujuh kategori intent, yaitu simulasi KPR, dokumen legal, biaya dan pajak, spesifikasi properti, proses transaksi, konsultasi keputusan, serta risiko dan disclaimer. Eksperimen dilakukan pada tiga konfigurasi model dengan variasi nilai rank LoRA untuk menganalisis pengaruhnya terhadap kualitas dialog. Evaluasi dilakukan menggunakan metrik BLEU-4 serta kuesioner pengguna. Hasil eksperimen menunjukkan bahwa Skenario 3 dengan konfigurasi rank r=24 dan lora_alpha=48 menghasilkan performa terbaik secara kuantitatif dengan skor BLEU-4 sebesar 16.57, mengungguli Skenario 1 (15.27) dan Skenario 2 (13.39). Hasil evaluasi pengguna mengindikasikan bahwa chatbot mampu menangani pertanyaan rutin secara efektif dengan performa yang sebanding dengan agen manusia, sehingga pendekatan hybrid antara chatbot dan agen manusia direkomendasikan untuk mengoptimalkan layanan secara menyeluruh.

Perancangan Sistem Informasi Lumbung Pangan Desa Berbasis Web dengan Pendekatan User-Centered Design (UCD) di Kabupaten Grobogan

2026-07-22T09:00:06+00:00

Pengelolaan lumbung pangan desa di Kabupaten Grobogan masih dilakukan secara manual menggunakan buku catatan, sehingga menimbulkan ketidakakuratan data (kesalahan pencatatan sekitar 18,75% dari 48 entri stok yang diperiksa), keterlambatan pelaporan (rata-rata 3–5 hari kerja), dan minimnya transparansi. Angka-angka tersebut diperoleh melalui rekonsiliasi data lapangan dan Focus Group Discussion (FGD) yang dilakukan pada tahap analisis kebutuhan. Penelitian ini bertujuan merancang dan mengimplementasikan prototype sistem informasi lumbung pangan desa berbasis web dengan pendekatan User-Centered Design (UCD) untuk mendukung ketahanan pangan lokal. Novelty penelitian terletak pada model digitalisasi lumbung pangan desa yang secara konsisten mengadopsi UCD, mulai dari FGD bersama tujuh peserta (perangkat desa dan kelompok tani), pembuatan persona, user requirement, wireframe, hingga evaluasi prototype, serta mengintegrasikan manajemen stok multi-komoditas, distribusi, dan pelaporan otomatis pada level komunitas desa; pendekatan dengan kajian serupa masih sangat terbatas di Indonesia. Metode penelitian mencakup tiga tahap: (1) analisis kebutuhan melalui FGD dan observasi lapangan; (2) perancangan sistem berbasis UCD dengan artefak persona, user requirement, dan wireframe; serta (3) uji coba prototype melalui Black Box Testing dan System Usability Scale (SUS) terhadap tujuh responden. Hasil pengujian fungsional menunjukkan seluruh skenario pengujian terpenuhi sesuai spesifikasi. Evaluasi usability memperoleh skor SUS rata-rata 71,1 yang menunjukkan tingkat usability yang baik (Good) dan berada pada kategori Acceptable. Penelitian ini berkontribusi sebagai proof of concept sistem informasi lumbung pangan desa berbasis UCD di Indonesia yang dapat menjadi fondasi pengembangan lebih lanjut.

Perancangan Dan Implementasi Aplikasi Pengumpulan Data Kerusakan Jalan Tol XYZ Berbasis Web Terintegrasi Google Workspace

2025-12-05T22:33:55+00:00

Kerusakan pada infrastruktur jalan tol berdampak langsung terhadap keselamatan pengguna, kualitas layanan, serta kelancaran mobilitas logistik. Di Jalan Tol XYZ, proses pelaporan kerusakan masih dilakukan secara manual melalui pengisian data pada Spreadsheet dan pengiriman foto menggunakan aplikasi perpesanan, sehingga menimbulkan ketidakteraturan data, duplikasi, kesalahan input, serta keterlambatan validasi. Penelitian ini dilakukan untuk menghadirkan solusi sistem pelaporan kerusakan jalan tol berbasis web yang terintegrasi dengan layanan Google Drive dan Google Spreadsheet sebagai bagian dari pemanfaatan Google Workspace sesuai standar operasional perusahaan. Solusi yang diusulkan berupa perancangan dan implementasi aplikasi pelaporan kerusakan berbasis web serta tools inspeksi berbasis Android dengan dukungan fitur geolokasi, unggah foto otomatis, dan validasi input. Sistem dikembangkan menggunakan metode Waterfall dengan tahapan analisis kebutuhan, perancangan menggunakan UML, implementasi Google Apps Script dan API Google Drive, serta pengujian menggunakan Black Box Testing dan evaluasi kepuasan pengguna. Integrasi Sistem Informasi Geografis (SIG) menggunakan Leaflet memastikan penyajian lokasi kerusakan secara spasial dan real-time. Hasil penelitian menunjukkan bahwa sistem mampu mempercepat proses pelaporan, mengurangi kesalahan input, menyediakan dokumentasi terpusat, serta meningkatkan keakuratan data lokasi kerusakan. Pengujian fungsional memperoleh hasil 97%, sedangkan pengujian kepuasan pengguna menunjukkan nilai rata-rata kategori “Sangat Baik”. Kontribusi utama penelitian ini adalah penerapan integrasi Google Workspace sebagai database utama dalam sistem pelaporan kerusakan jalan tol, yang memungkinkan transisi teknologi secara bertahap tanpa mengganggu operasional, serta implementasi visualisasi kerusakan berbasis peta yang belum diterapkan pada sistem sebelumnya. Dengan demikian, aplikasi ini terbukti efektif mendukung percepatan pemeliharaan dan pengambilan keputusan manajemen dalam pengelolaan aset jalan tol.

