cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Yampi R Kaesmetan
Contact Email
kaesmetanyampi@gmail.com
Phone
+6281320586988
Journal Mail Official
kaesmetanyampi@gmail.com
Editorial Address
Jl. Perintis Kemerdekaan 1, Kayu Putih, Kecamata Oebobo, Kota Kupang, Nusa Tenggara Timur
Location
Kota kupang,
Nusa tenggara timur
INDONESIA
HOAQ (High Education of Organization Archive Quality) : Jurnal Teknologi Informasi
Published by Sekolah Tinggi Manajemen Informatika Komputer Uyelindo Kupang
ISSN : 23375280     EISSN : 26207427     DOI : 10.52972
Core Subject : Science,
Computer Science & IT
Jurnal Jurnal High education of organization archive quality Teknologi Informasi merupakan Jurnal Ilmiah untuk menampung hasil penelitian yang berhubungan dengan bidang sains dan teknologi. Bidang penelitian yang dimaksud meliputi : Artificial Intelligence and Application, Business Intelligence, Cloud and Grid Computing, Computer Networking & Security, Computer-Based Multimedia Retrievel, Datawarehouse & Data Mining, Decision Support System, Enterprise System,(SCM, ERP, CRM), E-System (E-Business, E-Commerce, E-Government, E-Health), Expert & Knowledge-Based System, Fuzzy Logic, Genetic Algorithms, Geographics Information System, Human-Computer Interaction, Image Processing, Information Retrieval, Information System, IT Governance, Knowledge Management, Mobile Computing & Application, Multimedia System, Neural Networks, Open Source System & Technology, Pattern Recognition, Semantic Web, Software Engineering
Arjuna Subject : Ilmu Komputer (semua kategori) - Aplikasi Ilmu Komputer
Articles 126 Documents
 9   10   11   12   13 
SISTEM INFORMASI AKADEMIK BERBASIS WEB PADA SD INPRES KODE: WEB-BASED ACADEMIC INFORMATION SYSTEM FOR SD INPRES KODE Nurak, Fransiska Gervina Dua; Chandra, Conchita Junita; Rozady, Margaretha Paulina Novianty
HOAQ (High Education of Organization Archive Quality) : Jurnal Teknologi Informasi Vol. 16 No. 2 (2025): Jurnal HOAQ - Teknologi Informasi
Publisher : STIKOM Uyelindo Kupang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52972/hoaq.vol16no2.p202-212

Abstract

Perkembangan teknologi informasi secara tidak langsung mengharuskan berbagai bidang untuk beradaptasi dengan perubahan yang ada, termasuk bidang pendidikan. SD Inpres Kode masih mengelola data akademik secara manual, yang rentan terhadap kehilangan data, ketidakefisienan dalam pengelolaan presensi, serta menyulitkan penyesuaian jadwal dan penilaian sesuai Kurikulum Merdeka. Sebagai solusi, dibangun sistem informasi akademik berbasis web yang dirancang untuk mengelola data akademik secara lebih efektif, efisien, dan aman. Sistem dibangun menggunakan model Modified Waterfall, dengan bahasa pemrograman PHP  dan DBMS MySQL. Hasil pengujian sistem yang meliputi uji fungsionalitas, uji performa (menggunakan GTMetrix, Lighthouse, PageSpeed Insight, dan Apache JMeter), dan uji kompatibilitas perangkat menunjukkan bahwa seluruh fitur berjalan dengan baik dan responsif di berbagai perangkat dan browser. Sementara itu, uji kepuasan pengguna yang melibatkan berbagai pihak menunjukkan tingkat kepuasan yang tinggi, yaitu admin (57,1% setuju; 42,9% sangat setuju), wali kelas (9,5% netral; 64,3% setuju; 26,2% sangat setuju), guru mata pelajaran (86,7% setuju; 13,3% sangat setuju), kepala sekolah (33,3% setuju; 66,7% sangat setuju), ketua gugus (40% setuju; 60% sangat setuju), dan pengunjung (4,1% netral; 42,4% setuju; 53,5% sangat setuju). Hasil ini mencerminkan kepuasan tinggi terhadap kemudahan penggunaan, kecepatan akses, dan kelengkapan fitur yang disediakan. Sistem ini terbukti dapat meningkatkan efisiensi pengelolaan data akademik serta mendukung implementasi Kurikulum Merdeka secara optimal.   Advances in information technology indirectly require various fields to adapt to these changes, including education. Inpres Elementary School of Kode still manages academic data manually, which is prone to data loss, inefficiencies in attendance management, and makes it difficult to adjust schedules and assessments according to the Merdeka Curriculum. As a solution, a web-based academic information system was built which was designed to manage academic data more effectively, efficiently and securely. The system is built using the Modified Waterfall model, with the PHP programming language and MySQL DBMS. The results of system testing, which include functionality testing, performance testing (using GTmetrix, Lighthouse, Page Speed Insight, and Apache JMeter), and device compatibility testing, show that all features run well and are responsive on various devices and browsers. Meanwhile, user satisfaction tests involving various parties showed a high level of satisfaction, namely admin (57.1% agree; 42.9% strongly agree), homeroom teachers (9.5% neutral; 64.3% agree; 26.2% strongly agree), subject teachers (86.7% agree; 13.3% strongly agree), principals (33.3% agree; 66.7% strongly agree), group leaders (40% agree; 60% strongly agree), and visitors (4.1% neutral; 42.4% agree; 53.5% strongly agree). These results reflect high levels of satisfaction with the ease of use, speed of access, and comprehensiveness of the features provided. This system is expected to improve the efficiency of academic data management and support the optimal implementation of the Merdeka Curriculum.
ANALISIS SENTIMEN KOMENTAR BERPOTENSI TOXIC PADA MEDIA SOSIAL TIKTOK MENGGUNAKAN METODE DECISION TREE: SENTIMENT ANALYSIS OF POTENTIALLY TOXIC COMMENTS ON TIKTOK SOCIAL MEDIA USING THE DECISION TREE METHOD Jasno, Bobbin Ariyadi; Fathoni, Ahmad Ariful; David; Putra, Dwiki Dharma; Hasan, Mohammad Zidane; Amsury, Fachry; Supendar, Hendra
HOAQ (High Education of Organization Archive Quality) : Jurnal Teknologi Informasi Vol. 16 No. 2 (2025): Jurnal HOAQ - Teknologi Informasi
Publisher : STIKOM Uyelindo Kupang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52972/hoaq.vol16no2.p193-201

