cover
Contact Name
Nurchim
Contact Email
nurchim@udb.ac.id
Phone
+62271-719552
Journal Mail Official
senatib@udb.ac.id
Editorial Address
Jl. Bhayangkara No 55 Serengan Surakarta 57154
Location
Kota surakarta,
Jawa tengah
INDONESIA
Prosiding Seminar Nasional Teknologi Informasi dan Bisnis
ISSN : -     EISSN : -     DOI : https://doi.org/10.47701/senatib.v2i1
Prosiding SENATIB adalah kegiatan seminar berskala nasional yang diselenggarakan oleh Fakultas Ilmu Komputer Universitas Duta Bangsa Surakarta dalam rangka diseminasi hasil penelitian tentang teknologi informasi dan bisnis. Diharapkan pada tahun 2022 melalui penerbitan prosiding ini dapat terwujud berbagai alternatif solusi dalam menghadapi era industri 4.0 dan society 5.0 di Indonesia.
Articles 490 Documents
Sistem Pendeteksi Asap Menggunakan Sensor MQ-2 Dengan Memanfaatkan Media Bambu Silvia Ximenes Soares; Anandita Frisca; Fadhil Ibnu Is’ad; Satria Brian Yudanto; Rudi Susanto
Prosiding Seminar Nasional Teknologi Informasi dan Bisnis Prosiding Seminar Nasional Teknologi Informasi dan Bisnis (SENATIB) 2023
Publisher : Fakultas Ilmu Komputer Universitas Duta Bangsa Surakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Polusi udara merupakan salah satu masalah yang sangat serius, dalam hal ini kami membahas tentang desain pendeteksi asap menggunakan Arduino dan sensor MQ-2 serta menggunakan kearifan lokal berupa media bambu sebagai wadahnya. Pendeteksi asap ini juga dapat digunakan untuk memonitor ruangan guna mencegah dan memberikan efek jera pada setiap orang yang merokok dan membakar sampah secara sembarangan. Metode yang digunakan dalam pengolahan pendeteksian asap ini adalah dengan menggunakan sensor MQ-2, kemudian hasilnya ditampilkan pada layar LCD/Monitor. Nilai-nilai pada sensor akan diproses oleh Arduino dengan memasukkan coding ke dalam software dan mengirim codingan tersebut kedalamnya. Proses dalam program berfungsi sebagai pengontrol dari semua komponen, dan kode program akan mengontrol semua komponen sesuai instruksi yang diberikan dalam kontroller, serta pengendali tegangan pada input sensor asap dan output layar LCD. Hasil yang diperoleh dari penelitian ini adalah dapat mendeteksi kondisi udara dari polusi asap dan CO mulai dari 0 ppm hingga =<80 ppm.
Rancang Bangun Sistem Pemantau Pintu menggunakan sensor Magnetic Door Reed Switch Berbasis Kodular Muhammad Syafri Syamsudin; Selamet Maulana; Akbar Agustriawan; Ahmad Taufik; Bagus Gilang; Ahmad Zaylani; Khozinul Asror
Prosiding Seminar Nasional Teknologi Informasi dan Bisnis Prosiding Seminar Nasional Teknologi Informasi dan Bisnis (SENATIB) 2023
Publisher : Fakultas Ilmu Komputer Universitas Duta Bangsa Surakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Pada saat ini keamanan merupakan hal yang penting di era modern. Namun, kenyataannya manusia dengan mudah bisa melupakan hal penting tersebut, contohnya apakah pintu sudah terkunci atau belum. Salah satu contoh pemantau keamanan yang mampu menghindari kejadian tersebut dengan memanfaatkan teknologi yaitu menggunakan Internet of Things (IoT). Dipadukan dengan alat yang digunakan yaitu Node MCU8266 dengan sensor magnetic door reed switch. Serta Buzzer berfungsi sebagai alarm notifikasi jika terjadi pergerakan pada pintu. Hasil dari penelitian ini pendeteksian sensor magnetic door reed switch mampu mendeteksi mulai rentang jarak 2 cm.
Anoman Pendeteksi Maling dengan Sensor PIR berbasis Arduino Uno Fulgentius Yovandi; Muhammad Firman Febrianto; Tazkia Nurul Janah; Rudi Susanto
Prosiding Seminar Nasional Teknologi Informasi dan Bisnis Prosiding Seminar Nasional Teknologi Informasi dan Bisnis (SENATIB) 2023
Publisher : Fakultas Ilmu Komputer Universitas Duta Bangsa Surakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Sensor anti maling adalah perangkat electronik yang dibuat untuk mendeteksi infared manusia.bahan bahan yang digunakan untuk membuat perangkat ini antara lain, Arduino Uno,kabel jump,sensor pir dan buzzer.Tujuan utama dari membuat perangkat ini adalah untuk memberikan peringatan dini saat ada aktivitas mencurigakan terdeteksi, dan dapat melindungi aset berhaga.metode yang digunakan yaitu berbasis Arduino uno dan dibantu listing progam yang dibuat dari software Arduino Uno.Hasil yang diperoleh jika sensor pir di berikan gerakan, makan Buzzer akan menyala(berbunyi). Dalam kesimpulannya, sensor maling merupakan inovasi teknologi yang memberikan perlindungan yang efektif terhadap properti dan mencegah tindakan pencurian atau perusakan. Keandalan deteksinya, kemampuan adaptabilitas, dan integrasinya dengan sistem keamanan lainnya menjadikan sensor maling sebagai alat yang penting dalam upaya melindungi properti dan menjaga keamanan komunitas.
Implementasi Algoritma Random Forest untuk Prediksi Permintaan dan Optimasi Stok pada Sistem Manajemen Inventori Layanan Pengiriman Makanan Ichwani, Achmad; Irawan, Egie; Wahyu Aji Saputro, Lintang; Putra Pradana, Gibrand; Maulindar, Joni
Prosiding Seminar Nasional Teknologi Informasi dan Bisnis Prosiding Seminar Nasional Teknologi Informasi dan Bisnis (SENATIB) 2025
Publisher : Fakultas Ilmu Komputer Universitas Duta Bangsa Surakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47701/e99md674

