cover
Contact Name
Cucut Susanto
Contact Email
cucut@undipa.ac.id
Phone
+628124150373
Journal Mail Official
cucut@undipa.ac.id
Editorial Address
Jl. Perintis Kemerdekaan Km.9 Makassar , Telp.(0411) 587194
Location
Kota makassar,
Sulawesi selatan
INDONESIA
DIPANEGARA KOMPUTER TEKNOLOGI INFORMATIKA (DIPAKOMTI)
ISSN : 19074410     EISSN : 29632854     DOI : -
Jurnal Penelitian Universitas Dipa Makassar yang khusus untuk penerbitan Hasil Penelitian Mahasiswa dan Dosen Program Studi Teknik Informatika
Articles 114 Documents
Pengembangan Dan Implementasi Metode Face Recognition Untuk Otomatisasi Absensi Karyawan Di PT. Fajar Tecno System Bertold Maspa; Stalin Martyr Kadang
Dipanegara Komputer Teknologi Informatika Vol. 18 No. 1 (2026): Jurnal Dipanegara Komputer Teknik Informatika (DIPAKOMTI)
Publisher : Universitas Dipa Makassar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36774/dipakomti.v18i1.2190

Abstract

Perkembangan teknologi kecerdasan buatan telah mendorong perubahan cara kerja di banyak organisasi, termasuk dalam sistem pencatatan kehadiran karyawan. Penelitian ini bertujuan untuk membuat dan menerapkan sistem absensi otomatis menggunakan pengenalan wajah dengan metode Convolutional Neural Network di PT. Fajar Tecno System. Sistem ini diciptakan untuk mengatasi masalah absensi manual seperti pinjam absen, kesalahan mencatat, dan perubahan data. Data yang digunakan terdiri dari 7 karyawan dengan total 150 gambar wajah untuk setiap orang. Proses pengembangan sistem mencakup pengumpulan data, pemrosesan gambar, pelatihan model dengan arsitektur InceptionResnetV1, serta pengujian sistem menggunakan cara Black Box Testing. Hasil dari penerapan sistem menunjukkan bahwa sistem ini dapat mengenali wajah secara langsung dan mencatat kehadiran secara otomatis dengan tingkat akurasi rata-rata sebesar 99,61% pada berbagai variasi posisi wajah dalam kondisi pencahayaan normal. Diharapkan sistem ini dapat meningkatkan efisiensi, akurasi, dan keamanan dalam pencatatan kehadiran di perusahaan.
Rancang Bangun Sistem Monitoring Kapasitas Gedung Parkir Mobil Berbasis Internet of Things M. Wahyu Hidayat Sufyan; Marion Prianto; Irsal Irsal; Amirah Amirah; Andi Saenong
Dipanegara Komputer Teknologi Informatika Vol. 18 No. 1 (2026): Jurnal Dipanegara Komputer Teknik Informatika (DIPAKOMTI)
Publisher : Universitas Dipa Makassar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36774/dipakomti.v18i1.2196

Abstract

Permasalahan utama pada gedung parkir bertingkat konvensional adalah ketiadaan informasi ketersediaan slot secara real-time, yang menyebabkan inefisiensi waktu bagi pengendara dan kurangnya data pengelolaan bagi pihak manajemen. Penelitian ini bertujuan untuk merancang bangun sistem monitoring kapasitas parkir berbasis Internet of Things (IoT) yang mampu menyajikan informasi ketersediaan per lantai serta melakukan klasifikasi kendaraan secara otomatis. Metode yang digunakan adalah prototyping dengan memanfaatkan mikrokontroler ESP32, Sensor Inframerah untuk penghitungan sirkulasi melalui algoritma gate counting, dan Sensor Ultrasonik HC-SR04 untuk klasifikasi tinggi kendaraan (Ground Clearance). Data dari sensor diproses secara real-time menuju Firebase Realtime Database dan divisualisasikan melalui LCD 16x2 serta aplikasi mobile berbasis Flutter. Hasil pengujian menunjukkan akurasi sensor ultrasonik mencapai 95% dalam mengklasifikasikan kendaraan kategori "Tinggi" dan "Rendah". Kesimpulan dari penelitian ini adalah sistem berhasil mempercepat pengambilan keputusan pengendara dan mempermudah manajemen data parkir melalui penyediaan laporan tren trafik harian yang akurat.
Penentuan Reorder Point Pada Aplikasi Stok Bahan Bangunan Menggunakan Metode Moving Average Elisabeth Patinong; Fredy Enggar Yana; Asran Asran; Salmiati Salmiati
Dipanegara Komputer Teknologi Informatika Vol. 18 No. 1 (2026): Jurnal Dipanegara Komputer Teknik Informatika (DIPAKOMTI)
Publisher : Universitas Dipa Makassar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36774/dipakomti.v18i1.2223