Sistem Informasi Penggajian Koperasi Kelompok Tani (SimPegTan) Berbasis Node.js dan Express.js untuk Mendukung Digitalisasi Administrasi Pertanian

2026-05-20T10:20:34+00:00

Koperasi Unit Desa (KUD) Panca Sawit Makmur masih mengandalkan sistem penggajian manual yang bergantung pada pencatatan jumlah hasil panen secara fisik, penghitungan pendapatan kotor berdasarkan harga Tandan Buah Segar (TBS) dari perusahaan mitra secara manual oleh bendahara, serta penyalinan slip gaji individu secara tertulis oleh ketua kelompok. Rantai birokrasi yang panjang tersebut menyebabkan inefisiensi waktu, tingginya risiko kesalahan pencatatan, dan rendahnya transparansi informasi penggajian bagi anggota kelompok tani. Penelitian ini bertujuan merancang, mengembangkan, dan menguji sistem informasi penggajian berbasis web bernama SimPegTan guna mengotomatisasi administrasi penggajian serta meningkatkan efisiensi, akurasi, dan transparansi pengelolaan keuangan koperasi. Metode pengembangan yang digunakan adalah Waterfall, mencakup tahap analisis kebutuhan, perancangan, implementasi, dan pengujian. Sistem dibangun menggunakan Node.js dan Express.js sebagai framework utama, serta MySQL dan EJS dengan arsitektur server-side rendering, dilengkapi fitur ekspor laporan Excel (ExcelJS), generasi PDF (Puppeteer), keamanan autentikasi berbasis bcrypt, log aktivitas otomatis, serta mekanisme soft-delete dan recycle bin. Pengujian fungsional menggunakan black-box testing terhadap 18 skenario uji menunjukkan seluruh fitur berjalan sesuai yang diharapkan. Sistem berhasil mengotomatisasi perhitungan gaji berdasarkan jumlah hasil panen dan harga TBS, menghasilkan laporan keuangan format Excel, menerbitkan slip gaji individual dalam format PDF, serta menerapkan manajemen akses berbasis tiga peran pengguna (bendahara, ketua kelompok tani, dan anggota kelompok tani). SimPegTan terbukti menggantikan sistem manual di KUD Panca Sawit Makmur dengan meningkatkan efisiensi, meminimalkan risiko kesalahan perhitungan, dan meningkatkan transparansi informasi keuangan bagi seluruh anggota koperasi.

Deteksi Promosi Judi Online Di Komentar Youtube Menggunakan IndoBERT Fine-Tunning Dengan Pendekatan Focal Loss

2026-05-23T13:27:24+00:00

Pesatnya perkembangan teknologi informasi menjadikan promosi lebih efektif, efisien dan memiliki jangkauan yang lebih luas. Salah satu strategi promosi yang diterapkan adalah dengan melakukan promosi melalui kolom komentar YouTube. Hal tersebut kemudian banyak disalahgunakan oleh pihak tertentu untuk mempromosikan konten ilegal, termasuk promosi judi online. Meskipun YouTube telah menerapkan algoritma deteksi spam dan pelanggaran kebijakan komunitas, banyak komentar promosi judi yang masih lolos dari sistem. Oleh karena itu, untuk membantu dalam mendukung pemberantasan judi online, penelitian ini mengembangkan model kecerdasan buatan yang mampu mengklasifikasi dan mendeteksi promosi judi online secara otomatis. Metode yang digunakan dalam penelitian ini dilakukan dengan pendekatan Natural Language Processing menggunakan fine-tunning model IndoBERT yang merupakan pretrained language model berbasis arsitektur BERT (Bidirectional Encoder Representations from Transformers) dan disesuaikan untuk Bahasa Indonesia. IndoBERT dilatih secara khusus menggunakan data dari Wikipedia Bahasa Indonesia, artikel berita dari Kompas, Tempo, dan Liputan6, serta korpus web Indonesia. Hasil evaluasi menunjukkan bahwa kombinasi IndoBERT dengan pendekatan Focal Loss mendapat akurasi 97%. Penelitian ini menunjukkan bahwa penggabungan model berbasis bahasa alami dengan pendekatan Focal Loss dapat memberikan hasil yang akurat dalam mendeteksi komentar promosi judi online.

