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 764 Documents
 50   51   52   53   54 
SiPadi: Sistem Informasi Diagnosis Penyakit Padi Menggunakan Forward Chaining Berbasis Client-Side Web Anas Aqila; Elyza Putrinika Maharani; Surya Dwi Agus Novianto; Fajar Suryani
Prosiding Seminar Nasional Teknologi Informasi dan Bisnis Prosiding Seminar Nasional Teknologi Informasi dan Bisnis (SENATIB) 2026
Publisher : Fakultas Ilmu Komputer Universitas Duta Bangsa Surakarta

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

Abstract

Serangan hama dan penyakit padi kerap menurunkan produktivitas panen, sementara keterbatasan akses tenaga penyuluh menyulitkan petani melakukan diagnosis dini secara mandiri. Penelitian ini merancang SiPadi, sistem informasi diagnosis penyakit padi berbasis web yang dibangun sepenuhnya sebagai aplikasi front-end (HTML5, CSS3, Bootstrap 4, vanilla JavaScript) tanpa backend server maupun basis data relasional. Basis pengetahuan berisi 10 penyakit, 15 gejala, dan 15 aturan disimpan dalam JSON statis dan diproses oleh mesin inferensi forward chaining di sisi klien untuk mencocokkan gejala pengguna dengan aturan IF-THEN. Pengujian black-box, UAT, dan equivalence partitioning pada 7 skenario menunjukkan seluruh fitur berjalan valid, termasuk peringatan otomatis saat gejala tidak mencukupi. SiPadi terbukti ringan dan mudah diakses tanpa instalasi server, meski basis pengetahuannya masih statis sehingga pembaruan memerlukan perubahan kode secara manual.
Analisis Komparatif Artificial Neural Network dan Random Forest dalam Estimasi Nilai Penjualan SuperStore Andi Fany Febrina Jamal Putri; Astrid Kartika Dewi; Rezty Amalia Aras; Aulia Rahmawati
Prosiding Seminar Nasional Teknologi Informasi dan Bisnis Prosiding Seminar Nasional Teknologi Informasi dan Bisnis (SENATIB) 2026
Publisher : Fakultas Ilmu Komputer Universitas Duta Bangsa Surakarta

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

Abstract

Kesalahan dalam mengestimasi nilai penjualan dapat berdampak fatal bagi keuangan perusahaan retail, mulai dari penumpukan barang di gudang (overstock) hingga hilangnya peluang penjualan akibat stok kosong (stockout). Kondisi ini menuntut ketersediaan model estimasi yang akurat, khususnya yang mampu mempertimbangkan faktor keuangan seperti harga, biaya modal, dan keuntungan secara bersamaan. Oleh karena itu, penelitian ini bertujuan untuk membandingkan performa algoritma Artificial Neural Network (ANN) dan Random Forest dalam mengestimasi nilai penjualan pada dataset SuperStore, menggunakan sembilan fitur prediktor termasuk kuantitas, harga, biaya modal, dan keuntungan. Model ANN dibangun dengan tiga lapisan tersembunyi melalui serangkaian percobaan untuk memperoleh konfigurasi optimal, sedangkan Random Forest dibangun menggunakan seratus pohon keputusan. Hasil menunjukkan ANN memperoleh RMSE $69,87 dan R² 0,9844, sedangkan Random Forest memperoleh RMSE $83,26 dan R² 0,9778, namun unggul jauh lebih baik pada metrik MAE (13,21 dibandingkan 34,63). Analisis feature importance menunjukkan biaya modal dan keuntungan memberikan kontribusi paling dominan, melampaui harga produk. Kesimpulannya, performa kedua algoritma bergantung pada karakteristik kesalahan yang ingin diminimalkan, sehingga pemilihan model perlu disesuaikan dengan kebutuhan manajemen retail.
Perancangan Sistem Rekomendasi Produk Laptop ELS Komputer Menggunakan Metode Content-Based Filtering Garin Dani Saputra; Abdul Fuad Nurdiansah; Claudea Cahaya Cinta; Arcco Putra Azhariansyah; Sultan Syah Afriyadi
Prosiding Seminar Nasional Teknologi Informasi dan Bisnis Prosiding Seminar Nasional Teknologi Informasi dan Bisnis (SENATIB) 2026
Publisher : Fakultas Ilmu Komputer Universitas Duta Bangsa Surakarta

