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
 70   71   72   73   74 
Analisis Pengaruh Strong Consistency dan Eventual Consistency terhadap Write Latency dan Replication Delay pada MongoDB Replica Set Wildan Ariel Heradi; Rizqi Nur Hidayatullah; Muthia Lutfi Qurata’ain; Ivan Noviandra; Agustina Srirahayu
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

Sistem basis data terdistribusi menjadi solusi untuk meningkatkan skalabilitas, ketersediaan layanan, dan toleransi kegagalan pada pengelolaan data berskala besar. Salah satu implementasinya adalah MongoDB Replica Set yang memanfaatkan replikasi antara node Primary dan Secondary. Namun, mekanisme replikasi menimbulkan tantangan dalam menjaga konsistensi data tanpa mengurangi performa sistem. Penelitian ini bertujuan menganalisis pengaruh Strong Consistency dan Eventual Consistency terhadap write latency dan replication delay pada MongoDB Replica Set. Penelitian menggunakan metode kuantitatif eksperimental pada lingkungan Docker yang terdiri atas satu node Primary dan dua node Secondary. Data uji dibuat secara otomatis menggunakan Python dengan jumlah 10.000, 50.000, dan 100.000 dokumen. Pengujian dilakukan menggunakan konfigurasi WriteConcern("majority") untuk Strong Consistency dan WriteConcern(w=1) untuk Eventual Consistency. Hasil menunjukkan bahwa Eventual Consistency menghasilkan write latency yang sedikit lebih rendah pada volume 10.000 dokumen, sedangkan Strong Consistency memberikan nilai lebih rendah pada volume 50.000 dan 100.000 dokumen. Selain itu, rata-rata replication delay sebesar 0,023796 detik menunjukkan proses sinkronisasi data berlangsung stabil. Secara keseluruhan, kedua konfigurasi konsistensi menghasilkan performa yang relatif setara pada lingkungan pengujian. Oleh karena itu, pemilihan tingkat konsistensi lebih dipengaruhi oleh kebutuhan jaminan konsistensi data dibandingkan pertimbangan performa sistem.
Rancang Bangun Aplikasi Mobile LabIn Berbasis Flutter dan Supabase untuk Pengelolaan Sarana dan Prasarana Laboratorium Arvanda Nuraini; Hilda Nur Abidah; Hidayatul Fateha Khoirunnisa; Khotijah Naishilla Ariyanto; Naurisma Fatikasari
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

Pengelolaan sarana dan prasarana laboratorium di perguruan tinggi memerlukan sistem yang mampu mendukung proses reservasi laboratorium, peminjaman alat dan bahan, serta pengelolaan inventaris secara terintegrasi. Proses pengelolaan yang masih dilakukan secara manual atau belum terintegrasi sering menyebabkan keterlambatan administrasi, kesulitan dalam memantau ketersediaan fasilitas, serta kurang optimalnya proses verifikasi peminjaman. Penelitian ini bertujuan merancang dan membangun aplikasi Mobile LabIn berbasis Flutter dengan Supabase sebagai backend dan basis data untuk mendukung pengelolaan sarana dan prasarana laboratorium. Metode penelitian yang digunakan adalah Waterfall yang meliputi tahapan analisis kebutuhan, perancangan sistem, implementasi, dan pengujian. Aplikasi yang dikembangkan menyediakan fitur reservasi laboratorium, peminjaman alat dan bahan, verifikasi berjenjang oleh Asisten Laboratorium (Aslab) dan Kepala Laboratorium (Kalab), pengelolaan inventaris, QR Code sebagai bukti reservasi, serta pemantauan status peminjaman secara real-time. Berdasarkan hasil Black Box Testing, seluruh fitur aplikasi dapat berjalan sesuai dengan kebutuhan fungsional yang telah ditetapkan. Hasil penelitian menunjukkan bahwa aplikasi Mobile LabIn mampu mendukung proses administrasi laboratorium secara lebih terstruktur, meningkatkan kemudahan pengelolaan sarana dan prasarana, serta memberikan layanan reservasi yang lebih efektif dan terintegrasi.
Perancangan Ulang UI/UX Website SMA Al Irsyad Menggunakan Metode Design Thinking Yumna Kamilah Mahdiyah
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

