cover
Contact Name
Dewi Sholeha
Contact Email
dewisoleha@gmail.com
Phone
+6285361555506
Journal Mail Official
dewisholeha@risetilmiah.ac.id
Editorial Address
Perum Vila Batu Asri Jl. Lap. Golf, Kp. Tengah, Kec. Pancur Batu, Kabupaten Deli Serdang, Sumatera Utara 20138
Location
Unknown,
Unknown
INDONESIA
Impression : Jurnal Teknologi dan Informasi
Published by Lembaga Riset Ilmiah
ISSN : -     EISSN : 29637333     DOI : https://doi.org/10.59086/jti
Impression accepts articles in the fields of Electrical Engineering, Mechanical Engineering, Civil Engineering, Marine Technology Industrial Engineering, Marine Fisheries Technology, Agricultural Technology, Informatics Engineering, Information Systems, Computer, Expert systems, Decision Support Systems, Artificial Intelligence systems, Data Mining, Image processing, Genetic Algorithms, Designing Information Systems, Business Intelligence, Internet of Thing Database System, Big Data, Internet of Thing.
Articles 165 Documents
Implementasi Sistem ERP Knitting Menggunakan VB.NET dan SQL Server pada PT ACSM Iman Auliaurohman
Impression : Jurnal Teknologi dan Informasi Vol. 5 No. 2 (2026): Juli 2026
Publisher : Lembaga Riset Ilmiah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59086/jti.v5i2.2062

Abstract

Penelitian ini bertujuan mengimplementasikan sistem Enterprise Resource Planning (ERP) berbasis desktop untuk mengintegrasikan pengelolaan pembelian, produksi, persediaan, penjualan, akuntansi, dan pelaporan pada PT Abdi Cipta Sukses Mandiri. Penelitian menggunakan pendekatan terapan dengan model pengembangan Waterfall, pemodelan berorientasi objek menggunakan Unified Modeling Language, serta basis data Microsoft SQL Server dan antarmuka VB.NET. Data dikumpulkan melalui observasi, wawancara, dokumentasi, kuesioner, dan studi literatur. Hasil implementasi menunjukkan bahwa modul-modul utama dapat menggunakan basis data yang terpusat sehingga perubahan stok dapat diperbarui berdasarkan transaksi penerimaan, penjualan, dan produksi. Pengujian Black Box terhadap 15 skenario menghasilkan seluruh fungsi sesuai keluaran yang diharapkan, sedangkan User Acceptance Testing menunjukkan bahwa alur sistem mendukung proses bisnis perusahaan. Pengembangan berikutnya direkomendasikan mencakup modul payroll, akses web atau mobile, backup berkala, dan peningkatan analisis laporan.   Discrepancies between recorded and physical inventory, disconnected cross-functional processes, and delayed report consolidation constrained the legacy system at PT Abdi Cipta Sukses Mandiri. This study implements and evaluates an integrated desktop ERP for purchasing, knitting production, inventory, sales, accounting, and reporting. The applied study used Waterfall, UML and ERD, VB.NET, and SQL Server; data were collected through observation, interviews, document review, questionnaires, and literature review. The implementation is novel in linking receiving, material consumption, production output, and sales to inventory updates and to cost, journal, ledger, and income-statement records in one database. All 15/15 Black Box scenarios and 10/10 UAT flows met the acceptance criteria (100%), with no critical functional failure. Practically, the system provides a shared data source and reduces cross-department reconciliation; scientifically, it offers a contextual ERP design and verification pattern for knitting manufacturing. Functional conformity was established, although longitudinal reductions in inventory discrepancies and processing time were not measured.
Sistem Pendukung Keputusan Penentuan Karyawan Terbaik Berdasarkan KPI Menggunakan Komputasi Fuzzy Tsukamoto Asep Muhammad Junaedi; Erdi Sutriyatna
Impression : Jurnal Teknologi dan Informasi Vol. 5 No. 2 (2026): Juli 2026
Publisher : Lembaga Riset Ilmiah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59086/jti.v5i2.2091

