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
 29   30   31   32   33 
Sistem Cerdas Deteksi Berita Hoaks Berbasi IndoBert dengan Antarmuka Web Interaktif Bagaskara, Ikrar; Purwanto, Eko; 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/dch8ke44

Abstract

Penelitian ini bertujuan untuk merancang dan membangun sebuah sistem cerdas yang mampu mendeteksi berita hoaks berbahasa Indonesia secara akurat dan mudah diakses oleh publik. Tujuan ini untuk mengatasi tantangan penyebaran disinformasi serta kurangnya alat deteksi yang dioptimalkan untuk Bahasa Indonesia dan ramah pengguna. Metode yang digunakan adalah fine- tuning model Transformer pre-trained, IndoBERT, pada dataset berita lokal yang telah melalui pra-pemrosesan dan menghasilkan 27.431 artikel bersih. Model yang telah dilatih kemudian diimplementasikan ke dalam sebuah prototipe aplikasi web interaktif menggunakan framework Streamlit untuk pengujian fungsional. Hasil evaluasi pada data uji menunjukkan performa model yang sangat tinggi, dengan F1-Score mencapai 0.99 untuk kelas hoaks dan akurasi rata-rata tertimbang 100%. Meskipun sangat akurat, hasil penelitian juga mengidentifikasi batasan pada kemampuan model dalam mendeteksi hoaks yang ditulis dengan gaya jurnalistik profesional. Prototipe aplikasi web terbukti fungsional dalam skenario pengujian praktis
Pengembangan Sistem Prediksi Harga Mobil Bekas Di Pasar India Menggunakan Algoritma XGBoost dan NLP Eka Adinagoro, Rizky; Dwi Rangga Premana, Irfan; Bintang Pamungkas, Rahadyan; Aryasetya, Pradipta; Joedhistiro, Dhian
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/w6511j19

Abstract

Perkembangan teknologi kecerdasan buatan telah membuka peluang baru dalam pengambilan keputusan berbasis data, termasuk dalam penentuan harga mobil bekas yang kompleks. Penelitian ini bertujuan mengembangkan sistem prediksi harga mobil bekas di pasar India menggunakan algoritma Extreme Gradient Boosting (XGBoost) yang dikombinasikan dengan Natural Language Processing (NLP) untuk menganalisis fitur tekstual detail kendaraan. Model dibangun menggunakan bahasa pemrograman Python dan diuji dalam lingkungan lokal. Hasil pengujian pada data yang belum pernah dilihat sebelumnya menunjukkan model terbaik yang dikembangkan berhasil mencapai tingkat akurasi dengan nilai R- squared (R2) sebesar 75.18%. Angka ini merepresentasikan kemampuan model dalam menjelaskan sebagian besar variasi harga. Secara praktis, rata-rata kesalahan absolut (Mean Absolute Error atau MAE) tercatat sebesar 87.071 Rupee India, yang membuktikan efektivitas pendekatan yang diusulkan. Sistem ini berpotensi untuk diintegrasikan ke dalam platform e- commerce otomotif sebagai fitur penentu harga otomatis.
Rekomendasi Pengembangan Sumber Daya Manusia UMKM Kuliner Dalam Ekosistem E-Commerce Digital Maulindar, Joni; Ichsan Pradana, Afu; Hartanti, Dwi; Wahyu Pamekas, Bondan
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/ct23j021

Abstract

Transformasi digital UMKM kuliner masih menghadapi tantangan pada aspek pengembangan sumber daya manusia (SDM) yang belum merata. Penelitian ini bertujuan untuk mengelompokkan karakteristik SDM UMKM kuliner dalam ekosistem e- commerce digital menggunakan pendekatan data-driven. Metode penelitian yang digunakan adalah pendekatan kuantitatif dengan teknik analisis klaster K-Means terhadap 100 data responden. Hasil penelitian menunjukkan terbentuknya enam klaster dengan karakteristik yang berbeda. Klaster 0 memiliki tingkat literasi digital, pelatihan, dan dukungan manajerial yang rendah. Klaster 1 unggul dalam pemahaman e-commerce dan dukungan manajerial, namun lemah dalam TI operasional. Klaster 2 menunjukkan kekuatan pada TI operasional, tetapi rendah pada literasi dan manajerial. Klaster 3 cukup seimbang dalam berbagai aspek, namun masih lemah pada sisi manajerial. Klaster 4 aktif dalam pelatihan, tetapi memiliki kendala pada akses infrastruktur. Klaster 5 memiliki skor tinggi di hampir semua variabel, menunjukkan kesiapan sebagai UMKM digital champion. Temuan ini menunjukkan pentingnya strategi intervensi yang disesuaikan untuk pengembangan SDM berbasis klaster.
Perancangan Sistem Rekomendasi Produk Herbal Menggunakan Content-Based Filtering Bawindra Surya, Lintang; Fajrin Fadhilah, Dayinta; Anin Aliya Pahlevi, Khumaira; Imaduddin, Mohamad; Nailurrizqi, Adistya; Atina, Vihi
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/c0nsjt07

