cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
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
Published by Universitas Duta Bangsa Surakarta
ISSN : -     EISSN : -     DOI : https://doi.org/10.47701/senatib.v2i1
Core Subject : Economy, Science, Engineering,
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Mechanical Engineering Physics
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.
Arjuna Subject : Ilmu Komputer (semua kategori) - Ilmu Komputer (Lain-Lain)
Articles 490 Documents
 28   29   30   31   32 
Formulasi Strategi Bisnis Berbasis Data: Penerapan Metode AHP untuk Mengkuantifikasi Preferensi Konsumen pada UMKM Kuliner (Studi Kasus: Rokaville Purwokerto) Afif Darmawan, Defandi; Gilbryan Ibrahim, Ramadhan; Mevadianti, Ersya; Arifin, Miftahol; Maulidina Hidayat, Chusnul
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/mtd7mr42

Abstract

Perkembangan pesat industri kuliner di Purwokerto menuntut pelaku usaha seperti Rokaville Purwokerto untuk memahami preferensi konsumen secara mendalam guna meningkatkan daya saing. Sebagai restoran yang menawarkan menu ayam boneless dengan cita rasa khas, Rokaville menghadapi tantangan dalam mempertahankan loyalitas pelanggan di tengah pasar yang kompetitif. Penelitian ini bertujuan untuk menganalisis preferensi konsumen serta mengevaluasi kualitas menu dan pelayanan menggunakan metode Analytical Hierarchy Process (AHP) untuk merumuskan strategi bisnis yang efektif.Penelitian ini menggunakan pendekatan kuantitatif dengan metode Analytical Hierarchy Process (AHP). Struktur hierarki keputusan disusun dalam tiga level yang mencakup tujuan, kriteria, dan alternatif. Data primer dikumpulkan melalui kuesioner dengan format perbandingan berpasangan yang didistribusikan kepada konsumen Rokaville. Analisis data dilakukan untuk menghitung bobot prioritas setiap kriteria dan diuji validitasnya menggunakan Rasio Konsistensi (CR) dengan ambang batas CR?0,1. Hasil analisis kuantitatif menunjukkan bahwa kualitas rasa merupakan faktor paling prioritas bagi konsumen dengan bobot tertinggi sebesar 0,42. Kriteria berikutnya secara berurutan adalah pelayanan dengan bobot 0,26 , porsi makanan dengan bobot 0,18 , dan harga dengan bobot terendah sebesar 0,14. Pengujian validitas data menunjukkan nilai Rasio Konsistensi (CR) sebesar 0,08, yang menandakan bahwa data yang dikumpulkan bersifat konsisten dan dapat dipertanggungjawabkan. Temuan ini mengindikasikan bahwa konsumen Rokaville memprioritaskan rasa makanan di atas faktor lainnya, diikuti oleh pentingnya pengalaman pelayanan. Meskipun harga memiliki bobot terendah, faktor ini tetap perlu dikelola secara cermat agar tetap kompetitif. Berdasarkan hasil tersebut, direkomendasikan agar Rokaville memfokuskan strategi bisnisnya pada peningkatan kualitas rasa secara konsisten dan meningkatkan standar pelayanan untuk memperkuat kepuasan serta loyalitas pelanggan.
Prediksi Angka Kemiskinan Di Kabupaten Ogan Komering Ulu Menggunakan Metode Data Mining Berbasis SVM, Neural Network & SGD Kurniawan, Daniel; Apriani, Silvia; Pujianto, Pujianto
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: 10.47701/44a6x132

Abstract

Kemiskinan adalah masalah kompleks yang dipengaruhi oleh berbagai faktor ekonomi, sosial, dan demografi yang saling berkaitan. Sudah menjadi tugas kebijakan ekonomi yang signifikan, oleh karena itu, dalam hal tersebut, untuk mengidentifikasi segala faktor yang relevan dan signifikan serta menguraikan efeknya terhadap tingkat kemiskinan, kita menggunakan data sekund er yang diperoleh dari Badan Pusat Statistik dan sumber-sumber kemiskinan lainnya yang memengaruhi periode penelitian yang spesifik. Penelitian ini bertujuan untuk mengeksplorasi penerapan Algoritma SVM (Support Vector Machine), Neural Network, Stochatic Gradient Descent. dengan menggunakan aplikasi Orange untuk memprediksi angka kemiskinan yang ada di Kabupaten OKU. Metodologi penelitian melibatkan tahapan pengumpulan data, pemrosesan, dan implementasi menggunakan metode SVM(Support Vector Machine), Neural Network, Stochatic Gradient Descent. melalui platform Orange. Hasil penelitian ini dapat memberikan wawasan mendalam mengenai kemampuan SVM(Support Vector Machine), Neural Network, Stochatic Gradient Descent. dalam memprediksi angka kemiskinan untuk hasil dari perhitungan yang sudah di dapatkan adalah Jumlah prediksi tahun 2025 = 72.42 sedangkan Jumlah prediksi tahun 2026 = 70.15 di Kabupaten OKU.
Perbandingan Model Random Forest dan Linear Regresion Untuk Memprediksi Harga Nikel Andika, Deri; Yahya Praja Putra, Raflie; Pujianto, Pujianto
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: 10.47701/7gesbr86

