Article Per Year (5 Year)
p-Index From 2021 - 2026
5.662
P-Index
This Author published in this journals
All Journal J-SAKTI (Jurnal Sains Komputer dan Informatika) JURTEKSI Jurdimas (Jurnal Pengabdian Kepada Masyarakat) Royal JOURNAL OF SCIENCE AND SOCIAL RESEARCH Jurnal Sistem Cerdas EDUMATIC: Jurnal Pendidikan Informatika Community Development Journal: Jurnal Pengabdian Masyarakat Jurnal Teknik Informatika (JUTIF) Jutsi: Jurnal Teknologi dan Sistem Informasi J-SAKTI (Jurnal Sains Komputer dan Informatika) J-Com (Journal of Computer) Jurnal Ipteks Terapan : research of applied science and education Jurnal Abdimas Hawari Journal of Computers and Digital Business Jurnal Bangun Abdimas Jurnal Pemberdayaan Sosial dan Teknologi Masyarakat Journal Of Computer Science And Technology Journal Of Indonesian Social Society Fusion : Journal of Research in Engineering, Technology and Applied Sciences
Wiwin Handoko
Sekolah Tinggi Manajemen Informatika Dan Komputer Royal
Religion Aerospace Engineering Agriculture, Biological Sciences & Forestry Arts Humanities Astronomy Automotive Engineering Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Earth & Planetary Sciences Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Health Professions Immunology & microbiology Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Materials Science & Nanotechnology Mathematics Medicine & Pharmacology Neuroscience Nursing Physics Public Health Social Sciences Veterinary Other

Published : 45 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 45 Documents
Search

 1   2   3   4   5 
Sosialisasi Pemanfaatan Nenas dan Limbah Nenas Untuk Peningkatan usaha Keluarga di Kelurahan Pulo Brayan Bengkel Baru Desi Sri Pasca Sari Sembiring; Wulan Dayu; Wiwin Handoko
Jurnal Abdimas HAWARI : Jurnal Pengabdian Kepada Masyarakat Vol 5 No 1 (2025): Mei 2025
Publisher : CV. HAWARI

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Pengabdian kepada masyarakat ini bertujuan untuk mensosialisasikan pemanfaatan nenas dan limbah nenas dalam rangka peningkatan usaha keluarga di Kelurahan Pulo Brayan Bengkel Baru. Dengan potensi besar nenas sebagai komoditas pertanian, kegiatan ini difokuskan pada pengolahan nenas menjadi berbagai produk olahan yang bernilai jual, serta pemanfaatan limbah nenas untuk keperluan lain. Kegiatan sosialisasi melibatkan peserta dari kalangan petani dan ibu rumah tangga, yang dilakukan melalui pelatihan praktis dan demonstrasi. Materi yang disampaikan mencakup teknik pengolahan nenas menjadi jus, selai, dan keripik, serta cara mengolah limbah nenas menjadi pupuk organik dan kerajinan tangan. Hasil evaluasi menunjukkan peningkatan pengetahuan peserta sebesar 85%, serta antusiasme yang tinggi untuk mengembangkan usaha berbasis nenas. Diharapkan, program ini tidak hanya meningkatkan pendapatan keluarga, tetapi juga mendorong pengelolaan sumber daya pertanian secara berkelanjutan. Rekomendasi untuk tindak lanjut mencakup pembentukan kelompok usaha bersama dan pendampingan dalam pemasaran produk olahan nenas.
Prediksi Kelayakan Mustahiq Zakat Fitrah di Masjid Nur Hadi Menggunakan Metode Naïve Bayes Aprianto, M. Sura; Pane, Siti Fatimah Sitorus; Natasya, Tri Adetia; Handoko, Wiwin
Fusion : Journal of Research in Engineering, Technology and Applied Sciences Vol. 2 No. 1 (2025): Fusion - April
Publisher : PT. Faaslib Serambi Media

