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
Perbandingan Algoritma Machine Learning Untuk Mendeteksi Gagal Jantung Berbasis Seleksi Fitur Rfecv Dan Penyeimbangan Data Smote Setyawan, Ari; Sulistianingsih, Neny; Rismayati, Ria
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.v1.5605

Abstract

Deteksi dini gagal jantung merupakan tantangan signifikan dalam dunia medis karena kompleksitas faktor risikonya. Penelitian ini bertujuan membandingkan kinerja enam algoritma machine learning dalam memprediksi risiko gagal jantung dengan pendekatan CRISP-DM. Data klinis sebanyak 299 pasien diproses melalui seleksi fitur menggunakan Recursive Feature Elimination with Cross-validation (RFECV) serta penyeimbangan kelas dengan Synthetic Minority Over-sampling Technique (SMOTE). Algoritma yang dievaluasi meliputi Logistic Regression, K-Nearest Neighbors, Support Vector Machine, Decision Tree, Random Forest, dan Gradient Boosting. Evaluasi dilakukan menggunakan validasi silang berstrata dengan metrik akurasi, presisi, recall, dan F1-score. Hasil menunjukkan Random Forest mencapai performa terbaik dengan akurasi dan F1-score sebesar 91,20%, diikuti Gradient Boosting dengan 90,20%. Implementasi SMOTE terbukti meningkatkan kemampuan model, terutama dalam mendeteksi kelas minoritas. Temuan ini menegaskan bahwa metode ensemble seperti Random Forest, dikombinasikan dengan RFECV dan SMOTE, efektif untuk klasifikasi risiko gagal jantung secara akurat dan andal.
Pemanfaatan Artificial Intelligence untuk Peningkatan Literasi Digital pada Pengajaran di Lingkungan Perbatasan Muhammad, Muhammad; Dzulqarnain, Muhammad Faqih; Abdul Fadlil; Sutikno, Tole
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.v1.5606

Abstract

The utilization of technology, particularly Artificial Intelligence (AI), in education is crucial, especially in border regions that often face challenges related to digital literacy. This study aims to explore and implement AI technology to enhance digital literacy in teaching within border environments. The method used is community service involving training on the use of AI to support the learning process in several schools in border areas. In this activity, AI applications such as text-to-speech, automatic answer analysis, and providing improvement recommendations are used to assist students with special needs and enhance the effectiveness of learning evaluations. Survey results conducted with 40 respondents show that 100% agree that AI can help analyze student answers and provide improvement recommendations. Furthermore, 87.5% of participants stated that the digitalization of traditional knowledge through AI can help preserve local culture for future generations. Additionally, 50% of respondents agreed that the use of AI technologies, such as text-to-speech, can improve inclusivity in education, particularly for students with special needs. The survey results indicate that AI improves accessibility to education and supports more effective learning management in areas with limited technology access. This community service demonstrates that the application of AI has the potential to improve the quality of education in border regions, while also promoting the preservation of local culture and inclusivity within the education system.
Penggunaan Metode Waterfall Dalam Sistem Informasi POS Toko Anugrah Ponsel Pontianak Pratama, Rico; Kuway, Susanti Margaretha; Susilo, Budi
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.v1.5611