Abstract

Objektivitas dalam mengevaluasi kinerja karyawan menjadi hal penting dalam sektor perbankan. Bank Index KC Asemka selama ini mengalami tantangan berupa risiko subjektivitas dan inefisiensi karena proses pengolahan data Key Performance Indicator (KPI) yang masih dilakukan secara semi-manual oleh 78 responden karyawan menggunakan spreadsheet. Penelitian ini bertujuan untuk membuat sistem bantuan pengambilan keputusan otomatis dengan menggunakan pendekatan logika samar berbasis metode Fuzzy Tsukamoto. Sistem diimplementasikan dengan menggabungkan lima variabel KPI utama yaitu kinerja, komunikasi, perilaku, kerja sama, dan hasil ke dalam pemetaan fungsi keanggotaan berbentuk linear dan segitiga. Berdasarkan hasil pengujian White Box dan Black Box, sistem backend yang terintegrasi dengan core engine Python mampu menjalankan 243 aturan implikasi secara akurat dan menghasilkan nilai defuzzifikasi rata-rata terbobot yang sama dengan perhitungan manual. Implementasi sistem SIPEKA INDEX ini berhasil mengurangi kesan subjektif dalam pengambilan keputusan dan menampilkan dashboard peringkat karyawan terbaik secara transparan serta langsung.   Objectivity in employee performance evaluations is crucial in the banking sector, especially when assessments involve multiple KPIs with varying levels of achievement. Bank Index KC Asemka faces challenges related to the risk of subjectivity and inefficiency because the processing of KPI data for 78 employees is still done semi-manually using spreadsheets. This study aims to develop a web-based Decision Support System (DSS) that integrates the Fuzzy Tsukamoto method to automate the processing and ranking of employee performance. The Fuzzy Tsukamoto method was chosen because it can represent the gradual nature of KPI achievement levels through membership functions and generate crisp values as the basis for ranking. The novelty of this research lies in the integration of five KPI variables—performance, communication, behavior, cooperation, and results—into a web-based system with 243 implication rules to support the employee evaluation process at Bank Index KC Asemka. White-box and black-box testing showed that the system can execute all designed rules and produce weighted average defuzzification values consistent with manual calculations. The SIPEKA INDEX system generates structured employee evaluation and ranking through a dashboard, thereby improving the traceability of the evaluation process and supporting data-driven decision-making. The contribution of this research is to provide a Tsukamoto Fuzzy-based DSS implementation model that can automate the processing of multi-criteria KPIs and present evaluation results systematically.  
Implementasi Algoritma RSA dengan Encoding Base64 untuk Pengamanan Data Voting pada Sistem E-voting Berbasis Web Reza Alif Anugrah; Eka Yuni Titik Atraningsih
Impression : Jurnal Teknologi dan Informasi Vol. 5 No. 2 (2026): Juli 2026
Publisher : Lembaga Riset Ilmiah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59086/jti.v5i2.2100

