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
Perbandingan Algoritma K-Means dan DBSCAN dalam Pengelompokkan Data Penjualan Elektronik Setyani, Tria; Indriani, Yulia; Fadli, Muhammad; Susanto, Erliyan Redy
Progresif: Jurnal Ilmiah Komputer Vol 21, No 2: Agustus 2025
Publisher : STMIK Banjarbaru

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35889/progresif.v21i2.2775

Abstract

This study aims to compare the performance of the K-Means and DBSCAN algorithms in clustering electronic sales data at CV Rey Gasendra. Clustering methods are used to identify sales patterns based on the transaction intensity of each product. The K-Means algorithm was implemented by determining the optimal number of clusters using the Elbow Method and Silhouette Score evaluation. Meanwhile, DBSCAN was applied using a density-based approach, which does not require specifying the number of clusters in advance and relies on eps and minPts parameters. The results showed that K-Means produced more stable and interpretable clusters with a Silhouette  Score of 0.961, whereas DBSCAN excelled in detecting outliers and handling irregular data distributions, despite generating a large amount of noise. Performance evaluation using metrics such as Silhouette  Score, Davies-Bouldin Index (DBI), and Sum of Squared Errors (SSE) indicated that K-Means is more suitable for structured product segmentation, while DBSCAN is more effective for exploring unusual sales patterns. These findings can support data-driven business decisions, such as marketing strategies, inventory management, and product recommendations.Keywords: K-Means; DBSCAN; Clustering; Sales data; Product segmentation AbstrakPenelitian ini bertujuan untuk membandingkan kinerja algoritma K-Means dan DBSCAN dalam pengelompokan data penjualan elektronik pada CV Rey Gasendra. Metode clustering digunakan untuk mengidentifikasi pola penjualan berdasarkan intensitas transaksi setiap produk. Algoritma K-Means diimplementasikan dengan penentuan jumlah klaster optimal menggunakan metode Elbow dan evaluasi Silhouette Score. Sementara itu, DBSCAN diimplementasikan dengan pendekatan berbasis kepadatan, tanpa memerlukan jumlah klaster awal, dan menggunakan parameter eps serta minPts.  Hasil penelitian menunjukkan bahwa K-Means memberikan hasil clustering yang lebih stabil dan mudah diinterpretasikan dengan Silhouette Score mencapai 0,961, sedangkan DBSCAN unggul dalam mendeteksi outlier dan menangani data dengan distribusi tidak beraturan, meskipun menghasilkan banyak noise. Evaluasi performa berdasarkan metrik seperti Silhouette Score, Davies-Bouldin Index (DBI), dan Sum of Squared Errors (SSE) menunjukkan bahwa K-Means lebih cocok digunakan untuk segmentasi produk penjualan yang terstruktur, sedangkan DBSCAN lebih efektif untuk eksplorasi pola penjualan yang tidak lazim. Temuan ini dapat membantu pengambilan keputusan bisnis berbasis data, seperti strategi pemasaran, manajemen stok, dan rekomendasi produk.Kata kunci: K-Means; DBSCAN; Clustering; Data penjualan; Segmentasi produk
Penerapan Metode Support Vector Machine Untuk Memprediksi Kelulusan Tepat Waktu Setyawan, Avif; Kiswanto, Rahmat Haryadi; Sutejo, Heru
Progresif: Jurnal Ilmiah Komputer Vol 21, No 2: Agustus 2025
Publisher : STMIK Banjarbaru

