Claim Missing Document
Check
Articles

Found 12 Documents
Search

MANAJEMEN DATA DAN ARSIP PERMOHONAN PINJAMAN SME (SMALL MEDIUM ENTERPRISE) PADA BSI KC.TAKENGON Zulfa, Ira; Septima, Richasanty; Kurniawan, Adi
Bulletin of Network Engineer and Informatics Vol. 1 No. 2 (2023): BUFNETS (Bulletin of Network Engineer and Informatics) October 2023
Publisher : GWEX NET PUBLISHER

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59688/bufnets.v1i2.20

Abstract

Penelitian ini bertujuan untuk mengembangkan aplikasi E-ARSIP (Electronic Archive System) dalam mengelola data pemohon pinjaman di Bank Syariah Indonesia (BSI) KC.Takengon. Aplikasi ini dirancang untuk meningkatkan efisiensi dalam proses pengajuan dan analisis kredit. Metode penelitian yang digunakan meliputi observasi terhadap proses pengajuan kredit yang sedang berjalan, wawancara dengan nasabah dan petugas bank terkait, serta rancangan sistem dan implementasi aplikasi. Berdasarkan analisis kebutuhan, aplikasi E-ARSIP dikembangkan dengan menggunakan hardware seperti laptop dan software seperti Windows 10, Xampp, dan Sublime Text. Database dibuat menggunakan phpMyAdmin. Aplikasi E-ARSIP memungkinkan nasabah untuk mengajukan pinjaman secara online, mempercepat proses verifikasi data, dan mengarsipkan persyaratan pemohon secara elektronik. Meskipun pengiriman agunan masih dilakukan secara konvensional, aplikasi ini tetap memberikan manfaat dalam meningkatkan efisiensi operasional, mengurangi kesalahan input data, dan memberikan layanan yang lebih cepat dan efektif kepada nasabah. Penelitian ini memberikan kontribusi dalam pengembangan sistem perbankan syariah yang adaptif terhadap perkembangan teknologi dan meningkatkan pengalaman nasabah dalam proses pengajuan kredit.
Pengembangan Perangkat Lunak Berbasis Cloud Computing dengan Metodologi Scrum Zulfa, Ira; Septima, Richasanty; Eliyin, Eliyin
Jurnal Nasional Komputasi dan Teknologi Informasi (JNKTI) Vol 9, No 1 (2026): Februari 2026
Publisher : Program Studi Teknik Komputer, Fakultas Teknik. Universitas Serambi Mekkah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32672/jnkti.v9i1.10445

Abstract

Abstrak - Penelitian ini bertujuan untuk menggabungkan fleksibilitas infrastruktur Cloud Computing dengan ketangkasan metodologi Scrum dalam proses pengembangan perangkat lunak. Masalah utama yang diangkat adalah ketidakstabilan performa tim dan kompleksitas dalam pengelolaan sumber daya pada infrastruktur tradisional. Dengan menggunakan pendekatan kuantitatif, data mentah diolah melalui teknik normalisasi Min-Max dan Z-Score untuk menciptakan parameter evaluasi yang objektif. Hasil penelitian menunjukkan bahwa sinergi ini meningkatkan produktivitas tim sebesar 25% dengan rata-rata uptime sistem mencapai 99,8%. Selain itu, model prediktif yang dikembangkan menggunakan Python berhasil mencapai tingkat akurasi sebesar 88% dalam memproyeksikan keberhasilan Sprint. Hal ini memungkinkan pengambilan keputusan berbasis data (data-driven) untuk mitigasi risiko teknis secara proaktif. Kesimpulannya, penggabungan ekosistem cloud dan kerangka kerja Scrum tidak hanya mempercepat siklus rilis produk, tetapi juga memastikan transparansi dan stabilitas kualitas perangkat lunak yang dikembangkan. Dokumentasi seluruh proses dan kode program disediakan melalui repositori terbuka untuk mendukung pengembangan riset di masa depan.Kata kunci : Cloud Computing; Metodologi Scrum; Normalisasi Data; Model Prediktif; Abstract - This study seeks to integrate the adaptable nature of Cloud Computing infrastructure with the agile characteristics of Scrum methodologies in the software development process. The core issue addressed involves performance instability within teams and complexities in managing resources within traditional infrastructure setups. Employing a quantitative research approach, raw data is processed through Min-Max and Z-Score normalization techniques to establish objective evaluation parameters. The research findings indicate that this synergy enhances team productivity by 25%, with the average system uptime reaching 99.8%. Furthermore, a predictive model developed using Python achieved an accuracy rate of 88% in forecasting Sprint success. This enables data-driven decision-making for the proactive mitigation of technical risks. In conclusion, the fusion of cloud ecosystems and the Scrum framework not only accelerates product release cycles but also ensures transparency and stability in the quality of the software developed. Documentation of the entire process and program code is provided through an open repository to support future research development.Keywords: Cloud Computing; Scrum Methodology; Data Normalization; Predictive Model;