Garuda - Garba Rujukan Digital

SISTEM MONITORING SISWA BERBASIS DSS TERHADAP PELANGGARAN SEKOLAH PADA MTS.S AL WASLIYAH TEMBUNG Ramadhani, Nur; -, Suherman; Amin, Muhammad
Syntax : Journal of Software Engineering, Computer Science and Information Technology Vol 6, No 1 (2025): Juni 2025
Publisher : Universitas Dharmawangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46576/syntax.v6i1.6958

Menjaga kedisiplinan siswa sangat penting untuk menumbuhkan lingkungan belajar yang kondusif, namun banyak sekolah tidak memiliki pendekatan sistematis untuk mengatasi pelanggaran. Studi kami di Sekolah Al Wasliyah Tembung mengidentifikasi tren peningkatan pelanggaran siswa, yang disebabkan oleh tidak adanya sistem pemantauan yang terstandarisasi. Untuk mengurangi hal ini, kami mengusulkan dan mengevaluasi Sistem Pendukung Keputusan (DSS) yang dirancang untuk melacak pelanggaran siswa secara sistematis dan menginformasikan sanksi akademis. Dengan menggunakan metode Simple Additive Weighting (SAW), DSS mengklasifikasikan pelanggaran ke dalam kategori ringan, sedang, dan berat. Sistem ini menyediakan ikhtisar terstruktur dari data disiplin siswa, yang memfasilitasi pengambilan keputusan berdasarkan data untuk sanksi. DSS ini menawarkan alternatif penting untuk metode saat ini, yang bertujuan untuk meningkatkan efektivitas manajemen disiplin siswa. Hasil dari penelitian ini menunjukkan data siswa secara terstruktur dengan tingkat kategori, sehingga dapat mempermudah pemberian sangsi dengan berbasis data. Sistem monitoring ini diharapkan menjadi suatu alternatif, dari begitu banyak sistem yang sudah ada.

ANALISIS KOMPARATIF KLASIFIKASI MACHINE LEARNING UNTUK MEMPREDIKSI STUNTING PADA ANAK USIA DI BAWAH LIMA TAHUN Saputra, Yudhi Fajar; Al-Khasawneh, Mahmoud Ahmad; Milkhatun, Milkhatun; Asthiningsih, Ni Wayan Wiwin; Rahmah, Sitti
Syntax : Journal of Software Engineering, Computer Science and Information Technology Vol 6, No 1 (2025): Juni 2025
Publisher : Universitas Dharmawangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46576/syntax.v6i1.6852

