Claim Missing Document
Check
Articles

Pelatihan Aplikasi Kasir Sederhana Berbasis CSV pada Toko Dua Putri Qomar Rahmadhin; Abel Ahmad Tasrif; St. Rahmah; Teguh Ansyor Lorosae; Siti Mutmainah
SEWAGATI: Jurnal Pengabdian kepada Masyarakat Vol 4 No 3 (2025): SEWAGATI: Jurnal Pengabdian kepada Masyarakat
Publisher : Sarau Institute

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

Abstract

Kegiatan pengabdian masyarakat ini bertujuan untuk meningkatkan efisiensi dan akurasi pencatatan transaksi pada usaha mikro, kecil, dan menengah (UMKM), khususnya Toko Dua Putri di Kota Bima, melalui penerapan aplikasi kasir sederhana berbasis bahasa pemrograman C++ dengan penyimpanan data menggunakan format CSV. Metode pelaksanaan mencakup sosialisasi, pelatihan langsung, serta pendampingan dalam penggunaannya. aplikasi ini dirancang dengan antarmuka command-line agar mudah dioperasikan oleh pemilik toko tanpa latar belakang teknis. Hasil kegiatan menunjukkan adanya peningkatan signifikan dalam keteraturan pencatatan transaksi, pengelolaan stok barang, serta kemampuan pemilik toko dalam melakukan analisis penjualan. Format CSV dipilih karena fleksibilitas dan kompatibilitasnya dengan berbagai aplikasi pengelola data. Kegiatan ini juga memberikan dukungan berkelanjutan berupa panduan dan konsultasi, sehingga diharapkan dapat membantu UMKM dalam beradaptasi dengan digitalisasi dan meningkatkan daya saing usaha di era teknologi.
Komparasi Naive Bayes dan Support Vector Machine untuk Analisis Sentimen Kebijakan Pemerintah Mengenai Makan Bergizi Gratis: Comparing Naive Bayes and Support Vector Machine for Sentiment Analysis of Government Policy on Free Nutritious Meals Mulyani, Sri; Mutmainah, Siti; Mustafidah, Hilyatul
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 6 No. 4 (2026): MALCOM October 2026
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57152/malcom.v6i4.2998

Abstract

Kebijakan Program Makan Bergizi Gratis (MBG) pemerintah memicu perdebatan publik di platform TikTok. Penelitian ini bertujuan mengklasifikasikan sentimen opini publik terhadap kebijakan MBG ke dalam kelas positif dan negatif dengan membandingkan algoritma Multinomial Naive Bayes dan Support Vector Machine (SVM) menggunakan ekstraksi fitur CountVectorizer. Dataset sebanyak 4.000 komentar dikumpulkan melalui Apify dari empat akun berita resmi nasional. Pelabelan awal dilakukan secara otomatis menggunakan InSet Lexicon dan divalidasi secara manual oleh anotator manusia sebagai gold standard untuk mengurangi bias makna kata informal. Hasil pelabelan menunjukkan dominasi sentimen positif sebesar 89,60% dan negatif sebesar 10,40%. Pengujian dengan rasio split data 80:20 menunjukkan bahwa SVM kernel linear menghasilkan akurasi tertinggi sebesar 99,12%, sedangkan Naive Bayes mencapai 91,62%. Pengujian lintas skenario menunjukkan Naive Bayes lebih rentan terhadap penurunan kinerja, dengan akurasi terendah 72,70% pada skenario undersampling dan tiga kelas, sementara SVM tetap stabil di atas 95%. Analisis WordCloud menunjukkan sentimen positif didominasi optimisme terhadap pemerintah, sedangkan sentimen negatif menyoroti risiko korupsi anggaran. Keterbatasan penelitian meliputi kesulitan model memahami konteks kalimat, kata informal, dan sarkasme. Hasil penelitian menunjukkan bahwa SVM lebih efektif dan stabil untuk klasifikasi sentimen teks TikTok yang tidak seimbang, memberikan kinerja konsisten pada berbagai skenario pengujian.
Perancangan dan Implementasi Sistem Deteksi Kebocoran Gas Berbasis Internet of Things Menggunakan Algoritma Fuzzy Logic Controller: Design And Implementation of a Gas Leak Detection System Based on the Internet of Things Using Fuzzy Logic Controller Algorithm Mentia, Dilla Puspita; Lorosae, Teguh Ansyor; Mutmainah, Siti
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 6 No. 4 (2026): MALCOM October 2026
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57152/malcom.v6i4.3001

Abstract

Salah satu penyebab utama kebakaran rumah tangga adalah kebocoran gas LPG. Berdasarkan observasi Dinas Pemadam Kebakaran Kota Bima, dalam tiga tahun terakhir terjadi 14 kasus kebakaran akibat kebocoran gas, kerusakan selang, dan kerusakan regulator. Penelitian sebelumnya masih didominasi oleh sistem alarm lokal tanpa konektivitas IoT dan belum mampu menampilkan kadar gas secara real-time. Oleh karena itu, penelitian ini mengembangkan sistem deteksi kebocoran gas berbasis Internet of Things menggunakan ESP32, sensor gas MQ-2, sensor api, serta algoritma Fuzzy Logic Controller. Algoritma tersebut dipilih karena mampu menangani ketidakpastian dan variabilitas pembacaan sensor secara adaptif, sehingga menghasilkan klasifikasi kondisi yang lebih tepat dibandingkan dengan metode ambang batas sederhana. Kadar gas diklasifikasikan menjadi tiga kondisi, yaitu aman (0–199 ppm), waspada (200–299 ppm), dan bahaya (?300 ppm). Sistem menggunakan LED dan buzzer sebagai alarm lokal, LCD I2C 16×2 untuk menampilkan informasi, serta Blynk dan bot Telegram untuk mengirim notifikasi secara real-time. Hasil pengujian menunjukkan sensor MQ-2 mampu mendeteksi kadar gas pada setiap kategori kondisi, sensor api mendeteksi keberadaan api hingga jarak 11 cm, dan notifikasi terkirim secara real-time dalam waktu kurang dari 3 detik setelah kondisi berbahaya terdeteksi. Sistem ini berpotensi meningkatkan kecepatan respons terhadap kebocoran gas dan risiko kebakaran.