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
Pengembangan Arsitektur Chatbot untuk Layanan Informasi Akademik Berbasis Natural Language Processing (NLP) Farid Faqih, Muhammad; Lestari, Wiji; Muhtarom, Moh
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/xdfspq49

Abstract

Penelitian ini bertujuan untuk merancang dan mengembangkan arsitektur chatbot berbasis Natural Language Processing guna mengotomatisasi layanan informasi akademik. Latar belakang permasalahan menunjukkan bahwa layanan informasi akademik yang masih bersifat manual seringkali menimbulkan keterlambatan, beban administratif yang tinggi, serta keterbatasan akses informasi di lembaga pendidikan. Inovasi teknologi chatbot berbasis NLP menjadi solusi yang menjanjikan untuk menyediakan layanan yang cepat, akurat, dan mudah diakses secara otomatis dan real-time. Penelitian ini menggunakan pendekatan prototyping dalam perancangan arsitektur sistem. Arsitektur modular dikembangkan dengan mengintegrasikan Telegram Bot API sebagai antarmuka utama, Node.js sebagai backend untuk mengelola alur komunikasi, dan library Node-NLP sebagai NLP Engine yang bertanggung jawab untuk intent recognition dan entity extraction. Data informasi akademik dari institusi pendidikan, seperti jadwal pelajaran, nilai siswa, dan informasi pembayaran, dikelola dalam knowledge base berbasis JSON. Jurnal ini akan memaparkan secara rinci detail perancangan arsitektur, justifikasi pemilihan teknologi yang digunakan, serta alur kerja sistem yang memungkinkan interaksi alami dengan pengguna. Arsitektur yang diusulkan diharapkan mampu menjadi fondasi kuat untuk implementasi chatbot yang efektif dalam konteks layanan informasi akademik, berkontribusi dalam mengurangi beban kerja staf administrasi dan mempercepat distribusi informasi penting kepada pengguna.
Sistem Untuk Monitoring Data Tumbuh Kembang Anak Menggunakan Klasifikasi Decision Tree di PAUD IT Nur Hidayah Hilmi Putra Andriano, Muhammad; Purwanto, Eko; 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/ac65gc18

Abstract

Penelitian ini mengusulkan sistem monitoring tumbuh kembang anak berbasis klasifikasi Decision Tree di PAUD IT Nur Hidayah Surakarta. Tujuan utamanya adalah mengatasi inefisiensi pengumpulan data manual yang sering menyebabkan inkonsistensi dan keterlambatan deteksi penyimpangan perkembangan. Sistem ini dirancang untuk menyediakan platform komprehensif guna merekam dan menganalisis parameter pertumbuhan anak, meliputi tinggi badan, berat badan, lingkar kepala, dan tahapan perkembangan. Metode yang digunakan adalah klasifikasi Decision Tree untuk menganalisis data antropometri dan perkembangan yang terkumpul, memungkinkan kategorisasi otomatis status tumbuh kembang anak serta deteksi dini potensi masalah. Hasil menunjukkan bahwa implementasi sistem ini secara signifikan meningkatkan akurasi dan kecepatan monitoring, memfasilitasi intervensi cepat oleh guru dan orang tua untuk mendukung perkembangan anak yang optimal. Penggunaan Decision Tree terbukti menjadi alat cerdas yang membuat proses monitoring lebih robust dan andal.
Sistem Absensi Karyawan Menggunakan (Face Recognition Attendance System) Berbasis Web Pada CV. Yadi Decoration Rifan Amirul Hafizh, Muhammad; Maulindar, Joni; Prajadi Cipto Utomo, Bangun
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/jjwksn24

