Jurnal Teknik Informatika UNIKA Santo Thomas

Aplikasi Penentuan Dosen Pembimbing Skripsi menggunakan Metode Analytic Hirarchy Process (AHP)

Alex Rikki — 2025-11-11

The process of determining thesis supervisors in higher education is often done manually and subjectively, potentially causing an imbalance in the supervision load and a mismatch between the lecturer's field of expertise and the student's research topic. This problem indicates the need for an objective, measurable, and transparent decision-making system. This study aims to design and implement a Decision Support System (DSS) based on the Analytic Hierarchy Process (AHP) method to assist the faculty in optimally determining thesis supervisors. The study was conducted at the Faculty of Computer Science, Santo Thomas Catholic University using a case study approach and data collection methods through observation, interviews, and documentation studies of the ongoing academic process. The assessment criteria used included academic expertise, functional position, last education, and length of service of the lecturer. The AHP model was applied to generate priority weights for each criterion, with a consistency ratio (CR) calculation of 0.08 indicating that the decision-making model is consistent and valid. The results of the system implementation showed an increase in decision-making time efficiency of 95.8% and a level of conformity between the system results and manual decisions of 88%. Furthermore, there was an even distribution of the supervisory workload and an increase in the match between student research topics and the lecturers' areas of expertise, from 70% to 92%. Thus, the application of the AHP method in the DSS has been proven to increase the objectivity and effectiveness of the thesis supervisor selection process and can serve as a basis for the development of a broader academic decision support system in the future.

Teknologi Augmented Reality Pengenalan Produk Skincare

Pastima Simanjuntak — 2025-12-11

Skincare products play an important role in addressing various skin issues such as acne, dark spots, blackheads, and excess oil. However, in Batam City, the widespread circulation of skincare products without proper verification has caused trade problems and decreased consumer trust, necessitating a means to help consumers understand and select appropriate products. This study aims to design and develop an Augmented Reality (AR)-based application on Android devices to introduce skincare products in an interactive and realistic manner. The methodology involves developing the application using the Unity platform and Vuforia Engine, employing marker-based AR technology that integrates 3D modeling of products along with information on their functions, usage instructions, and side effects, with markers on brochures or catalogs serving as triggers for display. The study’s outcome is an AR application that successfully presents 3D skincare product models accompanied by descriptive information, providing a more realistic visualization experience and supporting consumer understanding of skincare products in Batam City.

Aplikasi Image Captioning Menggunakan Convolutional Neural Network dan Long Short Term Memory

Javier Jean Vito Sengka — 2025-12-16

Image captioning merupakan teknologi yang menghasilkan deskripsi otomatis dari gambar dengan menggabungkan computer vision dan pemrosesan bahasa alami. Penelitian ini bertujuan membangun aplikasi image captioning berbahasa Indonesia dengan menerapkan arsitektur Convolutional Neural Network (CNN) dan Long Short-Term Memory (LSTM). Proses dimulai dengan ekstraksi fitur visual menggunakan model VGG16, kemudian dilanjutkan dengan pelatihan model captioning berbasis LSTM. Dataset yang digunakan adalah Flickr8k yang telah diterjemahkan ke dalam bahasa Indonesia. Evaluasi performa dilakukan menggunakan metrik BLEU, METEOR, CIDEr, dan ROUGE. Hasil menunjukkan bahwa model mampu menghasilkan deskripsi gambar dengan nilai BLEU-1 sebesar 0,6216, yang menandakan tingkat kesesuaian cukup baik antara caption hasil prediksi dan referensi. Selain itu, sistem telah diimplementasikan ke dalam aplikasi web berbasis Streamlit agar dapat diakses secara praktis. Model yang dirancang menunjukkan kemampuan menghasilkan caption yang informatif dan sesuai konteks visual gambar dalam bahasa Indonesia

Pengembangan Aplikasi Web untuk Pengerahan Relawan Bencana dengan Metode VIKOR sebagai Dasar Pengambilan Keputusan