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

Abstract

ELS Komputer Solo menyediakan berbagai pilihan laptop dengan spesifikasi dan harga yang beragam, namun belum memiliki sistem yang dapat membantu pelanggan memperoleh rekomendasi produk sesuai kebutuhannya. Kondisi tersebut menyebabkan pelanggan harus membandingkan spesifikasi setiap produk secara manual sehingga proses pemilihan menjadi kurang efisien. Penelitian ini bertujuan merancang sistem rekomendasi produk laptop menggunakan metode Content-Based Filtering untuk menghasilkan rekomendasi berdasarkan kemiripan spesifikasi produk. Data yang digunakan sebanyak 20 produk laptop dengan atribut merek, prosesor, kapasitas RAM, media penyimpanan, sistem operasi, dan ukuran layar. Tahapan penelitian meliputi preprocessing data, pembobotan menggunakan Term Frequency-Inverse Document Frequency (TF-IDF), serta perhitungan tingkat kemiripan menggunakan Cosine Similarity. Hasil pembobotan menghasilkan 79 fitur yang digunakan sebagai representasi karakteristik produk. Pengujian menggunakan kata kunci "Axioo MyBook Hype 5" menunjukkan bahwa sistem mampu menghasilkan rekomendasi yang relevan, dengan produk Axioo Hype R5T memperoleh nilai kemiripan tertinggi sebesar 80,61%. Hasil penelitian menunjukkan bahwa kombinasi metode TF-IDF dan Cosine Similarity mampu mengidentifikasi tingkat kemiripan spesifikasi antarproduk sehingga sistem dapat memberikan rekomendasi laptop yang sesuai dengan karakteristik produk yang dicari pengguna
Implementasi Gaussian Naive Bayes untuk Klasifikasi Permintaan dan Simple Additive Weighting untuk Pemilihan Supplier Pengadaan Barang Arya Kusumadewa; Faulinda Ely Nastiti; Eko Purwanto
Prosiding Seminar Nasional Teknologi Informasi dan Bisnis Prosiding Seminar Nasional Teknologi Informasi dan Bisnis (SENATIB) 2026
Publisher : Fakultas Ilmu Komputer Universitas Duta Bangsa Surakarta

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

Abstract

Proses pengadaan barang memerlukan pengambilan keputusan yang tepat untuk memastikan ketersediaan barang sesuai dengan kebutuhan serta pemilihan supplier yang mampu memenuhi kriteria organisasi. Pengambilan keputusan yang hanya didasarkan pada pengalaman atau pertimbangan subjektif berpotensi menyebabkan ketidaksesuaian jumlah persediaan maupun pemilihan supplier yang kurang optimal. Penelitian ini bertujuan mengimplementasikan algoritma Gaussian Naive Bayes untuk mengklasifikasikan tingkat permintaan barang serta metode Simple Additive Weighting (SAW) untuk menentukan supplier terbaik berdasarkan beberapa kriteria. Dataset yang digunakan merupakan Indonesia E-Commerce Sales and Shipping Dataset 2023-2025 yang diperoleh dari Kaggle dengan jumlah data awal sebanyak 20.848 transaksi. Setelah melalui tahap preprocessing, diperoleh 16.239 data yang digunakan dalam proses klasifikasi. Kategori permintaan dibentuk menjadi tiga kelas, yaitu Low, Medium, dan High, menggunakan metode kuantil (quantile). Model Gaussian Naive Bayes dievaluasi menggunakan confusion matrix dengan metrik accuracy, precision, recall, dan F1-score. Hasil pengujian menunjukkan nilai accuracy sebesar 60,07%, precision 65,95%, recall 60,07%, dan F1-score 57,44%. Selanjutnya, hasil klasifikasi dimanfaatkan sebagai dasar dalam proses pemilihan supplier menggunakan metode SAW berdasarkan kriteria harga, ketepatan waktu pengiriman, kualitas, dan responsivitas. Hasil perhitungan SAW menunjukkan bahwa PT. Mahkota Bisnis memperoleh nilai preferensi tertinggi sebesar 0,9000, sehingga direkomendasikan sebagai supplier terbaik. Hasil penelitian menunjukkan bahwa integrasi Gaussian Naive Bayes dan SAW dapat mendukung proses pengambilan keputusan pengadaan barang secara lebih objektif dan sistematis.
Penerapan Metode Content-Based Filtering dalam Memberikan Rekomendasi Lowongan Kerja Berdasarkan Kualifikasi Asmara Nindyah Rahati; Afifah Mutmainah; Bagas Satrio Ardianto; Fawwaz Gibran Sagita Al Firdauss; Miftakhu Subkhan
Prosiding Seminar Nasional Teknologi Informasi dan Bisnis Prosiding Seminar Nasional Teknologi Informasi dan Bisnis (SENATIB) 2026
Publisher : Fakultas Ilmu Komputer Universitas Duta Bangsa Surakarta

