cover
Contact Name
Bahar
Contact Email
bahararahman@gmail.com
Phone
-
Journal Mail Official
puslit.stmikbjb@gmail.com
Editorial Address
-
Location
Kota banjarmasin,
Kalimantan selatan
INDONESIA
Progresif: Jurnal Ilmiah Komputer
ISSN : 02163284     EISSN : 26850877     DOI : -
Progresif: Jurnal Ilmiah Komputer adalah Jurnal Ilmiah bidang Komputer yang diterbitkan secara periodik dua nomor dalam satu tahun, yaitu pada bulan Februari dan Agustus. Redaksi Progresif: Jurnal Ilmiah Komputer menerima Artikel hasil penelitian atau atau artikel konseptual bidang Komputer.
Arjuna Subject : -
Articles 476 Documents
Implementasi Algoritma K-Means dalam Klasterisasi Penjualan Lauk Masakan Padang Putri, Dewi Eka; Putra, Dede Wira Trise; Mandala, Eka Praja Wiyata
Progresif: Jurnal Ilmiah Komputer Vol 21, No 1: Februari 2025
Publisher : STMIK Banjarbaru

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35889/progresif.v21i1.2459

Abstract

Culinary development in Indonesia is very rapid, increasing competition among culinary entrepreneurs. Side dish sales at RM Takana Juo are problematic in stock management due to lack of understanding of sales patterns. This research proposes the use of K-Means algorithm to cluster side dish sales based on parameters that focus on initial stock and number sold. This research begins with the collection of side dish sales datasets, determination of the optimal number of clusters, and application of the K-Means algorithm to group side dishes into two clusters: side dish clusters with higher initial stock and sales and side dish clusters with relatively low initial stock and sales. The results showed that the sales of 20 Padang cuisine side dishes at RM Takana Juo were successfully grouped into the two clusters. The validation of the method's performance showed an average Silhouette Score value of 0.57 which indicates that the K-Means algorithm successfully clustered the data quite well. This research contributes specifically in planning the procurement of Padang cuisine side dishes in organizing daily stock to reduce waste.Keywords: Clusterization; K-Means; Side Dish Sales; Padang Cuisine; Sales Pattern AbstrakPerkembangan kuliner di Indonesia sangat pesat sehingga meningkatkan persaingan antar pengusaha kuliner. Penjualan lauk di RM Takana Juo bermasalah dalam pengelolaan stok karena kurangnya pemahaman pola penjualan. Penelitian ini mengusulkan penggunaan algoritma K-Means untuk mengelompokkan penjualan lauk berdasarkan parameter yang fokus pada stok awal dan jumlah terjual. Penelitian ini dimulai dengan pengumpulan dataset penjualan lauk, penentuan jumlah klaster optimal, dan penerapan algoritma K-Means untuk mengelompokkan lauk ke dalam dua klaster yaitu klaster lauk dengan stok awal dan penjualan yang lebih tinggi dan klaster lauk dengan stok awal dan penjualan yang relatif rendah. Hasil penelitian menunjukkan bahwa penjualan 20 lauk masakan Padang di RM Takana Juo berhasil dikelompokkan ke dalam dua klaster tersebut. Validasi kinerja metode menunjukkan nilai rata-rata Silhouette Score sebesar 0.57 yang mengindikasikan bahwa algoritma K-Means berhasil mengelompokkan data dengan cukup baik. Penelitian ini berkontribusi spesifik dalam merencanakan pengadaan lauk masakan Padang dalam mengatur stok harian untuk mengurangi pemborosan.Kata kunci: Klasterisasi; K-Means; Penjualan Lauk; Masakan Padang; Pola Penjualan
Penerapan K-Means Clustering dalam Pemetaan Titik Kecelakaan Lalu Lintas di Kecamatan Bawen Doke, Christian Alessandro; Chernovita, Hanna Prillysca
Progresif: Jurnal Ilmiah Komputer Vol 21, No 1: Februari 2025
Publisher : STMIK Banjarbaru