Ni Wayan Ari -Ulandari — 2025-12-16

Penanggulangan bencana memerlukan pendekatan terencana, terpadu, dan terkoordinasi untuk meminimalkan risiko dan melindungi masyarakat. Dalam konteks ini, peran relawan sangat krusial sebagai ujung tombak respons darurat. Namun, proses pengerahan relawan secara manual sering kali menghadapi tantangan seperti ketidaksesuaian kompetensi, keterlambatan pengambilan keputusan, dan kurangnya transparansi. Untuk mengatasi hal tersebut, diperlukan sistem pendukung keputusan (SPK) berbasis web yang mampu menganalisis data relawan secara objektif berdasarkan multiple kriteria. Penelitian ini mengimplementasikan metode VIKOR (VIšekriterijumsko KOmpromisno Rangiranje) — salah satu teknik Multi-Attribute Decision Making (MADM) — dalam sebuah aplikasi web untuk memeringkat dan merekomendasikan relawan terbaik berdasarkan faktor seperti pengalaman, keterampilan, ketersediaan, dan jarak lokasi. Hasil analisis menunjukkan bahwa perankingan yang dihasilkan oleh metode VIKOR bersifat stabil, di mana perubahan nilai bobot strategi kelompok (v) tidak mengubah urutan prioritas secara signifikan, sehingga mendukung keputusan yang konsisten, efektif, dan dapat dipertanggungjawabkan dalam konteks penanggulangan bencana

Monitoring Udara Berbasis Internet Of Things Dengan Metode Proportional Integral Derivative ( PID) Untuk Kendali Tekanan Pada Ruang Operasi Di Rumah Sakit

Danang Adi Prabowo — 2025-12-16

Pengendalian suhu, kelembaban, dan tekanan udara pada ruang operasi rumah sakit merupakan aspek penting untuk menjaga sterilitas, mencegah penyebaran infeksi, serta memberikan kenyamanan bagi tenaga medis dan pasien. Penelitian ini bertujuan untuk merancang dan mengimplementasikan sistem monitoring udara berbasis Internet of Things (IoT) dengan metode Proportional Integral Derivative (PID) sebagai kendali tekanan udara di Ruang Operasi Rumah Sakit Pandan Arang Kabupaten Boyolali. Sistem dirancang menggunakan mikrokontroler ESP32 sebagai pusat pengolahan data, sensor SHT-10 untuk pengukuran suhu dan kelembaban, sensor LWLP5000-5XD untuk tekanan udara, serta aktuator sebagai pengatur kestabilan tekanan. Data hasil pemantauan ditampilkan melalui web-based application sehingga dapat diakses secara real-time tanpa keterbatasan perangkat dan lokasi. Hasil penelitian menunjukkan bahwa sistem mampu melakukan pemantauan suhu, kelembaban, dan tekanan udara secara akurat sesuai standar Permenkes No. 7 Tahun 2019, dengan pengendalian tekanan udara yang lebih stabil melalui penerapan algoritma PID. Dengan demikian, rancangan ini diharapkan dapat membantu pihak rumah sakit dalam menjaga kualitas udara ruang operasi secara efisien, mencegah infeksi silang, serta meningkatkan kenyamanan dan keselamatan tenaga medis maupun pasien.

Rancang Bangun Aplikasi Sistem Pakar Berbasis Forward Chaining Untuk Mendeteksi Kerusakan Pada Alat Kesehatan Patient Monitor

Hastu Febrian — 2025-12-16

Penelitian ini bertujuan untuk merancang dan mengembangkan sistem pakar berbasis web yang dapat membantu teknisi elektromedis pemula dalam mendiagnosis kerusakan pada alat Patient Monitor serta memberikan solusi perbaikan yang tepat. Pengembangan sistem menggunakan metode Waterfall, sedangkan proses inferensi diagnosis menerapkan metode Forward Chaining, yang menelusuri gejala menuju kesimpulan berdasarkan aturan produksi IF–THEN yang diperoleh dari pakar elektromedis berpengalaman. Sistem pakar ini dibangun menggunakan basis data relasional dan diuji melalui pengujian Black-box, yang menunjukkan seluruh fungsi berjalan sesuai dengan rancangan. Aplikasi mampu mengidentifikasi berbagai jenis kerusakan berdasarkan gejala yang dimasukkan pengguna serta memberikan rekomendasi penanganan yang sesuai. Berdasarkan uji coba pengguna, diperoleh nilai rata-rata kepuasan sebesar 93,33% untuk pertanyaan nomor 1, 92% untuk nomor 2, 91,33% untuk nomor 3, 90,67% untuk nomor 4, dan 92% untuk nomor 5. Hasil ini menunjukkan bahwa aplikasi sistem pakar yang dikembangkan telah memenuhi kebutuhan dan harapan pengguna. Secara keseluruhan, sistem ini dinilai efektif sebagai alat bantu konsultasi bagi teknisi elektromedis pemula karena mampu mempercepat proses diagnosis, mengurangi waktu henti alat, serta meningkatkan efisiensi layanan pemeliharaan alat kesehatan di rumah sakit.

