cover
Contact Name
-
Contact Email
Hairani@universitasbumigora.ac.id
Phone
+6285933083240
Journal Mail Official
khairan.marzuki@universitasbumigora.ac.id
Editorial Address
-
Location
Kota mataram,
Nusa tenggara barat
INDONESIA
Prosiding Seminar Nasional CORISINDO
Published by Universitas Bumigora
ISSN : -     EISSN : -     DOI : https://doi.org/10.30812/corisindo.v1
Core Subject : Science,
Perguruan tinggi sebagai penyedia sumber daya manusia industri harus beradaptasi untuk memenuhi kebutuhan kompetensi transformasi digital di berbagai sektor, khususnya karya ilmiah. Berbagai inovasi harus dilakukan untuk meningkatkan sumber daya manusia yang sesuai dengan kebutuhan industri 4.0. Hal mendasar yang perlu dilakukan perguruan tinggi adalah mereview dan mendesain ulang kurikulum, mendorong program mobilitas bagi talenta asing, bekerjasama dengan stakeholders termasuk industri dan pemerintah sebagai pengguna lulusan perguruan tinggi. Konferensi ini bertujuan untuk menyediakan forum utama bagi dunia karya ilmiah untuk diskusi dan debat tentang Potensi Transformasi Digital, Interdisipliner, standardisasi teknologi terkait, dan dampak teknologi tersebut terhadap masyarakat dan budaya selama pandemi ini. Konferensi tersebut mempertemukan para peneliti, pembuat kebijakan, pengembang, pengguna, dan perusahaan komersial, siapa pun yang tertarik dengan Web dan apa yang ditawarkannya. SEMNAS CORISINDO 2025 merupakan platform Seminar Nasional yang menampilkan artikel asli dari berbagai peneliti, akademisi, praktisi, dan pengusaha bisnis untuk menciptakan peluang penelitian yang berorientasi global di era pandemi dengan memanfaatkan teknologi transformasi digital.
Articles 104 Documents
Prediksi Produksi Jagung dengan Menggunakan Metode Autoregressive Integrated Moving Average (ARIMA) Julyanti , Nafi’ah Zahra; Azmi, Rinda Fitriana; Azizah, Istin Fitriani; Soraya, Siti
CORISINDO 2025 Vol. 1 (2025): Prosiding Seminar Nasional CORISINDO 2025
Publisher : CORISINDO 2025

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30812/corisindo.v1.5263

Abstract

West Nusa Tenggara (NTB) is one of the largest corn producing provinces in Indonesia, but its production has not been optimal to meet the increasing domestic and global demand. Along with the rapid growth of industry in the Asian region, the supply of corn in the world market tends to be limited, which is around 13% of the total world corn production, this creates a gap between demand and availability. This study aims to predict corn production trends in NTB using the Autoregressive Integrated Moving Average (ARIMA) method based on time series data from 2001–2023 from NTB Satu Data. The ARIMA method was chosen because of its ability to model historical data patterns without independent variables, making it suitable for short-term forecasting in the agricultural sector. The forecast results show that corn production in West Nusa Tenggara Province is expected to continue to increase from 2024 to 2028, with an average annual growth of 4.78%. However, this growth rate tends to decrease from year to year, indicating a slowdown in the rate of production growth. The use of the ARIMA method is effective as a prediction tool for strategic planning to increase corn production, reduce dependence on imports, and stabilize market prices.
Analisis Regresi Spasial dan Pola Penyebaran pada Kasus Demam Berdarah Dengue (DBD) Hisbullah, Hisbullah; Al Jauziah, Hanief; Soraya, Siti; Azizah, Istin Fitriani
CORISINDO 2025 Vol. 1 (2025): Prosiding Seminar Nasional CORISINDO 2025
Publisher : CORISINDO 2025

