Garuda - Garba Rujukan Digital

Otomatisasi Pemberian Pakan Ikan Koi Berbasis IoT dengan ESP8266 dan Aplikasi Blynk Ila Aulia Rahmah; Joni Maulindar; Afu Ichsan Pradana
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.v9i2.95848

Abstrak : Ikan koi merupakan salah satu jenis ikan hias yang memerlukan perawatan intensif, khususnya dalam hal pemberian pakan secara rutin agar tumbuh dengan optimal. Kendala dalam menjaga jadwal pemberian pakan sering dialami oleh pemelihara, terutama yang memiliki mobilitas tinggi. Oleh karena itu, penelitian ini bertujuan merancang dan membangun prototype sistem otomatisasi pemberian pakan ikan koi berbasis Internet of Things (IoT) yang dapat dikontrol melalui aplikasi Blynk pada perangkat mobile. Sistem ini menggunakan mikrokontroler ESP8266 untuk mengatur mekanisme pengeluaran pakan yang dioperasikan dengan motor servo. Dengan sistem otomatis ini, pemberian pakan dapat dilakukan pada waktu yang telah ditentukan secara konsisten, sehingga kesehatan dan pertumbuhan ikan koi dapat terjaga. Prototype ini dirancang menggunakan metode waterfall yang mencakup tahap analisis sistem, perancangan, implementasi, dan pengujian. Hasil pengujian menunjukkan bahwa sistem ini dapat bekerja secara efektif sesuai jadwal yang diatur dari jarak jauh dengan tingkat keberhasilan sistem sebesar 95% dan keterlambatan koneksi pada jaringan rata-rata 1 detik.===================================================Abstract :Koi fish are a type of ornamental fish that require intensive care, particularly in maintaining a regular feeding schedule to support optimal growth. Maintaining a consistent feeding schedule is often a challenge for keepers, especially those with high mobility. Therefore, this research aims to design and build a prototype of an automated koi fish feeding system based on the Internet of Things (IoT) that can be controlled through the Blynk application on mobile devices. The system uses the ESP8266 microcontroller to regulate the feed dispensing mechanism operated by a servo motor. With this automated system, feeding can be performed consistently at predetermined times, ensuring the health and growth of the koi fish. The prototype is designed using the waterfall method, which includes the stages of system analysis, design, implementation, and testing. The test results show that the system can operate effectively according to the remotely set schedule, with a system success rate of 95% and an average network connection delay of 1 second.

Back Matter IJAI Vol. 9 No. 2 2025 ijai ijai
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

Pemodelan Prediktif Emisi CO2 Kendaraan Kanada: Studi Komparatif Neural Network dan Support Vector Machine Rifki Nur Hidayat Putra; Nindya Dwi Lestari; Dinda Aprillia; Sumanto Sumanto; Imam Budiawan; Roida Pakpahan
IJAI (Indonesian Journal of Applied Informatics) Vol 10, No 1 (2025)
Publisher : Universitas Sebelas Maret

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20961/ijai.v10i1.110736

Abstrak : Sektor transportasi merupakan penyumbang emisi karbon dioksida (CO2) terbesar yang memperparah perubahan iklim. Penelitian ini bertujuan mengembangkan model prediktif yang akurat untuk memperkirakan emisi CO2 kendaraan dengan memanfaatkan pendekatan pembelajaran mesin. Dataset yang digunakan adalah data emisi kendaraan Kanada dari Kaggle. Metode yang diterapkan adalah Support Vector Machine (SVM) dan Neural Network untuk menganalisis pola kompleks dari berbagai parameter teknis kendaraan, seperti ukuran mesin, jumlah silinder, dan jenis transmisi. Hasil penelitian menunjukkan bahwa Neural Network secara konsisten unggul dibandingkan SVM dengan tingkat akurasi prediksi melebihi 90% dan nilai F1-score mencapai 0,831 untuk model SVM serta 0,954 untuk model Neural Network, yang menunjukkan kinerja klasifikasi yang kuat dan konsisten. Neural Network juga terbukti lebih baik dalam menangkap hubungan non-linier antara karakteristik kendaraan dan emisi CO2. Keberhasilan model ini membuka peluang pengembangan model prediktif yang lebih canggih serta dapat menjadi dasar bagi pembuat kebijakan dalam merancang regulasi emisi yang lebih akurat dan berbasis data.=====================================================Abstract :The transportation sector is the largest contributor to carbon dioxide (CO2) emissions that exacerbate climate change. This research aims to develop an accurate predictive model to estimate vehicle CO2 emissions by utilizing a machine learning approach. The dataset used is Canadian vehicle emissions data from Kaggle. The methods applied are Support Vector Machine (SVM) and Neural Network to analyze complex patterns of various vehicle technical parameters, such as engine size, number of cylinders, and transmission type. The results showed that the Neural Network consistently excelled over SVM with a prediction accuracy rate exceeding 90% and an F1-score value of 0.831 for the SVM model and 0.954 for the Neural Network model, indicating a strong and consistent classification performance. Neural networks have also been shown to be better at capturing the non-linear relationship between vehicle characteristics and CO2 emissions. The success of this model opens up opportunities for the development of more sophisticated predictive models and can serve as a basis for policymakers to design more accurate and data-driven emissions regulations.

