Garuda - Garba Rujukan Digital

Optimasi Analisis Sentimen Ulasan Sunscreen di E-Commerce Menggunakan Algoritma SVM dan SMOTE Ayi Andini; Nining Rahaningsih; Raditya Danar Dana; Cep Lukman Rohmat
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.v9i2.96221

Abstrak : Analisis sentimen terhadap ulasan pengguna di e-commerce membantu produsen memahami kepuasan pelanggan. Penelitian ini bertujuan untuk menganalisis sentimen ulasan produk sunscreen di Facetology Official Shop menggunakan algoritma Support Vector Machine (SVM). Data ulasan dikumpulkan melalui scraping, diberi label secara manual, dan diproses menggunakan metode preprocessing seperti data cleaning, Case Folding, tokenizing, stopword removal, serta SMOTE untuk menyeimbangkan data. Ekstraksi fitur dilakukan dengan TF-IDF, dan SVM digunakan untuk mengklasifikasikan sentimen menjadi positif, negatif, dan netral. Hasil penelitian menunjukkan model SVM dengan kernel linear mencapai akurasi 93%, presisi keseluruhan 95%, recall 91%, dan F1-Score 93%. Pendekatan ini menunjukkan peningkatan performa model dengan akurasi 93% setelah penerapan SMOTE untuk penyeimbangan data. Sentimen mayoritas positif, mengindikasikan tingkat kepuasan tinggi, meskipun ada ulasan negatif terkait efek samping produk. Teknik preprocessing dan penyeimbangan data terbukti efektif dalam meningkatkan performa model. Pendekatan dapat diaplikasikan untuk analisis sentimen produk serupa guna mendukung pemahaman perusahaan terhadap konsumen==================================================Abstract :Sentiment analysis of user reviews on e-commerce platforms helps producers understand customer satisfaction. This study aims to analyze the sentiment of sunscreen product reviews in the Facetology Official Shop using the Support Vector Machine (SVM) algorithm. Review data were collected through scraping, manually labeled, and processed using preprocessing methods such as data cleaning, case folding, tokenizing, stopword removal, and SMOTE to balance the data. Feature extraction was performed using TF-IDF, and SVM was used to classify sentiments into positive, negative, and neutral categories. The results show that the SVM model with a linear kernel achieved an accuracy of 93%, an overall precision of 95%, a recall of 91%, and an F1-Score of 93%. This approach demonstrated improved model performance, with 93% accuracy achieved after applying SMOTE for data balancing. The majority of sentiments were positive, indicating a high level of customer satisfaction, although some negative reviews mentioned side effects of the product. The preprocessing techniques and data balancing proved effective in enhancing the model's performance. This approach can be applied to sentiment analysis of similar products to support companies in better understanding their consumers.

Pendekatan Hybrid: Naïve Bayes dan Decision Tree untuk Prediksi Kerusakan Mesin pada Industri Manufaktur PT X Iin Rohmatika Aulia; Arief Hermawan; Donny Avianto
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.v9i2.97905