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

Abstract

Perkembangan platform pencarian kerja digital seperti Glints menghadirkan tantangan baru berupa kelebihan beban informasi (information overload) bagi pencari kerja dalam menyeleksi lowongan yang sesuai dengan kualifikasinya. Penelitian ini menerapkan metode Content-Based Filtering berbasis Vector Space Model (VSM) dengan representasi vektor biner dan perhitungan Cosine Similarity untuk mencocokkan profil pelamar dengan syarat lowongan kerja. Sistem diuji menggunakan 20 sampel data lowongan yang diekstraksi dari platform Glints, dengan lima atribut pembanding utama: kategori pekerjaan, posisi, pendidikan, tipe kerja, dan gaji. Hasil pengujian menunjukkan sistem mampu melakukan perangkingan lowongan secara descending berdasarkan skor kemiripan, menghasilkan tiga kelompok skor (0,7746; 0,6325; dan 0,4472), dengan lowongan Frontend Developer Internship dan Backend Developer Internship menempati rekomendasi teratas karena kecocokan pada tiga dari lima atribut. Pendekatan ini terbukti sederhana secara komputasi dan mudah diinterpretasikan, namun memiliki keterbatasan berupa nilai kemiripan yang identik antar-lowongan (tie score) dan kegagalan pencocokan posisi akibat logika exact match yang kurang fleksibel terhadap variasi penamaan posisi di dunia nyata.
Perancangan Sistem Rekomendasi Kursus Online di Bidang Teknologi Menggunakan Metode Content-Based Filtering Dina Asritama Wulandari; Yola Aulia Wanergi; Haffiant Resditya Akbar; Andri Khoirul Manaf; Satria Abdul Rofiq; Vihi Atina
Prosiding Seminar Nasional Teknologi Informasi dan Bisnis Prosiding Seminar Nasional Teknologi Informasi dan Bisnis (SENATIB) 2026
Publisher : Fakultas Ilmu Komputer Universitas Duta Bangsa Surakarta

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

Abstract

Perkembangan platform kursus online telah menghadirkan beragam pilihan pembelajaran di bidang teknologi, namun banyaknya pilihan tersebut justru menyulitkan pengguna dalam menemukan kursus yang paling sesuai dengan kebutuhan mereka. Penelitian ini bertujuan untuk merancang sistem rekomendasi kursus online menggunakan metode Content-Based Filtering guna membantu pengguna memperoleh rekomendasi kursus yang relevan secara otomatis. Pengembangan sistem dilakukan menggunakan metode Prototype yang terdiri dari tahapan Communication, Quick Plan, dan Modelling Quick Design. Proses rekomendasi memanfaatkan pembobotan TF-IDF dan perhitungan Cosine Similarity untuk mengukur tingkat kemiripan antara preferensi pengguna dan konten kursus yang tersedia dalam dataset. Hasil pengujian dengan query “Python for Data Science” menunjukkan bahwa sistem berhasil menghasilkan tiga rekomendasi terbaik, yaitu Python for Data Science dengan nilai similarity 0,6907, Python for Beginners sebesar 0,4667, dan Data Analysis with Pandas sebesar 0,3783. Rancangan sistem mencakup pemodelan proses menggunakan flowchart dan use case diagram, serta antarmuka berupa halaman beranda, halaman hasil rekomendasi, dan halaman admin. Sistem yang dihasilkan terbukti mampu mengidentifikasi kursus dengan tingkat kemiripan konten tertinggi dan memberikan kontribusi nyata dalam meningkatkan efisiensi pencarian kursus online di bidang teknologi.
Analisis Metode Content Based Filtering Pada Sistem Rekomendasi Obyek Wisata Di Kabupaten Wonogiri Elang Himawan; Dwi Hartanti; Nibras Faiq Muhammad
Prosiding Seminar Nasional Teknologi Informasi dan Bisnis Prosiding Seminar Nasional Teknologi Informasi dan Bisnis (SENATIB) 2026
Publisher : Fakultas Ilmu Komputer Universitas Duta Bangsa Surakarta

