Garuda - Garba Rujukan Digital

Prediksi Dampak Pembelajaran Hybrid Learning Menggunakan Naive Bayes Yusnida Lase, Yuyun; Fatmi, Yulia; Haryadi; Prayudani, Santi
Bulletin of Information Technology (BIT) Vol 4 No 4: Desember 2023
Publisher : Forum Kerjasama Pendidikan Tinggi (FKPT)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47065/bit.v4i4.968

This research use to predict the impact of hybrid learning on Medan State Polytechnic students. This algorithm was chosen because it has excellent performance in classification compared to other algorithms. Statistical and probabilistic methods are used in the operation of this algorithm to make predictions about what will happen in the future. Technology mastery, level of teacher-student interaction, and mastery of teaching materials are the variables used in this study. The sample data used came from students of the Software Engineering Technology Study Program of Medan State Polytechnic. The prediction results carried out manually with naïve bayes, with training data of 100 (one hundred) students and test data of 1 (one) student, produced a result of 0.012, which indicates an increase in student academic results. The test results were proven using the phyton programming language. The first test results, with 20% test data, resulted in an increase in academic results by 86% around 13 students with an accuracy value of 80%, and the second test, with 40% test data, resulted in an increase in academic results by 92% around 29 students with an accuracy value of 88%.

Analisa dan Implementasi Sistem Absensi Siswa SMK Al Washliyah Kecamatan Hamparan Perak, Kabupaten Deli Serdang, Provinsi Sumatera Utara Prayudani, Santi; Friendly, Friendly; Harizahayu, Harizahayu; Lase, Yuyun Yusnida; Fatmi, Yulia
JGEN : Jurnal Pengabdian Kepada Masyarakat Vol. 3 No. 1 (2025): JGEN : Jurnal Pengabdian Kepada Masyarakat, Februari 2025
Publisher : Lumbung Pare Cendekia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.60126/jgen.v3i1.699

Kehadiran siswa merupakan salah satu hal yang penting diperhatikan. Rekapitulasi kehadiran di sekolah SMK Hamparan Perak saat ini dilakukan secara manual dan diperoleh di setiap pertengahan dan akhir semester pada saat pembagian rapor. Pelaksanaan rekapitulasi data ini membuat interaksi antara guru dan orang tua terkait kehadiran siswa menjadi kurang rutin, sehingga permasalahan siswa terkadang terlambat ditangani. Selain untuk memantau keaktifan belajar siswa, kehadiran siswa di sekolah memiliki hubungan yang signifikan dengan kemampuan belajar mereka. Oleh karena itu diperlukan suatu sistem untuk melakukan pencatatan terhadap kehadiran siswa. Pencatatan kehadiran dilakukan dengan menggunakan pembaca QR code yang akan membaca kartu siswa. Setiap siswa akan diberikan kartu yang dapat dicetak dari sistem dengan QR code yang unik. Kode ini akan diterjemahkan ke dalam sistem berbasis web saat siswa akan hadir maupun keluar masuk dari dan ke lingkungan sekolah. Dengan sistem ini, maka data kehadiran siswa dapat tercatat dan terrekapitulasi dengan cepat bila dibandingkan dengan metode manual.

IMPLEMENTASI SISTEM PREDIKSI GAYA BELAJAR MAHASISWA MENGGUNAKAN NAÏVE BAYES BERBASIS WEB Lase, Yuyun Yusnida; Syafli, Sekar Arini; Fatmi, Yulia; Prayudani, Santi; Lubis, Arif Ridho; Haryadi, Haryadi
JOURNAL OF SCIENCE AND SOCIAL RESEARCH Vol 7, No 4 (2024): November 2024
Publisher : Smart Education