Stunting merupakan salah satu permasalahan kesehatan masyarakat yang bisa berdampak jangka panjang terhadap kualitas sumber daya manusia di Indonesia. Deteksi dini terhadap status stunting anak usia di bawah lima tahun menjadi langkah dalam mencegah gangguan pertumbuhan kronis akibat stunting, sehingga penelitian ini bertujuan untuk membangun model klasifikasi status stunting dengan memanfaatkan pendekatan data mining menggunakan algoritma Decision Tree dan Random Forest. Data yang digunakan diperoleh dari hasil survei terhadap ibu yang memiliki anak dibawah umur lima tahun dengan sejumlah 193 responden, data tersebut mencakup variabel antropometri dan sosial ekonomi, seperti tinggi badan, berat badan, usia anak, pendidikan orang tua, pendapatan keluarga, dan urutan kelahiran. data tersebut diproses melalui tahapan Knowledge Discovery in Databases (KDD) meliputi seleksi atribut, imputasi, encoding, dan klasifikasi melalui proses permodelan data mining, selanjutnya evaluasi dilakukan dengan metrik klasifikasi Classification Accuracy(CA) dan Area Under the Curve (AUC) dari kurva Receiver Operating Characteristic (ROC). Hasil penelitian menunjukkan bahwa model Random Forest memiliki performa lebih baik dibandingkan Decision Tree dengan nilai CA 71% dan AUC 0.74. dibandingkan Decision Tree dengan nilai CA 67% dan AUC 0.68. Peneliti berharap bahwa Model prdiksi ini berpotensial dapat digunakan sebagai sistem deteksi dini stunting berbasis data atau sebagai rujukan untuk penelitian berikutnyaKata Kunci—Stunting, Machine Learning, Random Forest, Decision Tree, Classification Model, ROC Curve. ABSTRACTStunting is one of the public health issues that can have long-term impacts on the quality of human resources in Indonesia. Early detection of stunting status among children under five years of age is a critical step in preventing chronic growth disorders. Therefore, this study aims to develop a classification model for stunting status using a data mining approach with Decision Tree and Random Forest algorithms. The dataset was obtained from a survey of 193 mothers with children under five, encompassing anthropometric and socioeconomic variables such as height, weight, child’s age, parental education, family income, and birth order. The data were processed through the stages of Knowledge Discovery in Databases (KDD), including attribute selection, imputation, encoding, and classification modeling. The model performance was evaluated using classification metrics: Classification Accuracy (CA) and the Area Under the Curve (AUC) from the Receiver Operating Characteristic (ROC) curve. The results show that the Random Forest model outperformed the Decision Tree, achieving a CA of 71% and an AUC of 0.74, compared to the Decision Tree with a CA of 67% and an AUC of 0.68. This predictive model is expected to be useful as a data-driven early detection system for stunting or serve as a reference for future research.Keywords—Stunting, Machine Learning, Random Forest, Decision Tree, Classification Model, ROC Curve.

IMPLEMENTASI METODE AHP PADA SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN CLEANING SERVICE TERBAIK Pratiwi, Indah; Zulham, Zulham; Rusydi, Ibnu; Solihin Hasugian, Buyung
Syntax : Journal of Software Engineering, Computer Science and Information Technology Vol 6, No 1 (2025): Juni 2025
Publisher : Universitas Dharmawangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46576/syntax.v6i1.7161

Pada pemilihan Cleaning service sering kali memiliki kendala ataupun masalah dalam menangani kinerja yang tidak sesuat dengan kontrak kerja yang diberikan kemereka, maka dalam hal ini pihak PT.Seribu Nusantara Sejahtera dapat mengamati dan melakukan penilaian dengan cepat pada jasa Cleaning service. Dalam suatu perusahaan memerlukan pengambilan keputusan yang maksimal dan cepat, maka dalam pembangunan sistem penilaian yg bisa dan tergi pada memilih kinerja Cleaning service dalam PT.Seribu Nusantara Sejahtera. Oleh karena itu, perusahaan bisa memakai keilmuan pada suatu sistem pendukung keputusan, yg bisa menyimpulkan output keputusan dalam menyelesaikan permasalahan dalam penentuan kinerja Cleaning service dengan menggunakan metode AHP.Permasalahan tersebut dimana suatu perusahaan membutuhkan suatu bidang keilmuan yang dapat membantu dalam pengambilan keputusan yaitu Sistem Pendukung Keputusan engan menggunakan metode AHP lebih akurat dalam perhitungan perangkingan alternatif karena evaluasi kriteria maksimum dan kriteria minimum dilakukan secara terpisah. Hasil penelitian ini mendapatkan hasil yang maksimal dalam menganalisa dan dapat membantu petugas agar dapat menentukan dalam kinerja cleaning service diharapkan dapat membantu pihak PT.Seribu Nusantara SejahteraKata Kunci : AHP, Cleaning Service, Sistem Pendukung Keputusan.Abstract- In the selection of cleaning services, they often have problems or problems in handling performance that is not in accordance with the work contract given to them, so in this case PT. Seribu Nusantara Sejahtera can observe and make a quick assessment of cleaning services. In a company that requires maximum and fast decision making, then in the development of an assessment system that can and is focused on selecting cleaning service performance in PT.Seribu Nusantara Sejahtera. Therefore, companies can use knowledge in a decision support system, which can conclude decision outputs in solving problems in determining cleaning service performance using the AHP method.The problem is where a company needs a scientific field that can assist in decision making, namely the Decision Support System using the AHP method is more accurate in calculating alternative rankings because the evaluation of maximum criteria and minimum criteria is carried out separately. The results of this study get maximum results in analyzing and can help officers to be able to determine the cleaning service performance, which is expected to help PT.Seribu Nusantara SejahteraKeywords : AHP, Cleaning Service, Decision Support System.