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30812/corisindo.v1.5264

Abstract

Dengue Hemorrhagic Fever (DHF) is one of the endemic diseases whose spread is greatly influenced by environmental conditions, available health facilities, and the spatiality of an area. This study aims to analyze the pattern of DHF case distribution in NTB Province using the spatial regression method. By utilizing secondary data obtained from 2022, this study also analyzes the influence of five independent variables, namely population, number of general hospitals, poverty rate, number of health centers, and number of houses affected by flooding on the number of DHF cases in each district/city. Spatial analysis was carried out using the Spatial Autoregressive (SAR) model, preceded by a positive spatial autocorrelation test through the Moran index. The results of the study showed significant positive spatial autocorrelation (p <0.05), which indicates that areas with a high number of cases tend to border areas with high cases. The SAR model was proven to be better than the OLS model based on the R² (0.9986) and AIC (101.669) values. This finding is expected to be the basis for planning priority area interventions in controlling DHF cases in NTB Province in a spatial and targeted manner.
Prediksi Produktivitas Padi Berdasarkan Luas Panen dan Produksi padi Menggunakan Metode Regresi Linear Berganda Renita, Baiq Fiky; Apriyandi, Alya Yayan; Rahima, Phyta
CORISINDO 2025 Vol. 1 (2025): Prosiding Seminar Nasional CORISINDO 2025
Publisher : CORISINDO 2025

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30812/corisindo.v1.5266

Abstract

Fluktuasi produktivitas padi di Nusa Tenggara Barat selama tahun 2019 hingga 2023 terjadi meskipun luas panen relatif konsisten, yang menimbulkan kesulitan dalam perencanaan produksi dan ketahanan pangan di wilayah tersebut. Untuk menghadapi keadaan ini, sebuah model prediktif dikembangkan yang bertujuan untuk mengidentifikasi pengaruh simultan dari luas panen dan volume produksi terhadap produktivitas padi. Proses pemodelan dilakukan dengan menggunakan pendekatan regresi linear berganda berdasarkan data sekunder tahunan yang mencakup variabel luas panen, produksi, dan produktivitas. Hasil dari analisis menunjukkan bahwa kedua variabel independen, yaitu luas panen dan volume produksi, memiliki pengaruh yang signifikan terhadap produktivitas padi. Model yang dirancang ini menunjukkan tingkat akurasi yang baik, yang terlihat dari nilai koefisien determinasi yang tinggi. Temuan ini menunjukkan bahwa regresi linear berganda dapat berfungsi sebagai alat analitis awal dalam merumuskan kebijakan pertanian yang berbasis pada data. Peluang untuk pengembangan lebih lanjut sangat terbuka dengan penambahan variabel lain untuk meningkatkan ketepatan prediksi di masa yang akan datang.
Penerapan SMOTE dan Random Forest dalam Klasifikasi Tren Harga Saham Harian: Studi Kasus Saham PT Telkom Indonesia Tbk (TLKM) Hadi, M Fawazi; Hairani, Hairani; Wijaya, Hartono; Vidiasari, Herlita
CORISINDO 2025 Vol. 1 (2025): Prosiding Seminar Nasional CORISINDO 2025
Publisher : CORISINDO 2025

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30812/corisindo.v1.5267

Abstract

Salah satu masalah utama dalam sistem klasifikasi tren harga saham adalah ketidakseimbangan kelas dalam data historis saham.  Studi ini melihat bagaimana menggunakan teknik over-sampling synthetic minority (SMOTE) dan algoritma Random Forest untuk mengklasifikasikan tren harga saham harian PT Telkom Indonesia Tbk (TLKM).  Data diukur dengan lima metrik utama: volume, open, high, low, dan close. Semua ini diperoleh dari Kaggle.  Hasil uji menunjukkan bahwa kombinasi SMOTE dan Random Forest mampu meningkatkan distribusi data dan memberikan kinerja klasifikasi yang cukup baik, dengan akurasi sebesar 51% dan skor macro F1-sebesar 0.51.  Temuan ini menunjukkan bahwa, meskipun data berubah, model mengenali kedua arah tren dengan cukup andal.  Penelitian ini membangun fondasi untuk sistem yang mendukung keputusan investasi berbasis data.
Penerapan Metode Support Vector Machine (SVM) dalam Analisis Sentimen Ulasan Aplikasi Tokopedia di Google Play Store Zhahrina, Alya'; Sofiah, Ummu; Andayani, Dina Wahyu Apri; Khairurrabbani, Nurhafizi; Saputri, Fara
CORISINDO 2025 Vol. 1 (2025): Prosiding Seminar Nasional CORISINDO 2025
Publisher : CORISINDO 2025