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35889/progresif.v21i1.2396

Abstract

With the high traffic flow in Bawen sub-district, traffic accidents are one of the unavoidable events. With so many accident cases in Bawen sub-district, the use of accident data in identifying areas based on traffic accident vulnerability is still very minimal. Therefore, this study was conducted to group and map the Bawen sub-district area based on the level of vulnerability to traffic accidents using the k-means clustering algorithm. The results of this study divide the areas in Bawen sub-district into three clusters, namely very accident-prone, accident-prone and somewhat accident-prone. To validate the use of K-means clustering, the Davies Boulder index method was used. From the use of this method, it is found that the use of K-means clustering with the number of 3 clusters is more optimal than the number of other clusters. With this research, it is hoped that it can help the local government and police in making policies for driving in the area.Keywords: Accidents hotspots; Geographic Information System; K-Means Clustering AbstrakDengan tingginya arus lalu lintas pada kecamatan Bawen, kecelakaan lalu lintas adalah salah satu kejadian yang tidak dapat dipisahkan. Dengan banyaknya kasus kecelakaan pada kecamatan bawen, penggunaan data kecelakaan dalam melakukan identifikasi daerah berdasarkan kerawanan kecelakaan lalu lintas masih sangat minim. Oleh karena itu, penelitian ini dilakukan untuk melakukan pengelompokkan dan pemetaan daerah kecamatan Bawen berdasarkan tingkat rawan kecelakaan lalu lintas menggunakan algoritma k-means clustering. Hasil dari penelitian ini membagi daerah-daerah pada kecamatan Bawen menjadi tiga klaster, yaitu sangat rawan kecelakaan, rawan kecelakaan dan agak rawan kecelakaan. Untuk memvalidasi penggunaan K-means Clustering, digunakan metode Davies Boulder index. Dari penggunaan metode ini, didapatkan hasil bahwa penggunaan K-means Clustering dengan jumlah 3 klaster lebih optimal dibandingkan jumlah klaster yang lainnya. Dengan adanya penelitian ini, diharapkan dapat membantu pemerintah dan kepolisian setempat dalam membuat kebijakan dalam berkendara pada area tersebutKata Kunci: K-Means Clustering; Sistem Informasi Geografis; Titik rawan kecelakaan
Pengembangan Sistem Informasi Manajemen Arsip Tidak Aktif Menggunakan Metode Agile Mustopa, Ali; Maulana, Muhammad Sony; Nurmalasari, Nurmalasari; Bedong, Adrianus Ixnasius; Nurjannah, Nurjannah
Progresif: Jurnal Ilmiah Komputer Vol 21, No 1: Februari 2025
Publisher : STMIK Banjarbaru