ANALISIS SENTIMEN PADA ULASAN PENGGUNA TIKTOK DAN TOKOPEDIA MENGUNAKAN MESIN LEARNING BERBASIS NAIVE BAYES CLASSIFIER -, Mubarak; Ashari, Annisa; Harahap, Gilang; Rosnelly, Rika
Syntax : Journal of Software Engineering, Computer Science and Information Technology Vol 6, No 1 (2025): Juni 2025
Publisher : Universitas Dharmawangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46576/syntax.v6i1.6960

Abstrak−Analisis sentimen merupakan teknik penting dalam memahami opini dan pengalaman pengguna terhadap layanan atau produk, terutama di platform e-commerce yang berkembang pesat seperti TikTok Shop. Tujuan dari penelitian ini adalah mengetahui dan analisis terhadap sentimen keluhan penjual di TikTok Shop dengan menggunakan algoritma Naive Bayes Classifier. Dataset yang digunakan terdiri dari ulasan penguna TikTok. yang diambil dari dataset kaggle. Penelitian ini bertujuan untuk menganalisis sentimen ulasan pengguna TikTok menggunakan algoritma Naïve Bayes untuk menganalisis data sentimen tersebut. Algoritma Naive Bayes diterapkan untuk mengklasifikasikan sentimen ulasan menjadi dua kategori: positif, dan negatif. Penelitian ini mengunakan Model Algiritma Naive Bayes berhasil mencapai nilai akurasi 97%, nilai CA 82%, nilai F1 82%, nilai Prec 86%, nilai Recall 82% dan nilai MCC 68% tergantung pada pengaturan dataset. Pada penelitian ini jumlah dataset yang digunakan berjumlah 3145 data yang diambil dari dataset kaggle, dengan pengaturan dataset traning sebesar 90% dan dataset test sebesar 10%. Temuan ini memberikan wawasan berharga bagi pengelola TikTok Shop untuk meningkatkan fitur dan layanan mereka berdasarkan umpan balik pengguna. Rekomendasi untuk penelitian selanjutnya mencakup penggunaan dataset yang lebih besar dan penerapan algoritma lain untuk perbandingan efektivitas serta eksplorasi lebih lanjut terhadap faktor-faktor yang mempengaruhi sentimen pengguna. Kata kunci : TikTok, Analisis Sentimen, Algoritma Naive Bayes, Ulasan Pengguna Abstract− Sentiment analysis is an important technique in understanding user opinions and experiences towards services or products, especially on rapidly growing e-commerce platforms such as TikTok Shop. The purpose of this study is to determine and analyze the sentiment of seller complaints on TikTok Shop using the Naive Bayes Classifier algorithm. The dataset used consists of TikTok user reviews. taken from the kaggle dataset. This study aims to analyze the sentiment of TikTok user reviews using the Naive Bayes algorithm to analyze the sentiment data. The Naive Bayes algorithm is applied to classify review sentiment into two categories: positive and negative. This study uses the Naive Bayes Algorithm Model successfully achieving an accuracy value of 97%, a CA value of 82%, an F1 value of 82%, a Prec value of 86%, a Recall value of 82% and an MCC value of 68% depending on the dataset settings. In this study, the number of datasets used was 3145 data taken from the kaggle dataset, with a training dataset setting of 90% and a test dataset of 10%. These findings provide valuable insights for TikTok Shop managers to improve their features and services based on user feedback. Recommendations for further research include the use of larger datasets and the application of other algorithms for comparison of effectiveness as well as further exploration of factors influencing user sentiment. Keywords: TikTok, Sentiment Analysis, Naive Bayes Algorithm, User Reviews

