Teknologi: Jurnal Ilmiah Sistem Informasi

Aplikasi Penjualan Dengan Metode Cross Selling Pada Toko Roti Mayco Bread

2025-06-11T11:43:19+00:00

Perkembangan teknologi digital mendorong toko roti Mayco Bread untuk mengoptimalkan sistem penjualannya melalui aplikasi berbasis cross selling. Metode cross selling digunakan untuk meningkatkan nilai transaksi dengan merekomendasikan produk tambahan yang relevan kepada pelanggan. Penelitian ini merancang dan mengembangkan aplikasi penjualan menggunakan pendekatan UML, termasuk diagram use case, activity, dan sequence untuk memodelkan proses bisnis. Hasil implementasi menunjukkan bahwa sistem ini dapat membantu meningkatkan efisiensi transaksi, mempercepat pemesanan, serta mendorong pelanggan untuk membeli lebih banyak produk melalui rekomendasi yang ditampilkan. Ke depannya, aplikasi ini dapat dikembangkan lebih lanjut dengan integrasi kecerdasan buatan untuk menyempurnakan strategi cross selling berbasis preferensi pelanggan.

Sistem Informasi Perpustakaan SMP Negeri 1 Pegajahan Dengan Fitur Notifikasi Untuk Monitoring Peminjaman Buku Berbasis Mobile Dengan Metode Collaborative Filltering

2025-06-24T15:29:53+00:00

Sistem informasi perpustakaan berbasis digital dirancang untuk meningkatkan efisiensi dalam pengelolaan dan peminjaman buku di lingkungan sekolah. Sistem ini menyediakan fitur-fitur utama seperti pencatatan buku yang terorganisir, peminjaman dan pengembalian buku, serta sistem konfirmasi otomatis untuk memastikan administrasi perpustakaan berjalan lancar. Selain itu, pengguna dapat dengan mudah menelusuri daftar buku berdasarkan genre. Dengan antarmuka yang sederhana, sistem ini diharapkan dapat memudahkan siswa dan staf perpustakaan dalam mengakses dan mengelola informasi buku secara lebih efektif. Implementasi sistem ini juga mendukung transformasi digital di bidang pendidikan dengan mengoptimalkan pengelolaan perpustakaan sekolah secara terstruktur.

Determination of Freshwater Fish Types for Cultivation Based on Water Quality Using Mamdani Fuzzy

2025-07-01T05:12:22+00:00

Determining suitable fish species based on the available water quality in freshwater aquaculture is crucial. Selecting fish that are compatible with the existing water conditions can significantly influence their growth and survival, which in turn affects the overall harvest. Assessing water quality must therefore be done carefully and accurately, as each fish species has specific water requirements to reproduce and thrive optimally. In this study, a fuzzy logic approach using the Mamdani method was employed to assess the suitability of different freshwater fish species based on water quality conditions. The input parameters considered in the system include temperature, dissolved oxygen, and pH. Based on these parameters, the system categorizes the suitability of each fish species into three levels: suitable, moderately suitable, and less suitable for cultivation. The results of testing show that the system is capable of generating varying recommendations depending on the given water quality conditions. For instance, under conditions of 28°C temperature, 5 mg/L of dissolved oxygen, and pH 7, the system recommended catfish, pangasius, and eel as the most suitable species for cultivation. These recommendations can serve as a useful reference for aquaculture practitioners in selecting fish species that align with the environmental conditions of their farming locations.

ANALISIS SENTIMEN PERSPEKTIF KONSUMSI ROKOK TEMBAKAU DAN ROKOK ELEKTRIK DI MEDIA SOSIAL X MENGGUNAKAN METODE DECISION TREE

