Article Per Year (5 Year)
p-Index From 2021 - 2026
4.288
P-Index
This Author published in this journals
All Journal Jurnal Nasional Komputasi dan Teknologi Informasi Specta Journal of Technology Jurnal Repositor JOURNAL OF INFORMATION SYSTEM RESEARCH (JOSH) International Journal of Engineering, Science and Information Technology Journal La Multiapp Bulletin of Computer Science Research Jurnal Informatika Teknologi dan Sains (Jinteks) Jurnal Ilmu Komputer Jurnal Teknologi Informasi Indonesia Journal of International Multidisciplinary Research Riau Jurnal Teknik Informatika Jurnal Karya untuk Masyarakat (JKuM) Jurnal Nasional Komputasi dan Teknologi Informasi
Wahyudin Hasyim
Universitas Muhammadiyah Gorontalo
Aerospace Engineering Humanities Astronomy Automotive Engineering Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Chemistry Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Earth & Planetary Sciences Education Electrical & Electronics Engineering Energy Engineering Environmental Science Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Library & Information Science Materials Science & Nanotechnology Mathematics Mechanical Engineering Neuroscience Physics Social Sciences Transportation Other

Published : 29 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 29 Documents
Search

 1   2   3 
Penerapan Technology Acceptance Model (TAM) Pada Sistem Informasi Akademik (SIA) Universitas Muhammadiyah Gorontalo Hasyim, Wahyudin; Biya, Indrawati
SPECTA Journal of Technology Vol. 8 No. 3 (2024): SPECTA Journal of Technology
Publisher : LPPM ITK

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35718/specta.v8i3.790

Abstract

This study aims to examine user satisfaction through the application of technology acceptance models in academic information systems. The population of this study is active students who use academic information systems as many as 2,282. The technique used in determining the sample size of a population is using the slovin technique. The sample in this study was 500 samples. The analysis technique used is quantitative analysis. The results of this study indicate  The perceived usefulness variable has a significant value of 0.054 > 0.05, so it can be concluded that the hypothesis is rejected. 2) Variable Perceived Ease of use (ease of use) obtained a significant value of 0.000 <0.05, it can be concluded that the hypothesis is accepted. 3) Variable Attitude Toward Using Technology (attitude) obtained a significant value of 0.000 <0.05, it can be concluded that the hypothesis is accepted. 4) Behavioral Intention to Use (intention) variable obtained a significant value of 0.220 > 0.05, so it can be concluded that the hypothesis is rejected.
PENERAPAN DATA MINING DALA MENGKLASIFIKASI RESIKO PENYAKIT STROKE MENGGUNAKAN METODE MACHINE LEARNING Bakari, Sitti Nurfatimah; Lasarudin, Alter; Hasyim, Wahyudin
Jurnal Ilmu Komputer (JUIK) Vol 5, No 2 (2025): JUNE 2025
Publisher : Universitas Muhammadiyah Gorontalo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31314/juik.v5i2.4186

Abstract

Stroke adalah kondisi saraf yang ditandai dengan tanda klinis yang berkembang pesat, termasuk gangguan saraf lokal dan global yang parah, bertahan selama 24 jam atau lebih, dan berakibat fatal ketika tidak ada penyebab yang jelas selain vaskular. Penelitian ini bertujuan untuk menerapkan algoritma Support Vector Machine (SVM) dan Artiticial Neural Network (ANN) untuk mengklasifikasi risiko penyakit stroke dan mengukur tingkat akurasi dari masing-masing algoritma. Hasil penelitian menggunakan algoritma Support Vector Machine dan Artiticial Neural Network dengan jumlah record data 200 maka akan diperoleh nilai akurasi Support Vector Machine sebesar 97.46%, dan tingkat akurasi Artiticial Neural Network sebesar 98.75%. Paling algoritma Artificial Neural Network mendapatkan nilai akurasi yang tertinggi dibandingkan algoritma Support Vector Machine dalam pengklasifikasian data risiko penyakit stroke.
PENERAPAN DATA MINING UNTUK PREDIKSI PENJUALAN PRODUK TERLARIS MENGGUNAKAN METODE ANN DAN LSTM Hasanah, Ika Nur; Lasarudin, Alter; Hasyim, Wahyudin
Jurnal Ilmu Komputer (JUIK) Vol 5, No 2 (2025): JUNE 2025
Publisher : Universitas Muhammadiyah Gorontalo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31314/juik.v5i2.4180