AUDIT SISTEM INFORMASI TERHADAP PERHITUNGAN WEIGHTED PRODUCT (WP) DI EXCEL Prayoga, J.; Gifary, Muhammad; Wiranata, Aldi; Maulana, Maulana; Nafriwan, Naufal; Nst, Rizqa Azahra; Kalista, Reva Nurul
Syntax : Journal of Software Engineering, Computer Science and Information Technology Vol 6, No 2 (2025): Desember 2025
Publisher : Universitas Dharmawangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46576/syntax.v6i2.8065

Penggunaan Microsoft Excel sebagai alat bantu perhitungan dalam Sistem Pendukung Keputusan (SPK) dengan metode Weighted Product (WP) semakin umum digunakan. Namun, perhitungan manual di Excel rentan terhadap kesalahan input, ketidaktepatan formula, dan inkonsistensi normalisasi bobot yang dapat menyebabkan hasil perankingan tidak valid. Penelitian ini bertujuan untuk melakukan audit sistem informasi terhadap file Excel yang digunakan dalam perhitungan metode WP guna memastikan integritas, akurasi, dan reliabilitas hasil.Audit dilakukan pada tiga komponen utama, yaitu input data, proses perhitungan (normalisasi bobot serta perhitungan nilai S dan V), dan output perankingan. Proses audit meliputi verifikasi kesesuaian rumus WP dengan teori, pengecekan konsistensi formula Excel, serta analisis kebenaran hasil perhitungan menggunakan data smartphone Xiaomi sebagai studi kasus.Hasil audit menunjukkan bahwa Excel dapat digunakan sebagai alat SPK sederhana apabila formula diterapkan secara benar dan konsisten sesuai aturan WP. Beberapa area kritis yang perlu diperhatikan meliputi penggunaan referensi absolut dan konsistensi formula antar baris. Penelitian ini menunjukkan bahwa audit sistem informasi berperan penting dalam menjaga integritas, akurasi, dan reliabilitas perhitungan WP di Excel serta memberikan rekomendasi untuk meminimalkan risiko kesalahan perhitungan. Kata Kunci: Audit Sistem Informasi, Weighted Product, Microsoft Excel, Verifikasi Formula, Sistem Pendukung Keputusan. ABSTRACTThe use of Microsoft Excel as a computational support tool in Decision Support Systems (DSS) applying the Weighted Product (WP) method has become increasingly common. However, manual calculations in Excel are prone to input errors, formula inaccuracies, and inconsistencies in weight normalization that may lead to invalid ranking results. This study aims to conduct an information system audit of an Excel file used to calculate the WP method to ensure the integrity, accuracy, and reliability of the calculations. The audit focuses on three main components: data input, calculation processes (weight normalization and S and V calculations), and ranking output. The audit includes verification of WP formulas against theoretical principles, consistency checks of Excel formulas, and validation of calculation results using Xiaomi smartphone data as a case study. The results show that Excel can function as a simple DSS tool if formulas are correctly and consistently applied according to WP rules. Critical issues identified include the use of absolute cell references and consistency of formulas across rows. This study demonstrates the role of information system audits in ensuring reliable WP calculations in Excel and provides recommendations to minimize calculation errors.Keywords: Information System Audit, Weighted Product, Microsoft Excel, Formula Verification, Decision Support System.

