Claim Missing Document
Check
Articles

Found 2 Documents
Search

PENGEMBANGAN SISTEM INFORMASI MANAJEMEN PETERNAKAN AYAM KAMPUNG BERBASIS WEB PADA SADELI FARM Dwi Apriansyah; Himmatul Miftah; Hilmy Aliy Andra Putra
Journal of Data Analytics, Information, and Computer Science Vol. 3 No. 3 (2026): Juli
Publisher : Yayasan Nuraini Ibrahim Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70248/jdaics.v3i3.4123

Abstract

Peternakan ayam kampung merupakan salah satu sektor usaha yang berperan penting dalam mendukung ketahanan pangan dan perekonomian masyarakat. Namun, sebagian besar peternakan skala kecil, termasuk Sadeli Farm di Bogor Selatan, masih menerapkan sistem pencatatan manual yang menyebabkan tingginya risiko kesalahan pencatatan, kesulitan dalam pemantauan data, serta keterlambatan penyusunan laporan operasional dan keuangan. Penelitian ini bertujuan untuk merancang dan mengembangkan Sistem Informasi Manajemen Peternakan Ayam Kampung berbasis web yang mengintegrasikan pengelolaan data ternak, pakan, produksi, dan keuangan dalam satu sistem terpusat. Metode pengembangan perangkat lunak yang digunakan adalah Waterfall dengan tahapan analisis kebutuhan, perancangan, implementasi, pengujian, dan pemeliharaan. Sistem dikembangkan menggunakan PHP Native, MySQL/MariaDB, Bootstrap 5, dan Chart.js. Pengujian fungsional dilakukan menggunakan metode Black Box Testing terhadap tujuh modul utama sistem dan menunjukkan tingkat keberhasilan sebesar 100%, sehingga seluruh fungsi berjalan sesuai dengan kebutuhan pengguna tanpa ditemukan kesalahan kritis. Evaluasi penerimaan pengguna dilakukan melalui User Acceptance Testing (UAT) terhadap 5 responden yang terdiri atas pemilik, anggota keluarga, dan pekerja kandang. Hasil evaluasi menunjukkan tingkat kepuasan pengguna sebesar 89,5% dengan kategori sangat baik, terutama pada aspek kemudahan penggunaan, keakuratan data, dan efisiensi waktu. Implementasi sistem mampu meningkatkan efisiensi proses pencatatan, mempercepat penyusunan laporan, serta menghasilkan informasi yang lebih terstruktur dan akurat untuk mendukung pengambilan keputusan operasional di Sadeli Farm. Dengan demikian, sistem yang dikembangkan
The Identification of Student Stress Levels Using the XGBoost Algorithm with Psychological, Physical, Academic, and Environmental Data Muhamad Isa Firdaus; Hilmy Aliy Andra Putra; Muhammad Encep
Journal of Computer and Information Systems Ampera Vol. 7 No. 3 (2026): Journal of Computer and Information Systems Ampera
Publisher : APTIKOM SUMSEL

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51519/journalcisa.v7i3.785

Abstract

Student stress is a multidimensional problem influenced by psychological, physical, academic, and environmental factors. This study aims to identify student stress levels using the Extreme Gradient Boosting (XGBoost) algorithm, evaluate its classification performance, and determine the most influential variables. The study used the StressLevelDataset containing 1,100 observations, 20 predictor variables, and one target variable representing low, moderate, and high stress. The research stages followed data collection, data understanding, preprocessing, stratified data splitting, baseline modeling, Grid Search hyperparameter tuning, evaluation, and feature importance analysis. The tuned XGBoost model achieved 86.82% accuracy, 86.94% precision, 86.85% recall, and 86.79% F1-score on the test set. Hyperparameter tuning did not materially increase test accuracy, but reduced the training-test accuracy gap from 13.18 to 6.82 percentage points, indicating improved generalization and reduced overfitting. Feature importance identified sleep_quality (32.6%), academic_performance (29.8%), and blood_pressure (19.2%) as the three most influential variables. The results demonstrate that XGBoost can provide a stable data-driven approach for identifying student stress levels.