Abstract

Toko Anugrah Ponsel merupakan usaha yang bergerak di bidang penjualan dan layanan servis smartphone. Dalam praktiknya, toko ini masih menggunakan sistem manual untuk pengelolaan transaksi, stok, dan pelaporan, sehingga menimbulkan kendala seperti pencatatan ganda, kesalahan perhitungan, dan keterlambatan dalam pengambilan keputusan. Untuk mengatasi permasalahan tersebut, dirancang sebuah sistem informasi Point of Sale (POS) berbasis web yang dapat membantu proses pengelolaan penjualan, persediaan barang, dan layanan servis secara terkomputerisasi. Sistem dibangun menggunakan framework Laravel dan databasenya di rancang menggunakan mysql. Sistem dikembangkan menggunakan metode Waterfall dengan tahapan analisis kebutuhan, perancangan, implementasi, dan pengujian.Pemodelan sistem didukung dengan diagram Unified Modeling Language (UML) seperti Use Case, Activity, Class, Sequence dan ERD. Fitur yang disediakan meliputi manajemen penjualan, pembelian, stok barang secara real-time, pelacakan layanan servis, notifikasi stok minimum, laporan dinamis berbentuk grafik dan tabel, serta notifikasi status servis melalui email. Pengujian dilakukan menggunakan metode Black Box Testing dan pendekatan UAT untuk memastikan kesesuaian fungsi sistem. Hasil implementasi menunjukkan sistem ini dapat meningkatkan efisiensi operasional, meminimalisasi kesalahan, mempercepat pengambilan keputusan berbasis data, serta meningkatkan kepuasan pelanggan melalui transparansi informasi layanan. 
Pemanfaatan Artificial Intelligence dalam Value Proposition Design untuk Pengembangan Produk Pertanian Lokal di Indonesia Indrayani, Rina; Ghofar, Khidhir Akbar; Pratiwi, Wike
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.v1.5612

Abstract

Pertanian lokal Indonesia memiliki peran strategis dalam mendukung ketahanan pangan dan perekonomian nasional. Namun, sektor ini masih menghadapi tantangan berupa rendahnya nilai tambah, keterbatasan akses pasar, dan daya saing global yang relatif lemah. Penelitian ini bertujuan mengintegrasikan Artificial Intelligence (AI) dalam Value Proposition Design (VPD) guna merumuskan strategi pengembangan produk pertanian lokal yang lebih berorientasi pada kebutuhan konsumen. Data dikumpulkan melalui survei konsumen, wawancara petani, laporan pasar, serta analisis sentimen berbasis AI terhadap media sosial. Hasil penelitian memperlihatkan bahwa konsumen Indonesia menunjukkan preferensi kuat terhadap produk sehat, organik, dan ramah lingkungan; 74% responden lebih memilih merek berkelanjutan dan 77% bersedia membayar lebih untuk produk eco-friendly. AI terbukti mampu mengolah big data, mengidentifikasi pola konsumsi, serta menghasilkan prototipe value proposition yang menekankan aspek kesehatan, keberlanjutan, dan keadilan sosial. Temuan ini mengindikasikan bahwa pemanfaatan AI dalam desain proposisi nilai tidak hanya memperkuat relevansi produk pertanian lokal di mata konsumen, tetapi juga membuka peluang peningkatan daya saing dan ekspor. Integrasi AI dengan VPD dapat menjadi pendekatan inovatif bagi petani, UMKM, maupun pelaku industri pertanian dalam menciptakan model bisnis berkelanjutan dan responsif terhadap perubahan tren pasar.
Analisis Pasar Digital Dalam Pengambilan Keputusan Pembelian Produk Skintific Ghofar, Khidhir Akbar; Indriyani, Rina; Septiani, Metta
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.v1.5618

Abstract

The development of digital technology has significantly changed consumer behavior in purchasing products, especially skincare products such as Skintific. The purpose of this study is to analyze the factors that influence the decision to purchase Skintific in the digital market. The research method used is a quantitative approach with data collection techniques through online surveys of 150 respondents who are product users. Data analysis was conducted using multiple linear regression and market segmentation. The results of the study show that product quality, price, digital marketing, influencer marketing, and customer reviews have a significant impact on purchasing decisions. In addition, market segmentation shows that female platform users in the 18–25 age group are the dominant segment when purchasing products with Shimizu. The company provides strategic effects to improve product quality and strengthen digital marketing and collaboration with influencers as their main marketing strategy.
ANALISIS DIGITAL PROMOTION DAN STORE ATMOSPHERE TERHADAP KEPUTUSAN PEMBELIAN MIZAN BOOK STORE Ghofar, Khidhir Akbar; Indrayani, Rina
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.v1.5620