Abstract

Industri pengiriman makanan menghadapi tantangan besar dalam pengelolaan inventori akibat sifat produk yang mudah rusak dan fluktuasi permintaan yang tinggi. Penelitian ini bertujuan mengembangkan sistem prediksi permintaan dan optimasi stok berbasis algoritma Random Forest, menggunakan metode CRISP-DM dengan data historis dari Kaggle dan implementasi sistem web berbasis Python Flask. Hasil penelitian menunjukkan Random Forest memiliki kinerja terbaik dibandingkan Decision Tree dan Linear Regression, dengan skor MSE 109.570,40, RMSE 331,01, dan R² sebesar 0,26. Skor R² ini secara spesifik mengindikasikan bahwa model hanya mampu menjelaskan 26% dari variabilitas data permintaan. Performa yang terbatas ini utamanya disebabkan oleh ketiadaan variabel eksternal yang krusial seperti data cuaca atau hari libur nasional dalam dataset yang digunakan, yang diketahui sangat mempengaruhi dinamika pasar.Meskipun demikian, model ini berhasil membuktikan keunggulan Random Forest dalam menangani hubungan non-linier dan dapat mendukung estimasi kebutuhan stok mingguan melalui sistem manajemen inventori yang fungsional. Visualisasi seperti grafik feature importance dan heatmap korelasi juga diimplementasikan untuk membantu pemahaman pola data serta pengambilan keputusan. Penelitian ini menegaskan potensi besar machine learning sebagai fondasi sistem prediksi di rantai pasok makanan, dengan rekomendasi utama untuk pengembangan selanjutnya adalah memperkaya dataset dengan variabel eksternal guna meningkatkan akurasi model secara signifikan.
Klasifikasi Absensi Pegawai Kantor Pusat Universitas Sebelas Maret Menggunakan Naive Bayes Untuk Optimalisasi Sistem Penggajian Nailurrizqi, Adistya; Maulindar, Joni; Dwi Irawan, Ridwan
Prosiding Seminar Nasional Teknologi Informasi dan Bisnis Prosiding Seminar Nasional Teknologi Informasi dan Bisnis (SENATIB) 2025
Publisher : Fakultas Ilmu Komputer Universitas Duta Bangsa Surakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47701/dthkdn20