Abstract

Prediksi harga nikel menjadi perhatian penting dalam sektor industri dan investasi karena volatilitasnya yang tinggi dan perannya yang strategis dalam produksi baterai dan baja tahan karat. Penelitian ini bertujuan untuk membandingkan performa dua model machine learning, yaitu Random Forest Regressor dan Linear Regression, dalam memprediksi harga nikel menggunakan perangkat lunak Orange. Data historis harga nikel akan dianalisis dan dievaluasi berdasarkan metrik seperti Mean Absolute Error (MAE), Root Mean Square Error (RMSE), dan koefisien determinasi (R²). Diharapkan penelitian ini dapat mengidentifikasi model prediksi yang paling optimal dan memberikan kontribusi terhadap pengambilan keputusan strategis dalam industry.
Clustering Produk UMKM Berdasarkan Penjualan Online Menggunakan K-Means Catur Pamungkas, Affandi; Wakhid Nur Sakti, Didan; Trisna Aqilla, Fiza; Miza, Kurniadi; 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/hgnnv193

Abstract

UMKM memiliki peran penting dalam perekonomian Indonesia, terutama dalam meningkatkan lapangan kerja dan Produk Domestik Bruto (PDB). Dengan berkembangnya digitalisasi, banyak pelaku UMKM memasarkan produknya secara online. Namun, banyaknya data transaksi yang dihasilkan memerlukan analisis untuk mengoptimalkan strategi penjualan. Penelitian ini bertujuan untuk mengelompokkan produk UMKM berdasarkan karakteristik penjualan online menggunakan algoritma K-Means. Dataset yang digunakan diperoleh dari E-Commerce Shopee dan mencakup 30 produk dengan fitur harga, jumlah terjual, dan rating. Data diolah melalui tahap normalisasi Min-Max dan proses clustering dengan jumlah cluster sebanyak tiga. Hasil penelitian menunjukkan bahwa algoritma K-Means mampu mengelompokkan produk ke dalam tiga klaster: produk dengan penjualan tinggi, sedang, dan rendah (outlier). Klaster ini memberikan gambaran performa penjualan dan membantu UMKM dalam merumuskan strategi yang lebih tepat, seperti fokus pada produk unggulan atau evaluasi produk berpenjualan rendah. Untuk menilai kualitas pengelompokan, dilakukan evaluasi menggunakan metode Silhouette Coefficient yang menghasilkan nilai rata-rata sebesar 0,443. Nilai ini menunjukkan bahwa hasil clustering sudah cukup baik dan mampu memisahkan data dengan cukup jelas antar kelompok. Kesimpulan dari penelitian ini menunjukkan bahwa metode clustering dengan K-Means dapat digunakan sebagai alat analisis efektif untuk mendukung pengambilan keputusan bisnis UMKM secara digital. Dengan pendekatan ini, UMKM diharapkan dapat meningkatkan daya saing dan keberlanjutan usahanya di era ekonomi digital.
Perbandingan Metode Random Forest, Linier Regression, SVM Untuk Memprediksi Harga Beras Premium Saputra, Doni; Raihan Trinadi, Dio; Agustina, Desti; Pujianto, Pujianto
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/yqx4ss53