2025-07-01T16:41:27+00:00

Kebiasaan merokok, baik rokok tembakau maupun rokok elektrik, telah menjadi isu sosial yang signifikan di Indonesia, dengan
meningkatnya perdebatan publik di media sosial mengenai risiko kesehatan masing-masing. Penelitian ini bertujuan untuk
menganalisis sentimen masyarakat terhadap konsumsi kedua jenis rokok tersebut di platform media sosial X dengan menggunakan metode klasifikasi Decision Tree. Rumusan masalah dalam penelitian ini adalah bagaimana perbedaan sentimen publik terhadap rokok tembakau dan rokok elektrik serta bagaimana efektivitas metode Decision Tree dalam klasifikasi opini publik. Penelitian menggunakan pendekatan kuantitatif dengan data diperoleh melalui teknik crawling terhadap lebih dari 2.000 tweet yang mengandung kata kunci terkait. Data diproses melalui tahapan preprocessing, pelabelan berbasis leksikon, pembobotan TF-IDF, dan klasifikasi menggunakan algoritma Decision Tree CART. Hasil menunjukkan bahwa sentimen negatif mendominasi untuk kedua jenis rokok, dengan akurasi model mencapai 87,50% untuk rokok tembakau dan 80,60% untuk rokok elektrik. Kesimpulan dari penelitian ini menyatakan bahwa algoritma Decision Tree efektif digunakan dalam menganalisis opini publik berbasis teks, serta mampu memberikan hasil klasifikasi yang interpretatif. Penelitian ini bermanfaat dalam mendukung perumusan kebijakan publik dan kampanye kesehatan berbasis data, serta memperkaya kajian analisis sentimen pada isu-isu sosial.

Pengenalan Gambar Untuk Pelatihan Bicara Bagi Anak Dengan Speech Delay Menggunakan Convolutional Neural Network

2025-07-12T11:15:08+00:00

Penelitian ini bertujuan untuk membangun dan mengevaluasi model Convolutional Neural Network (CNN) dalam mengklasifikasikan gambar coretan tangan berupa angka dan bentuk bangun datar. Dataset yang digunakan merupakan gabungan dari MNIST dan Google QuickDraw, dengan total 16 kelas. Model CNN yang dikembangkan terdiri dari empat blok konvolusi dan dua fully connected layer, dilatih selama 30 epoch menggunakan teknik regularisasi dan normalisasi untuk meningkatkan performa generalisasi. Hasil pelatihan menunjukkan akurasi validasi tertinggi sebesar 98,61% dan loss minimum sebesar 0,1185. Evaluasi menggunakan metrik precision, recall, dan f1-score menunjukkan rata-rata nilai sebesar 97,71%, 98,22%, dan 98,75%. Model ini menunjukkan kinerja tinggi pada kelas angka maupun bentuk bangun datar, meskipun terdapat tantangan pada bentuk visual yang kompleks dan serupa. Dengan akurasi dan konsistensi klasifikasi yang tinggi, model CNN ini dinilai layak sebagai komponen utama dalam sistem bantu pembelajaran visual untuk anak dengan keterlambatan bicara (speech delay).

Sistem Rekomendasi Kurikulum Adaptif Berbasis Profil Lulusan Menggunakan Metode Hybrid Filtering

2025-07-15T01:55:53+00:00

Penyusunan struktur matakuliah pada kurikulum berbasis profil lulusan menjandi tantangan utama dalam dunia pendidikan terutama perguruan tinggi. Dimana program studi harus mampu menyusun struktur matakuliah yang relevan dengan profesi, sehingga lulusan mampu bersaing dan memiliki kompetensi didunia kerja khususnya bidang teknologi. Penelitian ini bertujuan untuk membangun model sistem rekemendasi struktur matakuliah pada kurikulum secara adaptif berbasis profil lulusan dengan menggunakan pendekatan hybrid filtering yang menggabungkan antara metode Collaborative Filtering (CF) dengan Content-based Filtering (CBF). Pada metode CF mengimplementasikan matrix factorization dengan Singular Value Decomposition (SVD), sementara CBF memanfaatkan cosine similarity. Evaluasi model dilakukan menggunakan dataset alumni sejumlah 450 orang, yang mencakup riwayat mata kuliah dan profesi yang sedang dijalani. Hasil menunjukkan bahwa pendekatan hybrid menghasilkan nilai precision@5 sebesar 0.8524, recall@5 sebesar 0.5696, dan F1-score@5 sebesar 0.6276. Performa tersebut berada di atas model CBF murni yang mencatatkan precision sebesar 0.6067, recall sebesar 0.3876, dan F1-score sebesar 0.4564. Sementara itu, model CF berbasis SVD menunjukkan error prediksi yang cukup tinggi, dengan nilai RMSE antara 1.18 hingga 1.23 dan MAE antara 0.98 hingga 1.03. Temuan ini mengindikasikan bahwa kontribusi utama dalam sistem hybrid berasal dari komponen CBF, sementara performa CF masih perlu ditingkatkan, terutama dalam konteks data dengan kemiripan antar alumni yang rendah atau sparsity yang tinggi. Penelitian ini memberikan kontribusi dalam mendukung pengambilan keputusan penyusunan kurikulum berbasis data yang lebih adaptif terhadap profil lulusan dan kebutuhan dunia kerja.