Abstract

Sistem absensi pegawai sebagai komponen kritis dalam manajemen SDM di lingkungan pendidikan seperti Universitas Sebelas Maret masih menghadapi tantangan berupa ketidakefektifan sistem manual berbasis Excel yang rentan terhadap kesalahan input, manipulasi data, dan keterlambatan rekapitulasi. Penelitian ini mengembangkan solusi berbasis algoritma Naïve Bayes untuk mengklasifikasikan tingkat kedisiplinan pegawai (disiplin, toleransi, tidak disiplin) melalui tahapan pengumpulan data, verifikasi, validasi, dan integrasi dengan sistem penggajian. Algoritma Naïve Bayes dipilih karena keunggulannya dalam klasifikasi probabilistik yang cepat dan akurat. Implementasi sistem ini didukung oleh teori manajemen absensi, penggajian terkomputerisasi, dan efektivitas Naïve Bayes, yang secara signifikan meningkatkan akurasi, kecepatan, dan objektivitas pengelolaan absensi. Temuan penelitian menunjukkan pembagian kategori proporsional: Disiplin (0-26.7%), Toleransi (26.8-53.5%), dan Tidak Disiplin (53.6-81%). Sistem ini tidak hanya mengotomatisasi proses absensi tetapi juga memperkuat transparansi dan keadilan kebijakan SDM, sekaligus merekomendasikan integrasi variabel kinerja dan pengembangan fitur real-time untuk penelitian selanjutnya.
Sistem Rekomendasi Laptop Second Menggunakan Metode Content Based Filtering di The Master Computer Sukoharjo Aditia, Aditia; Muhtarom, Moh; Purwanto, Eko
Prosiding Seminar Nasional Teknologi Informasi dan Bisnis Prosiding Seminar Nasional Teknologi Informasi dan Bisnis (SENATIB) 2025
Publisher : Fakultas Ilmu Komputer Universitas Duta Bangsa Surakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47701/1vndz229

Abstract

Laptop adalah salah satu dari perkembangan teknologi yang banyak digunakan untuk kebutuhan belajar maupun bekerja. Laptop dengan kondisi pemakaian pertama atau second tidak kalah daripada laptop baru. Banyak pelanggan yang mencari laptop dengan kondisi second tetapi masih memiliki spesifikasi yang dapat digunakan sesuai kebutuhan. Namun banyak pelanggan yang mengalami kesulitan dalam menentukan pilihan laptop second yang akan digunakan. Oleh karena itu, penelitian ini bertujuan untuk mengembangakan sistem rekomendasi laptop second yang dapat memberikan saran kepada pengguna dan dapat membuat pelayanan toko menjadi lebih efektif. Penelitian ini menggunakan metode Content Based Filtering dengan pengumpulan data dengan observasi, wawancara dan studi literatur. Melalui studi kasus yang dilakukan di The Master Computer Sukoharjo. Teknik keyword matching dan cosine similarity untuk pencocokan inputan user dan menilai kemiripan terhadap atribut item yaitu merek, prosesor, ram, storage, gpu, dan keyword (deskripsi) produk. Sistem ini dapat memudahkan pelanggan dalam mengambil keputusan pilihan laptop second sesuai dengan keinginan. Output dari sistem ini berupa website yang dapat memberikan rekomendasi laptop second dengan menampilkan detail spesifikasi dan harga yang diharapkan pelanggan.
Aplikasi Prediksi Permintaan Produk Warung Makan Indomie Brilyan Relo Pambudi Agus Putra, Affriza; Kadek Fajri Mayliawan, Muhammad; Nur Kencana Siwi, Jihan; Ikhsan Abdurrahman, Muhammad; Maulana, Rizard
Prosiding Seminar Nasional Teknologi Informasi dan Bisnis Prosiding Seminar Nasional Teknologi Informasi dan Bisnis (SENATIB) 2025
Publisher : Fakultas Ilmu Komputer Universitas Duta Bangsa Surakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47701/6ebq5150