PENERAPAN SISTEM PAPERLESS OFFICE UNTUK MENINGKATKAN KINERJA PEGAWAI UIN SUMATERA UTARA MEDAN Munir, M Alqusyairi
Syntax : Journal of Software Engineering, Computer Science and Information Technology Vol 6, No 2 (2025): Desember 2025
Publisher : Universitas Dharmawangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46576/syntax.v6i2.7971

AbstrakPerkembangan teknologi informasi telah mengubah pola kerja di berbagai instansi, termasuk di sektor pendidikan. Proses persuratan di UIN Sumatera Utara Medan sebelumnya masih dilakukan secara manual, yang menyebabkan keterlambatan dalam pendisposisian surat dan rendahnya efisiensi kerja. Penelitian ini bertujuan mengembangkan sistem Paperless Office berbasis web guna meningkatkan efisiensi dan kinerja pegawai. Sistem dikembangkan menggunakan bahasa pemrograman PHP, basis data MySQL, dan metode Waterfall. Hasil pengujian Black Box menunjukkan bahwa seluruh fungsi sistem berjalan sesuai kebutuhan pengguna. Implementasi sistem ini terbukti mampu mempercepat proses disposisi surat, mempermudah pelacakan dokumen, serta mendukung pengarsipan digital yang efisien.Kata Kunci: Paperless Office, PHP, MySQL, Efisiensi Kerja, UIN Sumatera Utara.AbstractThe development of information technology has transformed work patterns across institutions, including in education. At UIN Sumatera Utara Medan, the correspondence process was previously handled manually, leading to delays in document disposition and inefficiency. This study aims to develop a web-based Paperless Office system to improve employee performance and administrative efficiency. The system was built using PHP programming language, MySQL database, and the Waterfall development method. Black Box testing results indicate that all system features functioned as intended. The implementation of this system has proven to accelerate document disposition, simplify document tracking, and support efficient digital archiving.Keywords: Paperless Office, PHP, MySQL, Employee Performance, UIN Sumatera Utara.

PERANCANGAN FITUR PERINGATAN PENGEMBALIAN BUKU DALAM APLIKASI PERPUSTAKAAN BERBASIS ANDROID Situmorang, Josep Febrian; Sari, M.Kom, Ria Eka
Syntax : Journal of Software Engineering, Computer Science and Information Technology Vol 6, No 2 (2025): Desember 2025
Publisher : Universitas Dharmawangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46576/syntax.v6i2.7888

Abstrak— Perpustakaan merupakan ruangan yang berisi kumpulan koleksi buku yang diklasifikasikan agar pengunjung mudah mencari buku yang diinginkan yang dimana masih mengalami kesulitan dalam mengelola data peminjaman dan pengembalian buku karena masih menggunakan sistem konvensional, yaitu pencatatan manual pada buku besar perpustakaan. Penelitian ini bertujuan untuk merancang sistem perpustakaan berbasis Android yang dilengkapi fitur peringatan pengembalian buku. Perancangan sistem menggunakan diagram UML seperti Use Case dan Activity Diagram untuk memodelkan proses bisnis aplikasi. Sistem dibangun dengan bahasa pemrograman Kotlin dan basis data Firebase Realtime Database. Hasil penelitian menunjukkan bahwa sistem dapat mempermudah sekolah dalam mengelola data peminjaman dan pengembalian buku serta memberikan notifikasi pengingat bagi pengguna. Kata Kunci: Perpustakaan, Peminjaman Buku, Pengembalian Buku, Android, Firebase Realtime Database. Abstract—A library is a facility containing a collection of books organized and classified to make it easier for users to find the materials they need still faces difficulties in managing book borrowing and returning data because the process is conducted manually using a ledger. This study aims to design an Android-based library application equipped with a book return reminder feature. The system design applies Unified Modeling Language (UML) diagrams such as Use Case and Activity Diagrams to model the system workflow. The application was developed using the Kotlin programming language and the Firebase Realtime Database. The results of the research show that the application can facilitate the management of borrowing and returning data and provides reminder notifications for users. This system helps the school improve efficiency, accuracy, and the effectiveness of library management. Keywords: Library, Borrowing, Returning, Android, Firebase Realtime Database.