Abstract

Penelitian ini bertujuan untuk mengatasi tantangan dalam mendeteksi dan mengklasifikasikan komentar berpotensi toxic secara otomatis pada media sosial TikTok, yang dikenal padat dengan bahasa informal, slang, dan cyber-aggression, menggunakan Analisis Sentimen dengan algoritma Decision Tree. Dataset yang digunakan terdiri dari 271 komentar primer yang dikumpulkan langsung dari feed video TikTok dan diklasifikasikan secara seimbang ke dalam kategori Toxic (Label = 1) dan Non-Toxic (Label = 0). Tahapan metodologi mencakup normalisasi bahasa slang TikTok, preprocessing teks, dan pembobotan fitur menggunakan Term Frequency–Inverse Document Frequency (TF-IDF) untuk menonjolkan fitur linguistik yang berkaitan dengan toksisitas. Hasil pengujian menunjukkan bahwa model menghasilkan akurasi sebesar 0,75, precision untuk kelas toxic sebesar 0,787, dan recall sebesar 0,765, sehingga mencerminkan performa aktual model dalam mendeteksi komentar toxic setelah proses preprocessing dan TF-IDF. Teknik post-pruning turut membantu mengurangi overfitting dan meningkatkan kemampuan generalisasi model terhadap data baru, meskipun penelitian ini tidak melakukan pengujian formal terhadap efisiensi komputasi maupun keandalan sistem. Secara keseluruhan, kombinasi normalisasi slang, TF-IDF, dan Decision Tree dengan post-pruning mampu menghasilkan performa klasifikasi yang stabil dalam identifikasi komentar toxic pada TikTok berbasis data primer.   This study aims to address the challenges of automatically detecting and classifying potentially toxic comments on the TikTok social media platform, which is characterized by heavy use of informal language, slang, and cyber-aggression, by applying Sentiment Analysis using the Decision Tree algorithm. The dataset consists of 271 primary comments collected directly from TikTok video feeds and evenly categorized into Toxic (Label = 1) and Non-Toxic (Label = 0). The methodological stages include TikTok-specific slang normalization, text preprocessing, and feature weighting using Term Frequency–Inverse Document Frequency (TF-IDF) to highlight linguistic features associated with toxicity. Experimental results show that the model achieves an accuracy of 0.75, a precision of 0.787, and a recall of 0.765 for the toxic class, reflecting the model’s actual performance after preprocessing and TF-IDF optimization. The application of post-pruning also helps reduce overfitting and improves the model’s generalization ability toward new data, although the study does not conduct formal evaluations of computational efficiency or system reliability. Overall, the combination of slang normalization, TF-IDF, and a pruned Decision Tree demonstrates stable classification performance in identifying toxic comments on TikTok based on the primary data used.
KAJIAN PENERAPAN BLOCKCHAIN PADA SISTEM AKADEMIK DI PERGURUAN TINGGI: SEBUAH LITERATURE REVIEW: A STUDY ON THE APPLICATION OF BLOCKCHAIN IN ACADEMIC SYSTEMS IN HIGHER EDUCATION: A LITERATURE REVIEW Ndaumanu, Ricky Imanuel
HOAQ (High Education of Organization Archive Quality) : Jurnal Teknologi Informasi Vol. 16 No. 2 (2025): Jurnal HOAQ - Teknologi Informasi
Publisher : STIKOM Uyelindo Kupang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52972/hoaq.vol16no2.p186-192

