Claim Missing Document
Check
Articles

Found 35 Documents
Search

Pengembangan Sistem Informasi Manajemen Inventori Berbasis Web Menggunakan Framework Laravel (Studi Kasus Warung Berkah) Adjie Arrayan Surya Putra; Ade Andri Hendriadi; Azhari Ali Ridha
IKRA-ITH Informatika : Jurnal Komputer dan Informatika Vol. 10 No. 2 (2026): IKRAITH-INFORMATIKA Vol 10 No 2 Juli 2026
Publisher : Fakultas Teknik Universitas Persada Indonesia YAI

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37817/ikraith-informatika.v10i2.7183

Abstract

Warung Berkah still manages its inventory manually, resulting in difficulties in stock recording and monitoring. This study aims to design and develop a web-based Inventory Management Information System using the Laravel framework to support more effective and structured inventory management. The research employed the Waterfall method, consisting of requirements analysis, system design, implementation, testing, and maintenance. The system was developed using Laravel and MySQL and includes features for item management, stock-in and stock-out transactions, inventory reporting, forecasting using the Moving Average method, and Reorder Point (ROP) calculation. The results show that the system was successfully implemented according to the operational needs of Warung Berkah. The system applies the FIFO method in stock-out transactions, resulting in more structured inventory movement data and supporting restocking recommendations through forecasting and ROP calculations. User Acceptance Test (UAT) results indicate a user acceptance rate of 91.4%, which is categorized as very good..
Perancangan Web LMS Berbasis Komunitas Menggunakan Prototype Model pada HIMSIKA Vian Haryadi; Bagja Nugraha; Azhari Ali Ridha
Jurnal Informatika dan Teknik Elektro Terapan Vol. 14 No. 3 (2026)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v14i3.9991

Abstract

Study Club HIMSIKA sebagai komunitas pembelajaran nonformal mahasiswa Sistem Informasi menghadapi kendala pengelolaan pembelajaran yang tersebar pada berbagai platform tidak terintegrasi. Penelitian ini bertujuan merancang dan membangun Web Learning Management System (LMS) berbasis komunitas menggunakan Prototype Model serta mengevaluasi fungsionalitas dan penerimaan penggunanya. Pengembangan dilaksanakan melalui tahapan Communication, Quick Design, Prototype Building, User Evaluation, dan Refinement. Sistem dibangun pada ekosistem JavaScript dengan Next.js, React, Express.js, PostgreSQL, dan Prisma ORM, mencakup pengelolaan course, module, dan lesson, submission, forum diskusi, notifikasi, sertifikat, serta Role-based access control. Blackbox Testing terhadap 49 kasus uji mencapai keberhasilan 100% dan User Acceptance Testing memperoleh penerimaan 95,52% dengan kategori Sangat Baik, dengan seluruh umpan balik pengguna ditindaklanjuti pada tahap Refinement hingga ditetapkan Prototype final. Hasil ini menunjukkan Prototype Model menghasilkan prototype fungsional Web LMS yang memenuhi kebutuhan pengguna dan dapat menjadi rujukan pengembangan sistem pembelajaran komunitas pada organisasi kemahasiswaan.
Analisis Sentimen Program Makan Bergizi Gratis pada Media Sosial X dengan Algoritma Support Vector Machine gali hirzi farizi; Ade Andri Hendriadi; Azhari Ali Ridha
Jurnal Informatika dan Teknik Elektro Terapan Vol. 14 No. 3 (2026)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v14i3.10195