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35889/progresif.v21i1.2500

Abstract

The management of inactive records in government institutions often faces challenges such as limited storage space, difficulties in document retrieval, and the risk of physical damage. This study aims to develop a digital-based Inactive Records Management Information System (SIMATA) as a solution to these problems. The Agile Method was applied in the development process, which included the stages of Planning, Design, Development, Testing, Deployment, and Review. SIMATA is designed to support record digitization, cloud-based storage, and fast and accurate document retrieval. Testing results indicate that the system can improve record management efficiency by up to 50%, reduce physical storage costs, and provide better document accessibility. The evaluation using the System Usability Scale (SUS) resulted in an average score of 82.14 (B+ category, Excellent), reflecting a high level of usability. With its integrated features, SIMATA is considered relevant for enhancing work efficiency and modernizing record management at the West Kalimantan Library and Archives Office. This study highlights the importance of digitization in improving the effectiveness of records management in government institutions.Keywords: Records Management; Inactive Records; Record Digitization; Agile Method; System Usability Scale  AbstrakPengelolaan arsip tidak aktif di instansi pemerintah sering menghadapi kendala seperti keterbatasan ruang penyimpanan, kesulitan dalam penelusuran dokumen, dan risiko kerusakan fisik dokumen. Penelitian ini bertujuan untuk mengembangkan Sistem Informasi Manajemen Arsip Tidak Aktif (SIMATA) berbasis digital sebagai solusi untuk mengatasi masalah tersebut. Pendekatan Metode Agile digunakan dalam pengembangan meliputi tahapan Perencanaan, Desain, Pengembangan, Pengujian, Penerapan dan Peninjauan. SIMATA dirancang untuk mendukung digitalisasi arsip, penyimpanan berbasis cloud, dan pencarian dokumen yang cepat dan akurat. Hasil pengujian menunjukkan bahwa sistem ini mampu meningkatkan efisiensi pengelolaan arsip hingga 50%, menurunkan biaya penyimpanan fisik, dan memberikan aksesibilitas dokumen yang lebih baik. Evaluasi menggunakan System Usability Scale (SUS) menghasilkan skor rata-rata 82,14 (kategori B+, Excellent), yang menunjukkan tingkat kegunaan yang tinggi. Dengan fitur yang terintegrasi, SIMATA dinilai relevan untuk mendukung efisiensi kerja dan modernisasi pengelolaan arsip Dinas Perpustakaan dan Kearsipan Kalimantan Barat. Penelitian menegaskan pentingnya digitalisasi dalam meningkatkan efektivitas manajemen arsip di instansi pemerintah.Kata kunci: Pengelolaan Arsip; Arsip Tidak Aktif; Digitalisasi Arsip; Metode Agile; System Usability Scale  
Perbandingan Kinerja dan Efektivitas Algoritma FCFS dan SJF pada Sistem Antrian UMKM Arifin, Muhammmad Hidayatul; Meliala, Ruth Amelia Vega S.; Harahap, Salsa Nabila; Niska, Debi Yandra
Progresif: Jurnal Ilmiah Komputer Vol 21, No 1: Februari 2025
Publisher : STMIK Banjarbaru

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35889/progresif.v21i1.2450

Abstract

An inefficient queuing system causes long waiting times, especially for Micro, Small and Medium Enterprises (MSMEs) with variations in service times, which has an impact on customer satisfaction and operations during peak hours. The research aims to compare the First Come First Served (FCFS) and Shortest Job First (SJF) algorithms in increasing the efficiency of the MSME queuing system at Gate 1 of Medan State University. The simulation was carried out on 17 customers for one hour with random arrival data (1–5 minutes) and service duration (2–5 minutes). The parameters analyzed include total waiting time, average waiting time, and total service time. Validation via Python simulation shows 0% error, ensuring the accuracy of manual calculations. The results show that the SJF algorithm is more efficient with an average waiting time of 4.71 minutes compared to FCFS of 6.24 minutes. Although SJF requires a more complex support system, this algorithm is more effective for variations in service duration, providing guidance for MSMEs in increasing efficiency.Keywords: First Come First Served; Shortest Job First; Queuing System; Micro, Small and Medium Enterprises; Beverage SalesAbstrakSistem antrian yang tidak efisien menyebabkan waktu tunggu lama, terutama pada Usaha Mikro Kecil dan Menengah (UMKM) dengan variasi waktu layanan, yang berdampak pada kepuasan pelanggan dan operasional saat jam sibuk. Penelitian bertujuan untuk membandingkan algoritma First Come First Served (FCFS) dan Shortest Job First (SJF) dalam meningkatkan efisiensi sistem antrian UMKM di Gerbang 1 Universitas Negeri Medan. Simulasi dilakukan pada 17 pelanggan selama satu jam dengan data kedatangan acak (1–5 menit) dan durasi layanan (2–5 menit). Parameter yang dianalisis meliputi total waktu tunggu, rata-rata waktu tunggu, dan total waktu layanan. Validasi melalui simulasi Python menunjukkan error 0%, memastikan akurasi perhitungan manual. Hasil menunjukkan algoritma SJF lebih efisien dengan rata-rata waktu tunggu 4,71 menit dibandingkan FCFS sebesar 6,24 menit. Meski SJF membutuhkan sistem pendukung yang lebih kompleks, algoritma ini lebih efektif untuk variasi durasi layanan, memberikan panduan bagi UMKM dalam meningkatkan efisiensi.Kata kunci: First Come First Served; Shortest Job First; Sistem Antrean; Usaha Mikro Kecil dan Menengah; Penjualan Minuman
Pengaruh Customer Relationship Management Terhadap Kepuasan Pelanggan Pada Perusahaan UD Sarin Gumi Dhananjaya, I Putu Krisna Widyasatrya; Dwiputranti, Made Irma; Putri, I Gusti Agung Prabandari Tri
Progresif: Jurnal Ilmiah Komputer Vol 21, No 1: Februari 2025
Publisher : STMIK Banjarbaru