Abstract

CV. Yadi Decoration merupakan perusahaan yang bergerak di bidang jasa dekorasi acara, di mana kehadiran karyawan tepat waktu sangat mempengaruhi efektivitas kerja. Namun, sistem absensi manual atau menggunakan fingerprint masih sering menimbulkan kendala seperti lupa mencatat kehadiran, antrian panjang, dan potensi kecurangan absensi. Penelitian ini bertujuan untuk merancang dan mengembangkan sistem absensi karyawan berbasis web yang menggunakan teknologi pengenalan wajah (face recognition) sebagai metode identifikasi kehadiran. Sistem ini dibangun menggunakan bahasa pemrograman Python dengan framework codeigniter 3, serta menggunakan library face_recognition dan database MySQL sebagai media penyimpanan data absensi. Melalui kamera webcam, sistem akan mendeteksi dan mengenali wajah karyawan secara otomatis saat mereka hadir, lalu mencatat waktu kehadiran secara real-time ke dalam sistem.
Evaluasi Sentimen Pelanggan Terhadap Toko Resmi Xiaomi Di Tokopedia Menggunakan Algoritma Support Vector Machine Maula Rif’at, Nafi; Risky Kurniawan, Habib; Putri Setiawan, Amanda; Putra Pratama, Akmal; Khoiril Abidin, Muhammad; 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: 10.47701/9c71cp98

Abstract

Penelitian ini bertujuan mengevaluasi sentimen pelanggan terhadap toko resmi Xiaomi Indonesia di Tokopedia menggunakan algoritma Support Vector Machine (SVM). Data dikumpulkan melalui web scraping dengan total 1.000 ulasan pelanggan. Proses preprocessing meliputi cleaning, case folding, tokenization, normalization, stopword removal, dan stemming. Setiap ulasan diberi label sentimen positif, negatif, atau netral, kemudian dikonversi menjadi representasi numerik menggunakan TF-IDF. Hasil klasifikasi menunjukkan model SVM mencapai akurasi 80% dengan kecenderungan over- prediksi pada sentimen positif. Analisis WordCloud mengidentifikasi kata dominan: sentimen positif didominasi kata "bagus", "baik", "cepat", sedangkan sentimen negatif menampilkan "lama", "tidak", "kirim". Model menunjukkan performa tidak seimbang antar kelas dengan akurasi sentimen positif 100%, negatif 67%, dan netral 0%. Penelitian ini memberikan wawasan tentang persepsi pelanggan terhadap toko resmi Xiaomi di platform e-commerce dan mengidentifikasi area perbaikan layanan, meskipun terdapat keterbatasan dalam penanganan ketidakseimbangan kelas data.
Sistem Rekomendasi Kemitraan Berdasarkan Preferensi Calon Mitra Menggunakan Content-Based Filtering Ramadhan, Navin; Purwanto, Eko; Ely Nastiti, Faulinda
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: 10.47701/9mdwma22

Abstract

Proses pemilihan kemitraan yang tepat sering kali menjadi tantangan bagi calon mitra bisnis karena keterbatasan informasi yang disampaikan secara umum dan tidak sesuai dengan preferensi pribadi. Penelitian ini bertujuan untuk membangun sistem rekomendasi kemitraan yang mampu memberikan hasil secara personal dan relevan berdasarkan kebutuhan pengguna. Sistem dikembangkan menggunakan metode prototyping dengan penerapan algoritma Content-Based Filtering berbasis Cosine Similarity. Sebelum dilakukan perhitungan algoritma data diolah melalui tahapan pembersihan data, menggunakan normalisasi Min-Max Scaling, serta perhitungan tingkat kemiripan antar vektor menggunakan Cosine Similarity. Rekomendasi yang dihasilkan menampilkan tingkat kecocokan data mitra yang tersedia dan dinilai dapat membantu memperbesar potensi terjadinya kerjasama bisnis.
Pemetaan Wilayah Berdasarkan Minat Baca Masyarakat dengan Algoritma K-Means Sekar Kedaton, Ayudia; Alan Bukhari, Bintang; Afrianto, Nur; Wahyu Febriyanto, Ridwan; Arum Sari , Aprillisa
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/mbga9p80