Abstract

Kemajuan teknologi informasi telah mendorong transformasi digital di berbagai sektor, termasuk usaha mikro, kecil, dan menengah (UMKM). Salah satu bentuk UMKM yang populer di Indonesia adalah Warmindo (Warung Makan Indomie), yang menghadapi tantangan dalam pengelolaan stok akibat fluktuasi permintaan. Penelitian ini bertujuan untuk mengembangkan aplikasi prediksi permintaan produk di Warmindo Banyumas menggunakan algoritma regresi polinomial. Model dibangun dengan memanfaatkan data historis penjualan enam menu utama dan diimplementasikan menggunakan bahasa pemrograman Python serta pustaka seperti Pandas, Matplotlib, dan Scikit-learn. Evaluasi model dilakukan menggunakan metrik R-squared (R²) untuk mengukur akurasi prediksi. Hasil menunjukkan bahwa model memiliki performa sangat baik untuk menu Magelangan (R² = 0,91) dan Nasi Goreng (R² = 0,89), serta performa baik untuk Indomie Goreng dan Indomie Kuah. Namun, akurasi prediksi untuk minuman seperti Es Teh dan Es Jeruk tergolong cukup, mengindikasikan perlunya pertimbangan faktor eksternal. Secara keseluruhan, aplikasi ini dapat menjadi alat bantu dalam pengambilan keputusan strategis terkait perencanaan stok dan penjualan di Warmindo Banyumas.
Penerapan Algoritma Regresi Random Forest Untuk Prediksi Produksi Jagung Menggunakan Data Statistik Sistem Pertanian Cerdas Smart City Bagus Prakoso, Ahmad; Anugrah Putra, Muhammad; Hanif Hilmi, Muhammad; Yoma Patria Risky, Satya; Maulindar, Joni
Prosiding Seminar Nasional Teknologi Informasi dan Bisnis Prosiding Seminar Nasional Teknologi Informasi dan Bisnis (SENATIB) 2025
Publisher : Fakultas Ilmu Komputer Universitas Duta Bangsa Surakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47701/19h5ny78

Abstract

Produksi jagung di Indonesia masih dihadapkan pada berbagai permasalahan seperti ketidakstabilan hasil panen serta kurangnya data prediktif yang mendukung pengambilan keputusan berbasis informasi. Penelitian ini bertujuan untuk mengembangkan model prediksi produksi jagung yang akurat menggunakan algoritma Random Forest Regression berbasis data statistik pertanian. Metode yang digunakan bersifat kuantitatif dengan memanfaatkan data luas panen dan produktivitas jagung dari 38 provinsi di Indonesia tahun 2024, yang dianalisis menggunakan Python dan pustaka machine learning. Hasil evaluasi menunjukkan bahwa model mampu menjelaskan 98% variasi produksi jagung, dengan nilai R² sebesar 0,98 pada data uji. Nilai Mean Squared Error (MSE) dan Mean Absolute Error (MAE) yang rendah menandakan tingkat akurasi yang tinggi. Visualisasi hasil prediksi menunjukkan bahwa nilai-nilai prediksi sangat mendekati nilai aktual. Fitur luas panen memiliki kontribusi paling besar dalam prediksi, diikuti oleh produktivitas. Model disimpan dalam format .pkl dan diintegrasikan ke dalam aplikasi web untuk memudahkan penggunaannya oleh petani maupun dinas pertanian. Penelitian ini mendukung penerapan pertanian cerdas dalam konsep Smart City serta dapat digunakan sebagai alat bantu pengambilan keputusan berbasis data.
Sistem Pendukung Keputusan Pemilihan Karyawan Terbaik Dengan Metode Simpel Additive Weighting Pada BP Coffee & Space Ghani Ardiesta, Alif; Ichsan Pradana, Afu; Permatasari, Hanifah
Prosiding Seminar Nasional Teknologi Informasi dan Bisnis Prosiding Seminar Nasional Teknologi Informasi dan Bisnis (SENATIB) 2025
Publisher : Fakultas Ilmu Komputer Universitas Duta Bangsa Surakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47701/40nbww97

