Claim Missing Document
Check
Articles

Software Project Management Systems Using Kanban Method in the CV. Primavisi Globalindo Pradana, Fajar; Ilmi, Muhammad Aliyya; Fajar; Hayuhardhika Nugraha Putra, Widhy
INTENSIF: Jurnal Ilmiah Penelitian dan Penerapan Teknologi Sistem Informasi Vol 4 No 2 (2020): August 2020
Publisher : Universitas Nusantara PGRI Kediri

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (832.779 KB) | DOI: 10.29407/intensif.v4i2.14320

Abstract

Reducing the risk of failure in working on software projects is one of the successes for the company. It can be done by implementing project planning management properly. One important aspect of project management planning is scheduling. Scheduling includes recording human resources and tasks in the project. The Kanban method is one of the methods used to overcome problems in controlling project schedules. This study aims to develop a project scheduling system that applies the Kanban method. In this research, project management and scheduling system will be developed using the Kanban method. This system expected to be able to assist companies in handling projects. Kanban was chosen because it can easily respond to project changes, easily implemented, and company needs. In this study, unit testing was performed on the system's three main features and tested the validity of the system's 49 functional requirements. The usability test produces a value of 76. Based on the validation and usability test results, it can be concluded that the system is included in the acceptable category.
Upaya Pencegahan Kekerasan Dalam Rumah Tangga Melalui Metode Transformasi Konflik Fajar; Iswari, Rini; Gustaman, Fulia Aji; Muryana, Muryana; Wijaya, Atika; Husain, Fadly; Inggit, Rosama; Maulana, Edo
Dinamis: Jurnal Pengabdian Kepada Masyarakat Vol. 6 No. 1 (2026): Januari-Juni 2026
Publisher : Universitas Hasyim Asy'ari Tebuireng Jombang

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

Abstract

Artikel ini bertujuan untuk mendeskripsikan bentuk strategi pencegahan kekerasan dalam rumah tangga melalui metode transformasi konflik. Kegiatan penyuluhan pencegahan kekerasan dalam rumah tangga melalui transformasi konflik difokuskan pada pasangan muda di Dukuh Tanjung, Kalurahan Wukirsari, Kapanewon Cangkringan, Kabupaten Sleman. Banyak pasangan muda di dukuh ini dalam interkasi kesehariannya berpotensi memunculkan kesalahpahaman yang berakibat pada terjadinya kekerasan dalam rumah tangga. Langkah pelaksanaan penyuluhan pencegahan kekerasan dalam rumah tangga melalui metode transformasi konflik berupa sosialisasi, permainan, role-play, dan pelatihan/simulasi. Kegiatan penyuluhan ini telah berhasil: 1) memetakan harapan peserta dalam berumah tangga, salah satunya adalah terbentuknya rumah tangga yang ideal. 2) mengkategorisasi permasalahan rumah tangga melalui penggunaan metode permainan ular tangga. 3) memecahkan permasalahan rumah tangga oleh peserta kegiatan melalui metode role play. Drama yang dibuat dalam aktivitas role play yang dilakukan peserta merepresentasikan permasalahan rumah tangga dan cara penyelesaian masalah rumah tangga tersebut.
Penerapan algoritma Decision tree untuk klasifikasi kemampuan belajar siswa mata pelajaran matematika kelas XI greselen hamu meha; Fajar; Raynesta
Jurnal Inovatif Vol. 5 No. Special (2026): Volume 05 Edisi Khusus Agustus 2026
Publisher : Universitas Kristen Wira Wacana Sumba

