Garuda - Garba Rujukan Digital

Pengembangan Chatbot Penyakit Ringan Menggunakan Metode Long Short-Term Memory Esa Arya Mahardika; Ali Mahmudi; Suryo Adi Wibowo
IJAI (Indonesian Journal of Applied Informatics) Vol 9, No 2 (2025)
Publisher : Universitas Sebelas Maret

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20961/ijai.v9i2.95564

Abstrak : Penyakit merupakan salah satu masalah bagi manusia baik penyakit ringan lebih-lebih penyakit kronis. Manusia telah mempelajari tentang bagaimana menangani permasalahan penyakit dari zaman ke-zaman demi kesejahteraan manusia. Seiring waktu populasi manusia bertambah dan penyakit semakin banyak baik yang dapat diobati maupun tidak sehingga manusia membangun fasilitas-fasilitas kesehatan. Tujuan penelitian ini supaya dapat memaksimalkan pelayanan IKS An-Nur II di luar jam kerja dokter. Penulis menggunakan AI Project Cycle untuk proses pembuatan chatbot, menggunakan pendekatan Natural Language Processing untuk interaksi dengan pengguna, dan algoritma Long Short-Term Memory untuk membuat model dengan melibatkan pengembangan melalui framework Flask. Hasil evaluasi menunjukkan bahwa model yang dihasilkan memiliki nilai training loss sebesar 12,35%, yang mengindikasikan tingkat error yang rendah pada data pelatihan, serta training accuracy sebesar 100%, menandakan model telah belajar pola data pelatihan dengan sangat baik. Pada data validasi, model mencapai validation loss sebesar 42,44% dan validation accuracy sebesar 94,44%. Nilai validation accuracy yang tinggi menunjukkan kemampuan model dalam menghasilkan respons yang relevan terhadap data baru. Hasil akurasi yang tinggi menjadikan chatbot mampu menjawab pertanyaan dengan akurasi cukup baik.====================================================Abstract :Disease is one of the problems for humans, whether it is a mild disease or a chronic disease. Humans have learned about how to deal with disease problems from time to time for the sake of human welfare. Over time the human population increases and more and more diseases both treatable and not so humans build health facilities. The purpose of this research is to maximize the services of IKS An-Nur II outside of doctor's working hours. The author uses the AI Project Cycle for the chatbot creation process, using the Natural Language Processing approach for interaction with users, and the Long Short-Term Memory algorithm to create models by involving development through the Flask framework. The evaluation results show that the resulting model has a training loss of 12.35%, indicating a low error rate in the training data, and a training accuracy of 100%, indicating that the model has learned the training data patterns very well. On the validation data, the model achieved a validation loss of 42.44% and a validation accuracy of 94.44%. High validation accuracy scores indicate the model's ability to generate relevant responses to new data. The high accuracy results make the chatbot capable of answering user questions with high accuracy.

Deep Learning Architecture Model for Iris Image Segmentation in Biometrics Arief Andy Soebroto; Wayan Firdaus Mahmudy; Nurul Hidayat; Rekyan Regasari Mardi Putri; Anto Satriyo Nugroho
IJAI (Indonesian Journal of Applied Informatics) Vol 9, No 2 (2025)
Publisher : Universitas Sebelas Maret