Website sekolah merupakan media utama dalam penyampaian informasi kepada siswa, orang tua, guru, dan masyarakat. Namun, website SMA Al-Irsyad Surabaya masih memiliki beberapa permasalahan, seperti tampilan yang belum responsif, beberapa menu yang tidak berfungsi, serta konten yang kurang informatif. Penelitian ini bertujuan merancang ulang antarmuka pengguna dan pengalaman pengguna website SMA Al-Irsyad Surabaya menggunakan metode Design Thinking untuk meningkatkan kualitas pengalaman pengguna. Metode Design Thinking diterapkan melalui lima tahapan, yaitu Empathize, Define, Ideate, Prototype, dan Test. Tahap Empathize dilakukan melalui observasi dan wawancara dengan admin website untuk mengidentifikasi kebutuhan pengguna. Selanjutnya, pada tahap Define, permasalahan dirumuskan menjadi Pain Points dan How Might We (HMW) sebagai dasar dalam menentukan solusi. Solusi desain yang dihasilkan pada tahap Ideate diwujudkan dalam bentuk prototipe menggunakan Figma. Tahap Test dilakukan menggunakan System Usability Scale (SUS) terhadap tujuh partisipan yang terdiri atas tiga siswa, dua calon siswa, dan dua orang tua. Hasil penelitian menunjukkan bahwa rancangan antarmuka yang dihasilkan mampu memperbaiki struktur navigasi, meningkatkan responsivitas tampilan, serta menyajikan informasi secara lebih terstruktur dan mudah ditemukan. Evaluasi menggunakan SUS menunjukkan peningkatan skor usability dari 34,64 menjadi 80,36, sehingga tingkat usability meningkat dari kategori Not Acceptable menjadi Acceptable. Dengan demikian, penerapan metode Design Thinking mampu menghasilkan rancangan website yang lebih mudah digunakan dan sesuai dengan kebutuhan pengguna.
Pemodelan Sistem Rekomendasi Menggunakan Metode Knowledge-Based Untuk Pemilihan Menu Minuman di Coffee Shop Kopi Nuri Ahmad Nur Hidayat; AprilRianto Dirhamdan Prakoso; Saifana Pasya Awansila; Muhammad Al Farozi; Rangga Valent Al Nino
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 | DOI: 10.47701/z08je627

Abstract

Pertumbuhan coffee shop yang pesat seringkali membuat pelanggan mengalami kesulitan memilih menu sesuai preferensi. Penelitian ini bertujuan memodelkan sistem rekomendasi menu minuman menggunakan metode Knowledge-Based Recommendation. Metode Rapid Application Development diterapkan dengan teknik Case-Based Reasoning dan pembobotan prioritas pada lima atribut. Pengujian pada 30 data sampel menghasilkan rekomendasi untuk menu coffe cincau dengan nilai similarity tertinggi 0,978. Disimpulkan bahwa pemodelan ini efektif sebagai landasan pengembangan sistem rekomendasi berbasis digital. Kata kunci: Coffee Shop, Knowledge-Based Recommendation, Case-Based Reasoning, Sistem Rekomendasi, RAD.
Penerapan Temporal Fusion Transformer untuk Prediksi Emisi Karbon Indonesia Daffa Ammar Mahendra; Faisal Muttaqin; Yisti Vita Via
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