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58300/0azmr607

Abstract

Kemampuan belajar siswa yang bervariasi dalam mata pelajaran Matematika di SMA PGRI Waingapu dapat menimbulkan kesulitan bagi guru dalam menentukan strategi pembelajaran yang tepat. Penelitian ini bertujuan untuk menganalisis kemampuan belajar siswa kelas XI serta mengklasifikasikan tingkat kemampuan siswa menggunakan algoritma Decision Tree ID3. Data penelitian dikumpulkan melalui observasi, wawancara, dokumentasi, dan kuesioner, kemudian diproses melalui tahap validasi data, pembersihan data tidak lengkap, serta transformasi data agar siap dianalisis. Dalam penelitian ini, variabel yang digunakan terdiri dari variabel akademik dan non-akademik. Variabel akademik meliputi nilai UTS dan nilai UAS, sedangkan variabel non-akademik meliputi kehadiran dan jam belajar siswa. Variabel-variabel tersebut digunakan sebagai dasar dalam membangun model klasifikasi kemampuan belajar siswa. Selanjutnya, algoritma Decision Tree ID3 diterapkan untuk membangun model klasifikasi berdasarkan perhitungan Entropy dan Information Gain, sehingga menghasilkan pohon keputusan yang mampu mengelompokkan siswa ke dalam kategori kemampuan tinggi, sedang, dan rendah. Hasil penelitian menunjukkan bahwa algoritma Decision Tree ID3 mampu menghasilkan model klasifikasi yang mudah dipahami serta mengidentifikasi atribut yang paling berpengaruh terhadap kemampuan belajar siswa melalui pembentukan aturan (rule) klasifikasi.
Klasifikasi Postur Tubuh Pengguna Laptop Berdasarkan Aspek Ergonomi Menggunakan MediaPipe dan K-Nearest Neighbors (KNN) Helminius Lorensius; Fajar
Jurnal Inovatif Vol. 5 No. Special (2026): Volume 05 Edisi Khusus Agustus 2026
Publisher : Universitas Kristen Wira Wacana Sumba

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58300/83n4tj65

Abstract

Penggunaan laptop dalam waktu lama dapat menyebabkan postur tubuh yang tidak ergonomis, seperti kepala terlalu menunduk, bahu tidak sejajar, dan posisi duduk yang kurang stabil. Kondisi tersebut dapat meningkatkan risiko keluhan fisik, terutama pada bagian leher, bahu, dan punggung. Penelitian ini bertujuan untuk mengevaluasi akurasi model klasifikasi postur ergonomis pengguna laptop menggunakan MediaPipe Pose dan algoritma K-Nearest Neighbors. MediaPipe Pose digunakan untuk mengekstraksi koordinat landmark tubuh bagian atas dari gambar statis, sedangkan KNN digunakan untuk mengklasifikasikan postur ke dalam dua kategori, yaitu postur baik dan postur buruk. Dataset yang digunakan berjumlah 300 gambar, terdiri dari 150 gambar postur baik dan 150 gambar postur buruk. Dataset juga memperhatikan tiga variasi bentuk tubuh, yaitu kurus, agak kurus, dan gemuk. Landmark yang digunakan meliputi hidung, telinga kiri, telinga kanan, bahu kiri, dan bahu kanan. Setiap landmark menghasilkan koordinat x, y, dan z, sehingga setiap data memiliki 15 fitur numerik. Dataset dibagi menjadi data latih dan data uji dengan rasio 80:20. Fitur dinormalisasi menggunakan Min-Max Normalization sebelum diklasifikasikan. Model KNN menggunakan nilai K = 3 dan Euclidean Distance. Hasil pengujian menunjukkan bahwa model memperoleh accuracy sebesar 100% pada 60 data uji. Nilai precision, recall, dan F1-score pada kelas baik dan buruk mencapai 1,0. Hasil ini menunjukkan bahwa fitur landmark tubuh bagian atas yang diekstraksi menggunakan MediaPipe Pose dapat digunakan oleh KNN untuk mengklasifikasikan postur pengguna laptop pada dataset yang digunakan dalam penelitian ini.
Perancangan Sistem Informasi Manajemen Stok Toko Menggunakan Forecasting Moving Average Dhea Ananda Putri Bangu; Fajar; Raynesta
Jurnal Inovatif Vol. 5 No. Special (2026): Volume 05 Edisi Khusus Agustus 2026
Publisher : Universitas Kristen Wira Wacana Sumba