Penerapan Density-Based Spatial Clustering of Applications with Noise untuk Analisis Data Peserta Didik pada SMA Negeri 2 Samboja

Muhammad Ridho Sani — 2025-12-16

Pengelolaan data peserta didik yang jumlahnya besar seringkali menghadapi kendala dalam proses analisis, terutama untuk menemukan pola yang bermanfaat bagi pengambilan keputusan sekolah. Penelitian ini bertujuan menerapkan algoritma Density-Based Spatial Clustering of Applications with Noise (DBSCAN) untuk menganalisis data peserta didik pada SMA Negeri 2. DBSCAN dipilih karena mampu mengelompokkan data dengan bentuk cluster tidak beraturan dan mengidentifikasi outlier (noise). Penelitian menggunakan metode kuantitatif dengan data sekunder berupa profil peserta didik. Tahapan penelitian meliputi preprocessing data, penentuan parameter epsilon dan minPts, serta penerapan algoritma DBSCAN. Hasil penelitian menunjukkan bahwa DBSCAN dapat mengelompokkan peserta didik ke dalam beberapa cluster yang menggambarkan karakteristik tertentu, serta mendeteksi data yang menyimpang. Temuan ini dapat menjadi dasar bagi pihak sekolah dalam menyusun strategi pembinaan siswa sesuai karakteristik kelompok.

Studi Komparatif Algoritma Klasifikasi Data Mining pada Prediksi Prestasi Siswa Berbasis Data Sosiodemografis

Arief Jananto — 2025-12-18

Perkembangan teknologi informasi mendorong pemanfaatan data akademik secara optimal melalui pendekatan data-driven decision making di bidang pendidikan. Penelitian ini bertujuan untuk melakukan studi komparatif algoritma klasifikasi data mining dalam memprediksi prestasi akademik siswa berbasis data sosiodemografis, latar belakang keluarga, kebiasaan belajar, dan keterlibatan sekolah. Dataset yang digunakan bersumber dari Kaggle Student_Performance dan telah melalui tahap pra-pemrosesan meliputi pembersihan data, transformasi variabel, normalisasi, serta seleksi atribut. Metode klasifikasi yang diterapkan meliputi Decision Tree, K-Nearest Neighbor (KNN), dan Random Forest dengan skema evaluasi 10-fold cross validation menggunakan aplikasi Orange Data Mining. Hasil penelitian menunjukkan bahwa algoritma Random Forest menghasilkan performa terbaik dengan nilai akurasi 76%, AUC 89,3%, serta keseimbangan yang baik antara precision dan recall dibandingkan algoritma lainnya. Analisis feature importance mengindikasikan bahwa variabel study_hours merupakan faktor paling dominan dalam memengaruhi prestasi akademik, diikuti oleh attendance_percentage, study_method, dan parent_education. Temuan ini menegaskan keunggulan pendekatan ensemble dalam menangani kompleksitas data pendidikan serta pentingnya kebiasaan belajar dalam meningkatkan prestasi akademik siswa

Comparison Analysis of MQTT and HTTP Communication Protocol IOT Based on Website Node.Js

Fernanda Imansyah — 2025-12-23

Abstract—The Internet of Things is one of the technologies that is widely used in monitoring systems to get maximum results. Within the IoT infrastructure, there are devices and servers, both of which must be listed. These two devices must be connected via a communication protocol such as ZigBee, MQTT, HTTP, and so on. The selection of an appropriate and effective communication protocol is one of the most important things. According to the results of the 2018 edition of the IoT developer survey by the Eclipse Foundation, it was found that the communication protocols that are widely used in IoT systems are the MQTT protocol, which uses a publish/subscribe architecture, and the HTTP protocol, which uses a request/response architecture. This study conducted a comparative analysis of the MQTT and HTTP communication protocols on the internet of things system based on the Node.js website on the Google Cloud platform for monitoring systems for plants as a research object. Data retrieval was carried out in the morning and at night using wireshark software. It was found that the MQTT protocol had better throughput and delay values compared to the HTTP protocol, with an average MQTT throughput value of 1730 in the morning and 1899 at night. The average MQTT delay value was 0.93485406 in the morning and 0.855531576 at night. While the HTTP protocol has better packet loss and jitter values compared to the MQTT protocol, with HTTP packet loss values of 0.028% in the morning and 0.018% at night, the average value of HTTP jitter is 0.044957 in the morning and 0.014849 at night