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30812/corisindo.v1.5270

Abstract

Penelitian ini bertujuan untuk menganalisis sentimen ulasan pengguna aplikasi Tokopedia di Google Play Store menggunakan metode Support Vector Machine (SVM). Data dikumpulkan melalui teknik web scraping dan terdiri atas teks ulasan serta rating pengguna. Tahapan penelitian mencakup preprocessing teks (case folding, tokenisasi, normalisasi, stopword removal, dan stemming), pelabelan sentimen berdasarkan rating, serta klasifikasi dengan algoritma SVM. Dataset dibagi dengan rasio 80:20 untuk pelatihan dan pengujian model. Hasil evaluasi menunjukkan bahwa model menghasilkan akurasi sebesar 77,91% dengan nilai precision positif 78%, recall positif 83%, dan F1-score positif 81%. Analisis menunjukkan bahwa aspek layanan, pengiriman, dan kualitas barang menjadi isu utama dalam persepsi pengguna. Model mampu mengklasifikasikan sentimen dengan baik, khususnya pada kelas positif, namun cenderung mengalami kesalahan pada kelas negatif. Temuan ini menunjukkan bahwa algoritma SVM efektif diterapkan dalam analisis sentimen berbahasa Indonesia, serta dapat dimanfaatkan untuk mendukung pengambilan keputusan strategis oleh penyedia layanan aplikasi. Penelitian ini juga merekomendasikan pengembangan lebih lanjut dengan pendekatan deep learning untuk menangkap konteks semantik secara lebih mendalam. 
Otomatisasi Manajemen Virtual Private Network (VPN) Berbasis OpenVPN Pada Mikrotik Menggunakan Ansible Putrawan, Yogi Eka; Hariyadi , I Putu; Husain; Widyawati, Lilik; Latif, Kurniadin Abdul
CORISINDO 2025 Vol. 1 (2025): Prosiding Seminar Nasional CORISINDO 2025
Publisher : CORISINDO 2025

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30812/corisindo.v1.5274

Abstract

Perkembangan teknologi jaringan menuntut efisiensi dan keandalan dalam pengelolaan infrastruktur VPN, terutama dalam lingkungan perusahaan dan organisasi yang kompleks. Penelitian ini bertujuan untuk Otomatisasi Manajemen Virtual Private Network (VPN) Berbasis OpenVPN Pada Mikrotik Menggunakan Ansible guna meningkatkan efisiensi, konsistensi, dan mengurangi risiko human error. Metodologi yang digunakan meliputi analisis kebutuhan, perancangan sistem, implementasi otomatisasi konfigurasi, serta pengujian pada jaringan skala kecil hingga menengah. Hasil penelitian menunjukkan bahwa otomatisasi konfigurasi menggunakan Ansible mampu memangkas waktu provisioning dari sekitar 10 menit menjadi kurang dari 1 menit per perangkat, serta menjamin keseragaman konfigurasi di seluruh perangkat jaringan. Selain itu, penerapan otomatisasi ini dapat memperkuat aspek keamanan dan memudahkan proses pemantauan jaringan VPN secara otomatis melalui sistem monitoring terintegrasi. Berdasarkan hasil tersebut, disarankan agar sistem otomasi ini dikembangkan lebih lanjut dengan fitur monitoring, manajemen akses berbasis peran, dan dokumentasi otomatis untuk mendukung pengelolaan jaringan yang lebih efisien dan aman di masa mendatang.
Perancangan Prototype Sistem Pengering Kopi Dengan Metode Research and Development (RND) Berbasis Internet of Things (IOT) Sukma, I Gusti Ayu Yunita; Hadi, Sirojul; Latif, Kurniadin Abdul; Husain; Azhar, Raisul
CORISINDO 2025 Vol. 1 (2025): Prosiding Seminar Nasional CORISINDO 2025
Publisher : CORISINDO 2025