EKSPLORASI PADA PEMETAAN KLASIFIKASI RADIOGRAF TORAKS PENYAKIT PARU-PARU MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK (CNN) Zai, Andreas Rezeki; Suhardi, Bambang; Nowo, Surya Tri; Rosnelly, Rika; Setiawan, Adil
Syntax : Journal of Software Engineering, Computer Science and Information Technology Vol 6, No 2 (2025): Desember 2025
Publisher : Universitas Dharmawangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46576/syntax.v6i2.7296

ABSTRAKAbstrak— Radiograf toraks (CXR) merupakan alat penting dalam diagnosis penyakit paru, namun interpretasinya memerlukan keahlian khusus dan berpotensi menimbulkan bias. Penelitian ini bertujuan mengeksplorasi kinerja lima arsitektur Convolutional Neural Network (CNN) berbasis transfer learning, yaitu VGG16, ResNet50, EfficientNetB0, DenseNet121, dan MobileNetV2, dalam mengklasifikasikan lima kelas penyakit paru-paru: bacterial pneumonia, COVID-19, tuberculosis, viral pneumonia, dan normal. Dataset yang digunakan dilengkapi dengan preprocessing CLAHE-RGB, augmentasi data, serta penanganan ketidakseimbangan kelas menggunakan class weighting. Evaluasi dilakukan dengan empat skenario epoch (5, 10, 15, dan 30), serta menggunakan metrik akurasi, precision, recall, F1-score, dan confusion matrix. Hasil menunjukkan bahwa model VGG16 pada epoch ke-15 memberikan performa terbaik dengan akurasi 93,95% dan F1-score 0,94. Penelitian ini menunjukkan bahwa kombinasi preprocessing yang tepat dan arsitektur CNN yang sesuai mampu meningkatkan akurasi klasifikasi penyakit paru secara signifikan. Kata Kunci— Convolutional Neural Network, Citra CXR, VGG16, Transfer Learning, CLAHE, Penyakit Paru. ABSTRACTAbstract— Chest radiography (CXR) is a vital tool in diagnosing pulmonary diseases, yet its interpretation often requires expert analysis and may involve subjectivity. This study explores the performance of five Convolutional Neural Network (CNN) architectures: VGG16, ResNet50, EfficientNetB0, DenseNet121, and MobileNetV2 for classifying five categories of lung conditions: bacterial pneumonia, COVID-19, tuberculosis, viral pneumonia, and normal. The dataset underwent preprocessing using CLAHE-RGB enhancement, data augmentation, and class balancing with class weighting. Each model was trained using four epoch scenarios (5, 10, 15, and 30) and evaluated based on accuracy, precision, recall, F1-score, and confusion matrix. The results indicate that VGG16 with 15 epochs achieved the best performance, reaching 93.95% accuracy and 0.94 F1-score. This study demonstrates that combining appropriate preprocessing techniques with suitable CNN architectures significantly enhances classification performance for pulmonary disease detection. Keywords— Convolutional Neural Network, CXR images, VGG16, Transfer Learning, CLAHE, Lung Disease.

RANCANG BANGUN MANAJEMEN INVENTARIS DAN LAYANAN SERVIS BARANG BERBASIS WEB PADA PERUMDA TIRTANADI SUMUT Sitorus, Puan Syaharani; edilia, fazila nazifa; Daulay, M Raghif Hibrizi
Syntax : Journal of Software Engineering, Computer Science and Information Technology Vol 6, No 2 (2025): Desember 2025
Publisher : Universitas Dharmawangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46576/syntax.v6i2.7986