Abstrak : Perkembangan teknologi sistem informasi banyak dirasakan di setiap sector ekonomi. PT X merupakan perusahaan manufaktur di bidang percetakan, dimana produktivitas dipengaruhi dari efisiensi mesin. Optimasi produktivitas mesin dapat dilakukan dengan prediktif maintenance. Penelitian ini bertujuan untuk mengembangkan teknik data mining dalam prediktif kerusakan mesin produksi. Fokus utama penelitian adalah untuk mengklasifikasi kerusakan mesin berdasarkan data historis pada PT X. Model klasifikasi yang akan dikembangkan menggunakan algoritma model Naïve Bayes dan Decision Tree. Dalam klasifikasi ada 2 label keputusan yaitu tingkat resiko (tinggi, sedang rendah) dan kegiatan preventif (Ya,Tidak) Evaluasi dilakukan dengan menilai akurasi dan efektivitas setiap model. Hasil uji klasifikasi preventif dengan model Naïve Bayes memiliki nilai akurasi 97,90 %, sedangkan dengan model Decision Tree memiliki nilai akurasi 77%. Hasil uji klasifikasi tingkat resiko dengan model Naïve Bayes nilai akurasi 98% sedangkan dengan model Decision Tree nilai akurasinya 100%. hasil uji menunjukan untuk label preventif dengan 2 kelas lebih baik menggunakan model Naïve Bayes sedangkan label tingkat resiko dengan 3 kelas lebih baik menggunakan model Decision Tree. Hasil uji ini dapat dijadikan acuan Perusahaan X khususnya divisi maintenance dalam melakukan penjadwalan prediktif maintenance. Metode ini juga dapat diterapkan pada Perusahaan lain jika memiliki data historis kerusakan mesin, memiliki mesin dengan jenis operasional yang relevan, dan memiliki tujuan dan klasifikasi yang sesuai.===================================================Abstract :The advancement of information system technology has significantly impacted all economic sectors. PT X, a manufacturing company in the printing industry, experiences productivity fluctuations that are strongly influenced by machine efficiency. Optimizing machine productivity can be achieved through predictive maintenance. This study aims to develop data mining techniques for predicting machine failures in production. The primary focus is to classify machine failures based on historical data from PT X. The classification models employed are the Naïve Bayes algorithm and the Decision Tree algorithm. Two classification labels are used: risk level (high, medium, low) and preventive action (Yes, No). Evaluation was conducted by measuring the accuracy and effectiveness of each model. The classification results for the preventive action label showed that the Naïve Bayes model achieved an accuracy of 97.90%, while the Decision Tree model reached 77%. For the risk level label, the Naïve Bayes model achieved 98% accuracy, and the Decision Tree model achieved 100%. The findings indicate that the Naïve Bayes model is more suitable for binary classifications such as preventive actions, while the Decision Tree model performs better in multi-class classifications such as risk levels. These results can serve as a reference for PT X’s maintenance division in scheduling predictive maintenance. Moreover, the method can be applied to other companies, provided they have historical machine failure data, machines with similar operational characteristics, and compatible classification objectives

Penerapan Algoritma K-Means Clustering untuk Klasterisasi Pola Kehadiran Pegawai Anom Danang Sumantri; Sattriedi Wahyu Binabar; Nurul Amalia
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.v10i1.110323

Abstrak : Analisis pola kehadiran pegawai merupakan langkah penting dalam memahami karakteristik perilaku waktu kehadiran di lingkungan kerja. Penelitian ini bertujuan untuk menganalisis pola kehadiran pegawai berdasarkan data absensi pegawai menggunakan algoritma K-Means clustering. Tahapan penelitian meliputi pengumpulan data, pra-pemrosesan data, klasterisasi, evaluasi dan visualisasi. Data absensi selama tiga bulan diolah melalui tahap pembersihan, diskretisasi, pembentukan, pembuatan atribut baru dan normalisasi untuk memastikan kualitas data. Proses klasterisasi dilakukan dengan jumlah 3 klaster bedasarkan hasil metode elbow. Evaluasi model menggunakan metode Davies–Bouldin Index (DBI) menghasilkan nilai sebesar 0,743. Hasil klasterisasi kemudian divisualisasikan menggunakan Power BI untuk mempermudah interpretasi pola kehadiran. Berdasarkan hasil tersebut, diperoleh 3 pola waktu kehadiran utama yaitu waktu kehadiran baik, cukup, dan kurang yang menggambarkan perbedaan karakteristik waktu kehadiran pegawai secara lebih jelas. Hasil penelitian ini memberikan pemahaman menyeluruh mengenai pola waktu kehadiran pegawai yang dapat dijadikan dasar untuk analisis lebih lanjut, seperti evaluasi kinerja dan kedisplinan.====================================================Abstract :Analysis of employee attendance patterns is an important step in understanding the characteristics of attendance behavior in the work environment. This study aims to analyze employee attendance patterns based on attendance data using the K-Means clustering algorithm. The research stages include data collection, data pre-processing, clustering, evaluation and visualization. Attendance data for 3 months is processed through the stages of cleaning, discretion, creation of new attributes and normalization to ensure data quality. The clustering process was carried out with a total of 3 clusters based on the results of the elbow method. The model evaluation using the Davies–Bouldin Index (DBI) method yielded a value of 0.743. The clustering results are then visualized using Power BI to make it easier to interpret attendance patterns. Based on these results, 3 main attendance time patterns were obtained, namely good, sufficient, and poor attendance time which depicts the differences in the characteristics of employee attendance time more clearly. The results of this study provide a comprehensive understanding of the pattern of employee attendance time which can be used as a basis for further analysis, such as performance and discipline evaluation.