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30812/corisindo.v1.5279

Abstract

Perkembangan teknologi berbasis Internet of Things (IoT) dan memanfaatkan energi dari  Pembangkit Listrik Tenaga Surya (PLTS) dapat memberikan solusi inovatif dalam pengeringan biji kopi. Penelitian ini bertujuan untuk merancang dan mengembangkan sistem pengeringan biji kopi menggunakan Internet of Things dan Pembangkit Listrik Tenaga Surya (PLTS). Sistem ini juga dapat memantau suhu dan kelembaban didalam ruangan pengering biji kopi secara real-time melalui website yang berfungsi untuk meningkatkan efisiensi waktu pengeringan serta mengatasi keterbatasan metode pengeringan tradisional yang sangat bergantung pada kondisi cuaca. Metode penelitian menggunakan metode Research and Development (R&D) dan menggunakan model Borg and Gall. Sistem ini dirancang menggunakan sensor suhu dan kelembaban yaitu (DHT22) serta sensor tegangan untuk menstabilkan daya listrik dan menggunakan mikrokontroller (ESP32), output yang di keluarkan yaitu lampu pemanas dan exhaust fan. Hasil dalam penelitian ini adalah memonitoring nilai suhu dan kelembaban yang diatur suhu 30℃, dan kelembaban 50%. Hasil monitoring yang telah diperoleh selama 7 hari kurang lebih. Sistem ini juga mampu dapat melihat suhu dan kelembaban tanpa harus mengecek Kembali, dengan memanfaatkan energi dari Pembangkit Listrik Tenaga Surya (PLTS) jadi prototype ini memberikan Solusi berkelanjutan yang lebih efisien untuk pengeringan kopi, mengatasi keterbatasan pada cuaca dan juga mendukung pemantauan jarak jauh melalui website.
Analisis Seleksi Fitur  Menggunakan Metode ANOVA F-test dan Algoritma Random Forest Untuk Deteksi Diabetes Martono, Galih Hendro; Rismayati, Ria; Karor, Iptijanul
CORISINDO 2025 Vol. 1 (2025): Prosiding Seminar Nasional CORISINDO 2025
Publisher : CORISINDO 2025

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30812/corisindo.v1.5282

Abstract

Peningkatan level kadar glukosa darah yang melampaui batas normal merupakan ciri-ciri utama dari gangguan metabolisme yang dikenal sebagai diabetes mellitus, atau yang secara umum disebut penyakit kencing manis. Hal ini biasanya terjadi karena gangguan produksi atau fungsi insulin, baik secara absolut maupun relatif.  Diperkirakan  pada tahun 2030 diabetes akan menjadi penyebab kematian  terbesar ke-7 di dunia hal ini didasari laporan dari World Health Organization (WHO).  Ironisnya, sekitar 70% penderita diabetes tidak menyadari bahwa mereka mengidap penyakit ini, dan sekitar 25% telah mengalami komplikasi serius sebelum diagnosis ditegakkan. Oleh karena itu, deteksi dini serta manajemen risiko yang efektif sangat krusial untuk mencegah dampak kesehatan yang lebih berat. Pentingnya pemilihan fitur dalam meningkatkan akurasi prediksi diabetes adalah fokus penelitian ini. Metode seleksi fitur berbasis ANOVA F-test yang digabungkan dengan algoritma Random Forest dalam penyusunan model prediksi diabetes digunakan pada penelitian ini . Dataset yang digunakan terdiri dari 70.000 data dengan 33 atribut, yang kemudian diseleksi hingga diperoleh 13 fitur paling relevan berdasarkan nilai P-value < 0,05. Hasil evaluasi menunjukkan bahwa penerapan seleksi fitur secara signifikan meningkatkan performa model. Akurasi prediksi mencapai 73% saat menggunakan 5 fitur, meningkat menjadi 86% dengan 10 fitur, dan mencapai 90% ketika menggunakan 13 fitur. Temuan ini menggaris bawahi pentingnya proses seleksi fitur dalam pengembangan model prediktif penyakit diabetes, serta memberikan kontribusi penting dalam mendukung upaya deteksi dini dan pengelolaan risiko secara lebih optimal.
Prediksi Permintaan Reservasi Kamar Hotel Menggunakan Metode Fuzzy Time Series Saputra, Habibi Yusup; Aziza, Istin Fitriani; Soraya, Siti
CORISINDO 2025 Vol. 1 (2025): Prosiding Seminar Nasional CORISINDO 2025
Publisher : CORISINDO 2025