Abstract

Penggunaan produk herbal sebagai alternatif pengobatan tradisional semakin diminati masyarakat karena dianggap lebih alami dan minim efek samping. Namun, banyaknya pilihan produk herbal seringkali membuat pengguna kesulitan dalam menentukan produk yang sesuai dengan kebutuhan kesehatannya. Penelitian ini bertujuan untuk merancang sistem rekomendasi produk herbal yang dapat memberikan saran berdasarkan penyakit atau gejala yang dialami pengguna. Metode content-based filtering digunakan dalam sistem ini untuk mencocokkan informasi penyakit dengan manfaat, komposisi, dan deskripsi produk herbal yang tersedia. Sistem dirancang menggunakan basis data relasional yang menyimpan data penyakit, produk herbal, dan relasi antara keduanya. Hasil dari sistem ini berupa daftar rekomendasi produk herbal yang paling relevan dengan input penyakit dari pengguna. Pengujian dilakukan menggunakan data uji gejala umum seperti asam urat, flu, dan kolesterol, yang menunjukkan bahwa sistem mampu memberikan rekomendasi yang sesuai dan informatif. Sistem ini diharapkan dapat menjadi solusi praktis dalam mendukung pengambilan keputusan dalam memilih produk herbal secara tepat dan efisien.
Perancangan Sistem Rekomendasi Pemilihan Makanan Indonesia Berdasarkan Kandungan Nutrisi Menggunakan Algoritma Knowledge-Based Filtering Sholeh, M; Muhtarom, Moh; Hartanti, Dwi
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: 10.47701/22tjzk88

Abstract

Penelitian ini bertujuan untuk mengembangkan sistem rekomendasi pemilihan makanan Indonesia berdasarkan kandungan nutrisi menggunakan algoritma Knowledge-Based Filtering. Permasalahan utama yang diangkat adalah sulitnya pengguna dalam menentukan makanan yang sesuai dengan kebutuhan nutrisinya secara spesifik, terutama pada makanan khas Indonesia yang memiliki keberagaman jenis dan komposisi. Metode yang digunakan dalam sistem ini mengadopsi pendekatan Case-Based Reasoning, di mana profil kebutuhan nutrisi pengguna dibandingkan dengan kandungan nutrisi makanan menggunakan rumus perhitungan similarity berbobot. Dataset yang digunakan terdiri dari 1.346 data makanan Indonesia yang diambil dari situs Kaggle, dengan atribut utama kalori, protein, lemak, dan karbohidrat. Pengembangan sistem dilakukan menggunakan metode Waterfall yang terdiri dari tahap analisis, perancangan, dan implementasi. Hasil pengujian menggunakan Python menunjukkan bahwa sistem mampu memberikan daftar makanan dengan tingkat kemiripan yang tinggi, sistem mampu memberikan rekomendasi relevan seperti ayam usus goreng (similarity 0.93691) untuk input kalori:450, protein:50, lemak:30, karbohidrat:100. Rancangan sistem ini dirancang untuk diimplementasikan lebih lanjut dalam aplikasi web berbasis Laravel.
Perancangan Sistem Cerdas untuk Rekomendasi Strategi Pemasaran Es Teh Jumbo Febrianto, Yusuf; Arya Rahmadhani, Himas; Oky Sulistyawan, Ramdan; Sabian Aswendro, Gregorius; Heri Prasetyo, Medhika; Srirahayu, Agustina
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/nqmkxr97