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35889/progresif.v21i1.2527

Abstract

This research discusses the effect of Customer Relationship Management (CRM) on customer satisfaction at UD Sarin Gumi, a company in the agricultural trade and distribution sector. The problem faced is the unclear effectiveness of CRM in increasing customer satisfaction. This study aims to measure the relationship of CRM, represented by indicators of commitment, communication and service quality, with customer satisfaction assessed based on product, price and service. The methodology used is descriptive quantitative approach with data collection through questionnaires with 51 respondents, analyzed using simple linear regression with Statistical Package for the Social Sciences (SPSS) version 26. The results showed that CRM has a significant influence on customer satisfaction, with a determination value of 68.2%, which confirms that most of the value of customer satisfaction is influenced by CRM. These results confirm that good CRM implementation can increase customer satisfaction and provide a strategic path for companies to strengthen customer relationships.Keywords: Customer Relationship Management; Customer Satisfaction; Statistical Package for the Social SciencesAbstrakPenelitian ini membahas mengenai pengaruh Customer Relationship Management (CRM) terhadap kepuasan pelanggan pada UD Sarin Gumi, perusahaan di sektor perdagangan dan distribusi pertanian. Masalah yang dihadapi adalah ketidakjelasan efektivitas CRM dalam meningkatkan kepuasan pelanggan. Penelitian ini bertujuan untuk mengukur hubungan CRM, yang diwakili oleh indicator komitmen, komunikasi dan kualitas layanan, dengan kepuasan pelanggan yagn dinilai berdasarkan produk, harga dan layanan. Metodologi yang digunakan adlaah pendeketana kuantitatif deskriptif dengan pengumpulan data melalui kuesioner dengan 51 responden, dianalisis menggunakan regresi linier sederhana dengan Statistical Package for the Social Sciences  (SPSS) versi 26. Hasil penelitian menunjukkan bahwa CRM memiliki pengaruh signifikan terhadap kepuasan pelanggan, dengan nilai determinasi sebesar 68,2%, yang menegaskan bahwa Sebagian besar nilai kepuasan pelanggan dipengaruhi oleh CRM. Hasil ini menegaskan bahwa implementasi CRM yang baik dapat meningkatkan kepuasan pelanggan dan memberikan jalur strategis bagi perusahaan untuk memperkuat hubungan pelanggan.Kata kunci: Customer Relationship Management; Kepuasan pelanggan; Statistical Package for the Social Sciences           
Analisis Kinerja Model Machine learning dalam Prediksi Gagal Panen Gabah Nizami, Taufik; Mustaqiim, Muhammad Atillah; Ariannor, Wahyudi
Progresif: Jurnal Ilmiah Komputer Vol 21, No 1: Februari 2025
Publisher : STMIK Banjarbaru

