Article Per Year (5 Year)
p-Index From 2021 - 2026
10.172
P-Index
This Author published in this journals
All Journal Jurnal Ilmu Komputer Jurnal sistem informasi, Teknologi informasi dan komputer Jurnal Abdimas BSI: Jurnal Pengabdian Kepada Masyarakat Swabumi (Suara Wawasan Sukabumi) : Ilmu Komputer, Manajemen, dan Sosial Bianglala Informatika : Jurnal Komputer dan Informatika Akademi Bina Sarana Informatika Yogyakarta Justek : Jurnal Sains Dan Teknologi SELAPARANG: Jurnal Pengabdian Masyarakat Berkemajuan Sebatik J-SAKTI (Jurnal Sains Komputer dan Informatika) JURTEKSI Komputasi: Jurnal Ilmiah Ilmu Komputer dan Matematika Jurnal ICT : Information Communication & Technology Jurnal Review Pendidikan dan Pengajaran (JRPP) Jurnal Mantik Aisyah Journal of Informatics and Electrical Engineering Systematics REMIK : Riset dan E-Jurnal Manajemen Informatika Komputer Enrichment : Journal of Management INFOKUM Jurnal Infortech Jurnal FASILKOM (teknologi inFormASi dan ILmu KOMputer) Jurnal Pengabdian kepada Masyarakat Jurnal Informatika Terpadu Computer Science (CO-SCIENCE) J-SAKTI (Jurnal Sains Komputer dan Informatika) Jurnal Abdi Masyarakat Indonesia Profitabilitas Jurnal Algoritma ETAM: Jurnal Pengabdian kepada Masyarakat INTERNATIONAL JOURNAL OF MECHANICAL COMPUTATIONAL AND MANUFACTURING RESEARCH Jurnal Informatika Info Abdi Cendekia Journal of Artificial Intelligence and Digital Business Jurnal Manajemen Sistem Informasi Jurnal Informasi Pengabdian Masyarakat Jurnal Pengabdian Masyarakat Nasional JAR'S (Journal of Advanced Research in Informatics) Journal of Data Analytics, Information, and Computer Science (JDAICS) DBESTI: Journal of Digital Business and Technology Innovation Galaksi Media Teknologi dan Informatika JUKOMTIK Komputasi : Jurnal Ilmiah Ilmu Komputer dan Matematika Global Science: Journal of Information Technology and Computer Science Jurnal Teknik Informatika dan Teknologi Informasi Journal of Engineering and Technology Innovation Jurnal Komputer dan Sistem Informasi
Ahmad Jurnaidi Wahidin
Universitas Bina Sarana Informatika
Religion Agriculture, Biological Sciences & Forestry Humanities Automotive Engineering Chemical Engineering, Chemistry & Bioengineering Chemistry Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Health Professions Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Mathematics Mechanical Engineering Medicine & Pharmacology Nursing Physics Public Health Social Sciences Transportation Other

Published : 75 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 75 Documents
Search

 4   5   6   7   8 
Sistem Informasi Terintegrasi Artificial Intelegence Menggunakan Algoritma Kmeans soma, Adityan; Habiburrahman, Tamzis; Hidayah, Arip; Wahidin, Ahmad Jurnaidi; Rahmatullah, Beni; Kurniawati, Ika
RIGGS: Journal of Artificial Intelligence and Digital Business Vol. 4 No. 4 (2026): November - January
Publisher : Prodi Bisnis Digital Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/riggs.v4i4.3879