Perancangan Dan Implementasi Sistem Manajemen Rantai Pasok Digital Untuk Peningkatan Efisiensi Dan Kualitas Hubungan Pelanggan Pada Toko Sopia Cantika

2026-03-24T06:47:30+00:00

Perkembangan bisnis ritel menuntut pengelolaan rantai pasok yang lebih terintegrasi, cepat, dan responsif terhadap kebutuhan pelanggan. Toko Sopia Cantika menghadapi permasalahan berupa pengelolaan stok yang belum optimal, keterlambatan informasi distribusi, serta kurangnya integrasi data yang berdampak pada menurunnya efisiensi operasional dan kualitas hubungan pelanggan. Untuk mengatasi hal tersebut, penelitian ini mengusulkan perancangan dan implementasi sistem manajemen rantai pasok digital berbasis teknologi informasi yang mampu mengintegrasikan seluruh alur distribusi dan informasi secara real-time. Metode yang digunakan meliputi analisis kebutuhan sistem, perancangan berbasis model terstruktur, serta implementasi sistem berbasis web yang dilengkapi fitur pengelolaan stok, pemantauan distribusi, dan pengelolaan data pelanggan. Kontribusi utama penelitian ini terletak pada integrasi sistem rantai pasok dengan pendekatan digital yang tidak hanya berfokus pada efisiensi operasional, tetapi juga pada peningkatan kualitas hubungan pelanggan melalui ketersediaan informasi yang akurat dan cepat. Tujuan penelitian ini adalah meningkatkan efisiensi proses bisnis, meminimalkan kesalahan pengelolaan data, serta memperkuat hubungan dengan pelanggan melalui pelayanan yang lebih responsif. Hasil penelitian menunjukkan bahwa sistem yang dibangun mampu meningkatkan akurasi data stok, mempercepat alur distribusi, serta memberikan kemudahan dalam pengambilan keputusan berbasis data, sekaligus meningkatkan kepuasan pelanggan melalui transparansi informasi dan kecepatan layanan. Kesimpulannya, implementasi sistem manajemen rantai pasok digital pada Toko Sopia Cantika memberikan keunggulan dibandingkan metode konvensional, terutama dalam hal integrasi data, efisiensi operasional, dan peningkatan kualitas hubungan pelanggan, sehingga menawarkan solusi yang lebih adaptif, efektif, dan berkelanjutan dalam menghadapi dinamika bisnis ritel modern

Simulasi Agent-Based untuk Prediksi Beban Server Moodle pada Skala Massive Open Online Courses (MOOCs)

2026-06-08T02:44:55+00:00

Perkembangan Massive Open Online Courses (MOOCs) menuntut infrastruktur e-learning yang tangguh dalam menangani lonjakan pengguna secara masif. Metode pengujian beban konvensional seperti load testing dan stress testing memiliki keterbatasan karena bersifat statis, reaktif, serta berpotensi merusak infrastruktur fisik. Oleh karena itu, penelitian ini mengusulkan pendekatan Agent-Based Simulation (ABS) dengan skenario 2.000 agen untuk memprediksi dinamika beban server Moodle secara lebih realistis dan proaktif. Berdasarkan pemodelan regresi linier berganda (R² = 87,27%), hasil pengujian membuktikan bahwa kelumpuhan sistem (bottleneck) tidak dipicu oleh tingginya lalu lintas akses pasif, melainkan oleh lonjakan aktivitas berkomputasi berat, khususnya pengumpulan tugas dan pengerjaan kuis yang menyumbang bobot beban tertinggi (0,0074 dan 0,0073 per permintaan). Lebih lanjut, degradasi kinerja infrastruktur terbukti tidak linier; utilisasi prosesor terkuras tajam mengikuti pola regresi logaritmik hingga menabrak titik jenuh (saturasi 100%)[1]. Saturasi tersebut secara mutlak meruntuhkan toleransi memori, memicu lonjakan keterlambatan waktu respons dan penumpukan antrean kueri secara eksponensial. Temuan empiris ini memberikan implikasi krusial bahwa perencanaan kapasitas server (capacity planning) dan strategi auto-scaling harus difokuskan untuk mengantisipasi beban komputasi spesifik pada jadwal-jadwal kritis, bukan sekadar bergantung pada metrik total pengguna aktif.