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35889/progresif.v21i1.2501

Abstract

In Banjar Regency, rice production faces significant challenges, including high crop failure rates and production variability across regions, which impact equitable food availability. This study aims to analyze the performance of various machine learning algorithms in predicting rice crop failures, a critical issue in food security. The research variables include factors such as weather, air humidity, soil conditions, agricultural variables, and tungro disease infestations. Several algorithms were tested, including Naive Bayes, Logistic Regression, Decision Tree, Random Forest, XGBoost, and others. Evaluation was conducted using cross-validation techniques with metrics such as accuracy, precision, recall, F1-Score, and ROC AUC. The results indicate that the Random Forest and XGBoost algorithms achieved the best performance, with accuracies of 77% and 70%, respectively. The study concludes that machine learning-based models can support better decision-making to mitigate crop failure risks. Furthermore, this research provides a foundation for the development of predictive models in the agricultural sector.Keywords: Harvest failure; Rice; Machine learning; Prediction; Food security AbstrakDi Kabupaten Banjar, produksi gabah menghadapi kendala signifikan, termasuk gagal panen yang tinggi dan variasi produksi antar wilayah, yang memengaruhi ketersediaan pangan merata. Penelitian ini bertujuan untuk menganalisis kinerja berbagai algoritma machine learning dalam memprediksi gagal panen gabah, yang merupakan permasalahan penting dalam ketahanan pangan. Variabel penelitian mencakup faktor-faktor seperti cuaca, kelembapan udara, kondisi tanah, variabel pertanian, dan serangan tungro. Beberapa algoritma yang diuji meliputi Naive Bayes, Logistic Regression, Decision Tree, Random Forest, XGBoost, dan lainnya. Evaluasi dilakukan menggunakan teknik cross-validation dengan metrik akurasi, precision, recall, F1-Score, dan ROC AUC. Hasil menunjukkan bahwa algoritma Random Forest dan XGBoost memberikan performa terbaik, dengan akurasi masing-masing sebesar 77% dan 70%. Kesimpulan penelitian ini menunjukkan bahwa model berbasis machine learning dapat digunakan untuk mendukung pengambilan keputusan yang lebih baik dalam mengurangi risiko gagal panen. Penelitian ini juga memberikan dasar untuk pengembangan model prediksi di sektor agrikultur.Kata kunci: Gagal panen; Gabah; Machine learning; Prediksi; Ketahanan pangan
Analisis Perancangan Sistem Informasi Tabungan Sekolah Dasar XYZ Menggunakan Metode Waterfall dan PIECES Setiawan, Eko; Yazid, Ahmad Subhan
Progresif: Jurnal Ilmiah Komputer Vol 21, No 1: Februari 2025
Publisher : STMIK Banjarbaru

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35889/progresif.v21i1.2548

Abstract

School savings at SD XYZ have been managed manually, so there are often obstacles such as inefficient data management and lack of transparency for teachers and parents. This research aims to design a website-based information system to facilitate the management of student savings, payment of Student Worksheets (LKS), books, courses, and other needs. The Waterfall model is implemented in system development through the stages of analysis, design, implementation, and maintenance. Needs analysis is carried out with the PIECES (Performance, Information, Economy, Control, Efficiency, Service) approach. System testing is done using the black box testing method to ensure each feature works according to its function. The test results show that all features, such as login, savings mutation, payment, and savings report, function properly according to the test scenario. The system is considered feasible to use because it is able to provide accurate information, improve the efficiency of the administrative process, and provide transparent access for teachers and parents to monitor data online.Keywords: School savings; Information system; Waterfall method; PIECES; school administration AbstrakTabungan sekolah di SD XYZ selama ini dikelola secara manual, sehingga sering terjadi kendala seperti pengelolaan data yang kurang efisien dan minimnya transparansi bagi guru serta orang tua. Penelitian ini bertujuan untuk merancang sistem informasi berbasis website guna memudahkan pengelolaan tabungan siswa, pembayaran Lembar Kerja Siswa (LKS), buku, kursus, serta kebutuhan lainnya. Model Waterfall diterapkan dalam pengembangan sistem  melalui tahapan analisis, desain, implementasi, dan pemeliharaan. Analisis kebutuhan dilakukan dengan pendekatan PIECES (Performance, Information, Economy, Control, Efficiency, Service). Pengujian sistem dilakukan menggunakan metode Black box testing untuk memastikan setiap fitur bekerja sesuai fungsinya. Hasil pengujian menunjukkan seluruh fitur, seperti login, mutasi tabungan, pembayaran, serta laporan tabungan, berfungsi dengan baik sesuai skenario uji. Sistem dinilai layak digunakan karena mampu menyediakan informasi yang akurat, meningkatkan efisiensi proses administrasi, serta memberikan akses transparan bagi guru dan orang tua untuk memantau data secara online.Kata kunci: Tabungan sekolah; Sistem informasi; Metode Waterfall; PIECES; Administrasi sekolah
Analisis Sentimen Pada Aplikasi Tokopedia Menggunakan Metode Support Vector Machine Fadila, Daffa; Ikhsan, Muhammad
Progresif: Jurnal Ilmiah Komputer Vol 21, No 1: Februari 2025
Publisher : STMIK Banjarbaru