Abstract

Toko Setia Keramik yang menjual berbagai jenis keramik sedang menghadapi tantangan dalam menentukan produk keramik terlaris akibat data penjualan yang belum diolah secara optimal. Penelitian ini bertujuan untuk menerapkan algoritma Artificial Neural Network (ANN) dan Long Short-Term Memory (LSTM) untuk memprediksi penjualan produk keramik terlaris serta mengukur tingkat akurasi prediksi masing-masing algoritma. Data yang digunakan mencakup penjualan lima jenis keramik selama tiga tahun (2021–2023). Hasil penelitian menunjukkan bahwa algoritma ANN memberikan prediksi terbaik untuk pola jangka pendek dengan tingkat kesalahan Mean Square Error (MSE) yang rendah, sementara algoritma LSTM unggul dalam memprediksi pola jangka panjang. Penerapan kedua algoritma ini mampu membantu Toko Setia Keramik dalam menentukan jenis keramik terlaris sehingga pengelola toko dapat mengelola stok barang secara lebih efisien dan meminimalisir kekurangan maupun kelebihan stok, serta mengantisipasi tren penjualan di masa depan. Dengan demikian, penelitian ini memberikan kontribusi penting dalam optimalisasi manajemen penjualan menggunakan metode prediksi berbasis data mining.
O OPTIMALISASI NEURAL NETWORK BERBASIS PARTICLE SWARM OPTIMIZATION UNTUK MEMPREDIKSI LAMA PENYINARAN MATAHARI DALAM MEMENUHI KEBUTUHAN ENERGI Hasyim, Wahyudin; Lasarudin, Alter
Jurnal Teknologi Informasi Indonesia (JTII) Vol 4 No 2 (2019): Jurnal Teknologi Informasi Indonesia (November)
Publisher : JURNAL TEKNIK INFORMATIKA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30869/jtii.v4i2.391

Abstract

Tingginya beban listrik yang mencapai 325 MegaWatt, hal ini merupakan perhatian penting bagi pemerintah Provinsi Gorontalo dalam kebutuhan energi listrik, maka perlu memprediksi lama penyinaran matarahari pada suatu daerah, Energi sel surya salah satunya bergantung pada lamanya penyinaran cahaya matahari. Diantaranya dengan melakukan perancangan model prediksi. Metode prediksi yang mimiliki nilai error terkecil adalah Neural Network, akan tetapi masih adanya kelemahan pada waktu pelatihan untuk mencapai konvergen dan overfitting. Maka perlu dilakukan optimalisasi pada bobot jaringan dengan menggunakan Particle Swarm Optimazition, yang merupakan salah satu metode terbaik dalam optimasi. Dengan penggunaan optimasi yang diukur melalui hasil peroleha Root Mean Square Error (RMSE). Hasil pengujian terhadap algoritma menunjukkan bahwa nilai RMSE mengunakan Neural Network 0,131, sedangkan dengan penerapan optimasi dengan particle swarm optimization hasil RMSE 0,127. Dengan penerapan metode optimasi terserbut dapat mengurangi nilai error
Optimasi Data Rekam Medis Pasien Rawat Inap BPJS RSUD Tombulilato dengan Algoritma K-Means dan FP-Growth Fatiya Ointu; Alter Lasarudin; Wahyudin Hasyim
Jurnal Nasional Komputasi dan Teknologi Informasi (JNKTI) Vol 8, No 4 (2025): Agustus 2025
Publisher : Program Studi Teknik Komputer, Fakultas Teknik. Universitas Serambi Mekkah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32672/jnkti.v8i4.9348