Abstract

Penelitian ini mengembangkan bot Telegram berbasis Python yang mengintegrasikan algoritma K-Means Clustering untuk mengelompokkan mahasiswa secara otomatis berdasarkan lima indikator akademik utama: frekuensi kehadiran, nilai tugas, nilai UTS, nilai UAS, dan nilai proyek akhir. Penggunaan library scikit-learn memungkinkan implementasi K-Means yang efisien dengan normalisasi data menggunakan StandardScaler, sementara python-telegram-bot menyediakan antarmuka interaktif yang responsif untuk input data dan tampilan hasil real-time. Pendekatan ini mengatasi keterbatasan pemantauan manual di institusi pendidikan tinggi, di mana proses pengelompokan sering lambat dan subjektif. Tujuan utama penelitian adalah menciptakan alat bantu praktis bagi dosen dan staf akademik untuk memantau performa mahasiswa dengan membagi mereka ke dalam tiga kategori jelas: Berprestasi (performa konsisten tinggi), Cukup Baik (stabilisasi sedang), dan Perlu Bimbingan (risiko kegagalan). Metodologi data mining ini memanfaatkan jarak Euclidean untuk membentuk kluster optimal (k=3), diidentifikasi melalui Elbow Method dan Silhouette Score, sehingga menghasilkan pola akademik objektif yang mendukung intervensi tepat waktu seperti bimbingan remedial atau penghargaan prestasi. Integrasi dengan pandas untuk pengolahan dataset dan rapidfuzz untuk fuzzy search nama mahasiswa meningkatkan usability bot di lingkungan mobile. Implementasi bot Telegram menawarkan keunggulan aksesibilitas tinggi, di mana pengguna cukup mengirim perintah sederhana seperti "/klasifikasi [NIM]" untuk mendapatkan visualisasi kluster, statistik deskriptif per kategori, dan rekomendasi tindak lanjut dalam hitungan detik tanpa perlu software tambahan. Evaluasi pada dataset 200 mahasiswa nyata menunjukkan akurasi 92% dibandingkan label manual, dengan konvergensi K-Means rata-rata 8 iterasi dan waktu respons bot di bawah 2 detik.  
Perbandingan Logistic Regression dan SVM untuk Analisis Sentimen Pengguna Netflix Menggunakan TF-IDF dan Bot Telegram Ngara, Simson Mali; Anggara, Indra Galuh; Saputra, Ryan Adjie; Rahmatullah, Beni; Wahidin, Ahmad Jurnaidi; Kurniawati, Ika
RIGGS: Journal of Artificial Intelligence and Digital Business Vol. 4 No. 4 (2026): November - January
Publisher : Prodi Bisnis Digital Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/riggs.v4i4.3988

Abstract

Pertumbuhan layanan over-the-top (OTT) seperti Netflix di Indonesia menyebabkan meningkatnya jumlah ulasan pengguna yang dapat dimanfaatkan sebagai sumber informasi untuk memahami persepsi terhadap kualitas layanan. Ulasan tersebut mengandung opini positif maupun negatif yang berhubungan dengan pengalaman menonton, stabilitas aplikasi, kualitas jaringan, hingga aspek biaya. Penelitian ini bertujuan membandingkan performa dua algoritma Machine Learning, yaitu Logistic Regression dan Support Vector Machine (SVM), dengan representasi teks TF-IDF dalam mengklasifikasikan sentimen ulasan pengguna Netflix berbahasa Indonesia. Dataset yang digunakan terdiri dari 5.620 ulasan yang diperoleh dari Google Play Store dan telah melalui serangkaian tahapan prapemrosesan mencakup pembersihan teks, case folding, tokenisasi, stopword removal, dan stemming. Evaluasi dilakukan menggunakan keseluruhan dataset untuk memperoleh gambaran performa operasional yang lebih realistis dalam konteks penggunaan nyata. Hasil penelitian menunjukkan bahwa SVM memberikan performa tertinggi dengan akurasi 0,8603, F1-score 0,7773, precision 0,8698, recall 0,7026, dan ROC-AUC 0,9206, sedangkan Logistic Regression mencatat akurasi 0,8532 dan F1-score 0,7626. Selain evaluasi model, penelitian ini juga mengimplementasikan sistem analisis sentimen melalui dashboard Streamlit dan bot Telegram yang mampu memberikan prediksi secara real-time. Temuan ini menunjukkan bahwa integrasi model Machine Learning dengan platform aplikasi dapat digunakan sebagai alat pemantauan opini pengguna secara berkelanjutan serta mendukung pengambilan keputusan terkait peningkatan kualitas layanan OTT.  
Prediksi Harga Saham PT Telkom Indonesia Tbk (TLKM) Menggunakan Linear Regression, Random Forest, dan XGBoost Lumbantoruan, Sari; Duha, Arnawati; Astuti, Tia Puji; Wahidin, Ahmad Jurnaidi; Rahmatullah, Beni; Kurniawati, Ika
RIGGS: Journal of Artificial Intelligence and Digital Business Vol. 4 No. 4 (2026): November - January
Publisher : Prodi Bisnis Digital Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/riggs.v4i4.4158