Abstract

Merekrut SDM unggul adalah langkah strategis guna meningkatkan kualitas sumber daya manusia di tengah persaingan bisnis yang ketat. Namun, praktik seleksi manual di BP Coffee and Space berpotensi menyebabkan bias dan ketidaktepatan hasil. Guna memperkuat objektivitas pemilihan karyawan terbaik, penelitian ini mengembangkan Sistem Pendukung Keputusan (SPK) memanfaatkan metode Simple Additive Weighting (SAW). Metode SAW dipilih karena efektif dalam mengevaluasi alternatif via penjumlahan nilai terbobot berdasarkan kriteria tertentu. Sistem dikembangkan melalui pendekatan waterfall, meliputi tahap analisis kebutuhan, perancangan, pembangunan (dengan PHP dan MySQL), pengujian black-box, hingga penerapan. Pengumpulan data primer dilakukan via wawancara dan observasi di BP Coffee and Space, menggunakan lima parameter: kehadiran, kinerja, jumlah tanggungan, absensi, dan kepribadian. Output sistem berupa peringkat karyawan yang ditentukan oleh akumulasi nilai tertimbang seluruh kriteria. Uji coba sistem menunjukkan keberhasilan dalam meningkatkan efisiensi, transparansi, dan ketepatan proses pengambilan keputusan. Oleh karena itu, implementasi SPK berbasis SAW ini direkomendasikan sebagai solusi bagi manajemen untuk menyeleksi karyawan secara lebih adil dan berbasis data.
Prediksi Kelulusan Mahasiswa Menggunakan Algoritma K-Nearest Neighbor (KNN) dengan Klasifikasi Biner Nur Sofiyanto, Irfan; Bagus Saputra, Andika; Fauzi Rakhmadianto, Ridlo; Nur Eka Febrianto, Hermawan; Malika Endiwan, Aprillio; Arum Sari, Aprilisa
Prosiding Seminar Nasional Teknologi Informasi dan Bisnis Prosiding Seminar Nasional Teknologi Informasi dan Bisnis (SENATIB) 2025
Publisher : Fakultas Ilmu Komputer Universitas Duta Bangsa Surakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47701/gpqsm502

Abstract

Penelitian ini bertujuan mengembangkan model prediksi kelulusan mahasiswa menggunakan algoritma K-Nearest Neighbor (KNN). Permasalahan yang diangkat adalah ketidakpastian dalam meramalkan kelulusan berdasarkan data historis akademik, khususnya Indeks Prestasi Semester (IPS). Penelitian berfokus pada pembangunan model klasifikasi biner yang dapat mengidentifikasi status kelulusan mahasiswa guna mendukung deteksi dini risiko akademik. Dataset yang digunakan terdiri dari 519 data mahasiswa Program Studi Teknologi Informasi, dengan atribut berupa nilai IPS semester 1 hingga 8, serta label target berupa status kelulusan. Karena terdapat ketidakseimbangan antar kelas, diterapkan Random Over Sampling (ROS) untuk menyeimbangkan distribusi sebelum pelatihan model. Data kemudian dinormalisasi dan dibagi menjadi data latih dan data uji. Algoritma KNN digunakan dengan parameter k = 5, yang mengklasifikasikan label berdasarkan mayoritas tetangga terdekat. Hasil pengujian menunjukkan bahwa model KNN mampu memberikan akurasi prediksi sebesar 90%, menandakan bahwa pendekatan berbasis data mining ini efektif untuk mendukung evaluasi dan pengelolaan akademik di lingkungan pendidikan tinggi.