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20961/ijai.v9i2.100566

Abstrak : Teknologi biometrik memanfaatkan karakteristik fisik atau perilaku manusia untuk identifikasi dan verifikasi identitas, dengan salah satu implementasi paling signifikan adalah biometrik iris. Teknologi ini menggunakan pola unik pada iris mata untuk tujuan identifikasi yang aman dan andal, namun masih menghadapi tantangan dalam memastikan segmentasi citra yang konsisten. Penelitian ini berfokus pada pengembangan segmentasi citra iris menggunakan deep learning sebagai langkah krusial dalam proses identifikasi biometrik iris. Segmentasi citra bertujuan untuk memisahkan wilayah iris dari bagian mata lainnya, seperti pupil, sklera, dan kelopak mata, namun proses ini memerlukan pendekatan yang lebih canggih untuk mengatasi variasi citra. Penelitian ini mengimplementasikan arsitektur deep learning populer, yaitu DeepLabV3 dan U-Net, untuk segmentasi citra iris. Evaluasi performa dilakukan menggunakan metrik IoU Score, Accuracy, Precision, Recall, dan F1-Score. Hasil pengujian menunjukkan bahwa DeepLabV3 memberikan kinerja terbaik dengan IoU Score sebesar 0,918, Accuracy sebesar 0,993, Precision sebesar 0,962, Recall sebesar 0,952, dan F1-Score sebesar 0,957. Keunggulan DeepLabV3 terletak pada kemampuannya dalam melakukan ekstraksi fitur yang kompleks dan menangkap konteks informasi pada berbagai skala secara efektif. Temuan ini menggarisbawahi potensi besar penerapan deep learning dalam segmentasi citra iris untuk sistem biometrik. Dengan performa optimal yang dicapai oleh DeepLabV3, teknologi ini dapat diandalkan untuk meningkatkan akurasi dan efisiensi proses identifikasi biometrik, membuka peluang luas untuk pengembangan lebih lanjut dalam aplikasi keamanan berbasis iris.===================================================Abstract :Biometric technology is an innovation that uses human physical or behavioral characteristics for identity determination and verification with an aspect of its most significant implementations identified to be iris biometrics. The technology uses unique patterns in iris for secure and reliable identification purposes but certain challenges are encountered in ensuring consistent image segmentation. Therefore, this research focuses on developing iris image segmentation using deep learning as an important step in biometric identification process. Image segmentation aims to separate iris region from other parts of the eye, such as the pupil, sclera, and eyelids. However, the process requires a more sophisticated method to overcome image variations. This research implements popular deep learning architectures, DeepLabV3 and U-Net, for the segmentation. Subsequently, the performance of the models was evaluated based on the IoU Score, accuracy, precision, recall, and F1-score metrics. The results showed that DeepLabV3 provided the best performance with an IoU Score of 0.918, accuracy of 0.993, precision of 0.962, recall of 0.952, and F1-score of 0.957. The advantage of the model was associated with the ability to effectively extract complex features and capture information context at different scales. The observation was an indication of the significant potential possessed by deep learning applications in iris image segmentation for biometric systems. Moreover, the optimal performance achieved by DeepLabV3 showed the possibility of depending on the technology to improve the accuracy and efficiency of biometric identification process, opening up broad opportunities for further development in iris-based security applications.

Penggunaan Metode Logistic Regression Untuk Analisis Sentimen Pembangunan Ibu Kota Nusantara Pada Media Sosial Adi Julia Saputra; Sentot Achmadi; Karina Auliasari
IJAI (Indonesian Journal of Applied Informatics) Vol 9, No 2 (2025)
Publisher : Universitas Sebelas Maret

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20961/ijai.v9i2.95416

Abstrak :Indonesia, sebagai negara kepulauan terbesar, menghadapi tantangan pemerataan pembangunan, salah satunya dengan memindahkan ibu kota ke Ibu Kota Nusantara (IKN) di Kalimantan Timur. Proyek ini bertujuan untuk mengatasi masalah di Jakarta, namun ada kekhawatiran mengenai dampaknya terhadap ekonomi dan politik. Twitter menjadi platform utama untuk menganalisis opini masyarakat mengenai pemindahan ibu kota. Penelitian ini bertujuan untuk menganalisis sentimen masyarakat terhadap pembangunan Ibu Kota Nusantara (IKN) menggunakan metode Logistic Regression, yang mengklasifikasikan opini menjadi positif, negatif, atau netral. Dengan menganalisis tweet yang terkait, penelitian ini menemukan bahwa mayoritas sentimen adalah negatif. Model yang digunakan berhasil mengklasifikasikan sentimen dengan akurasi yang baik pada data pelatihan, meskipun hasil pada data pengujian menunjukkan tantangan lebih lanjut. Temuan ini memberikan wawasan tentang bagaimana masyarakat memandang rencana pemindahan ibu kota dan dapat membantu dalam pengambilan keputusan kebijakan.===================================================Abstract :Indonesia, as the largest archipelagic country, faces the challenge of equitable development, one of which is the relocation of the capital city to Ibu Kota Nusantara (IKN) in East Kalimantan. This project aims to address issues in Jakarta, but there are concerns about its impact on the economy and politics. Twitter has become the main platform for analyzing public opinion regarding the capital city relocation. This study aims to analyze public sentiment toward Ibu Kota Nusantara (IKN) using the Logistic Regression method, which classifies opinions into positive, negative, or neutral. By analyzing related tweets, the study found that the majority of sentiments were negative. The model used was able to classify sentiments with good accuracy on training data, although the results on testing data showed further challenges. These findings provide insights into how the public perceives the capital relocation plan and can assist in policy decision-making