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Perkembangan teknologi informasi telah memberikan dampak signifikan dalam pengelolaan zakat, khususnya zakat fitrah. Zakat fitrah merupakan kewajiban umat Islam untuk membantu kaum dhuafa yang membutuhkan. Namun, proses penentuan mustahiq (penerima zakat) sering kali dilakukan secara manual, sehingga berisiko terjadi ketidaktepatan. Penelitian ini bertujuan untuk mengembangkan sistem prediksi kelayakan mustahiq zakat fitrah menggunakan metode Naïve Bayes di Masjid Nur Hadi, Kelurahan Dadimulyo, Kecamatan Kota Kisaran Barat. Metode Naïve Bayes dipilih karena kemampuannya dalam klasifikasi berbasis probabilitas dengan asumsi independensi antar-atribut. Data yang digunakan mencakup atribut seperti golongan, pendapatan, jumlah tanggungan, tempat tinggal, dan kondisi kesehatan. Pendekatan penelitian menggunakan metode CRISP-DM yang meliputi enam tahap, yaitu pemahaman bisnis, pemahaman data, persiapan data, pemodelan, evaluasi, dan penerapan. Hasil analisis menunjukkan bahwa sistem prediksi ini memiliki akurasi sebesar 88%. Dari 104 data mustahiq, sebanyak 74 orang (71,2%) dinyatakan layak menerima zakat, sedangkan 30 orang (28,8%) dinyatakan tidak layak. Evaluasi kinerja model menunjukkan nilai precision untuk kelas positif sebesar 85%, untuk kelas negatif sebesar 100%; nilai recall untuk kelas positif sebesar 100%, untuk kelas negatif sebesar 60%; serta F1-score untuk kelas positif sebesar 92%, dan kelas negatif sebesar 75%. Penelitian ini membuktikan bahwa metode Naïve Bayes mampu meningkatkan efisiensi dan akurasi dalam penentuan kelayakan mustahiq zakat fitrah. Sistem ini diharapkan dapat mendukung pengambilan keputusan yang lebih objektif dan transparan, sehingga zakat dapat disalurkan secara tepat sasaran dan memberikan manfaat maksimal bagi mustahiq yang membutuhkan.
Pengklasifikasian Tingkat Penjualan Sparepart Mobil di Putra Motor Menggunakan Algoritma K-Means Clustering Nurhalimah, Siti; Wahyuni, Sri; Handoko, Wiwin
Fusion : Journal of Research in Engineering, Technology and Applied Sciences Vol. 2 No. 1 (2025): Fusion - April
Publisher : PT. Faaslib Serambi Media

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

K-Means adalah salah satu metode pengelompokan data non-hierarki (partisi) yang bertujuan untuk membagi data ke dalam dua atau lebih kelompok berdasarkan kesamaan tertentu . Dalam penelitian ini, analisis data mining dilakukan menggunakan metode K-Means. Metode ini memungkinkan data yang telah diperoleh dikelompokkan ke dalam beberapa cluster berdasarkan kesamaan atau kemiripan antar data. Data dengan karakteristik yang serupa akan dikelompokkan dalam cluster yang sama, sementara data dengan karakteristik berbeda akan masuk ke cluster lain. Data dengan karakteristik yang serupa akan dikelompokkan dalam cluster yang sama, sementara data dengan karakteristik berbeda akan masuk ke cluster lain Pembuatan model clustering dilakukan dengan menggunakan K-Means Clustring untuk mengelompokkan tingkat penjualan sparepart mobil pada Putra Motor berdasarkan jumlah total dan total penjualan dari bulan januari sampai bulan juni 2024. Algoritma ini diterapkan melalui software Jupyter Notebook, menggunakan data yang telah diambil dari Putra Motor. Proses dimulai dengan menjalankan Jupyter Notebook, kemudian membuat file baru dengan format ipnyb dan mengaktifkan fungsi-fungsi yang terdapat didalam python. Hasil analisis menunjukkan bahwa terdapat 62 data dalam kategori penjualan sedang, 31 dalam rendah, dan 17 dalam tinggi. Temuan ini memberikan wawasan penting bagi Putra Motor untuk meningkatkan strategi pemasaran dan manajemen persediaan. Dengan sistem yang lebih efisien, perusahaan dapat mengurangi modal yang terjebak dalam persediaan dan meningkatkan profitabilitas. Penelitian ini juga menekankan pentingnya penerapan teknologi dalam analisis data untuk pengambilan keputusan yang lebih baik di sektor otomotif  
Penerapan Metode Naive Bayes Dalam Memprediksi Kelayakan Penerima Bantuan Sosial Beras Miskin Di Kelurahan Sidomulyo Elvie Yanti; Rahma Diana Daulay; Rozi Juliantika; Wiwin Handoko
Journal of Computer Science and Technology (JOCSTEC) Vol 3 No 3 (2025): JOCSTEC - September
Publisher : PT. Padang Tekno Corp