Abstract

Prediksi harga saham merupakan salah satu aspek penting dalam pengambilan keputusan investasi, karena mampu membantu investor dalam mengantisipasi risiko dan mengoptimalkan keuntungan. PT Telkom Indonesia Tbk (TLKM) merupakan salah satu emiten blue chip di Bursa Efek Indonesia yang memiliki kapitalisasi pasar besar dan likuiditas tinggi, sehingga menarik untuk dianalisis dari sisi pergerakan harga sahamnya. Penelitian ini bertujuan untuk menganalisis dan membandingkan kinerja tiga model machine learning, yaitu Linear Regression, Random Forest, dan XGBoost, dalam memprediksi harga penutupan saham TLKM berdasarkan data historis. Data yang digunakan merupakan data harga saham harian TLKM periode 7 November 2019 hingga 6 November 2024 yang diperoleh dari platform Kaggle, dengan variabel Date, Open, High, Low, Close, Adj Close, dan Volume. Tahapan penelitian meliputi pembersihan data, konversi rekayasa fitur berbasis informasi historis dan indikator teknikal seperti lag harga penutupan, moving average, volatilitas, dan return harian, serta pembagian data menjadi 80% data latih dan 20% data uji. Selanjutnya, ketiga model dibangun dan dievaluasi menggunakan metrik Root Mean Squared Error (RMSE), Mean Absolute Error (MAE), Mean Absolute Percentage Error (MAPE), dan koefisien determinasi (R²). Hasil pengujian menunjukkan bahwa Linear Regression memberikan kinerja paling baik dibandingkan Random Forest dan XGBoost, dengan nilai RMSE sebesar 8,13, MAE 6,15, MAPE 0,19%, dan R² 0,9997. Temuan ini mengindikasikan bahwa pada data saham TLKM dengan pola pergerakan yang relatif stabil, model linear sederhana masih mampu memberikan akurasi prediksi jangka pendek yang sangat tinggi dan dapat dijadikan alternatif yang efektif dibandingkan model ensemble yang lebih kompleks. .
Prediksi Pembelian E-Commerce Menggunakan XGBoost Berbasis Perilaku Sesi Pengguna Ruscikasani, Syalaiza Nizar; Oktalivia, Raden Roro Najwa; Putra, Firman Restu; Wahidin, Ahmad Jurnaidi; Rahmatullah, Beni; Kurniawati, Ika
RIGGS: Journal of Artificial Intelligence and Digital Business Vol. 4 No. 4 (2026): November - January
Publisher : Prodi Bisnis Digital Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/riggs.v4i4.4287

Abstract

Penelitian ini membahas pemodelan prediksi pembelian pada platform e-commerce dengan memanfaatkan algoritma Extreme Gradient Boosting (XGBoost) berbasis data perilaku sesi pengguna. Dataset yang digunakan terdiri dari 12.719 sesi pengguna dengan sejumlah atribut perilaku, meliputi waktu kunjungan (Timestamp), durasi interaksi halaman (TimeOnPage_seconds), sumber rujukan (ReferralSource), tipe perangkat (DeviceType), tipe halaman (PageType), negara asal pengguna, serta jumlah item dalam keranjang belanja. Tahap prapengolahan data dilakukan untuk meningkatkan kualitas dataset sebelum pemodelan. Atribut numerik diproses menggunakan imputasi median guna menangani nilai hilang secara stabil terhadap outlier, sedangkan fitur kategorikal ditransformasikan menggunakan ordinal encoding agar sesuai dengan karakteristik algoritma berbasis pohon. Dataset selanjutnya dibagi menjadi data latih dan data uji dengan rasio 80:20 menggunakan teknik stratified split untuk menjaga proporsi kelas pada variabel target. Model XGBoost dilatih menggunakan parameter terkalibrasi dan dievaluasi menggunakan metrik akurasi, precision, recall, F1-score, dan ROC-AUC. Hasil evaluasi menunjukkan bahwa model mencapai akurasi sebesar 0,785 dan ROC-AUC sebesar 0,804, yang menandakan kemampuan diskriminasi yang baik dalam membedakan sesi yang berpotensi menghasilkan pembelian. Analisis feature importance berbasis gain mengungkapkan bahwa fitur Timestamp dan TimeOnPage_seconds merupakan faktor paling berpengaruh dalam pembentukan prediksi. Visualisasi pohon keputusan memberikan pemahaman tambahan mengenai mekanisme pemisahan fitur pada model. Temuan ini menunjukkan bahwa data perilaku sesi pengguna dapat dimanfaatkan secara efektif untuk mendukung prediksi konversi serta menjadi dasar pengembangan sistem rekomendasi dan strategi pemasaran e-commerce yang lebih adaptif.
Integration of School Leaders and Student Preferences in Determining the Best Teachers Ahmad Jurnaidi Wahidin; Miftah Faroq Santoso; Yusuf Unggul Budiman
Komputasi: Jurnal Ilmiah Ilmu Komputer dan Matematika Vol. 22 No. 1 (2025): Komputasi: Jurnal Ilmiah Ilmu Komputer dan Matematika
Publisher : Program Studi Ilmu Komputer, Universitas Pakuan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33751/komputasi.v22i1.19