Abstract

Penelitian ini mengkaji penerapan teknologi blockchain dalam sistem akademik di perguruan tinggi sebagai respons terhadap meningkatnya kebutuhan akan keamanan, transparansi, dan efisiensi dalam pengelolaan data akademik. Tujuan utama penelitian ini adalah menganalisis secara sistematis bagaimana blockchain telah digunakan, sedang diterapkan, dan berpotensi diintegrasikan dalam berbagai proses akademik, termasuk verifikasi kredensial, pengelolaan rekam jejak belajar, serta interoperabilitas data antar-institusi. Menggunakan pendekatan systematic literature review, penelitian ini menerapkan protokol pencarian, seleksi, dan sintesis literatur secara ketat untuk mengidentifikasi publikasi relevan dalam lima tahun terakhir. Hasil kajian menunjukkan bahwa meskipun blockchain menawarkan manfaat strategis seperti imutabilitas data, desentralisasi, dan otomatisasi melalui smart contract, implementasi praktisnya dalam konteks perguruan tinggi masih terbatas pada verifikasi sertifikat dan belum banyak menjangkau keseluruhan siklus akademik. Temuan juga mengungkap adanya sejumlah tantangan, termasuk kesiapan infrastruktur, regulasi, dan kapabilitas institusional yang masih rendah, khususnya di negara berkembang. Penelitian ini memberikan kontribusi teoretis melalui integrasi konsep teknologi blockchain dengan karakteristik sistem akademik modern, serta kontribusi praktis berupa pemetaan peluang dan hambatan implementasi yang dapat menjadi acuan bagi institusi pendidikan tinggi dan pembuat kebijakan dalam merencanakan adopsi teknologi secara lebih terarah dan berkelanjutan.   This study examines the application of blockchain technology in academic systems at universities in response to the increasing need for security, transparency, and efficiency in academic data management. The main objective of this study is to systematically analyse how blockchain has been used, is being implemented, and has the potential to be integrated into various academic processes, including credential verification, learning record management, and inter-institutional data interoperability. Using a systematic literature review approach, this study applies strict literature search, selection, and synthesis protocols to identify relevant publications from the last five years. The results of the study show that although blockchain offers strategic benefits such as data immutability, decentralisation, and automation through smart contracts, its practical implementation in the context of higher education is still limited to certificate verification and has not yet reached the entire academic cycle. The findings also reveal a number of challenges, including infrastructure readiness, regulations, and low institutional capabilities, especially in developing countries. This research provides a theoretical contribution through the integration of blockchain technology concepts with the characteristics of modern academic systems, as well as a practical contribution in the form of mapping the opportunities and obstacles to implementation, which can be used as a reference for higher education institutions and policymakers in planning a more focused and sustainable adoption of the technology.
IMPLEMENTASI K-MEANS UNTUK PENENTUAN KEPUTUSAN PENJUALAN JUS (STUDI KASUS CAFÉ JUS XYZ): IMPLEMENTATION OF K-MEANS FOR JUICE SALES DECISION-MAKING (CASE STUDY: XYZ JUICE CAFÉ) Putra, Alfred Yulius Arthadi; Suarezsaga, Fredrikus; Kristina
HOAQ (High Education of Organization Archive Quality) : Jurnal Teknologi Informasi Vol. 16 No. 2 (2025): Jurnal HOAQ - Teknologi Informasi
Publisher : STIKOM Uyelindo Kupang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52972/hoaq.vol16no2.p247-253