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35889/progresif.v21i2.2619

Abstract

Timely graduation is a key indicator of student academic success in higher education. This study develops a predictive model for on-time student graduation at Universitas Sepuluh Nopember Papua using the Support Vector Machine (SVM) method with a linear kernel. The model examines the influence of academic performance and student status as Indigenous Papuans (OAP) or non-OAP in predicting graduation probability. Model evaluation was conducted using Confusion Matrix, ROC Curve, and Cross-Validation, demonstrating that the model achieved high accuracy of 92% in the initial testing phase, increasing to 97% after cross-validation. The evaluation also showed a Precision of 90%, Recall of 100%, and F1-Score of 95%, confirming the model’s effectiveness in distinguishing students at risk of delayed graduation. With its high predictive accuracy, this model can serve as a data-driven academic decision-making tool to identify at-risk students and implement more targeted academic interventions to improve timely graduation rates.Keywords: graduation prediction; model evaluation; machine learning; Support Vector Machine.AbstrakKelulusan tepat waktu menjadi indikator utama keberhasilan akademik mahasiswa di perguruan tinggi. Penelitian ini mengembangkan model prediksi kelulusan tepat waktu mahasiswa Universitas Sepuluh Nopember Papua menggunakan metode Support Vector Machine (SVM) dengan kernel linier. Model ini menganalisis pengaruh kinerja akademik dan status mahasiswa sebagai Orang Asli Papua (OAP) atau non-OAP dalam menentukan probabilitas kelulusan tepat waktu. Evaluasi model dilakukan menggunakan Confusion Matrix, ROC Curve, dan Cross-Validation, yang menunjukkan bahwa model memiliki akurasi tinggi sebesar 92% pada tahap pengujian awal dan meningkat menjadi 97% setelah validasi silang. Hasil pengujian juga menunjukkan nilai Precision 90%, Recall 100%, dan F1-Score 95%, yang menegaskan efektivitas model dalam membedakan mahasiswa yang berisiko mengalami keterlambatan kelulusan. Dengan tingkat akurasi yang tinggi, model ini dapat digunakan sebagai alat bantu akademik berbasis data untuk mengidentifikasi mahasiswa berisiko dan menerapkan intervensi akademik yang lebih tepat sasaran guna meningkatkan tingkat kelulusan tepat waktu.Kata kunci: Prediksi kelulusan; Evaluasi model; Machine learning; Support Vector Machine
Eksplorasi Sentimen Publik di Media Sosial terhadap Isu RUU TNI Menggunakan Pendekatan Machine Learning Aprilyanto, Sandy; Latuperissa, Rudy
Progresif: Jurnal Ilmiah Komputer Vol 21, No 2: Agustus 2025
Publisher : STMIK Banjarbaru

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35889/progresif.v21i2.2819

Abstract

The developments regarding the revision of the Indonesian National Armed Forces Law (RUU TNI) have sparked various reactions from the public, most of which have been expressed through social media platforms. This research aims to evaluate public opinion on the TNI Bill issue by utilizing machine learning technology and the Support Vector Machine (SVM) algorithm. Data were collected from three social networks, namely YouTube, Instagram, and X (formerly known as Twitter), with a total of 4,530 data points. The stages of data processing include web scraping, data cleaning, text preprocessing, automatic labelling using textblob, word weighting through TF-IDF, and data balancing using the SMOTE method. The sentiment classification results reveal that the majority of public opinions are positive and neutral, with the highest model accuracy achieved at parameter C = 1, namely 94.60% for YouTube, 95.80% for Instagram, and 97.33% for X. These findings demonstrate the effectiveness of the SVM approach in categorizing public opinions generated from social media, and imply that social media serves as an important source for understanding public views on national policy issues.Keywords:   Machine Learning; Support Vector Machine; SMOTE; Text Mining; TF IDF AbstrakPerkembangan mengenai revisi Undang-Undang Tentara Nasional Indonesia (RUU TNI) telah menimbulkan berbagai reaksi dari masyarakat, yang sebagian besar disampaikan melalui platform media sosial. Penelitian ini bertujuan untuk mengevaluasi pandangan publik terhadap isu RUU TNI dengan memanfaatkan teknologi pembelajaran mesin dan algoritma Support Vector Machine (SVM). Data dikumpulkan dari tiga jejaring sosial, yaitu YouTube, Instagram, dan X (yang sebelumnya dikenal sebagai Twitter), dengan total sebanyak 4.530 data. Tahapan pengolahan data mencakup web scraping, pembersihan data, pra-pemrosesan teks, pelabelan otomatis menggunakan TextBlob, pemberian bobot kata melalui TF-IDF, serta penyeimbangan data dengan metode SMOTE. Hasil klasifikasi sentimen mengungkapkan bahwa sebagian besar pendapat masyarakat bersifat positif dan netral, dengan akurasi tertinggi dari model dicapai pada parameter C = 1, yaitu 94,60% untuk YouTube, 95,80% untuk Instagram, dan 97,33% untuk X. Temuan ini menunjukkan efektivitas pendekatan SVM dalam mengkategorikan pendapat publik yang dihasilkan dari media sosial, serta menyiratkan bahwa media sosial berfungsi sebagai sumber penting untuk memahami pandangan masyarakat terhadap masalah kebijakan nasional.Kata kunci: Machine Learning; Support Vector Machine; SMOTE; Text Mining; TF IDF
Evaluasi Kualitas Sistem Informasi Kepegawaian di BKPSDM Kota Salatiga Berdasarkan ISO/IEC 25010 Putri, Cindi Tiffany Wahyono; J.C Tambotoh, Johan J.C Tambotoh
Progresif: Jurnal Ilmiah Komputer Vol 21, No 2: Agustus 2025
Publisher : STMIK Banjarbaru

