Journal Cerita: Creative Education of Research in Information Technology and Artificial Informatics

Pengembangan Model Aplikasi Ujian Online Siswa Berbasis Website Menggunakan Metode PIECES

2025-08-11T08:46:43+00:00

The rapid advancement of information technology compels educational institutions to adopt digital-based systems to enhance the efficiency and effectiveness of learning and assessment processes. This study aims to design and develop a web-based online examination system at SMK Al Hikma. The system is expected to provide a solution to the limitations of conventional paper-based exams, which are time-consuming, prone to human error, and inefficient in terms of scoring. The system development method used is prototyping, with requirements analysis based on the PIECES framework (Performance, Information, Economic, Control, Efficiency, and Service). The system is built using PHP programming language and MySQL as the database. Testing is conducted using the black-box method. The results of the study indicate that the developed system improves time efficiency, reduces operational costs, and enhances the accuracy of exam results.

Analisis Ulasan E-commerce Menggunakan Fine Grained Sentiment Analysist dan Convolutional Neural Network

2025-08-11T08:46:44+00:00

Beragam ulasan dan komentar dari konsumen Aplikasi e-Commerce seringkali ditinggalkan pada kolom komentar merupakan pengalaman mereka saat mengadakan transaksi jual beli pada platform e-commerce dari yang sangat positif hingga sangat negatif dapat memberikan informasi berharga tentang kepuasan atau ketidakpuasan pelanggan. Ulasan seringkali di tulis dalam bahasa alami yang tidak terstruktur sehingga sulit dianalisis secara manual karena dalam skala besar. Penelitian ini dilakukan untuk menganalisis ulasan pada aplikasi e-commerce platform Bukalapak dan Tokopedia menggunakan metode Fine Grained Sentiment Analysis dan Convolutional Neural Network dengan 1000 dataset yang di scrawling dari google play store menggunakan google colab sebagai toolsnya. Penelitian ini bertujuan untuk memberikan informasi bagi perusahaan dari analisis sentimen yang diperoleh sehingga dapat merespons dengan cepat terhadap umpan balik pelanggan, dan kemudian bisa meningkatkan kualitas layanan, dan mengoptimalkan pengalaman belanja secara online. Penelitian ini menggunakan 5 kelas sentimen yaitu : sangat positif, positif, sangat negatif, negatif dan netral. Dari hasil eksperimen yang telah dilakukan hasil akurasi yang diperoleh dari aplikasi e commerce Tokopedia dengan epoch 10, 20, 40, 60, 80, 100 adalah 62.50 %, 59.26 %, 57.58 %, 48.39%, 51.85%, 65.62%, pada aplikasi Bukalapak adalah 62.50 %, 55.17 %, 62.86 %, 50.00%, 75.00%, 51.72%.

Analisis Performa Choke Dalam Prediksi Well Testing Menggunakan Algoritma Long-Short Term Memory

2025-08-11T08:46:46+00:00

Well testing adalah proses yang penting dalam industri perminyakan hal ini karena well testing berfungsi untuk memprediksi produksi minyak dan gas, yang memungkinkan perusahaan membuat keputusan strategis mengenai optimasi produksi dan alokasi sumber daya. Metode konvensional untuk well testing membutuhkan waktu dan biaya yang besar. LSTM, jenis Recurrent Neural Network (RNN) dengan penambahan memory cell agar dapat menyimpan informasi jangka panjang, diharapkan dapat mengatasi kelemahan ini. penelitian ini menggunakan data time series, yang digunakan untuk mempelajari pola produksi. Hasil penelitian menunjukkan bahwa model LSTM dengan skenario terbaik pada choke 38 didapatkan pada pada pembagian data 90%, hidden size 150 dan 250, dengan nilai MSE 0.001 dan nilai RMSE 0.044, untuk choke 40 didapatkan pada pembagian data 90%, hidden size 150, dengan nilai MSE 0.006 dan nilai RMSE 0.078, dan untuk choke 42 didapatkan pada pembagian data 90%, hidden size 150, dengan nilai MSE 0.007 dan nilai RMSE 0.086, hasil penelitian juga menunjukan bahwa hasil produksi menggunakan choke 42 menunjukan performa terbaik dibandingkan dengan kedua choke lainnya. Penelitian ini menunjukkan bahwa LSTM adalah metode yang efektif untuk prediksi well testing dan dapat menjadi alternatif bagi perusahaan minyak dalam mengoptimalkan produksi dan pengambilan keputusan dalam melakukan produksi sumur.