Abstract

Penelitian ini bertujuan untuk menentukan nilai reorder point (ROP) yang optimal pada aplikasi stok bahan bangunan di Toko Sinar Sopai. Permasalahan utama yang dihadapi adalah terjadinya stockout berulang pada barang laris akibat penentuan waktu pemesanan ulang yang masih berdasarkan intuisi tanpa analisis data historis. Penelitian ini menggunakan pendekatan deskriptif kuantitatif dengan sampel lima jenis barang utama berdasarkan data penjualan periode Januari–Desember 2025. Metode yang diterapkan adalah simple moving average untuk menghitung rata-rata permintaan harian, yang kemudian diintegrasikan ke dalam rumus ROP dengan mempertimbangkan lead time dan penambahan safety stock. Hasil penelitian menunjukkan bahwa penerapan metode ini mampu menghasilkan nilai titik pemesanan ulang yang lebih akurat dan adaptif terhadap pola permintaan. Implementasi sistem berbasis web yang dikembangkan juga terbukti membantu menekan risiko kehabisan stok, meningkatkan ketepatan waktu pemesanan ulang, serta menciptakan pengendalian persediaan yang lebih objektif dan terukur. Secara praktis, pendekatan ini mendukung hingga 80% efisiensi operasional dan pengambilan keputusan berbasis data pada usaha ritel bahan bangunan.
Analisis Kelayakan Penerimaan Bantuan Pendidikan Beasiswa Luwu Timur Tahun 2025 Menggunakan Metode Random Forest Komang Rosmiani; Gusti Ayu KM Anggraeni; Aprizal Aprizal; Suci Rahma Dani Rachman
Dipanegara Komputer Teknologi Informatika Vol. 18 No. 1 (2026): Jurnal Dipanegara Komputer Teknik Informatika (DIPAKOMTI)
Publisher : Universitas Dipa Makassar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36774/dipakomti.v18i1.2224

Abstract

Proses seleksi penerima Beasiswa Luwu Timur masih didominasi oleh pemeriksaan dokumen secara manual, sehingga berpotensi menimbulkan inkonsistensi penilaian dan keterbatasan transparansi dalam pengambilan keputusan. Penelitian ini bertujuan menganalisis kelayakan penerimaan Beasiswa Luwu Timur Tahun 2025 menggunakan algoritma Random Forest serta menentukan variabel yang paling berpengaruh melalui analisis feature importance. Data yang digunakan berupa data sekunder historis penerima beasiswa yang diperoleh dari Bagian Kesejahteraan Rakyat Kabupaten Luwu Timur sebanyak 8.789 data. Tahapan penelitian meliputi pra-pemrosesan data, pembentukan fitur validasi persyaratan beasiswa, pelatihan model Random Forest, serta evaluasi kinerja model menggunakan metode confusion matrix dan pembagian data latih 80% dan data uji 20%. Hasil evaluasi data uji menunjukkan akurasi 72,41%, presisi 86,97%, recall 79,03%, F1-score 82,81%, dan ROC-AUC 62,13%. Analisis feature importance menunjukkan IPK sebagai variabel paling berpengaruh, diikuti umur dan semester. Hasil penelitian menunjukkan bahwa Random Forest dapat melakukan klasifikasi dengan baik dan transparan sebagai pendukung dalam pengambilan keputusan seleksi.
Analisis Profit Penjualan Menggunakan Algoritma C4.5 A.Nurul Asyilah Rizky; Putri Tandi Langi Paonganan
Dipanegara Komputer Teknologi Informatika Vol. 18 No. 1 (2026): Jurnal Dipanegara Komputer Teknik Informatika (DIPAKOMTI)
Publisher : Universitas Dipa Makassar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36774/dipakomti.v18i1.2236

Abstract

Penelitian ini bertujuan untuk menganalisis pola profit penjualan pada Toko Kopi Hope menggunakan algoritma C4.5 berdasarkan data transaksi penjualan periode Mei 2025 hingga Januari 2026. Data penelitian terdiri dari 9.280 transaksi yang diolah melalui tahapan pembersihan dan transformasi data sehingga diperoleh data profit harian selama 263 hari operasional. Nilai profit dikelompokkan ke dalam tiga kategori, yaitu profit rendah, sedang, dan tinggi, menggunakan metode entropy-based discretization. Proses klasifikasi dilakukan dengan membangun model algoritma C4.5 dengan pembagian data training dan testing sebesar 70:30 menggunakan stratified sampling. Evaluasi model menggunakan confusion matrix menghasilkan tingkat akurasi sebesar 88,61%. Decision tree yang dihasilkan menunjukkan bahwa variabel Subtotal, HPP Total, dan Quantity merupakan faktor utama yang memengaruhi profit penjualan. Aturan keputusan yang dihasilkan dapat digunakan sebagai dasar pengambilan keputusan bisnis yang lebih terarah dan berbasis data.
Implementasi Hybrid Machine Learning (Random Forest dan XGBoost) Untuk Prediksi Kinerja Akademik Mahasiswa Universitas Dipa Makassar Khaerunnisa.S; Fitriah Nabila Putri Tamar; Indra Samsie; Andi Irmayana
Dipanegara Komputer Teknologi Informatika Vol. 18 No. 1 (2026): Jurnal Dipanegara Komputer Teknik Informatika (DIPAKOMTI)
Publisher : Universitas Dipa Makassar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36774/dipakomti.v18i1.2297