Abstract

Di Indonesia beras merupakan bahan pokok utama yang sangat mempengaruhi per ekonomian dan kesejahteraan masyarakat. Oleh karena itu, prediksi harga beras menjadi sangat penting dalam memembantu pemerintah mengambil keputusan kedepan untuk menjaga stabilitas ekonomi negara dan menjaga kesejahteraan masyarakat. Penelitian ini bertujuan untuk memprediksi harga beras premium menggunakan algoritma Random Forest, Linier Regression dan SVM melakukan perbandingan metode manakah yang lebih akurat dalam memprediksi harga beras di hari yang akan datang. Data yang di gunakan dalam penelitian ini bersumber dari compas.com dari tahun 2024 – 2025 untuk memprediksi harga beras di tahun 2026. Model diuji menggunakan pendekatan supervised learning dengan validasi silang untuk memastikan keandalan hasil. Berdasarkan hasil pengujian yang di lakukan dengan algoritma Random Forest, Linier Regression, dan SVM memberikan hasil evaluasi bahwa metode Random Forest lah yang paling akurat hasilnya, karena berdasarkan evaluasi MAE (mean absolute error) nilai rata-rata terkecilah yang paling akurat untuk prediksi harga beras, maka dalam hal prediksi harga beras metode Random Forestlah yang sangat cocok untuk di gunakan para peneliti.
Perancangan Sistem Rekomendasi Band pada Festival Musik Menggunakan Metode Content-Based Filtering Mei Pujiati Edy Santoso, Elysa; Tio Jordan, Alles; Rif’ai, Rifan
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: 10.47701/0c4ww052

Abstract

Sistem rekomendasi memiliki peran penting dalam membantu pengambilan keputusan, termasuk dalam konteks penyelenggaraan festival musik. Penelitian ini bertujuan untuk merancang dan mengimplementasikan sistem rekomendasi band pada festival musik menggunakan metode Content-Based Filtering (CBF). Dataset terdiri dari 15 band lokal dan nasional dengan profil konten berupa genre, mood lagu, asal daerah, gaya lirik, dan pengaruh musikal. Data diolah menggunakan TF- IDF untuk menghasilkan representasi vektor, dan kemiripan dihitung dengan cosine similarity. Hasil pengujian menunjukkan bahwa sistem berhasil merekomendasikan 5 band teratas dengan skor kemiripan tertinggi, misalnya THE JEBLOGS (0,391), REBELLION ROSE (0,265), dan LOS JANTOS (0,230) ketika pengguna memilih SUPERMAN IS DEAD sebagai input. Hasil ini menunjukkan sistem mampu menangkap kesamaan tematik secara efektif. Sistem ini dapat digunakan sebagai alat bantu dalam proses kurasi line-up festival yang lebih konsisten dan terarah. Ke depan, sistem dapat dikembangkan dengan mengintegrasikan preferensi pengguna atau pendekatan hybrid.
Prediksi Jumlah Belanja Tidak Langsung Pemerintah Provinsi Sumatera Selatan Menggunakan Aplikasi Orange Julia Citra, Erma; Herta Putri, Meily; Juliansa, Refki; Pujianto, Pujianto
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/efb25j36

Abstract

Penelitian ini bertujuan untuk memprediksi belanja tidak langsung di Provinsi Sumatera Selatan dengan menggunakan metode data mining, khususnya algoritma Random Forest, Decision Tree, dan Linear Regression. Belanja tidak langsung merupakan komponen krusial dalam pengelolaan keuangan daerah, yang meliputi pengeluaran untuk gaji pegawai, subsidi, dan bantuan sosial, serta memiliki dampak signifikan terhadap pembangunan ekonomi dan pengurangan kemiskinan. Data yang digunakan dalam penelitian ini diperoleh dari Badan Pusat Statistik (BPS) Provinsi Sumatera Selatan untuk periode tahun 2015 hingga 2022. Analisis data dilakukan menggunakan aplikasi Orange. Hasil analisis menunjukkan bahwa pertumbuhan ekonomi, inflasi, dan pengeluaran untuk gaji pegawai adalah faktor- faktor signifikan yang memengaruhi belanja tidak langsung. Pertumbuhan ekonomi yang positif cenderung mendorong peningkatan belanja tidak langsung untuk investasi infrastruktur dan program sosial, sementara inflasi yang tinggi dapat mengakibatkan penyesuaian alokasi anggaran untuk bantuan sosial. Pengeluaran untuk gaji pegawai juga merupakan faktor krusial yang dapat meningkatkan kualitas layanan publik dan merangsang pertumbuhan ekonomi lokal. Prediksi belanja tidak langsung untuk tahun 2024 dan 2025 dengan ketiga algoritma menghasilkan nilai sebagai berikut: Random Forest memprediksi Rp. 6.170.806.018,77 untuk 2024 dan 2025; Linear Regression memprediksi Rp. 6.950.863.031,90 untuk 2024 dan Rp. 7.331.836.271,94 untuk 2025; dan algoritma Tree memprediksi Rp. 6.229.891.267,53 untuk 2024 dan 2025. Temuan ini memberikan wawasan penting bagi pengambil kebijakan dalam merencanakan dan mengalokasikan anggaran secara lebih efektif guna meningkatkan kesejahteraan masyarakat dan mengurangi angka kemiskinan di Provinsi Sumatera Selatan.
Prediksi Pola Curah Hujan di Kota Semarang Menggunakan Algoritma Naive Bayes Ibnu Is’ad, Fadhil; Amirah Munif, Jihan; Hendra Wardana, Aliefian; 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/tkrhaf68