Implementasi Convolutional Neural Network (CNN) untuk Face Recognition pada Sistem Presensi Kehadiran Moch Arif Rochmanullah; 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.v9i2.95563

Abstrak : Sistem presensi merupakan elemen penting dalam memastikan kehadiran, terutama di lingkungan pendidikan dan pekerjaan. Penelitian ini bertujuan mengembangkan sistem presensi berbasis face recognition menggunakan metode Convolutional Neural Network (CNN) untuk mengatasi kelemahan presensi manual yang rentan terhadap kecurangan, seperti di Prodi Teknik Informatika ITN Malang. Model CNN dilatih dengan deep learning menggunakan dataset wajah mahasiswa untuk mengenali pola unik fitur wajah. Hasilnya, model mencapai training accuracy sebesar 97%, validation accuracy sebesar 90%, dan pengujian mencapai accuracy 93%. Sistem ini meningkatkan efisiensi absensi dan akurasi identifikasi hingga 93%, sekaligus mengurangi potensi kecurangan.CNN terbukti andal dalam mendukung presensi berbasis teknologi dengan pengelolaan lebih praktis. Kendati demikian, performa model masih dapat ditingkatkan melalui pengayaan dataset dan optimasi model. Sistem ini berpotensi besar meningkatkan keandalan dan keamanan proses presensi, menjadi solusi inovatif dalam pengelolaan kehadiran di era digital.=====================================================Abstract :The attendance system is a crucial element in ensuring presence, especially in educational and workplace settings. This study aims to develop a face recognition-based attendance system using the Convolutional Neural Network (CNN) method to address the weaknesses of manual attendance prone to fraud, as observed in the Informatics Engineering Study Program at ITN Malang. The CNN model was trained using deep learning techniques with a student face dataset to recognize unique facial features. The results show the model achieved a training accuracy of 97%, validation accuracy of 90%, and testing accuracy of 93%. This system improves attendance efficiency and identification accuracy by 93%, while reducing the potential for fraud. CNN has proven reliable in supporting technology-based attendance with more practical management. However, the model’s performance can still be improved through dataset enrichment and optimization. This system holds significant potential to enhance the reliability and security of attendance processes, providing an innovative solution for managing attendance in the digital era.

Deteksi Dini Financial Distress Pada Perusahaan Sektor Teknologi di Bursa Efek Indonesia Menggunakan Artificial Neural Network dan Support Vector Machine Noviyanti Santoso; Ni Luh Eva Pradnyaningsih; Fausania Hibatullah
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.v9i2.98588

