Claim Missing Document
Check
Articles

Found 9 Documents
Search

PEMANFAATAN SISTEM INFORMASI PARIWISATA (SIMPARTA) UNTUK MENDORONG WISATAWAN DI DESA CIPEUNDEUY KABUPATEN SUKABUMI Anggun Fergina; M Rifki Nurul R A; Fatur Rahman Gandi; Dafa Afdal D; Mutiara Permata Sari; Nur Hidayah K Fadhilah; Nugraha; Iwan Setaiawan
Jurnal Abdi Nusa Vol. 3 No. 2 (2023): Juni 2023
Publisher : LPPM Universitas Nusa Putra

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52005/abdinusa.v3i2.55

Abstract

Desa Cipeundeuy merupakan salah satu desa yang berada di Provinsi Jawa Barat yang berposisi tidak jauh dari Pantai Minajaya , Kabupaten Sukabumi. Desa Cipeundeuy memiliki banyak lahan yang ditanami oleh pohon kelapa. Salah satu pemanfaatan kelapa di Desa Cipeundeuy adalah pengolahan kelapa menjadi gula jawa . Gula jawa adalah pemanis yang dibuat dari nira yang berasal dari tandan bunga jantan pohon kelapa. Gula jawa banyak diminati karena berbagai kelebihan yang dimilikinya. Dengan adanya produksi gula jawa ini dapat membantu perekonomian masyarakat sekitar. Tujuan dilakukannya penelitian ini adalah untuk mengetahui bagaimana proses pembuatan gula jawa, berapa banyak produksi yang dihasilkan, pendistribusian produk gula jawa. Gula jawa ini merupakan produk unggulan Desa Cipeundeuy yang dimana produk tersebut menjadi produk UMKM setempat. Metode yang digunakan adalah deskriptif dengan melakukan wawancara langsung kepada salah satu warga desa yang memiliki usaha dalam pembuatan gula jawa. Hasil dari penelitian ini yaitu jumlah produksi gula jawa yang dihasilkan sekitar 30 – 50 kg perhari. Dan pendistribusiannya sudah sampai ke daerah Tangerang dan Bogor.
Sistem informasi publik e-lapor pengaduan masyarakat di kelurahan sriwidari menggunakan CRM berbasis android Anggun Fergina; Gina Purnama Insany; Sally Agustin Elisya; Nugraha
Computer Science and Information Technology Vol 4 No 2 (2023): Jurnal Computer Science and Information Technology (CoSciTech)
Publisher : Universitas Muhammadiyah Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37859/coscitech.v4i2.4896

Abstract

Kelurahan Sriwidari adalah salah satu kelurahan yang ada di Kecamatan Gunungpuyuh, Kota Sukabumi, Provinsi Jawa Barat. Kelurahan Sriwidari saat ini menerima pengaduan masyarakat dengan metode manual, yaitu dengan cara masyarakat datang langsung ke kantor Kelurahan Sriwidari untuk menyampaikan pengaduan. Namun, metode ini seringkali kurang efektif karena butuh proses untuk menyampaikan pada setiap petugas sesuai kategori pengaduan, berkas pengaduan dapat hilang dan juga rusak selain itu rekap data yang dilakukan juga sulit karena harus melakukan pengecekan berkas satu persatu. Oleh karena itu penulis tertarik untuk memberikan sebuah solusi dari persoalan tersebut maka dibuatlah aplikasi E-Lapor pengaduan masyarakat berbasis android dengan bahasa pemograman Java dan Firebase Realtime sebagai database. Aplikasi E-Lapor pengaduan masyarakat berbasis android ini dapat mempermudah masyarakat untuk melakukan pengaduan tanpa harus datang ke kantor Kelurahan. Peneliti menggunakan metode Customer Relationship Management (CRM) untuk merancang Aplikasi e-lapor pengaduan masyarakat berbasis android ini. Hasilnya, sistem ini dapat dipergunakan sebagai media publikasi dan komunikasi antara masyarakat yang ada di Kelurahan Sriwidari.
Pengembangan Websiste Promosi Produk Sugarahen Milik CV Tiga Jaya Menggunakan Framework Laravel Dan Metode Waterfall Nugraha; Darmawan Suka Prajadiputra
Jurnal Sains Informatika Terapan Vol. 5 No. 1 (2026): Jurnal Sains Informatika Terapan (Februari, 2026)
Publisher : Riset Sinergi Indonesia (RISINDO)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62357/jsit.v5i1.915