Abstract

Perkembangan teknologi informasi mendorong penerapan sistem electronic voting (e-voting) berbasis website sebagai alternatif pemungutan suara yang lebih efisien dan praktis. Namun, sistem tersebut memiliki risiko terhadap keamanan data, terutama pada penyimpanan hasil pemungutan suara yang rentan terhadap akses dan manipulasi oleh pihak yang tidak berwenang. Penelitian ini bertujuan mengimplementasikan algoritma Rivest–Shamir–Adleman (RSA) sebagai mekanisme pengamanan data suara pada aplikasi e-voting berbasis website. Metode penelitian yang digunakan adalah Prototype, yang meliputi analisis kebutuhan, perancangan sistem menggunakan Unified Modeling Language (UML), implementasi menggunakan Laravel dan MySQL, serta pengujian dengan metode Black Box Testing dan White Box Testing. Algoritma RSA digunakan untuk mengenkripsi data suara sebelum disimpan ke dalam basis data, sedangkan Base64 digunakan untuk mengodekan hasil enkripsi agar kompatibel dengan proses penyimpanan dan transmisi data. Hasil penelitian menunjukkan bahwa seluruh fungsi sistem berjalan sesuai rancangan, sedangkan analisis keamanan memperlihatkan peningkatan nilai rata-rata entropi dari 4,3198 bit/byte menjadi 7,1861 bit/byte atau dari 54,00% menjadi 89,83% terhadap entropi maksimum. Hasil tersebut menunjukkan bahwa penerapan RSA mampu meningkatkan kerahasiaan dan integritas data pada sistem e-voting berbasis website   Advances in information technology have driven the adoption of web-based electronic voting (e-voting) as an efficient alternative for voting. However, storing voting results in plaintext poses a risk of unauthorized access. Previous research has applied RSA and Base64 to web-based systems, but their application to e-voting at the Neighborhood Unit (RT) level—with an evaluation of changes in ciphertext characteristics using Shannon Entropy—remains limited. This study aims to implement the Rivest–Shamir–Adleman (RSA) algorithm to protect the confidentiality of vote data in a web-based e-voting system. The method used is the Prototype approach, which includes requirements analysis, UML design, implementation using Laravel and MySQL, as well as Black Box and White Box testing. RSA is used to encrypt vote data, while Base64 is used as an encoding mechanism to support ciphertext storage. The research results show that the average Shannon entropy increased from 4.3198 to 7.1861 bits/byte, or by 66.35%, with the ciphertext reaching 89.83% of the maximum entropy. This increase indicates that the data distribution is becoming closer to random characteristics, making voters’ choices unrecognizable at first glance. The novelty of this research lies in the application of RSA-Base64 to RT-level e-voting and the evaluation of changes in ciphertext characteristics using Shannon entropy.
Perancangan Pengenalan Emosi melalui Ekspresi pada Wajah Menggunakan Convolutional Neural Network (CNN) Khantaqwa Amri; Ines Heidiani Ikasari
Impression : Jurnal Teknologi dan Informasi Vol. 5 No. 2 (2026): Juli 2026
Publisher : Lembaga Riset Ilmiah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59086/jti.v5i2.2116