Abstract

This research integrates the preferences of school leaders and students in assessing teacher performance using the Multi-Objective Optimization on the Basis of Ratio Analysis (MOORA) and Multi-Attributive Border Approximation Area Comparison (MABAC) methods. Conducted at SMK YADIKA 5, this quantitative study evaluated teacher performance based on various criteria, including attendance, teaching innovation, leadership, pedagogical skills, and personality. Data collection involved questionnaires for students and school leaders, interviews for deeper insights, and documentation such as attendance records and academic reports to support the evaluation. The MOORA method facilitated decision matrix normalization, criteria weighting, and optimization score calculation, while the MABAC method analyzed alternatives by measuring their distances from ideal and anti-ideal solutions. Both methods consistently identified teacher A7 as the top performer, showcasing their effectiveness in providing objective, fair, and transparent evaluations. The results highlight the practicality of these methods in educational settings to enhance teacher motivation and improve overall teaching quality. This study contributes to advancing performance evaluation frameworks in schools by integrating diverse preferences and offering actionable recommendations. Future research could expand this approach by including additional stakeholders, such as parents or administrative staff, or applying these methods to different educational institutions to further validate and refine the framework for broader use.
Implementasi aplikasi sayurbox sebagai transofrmasi digital dalam peningkatan pemasaran hasil pertanian KWT Pesona Miftah Faroq Santoso; Yusuf Unggul Budiman; Ahmad Jurnaidi Wahidin; Daz Vholasky Anggraini
SELAPARANG: Jurnal Pengabdian Masyarakat Berkemajuan Vol 8, No 4 (2024): December
Publisher : Universitas Muhammadiyah Mataram