Abstract

Penelitian ini dilatar belakangi oleh permasalahan yang ada pada Mizan Pustaka Bandung, sebagai perusahaan yang bergerak di bidang ritel khususnya buku sudah melakukan penerapan digital bisnis dan selalu berusaha meningkatkan store atmosphere tetapi volume penjualan setiap bulannya mengalami penurunan. Tujuan dari penelitian ini adalah untuk mengetahui gambaran serta pengaruh Digital Promotion dan store atmosphere terhadap keputusan pembelian secara parsial dan simultan pada mizan pustaka bandung. Pendekatan yang digunakan untuk memecahkan masalah dari penelitian ini yaitu menggunakan metode kuantitatif deskriptif dan verifikatif. Jumlah responden penelitian ini ada 100 responden, hasil tanggapan responden dalam penelitian ini digambarkan baik serta berpengaruh positif secara parsial dan simultan, hasil dari penelitian ini juga menjelaskan bahwa kontribusi atau sumbangan pengaruh Digital Promotion dan store atmosphere terhadap keputusan pembelian yaitu sangat baik. Kesimpulan dari penelitian ini bahwa, terdapat pengaruh positif secara parsial maupun simultan dari variabel Digital Promotion dan Store Atmosphere Terhadap Keputusan Pembelian.
Model Pembelajaran Adaptif Berbasis AI:Mengontekstualisasikan Budaya Marapu dalam Pembelajaran Matematika Di SMAN 1 Kodi Balaghar Kabupaten Sumba Barat Daya Setiawi, Agustina; Ayu, Mitra; Malo, Maria Wilda
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.v1.5625

Abstract

Penelitian ini menggunakan pendekatan Penelitian dan Pengembangan (R&D) dengan model pengembangan ADDIE untuk merancang model pembelajaran adaptif berbasis Artificial Intelligence (AI) yang mengontekstualisasikan budaya Marapu di SMAN 1 Kodi Balaghar, Kabupaten Sumba Barat Daya. Dua jenis AI digunakan, yaitu Natural Language Processing (NLP) untuk memetakan minat siswa dan Machine Learning (ML) untuk menyesuaikan materi dan kuis secara otomatis. Subjek penelitian terdiri dari 60 siswa kelas XI dan 6 guru dari mata pelajaran Bahasa Indonesia, PPKn, dan Antropologi. Hasil uji coba menunjukkan peningkatan skor pemahaman siswa dari 62,4 menjadi 83,7, dengan 85% siswa menyatakan bangga mempelajari budaya lokal, dan 80% menunjukkan peningkatan keterlibatan. Sebanyak 83% guru merasa terbantu dalam mendesain pembelajaran yang lebih kontekstual dan interaktif. Penelitian ini menyarankan replikasi model di daerah lain dan dukungan infrastruktur teknologi di sekolah terpencil.
Clustering Gaya Belajar Mahasiswa dengan Metode K-Means: Analisis VARK untuk Pengembangan Strategi Pembelajaran Adaptif Munandar, Tb Ai
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.v1.5626

Abstract

This study aims to map students’ learning styles using the VARK (Visual, Auditory, Reading/Writing, Kinesthetic) framework through an unsupervised learning approach. Data were collected from student questionnaires and pre-processed by extracting coded responses, transforming them into numerical variables via one-hot encoding, and applying normalization. The K-Means Clustering algorithm was then employed to group students based on response patterns, with the number of clusters set to four in accordance with the VARK theoretical framework. The results reveal four clusters with distinct characteristics: Visual–Auditory, Auditory–Kinesthetic, Reading/Writing, and Multimodal. Internal validation using the Silhouette Score, Davies–Bouldin Index, Calinski–Harabasz Index, and the Elbow Method confirmed that four clusters represent the optimal configuration. PCA visualization and the distribution of VARK preferences further support the separation among clusters while highlighting the heterogeneity of student learning styles. These findings have practical implications for the design of adaptive learning strategies in higher education. Each cluster requires differentiated approaches, such as the use of visual materials, discussions, hands-on practice, or a variety of methods for multimodal learners. Future studies are recommended to expand the sample size, compare alternative clustering algorithms, and integrate VARK questionnaire data with digital learning behavior to enrich the analysis.
Prediction of Patient Arrivals per Room at NTB Provincial Hospital Using the Auto SARIMA Model Mayasari, Novyta Indah; Sulistianingsih, Neny; Rismayanti, Ria
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.v1.5629