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54314/jssr.v7i4.2327

Aplikasi ini dibuat untuk memprediksi gaya belajar mahasiswa, menggunakan algoritma naïve bayes, dibandingkan dengan algoritmanya naïve bayes sangat baik dalam proses klasifikasi, untuk melakukan prediksi dimasa depan algoritma ini menggunakan probabilitas dan statistik. Data yang digunakan berupa data demografis mahasiswa seperti semester/tingkat studi, data gaya belajar seperti visual, kinestetik, auditori, dan data preferensi belajar seperti preferensi belajar visual, preferensi belajar auditori, dan preferensi belajar kinestetik. Metode pembelajaran yang diamati untuk menentukan gaya belajar metode synchoronous. Sampel data yang digunakan adalah mahasiswa program studi teknologi rekayasa perangkat lunak. Bahasa yang digunakan dalam membuat aplikasi ini menggunakan PHP dan database MySQL. Aplikasi ini nantinya dapat membantu tenaga pendidik dapat menyusun strategi pembelajaran yang sesuai dengan gaya belajar mahasiswa sehingga proses pembelajaran dapat berjalan dengan efektif dan efesien.

Perbandingan Kinerja Isolation Forest dan AutoEncoder untuk Deteksi Anomali Cuaca Fatmi, Yulia; Lase, Yuyun Yusnida; Hamdi , Khairil
Jurnal Manajemen Teknologi Informatika Vol. 3 No. 3 (2025): Jurnal Manajemen Teknologi Informatika
Publisher : JENTIK

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70038/jentik.v3i3.196

Deteksi anomali cuaca berperan penting dalam mendukung sistem pemantauan dan peringatan dini cuaca, terutama pada data cuaca multivariat yang bersifat kompleks dan nonlinier. Penelitian ini bertujuan membandingkan kinerja algoritma Isolation Forest dan AutoEncoder dalam mendeteksi anomali cuaca. Metode penelitian menggunakan pendekatan eksperimen dengan tahapan prapemrosesan data, pemodelan deteksi anomali, serta evaluasi kinerja menggunakan metrik statistik dan analisis kurva ROC serta distribusi skor anomali. Hasil penelitian menunjukkan bahwa kedua metode memiliki performa yang baik dalam mendeteksi anomali cuaca. Isolation Forest unggul dalam efisiensi komputasi dan kestabilan model, sedangkan AutoEncoder menunjukkan sensitivitas yang lebih tinggi terhadap anomali cuaca yang bersifat kompleks, ditunjukkan oleh nilai AUC yang lebih tinggi dan pemisahan skor anomali yang lebih jelas. Pemilihan metode deteksi anomali cuaca perlu disesuaikan dengan kebutuhan sistem pemantauan dan analisis risiko cuaca.

Rancang Bangun Aplikasi Reservasi Wisata Air Terjun Lubuk Hitam Bungus dengan Penerapan Algoritma Neural Networks dan Fitur Barcode Digital Mahendra, Jimmy; Hendriyani, Yeka; Asmara, Delvi; Fatmi, Yulia
Journal of Authentic Research Vol. 5 No. 2 (2026): May
Publisher : LITPAM