Abstrak : Kondisi ekonomi dan geopolitik di Indonesia diperkirakan akan memburuk pada beberapa tahun kedepan yang disebabkan oleh beberapa faktor diantaranya inflasi dan biaya operasional yang tinggi. Hal ini berdampak pada minat investor dalam berinvestasi pada perusahaan. Salah satu perusahaan yang paling berdampak besar adalah perusahaan sektor teknologi. Industri teknologi di Indonesia menghadapi tantangan pada pangsa pasar yang relatif rendah dibandingkan pasar global dimana banyak saham teknologi di Indonesia masih tertinggal jauh dibandingkan negara-negara maju. Akibat hal tersebut investor lebih memilih berinvestasi pada emiten yang minim risiko. Penurunan ini memengaruhi kemampuan perusahaan-perusahaan teknologi untuk menarik investasi yang dibutuhkan untuk bertahan dan berkembang. Beberapa perusahaan di sektor teknologi telah mengalami perubahan signifikan dalam kinerja keuangan mereka, menunjukkan adanya potensi kesulitan keuangan. Kesulitan keuangan terjadi ketika kinerja keuangan perusahaan menurun dari waktu ke waktu, yang pada gilirannya memengaruhi stabilitas sistem keuangan dan sumber daya manusia perusahaan. Oleh karena itu, penelitian ini bertujuan untuk memprediksi apakah perusahaan-perusahaan di sektor teknologi di Indonesia akan mengalami kesulitan keuangan di masa depan atau tidak dengan menggunakan metode Artificial Neural Network dan Support Vector Machine. Hasil penelitian menunjukkan bahwa ANN lebih unggul dalam memprediksi kinerja keuangan perusahaan dengan akurasi sebesar 95,65%, sensitivitas mencapai 100%, dan F1 Score yaitu 80%, lebih lanjut rasio PER memiliki pengaruh besar dalam memprediksi risiko ini. Selain itu, aplikasi berbasis web yang dikembangkan menggunakan Streamlit memungkinkan pengguna untuk mendeteksi dini kondisi keuangan perusahaan. =====================================================Abstract : The economic and geopolitical conditions in Indonesia are expected to deteriorate in the coming years due to several factors, including inflation and high operational costs. This affects investor interest in investing in companies. One of the most significantly impacted sectors is technology companies. The technology industry in Indonesia faces challenges with a relatively low market share compared to the global market, where many technology stocks in Indonesia lag significantly behind those in developed countries. As a result, investors prefer to invest in issuers with minimal risk. This decline affects the ability of technology companies to attract the investment needed to survive and grow. Some companies in the technology sector have experienced significant changes in their financial performance, indicating potential financial difficulties. Financial difficulties occur when a company's financial performance declines over time, which in turn affects the stability of the financial system and the company's human resources. Therefore, this study aims to predict whether technology companies in Indonesia will experience financial distress in the future using Artificial Neural Network and Support Vector Machine methods. The results of the study indicate that ANN outperforms other models in predicting the financial performance of companies with the accuracy reach 95,65%, perfect sensitivity of 100%, and F1 Score is 80%, with the PER ratio having a significant impact on forecasting this risk. Additionaly, the web-based application developed using Streamlit enables users to detect companies financial conditions early.

Monitoring Kinerja Virtual Machine pada Lingkungan Google Cloud Platform dengan Notifikasi ke Media Sosial Irna Widyaningsih; Abdul Haq; Tri Anggoro
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.v10i1.109143

Abstrak : Virtual Machine (VM) merupakan elemen penting dalam cloud computing karena mendukung fleksibilitas dan efisiensi pengelolaan sumber daya. Namun, lonjakan penggunaan VM dapat menurunkan kinerja jika tidak terdeteksi cepat. Penelitian ini mengembangkan sistem monitoring pada Google Cloud Platform (GCP) dengan Grafana yang terintegrasi Telegram untuk peringatan dini otomatis. Prometheus digunakan sebagai pengumpul metrik, sedangkan Grafana menampilkan visualisasi, berfokus pada pemantauan CPU secara real-time di Google Compute Engine (GCE). Notifikasi dikirim melalui Telegram ketika penggunaan CPU melewati ambang batas. Pengujian menunjukkan rata-rata keterlambatan notifikasi hanya 1 detik, kecuali satu anomali 11 detik. Pada skenario Threshold Validation, terjadi satu alert dengan CPU maksimum 37% dan rata-rata 29%, sedangkan Long Hold menghasilkan tiga alert dengan rata-rata 23,3% sesuai konfigurasi interval. Hasil ini membuktikan sistem mampu memberikan notifikasi hampir real-time, menjaga konsistensi, dan mendukung deteksi dini baik pada beban singkat maupun berkepanjangan di infrastruktur GCP.====================================================Abstract :Virtual Machines (VMs) are essential in cloud computing for flexibility and efficient resource management. However, sudden spikes in VM usage can degrade performance if not detected quickly. This study develops a monitoring system on Google Cloud Platform (GCP) using Grafana integrated with Telegram for automated early alerts. Prometheus collects metrics, while Grafana provides visualization, focusing on real-time CPU monitoring in Google Compute Engine (GCE). Alerts are sent via Telegram when CPU usage exceeds a set threshold. Testing shows an average notification delay of 1 second, except for a single 11-second anomaly. In the Threshold Validation scenario, one alert occurred with 37% maximum CPU and 29% average, while the Long Hold scenario produced three alerts with an average of 23.3%, following configured intervals. Results indicate the system delivers near real-time, consistent alerts and supports early detection under both short and sustained load conditions on GCP infrastructure.

