Claim Missing Document
Check
Articles

Found 23 Documents
Search

Rancang Bangun Sistem Informasi Absensi Siswa Menggunakan Metode Extreme Programming Berbasis Web (Studi Kasus : SDN 007 Samarinda) Erviandi Akbar, Muhammad; Hartanto, Subhan; Topadang, Anton
JURNAL VOKASI TEKNIK Vol 3 No 2 (2025): JURNAL VOKASI TEKNIK (JUVOTEK)
Publisher : CV MEDAN TEKNO SOLUSI

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

Abstract

Penelitian ini bertujuan untuk merancang dan membangun sebuah sistem informasi absensi siswa berbasis web dengan menggunakan metode Extreme Programming (XP), dengan fokus pada studi kasus di SDN 007 Samarinda. Latar belakang dari penelitian ini berawal dari masalah yang sering terjadi dalam proses absensi manual, seperti kesalahan dalam pencatatan, kehilangan data, serta waktu yang lama dalam pengolahan data. Sistem absensi yang dikembangkan diharapkan dapat mengatasi masalah tersebut dan meningkatkan efisiensi serta akurasi dalam pencatatan dan pengelolaan data absensi siswa. Metode Extreme Programming dipilih dalam penelitian ini karena dapat mendukung pengembangan sistem yang fleksibel terhadap perubahan dan meningkatkan kualitas produk melalui iterasi cepat serta pengujian berkelanjutan. Sistem yang dihasilkan dirancang untuk mudah digunakan, responsif, serta dapat diakses melalui berbagai perangkat, sehingga mampu meminimalisir kesalahan dalam pencatatan kehadiran siswa. Dengan demikian, sistem ini diharapkan dapat meningkatkan transparansi data absensi dan mempermudah proses pengelolaan data kehadiran siswa di sekolah dengan cara yang lebih efisien dan efektif.
Pembuatan Game Pengenalan Budaya Kalimantan Timur Bergenre Scavenger Hunt : Pembuatan Game Pengenalan Budaya Kalimantan Timur Bergenre Scavenger Hunt Alfin Aditya, Byas; Metandi, Farindika; Hartanto, Subhan
JURNAL VOKASI TEKNIK Vol 3 No 2 (2025): JURNAL VOKASI TEKNIK (JUVOTEK)
Publisher : CV MEDAN TEKNO SOLUSI

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

Abstract

Tujuan penelitian ini adalah untuk membuat sebuah game edukasi dengan genre scavenger hunt yang seru dan menyenangkan dan dirancang untuk mengenalkan dan mempromosikan kekayaan budaya Kalimantan Timur kepada anak-anak. Melalui game ini, anak-anak dapat belajar mengenai berbagai aspek budaya Kalimantan Timur, seperti tarian tradisional, pakaian adat, rumah adat, dan adat istiadat. Metodologi pengembangan menggunakan Game Development Life Cycle (GDLC) yang melibatkan tahap perancangan, pengembangan, dan pengujian game pada sekelompok anak-anak usia sekolah dasar. Tujuan dari penelitian ini adalah untuk meningkatkan minat dan pemahaman anak-anak terhadap budaya Kalimantan Timur. Dengan demikian, pembuatan game ini diharapkan dapat menjadi salah satu solusi untuk melestarikan dan mengenalkan budaya lokal kepada generasi muda dengan lebih menyenangkan.
Impulsive Purchase with Vision Transformer Prediction of Vehicular Perception System for Fast-Food Outlets in Urban Traffic Congestion Biabdillah, Fajerin; Ismayanti, Rika; Hartanto, Subhan; Jaya, Arsan Kumala
Jurnal Teknik Industri Terintegrasi (JUTIN) Vol. 8 No. 4 (2025): October
Publisher : LPPM Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/jutin.v8i4.53140

Abstract

Urban traffic congestion creates a unique environment where drivers are often captive audiences to roadside fast-food outlets and advertisements. This paper proposes a vision-driven impulsive purchase prediction system that simulates human-like vehicle vision using a Vision Transformer (ViT) model to detect fast-food outlet visibility, crowd levels, and promotional banner exposure in real-time. By integrating these visual cues, our system predicts the likelihood of impulsive stopping behavior (the “impulse score”) of drivers in heavy traffic. We collected and analyzed visual data from congested thoroughfares in major Indonesian cities (Jakarta, Surabaya, Bandung) known for severe traffic jams. The proposed ViT-based model was trained to identify key features such as recognizable outlet signage, drive-thru queue lengths, and promotional signage, mirroring the attention patterns of human drivers. Experimental results demonstrate that the model achieves high accuracy in detecting relevant cues and predicting impulsive purchase decisions, with a mean absolute percentage error (MAPE) of around 12% in forecasting impulse stop rates. This work is the first to leverage a transformer-driven computer vision approach for modeling consumer impulsivity in traffic, bridging automotive perception and marketing analytics. The findings suggest that smart vehicle systems and urban planners can benefit from such technology to anticipate consumer behavior in traffic, optimize roadside advertising, and manage congestion-related demand surges at fast-food outlets.