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36312/2ap08p90

Penelitian ini bertujuan untuk merancang dan membangun aplikasi reservasi wisata pada objek wisata Air Terjun Lubuk Hitam Bungus berbasis Android dengan memanfaatkan teknologi WebView sebagai solusi atas masih digunakannya sistem reservasi manual yang menyebabkan antrean panjang, kesalahan pencatatan data, dan keterbatasan pengelolaan informasi pengunjung. Aplikasi yang dikembangkan mengintegrasikan algoritma Neural Network sebagai modul analitik untuk memprediksi jumlah kunjungan wisatawan berdasarkan data historis serta fitur barcode digital sebagai media validasi tiket elektronik. Metode penelitian yang digunakan adalah Research and Development (R&D) dengan model pengembangan Waterfall yang meliputi analisis kebutuhan, perancangan sistem, implementasi, pengujian, dan pemeliharaan. Data prediksi menggunakan 36 data historis kunjungan periode Januari 2022–Desember 2024 yang diproses melalui tahap pembersihan data, normalisasi, pelatihan model, dan pengujian. Hasil penelitian menunjukkan bahwa aplikasi berhasil menyediakan fitur registrasi pengguna, pemesanan tiket daring, pembayaran, penerbitan e-ticket berbasis QR Code, dashboard admin, serta modul prediksi kunjungan. Pengujian Black Box Testing pada 9 fitur utama menunjukkan seluruh fungsi berjalan sesuai skenario uji dengan tingkat keberhasilan 100%. Evaluasi model prediksi menghasilkan Mean Absolute Error (MAE) sebesar 12,4 pengunjung, Mean Squared Error (MSE) sebesar 245,6, dan akurasi prediksi sebesar 87,3%. Uji usability terhadap 10 responden memperoleh nilai rata-rata 4,4 dari skala 5 yang menunjukkan aplikasi mudah digunakan dan diterima dengan baik. Implementasi sistem ini mengindikasikan bahwa digitalisasi layanan wisata berpotensi meningkatkan efisiensi reservasi, mempercepat validasi tiket, serta mendukung pengelolaan data kunjungan secara lebih terstruktur. Dengan demikian, aplikasi yang dikembangkan dapat menjadi alternatif solusi dalam mendukung transformasi digital sektor pariwisata menuju konsep smart tourism yang lebih efektif, adaptif, dan berbasis data. This study aims to design and develop a tourism reservation application for the Lubuk Hitam Bungus Waterfall tourist attraction based on Android by utilizing WebView technology as a solution to the continued use of manual reservation systems that cause long queues, data recording errors, and limitations in managing visitor information. The developed application integrates a Neural Network algorithm as an analytical module to predict tourist visit numbers based on historical data, as well as a digital barcode feature as an electronic ticket validation medium. The research method used was Research and Development (R&D) with the Waterfall development model, which includes requirements analysis, system design, implementation, testing, and maintenance. Prediction data used 36 historical visitation records from January 2022 to December 2024, processed through data cleaning, normalization, model training, and testing stages. The results show that the application successfully provides user registration, online ticket booking, payment, QR Code-based e-ticket issuance, admin dashboard, and visit prediction modules. Black Box Testing on 9 main features showed that all functions operated according to test scenarios with a 100% success rate. Evaluation of the prediction model produced a Mean Absolute Error (MAE) of 12.4 visitors, a Mean Squared Error (MSE) of 245.6, and a prediction accuracy of 87.3%. Usability testing involving 10 respondents obtained an average score of 4.4 out of 5, indicating that the application is easy to use and well accepted by users. The implementation of this system indicates that the digitalization of tourism services has the potential to improve reservation efficiency, accelerate ticket validation, and support more structured visitor data management. Therefore, the developed application can serve as an alternative solution to support the digital transformation of the tourism sector toward a smarter, more adaptive, and data-driven smart tourism concept.

Perancangan Sistem Prediksi Pola Permintaan Layanan Internet FTTH Menggunakan Model LSTM Berbasis Web Putry, Shalshabila Shafa; Hendriyani, Yeka; Fatmi, Yulia; Syafrijon, Syafrijon
Journal of Authentic Research Vol. 5 No. 2 (2026): May
Publisher : LITPAM