Peningkatan emisi karbon dioksida (CO?) menjadi salah satu penyebab utama perubahan iklim global sehingga diperlukan pendekatan yang bisa menghasilkan prediksi emisi karbon secara akurat sebagai dasar dalam mendukung pengambilan keputusan. Penelitian ini bertujuan menerapkan model TFT untuk memprediksi emisi karbon Indonesia menggunakan data historis periode 1970–2024 yang diperoleh dari Our World in Data. Variabel masukan yang digunakan meliputi coal_co2, oil_co2, dan gas_co2, sedangkan emisi karbon (CO?) digunakan sebagai variabel target. Proses penelitian meliputi preprocessing data, pembangunan model TFT, pelatihan model, serta evaluasi menggunakan metrik MAE, MAPE, dan sMAPE. Hasil penelitian menunjukkan bahwa model menghasilkan nilai MAE sebesar 62,0155, MAPE sebesar 8,40%, dan sMAPE sebesar 8,90%. Selain itu, hasil prediksi berhasil mengikuti pola perubahan emisi karbon pada data aktual sehingga menunjukkan kemampuan model dalam mempelajari karakteristik temporal data. Berdasarkan hasil tersebut, TFT dapat diterapkan sebagai salah satu pendekatan yang efektif untuk prediksi emisi karbon Indonesia.
Analisis Komparatif Random Forest dan XGBoost Berbasis Class Weighting pada Kasus Imbalanced Dataset Kredit Daffa Tusi Santoso; Edwin Pavel Ekapagliuca; Iqbal Syabudin; Linda Nuzul Kharismasari
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

Penilaian kelayakan kredit merupakan aspek penting dalam manajemen risiko perbankan, namun sering menghadapi permasalahan ketidakseimbangan kelas (imbalanced data) yang menyebabkan model klasifikasi cenderung bias terhadap kelas mayoritas. Kondisi ini meningkatkan risiko False Negatives, yaitu nasabah berisiko gagal bayar yang diprediksi sebagai nasabah lancar. Penelitian ini bertujuan membandingkan kinerja algoritma Random Forest sebagai model baseline dengan XGBoost yang dioptimasi menggunakan class weight balancing dan hyperparameter tuning untuk meningkatkan kemampuan deteksi nasabah berisiko. Penelitian menggunakan pendekatan kuantitatif eksperimental dengan kerangka kerja CRISP-DM yang meliputi business understanding, data understanding, data preparation, modeling, evaluation, dan deployment. Dataset dibagi menjadi data latih dan data uji dengan proporsi 80:20, sedangkan optimasi XGBoost dilakukan menggunakan RandomizedSearch. Hasil penelitian menunjukkan bahwa model XGBoost menghasilkan Recall sebesar 62,47% dan F1-Score sebesar 53,87%, lebih tinggi dibandingkan Random Forest yang memperoleh Recall 35,80% dan F1-Score 45,72%. Meskipun akurasi menurun dari 81,20% menjadi 76,33%, peningkatan sensitivitas berhasil mengurangi False Negatives sehingga lebih sesuai untuk kebutuhan manajemen risiko kredit. Analisis feature importance menunjukkan bahwa riwayat status pembayaran, khususnya PAY_0, menjadi faktor paling berpengaruh dalam prediksi. Model terbaik selanjutnya diimplementasikan ke dalam prototipe Decision Support System berbasis Streamlit yang mampu memberikan prediksi risiko kredit secara real-time. Hasil penelitian menunjukkan bahwa optimasi XGBoost efektif meningkatkan kemampuan klasifikasi pada dataset kredit yang tidak seimbang serta mendukung pengambilan keputusan kredit yang lebih akurat.
Klasifikasi Citra Sel Darah Terinfeksi Malaria Menggunakan Pendekatan Hybrid EfficientNetV2-S dan SVM Berbasis Progressive Fine-Tuning Muhammad Ridho Habibie; Christya Aji Putra; Yisti Vita Via
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