Abstract

Abstrak - Pengelolaan data rekam medis, terutama dalam meningkatkan kualitas layanan rumah sakit di era digital, menjadi komponen yang semakin penting. Penelitian ini bertujuan untuk mengoptimalkan pengelolaan data rekam medis pasien rawat inap BPJS di Rumah Sakit Umum Daerah Tombulilato dengan menerapkan algoritma K-Means untuk clustering dan analisis pola asosiasi menggunakan algoritma FP-Growth. Hasil penelitian menunjukkan bahwa Cluster 0 terdiri dari pasien perempuan di Kelas Rawat 3, berusia dewasa (18-64 tahun), yang mengalami penyakit infeksi (dukungan 16,4% dengan kepercayaan 100%), penyakit pernapasan (dukungan 7,1% dengan kepercayaan 100%), dan komplikasi kehamilan (dukungan 11,6% dengan kepercayaan 100%). Sementara itu, Cluster 1 terdiri dari pasien laki-laki di Kelas Rawat 3, berusia dewasa (18-64 tahun), yang mengalami penyakit infeksi (dukungan 13,6% dengan kepercayaan 100%), penyakit pernapasan (dukungan 16,2% dengan kepercayaan 100%), dan penyakit mental (dukungan 10,3% dengan kepercayaan 100%).Kata kunci: FP-Growth; K-Means; Rekam Medis; Abstract - It is becoming increasingly crucial to manage medical record data in order to enhance the quality of hospital services in the digital era. This study aims to optimize the management of medical record data for BPJS inpatients at Tombulilato Regional General Hospital by applying the K-Means algorithm for clustering and association pattern analysis using the FP-Growth algorithm. The results showed that Cluster 0 consisted of female patients in Class 3, adults (18-64 years), who experienced infectious diseases (16.4% support with 100% confidence), respiratory diseases (7.1% support with 100% confidence), and pregnancy complications (11.6% support with 100% confidence). Cluster 1 was composed of male patients in Class 3, adults aged 18-64 years, who had been diagnosed with infectious diseases (13.6% support with 100% confidence), respiratory diseases (16.2% support with 100% confidence), and mental illness (10.3% support with 100% confidence).Keywords: FP-Growth; Medical Records; K-Means;
Analisis Forensik Digital pada Kasus Penyebaran Konten Ilegal Menggunakan Metode National Intitute of Justice (NIJ) Rapia Yakob Ingahu; Wahyudin Hasyim; Hilmansyah Gani
Jurnal Nasional Komputasi dan Teknologi Informasi (JNKTI) Vol 8, No 6 (2025): Desember 2025
Publisher : Program Studi Teknik Komputer, Fakultas Teknik. Universitas Serambi Mekkah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32672/jnkti.v8i6.10129

Abstract

Abstrak - Perkembangan media sosial meningkatkan risiko penyebaran konten ilegal, seperti kasus cyberbullying di Facebook Messenger. Penelitian ini bertujuan untuk menganalisis bukti digital pada kasus penyebaran konten ilegal menggunakan metode National Institute of Justice (NIJ). Penelitian dilakukan melalui pendekatan kualitatif deskriptif berbasis skenario simulatif dan mengikuti lima tahapan metode NIJ, yaitu identifikasi, pengumpulan, pemeriksaan, analisis, dan pelaporan. Proses investigasi dilakukan menggunakan perangkat lunak FTK Imager, Autopsy, dan DB Browser for SQLite. Hasil penelitian menunjukkan bahwa pesan yang telah dihapus dapat direkonstruksi, metadata dikembalikan, serta identitas pelaku berhasil ditelusuri. Metode NIJ terbukti efektif dalam menyusun proses investigasi digital yang sistematis dan dapat dipertanggungjawabkan. Penelitian ini memberikan kontribusi terhadap praktik forensik digital dalam menanggapi kasus penyebaran konten ilegal melalui media sosial.Kata kunci : Forensik Digital; Konten Ilegal; Metode NIJ; Cyberbullying; Facebook Messenger; Abstract - The development of social media increases the risk of the distribution of illegal content, such as cases of cyberbullying on Facebook Messenger. This study aims to analyze digital evidence in cases of illegal content distribution using the National Institute of Justice (NIJ) method. The study was conducted using a descriptive qualitative approach based on simulated scenarios and followed the five stages of the NIJ method: identification, collection, examination, analysis, and reporting. The investigation process was conducted using FTK Imager, Autopsy, and DB Browser for SQLite software. The results showed that deleted messages could be reconstructed, metadata recovered, and the perpetrator's identity successfully traced. The NIJ method has proven effective in establishing a systematic and accountable digital investigation process. This research contributes to digital forensic practice in responding to cases of illegal content distribution via social media.Keywords: Digital Forensics; Illegal Content; NIJ Method; Cyberbullying; Facebook Messenger;
Analisis Sentimen Terhadap Kebijakan Efisisensi Anggaran Pemerintah Menggunakan Metode Support Vector Machine (SVM) Dan Vector Space Model (VSM) Dwi Fanti Utina; Alter Lasarudin; Wahyudin Hasyim
Jurnal Nasional Komputasi dan Teknologi Informasi Vol. 9 No. 2 (2026): April, 2026
Publisher : Program Studi Teknik Komputer, Fakultas Teknik. Universitas Serambi Mekkah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32672/twjsnn25