Abstract

Penelitian ini bertujuan untuk mengembangkan website promosi produk Sugarahen milik CV Tiga Jaya sebagai sarana peningkatan visibilitas dan penguatan strategi pemasaran digital. Penelitian ini bermanfaat sebagai solusi promosi berbasis web yang lebih profesional, informatif, dan mudah diakses oleh calon pelanggan. Dataset yang digunakan meliputi informasi perusahaan, katalog produk, dan kebutuhan fungsional yang diperoleh melalui wawancara dengan pihak perusahaan. Pengembangan dilakukan menggunakan metode Waterfall dengan tahapan analisis, desain, implementasi, pengujian, dan pemeliharaan. Kebaruan penelitian ini terletak pada integrasi Laravel, TailwindCSS, dan Alpine.js dalam membangun website promosi yang responsif dan dilengkapi fitur blog dinamis serta form kontak terintegrasi. Hasil penelitian menunjukkan bahwa seluruh fitur berjalan dengan valid berdasarkan uji black-box, dan website yang dihasilkan mampu berfungsi optimal sebagai media promosi digital perusahaan.
Pengembangan Sistem Klasifikasi Citra Daging Sapi Dan Daging Babi Berbasis Web Menggunakan DENSENET-121 Siti Nurviatika; Ivana Lucia Kharisma; Nugraha
Jurnal Sains Informatika Terapan Vol. 5 No. 2 (2026): Jurnal Sains Informatika Terapan (Juni, 2026)
Publisher : Riset Sinergi Indonesia (RISINDO)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62357/jsit.v5i2.1176

Abstract

The circulation of beef and pork products that are difficult to distinguish visually can create challenges for consumers, making an automated meat identification system necessary. This study aims to develop an image classification model for beef and pork using the Convolutional Neural Network (CNN) method with the DenseNet-121 architecture and to implement it in a Streamlit-based web application. The dataset used in this study consists of 6,000 images, comprising 3,000 beef images and 3,000 pork images collected from two different dataset sources. The dataset underwent several preprocessing stages, including resizing, contrast enhancement, normalization, and data augmentation, and was subsequently divided into training, validation, and testing sets with a ratio of 70:15:15. The results show that the DenseNet-121 model is capable of classifying beef and pork images with excellent performance. Based on the evaluation using a confusion matrix and classification report, the model achieved an accuracy of 97.89%, with high precision, recall, and F1-score values for both classes. The trained model was then deployed in a web application that allows users to perform classification through image uploads or direct image capture using a camera. Based on these findings, it can be concluded that the DenseNet-121 architecture is capable of classifying beef and pork images with high accuracy and has the potential to be utilized as a practical tool for meat type identification.
Customer Segmentation-Based Promotion Recommendation Using RFM and K-Means Clustering on a Web Platform Kemal Fiqri Handoko; Nugraha Nugraha; Alun Sujjada
bit-Tech Vol. 8 No. 3 (2026): bit-Tech
Publisher : Komunitas Dosen Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32877/bt.v8i3.3677