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59435/jocstec.v3i3.573

Abstract

Bantuan sosial adalah salah satu program utama pemerintah untuk meningkatkan taraf hidup masyarakat. Salah satu program bantuan sosial yang menjadi perhatian pemerintah adalah bantuan Raskin (beras untuk keluarga miskin). Pengelolaan program bantuan sosial Raskin di Kelurahan Sidomulyo selama ini dilakukan dengan cara manual, yang mengakibatkan ketidakakuratan data dan ketidaktepatan sasaran penerima bantuan. Penelitian ini bertujuan untuk memperbaiki akurasi dan efisiensi proses seleksi penerima bantuan Raskin dengan menerapkan model Naive Bayes. Model ini digunakan untuk mengelompokkan data penerima berdasarkan kriteria, seperti kondisi rumah, status kepemilikan rumah, tanggungan keluarga, dan jumlah penghasilan. Berdasarkan penelitian yang dilakukan menggunakan data dari 300 kepala keluarga, model ini berhasil mencapai tingkat akurasi sebesar 81,66%. Hasil penelitian menunjukkan bahwa 60,3% kepala keluarga dinyatakan layak menerima bantuan, sedangkan 39,7% tidak layak. Implementasi model Naive Bayes diharapkan dapat meningkatkan transparansi, keadilan, dan efisiensi dalam pelaksanaan program bantuan sosial di masa yang akan datang. 
Penerapan K-Means Clustering Untuk Segmentasi Penjualan Di Minimarket Mardi Dengan Pendakatan Machine Learning Imam Frandika; Sofana Bayor Hud; Wiwin Handoko
Journal of Computer Science and Technology (JOCSTEC) Vol 3 No 3 (2025): JOCSTEC - September
Publisher : PT. Padang Tekno Corp

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59435/jocstec.v3i3.574

Abstract

Perkembangan teknologi informasi mendorong pemanfaatan machine learning dalam analisis data penjualan untuk mendukung pengambilan keputusan bisnis. Minimarket Mardi memiliki beragam produk dengan pola pembelian yang bervariasi, sehingga diperlukan metode analisis yang mampu mengelompokkan data penjualan secara lebih terstruktur. Penelitian ini menerapkan algoritma K-Means Clustering untuk melakukan segmentasi penjualan berdasarkan atribut tertentu, seperti kategori produk, jumlah penjualan, serta frekuensi transaksi. Tahapan penelitian meliputi pengumpulan data, pra-pemrosesan, penentuan jumlah klaster optimal dengan metode Elbow, serta implementasi algoritma K-Means. Hasil analisis menunjukkan terbentuknya beberapa klaster yang merepresentasikan pola penjualan produk di Minimarket Mardi, mulai dari produk dengan tingkat penjualan tinggi, sedang, hingga rendah. Segmentasi ini dapat membantu manajemen minimarket dalam merancang strategi pemasaran yang lebih tepat sasaran, pengelolaan stok yang lebih efisien, serta peningkatan pelayanan kepada konsumen. Dengan demikian, penerapan K-Means Clustering terbukti efektif dalam mendukung pengambilan keputusan berbasis data di sektor ritel.
THE BEST PRESCHOOL RECOMMENDATION APPLICATION USING THE ELECTRE METHOD Siregar, Iqbal Kamil; Handoko, Wiwin
JURTEKSI (jurnal Teknologi dan Sistem Informasi) Vol. 10 No. 4 (2024): September 2024
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM) STMIK Royal Kisaran