Abstract

Abstrak - Media sosial saat ini menjadi wadah utama bagi masyarakat dalam menyuarakan aspirasi terhadap kebijakan pemerintah secara terbuka, termasuk isu kebijakan efisiensi anggaran. Penelitian ini bertujuan menganalisis kecenderungan sentimen publik terhadap kebijakan pemerintah menggunakan algoritma Support Vector Machine (SVM) yang diintegrasikan dengan Vector Space Model (VSM). Data dikumpulkan melalui teknik crawling pada platform X (Twitter), kemudian diproses melalui tahapan cleaning, case folding, tokenizing, filtering, dan stemming. Penelitian ini juga menerapkan pendekatan Lexicon-Based untuk pelabelan sentimen. Seluruh implementasi sistem dikembangkan menggunakan bahasa Python pada Google Colaboratory. Hasil pengujian dengan confusion matrix menunjukkan bahwa model mampu mengklasifikasikan data berlabel mandiri dengan akurasi 71%, dan mencapai 96% pada data berlabel Lexicon-Based Approach. Hal ini membuktikan integrasi VSM sangat membantu SVM dalam menyajikan representasi fitur dan mengenali pola teks secara akurat. Penelitian ini menyimpulkan bahwa persepsi masyarakat dapat dipetakan secara objektif melalui analisis sentimen, sehingga dapat menjadi bahan evaluasi dan referensi strategis bagi pemerintah dalam mengambil kebijakan di masa depan. Kata Kunci: Analisis Sentimen; Support Vector Machine; Efisiensi Anggaran; X (Twitter); Vector Space Model;   Abstract - Social media is currently the primary platform for the public to openly voice their concerns about government policies, including issues of budget efficiency. This study aims to analyze public sentiment trends toward government policies using the Support Vector Machine (SVM) algorithm integrated with the Vector Space Model (VSM). Data was collected through crawling techniques on the X (Twitter) platform, then processed through cleaning, case folding, tokenizing, filtering, and stemming. This study also applied a Lexicon-Based approach for sentiment labeling. The entire system implementation was developed using Python on Google Collaboratory. Test results using a confusion matrix showed that the model was able to classify self-labeled data with 71% accuracy and achieved 96% accuracy on data labeled with the Lexicon-Based Approach. This demonstrates that the VSM integration significantly assists the SVM in presenting feature representations and accurately recognizing text patterns. This study concludes that public perception can be objectively mapped through sentiment analysis, thus serving as evaluation material and a strategic reference for the government in future policymaking.                                                                                                     Keywords: Sentiment Analysis; Support Vector Machine; Budget Efficiency; X (Twitter); Vector Space Model;
Penerapan Algoritma Extrame Gradient Boosting (XGBoost) untuk Menganalisis Kualitas Pelayanan Kesehatan Terhadap Kepuasan Pasien di Pueskesmas Mootilango Rindiyani Saputri Agu; Wahyudin Hasyim; Alter Lasarudin
Jurnal Nasional Komputasi dan Teknologi Informasi Vol. 9 No. 2 (2026): April, 2026
Publisher : Program Studi Teknik Komputer, Fakultas Teknik. Universitas Serambi Mekkah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32672/g69g4z25