Implementasi Algoritma Genetika untuk Penjadwalan Praktikum Laboratorium Legming Dwi Anggraini; Ali Mahmudi; 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.v9i2.95560

Abstrak : Penjadwalan praktikum laboratorium untuk membagi asisten sebagai pengajar dan pendamping berdasarkan ketersediaannya masih dilakukan secara manual menggunakan microsoft excel sehingga rawan terjadi kesalahan dan memerlukan waktu yang lebih. Sistem penjadwalan algoritma genetika dibuat guna membantu proses penjadwalan agar lebih efisien. Proses penjadwalan praktikum menggunakan algoritma genetika dengan kriteria asisten harus dijadwalkan sebagai pengajar maupun pendamping dalam keadaan tersedia. Dalam penelitian ini, parameter-parameter yang digunakan yaitu ukuran populasi sebanyak 20 individu dalam 50 generasi, serta nilai probabilitas crossover yang digunakan 0.8 dan probabilitas mutasi sebesar 0.1 yang mana menghasilkan nilai fitness 0.5 pada generasi terakhir. Nilai fitness ini merepresentasikan tingkat optimalitas solusi, di mana semakin tinggi nilai fitness, semakin sedikit pelanggaran terhadap kriteria penjadwalan. Dalam penelitian ini, nilai fitness 0.5 menunjukkan bahwa hanya terdapat 1 pelanggaran dari total 18 penempatan, sehingga menghasilkan nilai akurasi penjadwalan sebesar 94.44%.==================================================Abstract : Scheduling laboratory practicals to divide assistants as teachers and assistants based on availability is still done manually using Microsoft Excel so it is prone to errors and requires more time. The genetic algorithm scheduling system was created to help the scheduling process become more efficient. The practicum scheduling process uses a genetic algorithm with the criteria that assistants must be scheduled as teachers or assistants when available. In this research, the parameters used are a population size of 20 individuals in 50 generations, as well as a crossover probability value of 0.8 and a mutation probability of 0.1, which produces a fitness value of 0.5 in the last generation. This fitness value represents the level of optimality of the solution, where the higher the fitness value, the fewer violations of the scheduling criteria. In this research, a fitness value of 0.5 indicates that there was only 1 violation out of a total of 18 placements, resulting in a scheduling accuracy value of 94.44%

Pengaruh Game Shopee Cocoki Sebagai Media Gamifikasi Terhadap Minat Beli Pengguna Bhustomy Hakim; Ferdian Aditya Pratama; Jonathan Mikhael Anthony
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.v9i2.98132