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36312/tjm6wa36

Penelitian ini bertujuan merancang sistem berbasis web untuk memprediksi pola permintaan layanan internet Fiber to the Home (FTTH) dengan memanfaatkan model Long Short-Term Memory (LSTM) sebagai komponen analitik. Permasalahan yang dihadapi penyedia layanan FTTH adalah fluktuasi permintaan antarwaktu dan antarwilayah yang berdampak pada perencanaan stok perangkat, penjadwalan pemasangan, dan pengembangan infrastruktur. Penelitian menggunakan pendekatan Cross Industry Standard Process for Data Mining (CRISP-DM) dengan data historis permintaan layanan FTTH periode 2022 sampai 2025 yang diagregasi menjadi data runtun waktu bulanan. Sistem dikembangkan menggunakan Python, Flask, dan SQLite, sedangkan model LSTM dikonfigurasi dengan dua layer, 50 unit neuron, optimizer Adam, dan 50 epoch. Hasil penelitian menunjukkan bahwa sistem mampu mengintegrasikan pengelolaan data pelanggan, proses prediksi, visualisasi tren, dan rekomendasi kebutuhan stok dalam satu platform. Pada evaluasi awal, nilai loss pelatihan menurun dari 0.8541 menjadi 0.0064, sedangkan evaluasi prediksi menghasilkan Mean Absolute Error sebesar 32.43 dan Root Mean Squared Error sebesar 32.68. Temuan ini menunjukkan bahwa model telah mampu mengikuti pola umum permintaan pada data yang digunakan, tetapi kinerja operasionalnya masih perlu divalidasi lebih lanjut melalui pembandingan dengan model baseline, skema evaluasi time-series yang lebih ketat, dan konteks volume permintaan per wilayah. Kontribusi utama penelitian ini terletak pada integrasi hasil prediksi ke dalam sistem operasional FTTH berbasis web, bukan pada pengusulan arsitektur LSTM baru. This study aimed to design a web-based system to predict Fiber to the Home (FTTH) internet service demand patterns using a Long Short-Term Memory (LSTM) model as the analytical component. The main challenge faced by FTTH providers is the fluctuation of demand across time periods and service areas, which affects equipment stock planning, installation scheduling, and infrastructure expansion. The study adopted the Cross Industry Standard Process for Data Mining (CRISP-DM) and used historical FTTH service demand data from 2022 to 2025, aggregated into monthly time-series data. The system was developed using Python, Flask, and SQLite, while the LSTM model was configured with two layers, 50 neurons, the Adam optimizer, and 50 epochs. The results show that the system integrates customer data management, prediction processes, trend visualization, and stock requirement recommendations within a single platform. In the initial evaluation, the training loss decreased from 0.8541 to 0.0064, while the prediction evaluation yielded a Mean Absolute Error of 32.43 and a Root Mean Squared Error of 32.68. These findings indicate that the model captured the general demand pattern in the available data, although its operational validity still requires further verification through baseline comparisons, stricter time-series evaluation schemes, and demand-scale context. The main contribution of this study lies in integrating forecasting outputs into an FTTH operational web system rather than proposing a new LSTM architecture.

Perancangan Sistem Rekomendasi Pemilihan Mobil Bekas Kategori MPV dan City Car Menggunakan K-Nearest Neighbor (K-NN) dengan Hybrid Filtering Amin, Rudi Kurnia Al; Hendriyani, Yeka; Asmara, Delvi; Fatmi, Yulia
Journal of Authentic Research Vol. 5 No. 2 (2026): May
Publisher : LITPAM

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36312/qrfc5h79

Perkembangan kebutuhan transportasi pribadi di Indonesia menunjukkan tren yang terus meningkat, terutama di wilayah perkotaan. Di Kota Padang, meningkatnya kebutuhan tersebut diikuti oleh semakin banyaknya pilihan mobil bekas kategori MPV dan City Car, namun banyaknya alternatif pilihan ini justru menimbulkan information overload bagi calon pembeli. Penelitian ini bertujuan merancang dan mengimplementasikan sistem rekomendasi berbasis website menggunakan metode K-Nearest Neighbor (K-NN) dengan pendekatan Hybrid Filtering. Metode pengembangan sistem yang diterapkan adalah model Waterfall. Pendekatan Hybrid Filtering menggabungkan Content-Based Filtering dan Collaborative Filtering, sementara algoritma K-NN digunakan untuk menghitung tingkat kemiripan antar data kendaraan berdasarkan atribut seperti harga, tahun produksi, dan spesifikasi teknis menggunakan Euclidean Distance. Sistem juga menerapkan mekanisme pre-filtering berdasarkan kategori kendaraan untuk mengurangi kompleksitas perhitungan KNN agar sistem tetap responsif. Hasil pengujian fungsional menggunakan Black Box Testing menunjukkan seluruh fitur sistem berjalan dengan baik. Pengujian akurasi menghasilkan nilai Precision rata-rata sebesar 0,78, Recall 0,83, dan Mean Absolute Error (MAE) sebesar 0,15. Simpulannya, sistem ini mampu memberikan rekomendasi yang akurat, relevan, serta membantu mempercepat proses pengambilan keputusan calon pembeli mobil bekas. The development of private transportation needs in Indonesia shows a continuously increasing trend, especially in urban areas. In Padang City, this growth is followed by various used car options in the MPV and City Car categories, yet these alternatives cause information overload for potential buyers. This research aims to design and implement a web-based recommendation system using the K-Nearest Neighbor (K-NN) method with a Hybrid Filtering approach. The system development method applied is the Waterfall model. The Hybrid Filtering approach combines Content-Based Filtering and Collaborative Filtering, while the K-NN algorithm calculates similarity levels between vehicle data based on attributes such as price, production year, and technical specifications using Euclidean Distance. The system also applies a pre-filtering mechanism based on vehicle categories to reduce K-NN computational complexity and maintain responsiveness. Functional testing results using Black Box Testing indicate that all system features operate correctly. Accuracy testing produced an average Precision value of 0.78, a Recall of 0.83, and a Mean Absolute Error (MAE) of 0.15. In conclusion, this system provides accurate and relevant recommendations, helping potential used car buyers accelerate their decision-making process.