Peramalan Stok Penjualan Bahan Rokok Linting Pada Toko XYZ Menggunakan Metode Double Exponential Smoothing Siti Aisyah; Ahmad Fahrudi Setiawan; Eko Heri Susanto
IJAI (Indonesian Journal of Applied Informatics) Vol 9, No 2 (2025)
Publisher : Universitas Sebelas Maret

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20961/ijai.v9i2.98397

Abstrak : Budaya konsumsi rokok lintingan tangan di Indonesia masih populer, terutama di kalangan anak muda karena harganya yang terjangkau dan rasa yang mirip dengan rokok pabrik. Toko XYZ merupakan toko yang menjual bahan rokok lintingan di Banjarmasin yang sedang menghadapi tantangan dalam melakukan prediksi penjualan akibat tidak ada sistem yang memadai untuk menghadapi permintaan pasar yang tidak menentu. Penelitian ini bertujuan untuk membangun sistem dengan menerapkan metode Double Exponential Smoothing untuk membantu Toko XYZ dalam meramalkan stok penjualan di masa depan berdasarkan data historis sebelumnya. Pada penelitian ini, nilai alpha yang digunakan untuk melakukan peramalan disesuaikan dengan produk berdasarkan nilai MAPE terendah. Sistem peramalan stok penjualan bahan rokok linting di Toko XYZ menggunakan metode Double Exponential Smoothing dapat terhitung 60% tidak akurat dan 40% cukup akurat berdasarkan nilai MAPE dari 10 produk, dimana perbedaan akurasi tersebut disebabkan oleh adanya perbedaan dan keterbatasan jumlah data pada setiap produk. Sistem peramalan stok penjualan bahan rokok linting pada Toko XYZ menggunakan metode Double Exponential Smoothing telah dilakukan pengujian blackbox dan kompatibilitas web yang menghasilkan sistem dapat berfungsi dengan baik di Microsoft Edge, Google Chrome, dan Mozilla Firefox. Oleh karena itu, sistem ini dapat meningkatkan efisiensi manajemen stok di Toko XYZ dengan melakukan prediksi penjualan di masa depan.====================================================Abstract :The culture of hand-rolled cigarette consumption in Indonesia remains popular, especially among young people due to its affordable price and taste similar to factory-made cigarettes. XYZ Store, a retailer of hand-rolled cigarette materials in Banjarmasin, is facing challenges in predicting sales due to the absence of an adequate system to handle unpredictable market demand. This research aims to develop a system by applying the Double Exponential Smoothing method to assist XYZ Store in forecasting future stock sales based on historical data. In this study, the alpha value used for forecasting was adjusted for each product based on the lowest MAPE value. The sales stock forecasting system for hand-rolled cigarette materials at XYZ Store using the Double Exponential Smoothing method was found to be 60% inaccurate and 40% fairly accurate based on the MAPE values of 10 products. This accuracy difference was due to variations and limitations in the amount of data for each product. The sales stock forecasting system for hand-rolled cigarette materials at XYZ Store underwent blackbox testing and web compatibility testing, showing that the system functions well on Microsoft Edge, Google Chrome, and Mozilla Firefox. Therefore, this system can enhance stock management efficiency at XYZ Store by forecasting future sales.