Abstract

Curah hujan merupakan faktor penting dalam menentukan kondisi cuaca harian yang berdampak pada aktivitas sosial, ekonomi, dan lingkungan. Prediksi cuaca yang akurat dibutuhkan untuk mengantisipasi potensi bencana seperti banjir atau kekeringan. Penelitian ini bertujuan untuk mengklasifikasikan kondisi cuaca harian di Kota Semarang berdasarkan curah hujan menggunakan metode klasifikasi Naive Bayes. Data yang digunakan berasal dari BMKG berupa data iklim harian periode Januari hingga Juni 2025, dengan atribut yang digunakan meliputi curah hujan (RR), suhu minimum (Tn), suhu maksimum (Tx), suhu rata-rata (Tavg), kelembaban rata-rata (RH_avg), dan kecepatan angin rata-rata (FF_avg). Label cuaca dibentuk berdasarkan kaidah klasifikasi BMKG, yaitu cerah (RR=0), hujan ringan (0.1–5 mm), hujan sedang (5.1–20 mm), dan hujan lebat (>20 mm). Algoritma Naive Bayes diterapkan untuk mempelajari hubungan antar atribut dan label cuaca. Hasil pengujian menunjukkan bahwa model mampu melakukan klasifikasi cuaca harian dengan akurasi yang cukup baik, sehingga dapat digunakan sebagai sistem prediksi cuaca sederhana berbasis data historis.
Analisis Sentimen Pada Media Sosial Menggunakan Teknik Natural Language Processing Prima Ertansyah, Gilang; Tri Cahya Kusuma, Ridwan; 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/qgcey104

Abstract

Penelitian ini bertujuan untuk menganalisis sentimen pada data media sosial menggunakan teknik Natural Language Processing (NLP). Masalah yang dihadapi adalah bagaimana mengklasifikasikan sentimen positif, negatif, dan netral dari sejumlah besar data yang diambil dari media sosial. Tujuan dari penelitian ini adalah untuk mendapatkan gambaran umum tentang persepsi publik terhadap isu tertentu melalui media sosial. Metode yang digunakan melibatkan pengumpulan data, preprocessing, dan analisis menggunakan algoritma NLP.
Prediksi Harga Telur Ayam Untuk Tahun 2025 Menggunakan Metode Support Vector Machine (SVM) Triwi Bowo, Handes; Prasetio, Dicky; Fahlewi, Fria; Pujianto, Pujianto
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: 10.47701/05zz4v75

Abstract

Fluktuasi harga telur sebagai komoditas pangan pokok dapat berdampak signifikan terhadap kondisi ekonomi masyarakat. Penelitian ini bertujuan untuk memprediksi harga telur pada tahun 2025 menggunakan metode SVM. Data historis harga telur bulan janurari 2024 hingga desember2024 dikumpulkan dan dianalisis untuk membangun model prediksi. Setelah dilakukan proses dan analisis SVM, diperoleh model persamaan yang menggambarkan hubungan antara tahun dan harga telur. Hasil evaluasi menunjukkan bahwa model memiliki tingkat akurasi yang cukup baik dalam memprediksi tren harga. Dengan model ini, diprediksi bahwa harga telur pada tahun 2025 akan mengalami peningkatan yang moderat. Penelitian ini diharapkan dapat memberikan manfaat bagi pelaku usaha peternakan, pemerintah, dan konsumen dalam mengambil keputusan berbasis data.

Page 30 of 49 | Total Record : 490

 28   29   30   31   32 

Filter by Year

2022 2025


Reset
Filter By Issues
All Issue Prosiding Seminar Nasional Teknologi Informasi dan Bisnis (SENATIB) 2025 Prosiding Seminar Nasional Teknologi Informasi dan Bisnis (SENATIB) 2023 Prosiding Seminar Nasional Teknologi Informasi dan Bisnis (SENATIB) 2022 Prosiding Seminar Nasional Teknologi Informasi dan Bisnis (SENATIB)