Abstrak : Di era 4.0 ini, 88% masyarakat Indonesia menggunakan aplikasi e-commerce untuk melakukan jual beli. Banyak aplikasi e-commerce yang tersedia seperti Shopee, Tokopedia, BliBli, BukaLapak, dan Lazada. Gamifikasi merupakan salah satu cara tim pengembang aplikasi untuk membuat strategi agar e-commerce dapat bersaing dan tetap digunakan dan menambah customer engagement. Shopee merupakan aplikasi e-commerce yang aktif mengembangan gamifikasi seperti adanya Goyang Shopee, Shopee Tanam, dan yang terbaru adalah Shopee Cocoki. Shopee Cocoki merupakan permainan mencocokan 3 kartu gambar dengan beberapa opsi bantuan langkah sebagai strategi untuk menyelesaikannya. Gameplay-nya mungkin terdengar mudah, akan tetapi Shopee Cocoki viral karena kesulitannya yang membuat pemain stress dan tertantang untuk memainkannya. Namun dengan opsi bantuan langkah seperti shuffle, revive, undo, dan mengeluarkan 3 kartu gambar dari slot, permainan menjadi mungkin dapat dimenangkan. Uniknya, pemain harus membagikan pesan tentang permainan ke pengguna lain atau melihat-lihat katalog barang atau produk yang disediakan untuk mendapatkan opsi bantuan tersebut. Mekanisme ini jelas sejalan dengan tujuan gamifikasi Shopee Cocoki: untuk meningkatkan niat pembelian di antara pengguna. Mengingat fenomena ini, sebuah penelitian dilakukan untuk menguji pengaruh Shopee Cocoki sebagai fitur gamifikasi terhadap niat pembelian pengguna. Metode Intrinsic Motivation Inventory (IMI) digunakan, dengan fokus pada kriteria seperti Minat/Kenikmatan, Upaya/Pentingnya, Pilihan yang Dirasakan, dan Nilai/Kegunaan. Pengumpulan data dilakukan dengan menggunakan kuesioner, dan hasilnya divalidasi menggunakan rumus Cronbach's Alpha. Nilai kritis ditetapkan sebesar 0,7, dan skor Cronbach's Alpha untuk setiap indikator adalah sebagai berikut: 0,898 untuk Minat/Kenikmatan, 0,915 untuk Upaya/Pentingnya, 0,923 untuk Pilihan yang Dirasakan, dan 0,883 untuk Nilai/Kegunaan. Gamifikasi Shopee Cocoki meningkatkan minat pembelian secara signifikan, tercermin dalam kenaikan rasio konversi (rasio penambahan barang ke keranjang belanja) sebesar 13,82%, yang merupakan peningkatan penting.==================================================Abstract : In the 4.0 era, 88% of Indonesians use e-commerce applications for buying and selling activities. Various e-commerce platforms are available, such as Shopee, Tokopedia, BliBli, BukaLapak, and Lazada. Gamification has become a key strategy for app development teams to keep e-commerce platforms competitive, increase customer engagement, and maintain user retention. Shopee, in particular, actively incorporates gamification features like Goyang Shopee, Shopee Tanam, and its latest addition, Shopee Cocoki. Shopee Cocoki is a game where players match three picture cards using several assist options to complete the challenge. While the gameplay may seem simple, Shopee Cocoki has gone viral due to its high difficulty, which leaves players feeling stressed yet challenged to keep playing. Assistance options such as shuffle, revive, undo, and removing three cards from the slot make the game winnable. However, players must share game-related messages with other users or browse through product catalogs to obtain these assistance options. This mechanism clearly aligns with the gamification objective of Shopee Cocoki: to boost purchase intention among users. Given this phenomenon, a study was conducted to examine the influence of Shopee Cocoki as a gamification feature on users’ purchase intentions. The Intrinsic Motivation Inventory (IMI) method was employed, focusing on criteria such as Interest/Enjoyment, Effort/Importance, Perceived Choice, and Value/Usefulness. Data collection was carried out using questionnaires, and the results were validated using the Cronbach’s Alpha formula. The critical value was set at 0.7, and the Cronbach's Alpha scores for each indicator were as follows: 0.898 for Interest/Enjoyment, 0.915 for Effort/Importance, 0.923 for Perceived Choice, and 0.883 for Value/Usefulness. Gamification of Shopee Cocoki significantly increased purchase intention, reflected in a 13.82% rise in conversion rate (the rate of adding items to the shopping cart), which is a notable improvement.