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58300/j8n06j81

Abstract

Toko Alvan merupakan usaha yang bergerak dalam penjualan barang kebutuhan sehari-hari. Pengelolaan stok barang dan transaksi penjualan yang masih dilakukan secara manual menyebabkan kesulitan dalam memantau persediaan, menentukan kebutuhan pengadaan barang, serta menghitung keuntungan usaha secara akurat. Penelitian ini bertujuan untuk merancang dan membangun Sistem Informasi Manajemen Stok Toko berbasis web yang dilengkapi dengan fitur forecasting stok menggunakan metode Moving Average. Sistem dikembangkan menggunakan bahasa pemrograman PHP untuk mendukung pengelolaan persediaan, transaksi penjualan, forecasting stok, dan pelaporan secara terintegrasi. Pengujian sistem dilakukan menggunakan metode Black Box Testing dan menunjukkan bahwa seluruh fitur sistem berjalan sesuai dengan kebutuhan pengguna dengan status valid. Pengujian akurasi forecasting dilakukan menggunakan Mean Absolute Percentage Error (MAPE) pada 10 jenis barang dengan variasi periode (N) dari 1 hingga 8. Hasil pengujian menunjukkan bahwa penggunaan 7 periode menghasilkan nilai rata-rata MAPE terendah sebesar 10,85%, lebih baik dibandingkan periode lainnya yang memiliki nilai MAPE antara 11,02% hingga 18%. Hasil tersebut menunjukkan bahwa metode Moving Average dengan 7 periode mampu memberikan prediksi kebutuhan stok yang lebih akurat sesuai dengan pola penjualan di Toko Alvan. Dengan adanya sistem ini, pengelolaan inventaris menjadi lebih terstruktur, informasi stok dan keuntungan dapat diperoleh secara lebih akurat, serta membantu pemilik toko dalam mengambil keputusan pengadaan barang secara lebih efektif.
PENERAPAN ALGORITMA K-MEANS CLUSTERING UNTUK MENGANALISIS KEMAMPUAN SCIENCE, TECHNOLOGY, ENGINEERING, AND MATHEMATICS (STEM) SISWA(Studi Kasus: SMA Negeri 2 Wewewa Timur) Arniwati DapaDuu; Fajar; Eben
Jurnal Inovatif Vol. 5 No. Special (2026): Volume 05 Edisi Khusus Agustus 2026
Publisher : Universitas Kristen Wira Wacana Sumba

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58300/3d0shw33

Abstract

 Kemampuan siswa dalam bidang STEM (Science, Technology, Engineering, and Mathematics) memiliki peran penting dalam menghadapi tantangan pendidikan di era globalisasi. Namun, perbedaan tingkat penguasaan pada setiap aspek STEM di kalangan siswa SMA Negeri 2 Wewewa Timur menyebabkan kesulitan bagi guru dalam menentukan strategi pembelajaran yang tepat dan sesuai dengan kebutuhan siswa. Oleh karena itu, diperlukan suatu pendekatan berbasis data untuk mengelompokkan kemampuan siswa secara objektif. Penelitian ini bertujuan untuk menganalisis serta mengukur tingkat kesesuaian algoritma K-Means Clustering dalam mengelompokkan kemampuan STEM siswa kelas XII berdasarkan nilai mata pelajaran yang merepresentasikan aspek Science, Technology, Engineering, dan Mathematics di SMA Negeri 2 Wewewa Timur. Data penelitian diperoleh melalui wawancara dan dokumentasi nilai siswa, kemudian melalui tahap preprocessing yang meliputi validasi data, pembersihan data tidak lengkap, serta normalisasi data. Selanjutnya, algoritma K-Means Clustering diterapkan untuk mengelompokkan data ke dalam tiga cluster, yaitu kategori kemampuan tinggi, sedang, dan rendah. Model komputasi terbukti mencapai kondisi konvergen pada iterasi ke-10 dengan menghasilkan sebaran akhir sebanyak 2 siswa pada kategori rendah, 13 siswa pada kategori sedang, dan 16 siswa pada kategori tinggi. Evaluasi model menggunakan metode Silhouette Coefficient menghasilkan nilai global sebesar 0.4170, yang mengindikasikan bahwa struktur cluster yang terbentuk bersifat absah namun lemah dengan adanya tumpang tindih data. Hasil pengelompokan yang lemah ini diharapkan dapat menjadi pengetahuan tambahan bahwa pengelompokan kemampuan STEM berdasarkan data nilai mata pelajaran Biologi, Kimia, Fisika, Matematika dan TIK belum cocok digunakan untuk mengelompokkan kemampuan siswa sehingga diharapkan penelitian selanjutnya menggunakan variabel input atau algoritma pengelompokkan lainnya sperti Fuzzy Clustering.