Abstract

Traditional micro-scale retail businesses, such as neighborhood stores, frequently apply promotions uniformly due to limited analytical capacity, leading to inefficient resource use and weak customer retention. Existing promotion recommendation studies predominantly focus on large-scale or online retail settings, leaving a methodological and translational gap in data-driven promotional decision support for micro-scale traditional retail contexts. This study aims to address this gap by developing and evaluating a web-based promotion recommendation system tailored to operational constraints of small neighborhood stores. Customer purchasing behavior is modeled using the Recency, Frequency, and Monetary (RFM) framework, and customer segmentation is performed with the K-Means clustering algorithm. The study utilizes transaction records from 1,043 registered customers comprising 1,500 transactions collected between February and April 2025. Five customer segments are identified, namely VIP customers, frequent buyers, occasional shoppers, at-risk customers, and new customers. Clustering quality is assessed using the Silhouette Score, achieving a value of 0.4464, which indicates moderate cluster cohesion and separation. Promotional performance is evaluated through a pre–post implementation comparison, where the observed 157.09% sales increase reflects an associative improvement rather than a causal estimate of system impact. Analytically, the study contributes a validated customer segmentation pipeline suitable for sparse micro-retail data, while at the system level it delivers an operational web-based decision support tool that translates segmentation results into actionable promotional recommendations. Although practically useful, the evaluation covers one store and a short period, limiting generalizability and causal inference.
Pengembangan Websiste Promosi Produk Sugarahen Milik CV Tiga Jaya Menggunakan Framework Laravel Dan Metode Waterfall Nugraha; Darmawan Suka Prajadiputra
Jurnal Sains Informatika Terapan Vol. 5 No. 1 (2026): Jurnal Sains Informatika Terapan (Februari, 2026)
Publisher : Riset Sinergi Indonesia (RISINDO)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62357/jsit.v5i1.915

Abstract

Penelitian ini bertujuan untuk mengembangkan website promosi produk Sugarahen milik CV Tiga Jaya sebagai sarana peningkatan visibilitas dan penguatan strategi pemasaran digital. Penelitian ini bermanfaat sebagai solusi promosi berbasis web yang lebih profesional, informatif, dan mudah diakses oleh calon pelanggan. Dataset yang digunakan meliputi informasi perusahaan, katalog produk, dan kebutuhan fungsional yang diperoleh melalui wawancara dengan pihak perusahaan. Pengembangan dilakukan menggunakan metode Waterfall dengan tahapan analisis, desain, implementasi, pengujian, dan pemeliharaan. Kebaruan penelitian ini terletak pada integrasi Laravel, TailwindCSS, dan Alpine.js dalam membangun website promosi yang responsif dan dilengkapi fitur blog dinamis serta form kontak terintegrasi. Hasil penelitian menunjukkan bahwa seluruh fitur berjalan dengan valid berdasarkan uji black-box, dan website yang dihasilkan mampu berfungsi optimal sebagai media promosi digital perusahaan.
Pengembangan Sistem Klasifikasi Citra Daging Sapi Dan Daging Babi Berbasis Web Menggunakan DENSENET-121 Siti Nurviatika; Ivana Lucia Kharisma; Nugraha
Jurnal Sains Informatika Terapan Vol. 5 No. 2 (2026): Jurnal Sains Informatika Terapan (Juni, 2026)
Publisher : Riset Sinergi Indonesia (RISINDO)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62357/jsit.v5i2.1176

Abstract

The circulation of beef and pork products that are difficult to distinguish visually can create challenges for consumers, making an automated meat identification system necessary. This study aims to develop an image classification model for beef and pork using the Convolutional Neural Network (CNN) method with the DenseNet-121 architecture and to implement it in a Streamlit-based web application. The dataset used in this study consists of 6,000 images, comprising 3,000 beef images and 3,000 pork images collected from two different dataset sources. The dataset underwent several preprocessing stages, including resizing, contrast enhancement, normalization, and data augmentation, and was subsequently divided into training, validation, and testing sets with a ratio of 70:15:15. The results show that the DenseNet-121 model is capable of classifying beef and pork images with excellent performance. Based on the evaluation using a confusion matrix and classification report, the model achieved an accuracy of 97.89%, with high precision, recall, and F1-score values for both classes. The trained model was then deployed in a web application that allows users to perform classification through image uploads or direct image capture using a camera. Based on these findings, it can be concluded that the DenseNet-121 architecture is capable of classifying beef and pork images with high accuracy and has the potential to be utilized as a practical tool for meat type identification.
Klasifikasi Arah Tren Harga Bitcoin Menggunakan Metode Ensemble Learning Random Forest Fadhlan Subhan Fadilah; Indra Yustiana; Nugraha
Jurnal Sains Informatika Terapan Vol. 5 No. 3 (2026): Jurnal Sains Informatika Terapan (Oktober, 2026)
Publisher : Riset Sinergi Indonesia (RISINDO)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62357/jsit.v5i3.1248