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31764/jpmb.v8i4.27565

Abstract

AbstrakPemberdayaan perempuan di sektor pertanian menjadi prioritas dalam pembangunan pedesaan, termasuk di Indonesia, dengan Kelompok Wanita Tani (KWT) sebagai wadah yang efektif dalam meningkatkan kapasitas ekonomi dan sosial mereka. Kegiatan ini bertujuan untuk memperkenalkan teknologi digital guna memperluas akses pasar bagi KWT PESONA di Kota Tangerang, yang masih terbatas pada metode pemasaran konvensional. Mitra sasaran adalah 20 anggota KWT PESONA yang terdiri dari petani perempuan dan penggerak lokal. Metode pelaksanaan meliputi persiapan, pelatihan, dan pendampingan dalam penggunaan aplikasi Sayurbox sebagai platform pemasaran digital. Evaluasi dilakukan dengan pre-test dan post-test untuk mengukur pemahaman awal dan akhir peserta, serta analisis interpretasi skor untuk mengetahui efektivitas pelatihan. Hasil kegiatan menunjukkan peningkatan signifikan pada pemahaman peserta, dengan rata-rata N-Gain sebesar 0,568 (kategori sedang), serta tingkat kepuasan sebesar 73% dan efektivitas solusi yang diberikan mencapai 82%. Kegiatan ini berhasil meningkatkan pengetahuan dan keterampilan KWT PESONA dalam pemasaran digital, memperluas akses pasar mereka, dan mendukung pembangunan berkelanjutan di sektor pertanian lokal. Kata kunci: kelompok wanita tani; pemasaran digital; pemberdayaan perempuan; pertanian; sayurbox AbstractEmpowering women in the agricultural sector has become a priority in rural development, including in Indonesia, with Women Farmers Groups (KWT) serving as an effective platform to enhance their economic and social capacity. This activity aims to introduce digital technology to expand market access for KWT PESONA in Tangerang City, which remains limited by conventional marketing methods. The target partners are 20 members of KWT PESONA, consisting of female farmers and local agricultural leaders. The implementation methods included preparation, training, and assistance in using the Sayurbox application as a digital marketing platform. Evaluations were conducted using pre-test and post-test assessments to measure participants' initial and final understanding, and interpretasi score analysis was used to assess the training’s effectiveness. The results indicate a significant improvement in participants’ understanding, with an average N-Gain of 0.568 (moderate category), a satisfaction rate of 73%, and the effectiveness of the provided solutions reaching 82%. This activity successfully enhanced KWT PESONA's knowledge and skills in digital marketing, expanded their market access, and supported sustainable development in the local agricultural sector. Keywords: agriculture; digital marketing; sayurbox; women empowerment; women farmers groups.
Klasifikasi Indikator Kesehatan Diabetes Menggunakan Algoritma Random Forest Haura Syahla; Haris Izzudin; Fariz Aditya Pratama; Beni Rahmatullah; Ahmad Jurnaidi Wahidin; Ika Kurniawati
Jurnal Teknik Informatika dan Teknologi Informasi Vol. 5 No. 3 (2025): Desember: Jurnal Teknik Informatika dan Teknologi Informasi
Publisher : Lembaga Pengembangan Kinerja Dosen

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55606/jutiti.v5i3.6338

Abstract

Diabetes continues to rise as a global health concern, highlighting the need for analytical methods that can assist in earlier and more accurate detection. This study aims to classify diabetes conditions using the Random Forest algorithm implemented through the Orange Data Mining platform. The dataset used contains various health-related attributes such as glucose levels, blood pressure, body mass index, age, and other clinical indicators associated with diabetes risk. Random Forest was selected due to its ability to produce stable models, handle large and complex datasets, and minimize overfitting by combining multiple decision trees. The research process includes data preprocessing, splitting the dataset into training and testing portions, building the Random Forest model, and evaluating its performance using metrics such as accuracy, precision, recall, F1-score, and confusion matrix. The results indicate that Random Forest delivers strong and consistent performance in classifying diabetes conditions based on the given health indicators. These findings suggest that employing data mining techniques especially Random Forest within Orange—can serve as a practical and reliable approach to support medical analysis and assist healthcare practitioners in achieving earlier and more accurate diabetes detection.                                                          
Perancangan Sistem Manajemen Laundry Berbasis Web untuk Laundry Dian dengan Penggunaan PHP dan MySQL Sigit Sugiharto; Ahmad Jurnaidi Wahidin; Aulia Rizky Muhammad Hendrik Noor Asegaff; Herry Wahyono; Andi Irfan
Journal Of Engineering And Technology Innovation ( JETI ) Vol. 2 No. 02 (2025): Journal Of Engineering And Technology Innovation ( JETI )
Publisher : Rey Media Grafika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.66084/jeti.v2i02.118