Kesadaran Keamanan Data Pribadi: Perbandingan Implementasi UU PDP dan GDPR

Putu Wida Gunawan — 2025-12-23

Perkembangan pesat teknologi digital telah meningkatkan skala dan kompleksitas pengumpulan, pengolahan, serta distribusi data pribadi dalam berbagai sistem informasi. Kondisi ini menuntut kerangka perlindungan data yang tidak hanya berbasis norma hukum, tetapi juga didukung oleh mekanisme teknis dan organisasional keamanan informasi. Indonesia merespons melalui Undang-Undang Nomor 27 Tahun 2022 tentang Perlindungan Data Pribadi (UU PDP), sementara Uni Eropa menerapkan General Data Protection Regulation (GDPR) sebagai model regulasi yang terintegrasi dengan pendekatan teknologi. Penelitian ini bertujuan menganalisis dan membandingkan tingkat kesadaran keamanan data pribadi dalam implementasi UU PDP dan GDPR dari perspektif informatika, dengan menekankan peran sistem keamanan data, prinsip privacy-by-design, serta mekanisme kepatuhan berbasis teknologi. Metode yang digunakan adalah tinjauan literatur terhadap publikasi ilmiah periode 2020–2025 yang membahas implementasi regulasi, hak subjek data, praktik keamanan informasi, dan tantangan teknis kedua rezim hukum. Hasil kajian menunjukkan bahwa GDPR memiliki tingkat kematangan yang lebih tinggi dalam mengintegrasikan kepatuhan hukum dengan pengamanan teknis dan kesadaran publik, sedangkan implementasi UU PDP di Indonesia masih menghadapi kendala literasi digital, kesiapan institusional, dan keterbatasan penerapan standar keamanan sistem informasi. Temuan ini menegaskan pentingnya pendekatan berbasis informatikameliputi arsitektur sistem yang aman, tata kelola data, dan alat kepatuhan otomatis untuk memperkuat perlindungan data pribadi dan efektivitas regulasi di Indonesia.

Pola Komorbiditas Pasien Diabetes Mellitus Tipe II Di Rumah Sakit Imelda Menggunakan Algoritma FP-Growth dan Apriori

Marulak Lasron Siahaan — 2025-12-26

Diabetes Mellitus Tipe 2 merupakan penyakit kronis yang sering disertai berbagai komorbiditas yang dapat meningkatkan risiko komplikasi, menurunkan kualitas hidup pasien, serta memperberat beban pelayanan kesehatan. Identifikasi pola komorbiditas yang sering muncul menjadi penting sebagai dasar pengambilan keputusan klinis. Penelitian ini bertujuan untuk menganalisis dan membandingkan pola komorbiditas pasien Diabetes Mellitus Tipe II di Rumah Sakit Imelda menggunakan algoritma Apriori dan FP-Growth. Dataset yang digunakan berasal dari data rekam medis sebanyak 758 pasien, yang setelah melalui tahap seleksi dan pembersihan data menghasilkan 664 data transaksi. Proses analisis dilakukan menggunakan teknik Association Rule Mining dengan parameter minimum support 20% dan minimum confidence 60%. Hasil penelitian menunjukkan bahwa kedua algoritma berhasil menemukan pola komorbiditas yang konsisten, dengan jumlah frequent itemset dan aturan asosiasi yang sama. Algoritma Apriori lebih efisien dari sisi waktu komputasi pada dataset berukuran relatif kecil, sedangkan FP-Growth unggul dalam mengidentifikasi pola penyakit yang bersifat umum dan dominan. Pola utama yang ditemukan meliputi kombinasi Diabetes Mellitus Tipe II dengan hipertensi dan dislipidemia, serta pola spesifik yang melibatkan penyakit kardiovaskular dan muskuloskeletal. Hasil penelitian ini diharapkan dapat menjadi pendukung keputusan klinis dalam pencegahan komplikasi dan perencanaan strategi penanganan pasien diabetes.

Implementasi Analytical Hierarchy Procces Untuk Penentuan Pemberian Kredit Di Koperasi Sadar Karya Munjul