ABSTRAK Perkembangan informasi teknologi membuka peluang signifikan bagi lembaga pemerintah untuk meningkatkan efisiensi operasional melalui penerapan sistem digital, khususnya dalam pengelolaan inventaris barang dan layanan perbaikan. Di Perusahaan Daerah Air Minum (PDAM) Sumatera Utara, proses pencatatan data inventaris, kondisi aset, serta layanan servis sebelumnya dilakukan secara manual, yang sering kali menyebabkan masalah seperti tertundanya informasi, duplikasi data, dan kesulitan dalam pengawasan aset. Untuk mengatasi tantangan ini, penelitian ini bertujuan merancang dan mengembangkan sistem manajemen inventaris serta layanan layanan berbasis web yang mampu mengintegrasikan semua kegiatan pengelolaan dalam satu platform terpadu. Sistem tersebut dikembangkan dengan menggunakan model pengembangan Waterfall, bahasa pemrograman PHP, dan basis data MySQL. Temuan penelitian menunjukkan bahwa sistem yang dibuat dapat memfasilitasi proses pencatatan inventaris dan layanan servis, menghasilkan laporan yang tepat, serta mempercepat proses pengambilan keputusan oleh manajemen. Dengan implementasi sistem ini, administrasi di PDAM Sumatera Utara menjadi lebih terorganisir, transparan, dan efisien jika dibandingkan dengan pendekatan manual sebelumnya. ABSTRACTThe advancement of information technology provides significant opportunities for government institutions to enhance operational efficiency through the use of digital systems, particularly in the management of inventory and maintenance services. At the Perusahaan Umum Daerah (PERUMDA) Tirtandi of North Sumatra, the processes of recording inventory data, asset conditions, and service activities were previously carried out manually, often resulting in issues such as delayed information, data duplication, and difficulties in asset monitoring. To address these challenges, this study aims to design and develop a web-based inventory and service management system capable of integrating all management activities into a single unified platform. The system was developed using the Waterfall development model, the PHP programming language, and a MySQL database. The findings indicate that the system facilitates the recording of inventory and service data, produces accurate reports, and accelerates decision-making for the management. With the implementation of this system, administrative processes at PERUMDA Tirtanadi North Sumatra become more organized, transparent, and efficient compared to the previous manual approach.Keywords : Information System, Inventory Management, Service Maintenance

EVALUASI KINERJA YOLO V8 DAN SSD DALAM DETEKSI REAL-TIME SAMPAH BOTOL PLASTIK BERBASIS DEEP LEARNING Ritonga, Alven Safik; Widhiyanta, Nurwahyudi; Kusnanti, Eka Alifia
Syntax : Journal of Software Engineering, Computer Science and Information Technology Vol 6, No 2 (2025): Desember 2025
Publisher : Universitas Dharmawangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46576/syntax.v6i2.8020