Abstract

Bitcoin's extreme price volatility poses significant challenges for investors and traders in making informed investment decisions. Conventional technical analysis approaches are often subjective and unable to capture complex market dynamics accurately. This study aims to develop a Bitcoin price trend direction classification system as a more objective technical analysis tool using the Random Forest ensemble learning method. Historical Bitcoin price data from January 2017 to March 2026 with an H1 (1-hour) timeframe was obtained from MetaTrader 5 and Binance. Raw price data (Open, High, Low, Close, Volume) were processed through preprocessing stages and converted into 106 technical indicator features grouped into nine categories, including Trend Indicators, Momentum Oscillators, Volatility Features, and Rolling Statistics. The Random Forest Classifier model was built and optimized through hyperparameter tuning with time-series cross-validation, then evaluated using standard classification metrics as well as trading metrics under scenarios employing a trailing stop mechanism. The results show that the model achieved an accuracy of 58.65%, precision of 41.38%, recall of 99.50%, and F1-score of 0.5856. Although the low AUC-ROC value (0.5106) indicates the model can hardly distinguish between the two classes individually, the backtest generated significant trading performance with a net profit of 8,491 USD from an initial capital of 10,000 USD, a win rate of 45.08%, and a profit factor of 1.30. Feature importance analysis identified RSI_14_std_168 (3.77%), SMA_200 (3.03%), and ATR_pct_14_mean_168 (2.92%) as the three most influential technical indicators. This study concludes that although standard classification accuracy is limited, the Random Forest model combined with probability threshold optimization and risk management strategies can serve as a beneficial technical analysis tool. The system has been implemented as an interactive web dashboard providing real-time prediction features.
Implementasi Chatbot Rekomendasi Produk Skincare Berbasis Website Menggunakan Metode NLP TF-IDF Dan Cosine Similarity Firman Anugrah; Nugraha; Indra Yustiana
Jurnal Sains Informatika Terapan Vol. 5 No. 3 (2026): Jurnal Sains Informatika Terapan (Oktober, 2026)
Publisher : Riset Sinergi Indonesia (RISINDO)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62357/jsit.v5i3.1256

Abstract

Perkembangan industri kosmetik memunculkan fenomena choice overload dan asimetri informasi, di mana konsumen awam sering menyampaikan keluhan menggunakan bahasa sehari-hari, sementara spesifikasi produk dijelaskan dengan terminologi medis. Hal ini menyulitkan konsumen dalam menemukan produk yang tepat. Penelitian ini bertujuan merancang agen percakapan cerdas (chatbot) berbasis website sebagai sistem rekomendasi skincare untuk menjembatani kesenjangan bahasa tersebut secara komputasional. Pengembangan sistem mengadopsi metode Software Development Life Cycle (SDLC) dengan model Waterfall. Basis data yang digunakan mencakup 280 data produk primer dari 11 merek terkemuka. Teks masukan pengguna diproses melalui tahapan Natural Language Processing (NLP). Teks tersebut kemudian dibobotkan menggunakan metode Term Frequency-Inverse Document Frequency (TF-IDF), dan tingkat kemiripannya dihitung menggunakan metrik Cosine Similarity. Hasil evaluasi menunjukkan sistem berhasil beroperasi dengan baik. Pengujian Black Box membuktikan seluruh fungsionalitas berjalan 100% tanpa galat (bug). Pengujian akurasi algoritma mencatatkan skor relevansi yang tinggi dalam merekomendasikan produk. Selain itu, hasil User Acceptance Testing (UAT) terhadap 33 responden memperoleh skor rata-rata 3,98 (kategori Baik), yang mengonfirmasi tingginya tingkat penerimaan pengguna. Sebagai kesimpulan, sistem rekomendasi ini terbukti efektif memecahkan masalah asimetri informasi dan memberikan solusi perawatan kulit yang terpersonalisasi.