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35889/progresif.v21i2.3008

Abstract

The Personnel Management Information System (SIMPEG) is an important component in supporting the management of personnel data, especially in government environments. This research aims to evaluate the quality of SIMPEG used by BKPSDM Salatiga City by referring to the international standard ISO/IEC 25010. This standard covers eight main aspects in assessing software quality, namely: Functional Suitability, Performance efficiency, compatibility, Usability, Reliability, Security, Maintainability, and Portability. The research method used is a quantitative survey by distributing questionnaires to 25 employees who actively use the system. The evaluation results show that SIMPEG Salatiga is in the "Very Good" category with an average score of 89%. The most prominent aspects are functional suitability and ease of system maintenance (Maintainability). However, several other aspects such as performance efficiency, security and ease of access on various devices also received high marks. These findings show that in general, the system has been able to meet user needs very well, although there are still several things that can be improved.Keywords: SIMPEG; ISO/IEC 25010; Quality evaluation; Personnel system AbstrakSistem Informasi Manajemen Kepegawaian (SIMPEG) menjadi salah satu komponen penting dalam mendukung pengelolaan data kepegawaian, khususnya di lingkungan pemerintahan. Penelitian ini bertujuan untuk mengevaluasi kualitas SIMPEG yang digunakan oleh BKPSDM Kota Salatiga dengan mengacu pada standar internasional ISO/IEC 25010. Standar ini mencakup delapan aspek utama dalam penilaian kualitas perangkat lunak, yaitu: Functional Suitability, Performance efficiency, compatibility, Usability, Reliability, Security, Maintainability, dan Portability. Metode penelitian yang digunakan adalah survei kuantitatif melalui penyebaran kuesioner kepada 25 pegawai yang aktif menggunakan system. Hasil evaluasi menunjukkan bahwa SIMPEG Salatiga berada dalam kategori “Baik Sekali” dengan nilai rata-rata sebesar 89%. Aspek yang paling menonjol adalah kesesuaian fungsi (Functional Suitability) dan kemudahan pemeliharaan sistem (Maintainability). Meski demikian, beberapa aspek lain seperti efisiensi kinerja, keamanan hingga kemudahan akses di berbagai perangkat juga mendapat nilai tinggi. Temuan ini menunjukkan bahwa secara umum, sistem telah mampu memenuhi kebutuhan pengguna dengan sangat baik, meskipun masih ada beberapa hal yang dapat ditingkatkan.Kata kunci: SIMPEG; ISO/IEC 25010; Evaluasi kualitas; Sistem kepegawaian
Sistem Pendukung Keputusan Kontrak Kerja Karyawan Probation Menggunakan Metode Fuzzy Simple Additive Weighting Ash shidiq, Ammar Yusuf; Siddiq, Hafizh; Utomo, Prawido; Ryando, Muhammad Bucci
Progresif: Jurnal Ilmiah Komputer Vol 21, No 2: Agustus 2025
Publisher : STMIK Banjarbaru

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35889/progresif.v21i2.2907

Abstract

The evaluation of probationary employees is crucial in determining their eligibility for contract extension. The assessment typically involves aspects such as performance, discipline, skills, interpersonal abilities, integrity, and appearance, but often this assessment remains subjective. This study integrates fuzzy logic to reduce uncertainty and applies the Simple Additive Weighting (SAW) method to assign weights objectively. The developed system enables a more fair and measurable evaluation. Results indicate that employees 1, 2, and 4 are eligible for contract extension. Performance testing yielded an accuracy of 75%, with both precision and recall at 66.7%, demonstrating alignment between the system's recommendations and the HR department's decisions. This method serves as a decision support tool that promotes a more objective and structured decision-making process.Keywords: Employee Evaluation; Decision Support System; Fuzzy-SAW Method AbstrakEvaluasi terhadap karyawan probation penting dilakukan dalam penentuan kelayakan perpanjangan kontrak kerja. Penilaian mencakup aspek kinerja, kedisiplinan, keterampilan intrapersonal, integritas, dan penampilan, namun penilaian ini kerap bersifat subjektif. Penelitian ini menggabungkan logika fuzzy untuk mengurangi ketidakpastian dan metode Simple Additive Weighting (SAW) guna menentukan bobot secara objektif. Sistem yang dikembangkan menghasilkan penilaian lebih adil dan terukur. Hasil menunjukkan bahwa karyawan 1, 2, dan 4 layak diperpanjang kontraknya. Pengujian performa menghasilkan akurasi 75%, dengan precision dan recall sebesar 66,7%, yang menunjukkan kesesuaian sistem dengan keputusan HRD. Metode ini berfungsi sebagai alat pendukung yang membantu proses pengambilan keputusan agar lebih objektif dan terukur.Kata kunci: Penilaian Kinerja Karyawan; Pengambilan Keputusan; Metode Fuzzy-SAW
Sistem Pengenalan Wajah Dengan Metode Template Matching Berdasarkan Struktur Wajah Dan Kornea Mata Lista, Regiza Dara; Toyib, Rozali
Progresif: Jurnal Ilmiah Komputer Vol 21, No 2: Agustus 2025
Publisher : STMIK Banjarbaru