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30812/corisindo.v1.5298

Abstract

 Hotel reservation demand forecasting is a crucial component in hotel management for operational optimization and profitability. Time series reservation data is often volatile and uncertain, thus requiring an adaptive forecasting model. This study objective is to implements the Fuzzy Time Series (FTS) method to predict the number of weekly room reservations at a hotel in Gili Trawangan. Historical reservation data for 54 weeks from June 2024 to June 2025 is processed through three main stages: determining the universe of discourse, fuzzifying the data into seven fuzzy sets, and extracting knowledge to form Fuzzy Logical Relationship Groups (FLRG). The forecasting results are evaluated using actual data and show good model performance in capturing demand fluctuation patterns. The model accuracy measured by the Mean Absolute Percentage Error (MAPE) produces a value of 11.69%, indicating that FTS is an effective and promising method for forecasting hotel room demand with dynamic data characteristics.
Analisis Faktor Yang Mempengaruhi Produksi Cabai Rawit Di NTB Menggunakan Metode Regresi Spasial Ananda, Laraswati; Gusnayanti, Riski; Ratmaji, Muji
CORISINDO 2025 Vol. 1 (2025): Prosiding Seminar Nasional CORISINDO 2025
Publisher : CORISINDO 2025

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30812/corisindo.v1.5306

Abstract

Produksi cabai rawit di Nusa Tenggara Barat merupakan provinsi yang menempati posisi kedua sebagai penghasil terbesar di Indonesia, Namun, penyebaran produksinya masih memperlihatkan adanya ketidakseimbangan yang signifikan antara wilayah. Ketidakseimbangan ini dapat memengaruhi kestabilan pasokan dan harga baik di tingkat lokal maupun nasional.Penelitian ini bertujuan untuk meneliti faktor yang mempengaruhi produksi cabai rawit di NTB dengan menggunakan metode regresi spasial. Data yang digunakan merupakan data sekunder dari statistik pertanian tahun 2024, yang mencakup sepuluh wilayah kabupaten/kota. Model SEM dipilih karena dapat mengidentifikasi pengaruh yang terjadi antarwilayah yang dekat secara geografis, yang sering kali tidak terlihat dalam model regresi tradisional. Hasil analisis menunjukkan bahwa luas lahan panen dan tingkat produktivitas cabai rawit memiliki pengaruh yang signifikan terhadap jumlah total produksi pada tingkat nyata 10%, dengan koefisien masing-masing sebesar 96,6132 dan 44. 385,5. Nilai lambda yang mencapai 1,6667 memberikan dukungan untuk bukti adanya autokorelasi spasial positif di antara berbagai wilayah. Model SEM juga memperlihatkan nilai AIC yang lebih rendah (316,58) dibandingkan dengan model regresilinear klasik, yang menunjukkan bahwa model ini lebih efisien dan akurat.

Page 2 of 11 | Total Record : 104