Malaria tetap menjadi tantangan kesehatan global, sementara proses diagnosisnya masih bergantung pada analisis manual apusan darah tepi menggunakan mikroskop. Proses manual ini rentan terhadap kelelahan visual pemeriksa, sehingga dibutuhkan sistem deteksi otomatis yang cepat, akurat, namun tetap ringan secara komputasi untuk fasilitas dengan sumber daya terbatas. Penelitian ini bertujuan untuk mengevaluasi efektivitas kerangka kerja hibrida yang mengintegrasikan ekstraksi fitur berbasis EfficientNetV2-S melalui strategi progressive fine-tuning dengan algoritma Support Vector Machine (SVM) sebagai pengklasifikasi akhir. Dataset yang dievaluasi merupakan citra mikroskopis sel darah dari National Institutes of Health (NIH) yang dikategorikan ke dalam kelas terinfeksi (Parasitized) dan sehat (Uninfected). Tahapan penelitian mencakup prapemrosesan citra, augmentasi data, pelatihan bertahap model CNN, ekstraksi vektor fitur, optimasi parameter SVM, serta pengujian komparatif (ablation study) terhadap beberapa arsitektur baseline. Hasil eksperimen menunjukkan bahwa SVM dengan kernel Radial Basis Function (RBF) memberikan pemisahan kelas yang paling optimal. Evaluasi pada data uji membuktikan bahwa kerangka kerja hibrida yang diusulkan mengungguli arsitektur pembanding dengan mencapai akurasi sebesar 97,00% dan F1-Score sebesar 96,99%. Secara klinis, integrasi SVM terbukti esensial dalam menekan risiko False Negative dengan keberhasilannya meningkatkan metrik sensitivitas (Recall) kelas Parasitized menjadi 96,23%. Kinerja superior tersebut dicapai dengan tingkat efisiensi yang tinggi, mencatatkan waktu inferensi hanya 21,57 detik untuk keseluruhan 2.752 citra uji. Temuan ini mengonfirmasi bahwa pendekatan usulan berpotensi besar untuk diimplementasikan sebagai sistem Computer-Aided Diagnosis (CAD) portabel yang menuntut akurasi klinis tinggi di lingkungan dengan sumber daya komputasi yang terbatas.
PENERAPAN METODE NAÏVE BAYES UNTUK KLASIFIKASI KONDISI KEUANGAN UMKM BERDASARKAN LAPORAN KEUANGAN Ridzkyan Buti Pratama; Pipin Widyaningsih, M.Kom.; Joni Maulindar S.Kom., M.Eng.
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

Usaha Mikro, Kecil, dan Menengah (UMKM) mempunyai peranan krusial pada perekonomian Indonesia, tetapi masih banyak pelaku usaha yang mengalami kesulitan pada menganalisis kondisi keuangan usahanya. Permasalahan utama terletak pada pencatatan keuangan yang sederhana sehingga sulit menentukan apakah usaha berada dalam kondisi sehat atau tidak sehat. Penelitian ini bertujuan untuk mengklasifikasikan kondisi keuangan UMKM menggunakan metode Gaussian Naïve Bayes berdasarkan data laporan keuangan yang terdiri dari pendapatan bulanan, margin keuntungan bersih, rasio pembakaran modal, jumlah transaksi, tingkat pemesanan ulang, dan lama usaha. Dataset yang digunakan berjumlah 150.000 data sintetis yang diperoleh dari platform Kaggle dengan empat kategori kelas: Elite, Growth, Struggling, dan Critical. Label klasifikasi ditentukan dengan menggabungkan kelas Elite dan Growth sebagai kondisi Sehat, serta Struggling dan Critical sebagai kondisi Tidak Sehat. Temuan analisis memperlihatkan bahwasanya metode Gaussian Naïve Bayes bisa melakukan klasifikasi kondisi keuangan UMKM dengan tingkat akurasi sebesar 94,70%, F1-Score sebesar 94,72%, dan nilai ROC-AUC sebesar 0,9859 yang menandakan model yang stabil dan konsisten. Penelitian ini menunjukkan bahwasanya metode Naïve Bayes bisa dipakai selaku alat bantu klasifikasi kondisi keuangan UMKM yang sederhana, efisien, sehingga bisa dipakai selaku alat bantu pada pengambilan keputusan untuk pelaku usaha.
IMPLEMENTASI CONTENT-BASED FILTERING UNTUK REKOMENDASI PROGRAM STUDI BERDASARKAN MINAT DAN PRESTASI AKADEMIK SISWA Rivaldi Faqih Rahmawan; Aprilisa Arum Sari; Hanifah Permatasari
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