Abstract

Abstrak - Pengelolaan data kepuasan pasien menjadi komponens yang semakin penting dalam meningkatkan kualitas pelayanan kesehatan di era digital. Penelitian ini bertujuan untuk mengklasifikasikan tingkat kepuasan pasien di Puskesmas Mootilango dengan menerapkan algoritma Extreme Gradient Boosting (XGBoost) berbasis dimensi SERVQUAL. Tahapan penelitian dimulai dari pengumpulan data kuesioner, preprocessing, hingga implementasi model melalui optimasi Gradient dan Hessian. Transparansi logika algoritma divalidasi secara manual melalui perhitungan nilai Similarity Score dan Gain. Hasil penelitian menunjukkan bahwa model XGBoost memiliki performa andal dengan tingkat akurasi sebesar 80,00% dan recall sebesar 88%. Analisis Feature Importance mengidentifikasi bahwa indikator Q5 (Tata Letak Ruangan) dari dimensi Tangibles dan Q8 (Keakuratan Diagnosa) dari dimensi Reliability merupakan faktor paling berpengaruh terhadap kepuasan pasien. Simulasi manual pada indikator Q5 menghasilkan nilai Total Gain sebesar 0,7238, yang membuktikan kontribusi signifikan fitur tersebut dalam meningkatkan kemurnian klasifikasi. Disimpulkan bahwa algoritma XGBoost efektif memberikan rekomendasi strategis bagi manajemen untuk memprioritaskan perbaikan pada aspek fisik dan keandalan medis demi optimalisasi kualitas pelayanan. Kata kunci : Kepuasan Pasien; XGBoost; SERVQUAL; Machine Learning; Feature Importance;   Abstract -Patient satisfaction data management is becoming an increasingly important component in improving the quality of healthcare services in the digital era. This study aims to classify patient satisfaction levels at the Mootilango Community Health Center by applying the Extreme Gradient Boosting (XGBoost) algorithm based on the SERVQUAL dimension. The research stages start from questionnaire data collection, preprocessing, to model implementation through Gradient and Hessian optimization. The transparency of the algorithm logic is manually validated by calculating the Similarity Score and Gain values. The results show that the XGBoost model has reliable performance with an accuracy rate of 80.00% and a recall of 88%. Feature Importance analysis identified that indicator Q5 (Room Layout) from the Tangibles dimension and Q8 (Diagnostic Accuracy) from the Reliability dimension are the most influential factors on patient satisfaction. Manual simulation on indicator Q5 produced a Total Gain value of 0.7238, which proves the significant contribution of this feature in improving the purity of the classification. It was concluded that the XGBoost algorithm effectively provides strategic recommendations for management to prioritize improvements in physical aspects and medical reliability to optimize service quality. Keywords: Patient Satisfaction; XGBoost; SERVQUAL; Machine Learning; Feature Importance;
Perbandingan Algoritma FP-Growth dan Apriori untuk Menganalisis Pola Pembelian Konsumen Noviyanti Patak Lembang; Alter Lasarudin; Wahyudin Hasyim
Jurnal Nasional Komputasi dan Teknologi Informasi Vol. 9 No. 2 (2026): April, 2026
Publisher : Program Studi Teknik Komputer, Fakultas Teknik. Universitas Serambi Mekkah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32672/n5gaj075

Abstract

Abstrak - Pemamfaatan data transaksi penjualan berperan penting dalam mengungkap pola pembelian konsumen yang mendukung pengambilan keputusan usaha, namun pada praktiknya masih belum dimanfaatkan secara optimal oleh Usaha Kecil dan Menengah. Penelitian ini bertujuan untuk menerapkan serta membandingkan algoritma FP-Growth dan Apriori dalam menganalisis pola pembelian konsumen pada UKM Mart Koperasi Wanita Kasih Ibu. Penelitian ini menggunakan pendekatan Kuantitatif dengan teknik Association Rule Mining terhadap data transaksi penjualan periode Januari hingga Desember 2024, dengan jumlah data awal sebanyak 9305 transaksi dan setelah proses pembersihan diperoleh 7972 transaksi yang terdiri dari dua atribut. Analisis data dilakukan menggunakan aplikasi RapidMiner. Hasil penelitian menunjukkan bahwa algoritma FP-Growth menghasilkan 55 aturan asosiasi dengan waktu pemrosesan yang 1 detik, sedangkan algoritma Apriori menghasilkan 57 aturan asosiasi dengan waktu pemrosesan 4 detik. Penelitian ini menunjukkan bahwa algoritma FP-Growth lebih efektif digunakan dalam mengidentifikasi pola pembelian konsumen sebagai dasar penyusunan strategi pemasaran dan pengelolaan persediaan. Kata kunci : Data Mining; Association Rule Mining; FP-Growth; Apriori; Pola Pembelian Konsumen; Abstract - Utilization Sales transaction data plays an important role in revealing consumer purchasing patterns that support business decision-making, but in practice it is still not optimally utilized by Small and Medium Enterprise. This study aims to apply and compare the FP-Growth and Apriori algorithms in analyzing consumer purchasing pattern at UKM Mart Koperasi Wanita Kasih Ibu. This study uses a quantitative approach with the technique of Association Rule Mining the analysis used sales transaction data from January to Desember 2024, with an initial data set of 9,305 transactions and after the cleaning process, 7,972 transactions consisting of two attributes were obtained. Data analysis was performed using the RapidMiner application. The results showed that the FP-Growth algorithm generated 55 association rules with a processing time of 1 second, while the Apriori algorithm generated 57 association rules with a processing time of 4 seconds. This study indicates that the FP-Growth algorithm is more effective in identifying consumer purchasing patterns as a basic for developing marketing strategies and inventory management. Keywords: Data Mining; Association Rule Mining; FP-Growth, Apriori; Consumer Purchasing Patterns;
Sistem Informasi Penjadwalan Daftar Acara Siaran pada Radio Republik Indonesia Gorontalo Berbasis Web Dian Lestari R; Wahyudin Hasyim; Hilmansyah Gani
Jurnal Nasional Komputasi dan Teknologi Informasi Vol. 9 No. 2 (2026): April, 2026
Publisher : Program Studi Teknik Komputer, Fakultas Teknik. Universitas Serambi Mekkah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32672/fe1db320