Pengelompokan Regu Penyelamat Non-Kebakaran di Kabupaten Cirebon dengan K-Means Clustering Arye Fandia Kusuma; Nana Suarna; Irfan Ali; Dodi Solihudin
IJAI (Indonesian Journal of Applied Informatics) Vol 9, No 2 (2025)
Publisher : Universitas Sebelas Maret

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20961/ijai.v9i2.96225

Abstrak : Layanan darurat non kebakaran di Kabupaten Cirebon menghadapi beberapa kendala, seperti alokasi sumber daya yang tidak efisien dan terbatasnya pemanfaatan analisis data. Penelitian ini bertujuan untuk meningkatkan pengelolaan regu penyelamat dengan memanfaatkan algoritma K-Means sebagai metode pengelompokan data. Menggunakan pendekatan data mining dan penerapan Knowledge Discovery in Database (KDD), penelitian ini menganalisis 874 data layanan darurat non kebakaran yang dikumpulkan pada tahun 2023-2024. Data yang dianalisis meliputi Lokasi kejadian, jenis penyelamatan, tingkat keparahan insiden, waktu respons, dan distribusi regu penyelamat. Proses penelitian dimulai dengan konversi data kedalam format numerik. Hasil menunjukan nilai DBI terendah sebesar 0,080 dengan empat klaster optimal, yang meningkatkan efisiensi distribusi regu penyelamat=====================================================Abstract : Non-fire emergency services in Cirebon Regency face several obstacles, such as inefficient resource allocation and limited utilization of data analysis. This study aims to improve the management of rescue squads by utilizing the K-Means algorithm as a data clustering method. Using a data mining approach and the application of Knowledge Discovery in Database (KDD), this study analyzed 874 non-fire emergency service data collected in 2023-2024. The data analyzed included Location of incident, type of rescue, severity of incident, response time, and distribution of rescue squads. The research process started with converting the data into numerical format. The results showed the lowest DBI value of 0.080 with four optimal clusters, which improved the efficiency of rescue squad distribution.

Sistem Prioritas Pembangunan Infrastruktur Kelurahan Berbasis Web Menggunakan Metode Analytical Hierarchy Proses Muhammad Eri Kusyairi; Ahmad Fahrudi Setiawan; Eko Heri Susanto
IJAI (Indonesian Journal of Applied Informatics) Vol 9, No 2 (2025)
Publisher : Universitas Sebelas Maret

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20961/ijai.v9i2.95565

Abstrak : Dalam mengembangkan sistem pendukung keputusan berbasis web menggunakan metode Analytical Hierarchy Process (AHP). Sistem ini akan membantu pemangku kepentingan di Kelurahan Mojolangu, termasuk lurah, rukun tetangga, rukun warga, dan lembaga pemberdayaan masyarakat Kelurahan, menetapkan prioritas pembangunan dengan cara yang adil dan efektif. Urgensi, manfaat sosial, biaya proyek, manfaat keberlanjutan, dan dukungan masyarakat adalah beberapa faktor yang dipertimbangkan selama proses perhitungan. Selain itu, rasio konsistensi (CR = 0,072) digunakan untuk memverifikasi bahwa perhitungan adalah akurat. Pengujian dalam blackbox menunjukkan bahwa semua fitur berjalan sesuai ekspektasi. Metode Analytical Hierarchy Process (AHP) berhasil meningkatkan akurasi pengambilan keputusan hingga 85,91% dibandingkan metode manual. 82% peserta menilai sistem sebagai "Baik", 15% menilainya sebagai "Cukup", dan 3% menilainya sebagai "Kurang". Hasil ini menunjukkan bahwa dengan memberikan rekomendasi prioritas pembangunan yang lebih terstruktur, transparan, dan mudah dipahami, sistem dapat menggantikan proses manual=====================================================Abstract : In developing a web-based decision support system using the Analytical Hierarchy Process (AHP) method. The system will help stakeholders in Mojolangu Subdistrict, including the village head, neighborhood association, community association, and subdistrict community empowerment institutions, set development priorities in a fair and effective way. Urgency, social benefits, project costs, sustainability benefits, and community support are among the factors considered during the calculation process. In addition, a consistency ratio (CR = 0.072) was used to verify that the calculations were accurate. Blackbox testing showed that all features performed as expected. The Analytical Hierarchy Process (AHP) method successfully increased the decision-making accuracy to 85.91% compared to the manual method. 82% of participants rated the system as “Good”, 15% rated it as “Fair”, and 3% rated it as “Poor”. These results show that by providing more structured, transparent, and easy to understand development priority recommendations, the system can replace manual processes.