Abstract

Penelitian ini bertujuan mengklasifikasikan kinerja akademik mahasiswa menggunakan pendekatan hybrid machine learning berbasis stacking ensemble. Dataset terdiri dari data akademik mahasiswa angkatan 2023 Universitas Dipa Makassar berupa total SKS lulus selama tiga semester (SKSL) sebagai variabel input, dengan label kinerja akademik dibentuk berdasarkan IPK yang dikategorikan menjadi Tidak Baik (IPK < 2.00), Baik (IPK 2.00–2.99), dan Sangat Baik (IPK 3.00–4.00). Model hybrid mengombinasikan Random Forest dan XGBoost sebagai base learners, serta Logistic Regression sebagai meta-learner. Tahapan penelitian meliputi preprocessing data, pembagian data stratified split 80:20, hyperparameter tuning, dan pengujian 5-fold cross-validation. Hasil menunjukkan model hybrid stacking ensemble mencapai akurasi 91%, precision 90%, recall 86%, dan F1-score 88%. Model Random Forest dan XGBoost masing-masing mencapai akurasi 92%, precision 91%, recall 87%, dan F1-score 89%. Pendekatan hybrid machine learning dengan stacking ensemble efektif mendukung evaluasi kinerja akademik mahasiswa berbasis data dan dapat digunakan untuk deteksi dini mahasiswa berisiko.
Analisis Faktor Yang Mempengaruhi Paparan Negatif Pada Pemain Game Roblox Menggunakan Metode Random Forest Rachel Angelitha Rombe; Velicia Payung Tasik; Erfan Hasmin; Asmah Akhriana; Andi Saenong
Dipanegara Komputer Teknologi Informatika Vol. 18 No. 1 (2026): Jurnal Dipanegara Komputer Teknik Informatika (DIPAKOMTI)
Publisher : Universitas Dipa Makassar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36774/dipakomti.v18i1.2317

Abstract

Era digital mendorong perkembangan game online seperti Roblox yang populer di kalangan anak-anak dan remaja, namun juga berpotensi menimbulkan paparan negatif seperti cyberbullying, penyalahgunaan fitur komunikasi, dan konten yang tidak sesuai usia. Penelitian ini bertujuan mengidentifikasi faktor yang paling berpengaruh terhadap paparan negatif pada pemain aktif Roblox dengan menganalisis intensitas bermain, konten game, fitur komunikasi, interaksi sosial, dan kontrol perilaku menggunakan metode Random Forest. Data diperoleh dari kuesioner daring dengan total 386 responden dan dianalisis menggunakan teknik klasifikasi serta feature importance. Hasil penelitian menunjukkan faktor yang paling berpengaruh yaitu interaksi sosial dalam game sebesar 34.69%, diikuti konten game 24.31%, intensitas bermain 15.59%, fitur komunikasi 15.41%, dan kontrol perilaku 10%. Hasil pengujiannya menunjukkan bahwa metode Random Forest mampu mengidentifikasi paparan negatif pada pemain Roblox dengan akurasi 92.31%, precision 93.94%, recall 96.88%, dan f1-score 95%, sehingga model yang dibangun memiliki tingkat keandalan yang tinggi. Temuan ini dapat menjadi dasar dalam menentukan strategi pengelolaan interaksi untuk meminimalkan munculnya paparan negatif game online.
Perancangan Sistem Pendukung Keputusan Berbasis AHP-SAW untuk Manajemen Beasiswa Christo Kurniawan D. Wiroreno; Saprial Matthew G. P. Ani; Komang Aryasa; Sadly Syamsuddin
Dipanegara Komputer Teknologi Informatika Vol. 18 No. 1 (2026): Jurnal Dipanegara Komputer Teknik Informatika (DIPAKOMTI)
Publisher : Universitas Dipa Makassar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36774/dipakomti.v18i1.2324