Abstract

Pengenalan emosi melalui ekspresi wajah merupakan salah satu bidang penelitian dalam computer vision dan artificial intelligence yang berkembang pesat. Kemampuan sistem dalam mengenali ekspresi wajah manusia dapat diterapkan pada berbagai bidang, seperti pendidikan, pelayanan publik, kesehatan, sistem keamanan, hingga interaksi manusia dengan komputer (Human Computer Interaction). Penelitian ini bertujuan merancang sistem pengenalan emosi manusia secara real-time menggunakan algoritma Convolutional Neural Network (CNN). Dataset yang digunakan terdiri atas tujuh kategori emosi, yaitu angry, disgust, fear, happy, neutral, sad, dan surprise. Proses penelitian meliputi preprocessing dataset, augmentasi data menggunakan ImageDataGenerator, pelatihan model CNN menggunakan TensorFlow Keras, penyimpanan bobot model, serta implementasi deteksi emosi secara real-time menggunakan webcam dan OpenCV. Model CNN dibangun menggunakan beberapa lapisan konvolusi, fungsi aktivasi ReLU, Max Pooling, Dropout, Flatten, Fully Connected Layer, serta Softmax sebagai lapisan klasifikasi. Hasil penelitian menunjukkan bahwa model mampu mengenali ekspresi wajah secara real-time dengan tingkat akurasi yang baik serta mampu mengklasifikasikan tujuh kategori emosi berdasarkan citra wajah yang diperoleh dari kamera. Sistem yang dikembangkan diharapkan dapat menjadi dasar pengembangan aplikasi pengenalan emosi pada berbagai bidang yang membutuhkan interaksi otomatis antara manusia dan komputer.   Facial Emotion Recognition (FER) is an application of computer vision and artificial intelligence that enables a system to automatically recognize facial expressions. This study aims to design and implement a real-time system for recognizing seven emotion categories based on a Convolutional Neural Network (CNN) using a webcam. The dataset consists of seven classes: angry, disgust, fear, happy, neutral, sad, and surprise. Images are processed in grayscale format with a size of 48 × 48 pixels and augmented using ImageDataGenerator. The CNN model is built with convolutional layers, ReLU, Max Pooling, Dropout, Flatten, a fully connected layer, and Softmax, using the Adam optimizer, a batch size of 64, and 50 epochs. Evaluation was based on training accuracy, validation accuracy, training loss, and validation loss. The results show that the model achieved a training accuracy of 95.10% and a validation accuracy of 93.40%, with a training loss of 0.19 and a validation loss of 0.27 at the 50th epoch. The implementation of OpenCV and the Haar Cascade enables real-time face detection and emotion classification via a webcam. Black Box Testing confirmed that all the application’s main functions operate as designed. This study contributes to the field by integrating CNNs with webcams; however, testing on independent datasets as well as measurements of FPS and latency are required in future research.
Prototype Tempat Sampah Pintar Berbasis Arduino Dengan Fitur Buka Tutup Otomatis Dan Pengendalian Mobility Melalui Smartphone Afis Rizal; Dara Sawitri
Impression : Jurnal Teknologi dan Informasi Vol. 5 No. 2 (2026): Juli 2026
Publisher : Lembaga Riset Ilmiah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59086/jti.v5i2.2471

Abstract

Pengelolaan sampah yang efektif dan higienis merupakan faktor penting dalam menjaga kebersihan serta kesehatan lingkungan. Namun, penggunaan tempat sampah konvensional yang masih memerlukan kontak fisik sering kali menjadi kendala dalam upaya menjaga higienitas. Penelitian ini bertujuan untuk merancang dan membangun prototype tempat sampah pintar berbasis Arduino yang dilengkapi dengan fitur buka tutup otomatis menggunakan sensor ultrasonik serta sistem pengendalian mobilitas melalui smartphone menggunakan modul Bluetooth HC-06. Sistem ini bekerja dengan mendeteksi keberadaan tangan pengguna pada jarak tertentu untuk mengaktifkan mekanisme buka tutup otomatis melalui motor servo. Selain itu, pengguna juga dapat menggerakkan tempat sampah ke arah yang diinginkan melalui aplikasi pada smartphone yang terhubung dengan modul Bluetooth. Berdasarkan hasil pengujian, sistem dapat berfungsi dengan baik dengan waktu respons rata-rata 1,5 detik untuk sensor ultrasonik dan koneksi Bluetooth yang stabil dalam jarak 10 meter. Dengan adanya inovasi ini, diharapkan tempat sampah pintar dapat menjadi solusi higienis dan efisien dalam mendukung kebersihan lingkungan di berbagai tempat. Effective and hygienic waste management is an essential factor in maintaining environmental cleanliness and protecting public health. However, conventional trash bins that require physical contact can create challenges in maintaining hygiene. This study aims to design and develop an Arduino-based smart trash bin prototype equipped with an automatic lid-opening and closing mechanism using an ultrasonic sensor, as well as a mobility control system operated through a smartphone using an HC-06 Bluetooth module. The system detects the presence of a user’s hand within a predetermined distance and activates the automatic lid mechanism through a servo motor. In addition, users can control the movement of the trash bin in various directions using a smartphone application connected via Bluetooth. Based on the testing results, the system operated effectively, with an average ultrasonic sensor response time of 1.5 seconds and a stable Bluetooth connection within a range of 10 meters. This smart trash bin innovation is expected to provide a hygienic and efficient solution for supporting environmental cleanliness in various public and private spaces.