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33330/jurteksi.v10i4.3355

Abstract

Abstract: This research aims to build a recommendation system that can help parents determine the best Pendidikan Anak Usia Dini (PAUD) using the ELECTRE (Elimination and Choice Translating Reality) method. The electre method was chosen because of its ability to handle Multi-Criteria Decision Making (MCDM) problems, which allows evaluating alternatives based on various relevant criteria. This system is designed to identify and assess PAUD based on a number of important criteria, such as facilities, location, teacher-student ratio, curriculum, accreditation and reputation. Each criterion is given a weight according to its level of importance, which is determined based on parental preferences and applicable educational standards. Data is collected from various sources and processed using artificial intelligence techniques to ensure accuracy and relevance. The electre method is then used to evaluate and compare between PAUD. The research results show that the recommendation system developed is able to provide accurate and relevant PAUD recommendations, as well as increasing user satisfaction in the PAUD selection process. This research makes a significant contribution to the field of decision support systems and education, by showing the practical application of the electre method in determining the best PAUD. It is hoped that the results of this research can inspire the development of similar recommendation systems in other educational fields, as well as help in improving the quality of early childhood education through the use of advanced technology.Keywords: artificial intelligence; electre method; multi-criteria decision making (mcdm); paud. Abstrak: Penelitian ini bertujuan untuk membangun sistem rekomendasi yang dapat membantu orang tua dalam menentukan Pendidikan Anak Usia Dini (PAUD) terbaik dengan menggunakan metode ELECTRE (Elimination and Choice Translating Reality). Metode electre dipilih karena kemampuannya dalam menangani masalah Multi-Criteria Decision Making (MCDM), yang memungkinkan evaluasi alternatif berdasarkan berbagai kriteria yang relevan. Sistem ini dirancang untuk mengidentifikasi dan menilai PAUD berdasarkan sejumlah kriteria penting, seperti fasilitas, lokasi, rasio guru-murid, kurikulum, akreditasi dan reputasi. Setiap kriteria diberikan bobot sesuai dengan tingkat kepentingannya yang ditentukan berdasarkan preferensi orang tua dan standar pendidikan yang berlaku. Data dikumpulkan dari berbagai sumber dan diproses menggunakan teknik kecerdasan buatan untuk memastikan akurasi dan relevansi. Metode electre kemudian digunakan untuk melakukan evaluasi dan perbandingan antar PAUD. Hasil penelitian menunjukkan bahwa sistem rekomendasi yang dikembangkan mampu memberikan rekomendasi PAUD yang akurat dan relevan, serta meningkatkan kepuasan pengguna dalam proses pemilihan PAUD. Penelitian ini memberikan kontribusi signifikan pada bidang sistem pendukung keputusan dan pendidikan, dengan menunjukkan aplikasi praktis dari metode electre dalam penentuan PAUD terbaik. Diharapkan, hasil penelitian ini dapat menginspirasi pengembangan sistem rekomendasi serupa di bidang pendidikan lainnya, serta membantu dalam meningkatkan kualitas pendidikan anak usia dini melalui pemanfaatan teknologi canggih.Kata kunci: kecerdasan buatan; metode electre; multi-criteria decision making (mcdm); paud.
Optimalisasi E-Learning Melalui Implementasi Microservice Untuk Peningkatan Skalabilitas Dan Efisiensi Pembelajaran Online Iqbal, Muhammad; Handoko, Wiwin; Syahputra, Abdul Karim
Jurdimas (Jurnal Pengabdian Kepada Masyarakat) Royal Vol. 6 No. 3 (2023): Juli 2023
Publisher : STMIK Royal