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

Abstract

Kabupaten Wonogiri menyimpan beragam potensi wisata, mulai dari kawasan alam, waduk, pesisir pantai, air terjun, hingga lokasi bernuansa edukasi dan sejarah, yang secara keseluruhan turut mendongkrak daya tarik pariwisata daerah. Akan tetapi, ragam pilihan yang begitu banyak justru kerap menyulitkan wisatawan dalam menjatuhkan pilihan pada destinasi yang benar-benar cocok dengan minat dan kebutuhan masing-masing. Riset ini disusun untuk mengkaji penerapan metode Content Based Filtering pada sistem rekomendasi destinasi wisata di Wonogiri, dengan harapan sistem dapat menyodorkan pilihan tempat yang selaras dengan karakteristik wisata serta preferensi penggunanya. Tahapan yang ditempuh meliputi penghimpunan data objek wisata, pengolahan data tersebut, pemberian bobot kata melalui Term Frequency-Inverse Document Frequency (TF-IDF), dan pengujian tingkat kemiripan menggunakan Cosine Similarity. Variabel data yang ditelaah terdiri atas nama atraksi, kategori wisata, lokasi, fasilitas penunjang, tarif tiket masuk, serta skor penilaian pengunjung. Temuan penelitian memperlihatkan bahwa Content Based Filtering mampu menyodorkan rekomendasi objek wisata berdasarkan tingkat kecocokan tertinggi antara apa yang diinginkan pengguna dan karakteristik objek wisata bersangkutan. Pada skenario uji coba, Air Terjun Girimanik memperoleh skor kemiripan sebesar 0,85 sementara Waduk Gajah Mungkur mencapai 0,86, yang menandakan keduanya selaras dengan preferensi yang dimasukkan pengguna.
Penerapan Content-Based Filtering untuk Rekomendasi UMKM Kuliner di Kota Surakarta Arum, Elisabeth Puteri Sekar; Larasati, Sofiana Dewi; Aprilia, Alyesa Putri; Ichsan, Abdillah; Mahendra, Aditya Putra
Prosiding Seminar Nasional Teknologi Informasi dan Bisnis Prosiding Seminar Nasional Teknologi Informasi dan Bisnis (SENATIB) 2026
Publisher : Fakultas Ilmu Komputer Universitas Duta Bangsa Surakarta

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

Abstract

Kota Surakarta terkenal sebagai salah satu destinasi wisata kuliner legendaris yang memiliki keanekaragaman makanan tradisional yang kaya. Pertumbuhan Usaha Mikro, Kecil, dan Menengah (UMKM) kuliner yang sangat pesat sering kali menimbulkan tantangan berupa limpahan informasi bagi wisatawan maupun warga lokal dalam memilih tempat makan yang sesuai dengan preferensi selera dan kenyamanan mereka. Penelitian ini bertujuan mengembangkan sistem rekomendasi kuliner berbasis Content-Based Filtering (CBF) yang memanfaatkan pencocokan multi-atribut konten yang mencakup kategori utama, menu andalan, kata kunci ulasan, dan fasilitas fisik tempat makan. Data primer dikumpulkan langsung dari Google Maps tanpa melibatkan rating subjektif untuk menghindari bias penilaian. Sistem ini menggunakan algoritma Term Frequency-Inverse Document Frequency (TF-IDF) untuk mengekstrak dan memberikan bobot pada fitur konten serta algoritma Cosine Similarity untuk menghitung indeks kemiripan antar-UMKM kuliner berdasarkan preferensi fasilitas dan menu pengguna. Hasil eksperimen komputasi menunjukkan bahwa pemodelan CBF berbasis atribut fasilitas mampu menghasilkan rekomendasi kuliner yang sangat presisi, relevan, dan andal. Berdasarkan simulasi pengujian query menu soto sapi dengan fasilitas parkir, sistem merekomendasikan Soto Arinda (Kerten) sebagai rekomendasi utama dengan nilai similarity sebesar 0,949, sekaligus menjadi instrumen strategis dalam memperluas jangkauan promosi digital bagi pelaku UMKM kuliner di Kota Surakarta.
Perancangan Sistem Rekomendasi Menu Kuliner Restoran Menggunakan Metode Content-Based Recommendation Oktawiyani, Elsa; Purwaningsih, Dyah; Khoiri, Ilham; Saputra, Rizal Diaz Reihan; Andriyansyah, Alif Akbar; Atina, Vihi
Prosiding Seminar Nasional Teknologi Informasi dan Bisnis Prosiding Seminar Nasional Teknologi Informasi dan Bisnis (SENATIB) 2026
Publisher : Fakultas Ilmu Komputer Universitas Duta Bangsa Surakarta