Analisis Perbandingan Algoritma Decision Tree dengan Random Forest dalam Deteksi Bot DDOS Kristianto Pratama Dessan Putra; Rianto Rianto; EIH Ujianto
IJAI (Indonesian Journal of Applied Informatics) Vol 10, No 1 (2025)
Publisher : Universitas Sebelas Maret

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20961/ijai.v10i1.103161

Abstrak : Tingkat penetrasi internet yang semakin meningkat setiap tahunnya juga berpengaruh pada banyaknya peralihan layanan dari konvensional ke platform internet. Peralihan layanan tersebut terbukti membawa dampak baik, seperti meningkatnya volume penjualan produk. Namun, di sisi lain dengan semakin banyaknya peralihan layanan ke platform internet maka semakin banyak pula celah-celah keamanan yang dapat dieksploitasi, salah satunya serangan bot DDos. Oleh karena itu, diperlukan adanya sistem yang mampu mendeteksi serangan bot DDos dan algoritma yang akan dianalisis dalam penelitian ini adalah Decision Tree dan Random Forest. Penelitian ini akan membandingkan kedua algoritma tersebut untuk menentukan algoritma yang paling optimal dalam mendeteksi serangan bot DDos. Penelitian ini menggunakan dua dataset dalam proses implementasi algoritma, yaitu KDD CUP 1999 dan CICIDS 2017. Ruang lingkup dari perbandingan kedua algoritma meliputi tingkat akurasi dan durasi waktu pemrosesan data. Hasil dari penelitian menunjukkan bahwa algoritma Random Forest unggul tipis dalam hal tingkat akurasi dibandingkan dengan Decision Tree, yaitu 0.9998 untuk Random Forest berbanding 0.9997 untuk Decision Tree. Namun, algoritma Decision Tree unggul jauh dalam hal durasi waktu dibandingkan dengan Random Forest, yaitu 20-30 detik untuk Decision Tree berbanding 210-300 detik untuk Random Forest. Hal tersebut dapat terjadi dikarenakan Random Forest memproses lebih banyak pohon kemungkinan dibandingkan Decision Tree.=============================================Abstract : The increasing internet penetration each year also affects the shift of services from conventional methods to internet platforms. This shift has proven to bring positive impacts, such as an increase in product sales volume. However, there are increasingly more security vulnerabilities that can be exploited, such as DDoS bot attacks. Therefore, a system that capable to detect bot DDoS attacks is needed. This study compares these two algorithms (Decision Tree and Random Forest) to determine which is the most optimal for detecting bot DDoS attacks. The scope of the comparison includes accuracy levels and data processing time. The results show that Random Forest slightly outperforms Decision Tree in terms of accuracy, with a score of 0.9998 for Random Forest compared to 0.9997 for Decision Tree. However, Decision Tree is significantly superior in processing time compared to Random Forest (20–30 seconds for Decision Tree versus 210–300 seconds for Random Forest). This occurs because Random Forest processes more trees than Decision Tree.

Analisis Sentimen Potensi Gempa Megathrust di Indonesia Menggunakan Random Forest Mikhael Christian; Agung Panji Sasmito; Hani Zulfia Zahro'
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.v9i2.95469