Penerapan Algoritma Additive Ratio Assessment untuk Rekomendasi Pendukung Keputusan Coffee Shop Terbaik di Kawasan Marapalam Padang Timur Budy Satria; Karimah Irsyadiyah; Devina Amanda Putri; Saskia Alifah; Arkan Ubaidillah Warman; Abdullah Al Ramadhani; Abdur Rohim; Sandi Fadilah
IJAI (Indonesian Journal of Applied Informatics) Vol 9, No 2 (2025)
Publisher : Universitas Sebelas Maret

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20961/ijai.v9i2.101774

Abstrak : Coffee shop kini tumbuh cepat di banyak kota besar salah satunya di Kota Padang, Kelurahan Kubu Marapalam kecamatan Padang Timur. Banyak coffee shop baru muncul dengan ciri khas dan keunikan masing-masing, menciptakan persaingan ketat untuk memenuhi kebutuhan pelanggan. Tujuan penelitian ini adalah membuat rekomendasi pendukung keputusan mengetahui urutan prioritas coffee shop terbaik yang dipilih oleh konsumen. Metode penelitian yang digunakan adalah Additive Ratio Assessment (ARAS) sebanyak 6 data alternatif dan 6 data kriteria. Hasil penelitian yang diperoleh adalah Menza Barber & Coffee dengan nilai utilitas 1,00000 menjadi prioritas pilihan konsumen pada peringkat pertama, pada peringkat kedua yaitu Sukokopi Sutomo dengan nilai 0,96025 dan Kalinambah dengan nilai 0,83686 menjadi peringkat ketiga sehingga dapat direkomendasikan menjadi Coffee shop terbaik di Marapalam kecamatan Padang Timur. Pada penelitian selanjutnya, diharapkan bisa menambah variabel dan kriteria serta kombinasi algoritma untuk memperoleh hasil penelitian yang lebih baik.===================================================Abstract :Coffee shops are now growing rapidly in many big cities, one of which is in Padang City, Kubu Marapalam Village, Padang Timur District. Many new coffee shops have emerged with their own characteristics and uniqueness, creating fierce competition to meet customer needs. The purpose of this study is to make recommendations to support decisions to determine the priority order of the best coffee shops chosen by consumers. The research method used is Additive Ratio Assessment (ARAS) with 6 alternative data points and 6 criteria data points. The results of the study obtained are Menza Barber & Coffee with a utility value of 1.00000 as the consumer's priority choice in first place, in second place is Sukokopi Sutomo with a value of 0.96025 and Kalinambah x Meer with a value of 0.83686 is in third place so that it can be recommended as the best coffee shop in Marapalam, Padang Timur District. In further research, it is expected to add variables and criteria as well as a combination of algorithms to obtain better research results.

Sistem Pakar Diagnosa Kerusakan Laptop Berbasis Forward Chaining Dan Certainty Factor Yogi Ainur Rofiq Anggara; Suryo Adi Wibowo; Yosep Agus Pranoto
IJAI (Indonesian Journal of Applied Informatics) Vol 9, No 2 (2025)
Publisher : Universitas Sebelas Maret

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20961/ijai.v9i2.95556

Abstrak : Penelitian ini bertujuan mendiagnosa kerusakan laptop dengan menggunakan sistem pakar berbasis web yang menggabungkan metode Forward Chaining dan Certainty Factor. Ketika laptop mengalami kerusakan perangkat keras, laptop sering kali tidak dapat digunakan dan memerlukan perbaikan. Karena proses diagnosis teknisi terkadang membutuhkan waktu yang lama untuk menentukan diagnosis kerusakan, maka diperlukan sebuah sistem yang dapat membantu dalam mendeteksi kerusakan. Teknisi dapat menilai seberapa yakin mereka terhadap temuan diagnosis kerusakan komponen laptop dengan menggunakan metode Forward Chaining untuk memproses diagnosis dan Certainty Factor untuk menghasilkan tingkat kepastian diagnosis. Berdasarkan hasil implementasi dan pengujian, sistem ini memperoleh hasil pengujian metode validasi selisih hasil kurang dari 1% , dapat diartikan sistem aplikasi berhasil menerapkan metode forward chaining dan certainty factor diagnosa kerusakan laptop dengan hasil selisih validasi yang kecil kurang dari 1%. Dengan demikian, sistem pakar ini tidak hanya membantu teknisi mempercepat proses identifikasi kerusakan laptop, tetapi juga memberikan tingkat presentase pada kerusakan yang terdiagnosis.=====================================================Abstract :This research aims to diagnose laptop damage using a web-based expert system that combines the Forward Chaining and Certainty Factor methods. When a laptop experiences hardware damage, it is often unusable and requires repair. Because the technician's diagnosis process sometimes takes a long time to determine the diagnosis of damage, a system is needed that can assist in detecting damage. Technicians can assess how confident they are in the findings of the diagnosis of laptop component damage by using the Forward Chaining method to process the diagnosis and the Certainty Factor to generate the level of certainty of the diagnosis. Based on the results of implementation and testing, this system obtained a validation method test result difference of less than 1%, which means that the application system successfully applies the forward chaining method and certainty factor to diagnose laptop damage with the results of a small validation difference of less than 1%. Thus, this expert system not only helps technicians speed up the process of identifying laptop damage, but also provides a percentage level on diagnosed damage.