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33330/jurdimas.v6i3.2496

Abstract

The increased use of technology in education has encouraged the development of e-learning platforms that can provide effective and affordable learning experiences. However, the scalability and viability of e-learning platforms is often a challenge in the face of an increasing number of users and workloads. In this dedication, we propose the use of mi-croservice architecture in e-learning platforms to optimize scalability and maintain platform viability. We design and implement a microservice-based e-learning platform consisting of independent microservices, such as user management, course management, content management, and grading systems. We implement standardized API mechanisms for interactions between these microservices. We also vertically increase CPU capacity on each microservice instance to address increased workloads. We also observed that the use of microservices architecture makes it easy to maintain, develop, and integrate new features into the platform. In this overall dedication, we show that the implementation of microservices on e-learning platforms is able to provide optimal scalability and maintain the continuity of the platform in the face of increasing user needsKeywords: e-learning; microservice; skalabilitas; kinerja; monolitik  Abstract: Peningkatan penggunaan teknologi dalam pendidikan telah mendorong perkembangan platform e-learning yang dapat memberikan pengalaman pembelajaran yang efektif dan terjangkau. Namun, skalabilitas dan kelangsungan platform e-learning sering menjadi tantangan dalam menghadapi peningkatan jumlah pengguna dan beban kerja. SMK Swasta As-Syifa Kisaran menggunakan platform E-learning berbasis monolitik yang menyebabkan semakin banyak aktivitas platform digunakan semakin berat. Beberapa tahapan dilakukan dimulai dengan identifikasi masalah, perencanaan dan desain program, pelaksanaan, evaluasi dan analisis, serta penyusunan dan publikasi laporan. Arsitektur monolitik sebelumnya yang diterapkan perlu diperbaharui dengan arsitektur microservice bertujuan untuk mengoptimalkan skalabilitas dan menjaga kelangsungan platform E-Learning. Permasalahan pada penggunaan traffic yang tinggi dan berfokus pada satu server semakin lama semakin membebani server. Berdasarkan masalah tersebut maka layanan dipecah menjadi beberapa layanan webservice menggunakan arsitektur microservice yang terdiri dari layanan-microservice independen, seperti manajemen pengguna, kursus, konten, dan sistem penilaian. Peningkatan kapasitas CPU secara vertikal diperlukan sehingga microservice dapat mengatasi peningkatan beban kerja server. Hasil implementasi microservice yang diterapkan pada platform e-learning SMK As-Syifa mampu memberikan skalabilitas yang optimal untuk kelangsungan platform dalam menghadapi peningkatan kebutuhan pengguna           Kata kunci: e-learning; microservice; scalability; performance; monolitik
Klasifikasi Kelayakan Penerima Program Indonesia Pintar Siswa MIS NU Dusun III Pinangripan Juwita Sari; Sri Wulandari; Yollanda Putry; Wiwin Handoko
Journal of Computers and Digital Business Vol. 3 No. 1 (2024)
Publisher : PT. Delitekno Media Madiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56427/jcbd.v3i1.239

Abstract

Peran pendidikan sangat penting dalam meningkatkan kecerdasan anak bangsa baik secara emosional, spiritual maupun intelektual. Akan tetapi, faktor ekonomi menjadi penyebab anak putus sekolah. Dan untuk mengatasi hal tersebut, pemerintah telah membuat Program Indoneais Pintar (PIP). Program Indonesia Pintar (PIP) melalui Kartu Indonesia Pintar (KIP) adalah pemberian bantuan tunai pendidikan kepada anak usia sekolah (6-21 tahun). Program ini dimaksud untuk meringankan biaya peserta didik baik langsung maupun tidak langsung. Salah satu sekolah di Asahan yang telah menjalan program ini adalah MIS NU Dusun III Pinangripan. Adapun kriteria dari untuk pengklasifikasian ini berupa nilai rata-rata siswa, penghasilan orangtua, dan tanggungan orangtua. Namun, pihak sekolah masih memiliki kesalahan dalam pengklasifikasian kelayakan siswa penerima Program Indonesia Pintar(PIP), yang mana hal tersebut dapat merugikan pihak sekolah dan juga siswa yang terlibat. Untuk mengatasi hal tersebut, dibutuhkanlah sebuah sistem Klasifikasi Kelayakan Penerima program Indonesia Pintar (PIP) Siswa MIS NU Dusun III Pinangripan untuk meminimalisir masalah tersebut. Adapun salah satu teknik yang digunakan dalam mengelola kelayakan penerima Program Indonesia Pintar (PIP) adalah Naïve Bayes yang merupakan metode dari Data Mining. Naive Bayes digunakan untuk proses prediksi dengan menggunakan probabilitas dan statistik yang dapat memprediksi peluang dimasa depan berdasarkan pengalaman sebelumnya. Pemilihan Metode ini karena Naive Bayes memiliki kelebihan diantaranya dapat memprediksi jumlah siswa yang layak mendapatkan Program Indonesia Pintar (PIP) berdasarkan data-data yang konkrit agar hasilnya dapat dipertanggung jawabkan dan digunakan untuk prediksi selanjutnya. Dataset dalam penelitian ini adalah data Siswa MIS NU Dusun III Pinangripan Tahun 2023/2024 Ganjil sebanyak 130 siswa dengan data training 91 siswa dan data testing 39 siswa. Dengan menggunakan Algoritma Naïve Bayes dan Model Confusion Matrix, didapatkan nilai precision 92%, nilai recall 100%, nilai f1-score 96%, dan nilai akurasi sebesar 97% yang masuk kedalam kategori Good Classification.
Implementasi Metode Naive Bayes Untuk Klasifikasi Penerima Program Keluarga Harapan Arifin, Andhini Asri Awaliyah; Handoko, Wiwin; Efendi, Zulfan
J-Com (Journal of Computer) Vol. 2 No. 1 (2022): MARET 2022
Publisher : STMIK Royal Kisaran