Abstract

UMKM seperti Es Teh Jumbo kerap mengalami kesulitan dalam menyusun strategi pemasaran yang tepat, terutama di tengah persaingan yang ketat dan selera konsumen yang terus berubah. Penelitian ini bertujuan untuk merancang sistem cerdas terdistribusi yang dapat memberikan rekomendasi strategi pemasaran secara otomatis dengan memanfaatkan analisis data dan pendekatan kecerdasan buatan (AI). Perancangan sistem dilakukan menggunakan metode rekayasa perangkat lunak dengan arsitektur microservices, di mana setiap fungsi seperti autentikasi pengguna, pengelolaan data penjualan, modul rekomendasi AI, dan antarmuka pengguna dipisah menjadi layanan independen yang saling terhubung melalui REST API. Model kecerdasan buatan dirancang menggunakan algoritma Decision Tree dan K-Means Clustering untuk menganalisis data penjualan serta respons pelanggan terhadap strategi sebelumnya. Hasil dari penelitian ini berupa rancangan sistem yang siap dikembangkan lebih lanjut dan diimplementasikan pada UMKM seperti Es Teh Jumbo untuk mendukung pengambilan keputusan pemasaran yang lebih terarah dan berbasis data.
Rancang Bangun Aplikasi Agroteknologi SmartFarm dengan Model Prediktif Berbasis Deep Learning untuk Mendukung Pertanian Berkelanjutan Octakurnia Nurilawati, Meizapuspa; Lila Yasmien, Syahwa; Pamungkas, Ridho
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/en44v272

Abstract

Perubahan iklim yang menyebabkan adanya ketidakpastian dalam cuaca menjadi sebuah tantangan besar untuk sektor pertanian di Indonesia. Untuk mengatasi permasalahan ini, penelitian ini menciptakan SmartFarm, sebuah aplikasi Android yang mengandalkan model prediktif dan dirancang untuk memberikan informasi prakiraan cuaca setiap hari serta rekomendasi budidaya langsung kepada petani. Aplikasi ini memanfaatkan algoritma Long Short-Term Memory (LSTM) guna memprediksi kondisi cuaca dengan menggunakan data iklim historis Indonesia yang diperoleh dari platform Kaggle, serta didukung oleh infrastruktur cloud melalui Google Cloud Platform dan tampilan mobile yang mudah digunakan. Metodologi yang diterapkan mencakup langkah-langkah pengumpulan dan pembersihan data, analisis statistik, pra-pemrosesan, pelatihan model prediksi, pengembangan API, dan integrasi ke dalam aplikasi Android. Hasil dari pelatihan model menunjukkan tingkat akurasi yang sangat baik dengan kesalahan yang minimal dan kestabilan antara data pelatihan serta validasi. Sistem backend dapat menangani permintaan dengan waktu respons kurang dari 500 milidetik, sementara aplikasi ini dapat berfungsi secara offline dengan menyimpan data terkini. Berdasarkan penilaian teknis dan uji coba awal, aplikasi SmartFarm berhasil mencapai tujuannya sebagai alat digital yang fungsional, informatif, dan mudah digunakan oleh petani untuk mendukung pengambilan keputusan pertanian yang lebih responsif terhadap cuaca.
Pengembangan Sistem Pendukung Keputusan Untuk Pemilihan Aksesoris Aquascape Menggunakan Metode Simple Additive Weigthing pada Pasar Ikan Mina Restu Purwanegara Alfriyanto Riski Wibowo, Nicodemus; Awiet Wiedanto Prasetyo, Muhamad
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: 10.47701/19k91m33

Abstract

Industri aquascaping, sebagai bagian dari Usaha Mikro, Kecil, dan Menengah (UMKM), berkontribusi signifikan terhadap perekonomian lokal Indonesia melalui kreativitas dan peluang bisnis. Penelitian ini bertujuan mengembangkan sistem pendukung keputusan (SPK) berbasis web untuk membantu pelanggan pemula di Pasar Ikan Hias Mina Restu Purwanegara, Purwokerto, memilih aksesori aquascape yang estetis dan sesuai anggaran. Pelanggan pemula sering kesulitan memilih kombinasi aksesori yang kompatibel dengan spesifikasi akuarium akibat keterbatasan anggaran dan kurangnya panduan teknis. Pendekatan hybrid Rule-Based dan Simple Additive Weighting (SAW) diintegrasikan untuk menyaring alternatif berdasarkan aturan logis, seperti batasan anggaran dan kompatibilitas, serta mengevaluasi kriteria estetika, variasi, dan efisiensi anggaran. Hasil penelitian menunjukkan sistem ini menyederhanakan proses pemilihan aksesori secara signifikan dibandingkan metode manual, memungkinkan pelanggan merancang aquascape yang sesuai tanpa perlu perhitungan rumit. Sistem ini juga meningkatkan efisiensi pelayanan UMKM dengan mempercepat proses konsultasi dan memastikan rekomendasi yang relevan. Penelitian ini memberikan kontribusi praktis bagi pelanggan dan pelaku UMKM melalui solusi teknologi yang intuitif, serta wawasan akademis dalam pengembangan SPK hybrid untuk mendukung industri kreatif lokal.
Sistem Klasifikasi Bahan Daur Ulang dan Penanganan Berbasis Prompt AI Abdul Harits, Muhammad; Riyadsyah, Deprinico; Nur Rohman, Sofyan; 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/taeqan58