Prediksi Persediaan Penjualan Kacamata Pada Optik XYZ Menggunakan Metode Double Exponential Smoothing Agnus Dei Dharma Prawira; Sentot Achmadi; Agung Panji Sasmito
IJAI (Indonesian Journal of Applied Informatics) Vol 9, No 2 (2025)
Publisher : Universitas Sebelas Maret

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20961/ijai.v9i2.98396

Abstrak : Perkembangan pesat dari teknologi membawa dampak yang positif maupun negatif bagi masyarakat, salah satu dampak negatif tersebut adalah penurunan daya penglihatan akibat radiasi sinar biru dari perangkat elektronik yang mengakibatkan penggunaan kacamata menjadi sesuatu yang penting. Hal tersebut membuat industri optik, seperti Optik XYZ yang berada di Kota Malang mengalami perkembangan yang sangat signifikan beriringan dengan kepedulian masyarakat akan kesehatan mata. Namun Optik XYZ dihadapi dengan tantangan dalam melakukan prediksi penjualan karena tidak ada sistem yang memadai, mengakibatkan kekurangan dan kelebihan pada persediaan penjualan, hal tersebut berdampak pada tingkat kepuasan pelanggan dan manajemen modal. Penelitian ini bertujuan untuk membangun sistem prediksi persediaan penjualan dengan menggunakan metode Double Exponential Smoothing (DES) berdasarkan data penjualan historis pada 1 Januari 2022 sampai dengan 31 Oktober 2024. Hasil penelitian ini menunjukkan bahwa sistem yang dibangun mampu meramalkan penjualan produk per hari dengan alpha optimal yaitu 0,1 berdasarkan nilai Mean Absolute Error (MAE) terkecil yaitu sebesar 0,915 untuk produk frame dengan nilai prediksi 1. Pada sistem yang dibangun juga telah dilakukan pengujian kompatibilitas, blackbox, dan pengguna dimana menghasilkan sistem dapat dijalankan tanpa kendala pada Safari, Google Chrome, dan Mozila Firefox====================================================Abstract : The rapid development of technology has both positive and negative impacts on society, one of the negative impacts is decreased vision due to blue light radiation from electronic devices which makes the use of glasses something important. This makes the optical industry, such as Optik XYZ in Malang City, experience very significant development along with public concern for eye health. However, Optik XYZ is faced with challenges in making sales predictions because there is no adequate system, resulting in shortages and excesses in sales inventory, this has an impact on customer satisfaction levels and capital management. This study aims to build a sales inventory prediction system using the Double Exponential Smoothing (DES) method based on historical sales data from January 1, 2022 to October 31, 2024. The results of this study indicate that the system built is able to predict product sales per day with an optimal alpha of 0.1 based on the smallest Mean Absolute Error (MAE) value of 0.915 for frame products with a prediction value of 1. Compatibility, blackbox, and user testing have also been carried out on the system built, which results in the system being able to run without problems on Safari, Google Chrome, and Mozilla Firefox.