Abstract

Usaha penjualan jus buah oleh Café Jus XYZ (nama usaha disamarkan) di Pontianak, Kalimantan Barat menghadapi persaingan yang ketat akibat banyaknya usaha serupa. Kondisi ini menuntut pemilik melakukan pengambilan keputusan berbasis data untuk menentukan prioritas promosi dan pengelolaan stok bahan baku. Penelitian ini memanfaatkan algoritma K-Means untuk mengelompokkan performa menu berdasarkan data transaksi penjualan yang diambil dari sistem kasir periode Juli–September 2025 sebanyak 1.250 transaksi. Data transaksi berbentuk daftar item per transaksi, sehingga dilakukan proses pemisahan item dan agregasi untuk memperoleh jumlah transaksi yang memuat tiap menu. Dari 13 menu yang tersedia, terdapat 10 menu yang tercatat terjual pada periode pengamatan dan digunakan dalam analisis. Hasil K-Means dengan k=3 menghasilkan tiga kategori, yaitu Penjualan Tinggi, Penjualan Sedang, dan Penjualan Rendah. Menu Mango menjadi satu-satunya menu pada kategori Penjualan Tinggi. Enam menu (Avocado, Green Tea, Melon, Melon Lychee, Red Guava, dan Watermelon) masuk kategori Penjualan Sedang, sedangkan tiga menu (Apple, Cookies n Cream, dan Orange) masuk kategori Penjualan Rendah. Selain menghasilkan klaster, kualitas klaster dievaluasi menggunakan metrik internal (WCSS, Silhouette, Davies-Bouldin, dan Calinski-Harabasz) untuk mendukung pemilihan jumlah klaster. Hasil klaster menjadi dasar rekomendasi promosi dan evaluasi menu bagi Café Jus XYZ.   The fruit juice sales business of Café Jus XYZ (business name anonymized) in Pontianak, West Kalimantan, faces intense competition due to the large number of similar businesses. This condition requires data-driven decisions to prioritize promotions and manage raw-material inventory. This study applies the K-Means algorithm to group menu performance using sales transaction data collected from the point-of-sale system during July–September 2025 (1,250 transactions). Each transaction contains a list of purchased items; therefore, the data are split into individual items and aggregated to obtain the number of transactions containing each menu. Although the café offers 13 menu variants, only 10 menus were sold during the observation period and were included in the analysis. The K-Means result with k=3 produces three categories: High, Medium, and Low Sales. Mango is the only menu item in the High Sales category. Six menu items (Avocado, Green Tea, Melon, Melon Lychee, Red Guava, and Watermelon) belong to the Medium Sales category, while three items (Apple, Cookies n Cream, and Orange) fall into the Low Sales category. In addition to clustering, cluster quality is evaluated using internal metrics (WCSS, Silhouette, Davies-Bouldin, and Calinski-Harabasz) to support the choice of the number of clusters. The clustering output is then used to derive recommendations for promotion and menu evaluation.
ANALISIS ALGORITMA PENJADWALAN SHORTEST JOB FIRST PADA TEMPAT FOTOCOPY: ANALYSIS OF THE SHORTEST JOB FIRST (SJF) SCHEDULING ALGORITHM IN A PHOTOCOPY SHOP Humaera, Rifda Zakeya; Rakhman, Fitri Fajriah
HOAQ (High Education of Organization Archive Quality) : Jurnal Teknologi Informasi Vol. 17 No. 1 (2026): Jurnal HOAQ - Teknologi Informasi
Publisher : STIKOM Uyelindo Kupang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52972/hoaq.vol17no1.p96-101

Abstract

Perkembangan teknologi semakin maju dan semakin canggih dalam memajukan teknologi dengan efektivitas operasional peningkatan kualitas pelayanan. Sistem Operasi sangat berperan penting dalam mengatur sumber daya komputer untuk mengatur data, mengontrol proses yang berjalan. Algoritma penjadwalan proses SJF Shortest Job First-Preemptive Algoritma Shortest Job First merupakan algoritma yang mengatur proses penjadwalan yang ada di antrian dan akan dieksekusi berdasarkan burst time terkecil atau terpendek. Permasalahan pada fotocopy ICC karena ketidakefisien antrian layanannya oleh sebab itu dengan adanya algoritma Shortest Job First untuk mengoptimalkan antrian layanan di fotocopy ICC. Tujuan penelitian ini dilakukan untuk memberikan layanan yang baik dengan memprioritaskan pelanggan yang mana proses dengan waktu terpendek maka diberikan prioritas terlebih dahulu untuk diproses. Metode penelitian ini menggunakan wawancara dan observasi secara langsung pada fotocopy ICC. Sehingga dapat disimpulkan bahwa algoritma penjadwalan SJF Shortest Job First-Preemptive lebih optimal dalam menjalankan suatu proses serta mengetahui rata-rata waktu tunggu pelanggan dari hasil perhitungan algoritma SJF.   The development of technology is increasingly advanced and sophisticated in advancing technology with operational effectiveness of improving service quality. The Operating System plays a very important role in managing computer resources to organize data, control running processes. SJF Shortest Job First-Preemptive Process Scheduling Algorithm The Shortest Job First algorithm is an algorithm that regulates the scheduling process in the queue and will be executed based on the smallest or shortest burst time. The problem with ICC photocopying is due to the inefficiency of its service queue, therefore with the Shortest Job First algorithm to optimize the service queue in ICC photocopying. The purpose of this study was to provide good service by prioritizing customers where the process with the shortest time is given priority first to be processed. This research method uses interviews and direct observation on ICC photocopying. So it can be concluded that the SJF Shortest Job First-Preemptive scheduling algorithm is more optimal in running a process and knowing the average customer waiting time from the results of the SJF algorithm calculation
EVALUASI KAPABILITAS PENGGUNAAN SISTEM POS DI LAFERA SPACE BERDASARKAN FRAMEWORK COBIT 2019: EVALUATION OF POS SYSTEM USAGE CAPABILITY AT LAFERA SPACE BASED ON THE COBIT 2019 FRAMEWORK Kurniawan, Kia; Media, Dirga; Haryadi, Yogi; Megawati
HOAQ (High Education of Organization Archive Quality) : Jurnal Teknologi Informasi Vol. 17 No. 1 (2026): Jurnal HOAQ - Teknologi Informasi
Publisher : STIKOM Uyelindo Kupang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52972/hoaq.vol17no1.p85-95