Mamay Maesaroh — 2025-12-26

Koperasi Sadar Karya Munjul menghadapi permasalahan dalam proses pemberian kredit yang masih bersifat subjektif dan bergantung pada pertimbangan personal pengurus. Kondisi ini menimbulkan ketidaktepatan dalam menentukan kelayakan pemohon kredit serta berpotensi meningkatkan risiko kredit bermasalah. Penelitian ini bertujuan untuk menerapkan metode Analytical Hierarchy Process (AHP) sebagai alat bantu pengambilan keputusan dalam menentukan pemberian kredit secara lebih objektif dan terukur. Metode penelitian dilakukan melalui pengumpulan data primer dan sekunder, wawancara dengan pengurus koperasi, serta penyebaran kuesioner untuk menentukan tingkat kepentingan antar kriteria seperti pendapatan, jaminan, lama keanggotaan, jumlah pinjaman, dan riwayat pembayaran. Proses analisis dilakukan dengan membentuk struktur hierarki keputusan, menyusun perbandingan berpasangan antar kriteria, menghitung bobot prioritas, serta menguji konsistensi hasil perbandingan agar keputusan yang diambil bersifat rasional. Hasil penelitian menunjukkan bahwa penerapan metode AHP mampu membantu koperasi dalam menilai kelayakan pemohon kredit secara lebih objektif dan konsisten. Dengan adanya sistem ini, proses penentuan kredit menjadi lebih transparan, efisien, dan dapat mengurangi potensi kesalahan dalam pengambilan keputusan.

Text-To-Speech Bahasa Sunda Dialek Selatan Menggunakan Metode VITS

Andre Johann jonnius — 2025-12-27

Bahasa adalah alat untuk berkomunikasi dan juga identitas suatu wilayah. Indonesia memiliki keberagaman bahasa daerah, namun penggunaannya kian menurun dikarenakan berkurangnya penutur asli. Diperlukan upaya dalam pendukungan bahasa daerah, salah satunya ialah penerapan sistem TTS pada bahasa daerah. Penelitian ini bertujuan untuk mengembangkan sistem TTS bahasa daerah khususnya bahasa Sunda dialek Selatan menggunakan metode VITS (Variational Inference with Adversarial Learning for End-to-End Text-to-Speech). Penelitian ini menggunakan 450 data latih dan 50 data uji. Tahapan penelitian meliputi pengumpulan data, praproses data suara, pelatihan model, serta evaluasi hasil output dengan metode MOS (Mean Opinion Score). Pengujian MOS dilakukan kepada lima responden yang merupakan penutur asli Sunda dialek Selatan dan mendapatkan skor rata-rata sebesar 4,328. Hasil tersebut menunjukkan bahwa sistem mampu mengubah teks menjadi suara berbahasa Sunda dialek Selatan yang terdengar alami, jelas, dan mendekati penutur aslinya. Sistem ini belum melibatkan pemodelan ekspresi, jadi output masih mengikuti karakteristik dataset. Masih terdapat beberapa kalimat yang kurang jelas dan terdengar robotik, serta ketidakjelasan pelafalan pada fonem tertentu. Penelitian ini menyimpulkan bahwa pengembangan sistem Text-to-Speech bahasa Sunda dialek Selatan menggunakan metode VITS dapat menjadi kontribusi dalam mendukung penggunaan bahasa daerah dengan pemanfaatan teknologi tersebut.

Analisis dan Klasifikasi Kualitas Udara dengan Metode Random Forest

Novian Ikhsan — 2025-12-28

Text-To-Speech Bahasa Ocu Dialek Siak Hulu Menggunakan Metode VITS

Putri Juniarti — 2025-12-28

Bahasa Ocu adalah bahasa daerah yang digunakan oleh masyarakat Kabupaten Kampar, Provinsi Riau. Meskipun Bahasa Indonesia telah menjadi bahasa nasional, keberadaan bahasa daerah tetap dihargai di Indonesia. Penelitian ini bertujuan untuk mengimplementasikan teknologi Text-to-Speech (TTS) dalam Bahasa Ocu dialek Desa Pangkalan Baru, Kecamatan Siak Hulu, menggunakan metode Variational Inference Text to Speech (VITS). Penelitian ini menggunakan dataset yang terdiri dari rekaman 500 kalimat Bahasa Ocu dan teks 500 kalimat Bahasa Ocu. Evaluasi kinerja model dilakukan dengan Mean Opinion Score (MOS). MOS dilakukan dengan meminta 5 orang penutur asli memberikan skor 1 sampai 5 kepada setiap file rekaman yang telah dihasilkan model. Seluruh skor dijumlahkan dan dicari rata-ratanya untuk mendapatkan skor akhir. Hasil dari implementasi TTS menunjukkan performa yang sangat baik, dengan skor akhir MOS sebesar 4,508, yang menandakan kualitas suara sangat mirip dengan pengucapan manusia. Terdapat beberapa catatan dari evaluator seperti huruf yang tertukar atau huruf tidak terdengar jelas serta suara yang dihasilkan terdengar kaku. Penelitian ini diharapkan dapat menjadi referensi untuk pengembangan teknologi TTS dalam bahasa daerah lainnya, serta membantu dalam pengajaran Bahasa Ocu untuk generasi mendatang.

