Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika)
Hardito, Franciscus Xaverius Andika
Unknown Affiliation
Computer Science & IT Education

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Pengembangan Sistem Inventori Dan Monitoring Stok Wedrink Dengan Pendekatan Machine Learning Dan Notifikasi Real-Time Melalui Whatsapp Bot Hardito, Franciscus Xaverius Andika; Suhendra, Christian Dwi; Baisa, Lorna Yertas
JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Vol 11, No 1 (2026)
Publisher : STKIP PGRI Tulungagung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29100/jipi.v11i1.7704

Abstract

Pengelolaan inventori yang masih manual di Wedrink Manokwari menimbulkan berbagai permasalahan operasional seperti ketidakakuratan data stok, keterlambatan pembaruan informasi, dan kesulitan dalam melakukan tracking barang secara real-time. Penelitian menunjukkan bahwa 67% perusahaan yang masih menggunakan sistem inventori manual mengalami kerugian rata-rata 15-20% dari total pendapatan tahunan. Penelitian ini bertujuan untuk mengembangkan sistem monitoring stok berbasis web dengan framework Laravel yang mengintegrasikan teknologi QR Code untuk otomatisasi pencatatan, machine learning untuk prediksi ketersediaan stok, dan notifikasi real-time melalui WhatsApp Bot. Metode penelitian menggunakan pendekatan System Development Life Cycle (SDLC) dengan model Waterfall yang terdiri dari lima tahap: analisis kebutuhan, perancangan sistem, pengembangan, pengujian, dan implementasi. Hasil penelitian menunjukkan bahwa sistem berhasil meningkatkan efisiensi operasional dengan pencapaian system uptime 99.9%, response time kurang dari 2 detik, dan akurasi prediksi machine learning di atas 95%. User Acceptance Testing (UAT) mencapai tingkat penerimaan 100% dari manager operasional dan staf dengan skor kepuasan pengguna 4.8/5, serta menunjukkan peningkatan efisiensi waktu hingga 75% dibandingkan sistem manual. Dapat disimpulkan bahwa implementasi sistem monitoring stok dengan integrasi QR Code, machine learning, dan WhatsApp Bot berhasil mengotomatisasi proses pencatatan stok, memberikan notifikasi real-time, menghasilkan laporan akurat, dan menyediakan prediksi ketersediaan stok yang tepat. Pengembangan lebih lanjut disarankan untuk menambahkan fitur analisis prediktif yang lebih kompleks, meningkatkan keamanan sistem, dan mengoptimalkan model machine learning.
Co-Authors Baisa, Lorna Yertas Christian Dwi Suhendra, Christian Dwi