Abstract

Ketimpangan pendidikan dan seleksi beasiswa yang masih subjektif memerlukan pendekatan yang transparan dan objektif. Meskipun berbagai platform telah dikembangkan, sebagian besar belum mengintegrasikan pengambilan keputusan berbasis kriteria terukur. Penelitian ini mengembangkan Gensmart Edusupport, Sistem Pengambilan Keputusan (SPK) berbasis mobile yang mengintegrasikan Analytical Hierarchy Process (AHP) dan Simple Additive Weighting (SAW) untuk evaluasi multikriteria. AHP digunakan untuk menentukan bobot, yang dalam contoh kasus ini adalah IPK (22,88%), pendapatan orang tua (64,92%), dan prestasi (12,20%), yang kemudian diterapkan pada SAW untuk menghitung nilai preferensi empat kandidat. Hasil menunjukkan Kandidat Ketiga memperoleh nilai tertinggi 87,07%, diikuti Kandidat Kedua (84,6%), Kandidat Keempat (67,07%), dan Kandidat Pertama (61,2%). Hasil sistem konsisten dengan perhitungan manual dengan selisih kecil akibat pembulatan, menunjukkan integrasi AHP-SAW akurat dan terukur. Pengujian System Usability Scale (SUS) pada 87 responden juga menghasilkan skor 72,20 (kategori Baik), sehingga sistem dinilai efektif, adil, dan mudah digunakan.
Perancangan Aplikasi UMKM (Keuangan Usaha Mikro Kecil Menengah) Berbasis Mobile Menggunakan Flutter Abdullah Amar Az-Zikra; Siti Fatimah Azzahra
Dipanegara Komputer Teknologi Informatika Vol. 18 No. 1 (2026): Jurnal Dipanegara Komputer Teknik Informatika (DIPAKOMTI)
Publisher : Universitas Dipa Makassar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36774/dipakomti.v18i1.2334

Abstract

Perkembangan teknologi informasi mendorong UMKM untuk beralih dari sistem pencatatan konvensional menuju sistem digital yang lebih efisien dan terintegrasi. Riskalifya Dekorasi sebagai salah satu UMKM di Kota Makassar masih melakukan pencatatan keuangan menggunakan lembar kerja komputer sederhana, sehingga berpotensi menimbulkan kesalahan pencatatan, keterlambatan rekapitulasi, serta risiko kehilangan data. Penelitian ini bertujuan untuk merancang dan mengembangkan aplikasi keuangan berbasis mobile menggunakan framework Flutter dan Firebase sebagai backend. Metode pengembangan yang digunakan adalah Agile Development yang bersifat iteratif dan adaptif terhadap kebutuhan pengguna. Pengumpulan data dilakukan melalui observasi, wawancara, dan studi literatur. Aplikasi yang dikembangkan memiliki fitur pencatatan pemasukan dan pengeluaran, penyimpanan data secara real-time, laporan keuangan otomatis, serta visualisasi grafik keuangan. Hasil penelitian menunjukkan bahwa aplikasi mampu meningkatkan efisiensi pencatatan transaksi, mempermudah penyusunan laporan keuangan, serta membantu pemilik usaha dalam memantau kondisi keuangan secara lebih akurat.
Smart Farming: Model Penentuan Waktu Pengairan Otomatis Berbasis IoT Menggunakan Algoritma Decision Tree Indra Setiawan Timang; Brigita Citra Pasoloran; Irsal Irsal; Muh. Syukri Mustafa
Dipanegara Komputer Teknologi Informatika Vol. 18 No. 1 (2026): Jurnal Dipanegara Komputer Teknik Informatika (DIPAKOMTI)
Publisher : Universitas Dipa Makassar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36774/dipakomti.v18i1.2393

Abstract

Pengairan merupakan faktor penting dalam budidaya tanaman padi karena berpengaruh langsung terhadap pertumbuhan dan hasil produksi, namun pengairan yang masih dilakukan secara manual dan bergantung pada sistem ambang batas (threshold) statis menyebabkan pemberian air sering tidak sesuai kondisi lingkungan aktual sehingga berpotensi menyebabkan stres dan menurunkan produktivitas tanaman. Penelitian ini merancang dan mengimplementasikan sistem smart farming penentuan waktu pengairan otomatis berbasis IoT menggunakan algoritma Decision Tree pada mikrokontroler ESP32 yang terintegrasi dengan sensor kelembapan tanah, DHT22, dan BH1750. Data lingkungan diproses model Decision Tree untuk menghasilkan keputusan pengairan otomatis yang mengendalikan pompa air dan ditampilkan melalui dashboard web. Pengujian sensor menunjukkan MAPE rendah: kelembapan tanah 4,68%, suhu 5,69%, kelembapan udara 2,21%, dan intensitas cahaya 0,22%. Evaluasi model menghasilkan akurasi 73,33%, precision 40,00%, dan recall 66,67%. Nilai recall yang lebih tinggi menunjukkan model mengutamakan pencegahan kekurangan air pada tanaman padi.

Page 11 of 12 | Total Record : 114