Abstrak :Pada bulan Agustus tepatnya di tahun 2024, berita mengenai adanya potensi gempa megathrust di Indonesia membuat kalangan warga internet heboh salah satunya di media sosial X. Hal ini menimbulkan kekhawatiran dan adanya perbedaan sudut pandang dalam menanggapi berita ini di kalangan masyarakat terlebih para pengguna media sosial. Dikarenakan Indonesia sendiri memiliki 13 zona subduksi yang tersebar di beberapa wilayah. Zona subduksi sendiri merupakan pertemuan antar lempeng besar yang saling bertubrukan dan dapat mengakibatkan gempa megathrust. Akan tetapi, terdapat dua zona yang hangat diperbincangkan, yaitu Megathrust Mentawai-Siberut dan Selat Sunda. Penelitian ini bertujuan untuk mengevaluasi reaksi masyarakat online dalam menanggapi isu megathrust. Pendekatan yang akan digunakan dalam penelitian ini adalah metode Random Forest, yang dikenal mampu menangani data yang besar dan akurasi yang dihasilkan tinggi. Tahapan pengolahan data meliputi pembersihan teks (cleaning), case folding, normalisasi, tokenisasi, penghapusan stopword, stemming, serta adanya evaluasi model. Data yang digunakan untuk melakukan pelatihan dan pengujian berasal dari tweet dengan kata kunci megathrust. Hasil pengujian menggunakan data latih sebanyak 136 data dan menghasilkan nilai recall 84.38%, precision sebesar 71.05%, dan accuracy sebesar 63.24% dalam mengklasifikasikan sentimen netral. Penelitian ini diharapkan dapat membantu lembaga pemerintahan dan organisasi sadar bencana memahami persepsi masyarakat di dunia maya. Dengan wawasan ini, lembaga terkait dapat lebih efektif dalam merancang strategi komunikasi, penyuluhan, serta mitigasi risiko, sehingga mendukung peningkatan kesiapsiagaan bencana di Indonesia.===================================================Abstract :In August, in 2024, news of a potential megathrust earthquake in Indonesia caused a stir among internet citizens, including on social media X. This caused concern and different perspectives on this news among the public, especially social media users. This caused concern and different points of view in responding to this news among the public, especially social media users. Indonesia itself has 13 subduction zones spread across several regions. The subduction zone itself is a meeting between large plates that collide with each other and can cause megathrust earthquakes. However, there are two zones that are hotly discussed, namely the Mentawai-Siberut Megathrust and the Sunda Strait. This study aims to evaluate the reaction of online communities in responding to the megathrust issue. The approach that will be used in this research is the Random Forest method, which is known to be able to handle large data and high accuracy. Data processing stages include text cleaning, case folding, normalization, tokenization, stopword removal, stemming, and model evaluation. The data used to conduct training and testing comes from tweets with megathrust keywords. The test results used 136 training data and produced a recall value of 84.38%, precision of 71.05%, and accuracy of 63.24% in classifying neutral sentiment. This research is expected to help government agencies and disaster awareness organizations understand public perception in cyberspace. With this insight, related institutions can be more effective in designing communication strategies, counseling, and risk mitigation, thus supporting the improvement of disaster preparedness in Indonesia

Optimalisasi Klasterisasi Tenaga Kesehatan Menggunakan K-Means dan Davies Bouldin Indexs Ayura Yufita; Rudi Kurniawan; Yudhistira Arie Wijaya; Tati Suprapti
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.v9i2.96645

Abstrak : Optimalisasi model pengelompokan data tenaga kesehatan adalah langkah strategis untuk memahami pola dan karakteristik kelompok data tertentu. Tujuan dari penelitian ini adalah untuk mendapatkan nilai K optimal menurut Davies Bouldin Indeks (DBI), mendapatkan nilai iterasi yang diperlukan oleh algoritma K-Means Clustering untuk mencapai hasil yang optimal, dan menentukan jenis metrik apa yang akan menghasilkan nilai (DBI) yang paling kecil. Hal ini penting karena penelitian ini membantu perencanaan distribusi tenaga kesehatan yang lebih efisien di wilayah Jawa Barat denfan menghasilkan klaster optimal berbasis K-Means dan Optimize Parameter Grid. Penggunaan metode Knowledge Discovery in Database (KDD), yang mencakup proses pemilihan, praproses, transformasi, data mining, dan interpretasi/ evaluasi hasil. Hasil penelitian ditunjukkan pada iterasi 1-10 menggunakan K=2 dengan nilai DBI terendah sebesar 0,377.====================================================Abstract : Optimisation of health worker data clustering model is a strategic step to understand the patterns and characteristics of certain data groups. The objectives of this study are to obtain the optimal K value according to the Davies Bouldin Index (DBI), obtain the iteration value required by the K-Means Clustering algorithm to achieve optimal results, and determine what type of metric will produce the smallest (DBI) value. This is important because this research helps to plan a more efficient distribution of health workers in the West Java region by producing optimal clusters based on K-Means and Optimise Parameter Grid. The use of Knowledge Discovery in Database (KDD) method, which includes the process of selection, preprocessing, transformation, data mining, and interpretation/evaluation of results. The results showed in iterations 1-10 using K=2 with the lowest DBI value of 0.377.