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35889/progresif.v21i2.3058

Abstract

Implementing an attendance system that relies on facial recognition as a replacement for conventional attendance still presents several technical challenges, such as low detection accuracy in low-light conditions, fluctuations in facial expressions, or when employees wear additional elements such as masks and glasses. To overcome these weaknesses in the facial recognition system, a template matching method is used that focuses on facial structure and corneal features. This technique works by matching the original image with a reference pattern (template) stored in a database, thus enabling identification to be carried out on unique and stable facial areas, such as facial structure and cornea. The results of the template matching method testing aimed at facial and corneal recognition showed satisfactory performance in identifying users, with an accuracy rate reaching 84.44% from a total of 45 tests conducted on 15 employees. In addition, the use of local features such as the cornea has proven to be very helpful in improving identification accuracy, especially in real environments with diverse conditions.Keywords: Attendance system; Facial recognition; Cornea and face; Template matching AbstrakPenerapan sistem absensi yang mengandalkan pengenalan wajah sebagai pengganti absensi konvensional masih menghadirkan beberapa tantangan teknis, seperti akurasi deteksi yang rendah dalam kondisi cahaya minim, fluktuasi ekspresi wajah, atau ketika karyawan mengenakan elemen tambahan seperti masker dan kacamata. Untuk mengatasi kelemahan dalam sistem pengenalan wajah, digunakan metode pencocokan template yang berfokus pada struktur wajah serta fitur kornea mata. Teknik ini berfungsi dengan cara mencocokkan gambar asli dengan pola acuan (template) yang sudah disimpan dalam database, sehingga memungkinkan identifikasi dilakukan pada area wajah yang unik dan stabil, seperti struktur wajah dan kornea. Hasil dari pengujian metode pencocokan template yang ditujukan untuk pengenalan wajah dan kornea mata menunjukkan performa yang memuaskan dalam mengidentifikasi pengguna, dengan tingkat akurasi mencapai 84,44% dari total 45 pengujian yang dilakukan terhadap 15 karyawan. Selain itu, penggunaan fitur lokal seperti kornea mata terbukti sangat membantu dalam meningkatkan akurasi identifikasi, terutama di lingkungan nyata yang memiliki beragam kondisi.Kata Kunci: Sistem absensi; Pengenalan wajah; Kornea mata dan wajah; Template matching
Penerapan CNN Pada Klasifikasi Kepribadian Anak Sekolah Dasar Berdasarkan Citra Tulisan Tangan Maulana, Muhammad Ishaq; Irsyad, Hafiz
Progresif: Jurnal Ilmiah Komputer Vol 21, No 2: Agustus 2025
Publisher : STMIK Banjarbaru