Abstract

Sistem Point of Sale (POS) telah menjadi komponen penting dalam operasional bisnis ritel dan kuliner, termasuk pada usaha mikro seperti Lafera Space. Namun, pemanfaatan sistem POS masih belum optimal. Penelitian ini bertujuan mengevaluasi tingkat kapabilitas pengelolaan sistem POS di Lafera Space dengan menggunakan framework COBIT 2019 pada tiga domain: APO04 (Manage Innovation), BAI02 (Manage Requirements Definition), dan MEA01 (Monitor, Evaluate and Assess Performance and Conformance). Metode penelitian meliputi observasi, wawancara, serta penyebaran kuesioner berbasis atribut proses COBIT 2019. Hasil evaluasi menunjukkan bahwa ketiga domain berada pada capability level 1 hingga 2. Rekomendasi strategis diajukan untuk mengatasi kesenjangan dan meningkatkan tata kelola sistem POS secara berkelanjutan.   Point of Sale (POS) systems have become an important component in retail and culinary business operations, including micro businesses such as Lafera Space. However, the utilization of POS systems is still not optimal. This study aims to evaluate the level of POS system management capabilities at Lafera Space using the COBIT 2019 framework in three domains: APO04 (Manage Innovation), BAI02 (Manage Requirements Definition), and MEA01 (Monitor, Evaluate, and Assess Performance and Conformance). The research methods include observation, interviews, and the distribution of a questionnaire based on the COBIT 2019 process attributes. The evaluation results indicate that all three domains are at capability levels 1 to 2. Strategic recommendations are proposed to address the gaps and improve the management of the POS system sustainably.
PENERAPAN ALGORITMA ARTIFICIAL NEURAL NETWORK UNTUK KLASIFIKASI KUALITAS BUAH APEL: APPLICATION OF AN ARTIFICIAL NEURAL NETWORK ALGORITHM FOR CLASSIFYING APPLE QUALITY Mega; Marselina, Nia; Chang, Olivia Brilliant
HOAQ (High Education of Organization Archive Quality) : Jurnal Teknologi Informasi Vol. 17 No. 1 (2026): Jurnal HOAQ - Teknologi Informasi
Publisher : STIKOM Uyelindo Kupang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52972/hoaq.vol17no1.p76-84