Rancang Bangun Sistem Presensi Karyawan Lazismu UMG Berbasis Geolocation Menggunakan Metode Waterfall Sasak Pamuji Santoso; Umi Chotijah
IJAI (Indonesian Journal of Applied Informatics) Vol 10, No 1 (2025)
Publisher : Universitas Sebelas Maret

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20961/ijai.v10i1.109223

Abstrak : Penelitian ini bertujuan merancang dan membangun sistem presensi karyawan Lazismu Universitas Muhammadiyah Gresik (UMG) berbasis geolocation sebagai solusi atas keterbatasan metode manual yang kurang efisien, rawan manipulasi, dan lambat dalam rekapitulasi. Model Waterfall digunakan dalam proses pengembangan sistem, yang terdiri atas tahapan analisis kebutuhan, perancangan sistem, implementasi program, pengujian fungsional, serta tahap pemeliharaan. Teknologi geolocation diintegrasikan untuk memvalidasi lokasi absensi dalam radius tertentu, sehingga meningkatkan akurasi pencatatan kehadiran. Pengujian black box membuktikan bahwa seluruh fungsi telah sesuai dengan kebutuhan, sementara uji usability menggunakan System Usability Scale (SUS) memperoleh skor rata-rata 87 yang dikategorikan sebagai excellent. Dengan demikian, sistem ini dinilai layak dan efektif digunakan untuk mendukung digitalisasi manajemen kehadiran karyawan di Lazismu UMG.===================================================Abstract : This study aims to design and develop an employee attendance system for Lazismu Universitas Muhammadiyah Gresik (UMG) based on geolocation as a solution to the limitations of the manual method, which is less efficient, prone to manipulation, and slow in data recapitulation. The system was developed using the Waterfall model, consisting of requirements analysis, system design, program implementation, functional testing, and maintenance stages. Geolocation technology was integrated to validate attendance locations within a specific radius, thereby improving the accuracy of attendance records. Black box testing demonstrated that all functions operated according to requirements, while usability testing using the System Usability Scale (SUS) achieved an average score of 87, categorized as excellent. Therefore, the system is considered feasible and effective to support the digitalization of employee attendance management at Lazismu UMG.

Perancangan Sistem Informasi Yayasan Kurnia Asih Jombang untuk Transparansi Pengelolaan Donasi dengan Metode Waterfall Winarti Winarti; Arifuddin Arifinda Adhara; Budiman Budiman
IJAI (Indonesian Journal of Applied Informatics) Vol 10, No 1 (2025)
Publisher : Universitas Sebelas Maret

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20961/ijai.v10i1.108177

Abstrak : Penelitian ini bertujuan untuk merancang dan membangun sistem informasi pengelolaan donasi berbasis web pada Yayasan Kurnia Asih Jombang guna meningkatkan efisiensi, akurasi, dan transparansi dalam pengelolaan dana. Metode pengembangan yang digunakan adalah Waterfall, yang meliputi tahap analisis kebutuhan, perancangan, implementasi, pengujian, dan pemeliharaan. Data dikumpulkan melalui observasi, wawancara, dan studi dokumentasi. Sistem dikembangkan menggunakan PHP, MySQL, HTML, CSS, Bootstrap, dan JavaScript, dengan fitur utama berupa manajemen donatur, pencatatan donasi, publikasi program, serta laporan keuangan otomatis. Pengujian fungsional dengan Black Box Testing menunjukkan seluruh fitur berjalan sesuai spesifikasi. Uji usability menggunakan System Usability Scale (SUS) memperoleh skor rata-rata 80,5, yang berada pada kategori “Baik” dan di atas standar kelayakan (68). Hasil ini menunjukkan bahwa sistem mudah digunakan, relevan dengan kebutuhan pengguna, serta mampu meningkatkan kepercayaan donatur melalui penyediaan informasi yang cepat dan akurat. ==================================================Abstract :This study aims to design and develop a web-based donation management information system for the Kurnia Asih Foundation in Jombang to improve efficiency, accuracy, and transparency in fund management. The development method used is the Waterfall model, which includes requirement analysis, system design, implementation, testing, and maintenance. Data were collected through observation, interviews, and documentation studies. The system was developed using PHP, MySQL, HTML, CSS, Bootstrap, and JavaScript, featuring donor management, donation recording, program publication, and automated financial reporting. Functional testing using Black Box Testing confirmed that all features operated according to specifications. Usability testing with the System Usability Scale (SUS) produced an average score of 80.5, classified as “Good” and above the acceptability threshold (68). These results indicate that the system is easy to use, relevant to user needs, and capable of enhancing donor trust by providing fast and accurate information.

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