Claim Missing Document
Check
Articles

Found 24 Documents
Search

Rancang Bangun Sistem Pengadaan Produksi Berbasis Website Pada Mitra Anda Konveksi Lintang Astari Rahmananda; Andi Rahman Putera; Hastari Utama; Joko Dwi Santoso
BHATARA: Jurnal Multidisiplin Ilmu Vol 3 No 2 (2026): April
Publisher : Hemispheres Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59095/jmb.v3i2.264

Abstract

Mitra Anda Konveksi Madiun menghadapi kendala dalam menentukan pengadaan bahan baku yang optimal, mengakibatkan pemborosan biaya jika berlebihan atau hambatan produksi jika kekurangan. Pelaporan yang masih manual juga rentan terhadap kehilangan data. Penelitian ini bertujuan untuk mengembangkan Sistem Pengadaan Produksi Berbasis Website guna mengatasi permasalahan tersebut. Sistem ini dirancang dengan menganalisis kebutuhan menggunakan model Supply Chain Management (SCM) dan mengintegrasikan metode Economic Order Quantity (EOQ) serta Safety Stock untuk perencanaan pembelian dan pengendalian persediaan. Metode pengembangan sistem yang digunakan adalah Waterfall, dengan implementasi menggunakan bahasa pemrograman PHP, framework CodeIgniter, dan basis data MySQL. Hasil penelitian berupa sistem fungsional yang mencakup modul manajemen pesanan, monitoring stok bahan baku, perhitungan EOQ dan Safety Stock secara otomatis, pemantauan mesin, serta generasi laporan. Pengujian dengan blackbox testing mengonfirmasi bahwa seluruh fitur berjalan normal sesuai kebutuhan pengguna (admin, staff produksi, dan pemilik). Sistem ini diharapkan dapat meningkatkan efisiensi, akurasi perencanaan, dan pengendalian biaya dalam keseluruhan rantai proses produksi.
Metode Rijndael untuk Uji Coba SQL Injection pada Sistem Login Aplikasi Pemesanan Makanan Berbasis Web Mohammad Rifki Ainurrahim; Hastari Utama; Joko Dwi Santoso
BHATARA: Jurnal Multidisiplin Ilmu Vol 3 No 2 (2026): April
Publisher : Hemispheres Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59095/jmb.v3i2.266

Abstract

Aplikasi pemesanan makanan berbasis web menghadapi tantangan keamanan serius pada sistem login, terutama dari ancaman SQL Injection yang berisiko menyebabkan kebocoran data pengguna. Penelitian ini bertujuan untuk mengimplementasikan algoritma Rijndael (AES) guna mengamankan password pengguna dan menguji ketahanan sistem login terhadap serangan In-band SQL Injection. Metode penelitian meliputi perancangan prototipe aplikasi web dengan framework Flask, implementasi enkripsi AES-CBC menggunakan PyCryptodome, dan pengujian keamanan melalui simulasi serangan. Hasil penelitian menunjukkan bahwa enkripsi AES berhasil mengamankan password dalam bentuk ciphertext di basis data. Namun, pengujian penetrasi membuktikan bahwa enkripsi saja tidak cukup untuk mencegah SQL Injection; sistem yang menggunakan parameterized query berhasil menangkal seluruh percobaan serangan, sedangkan sistem dengan konkatenasi string rentan dieksploitasi. Dengan demikian, penelitian ini menyimpulkan bahwa pendekatan keamanan berlapis (defense in depth) yang menggabungkan enkripsi untuk perlindungan data at rest dan parameterized query sebagai pertahanan aktif merupakan strategi esensial untuk membangun sistem login yang tangguh. Temuan ini memberikan panduan praktis bagi pengembang dalam menerapkan keamanan aplikasi web yang komprehensif.
Pengembangan Sistem Keamanan Berbasis IoT Menggunakan GPS dengan Notifikasi Jarak Aman Melalui SMS Pada Kendaraan Rental Caesar Salsabil Ridho Hadmadi; Joko Dwi Santoso; Hastari Utama
BHATARA: Jurnal Multidisiplin Ilmu Vol 3 No 2 (2026): April
Publisher : Hemispheres Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59095/jmb.v3i2.268

Abstract

Keamanan kendaraan rental masih menjadi tantangan besar akibat maraknya kasus pencurian yang sering kali dimungkinkan oleh keterbatasan sistem pelacakan konvensional yang hanya mengandalkan satu perangkat GPS. Penelitian ini bertujuan untuk mengembangkan sistem keamanan berbasis Internet of Things (IoT) yang menggunakan dua perangkat GPS yang saling terhubung untuk mendeteksi anomali pergerakan kendaraan. Sistem terdiri dari dua unit utama yang masing-masing dibangun dengan mikrokontroler ESP32, modul GPS Neo-6M, dan modul GSM SIM800L, dengan komunikasi data antar-unit menggunakan protokol ESP-NOW. Jarak antara kedua unit dihitung secara real-time menggunakan rumus Haversine. Jika jarak melebihi ambang batas 100 meter, sistem akan masuk ke kondisi trigger dan mengirimkan notifikasi SMS secara intensif setiap 20 detik kepada pemilik kendaraan. Hasil pengujian menunjukkan sistem beroperasi dengan akurasi rata-rata 4,04 meter, berhasil mengirimkan notifikasi dalam dua mode (setiap 15 menit pada kondisi normal dan setiap 20 detik pada kondisi trigger), serta menerapkan strategi keamanan berlapis melalui unit tersembunyi dan unit umpan. Sistem ini memberikan solusi keamanan yang proaktif, andal, dan tidak bergantung pada koneksi internet, sehingga berpotensi mengurangi risiko pencurian pada kendaraan rental.
Explainable AI for Water Quality Classification Using Ensemble Stacking Windha MP Dhuhita; Hastari Utama; Hartatik; Bayu Setiaji; Haryoko
Journal of Information System and Informatics Vol 8 No 3 (2026): June
Publisher : Asosiasi Doktor Sistem Informasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.63158/journalisi.v8i3.1601

Abstract

This study proposes a robust and interpretable machine learning framework for water quality classification using a publicly available water quality dataset containing 7,996 samples and 20 physicochemical features with an imbalanced class distribution (88.59% majority and 11.41% minority). The study addresses the critical issue of biased classification toward the majority class, which can lead to risk-prone misclassification of unsafe water. An ensemble stacking model combining XGBoost, LightGBM, and CatBoost with a Random Forest meta-learner (passthrough) was developed using an anti-leakage pipeline integrating RobustScaler and SMOTE within stratified 80:20 train–test cross-validation, while hyperparameter tuning was optimized using F1-score to improve minority-class performance; SHAP was further applied for global and local explainability. The proposed model achieved an F1-score of 0.8563 for the minority class and a ROC-AUC of 0.9846, indicating strong discriminative performance, while SHAP analysis identified ammonia as the most influential feature and revealed that False Negative errors were mainly caused by complex feature interactions. The study contributes an integrated framework combining stacking ensemble learning, anti-leakage evaluation, and SHAP-based global–local interpretation to support more reliable and transparent water quality classification; however, the findings are currently limited to a single dataset and and require multi-dataset validation.