Abstract

Tingkat Kegemaran Membaca (TGM) di Indonesia menunjukkan ketidaksetaraan antarwilayah yang signifikan, namun pola pengelompokannya belum terpetakan secara analitis, sehingga menyulitkan perancangan kebijakan yang efektif. Tujuan utama penelitian ini adalah untuk mengelompokkan provinsi-provinsi di Indonesia ke dalam klaster berdasarkan kemiripan karakteristik kegemaran membaca guna menyediakan model segmentasi berbasis data untuk perumusan kebijakan yang lebih strategis. Metode yang digunakan adalah data mining dengan algoritma klasterisasi K-Means. Penelitian ini mengolah data publikasi Perpustakaan Nasional RI tahun 2024, yang mencakup 39 data provinsi. Dua variabel utama yang menjadi dasar analisis adalah skor Tingkat Kegemaran Membaca (skala 1-100) dan Frekuensi Membaca per minggu. Proses klasterisasi dilakukan untuk membentuk dua kelompok, yaitu klaster tinggi dan rendah. Hasil penelitian berhasil mengidentifikasi dua klaster yang berbeda secara statistik. Sebanyak 76.92% provinsi (30 provinsi) terkategori dalam Klaster Tinggi dengan pusat klaster (centroid) TGM pada skor 71.23. Sementara itu, 23.08% provinsi (9 provinsi) masuk ke dalam Klaster Rendah dengan centroid TGM 55.14. Temuan kunci menunjukkan bahwa seluruh anggota Klaster Rendah secara geografis terkonsentrasi di kawasan timur Indonesia, mengonfirmasi adanya kesenjangan literasi regional yang tajam. Kesimpulan utama dari penelitian ini adalah bahwa pendekatan kebijakan literasi yang seragam tidak lagi memadai untuk kondisi Indonesia saat ini. Adanya perbedaan karakteristik yang jelas antar klaster menegaskan perlunya strategi yang berbeda dan terfokus. Penelitian ini merekomendasikan intervensi yang berfokus pada peningkatan aksesibilitas untuk provinsi di Klaster Rendah, dan peningkatan kualitas bacaan untuk Klaster Tinggi, sebagai landasan analitis bagi pemerintah untuk merumuskan kebijakan literasi yang lebih adil dan tepat sasaran.
Prediksi Kunjungan Wisatawan dengan Random Forest Berbasis Data Historis dan Eksternal Kumala Sari, Oktalia; 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/kd7t9e88

Abstract

Prediksi jumlah kunjungan wisatawan menjadi elemen penting dalam perencanaan dan pengelolaan destinasi wisata secara efektif dan efisien. Penelitian ini bertujuan untuk membangun model prediksi jumlah kunjungan wisatawan harian menggunakan algoritma Random Forest dengan memanfaatkan data historis serta variabel eksternal seperti cuaca, hari libur, promosi online, dan event khusus. Dataset yang digunakan diperoleh dari sumber terpercaya, kemudian melalui proses pra-pemrosesan yang mencakup pembersihan data, penanganan data kosong, dan normalisasi. Model dilatih menggunakan pendekatan Cross Industry Standard Process for Data Mining (CRISP-DM), dan dievaluasi menggunakan metrik Mean Absolute Error (MAE), Root Mean Squared Error (RMSE), dan koefisien determinasi (R²). Hasil evaluasi menunjukkan bahwa model memiliki MAE sebesar 103,66, RMSE sebesar 121,09, dan nilai R² sebesar 0,595, yang menunjukkan kinerja prediksi yang cukup baik dan dapat diandalkan. Implementasi model menunjukkan bahwa Random Forest mampu menangkap pola data yang kompleks dan menghasilkan prediksi yang mendekati nilai aktual. Dengan demikian, model ini dapat dimanfaatkan sebagai alat bantu dalam pengambilan keputusan strategis di sektor pariwisata, khususnya dalam perencanaan operasional dan promosi berbasis data.
Analisis Kualitas Air Sungai Berbasis Decision Tree untuk Penentuan Status Pencemaran Helfian, Ongky; Kurniawan, Angga; Arya Rahardiansyah, Rifki; Anugrah S, Bintang; Yudha P, Rizal; 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: 10.47701/4w19c942