Abstract

Penelitian ini bertujuan untuk mengklasifikasikan kualitas buah apel menggunakan algoritma Artificial Neural Network (ANN) sebagai solusi terhadap keterbatasan metode seleksi manual yang cenderung subjektif, memakan waktu, dan kurang efisien pada skala industri. Dataset yang digunakan diperoleh dari situs Kaggle dan terdiri dari 4.000 data sampel apel dengan tujuh atribut fisik: ukuran, berat, kemanisan, kerenyahan, kejuicy-an, kematangan, dan keasaman. Data dibagi menjadi tiga bagian menggunakan metode stratified hold-out sampling, yaitu 70% untuk pelatihan, 15% untuk validasi, dan 15% untuk pengujian. Model ANN yang diterapkan menggunakan arsitektur Multilayer Perceptron (MLP) dengan dua hidden layer berisi 20 dan 10 neuron serta dilatih menggunakan algoritma Scaled Conjugate Gradient. Evaluasi dilakukan menggunakan confusion matrix dan metrik seperti akurasi, presisi, recall, dan F1-score. Hasil menunjukkan bahwa model ANN mencapai akurasi 92% pada data pengujian dengan performa optimal pada epoch ke-106. Perbandingan dengan algoritma lain seperti Random Forest (88,3%) dan Support Vector Machine (74,7%) menunjukkan keunggulan ANN dalam klasifikasi kualitas apel. Kurva ROC dan histogram error memperkuat bukti bahwa model memiliki generalisasi yang baik tanpa overfitting. Penelitian ini membuktikan bahwa ANN dapat menjadi solusi efektif dan efisien dalam otomasi penilaian mutu buah apel serta berpotensi diterapkan lebih luas pada produk hortikultura lainnya.   This study aims to classify apple fruit quality using the Artificial Neural Network (ANN) algorithm as a solution to the limitations of manual selection methods, which tend to be subjective, time-consuming, and inefficient on an industrial scale. The dataset used was obtained from Kaggle and consists of 4,000 apple samples with seven physical attributes: size, weight, sweetness, crunchiness, juiciness, ripeness, and acidity. The data was divided into three parts using the stratified hold-out sampling method: 70% for training, 15% for validation, and 15% for testing. The ANN model implemented uses a Multilayer Perceptron (MLP) architecture with two hidden layers containing 20 and 10 neurons, and it is trained using the Scaled Conjugate Gradient algorithm. Evaluation was performed using a confusion matrix and metrics such as accuracy, precision, recall, and F1-score. The results show that the ANN model achieved 92% accuracy on the test data, with optimal performance reached at epoch 106. Comparisons with other algorithms such as Random Forest (88.3%) and Support Vector Machine (74.7%) demonstrate the superiority of ANN in classifying apple quality. The ROC curve and error histogram further confirm that the model has good generalization capabilities without overfitting. This study demonstrates that ANN is an effective and efficient solution for automating the assessment of apple fruit quality and has the potential to be more broadly applied to other horticultural products.
SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN KARYAWAN TERBAIK PADA COFFEE SHOP ECHO SPACE MENGGUNAKAN METODE AHP: DECISION SUPPORT SYSTEM FOR SELECTING THE BEST EMPLOYEE AT ECHO SPACE COFFEE SHOP USING THE AHP METHOD Azahra, Fatimah
HOAQ (High Education of Organization Archive Quality) : Jurnal Teknologi Informasi Vol. 17 No. 1 (2026): Jurnal HOAQ - Teknologi Informasi
Publisher : STIKOM Uyelindo Kupang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52972/hoaq.vol17no1.p62-75

Abstract

Perkembangan bisnis Coffee Shop di Indonesia yang semakin pesat mendorong setiap pemilik usaha untuk meningkatkan pelayanan, salah satunya dengan pemilihan karyawan terbaik. Ketidakadilan dan ketidakefisienan dalam pengambilan keputusan sering terjadi di Coffee Shop Echo Space karena proses pemilihan karyawan terbaik masih dilakukan secara manual dan tidak terstuktur tanpa standar penilaian. Dengan menggunakan metode Analytical Hierarchy Process (AHP), penelitian ini bertujuan untuk membangun sistem yang paling efektif untuk mendukung keputusan pemilihan karyawan. Tujuannya adalah untuk membuat proses penilaian menjadi lebih terukur, objektif, dan transparan. Identifikasi masalah, studi pustaka, pengumpulan data melalui observasi dan wawancara, dan analisis menggunakan Analytical Hierarchy Process (AHP). AHP ini mencakup pembentukan hierarki, perbandingan berpasangan, normalisasi, perhitungan bobot, dan pengujian konsistensi. Hasil penelitian menunjukkan bahwa sistem dapat mengolah data penilaian sesuai dengan lima kriteria utama, yaitu kedisiplinan, komunikasi, kualitas kerja, kerja sama tim, dan tanggung jawab. Bobot tertinggi dimiliki oleh kriteria tanggung jawab sebesar 0.387, sedangkan nilai Consistency Ratio (CR) pada matriks kriteria adalah 0.019 yang menunjukkan hasil konsisten (CR ? 0.1). Peringkat akhir menunjukkan bahwa karyawan Eric memperoleh skor tertinggi sebesar 0.278 dan direkomendasikan sebagai karyawan terbaik. Penelitian ini menemukan bahwa metode Analytical Hierarchy Process (AHP) dapat membantu manajemen membuat keputusan berbasis data di konteks usaha kecil seperti coffee shop. Proses evaluasi karyawan yang lebih adil, efisien, dan terdokumentasi akan diimplikasikan sebagai hasil dari penelitian ini. Selain itu, dapat berfungsi sebagai dasar untuk pengembangan sistem berbasis web atau mobile di masa mendatang.   The rapid growth of the coffee shop business in Indonesia has prompted every business owner to improve their services, one of which is by selecting the best employess. Inequity and inefficiency in decision-making often occur at Echo Space Coffee Shop because the process of selecting the best employees is still done manually and unstructured without any assessment standards. By using the Analytical Hierarchy Process (AHP) method, this study aims to develop the most effective system to support employee selection decisions. The objective is to make the evaluation process more measurable, objective, and transparent. The research involves problem identification, literature review, data collection through observation and interviews, and analysis using the Analytical Hierarchy Process (AHP). The AHP includes hierarchy formation, pairwise comparisons, normalization, weight calculation, and consistency testing. The research results show that the system can process evaluation data according to five main criteria: discipline, communication, work quality, teamwork, and responsibility. The system determines the final ranking for each employee based on the highest score. This study found that the Analytical Hierarchy Process (AHP) method can assist management in making data-driven decisions in the context of small businesses such as coffee shops. A more fair, efficient, and documented employee evaluation process will be implied as a result of this research. In addition, it can serve as a basis for the development of web-based or mobile systems in the future.
PENERAPAN KECERDASAN BUATAN DALAM SISTEM PENGENALAN GERAK TANGAN UNTUK MENDUKUNG KOMUNIKASI PADA PENYANDANG TUNAWICARA: APPLICATION OF ARTIFICIAL INTELLIGENCE IN A HAND GESTURE RECOGNITION SYSTEM TO SUPPORT COMMUNICATION FOR PEOPLE WITH SPEECH IMPAIRMENTS Ardiansyah, Rija; Zamroni, Rio; Azhar, Muhammad; Mahesa, Kevin Indra; Reza, Syaiful Fan; Arkananta, Yudhistira; Nainggolan, Esron Richardo; Brawijaya, Herlambang
HOAQ (High Education of Organization Archive Quality) : Jurnal Teknologi Informasi Vol. 17 No. 1 (2026): Jurnal HOAQ - Teknologi Informasi
Publisher : STIKOM Uyelindo Kupang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52972/hoaq.vol17no1.p53-61