Aplikasi Presensi Siswa Berbasis Location Based Services (LBS) Dengan Haversine Formula Di SMK Islam Al-Futuhiyyah Mohammad Harifin; Nurlaily Vendyansyah; Febriana Santi Wahyuni
IJAI (Indonesian Journal of Applied Informatics) Vol 9, No 2 (2025)
Publisher : Universitas Sebelas Maret

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20961/ijai.v9i2.95566

Abstrak : Perkembangan teknologi informasi membawa dampak signifikan di bidang pendidikan, termasuk dalam sistem presensi siswa. Penelitian ini bertujuan untuk mengembangkan aplikasi presensi siswa berbasis Android dengan menggunakan metode Location Based Services (LBS) di SMK Islam Al-Futuhiyyah. Metode yang digunakan adalah Research and Development (R&D) dengan model pengembangan perangkat lunak Waterfall, meliputi analisis kebutuhan, desain, implementasi, pengujian, dan evaluasi. Aplikasi ini menggunakan metode Haversine untuk mengukur jarak antara lokasi siswa dan lokasi sekolah, sehingga memastikan presensi dilakukan di area yang telah ditentukan. Hasil pengujian menunjukkan bahwa aplikasi ini berhasil memvalidasi presensi dengan akurasi tinggi, di mana Haversine Formula menghasilkan akurasi presensi hingga 100%. Pengujian Black Box memastikan semua fungsi aplikasi berjalan sesuai spesifikasi, sedangkan pengujian LBS membuktikan keakuratan dalam mendeteksi lokasi siswa. Selain itu, berdasarkan User Acceptance Testing (UAT) yang melibatkan siswa dan guru, aplikasi ini memperoleh skor kepuasan 81,7%. Aplikasi ini juga mempermudah siswa dalam melakukan presensi, sekaligus membantu guru dan operator sekolah dalam memantau dan mengelola data presensi. Implementasi aplikasi ini memberikan solusi efektif dan efisien untuk menggantikan metode presensi manual yang kurang praktis. Penelitian ini diharapkan dapat meningkatkan kualitas layanan pendidikan di SMK Islam Al-Futuhiyyah dan menjadi referensi bagi pengembangan sistem presensi berbasis teknologi di lembaga pendidikan lainnya===================================================Abstract : The development of information technology has a significant impact on the field of education, including in the student attendance system. This study aims to develop an Android-based student attendance application using the Location Based Services (LBS) method at SMK Islam Al-Futuhiyyah. The method used is Research and Development (R&D) with the Waterfall software development model, including needs analysis, design, implementation, testing, and evaluation. This application uses the Haversine method to measure the distance between the student's location and the school location, thus ensuring that attendance is carried out in a predetermined area. The test results show that this application has successfully validated attendance with high accuracy, where the Haversine Formula produces attendance accuracy of up to 100%. Black Box testing ensures that all application functions run according to specifications, while LBS testing proves accuracy in detecting student locations. In addition, based on User Acceptance Testing (UAT) involving students and teachers, this application received a satisfaction score of 81,7% This application also makes it easier for students to take attendance, while helping teachers and school operators to monitor and manage attendance data. The implementation of this application provides an effective and efficient solution to replace the less practical manual attendance method. This research is expected to improve the quality of educational services at Al-Futuhiyyah Islamic Vocational School and become a reference for the development of technology-based attendance systems in other educational institutions.

Home Page

OAI Link

Editorial Team

Contact

Reviewer

Google Scholar

Contact Name
Fendi Aji Purnomo

Contact Email
fendi_aji@mipa.uns.ac.id

Phone
-

Journal Mail Official
ijai@mipa.uns.ac.id

Editorial Address
-

Location
Kota surakarta,

Jawa tengah

INDONESIA

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Home Page

OAI Link

Editorial Team

Contact

Reviewer

Google Scholar

Contact Name Fendi Aji Purnomo

Contact Email fendi_aji@mipa.uns.ac.id

Phone -

Journal Mail Official ijai@mipa.uns.ac.id

Editorial Address -

Location Kota surakarta, Jawa tengah INDONESIA

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Contact Name
Fendi Aji Purnomo

Contact Email
fendi_aji@mipa.uns.ac.id

Phone
-

Journal Mail Official
ijai@mipa.uns.ac.id

Editorial Address
-

Location
Kota surakarta,

Jawa tengah

INDONESIA