Abstract

Program Makan Bergizi Gratis (MBG) merupakan salah satu kebijakan pemerintah yang bertujuan meningkatkan kualitas gizi masyarakat dan menurunkan angka stunting di Indonesia. Tanggapan masyarakat terhadap program selama pelaksanaannya banyak disampaikan melalui media sosial X, termasuk dukungan, kritik, dan informasi tentang bagaimana program dijalankan. Tujuan dari penelitian ini adalah untuk menganalisis persepsi masyarakat terhadap Program MBG dan juga mengevaluasi bagaimana algoritma Support Vector Machine (SVM) bekerja dalam klasifikasi persepsi. Data selection, preprocessing, transformation, data mining, evaluation, dan knowledge presentation adalah semua bagian dari metode Knowledge Discovery in Databases (KDD). Data diperoleh melalui proses crawling tweet berbahasa Indonesia dari Januari hingga November 2025 menggunakan kata kunci terkait MBG. Tahapan preprocessing termasuk case folding, cleaning, tokenize, normalize, stopword, dan stemming. Selanjutnya, TF-IDF digunakan untuk pembobotan kata. Untuk melakukan klasifikasi, algoritma SVM digunakan pada beberapa skenario pengujian SVM Normal dan Balanced. Skenario A, yang menggunakan SVM Normal dengan pembagian data 90:10, adalah hasil terbaik dengan nilai akurasi 72%, presisi 73%, recall 72%, dan f1-score 72%. Hasil penelitian menunjukkan bahwa SVM Normal mampu melakukan klasifikasi sentimen dengan cukup baik dan stabil. Selain itu, tanggapan masyarakat terhadap program MBG cenderung negatif.
ANALISIS POLA GENRE ANIME BERDASARKAN VIEW DAN LIKE MENGGUNAKAN ALGORITMA PARTITIONING AROUND MEDOIDS PADA CHANNEL YOUTUBE MUSE INDONESIA Muhammad Daffa Rachman; Nina Sulistiyowati; Azhari Ali Ridha
Jurnal Informatika dan Teknik Elektro Terapan Vol. 14 No. 3 (2026)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v14i3.10575

Abstract

Penelitian ini dilatarbelakangi oleh tingginya jumlah konten anime pada Channel YouTube Muse Indonesia serta belum optimalnya pemanfaatan data interaksi penonton dalam menentukan strategi pemilihan konten. Ketergantungan pada survei dinilai kurang mampu merepresentasikan perilaku aktual penonton, sehingga berpotensi menyebabkan pemilihan anime yang tidak sesuai dan berdampak pada rendahnya performa video serta inefisiensi biaya lisensi . Oleh karena itu, penelitian ini bertujuan untuk menganalisis pola genre anime berdasarkan jumlah view dan like menggunakan algoritma Partitioning Around Medoids (PAM). Data diperoleh melalui proses crawling YouTube API pada periode 2020–2025 dan menghasilkan 220 judul anime setelah melalui tahap preprocessing. Fitur yang digunakan meliputi genre, view_count, dan like_count, dengan proses ekstraksi genre menggunakan regex, encoding menggunakan MultiLabelBinarizer, serta normalisasi menggunakan StandardScaler. Hasil clustering menunjukkan jumlah cluster optimal adalah k = 2 dengan nilai Silhouette Score sebesar 0,2169. Cluster pertama didominasi genre Action, Fantasy, dan Adventure dengan tingkat interaksi lebih tinggi, sedangkan cluster kedua didominasi genre Comedy, Drama, dan Romance dengan interaksi lebih rendah. Hasil ini menunjukkan adanya perbedaan pola preferensi penonton yang dapat dimanfaatkan sebagai dasar pengambilan keputusan strategis dalam pemilihan dan pengembangan konten anime.
PENERAPAN METODE ANALYTICAL HIERARCHY PROCESS (AHP) UNTUK PEMILIHAN LOKASI CABANG BARU POTENSIAL (STUDI KASUS: SHINE GYM) nabil prayuda; Nono Heryana; Azhari Ali Ridha
Jurnal Informatika dan Teknik Elektro Terapan Vol. 14 No. 3 (2026)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v14i3.10602

Abstract

Pertumbuhan minat masyarakat terhadap gaya hidup sehat menyebabkan pusat kebugaran Shine Gym mengalami kelebihan kapasitas pada jam operasional sibuk. Hal ini menuntut adanya ekspansi lokasi cabang baru, namun penentuan lokasi selama ini masih mengandalkan intuisi yang berisiko tinggi terhadap kerugian finansial. Penelitian ini bertujuan menerapkan metode Analytical Hierarchy Process (AHP) untuk merekomendasikan lokasi cabang baru secara objektif dan sistematis. Pengumpulan data melibatkan observasi dan wawancara dengan manajemen untuk menyusun lima kriteria utama: Luas Bangunan, Jarak dari Kompetitor, Potensi Pasar, Harga Sewa, dan Aksesibilitas. Hasil pengolahan data menunjukkan Luas Bangunan sebagai kriteria paling dominan dengan bobot 53,68%, konsisten dengan urgensi kebutuhan ruang fisik. Dari tiga alternatif lokasi, Ruko Madina Tridaya Tambun Selatan (A2) terpilih sebagai prioritas utama dengan skor global 0,5556. Seluruh penilaian telah memenuhi uji konsistensi dengan nilai Consistency Ratio 0,092. Kesimpulannya, metode AHP terbukti efektif memberikan landasan keputusan ekspansi berbasis capacity-driven yang rasional bagi manajemen, serta mampu mengeliminasi bias intuisi.