Abstract

Sungai memegang peranan penting dalam menunjang kehidupan masyarakat dan ekosistem, namun kualitas air sungai di Jakarta semakin menurun akibat pencemaran dari aktivitas industri dan domestik. Penelitian ini bertujuan untuk mengklasifikasikan status kualitas air dari 15 titik sungai utama di Jakarta serta melakukan segmentasi berdasarkan tingkat pencemaran. Parameter kualitas air yang dianalisis meliputi BOD, COD, pH, dan DO, yang diolah melalui pivot tabel, normalisasi, deteksi outlier, dan penetapan status baku mutu. Metode Decision Tree digunakan karena kemampuannya menghasilkan model yang mudah diinterpretasikan dan mendukung pengambilan keputusan. Hasil penelitian menunjukkan bahwa sekitar 62% sampel sungai berada pada kategori tercemar, terutama akibat tingginya BOD dan rendahnya DO. Dengan adanya segmentasi berdasarkan skor pencemaran, sungai dapat diprioritaskan untuk program penanganan dan rehabilitasi. Penelitian ini diharapkan menjadi dasar bagi perumusan kebijakan pengelolaan kualitas air sungai yang lebih efektif dan berkelanjutan di Jakarta.
Analisis Kepuasan Pengguna Terhadap Aplikasi Info PDAM Tirta Satria Menggunakan Model End-User Computing Satisfaction Dhafin Aroby, Revanda; Awiet Wiedanto Prasetyo, Muhamad; Sukmadiningtyas, Sukmadiningtyas
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: 10.47701/5811xm39

Abstract

Penelitian ini menyajikan evaluasi yang komprehensif terhadap kepuasan pengguna aplikasi mobile Info PDAM Tirta Satria, sebuah platform digital yang dirancang untuk mempermudah layanan publik air bersih namun masih menghadapi sejumlah tantangan dalam aspek kegunaan. Survei dilakukan terhadap beberapa pengguna aktif, dan respon mereka dianalisis menggunakan metode Partial Least Squares Structural Equation Modeling (PLS-SEM) dalam kerangka End-User Computing Satisfaction (EUCS). Hasil analisis menunjukkan bahwa dari lima dimensi EUCS—konten, akurasi, format, kemudahan penggunaan, dan ketepatan waktu—dimensi konten memiliki pengaruh paling kuat terhadap kepuasan pengguna secara keseluruhan (koefisien jalur = 0,461; nilai t = 2,885), diikuti secara berurutan oleh akurasi dan format, yang semuanya menunjukkan pengaruh yang signifikan secara statistik. Temuan ini menegaskan pentingnya kualitas informasi yang tinggi dalam membentuk persepsi pengguna terhadap aplikasi layanan publik. Berdasarkan hasil penelitian, disampaikan rekomendasi untuk meningkatkan kualitas konten, menyempurnakan antarmuka pengguna, dan memperluas kompatibilitas platform. Penelitian ini berkontribusi secara teoretis dengan memperluas penerapan model EUCS dalam konteks layanan publik berbasis digital serta memberikan panduan praktis bagi penyedia layanan untuk meningkatkan pengalaman pengguna pada aplikasi layanan air bersih.
Segmentasi Pelanggan Jaringan Wifi RT/RW Net Menggunakan Metode K-Means Clustering Untuk Analisis Churn (Studi Kasus: PT Nusa Data Multimedia) Rizqy Alfiansyah, Rafif; Purwanto, Eko; 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: 10.47701/38s0pt05

Abstract

Pertumbuhan layanan jaringan internet berbasis WiFi RT/RW Net telah menjadi solusi utama bagi kebutuhan akses internet masyarakat di kawasan pemukiman. Namun, permasalahan churn atau berhentinya pelanggan secara tiba-tiba menjadi tantangan serius yang dihadapi oleh penyedia layanan seperti PT Nusa Data Multimedia. Penelitian ini bertujuan untuk melakukan segmentasi pelanggan berdasarkan perilaku konsumsi data dan keterlambatan pembayaran menggunakan metode K-Means Clustering. Data dianalisis terhadap 200 pelanggan aktif selama periode Februari–April 2025. Proses klasterisasi menghasilkan tiga kelompok pelanggan dengan tingkat potensi churn yang berbeda (tinggi, sedang, rendah). Evaluasi menggunakan Silhouette Score menghasilkan nilai 0.4075 yang menunjukkan kualitas segmentasi cukup baik. Hasil ini memberikan dasar pengambilan keputusan dalam merancang strategi retensi pelanggan yang tepat sasaran.