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35889/progresif.v21i1.2593

Abstract

Tokopedia application attracts buyers with various opinions that reflect public sentiment. This study applies machine learning and text mining techniques to analyze sentiment based on the collected dataset comments. The process begins with data preprocessing, including tokenizing, stopword removal, and TF-IDF weighting. The Support Vector Machine (SVM) model is used to classify sentiment into positive and negative. The data is divided into 80% training data and 20% test data. The experimental results show that the model achieves an accuracy of 81.25%, indicating a fairly good performance in recognizing public opinion patterns. This analysis provides insight into aspects that are appreciated and criticized by the public regarding the Tokopedia application. These findings can be utilized by policies to design strategies that are more responsive to the needs and expectations of the public using the marketplace.Keyword: Machine Learning; Text Mining; Tokopedia; SVM AbstrakAplikasi Tokopedia menarik perhatian pembeli dengan berbagai opini yang mencerminkan sentimen masyarakat. Penelitian ini menerapkan machine learning dan teknik text mining untuk menganalisis sentimen berdasarkan komentar dataset yang telah dikumpulkan. Proses dimulai dengan preprocessing data, termasuk tokenizing, penghapusan stopword, serta pembobotan TF-IDF. Model Support Vector Machine (SVM) digunakan untuk mengklasifikasikan sentimen menjadi positif dan negatif. Data dibagi menjadi 80% data training dan data uji 20%. Hasil eksperimen menunjukkan bahwa model mencapai akurasi 81,25%, menandakan kinerja yang cukup baik dalam mengenali pola opini masyarakat. Analisis ini memberikan wawasan mengenai aspek yang diapresiasi maupun dikritik oleh masyarakat terkait Aplikasi Tokopedia. Temuan ini dapat dimanfaatkan oleh kebijakan untuk merancang strategi yang lebih responsif terhadap kebutuhan dan harapan masyarakat menggunakan marketplace.Kata kunci: Machine Learning; Text Mining; Tokopedia; SVM
Analisis Sentimen Mengenai Penerimaan Calon Pegawai Negeri Sipil Tahun 2024 Menggunakan Support Vector Machine Khairunissabina, Khairunissabina; Kurniawan, Rakhmat
Progresif: Jurnal Ilmiah Komputer Vol 21, No 1: Februari 2025
Publisher : STMIK Banjarbaru