Sistem Peramalan Penjualan Laptop Menggunakan Metode Weighted Moving Average (Studi Kasus Toko Markas Laptop) Bagas Anardi Surya; 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.v9i2.95711

Abstrak : Penelitian ini bertujuan untuk mengembangkan sebuah solusi teknologi informasi inovatif berupa sistem peramalan penjualan Laptop pada Toko Markas Laptop dengan menggunakan metode Weighted Moving Average berbasis website, sistem ini dirancang untuk meningkatkan efisiensi dan efektivitas proses peramalan penjualan, sehingga pemilik usaha dapat memantau penjualan dengan lebih mudah dan akurat. Melalui penerapan metode weighted moving average, peramalan penjualan dilakukan dengan memberikan bobot yang lebih besar pada data penjualan terbaru, sehingga hasil prediksi menjadi lebih sensitif terhadap tren terbaru yang diharapkan mampu mendukung pengelolaan usaha. Hasil penelitian ini menunjukkan bahwa aplikasi berbasis web ini memiliki Tingkat akurasi baik karena memiliki nilai Mean Absolute Percentage Error (MAPE) sebesar 28%, menunjukkan bahwa metode Weighted Moving Average dapat memberikan prediksi yang cukup andal untuk membantu pengambilan keputusan strategis terkait pengelolaan stok dan perencanaan penjualan.===================================================Abstract :This study aims to develop an innovative information technology solution in the form of a Laptop sales forecasting system at the Laptop Markas Shop using the website-based Weighted Moving Average method, this system is designed to improve the efficiency and effectiveness of the sales forecasting process, so that business owners can monitor sales more easily and accurately. Through the application of the weighted moving average method, sales forecasting is carried out by giving greater weight to the latest sales data, so that the prediction results become more sensitive to the latest trends which are expected to support business management. The results of this study show that this web-based application has a good level of accuracy because it has a Mean Absolute Percentage Error (MAPE) value of 28%, indicating that the Weighted Moving Average method can provide predictions that are reliable enough to help make strategic decisions related to stock management and sales planning.

Analisis UI/UX Bisnis Distro dengan Metode Design Thinking and Lean Start-Up Yudho Yudhanto; Winita Sulandari; Fiddin Yusfida A'La; Dedy Eka Timbul Prayoga; Aulia Miftakhul Qisti; Dimas Prasetyo Utomo; Saifu Rohman
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.v9i2.94801