Abstract

Penelitian ini bertujuan untuk merancang dan mengimplementasikan sistem manajemen laundry berbasis web pada Laundry Dian dengan menggunakan PHP dan MySQL. Sistem ini mencakup fitur-fitur penting seperti manajemen pelanggan, manajemen pesanan, manajemen inventaris, laporan. Dalam sistem ini, pelanggan dapat dengan mudah melakukan pemesanan jasa laundry secara online dan memantau status pesanan mereka melalui platform web yang user-friendly. Implementasi sistem ini memberikan manfaat yang signifikan, termasuk peningkatan efisiensi operasional dan pengelolaan inventaris yang lebih baik. Selain itu, sistem ini juga meningkatkan pengalaman pelanggan dengan menyediakan kemudahan dalam memantau dan melacak pesanan mereka. Penelitian ini memberikan kontribusi dalam pengembangan sistem informasi untuk industri jasa seperti laundry dan dapat digunakan sebagai panduan bagi bisnis laundry lainnya yang ingin mengadopsi teknologi informasi dalam operasional mereka.
Analisis Perbandingan Pengalaman Pengguna pada Situs E-Commerce id.carousell.com dan jualo.com: Pendekatan Metode WebUSE Sitti Harlina; Ahmad Jurnaidi Wahidin; Adi Heri; Sari Puspita; Muh Fuad Mansyur
Journal Of Engineering And Technology Innovation ( JETI ) Vol. 2 No. 02 (2025): Journal Of Engineering And Technology Innovation ( JETI )
Publisher : Rey Media Grafika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.66084/jeti.v2i02.119

Abstract

Studi ini membandingkan pengalaman pengguna pada situs e-commerce id.carousell.com dan jualo.com menggunakan metode WebUSE. Survei dilakukan terhadap pengguna kedua situs untuk mengumpulkan data mengenai kegunaan, kualitas informasi, desain antarmuka, kepercayaan, dan kepuasan pengguna. Hasil analisis menunjukkan perbedaan signifikan dalam pengalaman pengguna antara kedua situs. id.carousell.com mendapatkan skor yang lebih tinggi dalam kegunaan, kualitas informasi, dan kepercayaan, sementara jualo.com unggul dalam desain antarmuka. Namun, kedua situs memiliki tantangan dalam meningkatkan kepuasan pengguna, termasuk waktu respon yang lebih cepat, peningkatan keamanan sistem, dan navigasi yang lebih mudah. Studi ini memberikan wawasan berharga bagi pengelola id.carousell.com dan jualo.com untuk meningkatkan pengalaman pengguna, mengidentifikasi area perbaikan, dan mengembangkan strategi yang efektif untuk meningkatkan kepuasan pengguna dan kesuksesan bisnis.
Perancangan Sistem Aplikasi Berbasis Android untuk Pengecekan Alat Pemadam Api Ringan melalui E-APAR Rini Yunita; Ismaun Rusman; Ahmad Jurnaidi Wahidin; Muh Imam Quraisy; Niko Akbar
Journal Of Engineering And Technology Innovation ( JETI ) Vol. 2 No. 03 (2025): Journal Of Engineering And Technology Innovation ( JETI )
Publisher : Rey Media Grafika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.66084/jeti.v2i03.123