Perancangan dan Implementasi Sistem Smart-Refill pada Automatic Liquid Filling Machine Berbasis Arduino dengan Integrasi Multisensor Serta EEPROM Resume

Idzaa Piliawan Pribadi — 2025-12-28

Proses pengisian cairan secara manual pada skala industri kecil dan menengah masih menghadapi berbagai permasalahan, seperti ketidaktepatan volume, tumpahan cairan, ketergantungan pada operator, serta potensi kegagalan proses akibat gangguan listrik atau kekosongan bahan baku. Kondisi tersebut berdampak pada rendahnya efisiensi produksi dan konsistensi kualitas hasil pengisian. Penelitian ini bertujuan untuk merancang dan mengimplementasikan sistem smart-refill pada automatic liquid filling machine berbasis Arduino yang mampu meningkatkan akurasi, keandalan, dan keselamatan proses pengisian cairan. Metode penelitian yang digunakan adalah Research and Development (R&D) yang meliputi tahapan analisis kebutuhan, perancangan sistem, pembuatan prototipe, implementasi perangkat keras dan perangkat lunak, serta pengujian dan evaluasi kinerja sistem. Sistem yang dikembangkan mengintegrasikan load cell untuk validasi massa cairan, flow sensor untuk pengukuran volume aliran, sensor ultrasonik untuk deteksi ketersediaan level cairan di dalam tangki, rain sensor sebagai pendeteksi tumpahan (spill detection), serta sensor kekosongan cairan (emergency liquid-shortage). Selain itu, diterapkan mekanisme resume berbasis EEPROM yang memungkinkan sistem melanjutkan proses pengisian setelah terjadi gangguan daya tanpa kehilangan data pengisian sebelumnya. Hasil pengujian menunjukkan bahwa sistem mampu bekerja secara stabil dan terintegrasi dengan tingkat akurasi pengukuran yang tinggi serta nilai error rate yang rendah pada seluruh sensor yang digunakan. Implementasi safety logic dan mekanisme smart-refill terbukti efektif dalam meminimalkan tumpahan, mencegah pengisian berlebih atau kurang, serta meningkatkan efisiensi waktu dan konsistensi volume pengisian. Dengan demikian, sistem yang dikembangkan layak diterapkan sebagai solusi otomatisasi pengisian cairan di CV Napo Indonesia Semarang dan berpotensi untuk dikembangkan lebih lanjut pada skala industri yang lebih luas.

Analisis Prediksi Risiko Banjir Menggunakan Algoritma Random Forest

Tri Prasetyo — 2025-12-31

Banjir merupakan salah satu bencana alam yang sering terjadi dan menimbulkan dampak signifikan terhadap kehidupan masyarakat, sehingga diperlukan upaya prediksi yang akurat sebagai dasar mitigasi dan sistem peringatan dini. Penelitian ini bertujuan untuk menganalisis dan memprediksi risiko banjir menggunakan algoritma Random Forest berbasis data banjir per jam. Dataset yang digunakan terdiri dari 105.408 data observasi dengan sembilan variabel, yang mencakup faktor hidrologi, temporal, dan administratif, serta variabel target berupa status banjir. Metode penelitian meliputi tahapan pemahaman data, preprocessing, pembentukan model Random Forest, prediksi, dan evaluasi model menggunakan confusion matrix dan classification report. Hasil penelitian menunjukkan bahwa model Random Forest menghasilkan tingkat akurasi sebesar 98%, dengan performa yang sangat baik dalam mengklasifikasikan kondisi tidak banjir, serta cukup baik dalam mendeteksi kejadian banjir meskipun masih terdapat keterbatasan akibat ketidakseimbangan data. Analisis feature importance menunjukkan bahwa curah hujan dan debit air merupakan faktor paling dominan dalam menentukan risiko banjir. Hasil penelitian ini menegaskan bahwa pendekatan machine learning menggunakan Random Forest efektif untuk prediksi risiko banjir dan berpotensi mendukung pengembangan sistem peringatan dini banjir berbasis data.

Desain Sistem Informasi Geografis untuk Pemantauan Perizinan dan Riwayat Bangunan Sosial Budaya di Kota Cimahi

Andi Moch Januriana — 2025-12-31

Setiap bangunan gedung wajib memenuhi persyaratan administratif dan teknis sesuai dengan fungsi bangunan sebagaimana diatur dalam Undang-Undang Nomor 28 Tahun 2002 tentang Bangunan Gedung (UUBG). Persyaratan administratif tersebut meliputi status hak atas tanah, status kepemilikan bangunan, serta izin mendirikan bangunan (IMB) sebagaimana tercantum dalam Pasal 7 ayat (1) dan (2), Pasal 35 ayat (4), dan Pasal 40 ayat (2) huruf b UUBG. Dalam konteks Kota Cimahi, pengelolaan bangunan sosial budaya harus selaras dengan kebijakan dan strategi ruang wilayah yang tertuang dalam RTRW/RDTR, termasuk pengembangan struktur ruang, pola ruang, serta penetapan kawasan strategis kota seperti Kawasan Strategis Nasional (KSN), Kawasan Strategis Provinsi (KSP), dan Kawasan Strategis Kota (KSK).