Abstrak : Distro X, merupakan salah satu vendor konveksi dan suvenir. Distro X menghadapi berbagai tantangan, salah satunya adalah kebutuhan untuk meningkatkan visibilitas usaha di dunia digital. Salah satunya adalah memiliki website untuk memperluas jangkauan pasar dan meningkatkan omzet penjualan, serta memudahkan platform pencarian. Dalam perancangan ini menggunakan kombinasi metode Design Thinking dan Lean Startup, yang dikenal efektif untuk desain UI/UX di industri kecil dan menengah. Pendekatan Design Thinking menekankan pemahaman mendalam terhadap kebutuhan pengguna dan memungkinkan terciptanya desain yang berfokus pada user experience. Sementara itu, metode Lean Startup memfasilitasi iterasi cepat melalui prototyping dan validasi berulang, sehingga menghasilkan solusi yang lebih adaptif dan relevan dengan kebutuhan spesifik industri kecil dan menengah yang memiliki sumber daya terbatas. Kombinasi kedua pendekatan ini terbukti mampu menghasilkan desain UI/UX yang tidak hanya user-friendly, tetapi juga efisien dalam hal pengembangan dan biaya. Proses perancangan ini melibatkan tujuh tahapan, yaitu emphatize, define, ideate, prototype, test, learn, dan release. Setiap tahapan dilakukan dengan tujuan mendapatkan pemahaman mengenai kebutuhan pengguna, mengembangkan ide-ide inovatif, serta menguji desain secara langsung. Hasil dari tahapan tersebut adalah sebuah desain UI/UX website yang siap untuk dikembangkan oleh developer. Desain ini diwujudkan dalam bentuk prototype simulasi website yang memudahkan visualisasi sebelum implementasi penuh. Berdasarkan hasil usability test, desain UI/UX ini dinyatakan layak dengan tingkat kelayakan sebesar 80,2%. Secara detail hasil ini merupakan rerata dari faktor Learnability 73.4%, Flexibility 76.5%, Effectiveness 82.16%, Attitude 88.6%. Persentase ini menunjukkan bahwa desain yang dihasilkan telah memenuhi standar kelayakan usability yang baik, mengingat standar rata-rata tingkat kelayakan usability yang diterima secara umum adalah sekitar 70-75%. Dengan demikian, hasil ini menunjukkan bahwa desain UI/UX DIstro X berada di atas rata-rata, sehingga layak untuk dikembangkan lebih lanjut. Hal ini juga mengindikasikan bahwa pendekatan kombinasi Design Thinking dan Lean Startup memberikan kontribusi signifikan dalam menghasilkan desain yang efektif dan memenuhi ekspektasi pengguna, khususnya di industri kecil dan menengah.====================================================Abstract : Distro X is a vendor specializing in garment and souvenir production. Distro X faces various challenges, including the need to enhance its digital visibility. One of the key initiatives is to establish a website to expand market reach, boost sales, and facilitate discoverability through search engines. The design process for the website employed a combination of Design Thinking and Lean Startup methodologies, which are recognized for their effectiveness in UI/UX design within small and medium enterprises (SMEs). The Design Thinking approach emphasizes a deep understanding of user needs and allows for the creation of user-centered designs, while the Lean Startup methodology facilitates rapid iteration through prototyping and repeated validation, leading to more adaptive and relevant solutions tailored to the specific needs of SMEs with limited resources.The combination of these two approaches has proven effective in producing UI/UX designs that are not only user-friendly but also efficient in terms of development and cost. The design process involved seven stages: empathize, define, ideate, prototype, test, learn, and release. Each stage was undertaken with the aim of gaining a better understanding of user needs, developing innovative ideas, and directly testing the design. The outcome of these stages was a UI/UX design for the website, ready to be developed by the developer. This design was materialized in the form of a simulated prototype to facilitate visualization prior to full implementation. Based on the usability test results, the UI/UX design was deemed feasible with an overall usability score of 80.2%. Specifically, this result represents the average of the following factors: Learnability (73.4%), Flexibility (76.5%), Effectiveness (82.16%), and Attitude (88.6%). This percentage indicates that the produced design has met the standard for good usability, considering the general benchmark for usability acceptance ranges between 70-75%. Thus, these results show that the UI/UX design for DIstro X surpasses the average, making it suitable for further development. This also indicates that the combination of Design Thinking and Lean Startup approaches contributes significantly to generating an effective design that meets user expectations, particularly in small and medium industries.

Solusi Virtual Try-On Kacamata Berbasis AI dengan Integrasi Model Deep Learning untuk E-Commerce Fashion Arnata Nur Rasyid; Asmawati Asmawati; Widya Viona Septi Tanjung; 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.v10i1.110772