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35889/progresif.v21i2.2959

Abstract

Indonesia has a rich culture. This creates dynamics in personality formation. In schools, teachers' understanding of students' personalities is key. So far, conventional methods such as observation, interviews and graphology have been used to classify children's personalities, which are less efficient. This study uses the CNN algorithm with the Mobilenetv2 architecture. Dataset was taken from 5th grade students from 3 SDN Palembang with a total of 246 data divided into 2 classes, namely extrovert 101 data and introvert 145 data. Then grayscale preprocessing, normalization, and augmentation. Ratio of training, validation, and test data is 80:10:10. Model was trained with Adam optimizer, learning rate 0.0001, batch size 20, and epochs of 12. The result is a model accuracy of 69.2% with a tendency for the model to classify images as introverts. This study is expected to help teachers gain insight into the best teaching approach in the classroom.Keywords: CNN; Graphology; Elementary School AbstrakIndonesia memiliki budaya yang kaya. Ini menciptakan dinamika dalam pembentukan kepribadian. Di sekolah, pemahaman guru terhadap kepribadian siswa menjadi kunci. Selama ini untuk mengklasifikasi kepribadian anak, digunakan metode konvensional seperti observasi, wawancara dan ilmu grafologi yang kurang efisien. Penelitian ini menggunakan algoritma CNN dengan arsitektur Mobilenetv2. Dataset diambil dari siswa kelas 5 dari 3 SDN Palembang dengan total 246 data yang dibagi menjadi 2 kelas, yaitu extrovert 101 data dan introvert 145 data. Kemudian dilakukan preprocessing grayscale, normalisasi, dan augmentasi. Rasio data latih, validasi, dan uji adalah 80:10:10. Model dilatih dengan Adam optimizer, learning rate 0,0001, batch size 20, dan epoch sebanyak 12. Hasilnya akurasi model sebesar 69,2% dengan kecenderungan model mengklasifikasi citra sebagai introvert. Penelitian ini diharapkan dapat membantu guru mendapatkan pandangan tentang cara pendekatan mengajar yang terbaik di kelas.Kata kunci: CNN; Grafologi; Sekolah Dasar
Efektivitas Game RPG Maker MV dalam Edukasi Lingkungan pada Siswa Sekolah Dasar Mardani, Amalia Putri; Mawardi, Tiara Choirundhini; Hanafri, Muhammad Iqbal; Br Bangun, Eka Uliyanti Putri
Progresif: Jurnal Ilmiah Komputer Vol 21, No 2: Agustus 2025
Publisher : STMIK Banjarbaru

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35889/progresif.v21i2.2913

Abstract

Interactive 2D educational game based on RPG Maker MV is an innovative learning media that combines the concept of role-playing game (RPG) with educational material to create an interesting learning experience. The development of digital technology encourages the transformation of education, one of which is through interactive and accessible educational games. This research developed an environmental-themed game for elementary school students using the Luther-Sutopo version of the Multimedia Development Life Cycle (MDLC) method, which includes six stages: concept, design, material collection, manufacture, testing, and distribution.  Based on the calculation of the feasibility level, the level of respondent satisfaction obtained from filling out the questionnaire reached 91.81% of the total 40 respondents. This finding proves that this 2D educational game is effective in increasing learning motivation, understanding environmental concepts, and fostering positive student behavior. Thus, the development of RPG Maker MV-based games using MDLC can be an innovative solution to create more interactive and effective learning at the elementary school level.Keywords: 2D educational game; RPG Maker MV; Environmental awareness; Elementary school.   AbstrakGame edukasi 2D interaktif berbasis RPG Maker MV adalah media pembelajaran inovatif yang menggabungkan konsep Role-Playing Game (RPG) dengan materi edukasi untuk menciptakan pengalaman belajar yang menarik. Perkembangan teknologi digital mendorong transformasi pendidikan, salah satunya melalui game edukasi yang interaktif dan mudah diakses. Penelitian ini mengembangkan game bertema lingkungan untuk siswa SD menggunakan metode Multimedia Development Life Cycle (MDLC) versi Luther-Sutopo, yang meliputi enam tahap: konsep, desain, pengumpulan bahan, pembuatan, pengujian, dan distribusi.  Berdasarkan hasil perhitungan tingkat kelayakan, tingkat kepuasan responden yang diperoleh dari pengisian kuesioner mencapai 91,81% dari total 40 responden. Temuan ini membuktikan bahwa game edukasi 2D ini efektif dalam meningkatkan motivasi belajar, pemahaman konsep lingkungan, dan menumbuhkan perilaku positif siswa. Dengan demikian, pengembangan game berbasis RPG Maker MV menggunakan MDLC dapat menjadi solusi inovatif untuk menciptakan pembelajaran yang lebih interaktif dan efektif di tingkat sekolah dasar.Kata kunci: Game edukasi 2D; RPG Maker MV; Kepedulian lingkungan; Sekolah dasar.  
Klasifikasi Kelayakan Ban Sepeda Motor Menggunakan Metode Convolutional Neural Network Rizky, Azzar; Widhiarso, Wijang; Rahman, Abdul
Progresif: Jurnal Ilmiah Komputer Vol 21, No 2: Agustus 2025
Publisher : STMIK Banjarbaru

