Claim Missing Document
Check
Articles

Found 13 Documents
Search

Sistem Presensi Praktikum Berbasis Web Menggunakan Algoritma Brute Force Awal, Elsa Elvira; Rohana, Tatang; Munzi, Gugy Guztaman; Nurlaelasari, Euis; Tri Vicika, Vikha; Nurlaila, Diah; Laurentzia, Rini Beatrix
Innovative: Journal Of Social Science Research Vol. 4 No. 1 (2024): Innovative: Journal Of Social Science Research
Publisher : Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/innovative.v4i1.9160

Abstract

Penelitian ini mengusulkan dan menerapkan sistem presensi praktikum menggunakan algoritma Brute Force dengan teknologi QR Code. Algoritma Brute Force digunakan untuk menentukan kehadiran mahasiswa dengan memeriksa lokasi geografis mereka terhadap empat garis batas yang dibuat berdasarkan koordinat geografis. Penggunaan QR Code sebagai metode pemindaian memfasilitasi proses presensi dengan efisiensi dan akurasi yang tinggi. Penelitian ini melibatkan pengembangan antarmuka pengguna untuk mahasiswa dan administrator, serta evaluasi kinerja algoritma dalam skenario praktikum yang berbeda. Hasil penelitian menunjukkan bahwa algoritma Brute Force memberikan solusi yang akurat dan dapat diandalkan, dengan potensi untuk diintegrasikan dalam sistem presensi di lingkungan praktikum universitas. Saran untuk pembaruan dan optimalisasi kontinu diberikan untuk meningkatkan kinerja dan keberlanjutan sistem presensi. Penelitian ini berkontribusi pada pemahaman tentang potensi implementasi algoritma Brute Force dalam mengoptimalkan presensi mahasiswa dalam praktikum.
Perancangan Sistem Rekomendasi Produk pada E-Commerce Toko Sendal Grosir Menggunakan Algoritma Content-Based Filtering Novalia, Elfina; Awal, Elsa Elvira; Hananto, Agustia; Tarmuji, Tarmuji; Setiawan, Pratama Wahyu
Journal of Information System, Applied, Management, Accounting and Research Vol 9 No 4 (2025): JISAMAR (Journal of Information System, Applied, Management, Accounting and Resea
Publisher : Sekolah Tinggi Manajemen Informatika dan Komputer Jayakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52362/jisamar.v9i4.2130

Abstract

Perkembangan teknologi informasi memberikan pengaruh besar terhadap persaingan bisnis, khususnya di sektor penjualan grosir. Toko sendal grosir sebagai usaha berskala kecil hingga menengah seringkali menghadapi tantangan dalam mengelola transaksi, inventaris, dan promosi produk secara efektif. Penelitian ini bertujuan untuk merancang dan membangun sistem e-commerce menggunakan Laravel dan Nuxt.js yang dilengkapi dengan fitur rekomendasi produk berbasis algoritma Content-Based Filtering. Laravel digunakan di sisi backend karena struktur arsitektur MVC yang terorganisir, keamanan data, serta kemudahan pengembangan. Sementara itu, Nuxt.js digunakan di sisi frontend untuk menghadirkan antarmuka pengguna yang responsif dan interaktif melalui dukungan server-side rendering (SSR). Proses perancangan meliputi analisis kebutuhan, desain antarmuka, dan implementasi modul seperti halaman utama, detail produk, checkout, serta logika rekomendasi. Sistem rekomendasi memanfaatkan atribut produk seperti kategori, warna, ukuran, dan harga, dengan perhitungan kemiripan menggunakan metode cosine similarity. Meskipun sistem rekomendasi masih dalam tahap perancangan, integrasinya bertujuan untuk meningkatkan personalisasi dan pengalaman belanja pengguna. Sistem ini juga dirancang agar skalabel dan mudah dikembangkan di masa depan.
Pemodelan Prediksi Ekspor Kopi Indonesia Berbasis Algoritma Machine learning Novita, Hilda Yulia; Rohana, Tatang; Nurlaelasari, Euis; Awal, Elsa Elvira
Jurnal Media Informatika Vol. 6 No. 6 (2025): Edisi Nopember - Desember 2025
Publisher : Lembaga Dongan Dosen

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55338/jumin.v6i6.7097

Abstract

Penelitian ini bertujuan untuk membangun model prediksi ekspor kopi di Indonesia dengan menggunakan tiga algoritma machine learning, yaitu regresi inier, neural networks, dan gradient boosting. Data yang digunakan berasal dari data historis ekspor kopi Indonesia. Penelitian dilakukan melalui tahapan pra-pemrosesan data, pemodelan, dan evaluasi kinerja masing-masing algoritma. Hasil penelitian menunjukkan bahwa ketiga algoritma mampu memprediksi ekspor kopi dengan performa yang cukup baik. Algoritma Linear Regression memberikan hasil terbaik dengan nilai mean squared error (MSE) sebesar 0.0000867, mean absolute error (MAE) sebesar 0.00766, dan skor R² sebesar 95%. neural networks menghasilkan MSE sebesar 0.000171, MAE sebesar 0.01196, dan skor R² sebesar 91%. Sementara itu, gradient boosting menunjukkan performa terendah dengan MSE sebesar 0.01918 dan skor R² sebesar 74%. Temuan ini menunjukkan bahwa pendekatan machine learning dapat digunakan sebagai alat bantu dalam memprediksi tren ekspor komoditas secara akurat.