Abstrak : Banyak pengguna menghadapi kesulitan dalam memilih kacamata secara daring karena tidak dapat memastikan apakah model tertentu sesuai dengan bentuk wajah mereka. Masalah ini sering menimbulkan ketidakpuasan pelanggan dan tingginya tingkat pengembalian produk. Penelitian ini bertujuan untuk mengembangkan solusi Virtual Try-On kacamata berbasis kecerdasan buatan (AI), yang mengintegrasikan model deep learning untuk menciptakan pengalaman belanja daring yang lebih interaktif dan personal. Sistem bekerja dengan mendeteksi bentuk wajah dari foto yang diunggah pengguna menggunakan model Face Shape Detection yang telah dilatih dan mencapai akurasi hingga 89% kemudian memberikan rekomendasi kacamata yang paling cocok berdasarkan sistem rekomendasi Rule-Based. Setelah pengguna memilih salah satu produk dari daftar tersebut, sistem memanfaatkan AI Nano Banana untuk menggabungkan citra wajah dan produk kacamata secara realistis. Teknologi utama yang digunakan meliputi EfficientNetB2 sebagai model CNN utama, InsightFace untuk deteksi wajah presisi tinggi, dan AdamW sebagai algoritma optimasi. Hasil pengujian menunjukkan bahwa sistem ini efektif dalam menghasilkan visualisasi try-on yang akurat dan memuaskan, serta berpotensi meningkatkan konversi penjualan di platform e-commerce fashion.====================================================Abstract : Many users experience difficulty in selecting eyeglasses online due to the inability to determine whether a particular model suits their facial shape. This issue often results in customer dissatisfaction and high product return rates. This study aims to develop an AI-based virtual try-on solution for eyeglasses by integrating deep learning models to create a more interactive and personalized online shopping experience. The system functions by detecting the user’s face shape from an uploaded photo using a pre-trained Face Shape Detection model that achieves an accuracy of up to 89%, followed by a rule-based recommendation system that suggests the most suitable eyeglass frames. Once the user selects a product from the recommended list, the system utilizes AI Nano Banana to realistically generate a composite image of the user's face wearing the selected eyeglasses. The core technologies implemented include EfficientNetB2 as the primary CNN model for visual feature extraction, InsightFace for high-precision face detection, and AdamW as the optimization algorithm. Experimental results demonstrate that the system effectively generates accurate and realistic try-on visualizations, which are not only satisfactory to users but also have the potential to increase sales conversion rates in fashion e-commerce platforms.

Design and Implementation of SDN Firewall Using Pox Controller and Open vSwitch Eka Stephani Sinambela; Jesika L Manurung; Grace Agnes Kesya; Harli J Sinabutar; Istas Pratomo Manalu; Gerry italiano wowiling; Frengki Simatupang; Marojahan M.T Sigiro
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.v10i1.109296

Abstrak : Perkembangan Software-Defined Networking (SDN) menghadirkan paradigma baru dalam pengelolaan jaringan melalui pemisahan antara control plane dan data plane, yang memungkinkan penerapan mekanisme keamanan jaringan secara terpusat dan terprogram. Salah satu mekanisme keamanan penting dalam SDN adalah Firewall berbasis flow rules. Penelitian ini mengimplementasikan Firewall berbasis SDN dengan memanfaatkan POX Controller sebagai control plane dan Open vSwitch (OvS) sebagai data plane. Evaluasi dilakukan melalui skenario pengujian konektivitas yang melibatkan komunikasi antara controller, OvS, dan beberapa host dalam jaringan. Hasil pengujian menunjukkan bahwa seluruh skenario berjalan sesuai dengan aturan Firewall yang dirancang. Secara kuantitatif, mekanisme pemfilteran trafik berbasis IP Address mencapai tingkat keberhasilan 100%, ditunjukkan oleh keberhasilan pemblokiran akses dan tetap terjaganya konektivitas pada jalur yang diperbolehkan. Hasil ini membuktikan bahwa integrasi POX Controller dan OvS efektif digunakan sebagai Firewall sederhana berbasis SDN serta berpotensi dikembangkan untuk mekanisme keamanan yang lebih kompleks.==================================================Abstract :The development of Software-Defined Networking (SDN) introduces a new paradigm in network management by separating the control plane from the data plane, enabling centralized and programmable network security mechanisms. One essential security mechanism in SDN is a firewall based on flow rules. This study implements an SDN-based firewall using the POX Controller as the control plane and Open vSwitch (OvS) as the data plane. The system is evaluated through connectivity testing scenarios involving communication between the controller, OvS, and multiple hosts. Experimental results show that all test scenarios operate according to the defined firewall rules. Quantitatively, the IP address–based traffic filtering mechanism achieves a 100% success rate, as indicated by successful blocking of unauthorized access while maintaining permitted network connectivity. These results demonstrate that the integration of POX Controller and OvS is effective as a simple SDN-based firewall and has the potential to be extended to support more advanced network security mechanisms.

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