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35889/progresif.v21i1.2583

Abstract

The 2024 Civil Servants Candidates (CPNS) recruitment has attracted public attention with various opinions reflecting societal sentiment. This study applies machine learning and text mining techniques to analyze sentiment based on comments collected from various sources. The process begins with text preprocessing, including tokenization, stopword removal, and text transformation using TF-IDF. The Support Vector Machine (SVM) model is used to classify sentiment into positive and negative categories. The data is divided into training and testing sets to evaluate the model's performance. Experimental results show that the model achieves an accuracy of 82.5%, indicating a fairly good performance in recognizing public opinion patterns. This analysis provides insights into aspects that are appreciated or criticized by the public regarding the 2024 CPNS recruitment. These findings can be utilized by policymakers to develop more responsive strategies that address public needs and expectations in the CPNS selection process.Keyword: Machine Learning; Text Mining; Civil Servants Candidates; Support Vector Machine AbstrakPenerimaan Calon Pegawai Negeri Sipil (CPNS) 2024 menarik perhatian publik dengan berbagai opini yang mencerminkan sentimen masyarakat. Penelitian ini menerapkan machine learning dan teknik text mining untuk menganalisis sentimen berdasarkan komentar yang dikumpulkan dari berbagai sumber. Proses dimulai dengan pra-pemrosesan teks, termasuk tokenisasi, penghapusan stopwords, serta transformasi teks menggunakan TF-IDF. Model Support Vector Machine (SVM) digunakan untuk mengklasifikasikan sentimen menjadi positif dan negatif. Data dibagi menjadi data pelatihan dan pengujian dengan perbandingan 80% data training dan 20% data uji guna mengevaluasi kinerja model. Hasil eksperimen menunjukkan bahwa model mencapai akurasi 82,5%, menandakan kinerja yang cukup baik dalam mengenali pola opini masyarakat. Analisis ini memberikan wawasan mengenai aspek yang diapresiasi maupun dikritik oleh publik terkait penerimaan CPNS 2024. Temuan ini dapat dimanfaatkan oleh pemangku kebijakan untuk merancang strategi yang lebih responsif terhadap kebutuhan dan harapan masyarakat dalam proses seleksi CPNS.Kata kunci: Machine Learning; Text Mining; Calon Pegawai Negeri Sipil; Support Vector Machine
Pengembangan Web untuk Pengenalan dan Pelestarian Budaya di Galeri Rihi Eti Tenun Ikat Sumba Samapati, Helmi Trisapnto Umbu Runga; Pamudi, Pamudi; Santoso, Budi
Progresif: Jurnal Ilmiah Komputer Vol 21, No 1: Februari 2025
Publisher : STMIK Banjarbaru

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35889/progresif.v21i1.2599

Abstract

Sumba Timur woven fabric is a cultural heritage with high aesthetic and philosophical value. However, modernization, along with limited documentation and promotion, threatens its existence. This study aims to develop a digital system to support the education and promotion of traditional Sumba Timur woven fabric, particularly at Galeri Rihi Eti. The development method used is the waterfall model, which includes requirement analysis, design, implementation, and testing. System evaluation is conducted using the black-box method to ensure that each feature functions according to the specified requirements. This system provides a digital catalog, historical and philosophical information about the fabric, and interactive educational content to enhance public understanding. Testing results show that the system functions effectively in introducing and preserving Sumba Timur woven fabric. The implementation of digital technology has proven to increase public appreciation of local cultural heritage and expand access to information across various audiences. The success of this system demonstrates that digitalization can be an effective strategy for cultural preservation and enhancing the competitiveness of local products. Keywords: Sumba Timur woven fabric; Cultural preservation; Website; Waterfall method; Black-box. AbstrakKain tenun Sumba Timur merupakan warisan budaya yang memiliki nilai estetika dan filosofis tinggi. Namun, modernisasi serta minimnya dokumentasi dan promosi menyebabkan eksistensinya semakin terancam. Penelitian ini bertujuan mengembangkan sistem digital untuk mendukung edukasi dan promosi kain tradisional Sumba Timur, khususnya di Galeri Rihi Eti. Metode yang digunakan adalah waterfall, yang mencakup analisis kebutuhan, perancangan, implementasi, dan pengujian. Evaluasi sistem dilakukan menggunakan metode Black-box untuk memastikan setiap fitur berfungsi sesuai spesifikasi yang telah ditetapkan. Sistem ini menyediakan katalog digital, informasi sejarah serta filosofi kain, dan konten edukatif interaktif guna meningkatkan pemahaman masyarakat. Hasil pengujian menunjukkan bahwa sistem berfungsi dengan baik dan efektif dalam memperkenalkan serta melestarikan kain tenun Sumba Timur. Implementasi teknologi digital terbukti mampu meningkatkan apresiasi masyarakat terhadap warisan budaya lokal serta memperluas akses informasi bagi berbagai kalangan. Keberhasilan sistem ini menunjukkan bahwa digitalisasi dapat menjadi strategi efektif dalam pelestarian budaya serta meningkatkan daya saing produk lokal.Kata Kunci: Kain tenun Sumba Timur; Pelestarian budaya; Website; Metode waterfall; Blackbox