Pemilihan program studi kuliah merupakan salah satu keputusan penting bagi siswa SMA karena berpengaruh terhadap arah pendidikan dan karier di masa depan. Namun, siswa sering mengalami kesulitan dalam menentukan program studi yang sesuai dengan bidang minat dan kemampuan akademiknya. Penelitian ini bertujuan untuk menerapkan metode Content-Based Filtering pada sistem rekomendasi program studi berdasarkan data alumni SMA Negeri 1 Nguter tahun 2025. Data yang digunakan meliputi bidang minat, program studi alumni, mata pelajaran pendukung, nilai mata pelajaran pendukung, dan rata-rata rapor. Proses rekomendasi dilakukan dengan membentuk profil alumni dan profil siswa menjadi fitur teks, kemudian dilakukan pembobotan menggunakan Term Frequency-Inverse Document Frequency atau TF-IDF dan perhitungan kemiripan menggunakan Cosine Similarity. Sistem menghasilkan tiga rekomendasi program studi dengan nilai kemiripan tertinggi. Berdasarkan contoh pengujian pada bidang minat Teknologi, sistem merekomendasikan Sistem Informasi, Teknik Informatika, dan Ilmu Komputer dengan nilai Precision@3 sebesar 100%. Hasil tersebut menunjukkan bahwa metode Content-Based Filtering dapat digunakan untuk memberikan rekomendasi program studi yang relevan berdasarkan bidang minat dan karakteristik akademik siswa.
Penerapan Metode Hybrid Content-Based Filtering Dan Collaborative Filtering Pada Sistem Rekomendasi Rohmad Rifa Ardianto; Agustina Purwatiningsih; Hanifah Permatasari
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

Sektor pariwisata telah sangat dipengaruhi oleh kemajuan teknologi informasi, terutama dalam membantu menemukan destinasi yang tepat berdasarkan keinginan dan kebutuhan pengguna. Banyaknya pilihan tempat wisata sering menyebabkan wisatawan mengalami kesulitan dalam menentukan lokasi wisata yang tepat. Tujuan dari penelitian membuat sistem rekomendasi tempat wisata di Kabupaten Wonogiri dengan menerapkan metode Hybrid Recommendation yang mengombinasikan Content-Based Filtering dan Collaborative Filtering. Metode Content-Based Filtering diterapkan untuk mengetahui tingkat kemiripan antar destinasi wisata berdasarkan atribut deskripsi, fasilitas, dan harga tiket, sedangkan Collaborative Filtering melihat kesamaan preferensi pengguna dengan data rating wisata. Perhitungan similarity pada kedua metode dilakukan menggunakan cosine similarity. Hasil penelitian menunjukkan bahwa Pantai Nampu memperoleh nilai similarity tertinggi pada metode Content-Based Filtering sebesar 0,99 dan nilai similarity pengguna tertinggi pada metode Collaborative Filtering sebesar 0,97. Setelah dilakukan penggabungan kedua metode menggunakan pendekatan hybrid, Pantai Nampu memperoleh skor akhir tertinggi sebesar 0,982 sehingga menjadi destinasi wisata yang paling direkomendasikan oleh sistem. Hasil penelitian ini menunjukkan bahwa metode hybrid dapat menawarkan rekomendasi wisata yang lebih sesuai dan komprehensif karena mempertimbangkan karakteristik wisata serta preferensi pengguna secara bersamaan.

Page 72 of 77 | Total Record : 764

 70   71   72   73   74 

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)