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35889/progresif.v21i2.2917

Abstract

Tires is a primary component in motorcycle that plays a crucial role in driving safety and comfort. Damage to tires, such as wear, cuts, or cracks, can reduce traction, disrupt stability, and increase the risk of traffic accidents. Generally, tire condition inspections are conducted conventionally by technicians who may have limitations in accurately detecting damage. This research aims to develop a tire damage classification system using the Convolutional Neural Network (CNN) method with the MobileNetV2 architecture and with transfer learning approach. The dataset used consists of motorcycle tire images categorized into four classes: normal, bald, cutburst, and spotwear. The training process was conducted using a grid search technique to determine the optimal hyperparameter configuration. The best results obtained with a combination of batch size 16, learning rate 0.001, and 43 epochs, yielding a test accuracy of 96.67%, precision of 95%, recall of 95%, and an F1-score of 95%.Keywords: Tire; Convolutional Neural Network; MobileNetV2  AbstrakBan merupakan komponen utama pada kendaraan sepeda motor yang berperan penting dalam keselamatan dan kenyamanan berkendara. Kerusakan pada ban, seperti keausan, sobekan, atau retakan, dapat mengurangi traksi, mengganggu stabilitas, dan meningkatkan risiko kecelakaan lalu lintas. Pemeriksaan kondisi ban secara umum masih dilakukan secara manual oleh teknisi, yang memiliki keterbatasan dalam hal objektivitas dan akurasi. Penelitian ini bertujuan untuk mengembangkan sistem klasifikasi kerusakan ban sepeda motor secara otomatis menggunakan metode Convolutional Neural Network (CNN) dengan arsitektur MobileNetV2 dengan pendekatan transfer learning. Dataset terdiri dari citra ban sepeda motor yang diklasifikasikan ke dalam empat kelas, yaitu normal, bald, cutburst, dan spotwear. Proses pelatihan dilakukan melalui metode grid search untuk menentukan konfigurasi parameter terbaik. Hasil terbaik diperoleh pada kombinasi hyperparameter dengan batch size 16, learning rate 0.001, dan jumlah epoch 43, menghasilkan akurasi uji sebesar 96,67%, precision 95%, recall 95% dan F1-score 95%.Kata kunci: Ban; Convolutional Neural Network; MobileNetV2
Penerapan Metode FIFO Untuk Mengelola Persediaan Bahan Baku Pada PT MPM Mareta, Avi; Anissa, Ade Nur; Sunggono, Nova Teguh; Royadi, Refi Nabillah
Progresif: Jurnal Ilmiah Komputer Vol 21, No 2: Agustus 2025
Publisher : STMIK Banjarbaru

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35889/progresif.v21i2.2924

Abstract

In the manufacturing industry, inventory recording that still relies on Excel often leads to various issues, such as stock data discrepanices and a decline in raw material quality due to prolonged storage. This research focuses on designing a FIFO-based inventory information system to optimize accuracy and efficiency in stock management. The system was developed through a system development method consisting of analysis, design, implementation, and evaluation stages. Testing was carried out by running the system using the company’s actual transaction data. The findings of the functional testing demonstrate that all features, form login, master data management, transaction recordin, implementation of the FIFO method, to report generation, function according to specifications. All test scenarios were successful, proving that the system is capable of accurately managing and presenting inventory data and supporting decision-making.Keyword: Raw material inventory; FIFO method; Quality; Stock                                                                                                                AbstrakDalam dunia industri manufaktur, pencatatan persediaan bahan baku yang masih menggunakan excel sering kali menimbulkan berbagai kendala, seperti ketidaksesuaian data stok dan penurunan kualitas bahan baku karena penyimpanan terlalu lama. Penelitian ini difokuskan pada perancangan sistem informasi persediaan berbasis FIFO guna mengoptimalkan akurasi serta efisiensi dalam pengelolaan stok. Sistem dikembangkan menggunakan metode pengujian sistem dengan tahapan analisis, perancangan, implementasi, dan evaluasi. Pengujian ini dilakukan yang dengan menjalankan sistem pada data transaksi aktual Perusahaan. Hasil pengujian fungsionalitas menunjukkan seluruh fitur, mulai dari login, pengelolaan data master, pencatatan transaksi, penerapan metode FIFO, hingga pembuatan laporan, berfungsi sesuai spesifikasi. Semua skenario uji berhasil, membuktikan sistem mampu mengelola dan menyajikan data persediaan secara akurat serta mendukung pengambilan keputusan.Kata Kunci: Persediaan bahan baku; FIFO; Kualitas; Stok