Perancangan Website E-Commerce Berbasis Mobile-First-Design untuk Optimalisasi Efisiensi Layanan di Apotek Mumtaz Husada

2025-08-11T08:46:47+00:00

The digitization of the healthcare sector has driven the development of e-commerce to enhance
pharmacy service efficiency. Mumtaz Husada Pharmacy faces the issue of long queues during peak
hours, which reduces customer satisfaction. This study aims to design a Mobile-First e-commerce
website using the Waterfall method to optimize service efficiency at the pharmacy. The Mobile-First
design ensures an optimal user experience on mobile devices, while the Waterfall method facilitates
structured system development through stages of requirement analysis, design, implementation, testing,
and maintenance. The results show that the e-commerce platform effectively reduces customer waiting
times through features like online prescription ordering and scheduled pickups. The system also
includes product management, transactions, and sales reporting to enhance operational efficiency.
Laravel 11 and TailwindCSS support the development of a responsive interface and robust backend
logic. The results is that a Mobile-First e-commerce website is an effective solution for minimizing
queues, improving efficiency, and increasing customer satisfaction at Mumtaz Husada Pharmacy.

Perancangan Sistem Prediksi Keuangan Menggunakan Moving Average Dan Prototype Method

2025-08-11T08:46:49+00:00

The significant development of the construction sector in Indonesia requires sophisticated and accurate financial management systems. This research aims to design a web-based financial prediction system for PT. Las Duco Jaya using Moving Average algorithm and Prototype method. The research background is the urgent need for digital transformation in financial management, particularly in construction companies still using conventional recording methods. The research methodology employs a quantitative approach with stages of literature study, field observation, and web-based prototype system development using PHP Laravel and MySQL. The Simple Moving Average (SMA) algorithm is implemented to perform quarterly financial predictions by calculating historical averages. Research results demonstrate the system's ability to generate financial predictions with an accuracy rate of 85-92%, featuring multi-level user authentication, predictive analytics modules, and comprehensive reporting mechanisms. Blackbox testing validated the entire system's functionality, proving its reliability and effectiveness in supporting digital financial management. The research concludes that this financial prediction system is more than just a recording tool; it is a strategic partner empowering organizations to understand and control financial dynamics with high precision. The study suggests continuous development, improvement of prediction algorithms, and integration of cutting-edge technologies to optimize system performance in the future

RANCANG BANGUN SISTEM INFORMASI PENJUALAN TEMBAKAU BERBASIS WEBSITE PADA METRIC TOBACO

2025-08-11T08:46:50+00:00

Penelitian ini bertujuan untuk merancang serta mengembangkan sebuah sistem informasi berbasis web yang mendukung proses penjualan tembakau di Metric Tobacco Pekanbaru.. Sistem ini dirancang untuk mempermudah proses penjualan, pengelolaan data stok barang, serta pembuatan laporan secara efektif dan efisienPenelitian ini menerapkan metode waterfall, yang terdiri dari beberapa tahap, yaitu analisis kebutuhan, perancangan, implementasi, pengujian, serta pemeliharaan. Dalam perancangan sistem, digunakan alat bantu seperti Data Flow Diagram (DFD) untuk menggambarkan aliran data dan Entity Relationship Diagram (ERD) untuk merancang basis data. Penelitian ini menghasilkan sebuah sistem informasi berbasis web yang dirancang untuk mengelola transaksi penjualan, mengatur stok barang, serta menyusun laporan secara sistematis. Sistem ini dikembangkan menggunakan bahasa pemrograman PHP, HTML, CSS, dan JavaScript.

Sistem Pendukung Keputusan Mata Pelajaran Pilihan Siswa Menggunakan Metode Simple Additive Weighting dan Weighted Product

2025-08-11T08:46:51+00:00

Sistem pendukung keputusan memiliki peran krusial dalam memfasilitasi pengambilan keputusan yang tepat, terutama dalam bidang pendidikan. Di SMA Negeri 2 Bojonegoro, penerapan Kurikulum Merdeka Belajar memberikan siswa kebebasan untuk memilih mata pelajaran yang sesuai dengan minat dan kemampuan mereka. Namun, siswa masih sering mengalami kesulitan dalam menentukan jurusan yang tepat, yang bisa berdampak buruk pada karier mereka di masa depan. Untuk mengatasi masalah ini, dikembangkanlah sebuah sistem pendukung keputusan yang memanfaatkan metode Simple Additive Weighting dan Weighted Product.

Penelitian menunjukkan bahwa penerapan metode Simple Additive Weighting dan Weighted Product dalam sistem pendukung keputusan sangat efektif, dengan skor pengujian system usability scale masing-masing sebesar 84,75 dan 86. Skor ini masuk dalam kategori excellent dengan grade scale B, menandakan bahwa sistem ini layak digunakan. Sistem pendukung keputusan tidak hanya membantu siswa dalam memilih mata pelajaran yang sesuai, tetapi juga meningkatkan efisiensi guru dalam memberikan bimbingan yang lebih tepat dan terstruktur.