Abstract

Abstrak - Penelitian ini dilakukan di Radio Republik Indonesia (RRI) Gorontalo, yang bertujuan untuk Membangun sistem informasi penjadwalan daftar acara siaran. Radio Republik Indonesia (RRI) Gorontalo masih menerapkan metode manual menggunakan Microsoft Excel dalam penyusunan jadwal siaran, yang sering menimbulkan berbagai kendala seperti keterlambatan penyampaian informasi, kesalahan dalam pencatatan, serta kurang efisien ketika terjadi perubahan jadwal secara tiba-tiba. Berdasarkan permasalahan tersebut, penelitian ini dilakukan untuk merancang dan membangun sistem informasi penjadwalan acara siaran berbasis web agar proses pengelolaan menjadi lebih cepat, terintegrasi, dan mudah diakses oleh pihak yang berkepentingan. Metode pengembangan sistem yang digunakan adalah Prototype dengan memanfaatkan bahasa pemrograman PHP, framework Laravel, dan MySQL sebagai basis data. Pemodelan sistem dibuat menggunakan Unified Modeling Language (UML), dan pengujian dilakukan dengan pendekatan Black Box Testing. Hasil penelitian menunjukkan bahwa sistem yang dihasilkan mampu mempermudah proses administrasi jadwal siaran, mempercepat pembaruan data, serta meminimalkan kesalahan manusia. Implementasi sistem ini memungkinkan penyajian informasi jadwal secara real-time dan lebih terorganisir, sehingga berkontribusi pada peningkatan kualitas layanan penyiaran di RRI Gorontalo. Kata kunci : Sistem Informasi Penjadwalan Siaran; Web; RRI Gorontalo; Prototype; Laravel; Abstract - This research was conducted at Radio Republik Indonesia (RRI) Gorontalo, aiming to develop a broadcast scheduling information system. RRI Gorontalo still employs manual methods using Microsoft Excel to prepare broadcast schedules, which often lead to various challenges such as delays in information delivery, errors in recording, and inefficiency when sudden schedule changes occur. Based on these challenges, this research aimed to design and build a web-based broadcast scheduling information system to accelerate the management process, integrate it, and make it more accessible to stakeholders. The system development method used was a prototype, utilizing the PHP programming language, the Laravel framework, and MySQL as the database. The system was modeled using Unified Modeling Language (UML), and testing was conducted using a black-box testing approach. The results showed that the resulting system streamlined the broadcast schedule administration process, accelerated data updates, and minimized human error. Implementation of this system enabled the presentation of schedule information in real time and in a more organized manner, thus contributing to improving the quality of broadcasting services at RRI Gorontalo. Keywords: Information System; Broadcast Scheduling Web; RRI Gorontalo Prototype; Laravel;
Co-Authors Alter Lasarudin Bagus Setio Raharjo Bakari, Sitti Nurfatimah Biya, Indrawati Citra Ayu Desi A Yusuf Dian Lestari R Djainab Humolungo Dwi Fanti Utina Fatiya Ointu Fatmawati Meilan Harun Frangky Tupamahu Gani, Hilmansyah Hanapi, Aan Handayani, Tri Pratiwi Hapsa Husain Hasanah, Ika Nur Ibrahim, Irawan Ivone Djafar Khairul Fathan Habie Lasarudin, Alter Masri, Muhamad Mohamad Ilyas Abas Natalia R Simon Novi Bouti Noviyanti Patak Lembang Nursetiawati Nursetiawati Parman, Rahmawaty Rahmatia Mohi Rapia Yakob Ingahu Rindiyani Saputri Agu Rizal Lamusu Roy Dumako Rubiyanto Maku Sabiku, Sri Ariyanti Salahuddin Liputo, Salahuddin Syahrial Syahrial Tri Pratiwi Handayani Tupamahu, Franky Verliana Kiayi Widya Eka Pranata