Abstract

Perkembangan teknologi kecerdasan buatan (AI) telah mendorong peningkatan signifikan dalam interaksi antara manusia dan mesin, khususnya dalam menyediakan akses komunikasi yang lebih baik bagi individu dengan gangguan bicara. Penelitian ini mengusulkan sebuah sistem penerjemah Bahasa Isyarat Indonesia (BISINDO) berbasis computer vision yang mengintegrasikan deteksi landmark tangan secara real-time menggunakan MediaPipe dengan proses klasifikasi gestur berbasis Convolutional Neural Network (CNN). Sistem ini dirancang untuk mengenali pola gerakan tangan secara dinamis dan mengubahnya menjadi teks atau suara sintetis melalui modul Google Text-to-Speech (gTTS). Pendekatan yang digunakan menggabungkan analisis spasial dan temporal untuk menghasilkan interpretasi gestur yang akurat dan responsif terhadap konteks. Penelitian ini juga mengidentifikasi tantangan implementasi terkait kemampuan generalisasi model terhadap perbedaan pengguna, kondisi pencahayaan, dan lingkungan, serta menawarkan solusi melalui teknik augmentasi data dan optimalisasi arsitektur jaringan saraf. Dengan desain yang fleksibel dan adaptif, sistem ini memiliki potensi besar untuk menjadi dasar pengembangan teknologi bantuan komunikasi inklusif berbasis AI di Indonesia serta mendorong kolaborasi antara bidang visi komputer, bahasa isyarat, dan teknologi Internet of Things (IoT).   Advances in artificial intelligence (AI) technology have driven significant improvements in human–machine interaction, particularly in enhancing communication accessibility for individuals with speech impairments. This study proposes an Indonesian Sign Language (BISINDO) interpreter system based on computer vision, integrating real-time hand landmark detection using the MediaPipe framework with gesture classification powered by a Convolutional Neural Network (CNN). The system is designed to dynamically recognize hand gesture patterns and convert them into text or synthetic speech through the Google Text-to-Speech (gTTS) module. This approach combines spatial and temporal analysis to produce accurate and contextually responsive gesture interpretations. The study also identifies implementation challenges related to the model’s generalizability across different users, lighting conditions, and environments, while offering solutions through data augmentation techniques and neural network architecture optimization. With its flexible and adaptive design, the proposed system has strong potential to serve as a foundation for the development of AI-based inclusive communication technologies in Indonesia and to foster collaboration across the fields of computer vision, sign language, and Internet of Things (IoT) applications.
PENERAPAN CLUSTERING K-MEANS UNTUK SEGMENTASI PELANGGAN PADA BISNIS RETAIL: APPLICATION OF K-MEANS CLUSTERING FOR CUSTOMER SEGMENTATION IN RETAIL BUSINESSES Fahsya, Lucky Chairul; Wijaya, Chandra; Bintang, Firsta Maha; Mulyono, Justine James; Ramadhan, Fitrah; Amsury, Fachri
HOAQ (High Education of Organization Archive Quality) : Jurnal Teknologi Informasi Vol. 17 No. 1 (2026): Jurnal HOAQ - Teknologi Informasi
Publisher : STIKOM Uyelindo Kupang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52972/hoaq.vol17no1.p38-52