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33330/j-com.v2i1.1577

Abstract

Abstract: The Family Hope Program (PKH) is a government program in the form of cash for Very Poor Households (RTSM) whose qualifications are met related to efforts to improve human quality, not in the field of education but also health. In the short term, the PKH program is calculated to reduce the expenditure of poor families and reduce poverty in the long term. To receive the PKH Program) the government has set several criteria, including income, house ownership status, house size, floor type, roof, wall, and type of water source. As for the way to do the settlement of the criteria that have been set, namely by utilizing the Data Mining technique through the Naïve Bayes method. The dataset in this study is the data of recipients of the 2020 Family Hope Program as many as 82 samples. The results of the classification modeling with the Naïve Bayes Algorithm produce precision values for the positive class 100%, for the negative class 77%, the recall value for the positive class 80%, for the negative class 100%, the f1-score value for the positive class 89%, for the negative class 87%, and 88% accuracy value. The purpose of this research is to help the Social Service in classifying the recipients of the Family Hope Program (PKH). Keywords: The Family Hope Program; Data Mining; Naïve Bayes  Abstrak: Program Keluarga Harapan (PKH) merupakan program pemerintah dalam bentuk tunai untuk Rumah Tangga Sangat Miskin (RTSM) yang kualifikasinya terpenuhi terkait dengan upaya peningkatan kualitas manusia tersebut bukan dalam bidang pendidikan tetapi juga kesehatan. dalam jangka pendek Program PKH diperhitungkan bisa mengurangi biaya pengeluaran keluarga miskin serta mengurangi kemiskinan dalam jangka panjang. Untuk menerima Program PKH) pemerintah sudah menetapkan beberapa kriteria, diantaranya Penghasilan, Status Kepemilikan Rumah, Ukuran Rumah, tipe Lantai, Atap, Dinding, serta jenis sumber air. Adapun cara untuk melakukan penyelesaian terhadap kriteria yang sudah ditetapkan yaitu dengan memanfaatkan teknik Data Mining melalui Metode Naïve Bayes. Dataset dalam penelitian ini adalah data penerima Program Keluarga Harapan tahun 2020 sebanyak 82 sampel. Hasil pemodelan klasifikasi dengan Algoritma Naïve Bayes menghasilkan besaran nilai precision untuk kelas positif 100%, untuk kelas negatif 77%, nilai recall untuk kelas positif 80%, untuk kelas negatif 100%, nilai f1-score untuk kelas positif 89%, untuk kelas negatif 87%, dan nilai akurasi 88%. Tujuan dilaksanakannya penelitian ini adalah untuk membantu Dinas Sosial mengklasifikasikan penerima Program Keluarga Harapan (PKH). Kata kunci: Program Keluarga Harapan; Data Mining; Naïve Bayes 
PERANCANGAN E-FORM MODEL A SEBAGAI LHPP BAWASLU KABUPATEN ASAHAN MENGGUNAKAN FRAMEWORK CODEIGNITER 3 Anlersi, Azelia Zeta; Fauziah, Rizky; Handoko, Wiwin
J-Com (Journal of Computer) Vol. 4 No. 2 (2024): JULI 2024
Publisher : STMIK Royal Kisaran