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

Abstract

Perkembangan teknologi informasi telah memberikan dampak signifikan terhadap industry kuliner, dimana banyak variasi menu yang tersedia sering kali membuat pelanggan mengalami kesulitan dalam menentukan pilihan yang sesuai dengan preferensi dan anggaran. Penelitian ini bertujuan untuk merancang sistem rekomendasi menu kuliner berbasis content-based filtering dengan mengintegrasikan metode TF-IDF dan cosine similarity. Sistem memanfaatkan atribut deskripsi menu, ketegori, penyajian, jenis kuliner, dan harga untuk menghasilkan rekomendasi yang personal dan relevan. Proses pembobotan dilakukan menggunakan TF-IDF dengan L2 normalization, sedangkan perhitungan kemiripan antara preferensi pengguna dan data menu dihitung menggunakan cosine similarity. Hasil rekomendasi kemudian disesuaikan dengan batas budget maksimum yang ditentukan pengguna melalui mekanisme filtering budget. Pengujian sistem dilakukan dengan 32 data menu kuliner menggunakan input keyword “ayam telur”, kategori “Makanan”, Penyajian “Panas”. Hasil Menunjukkan Bakmi Oseng Wonosari menjadi rekomendasi teratas dengan nilai cosine similarity 0,4087, diikuti empat menu lainnya yang memenuhi seluruh kriteria preferensi dan budget pengguna.
Perancangan Sistem Rekomendasi Destinasi Wisata di Kabupaten Karanganyar Menggunakan Metode Content-Based Filtering dengan Cosine Similarity Erlangga Bayu Yudho Prakoso; Holland Nainggolan; Surya Prana Syahputra; Noviadhi Kusuma; Vihi Atina
Prosiding Seminar Nasional Teknologi Informasi dan Bisnis Prosiding Seminar Nasional Teknologi Informasi dan Bisnis (SENATIB) 2026
Publisher : Fakultas Ilmu Komputer Universitas Duta Bangsa Surakarta

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

Abstract

Kabupaten Karanganyar memiliki beragam destinasi wisata dengan karakteristik yang berbeda, sehingga wisatawan sering mengalami kesulitan dalam menentukan tujuan wisata yang sesuai dengan preferensi mereka. Proses pencarian informasi yang masih dilakukan secara manual melalui berbagai sumber menyebabkan pemilihan destinasi menjadi kurang efektif. Penelitian ini bertujuan untuk merancang sistem rekomendasi destinasi wisata di Kabupaten Karanganyar menggunakan metode Content-Based Filtering dengan Cosine Similarity. Penelitian menggunakan metode System Development Life Cycle (SDLC) yang dibatasi hingga tahap Planning, Analysis, dan Design. Pada tahap analisis dilakukan identifikasi kebutuhan sistem, studi literatur, serta representasi data destinasi wisata berdasarkan atribut kategori wisata, lokasi, harga tiket, dan fasilitas. Tahap perancangan meliputi flowchart sistem, use case diagram, activity diagram, representasi data destinasi wisata, perancangan metode Content-Based Filtering, perhitungan tingkat kemiripan menggunakan Cosine Similarity, serta perancangan antarmuka pengguna. Hasil penelitian berupa rancangan sistem rekomendasi yang mampu menghasilkan pemeringkatan destinasi wisata berdasarkan nilai Cosine Similarity. Berdasarkan contoh preferensi pengguna, diperoleh 10 destinasi wisata dengan nilai Cosine Similarity tertinggi sebesar 0,866, di antaranya Air Terjun Grojogan Sewu, Puncak Lawu via Cemoro Kandang, Wana Wisata Sekipan, The Lawu Park, dan Lawu Camp. Rancangan sistem yang dihasilkan diharapkan dapat menjadi acuan dalam pengembangan sistem rekomendasi destinasi wisata pada penelitian selanjutnya.

Page 52 of 77 | Total Record : 764

 50   51   52   53   54 

Filter by Year

2022 2026


Reset
Filter By Issues
All Issue Prosiding Seminar Nasional Teknologi Informasi dan Bisnis (SENATIB) 2026 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)