Abstract

Penelitian ini bertujuan untuk mengembangkan perangkat lunak inspeksi APAR (Alat Pemadam Api Ringan) berbasis Android menggunakan metode waterfall. APAR adalah alat yang ringan dan mudah digunakan untuk memadamkan api pada mula terjadi kebakaran. Namun, inspeksi yang dilakukan pada APAR saat ini menggunakan formulir kertas dengan hasil inspeksi direkap dalam aplikasi pengolah angka, menyebabkan tingkat akurasi data yang diinputkan tidak sesuai dan inspeksi tidak valid.Metode waterfall digunakan untuk membangun perangkat lunak inspeksi APAR yang efektif. Tahap analisis kebutuhan dilakukan untuk mengumpulkan persyaratan dan kebutuhan pengguna. Selanjutnya, tahap perancangan dilakukan untuk merancang antarmuka pengguna, fitur-fitur, dan arsitektur aplikasi. Setelah perancangan selesai, tahap implementasi dilakukan dengan mengodekan aplikasi berbasis Android yang dapat memudahkan inspeksi APAR.Fitur-fitur yang diperhatikan dalam pengembangan perangkat lunak ini meliputi inspeksi secara real-time, pencatatan lokasi APAR, dan pengelolaan dokumen hasil inspeksi. Selain itu, fitur QR-code digunakan sebagai alat bantu dalam melakukan inspeksi, memudahkan identifikasi dan pengumpulan data.Penelitian ini diharapkan dapat memberikan solusi yang efisien dan akurat dalam melakukan inspeksi APAR. Dengan penggunaan perangkat lunak inspeksi APAR berbasis Android, inspeksi dapat dilakukan dengan mudah dan sesuai dengan titik area APAR yang ditempatkan. Data hasil inspeksi dapat direkap dalam aplikasi, memungkinkan tinjauan ulang dan pemantauan perkembangan inspeksi APAR. Dengan demikian, keamanan dan penggunaan APAR akan meningkat secara signifikan dalam menghadapi kebakaran.
Co-Authors Abdul Aziz Adi Heri Aditya, Ikhsan Nur Agus Wantoro Ahkbar Fadilla Akbar, Dudi Duta Alam, Muhammad Ramadhan Sangisda Aldo Leonardo Fo'arota Waruwu Amelia, Lela Andi Irfan Andika, Tahta Herdian Andre Pratama Anggara, Indra Galuh Anjani, Yulia Rizki Arianto Muditomo Arianto Muditomo Ariza, Disya Nurul Asruddin, Asruddin Astuti, Tia Puji Aulia Rizky Muhammad Hendrik Noor Asegaff Awinanto, Alfian Beni Rahmatullah Bintoro, Panji Cahyadi Akbar Cakranegara, Pandu Adi Cakranegara, Pandu Adi Cavendis, Alwan Dana Indra Sensuse Daz Vholasky Anggraini Deny Prasetyo Desty Endrawati Subroto Dewantara, Rizki Dewi Yuliandari Duha, Arnawati Efendi Efendi Eko Setiawan, Agustinus Enda Ribka Meganta P Endah Eka Setiawati Erlita Sulistiati Faisal Faisal Fariz Aditya Pratama Fariz Raditya Fauzi, Muhamad Rizki Ferdinand Nugroho Putra Galih Anggara Putra Goo, Maria Grasela Habiburrahman, Tamzis Handika, Muhamad Haris Izzudin Hariyansyah, Rahmat HARIYANTO HARIYANTO Harlina, Sitti Haura Syahla Havis Firmansyah Herlina Ferliyanti Herna, Hernawati Herry Wahyono Hidayah, Arip I Gede Iwan Sudipa Ibrahim Ibrahim Ichsan Ichsan Ika Kurniawati Ika Kurniawati Inis Juldri Suarno Intan Lestari Panjaitan Ismaun Rusman Jaka Atmaja, Jaka Jovan Setyadi Supriyadi Khairi Darmawan Kudiantoro Widianto, Kudiantoro Lumbantoruan, Sari Martin, Ricky Miftah Faroq Santoso Miftah Faroq Santoso Miftahorrozi Miftahorrozi Mochamad Nandi Susila Muh Imam Quraisy Muh. Fuad Mansyur Muhamad Furqon Muhammad Agus Muljanto Mustika Wati Alfia Ningtyas Nabila Sari, Marhani Ngara, Simson Mali Niko Akbar Novianita, Riastri Nur Azis Oktalivia, Raden Roro Najwa Panca Saputra, Elin Pattiasina, Tiska Prambodo, Yoga Listi Prayudhi, Risa Pungkas Budiyono Putra, Firman Restu Putri, Halimatussa’diyah Rahayu Ningsih Raja, Bangkit Kharisma Ratnasari Ratnasari Rayhan Maulana Sugiharto Putra Reza Maulana Rini Yunita Risa Prayudhi Rizky Apriyanto RR Roosita Cindrakasih Ruscikasani, Syalaiza Nizar Rusmin Saragih, Rusmin sanjay, sanjay Santoso, Miftah Faroq Saputra, Ryan Adjie Sari Puspita Sigit Sugiharto Sihombing, Andre Saputra Siska Narulita Sitti Arni soma, Adityan Sri Muryani, Sri Stanislaus Ratu Suryadih, Suryadih Suyahman Suyahman Tiska Pattiasina Tiwuk Widiastuti Tubagus Mulyadi Tuti Dharmawati Ventianus Sarwoyo Very Dwi Setiawan Walim, Walim Widiastuti, Rosalina Yani Wildan Artha Sheehan Yohanes Yohanes Yohanes Yopy Renaldi Yunita Dwi Wikandari Yunita Nur Aprilia Yusuf Unggul Budiman Zaka Sada Kris Harefa