Penelitian ini bertujuan untuk merancang sebuah sistem informasi geografis (SIG) berbasis web yang dapat digunakan untuk memantau perizinan dan riwayat bangunan sosial budaya di Kota Cimahi. Aplikasi ini dirancang untuk mendukung identifikasi status kepemilikan, penggunaan, dan kesesuaian fungsi bangunan dengan rencana tata ruang wilayah, serta memfasilitasi pemantauan masa berlaku izin dan proses penyelenggaraan bangunan. Selain itu, sistem ini juga diharapkan dapat menjadi alat bantu dalam perencanaan pengembangan wilayah, pelestarian kawasan cagar budaya, serta penguatan pengelolaan aset daerah.

Hasil dari penelitian ini berupa rancangan awal aplikasi SIG yang memberikan manfaat strategis bagi Pemerintah Kota Cimahi dalam meningkatkan efisiensi tata kelola bangunan sosial budaya, memperkuat integrasi data spasial dengan kebijakan RTRW/RDTR, serta mendukung transparansi dan akuntabilitas dalam pengelolaan perizinan dan aset daerah.

Segmentasi Konsumen Produk Kosmetik Berbahan Red Fruit Menggunakan Algoritma K-Means Berbasis Machine Learning dan Visualisasi PCA

Miranti Andhita Scantya — 2025-12-31

Pertumbuhan minat terhadap industri kecantikan meningkat secara signifikan setelah jumlah beauty influencer bertambah dan semakin banyak mempromosikan produk kecantikan. Untuk mengikuti tren tersebut, brand perlu menghasilkan ide-ide baru agar dapat menarik perhatian konsumen; untuk melakukan hal ini, perusahaan perlu memahami karakteristik konsumen sehingga mereka mengetahui produk apa yang akan laku di pasaran dan mana yang tidak. Penelitian ini bertujuan untuk mengklasifikasikan karakteristik konsumen terhadap produk kecantikan baru yang dihasilkan dari buah khas Papua, yaitu buah merah. Penelitian ini menggunakan pendekatan machine learning unsupervised, yaitu algoritma K-Means clustering untuk mengklasifikasikan berbagai karakteristik konsumen terhadap produk kecantikan berbahan dasar buah merah. Data diperoleh dari kuesioner yang dibagikan kepada konsumen, yang terdiri dari pertanyaan terkait persepsi konsumen, minat beli, tingkat kesadaran terhadap buah merah sebagai bahan produk, serta demografi konsumen. Dataset diproses awal (pre-processing) dan dinormalisasi menjadi data numerik untuk diolah menggunakan K-Means clustering. Jumlah klaster (karakteristik) optimal ditentukan menggunakan Metode Elbow. Hasil penelitian menunjukkan bahwa jumlah klaster terbaik adalah 3, yang berarti konsumen dalam penelitian ini terbagi menjadi tiga karakteristik. Tiga klaster utama konsumen dengan karakteristik berbeda tersebut adalah (1) Konsumen dengan Minat Tinggi, (2) Konsumen dengan Minat Sedang, dan (3) Konsumen dengan Minat Rendah. Temuan ini memberikan wawasan berharga bagi strategi pemasaran, penentuan posisi produk, dan identifikasi target audiens untuk produk kosmetik berbahan buah merah.

The Role of Fugaku Supercomputer in Advancing High-Performance Computing for COVID-19 Scientific Research