Pengembangan Platform Visualisasi Data Pertumbuhan Balita dengan Fitur Deteksi Dini Tahap Perkembangan Anak Berbasis Laravel Putri, Adelya Destriana; Fatmi, Yulia; Hendriyani, Yeka; Darni, Resmi
Journal of Authentic Research Vol. 5 No. 2 (2026): May
Publisher : LITPAM

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36312/nrdt4166

Masalah gizi pada balita masih menjadi persoalan kesehatan masyarakat yang serius di Indonesia, dengan prevalensi stunting nasional sebesar 19,8% (SSGI 2024). Pemantauan tumbuh kembang balita masih banyak dilakukan secara manual melalui Kartu Menuju Sehat (KMS) yang memiliki keterbatasan dalam visualisasi data dan deteksi dini. Penelitian ini bertujuan untuk mengembangkan platform visualisasi data pertumbuhan balita berbasis web dengan fitur deteksi dini tahap perkembangan anak menggunakan framework Laravel. Penelitian ini menggunakan metode Waterfall yang terdiri dari analisis kebutuhan, perancangan, implementasi, pengujian, deployment, dan pemeliharaan. Sistem dikembangkan dengan bahasa pemrograman PHP (Laravel), basis data MySQL, dan library Chart.js untuk visualisasi data. Algoritma Decision Tree digunakan sebagai metode machine learning untuk klasifikasi status gizi balita berdasarkan standar antropometri WHO. Pengujian sistem dilakukan menggunakan Black Box Testing dan User Acceptance Testing (UAT) oleh 10 ibu balita. Sistem berhasil mengintegrasikan fitur analisis status gizi berbasis z-score WHO, visualisasi grafik pertumbuhan interaktif (BB/U, TB/U, BB/TB), deteksi dini milestone perkembangan anak (motorik kasar, motorik halus, bahasa, personal-sosial), serta rekomendasi nutrisi otomatis. Hasil pengujian black box menunjukkan seluruh fungsionalitas sistem berjalan 100% sesuai harapan. UAT menunjukkan tingkat kepuasan pengguna sebesar 90% dengan kategori "Sangat Setuju" pada aspek kemudahan penggunaan dan akurasi informasi. Lebih lanjut, uji kelayakan terintegrasi dilakukan dengan metode validasi ahli (skor 89,2%/"Sangat Valid"), uji kepraktisan oleh pengguna (skor 91,5%/"Sangat Praktis"), serta uji keefektifan melalui pre-test/post-test yang menunjukkan peningkatan pemahaman ibu sebesar 42,5% dan percepatan waktu deteksi hingga 78% dibandingkan metode manual. Platform SiPAGINTA (Sistem Pemantauan Gizi dan Tumbuh Kembang Balita) yang dikembangkan terbukti valid, praktis, dan efektif dalam membantu ibu balita memantau pertumbuhan dan perkembangan anak secara mandiri, akurat, dan real-time. Platform SiPAGINTA (Sistem Pemantauan Gizi dan Tumbuh Kembang Balita) yang dikembangkan terbukti valid, praktis, dan efektif dalam membantu ibu balita memantau pertumbuhan dan perkembangan anak secara mandiri, akurat, dan real-time. Implikasi praktis penelitian ini adalah tersedianya alat bantu digital mandiri bagi ibu balita untuk mendeteksi dini risiko stunting dan keterlambatan perkembangan anak tanpa ketergantungan penuh pada tenaga kesehatan.