Sampah botol plastik merupakan salah satu fraksi paling dominan dalam timbunan sampah kota dan berkontribusi besar terhadap pencemaran lingkungan. Laporan global memperkirakan jutaan ton plastik masuk ke ekosistem perairan setiap tahun dan jumlah ini terus meningkat. Deteksi otomatis botol plastik menggunakan object detection berbasis deep learning menjadi pendekatan yang menjanjikan untuk mendukung aplikasi smart waste management seperti smart bin dan reverse vending machine. Penelitian ini mengevaluasi dan membandingkan kinerja YOLOv8 dan Single Shot MultiBox Detector (SSD) untuk deteksi real-time sampah botol plastik. Dataset yang digunakan merupakan gabungan 4.827 citra eksternal dan 251 citra internal, yang kemudian diaugmentasi menjadi lebih dari 10.000 sampel dan dianotasi untuk satu kelas bottle. Model YOLOv8 dilatih di Google Colab dengan GPU T4, sedangkan SSD diuji pada laptop berbasis CPU dalam dua skenario: (1) SSD-COCO menggunakan model pretrained umum, dan (2) SSD-Kustom yang di-fine-tune menggunakan dataset botol plastik. Hasil eksperimen menunjukkan bahwa YOLOv8 mencapai mAP@0,5 ≈ 0,984 untuk kelas botol dengan kurva precision–recall yang stabil. SSD-COCO menghasilkan sekitar 5 FPS di CPU, namun hanya mampu mendeteksi botol pada 4,07% dari 18.755 frame uji. Sebaliknya, SSD-Kustom mempertahankan FPS yang sebanding tetapi mendeteksi botol pada 100% dari 2.154 frame dengan rata-rata ≈171 deteksi per detik, yang mengindikasikan sensitivitas tinggi namun disertai gejala over-detection. Secara keseluruhan, YOLOv8 memberikan keseimbangan terbaik antara akurasi dan stabilitas, sedangkan SSD-Kustom berpotensi menjadi alternatif pada perangkat CPU-only setelah optimasi lanjutan terhadap confidence threshold dan non-maximum suppression.Kata Kunci— Sampah botol plastik, deteksi objek, YOLOv8, SSD, deep learning, real-time.ABSTRACT Plastic bottle waste is one of the most dominant fractions of municipal solid waste and contributes significantly to environmental pollution. Global reports estimate that millions of tons of plastic are discharged into aquatic ecosystems every year, with a steadily increasing trend. Automatic detection of plastic bottles using deep learning–based one-stage object detectors is a promising approach to support smart waste management applications such as smart bins and reverse vending machine. This study evaluates and compares the performance of YOLOv8 and Single Shot MultiBox Detector (SSD) for real-time plastic bottle detection. The dataset combines 4,827 external images and 251 internally acquired images, which are then augmented to more than 10,000 samples and annotated for a single bottle class. YOLOv8 is trained on Google Colab with a T4 GPU, while SSD is evaluated in two scenarios on a CPU laptop: (1) SSD-COCO using a generic pretrained model, and (2) SSD-Custom fine-tuned on the plastic bottle dataset. Experimental results show that YOLOv8 achieves mAP@0.5 ≈ 0.984 for the bottle class with high precision–recall stability. SSD-COCO reaches about 5 FPS on CPU but detects bottles in only 4.07% of 18,755 tested frames. In contrast, SSD-Custom maintains similar FPS, but detects bottles in 100% of 2,154 frames with an average of ≈171 detections per second, indicating strong sensitivity but also over-detection. Overall, YOLOv8 provides the best balance of accuracy and stability, whereas SSD-Custom becomes a viable alternative for CPU-only deployment after further optimization of confidence threshold and non-maximum suppression.Keywords— Plastic bottle waste, object detection, YOLOv8, SSD, deep learning, real-time.

Home Page

OAI Link

Editorial Team

Contact

Reviewer

Google Scholar

Contact Name
Ibnu Rusydi

Contact Email
ibnurusydi@dharmawangsa.ac.id

Phone
+6282362606572

Journal Mail Official
admin_syntax@dharmawangsa.ac.id

Editorial Address
Kampus I, Universitas Dharmawangsa, Jl. K.L Yos Sudarso No. 244 Medan, Sumatera Utara, Indonesia

Location
Unknown,

Unknown

INDONESIA

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Home Page

OAI Link

Editorial Team

Contact

Reviewer

Google Scholar

Contact Name Ibnu Rusydi

Contact Email ibnurusydi@dharmawangsa.ac.id

Phone +6282362606572

Journal Mail Official admin_syntax@dharmawangsa.ac.id

Editorial Address Kampus I, Universitas Dharmawangsa, Jl. K.L Yos Sudarso No. 244 Medan, Sumatera Utara, Indonesia

Location Unknown, Unknown INDONESIA

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Contact Name
Ibnu Rusydi

Contact Email
ibnurusydi@dharmawangsa.ac.id

Phone
+6282362606572

Journal Mail Official
admin_syntax@dharmawangsa.ac.id

Editorial Address
Kampus I, Universitas Dharmawangsa, Jl. K.L Yos Sudarso No. 244 Medan, Sumatera Utara, Indonesia

Location
Unknown,

Unknown

INDONESIA