Lawrence Adi Supriyono — 2025-12-31

Pandemi COVID-19 menuntut pendekatan komputasi berskala besar untuk mempercepat penelitian, analisis, dan pengambilan keputusan berbasis data. Fugaku, salah satu superkomputer berperforma tertinggi di dunia, memainkan peran penting dalam mendukung riset terkait COVID-19 melalui kemampuan komputasi berkecepatan tinggi. Penelitian ini bertujuan untuk mengkaji peran Fugaku dalam pemodelan komputasional COVID-19, khususnya pada simulasi transmisi aerosol dan penemuan kandidat obat. Metode penelitian yang digunakan adalah studi kualitatif melalui tinjauan sistematis terhadap literatur ilmiah, laporan teknis, dan publikasi resmi terkait pemanfaatan Fugaku dalam konteks pandemi. Hasil kajian menunjukkan bahwa Fugaku mampu mempercepat simulasi dinamika aerosol menggunakan Computational Fluid Dynamics (CFD) serta analisis interaksi protein-obat melalui simulasi molekuler, sehingga memberikan pemahaman yang lebih akurat mengenai pola penyebaran virus dan potensi terapi. Temuan ini menegaskan bahwa superkomputer Fugaku berperan signifikan dalam menjembatani high-performance computing dengan aplikasi kesehatan nyata, serta menjadi model penting bagi pengembangan riset komputasi di masa depan.

Klasifikasi Gangguan Autisme Berdasarkan Dataset Perilaku Anak Menggunakan Metode K-Nearest Neighbor (KNN)

Muhamad Ihsan Ashari — 2025-12-31

Deteksi dini Gangguan Spektrum Autisme (Autism Spectrum Disorder/ASD) sangat penting untuk mendukung intervensi perkembangan pada anak; namun, proses identifikasi awal masih menghadapi berbagai tantangan karena bergantung pada observasi manual yang memerlukan tenaga ahli terlatih dan dapat menyebabkan keterlambatan dalam diagnosis. Penelitian ini bertujuan untuk mengembangkan model klasifikasi berbasis data perilaku anak yang mampu memprediksi kemungkinan ASD secara objektif sebagai dukungan untuk skrining dini. Metode yang digunakan adalah pendekatan machine learning dengan algoritma K-Nearest Neighbor (KNN). Data penelitian diperoleh dari Toddler Autism Dataset Juli 2018 yang berisi 1.054 sampel dengan 19 variabel. Tahapan penelitian meliputi identifikasi variabel, prapemrosesan data, konversi variabel kategorikal ke bentuk numerik, normalisasi fitur, pembagian data menjadi 80% data latih dan 20% data uji, pelatihan model dengan nilai k = 5, serta evaluasi menggunakan akurasi dan confusion matrix. Hasil penelitian menunjukkan bahwa model KNN mencapai akurasi sebesar 97,16%, dengan nilai presisi dan recall yang tinggi pada kedua kelas, sehingga mampu membedakan secara efektif antara anak yang memiliki dan tidak memiliki indikasi ASD. Berdasarkan kinerja tersebut, dapat disimpulkan bahwa algoritma KNN memiliki potensi yang kuat sebagai pendekatan komputasi yang tepat untuk mendukung skrining dini ASD berbasis data perilaku, khususnya dalam lingkungan pendidikan atau klinis yang memerlukan dukungan identifikasi yang cepat, terukur, dan terstandar.

Analisis Kinerja Algoritma K-Nearest Neighbor dalam Klasifikasi Penyakit Liver

Ikhwan Fauzi — 2025-12-31

Penyakit liver merupakan kondisi medis yang dapat mengalami perkembangan secara perlahan dan berpotensi menimbulkan komplikasi berat apabila tidak terdeteksi sejak tahap awal. Oleh sebab itu, diperlukan penerapan metode komputasi yang dapat mendukung proses diagnosis secara efisien dan akurat. Penelitian ini bertujuan untuk mengkaji performa algoritma K-Nearest Neighbor (KNN) dalam proses klasifikasi penyakit liver dengan memanfaatkan Indian Liver Patient Dataset (ILPD). Tahapan penelitian meliputi analisis awal dataset, pelaksanaan pra-pemrosesan data, pemisahan data menjadi data pelatihan dan pengujian, pembangunan model KNN, serta evaluasi kinerja menggunakan confusion matrix, classification report, dan pengujian variasi nilai parameter K. Pengujian awal dengan nilai K = 5 menghasilkan tingkat akurasi sebesar 66,67%. Selanjutnya dilakukan serangkaian eksperimen dengan mengubah nilai K dari 1 hingga 20 guna memperoleh konfigurasi terbaik. Hasil pengujian menunjukkan bahwa performa optimal dicapai pada K = 15 dengan akurasi tertinggi sebesar 76,06%. Evaluasi lebih lanjut memperlihatkan bahwa model memiliki kemampuan yang lebih baik dalam mengenali pasien penderita penyakit liver dibandingkan pasien non-penderita. Berdasarkan temuan tersebut, algoritma KNN dinilai layak digunakan sebagai metode klasifikasi penyakit liver, dan proses optimasi parameter K terbukti mampu meningkatkan kinerja model secara signifikan.