Abstract

Perkembangan bisnis retail online yang semakin pesat menuntut perusahaan untuk memahami perilaku pelanggan secara lebih mendalam agar dapat merancang strategi pemasaran yang efektif. Penelitian ini bertujuan untuk melakukan segmentasi pelanggan berdasarkan pola transaksi dengan menggunakan metode K-Means Clustering. Data yang digunakan merupakan data sekunder dari Online Retail Dataset yang diperoleh melalui UCI Machine Learning Repository, yang berisi catatan transaksi 4.338 pelanggan dari sebuah toko online di Inggris. Tahapan penelitian meliputi data preprocessing, pembentukan variabel Recency, Frequency, Monetary (RFM), standarisasi data, dan penerapan algoritma K-Means dengan jumlah cluster (k) = 3. Hasil penelitian menunjukkan bahwa pelanggan terbagi ke dalam tiga kelompok utama: pelanggan loyal (0,3%), potensial (74,8%), dan pasif (24,9%). Validitas clustering dikonfirmasi melalui tiga metrik evaluasi dengan Silhouette Score 0,602, Davies-Bouldin Index 0,756, dan Calinski-Harabasz Score 3.124,58. Cluster loyal berkontribusi 18,4% dari total revenue meskipun hanya 0,3% populasi. Penerapan metode K-Means terbukti efektif dalam mengidentifikasi pola perilaku pelanggan yang dapat dimanfaatkan untuk menentukan strategi retensi dan promosi yang lebih tepat sasaran.   The rapid growth of online retail businesses requires companies to deeply understand customer behavior in order to design effective marketing strategies. This study aims to perform customer segmentation based on transactional patterns using the K-Means Clustering method. The dataset used is secondary data obtained from the Online Retail Dataset available in the UCI Machine Learning Repository, containing transaction records of 4,338 customers from a UK-based online store. The research stages include data preprocessing, construction of Recency, Frequency, Monetary (RFM) variables, data standardization, and implementation of the K-Means algorithm with the number of clusters (k) set to three. The results show that customers are grouped into three main segments: loyal customers (0.3%), potential customers (74.8%), and passive customers (24.9%). Clustering validity is confirmed through three evaluation metrics with Silhouette Score of 0.602, Davies-Bouldin Index of 0.756, and Calinski-Harabasz Score of 3,124.58. The loyal cluster contributes 18.4% of total revenue despite representing only 0.3% of the population. The application of the K-Means method proves effective in identifying customer behavior patterns that support management in developing more targeted retention and promotional strategies.

Page 12 of 13 | Total Record : 126

 9   10   11   12   13 

Filter by Year

2019 2026


Reset
Filter By Issues
All Issue Vol. 17 No. 1 (2026): Jurnal HOAQ - Teknologi Informasi Vol. 16 No. 2 (2025): Jurnal HOAQ - Teknologi Informasi Vol. 16 No. 1 (2025): Jurnal HOAQ - Teknologi Informasi Vol. 15 No. 2 (2024): Jurnal HOAQ - Teknologi Informasi Vol. 15 No. 1 (2024): Jurnal HOAQ - Teknologi Informasi Vol. 14 No. 2 (2023): Jurnal HOAQ - Teknologi Informasi Vol. 14 No. 1 (2023): Jurnal HOAQ - Teknologi Informasi Vol. 13 No. 2 (2022): Jurnal HOAQ - Teknologi Informasi Vol. 13 No. 1 (2022): Jurnal HOAQ - Teknologi Informasi Vol. 12 No. 2 (2021): Jurnal HOAQ - Teknologi Informasi Vol. 12 No. 1 (2021): Jurnal HOAQ - Teknologi Informasi Vol. 11 No. 2 (2020): Jurnal HOAQ - Teknologi Informasi Vol. 11 No. 1 (2020): Jurnal HOAQ - Teknologi Informasi Vol. 10 No. 2 (2019): Jurnal HOAQ - Teknologi Informasi Vol. 10 No. 1 (2019): Jurnal HOAQ - Teknologi Informasi More Issue