Pengembangan Smart Ordering System pada Kafe Lentera Berbasis Web Menggunakan Metode Content-Based filtering Kamila, Putri; Resmidarni, Resmidarni; Marta, Rizkayeni; Fatmi, Yulia
Journal of Authentic Research Vol. 5 No. 2 (2026): May
Publisher : LITPAM

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36312/2xz80c27

Perkembangan teknologi informasi telah mendorong transformasi digital pada sektor UMKM kuliner, namun Kafe Lentera masih menghadapi tantangan operasional akibat penggunaan sistem pemesanan manual yang rawan kesalahan pencatatan dan menyebabkan antrean panjang pada jam sibuk. Selain itu, ketiadaan fitur rekomendasi menu membuat pelanggan kesulitan menentukan pilihan sesuai preferensi mereka. Penelitian ini bertujuan untuk merancang dan membangun Smart Ordering System berbasis web yang mengintegrasikan fitur rekomendasi menu menggunakan metode Content-Based Filtering (CBF) serta sistem pembayaran digital melalui QRIS. Pengembangan sistem dilakukan dengan mengikuti model Waterfall yang sistematis, meliputi analisis kebutuhan fungsional, perancangan arsitektur menggunakan Unified Modeling Language (UML), tahap implementasi pengkodean, hingga pengujian menyeluruh. Hasil implementasi menunjukkan bahwa aplikasi web ini mampu mengotomatisasi seluruh alur bisnis kafe, mulai dari pemesanan mandiri oleh pelanggan melalui scan QR di meja hingga pengelolaan laporan penjualan yang akurat bagi pemilik. Algoritma CBF terbukti efektif memberikan saran menu yang personal dengan memanfaatkan kemiripan atribut item, sementara integrasi QRIS mempercepat proses transaksi nontunai secara aman. Hasil pengujian Black Box mengonfirmasi bahwa seluruh fungsi berjalan sesuai spesifikasi, dan User Acceptance Test (UAT) menunjukkan tingkat kepuasan yang tinggi dari sisi efisiensi pelayanan dan kemudahan navigasi antarmuka. Dengan demikian, penerapan sistem ini memberikan solusi strategis dalam meminimalkan kesalahan manusia, memperpendek waktu pelayanan, dan meningkatkan daya saing usaha melalui pengalaman digital yang lebih responsif bagi pelanggan Kafe Lentera The development of information technology has driven digital transformation in the culinary MSME sector, yet Kafe Lentera still faces operational challenges due to a manual ordering system prone to recording errors and causing long queues during peak hours. Furthermore, the absence of menu recommendation features makes it difficult for customers to choose items according to their preferences. This research aims to design and build a web-based Smart Ordering System that integrates menu recommendation features using the Content-Based Filtering (CBF) method and a digital payment system via QRIS. System development was carried out following the systematic Waterfall model, covering functional requirements analysis, architectural design using Unified Modeling Language (UML), the coding implementation phase, and comprehensive testing. The implementation results show that this web application can automate the entire cafe business flow, from independent customer ordering via table QR codes to accurate sales reporting for the owner. The CBF algorithm proved effective in providing personalized menu suggestions by utilizing item attribute similarities, while the QRIS integration accelerates the secure non-cash transaction process. Black Box testing results confirmed that all functions operate according to specifications, and User Acceptance Testing (UAT) indicated a high level of satisfaction in terms of service efficiency and interface navigation ease. Consequently, the implementation of this system provides a strategic solution to minimize human error, shorten service time, and increase business competitiveness through a more responsive digital experience for Kafe Lentera customers.

Title

Found 9 Documents
Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 9 Documents Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 9 Documents
Search