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33330/j-com.v4i2.3230

Abstract

Abstract: In the 2020 regional elections (PILKADA), Bawaslu received approximately 3,100 reports from 25 districts in Asahan Regency. The manual reporting process led to limitations in data accessibility, time efficiency, and difficulty in handling the large number of reports. Bawaslu Asahan Regency has not yet developed a specific tool for consistent data entry and database management to accommodate the existing reports. This has resulted in difficulties for Bawaslu when receiving hundreds of reports from district supervisors. Therefore, the E-Form Model A system is urgently needed to simplify the report entry and storage process. The data collection techniques for this research involved direct observation and interviews at the Bawaslu office in Asahan Regency. The development of this e-form system used PHP programming language and CodeIgniter 3 Framework. The research results show that the E-Form Model A system facilitates easier access and report submission, shortens data management time, and automatically displays violation findings, thereby increasing the efficiency and accuracy of election oversight. Thus, this system can make a positive contribution to improving Bawaslu Asahan Regency's performance in election supervision.Keywords: Election Supervision Results Report; Bawaslu Asahan Regency; Model A Form; CodeIgniter 3; PHP Abstrak: Pada PILKADA 2020, Bawaslu menerima kurang lebih 3.100 laporan dari 25 kecamatan di Kabupaten Asahan. Proses pelaporan yang masih manual mengakibatkan keterbatasan aksesibilitas data, efisiensi waktu, dan penanganan yang sulit terhadap jumlah laporan yang besar. Bawaslu Kabupaten Asahan belum memiliki alat khusus penginputan dan pangkalan data yang konsisten untuk menampung laporan yang sudah ada. Hal ini mengakibatkan Bawaslu mengalami kesulitan saat menerima ratusan laporan dari Pengawas Kecamatan. Maka sistem E-Form Model A sangat diperlukan untuk memudahkan sistem penginputan dan penyimpanan laporan. Teknik pengumpulan data pada penelitian ini menggunakan metode observasi dan wawancara langsung di kantor Bawaslu Kabupaten Asahan. Adapun pembangunan sistem e-form ini menggunakan bahasa pemrograman PHP dan Framework CodeIgniter 3. Hasil penelitian menunjukkan bahwa sistem E-Form Model A memberikan kemudahan akses dan pengisian laporan, memperpendek waktu pengelolaan data, serta menampilkan temuan pelanggaran secara otomatis, sehingga meningkatkan efisiensi dan akurasi pengawasan pemilu. Dengan demikian, sistem ini dapat memberikan kontribusi positif dalam meningkatkan kinerja Bawaslu Kabupaten Asahan dalam pengawasan pemilu.Kata kunci: Laporan Hasil Pengawasan Pemilu; Bawaslu Kabupaten Asahan; Formulir Model A; CodeIgniter3; PHP 
Co-Authors . Zulfan Abdul Karim Syahputra Amalia Amalia Andhini Asri Awaliyah Arifin Andika Nanda Manurung Anlersi, Azelia Zeta Aprianto, M. Sura Ari Dermawan Ari Dermawan Arifin, Andhini Asri Awaliyah Bachtiar Efendi, Bachtiar Batu Bara, Firdha Agis Utami Depy Rahmadani Desi Sri Pasca Sari Sembiring, Desi Sri Pasca Sari Desy Julika Sari dewi Antika Dinda Khairani Elvie Yanti Fatimah Syamsul Fauziah, Rizky Feby Wulandari Sembiring Firdha Agis Utami Batu Bara Fuji Sriutami Hambali Hambali Hambali Hambali Harahap, Indra Ramadona Hari Jalsa Marpaung Helmiah, Fauriatun Hidayatullah Hidayatullah Imam Frandika Intan, Septy Nur Juwita Sari juwita sari Khairani, Dinda Khairini Utami Br.Siagian Maulana, Cecep Muhammad Ardiansyah Sembiring Muhammad Iqbal Muhammad Iqbal Muhammad Iqbal Nasution, Auliana Natasya, Tri Adetia Nofriadi Nofriadi Nur Aini Nurhaliza, Rizky Nurwati Nurwijayanti Pane, Siti Fatimah Sitorus Parini Parini Rahma Diana Daulay Rahmiatun Nisa Ricki Ananda Riki Andri Yusda Riyadi, Rahmad Rizaldi Rozi Juliantika Sembiring, Feby Wulandari Septy Nur Intan Siregar, Iqbal Kamil Siti Nurhalimah Sofana Bayor Hud Sri Wahyuni SRI WULANDARI Sulaseh Sulaseh Sulaseh, Sulaseh Sutri Pahdianingsi Syahputra, Abdul Karim Vivi Amalianti Nasution VIvi Amalianti Nasution Widia Lestari Wulan Dayu Wulan Fentari Sibarani Yollanda Putry Zulfan Efendi Zulkhairani, Zulkhairani