Abstract

Rumah Sakit Umum Daerah (RSUD) Provinsi NTB merupakan rumah sakit rujukan utama di Nusa Tenggara Barat yang menghadapi tantangan dalam mengelola fluktuasi jumlah pasien. Lonjakan pasien dapat menyebabkan kekurangan sumber daya medis, sementara penurunan jumlah pasien berisiko menyebabkan pemborosan sumber daya. Oleh karena itu, diperlukan sistem prediksi yang mampu memperkirakan jumlah kedatangan pasien secara akurat guna mendukung manajemen rumah sakit. Penelitian ini bertujuan untuk mengembangkan model prediksi jumlah pasien menggunakan Auto SARIMA (Seasonal AutoRegressive Integrated Moving Average). Data yang digunakan mencakup informasi tanggal masuk, tanggal keluar, asal masuk (IGD atau poli), serta jenis pembayaran pasien (BPJS, PBI, NPBI, dan umum). Selain itu, model ini mempertimbangkan faktor eksternal seperti hari libur, kondisi cuaca, dan kejadian khusus yang berpotensi memengaruhi jumlah pasien.Tahapan penelitian meliputi pengumpulan dan pra-pemrosesan data, pemodelan menggunakan Auto SARIMA, serta evaluasi hasil prediksi dengan Mean Absolute Error (MAE) dan Root Mean Square Error (RMSE). Hasil evaluasi model dengan menggunakan metrik statistik menunjukkan performa yang cukup baik, dengan nilai Mean Absolute Error (MAE) sebesar 3,61 dan Root Mean Square Error (RMSE) sebesar 5,33. Nilai ini mengindikasikan bahwa tingkat kesalahan prediksi relatif kecil, sehingga model Auto SARIMA dapat diandalkan dalam memperkirakan jumlah pasien per kamar. Prediksi Auto SARIMA memberikan manfaat praktis bagi rumah sakit. Pola musiman kedatangan pasien yang teridentifikasi dapat digunakan untuk mengoptimalkan pengelolaan kamar rawat inap, perencanaan sumber daya medis, serta penjadwalan pelayanan kesehatan secara lebih efisien.
Sistem Penjualan Online Berbasis Web Mobile sebagai Solusi Digitalisasi untuk Toko Florist Chrishansen, Albert; Kosasi, Sandy
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.v1.5631

Abstract

Permasalahan yang umum pada florist meliputi tidak terintegrasinya katalog produk dengan data stok, sehingga harus memeriksa ketersediaan bahan secara manual setiap kali ada pemesanan. Penelitian ini bertujuan membangun sistem perhitungan stok yang terotomatisasi. Metode penelitian yang digunakan adalah Design Science Research (DSR) melalui tahapan identifikasi masalah, perancangan, implementasi, dan evaluasi. Sistem dikembangkan menggunakan Laravel, Vue.js, MariaDB, dan Midtrans dengan pemodelan UML. Pengujian dilakukan menggunakan white-box testing untuk memastikan alur logika dan fungsionalitas sistem berjalan sesuai rancangan. Sebagai solusi, penelitian ini merancang sistem penjualan berbasis web mobile yang dapat menghitung kebutuhan bahan produksi dan pengurangan stok otomatis setiap transaksi. Sistem ini diharapkan mampu meningkatkan produktivitas, meminimalisir kesalahan pencatatan, dan mendukung digitalisasi operasional bagi toko Florist.

Page 9 of 11 | Total Record : 104