Abstract

Permasalahan rendahnya kesadaran masyarakat dalam memilah sampah serta terbatasnya panduan praktis pengelolaan limbah rumah tangga masih menjadi tantangan besar di Indonesia. Penelitian ini bertujuan untuk mengembangkan sistem klasifikasi dan edukasi sampah berbasis Artificial Intelligence (AI) guna membantu masyarakat dalam mengenali jenis sampah dan memperoleh saran pengelolaan yang sesuai. Sistem ini menggabungkan teknologi Convolutional Neural Network (CNN) dengan arsitektur ResNet untuk melakukan klasifikasi citra sampah, serta teknologi prompt AI berbasis bahasa alami untuk memberikan rekomendasi pengolahan limbah secara interaktif dan edukatif. Dataset yang digunakan berjumlah 15.000 gambar dari 30 kategori limbah rumah tangga, dengan teknik SMOTE digunakan untuk mengatasi ketidakseimbangan data. Hasil pengujian menunjukkan bahwa model mencapai akurasi sebesar 95% dan rata-rata nilai f1-score sebesar 0.95 pada data uji sebanyak 3.000 gambar. Evaluasi menggunakan 10-fold cross-validation menunjukkan stabilitas akurasi antara 94,1% hingga 95,2% dengan rata-rata 94,71%. Selain pengujian teknis, uji fungsional (black-box) menunjukkan sistem berjalan baik dan responsif terhadap input pengguna. Sistem ini mampu menjadi solusi edukatif dalam mendukung proses daur ulang sampah rumah tangga serta meningkatkan kesadaran masyarakat terhadap pengelolaan lingkungan secara berkelanjutan.
Penentuan Strategi Promosi Efektif Sacika Cuci Motor Kampus TUP dengan metode SWOT dan AHP Nurwahid, Rendi; Nur Hidayah, Suhanda; Zulva Ramadhan, Muhamad; Eka Purbaya, Muhammad
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/harxfm65

Abstract

Sacika Cuci Motor merupakan salah satu unit usaha yang dikelola oleh Koperasi Satria Cipta Karya (Sacika) di lingkungan Telkom University Purwokerto. Penelitian ini bertujuan untuk mengidentifikasi faktor-faktor mendasar yang menyebabkan rendahnya minat mahasiswa dalam menggunakan layanan Sacika Cuci Motor. Selanjutnya, penelitian ini juga akan merumuskan strategi promosi yang efektif untuk meningkatkan kembali minat mahasiswa terhadap layanan tersebut. Data dikumpulkan melalui survei dan wawancara langsung dengan pengguna Sacika cuci motor dan pihak pengelola yang terkait. Metode yang digunakan adalah analisis SWOT untuk mengidentifikasi berbagai faktor internal dan eksternal yang memengaruhi promosi, dilanjutkan dengan metode Analytic Hierarchy Process (AHP) untuk mengevaluasi dua alternatif strategi promosi, yaitu promosi melalui banner, promosi melalui sosial media ormawa dan Kampus TUP. Penilaian dilakukan berdasarkan empat kriteria utama, yaitu biaya implementasi, jangkauan target audiens, kemudahan implementasi, dan efektivitas dalam meningkatkan jangkauan promosi secara keseluruhan. Hasil penelitian menunjukkan bahwa media promosi digital, khususnya melalui Instagram resmi kampus, memiliki bobot prioritas tertinggi, diikuti oleh pemasangan banner di area parkir dan kolaborasi dengan organisasi mahasiswa, berdasarkan hasil perbandingan berpasangan dalam AHP. Penelitian ini merekomendasikan optimalisasi media sosial sebagai strategi promosi utama untuk fasilitas kampus yang belum dikenal secara luas .

Page 31 of 49 | Total Record : 490

 29   30   31   32   33 

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)