Sistem pendukung keputusan yang dikembangkan di SMA Negeri 2 Bojonegoro dapat memudahkan penyajian informasi nilai rapor siswa saat kelas 10, memberikan rekomendasi jurusan kuliah, serta menentukan mata pelajaran pilihan yang sesuai dengan kemampuan dan minat siswa. Dengan demikian, sistem ini memiliki potensi untuk meningkatkan kualitas keputusan siswa serta prestasi akademik mereka.

MONITORING PEMETAAN KUALITAS UDARA MENGGUNAKAN METODE FUZZY BERBASIS INTERNET OF THINGS

2025-08-11T08:46:52+00:00

Peningkatan jumlah kendaraan bermotor di Kota Baubau, Provinsi Sulawesi Tenggara, menjadi salah satu penyebab utama memburuknya polusi udara. Fokus utama dari penelitian ini adalah pada pengukuran emisi gas buang kendaraan dan parameter kualitas udara seperti suhu dan polusi di lokasi lampu lalu lintas. Penelitian ini bertujuan untuk mengembangkan sistem pemantauan kualitas udara berbasis IoT menggunakan sensor MQ-135 dan DHT22 di Kota Baubau. Dengan sistem ini, data real-time tentang kualitas udara dapat dikumpulkan, dianalisis, dan diakses secara luas. Dengan menggunakan sensor MQ-135 dan DHT22, sistem IoT dapat memberikan data yang akurat dan kontinu tentang berbagai parameter kualitas udara. Sensor MQ-135 memiliki kemampuan mendeteksi berbagai gas berbahaya seperti amonia, nitrogen oksida, benzena, asap, dan karbon dioksida,sementara sensor DHT22 dapat mengukur suhu sekitar. Kombinasi kedua sensor ini memungkinkan pemantauan yang lebih holistik dan mendalam terhadap kondisi kualitas udara di sekitar lampu lalu Hasil analisis menunjukkan bahwa kualitas udara pada pagi hari tergolong baik, pada siang hari tergolong sedang dan pada malam hari tergolong baik. Sistem ini berhasil mengumpulkan dan mengolah data real-time dari sensor MQ-135 dan DHT22, Algoritma fuzzy logic mampu menentukan tingkat polusi udara dengan akurat dan IoT menyebarluaskan Informasi kualitas udara sehingga sistem ini efektif dalam mendeteksi dan menganalisis kualitas udara di perkotaan juga Sistem ini membantu mengurangi dampak kesehatan akibat polusi udara dan mendukung kebijakan pengendalian polusi.

Analisis Sentimen Komentar Instagram Terkait Persepsi Hidup Sehat Menggunakan Algoritma BERT-LSTM

2025-08-11T08:46:54+00:00

The perception of a healthy lifestyle is crucial for physical and mental well-being, especially with the rising cases of non-communicable diseases in Indonesia. Instagram is an effective platform for education, enabling sentiment analysis of the perception of a healthy lifestyle using comment data from posts on the @ayosehat.kemkes account. This involves data collection and preprocessing, labeling, and splitting the data into training, validation, and testing sets. By combining the BERT-LSTM algorithm to classify sentiment into positive, negative, and neutral, the testing results showed that the best model achieved an accuracy of 89.20%, with a precision of 89.49%, recall of 89.20%, and an F1-score of 88.74%, with an 80:10:10 dataset split ratio.

Implementasi Vision Transformer untuk Klasifikasi Penyakit Pneumonia melalui Citra Chest X-Ray

2025-08-11T08:46:55+00:00

Pneumonia is a type of respiratory infection in the respiratory tract that is often caused by viruses or bacteria. Poor air quality in Jakarta's urban areas increases people's risk of developing pneumonia, acute respiratory infections (ARI), and asthma. 2019 showed that more than 740,180 children under the age of 5 died from pneumonia cases, about 14% of all early childhood deaths. In overcoming pneumonia, medical researchers have conducted many studies related to the problem of early diagnosis of pneumonia. One of the techniques to detect pneumonia is through chest x-rays that have been developed for classification. Vision Transformer (ViT) is one of the Deep Learning architectures developed specifically for image processing. The purpose of this study is to implement the classification task of pneumonia with ViT which is expected to help detect pneumonia early so that it can be treated faster and better. The results of the study show that the ViT model has good performance after applying several variations of augmentation, and is stable both in training and testing. at a small Learning Rate of 0.00001, it produces 80% accuracy for the case of pneumonia disease classification through Chest X-Ray Images.

Peningkatan Akurasi Pada Slowfast Network Menggunakan Multi-Head Self Attention Layer

2025-08-11T08:46:56+00:00

Keselamatan berkendara merupakan aspek krusial dalam sistem transportasi modern, di mana perilaku pengemudi seperti kantuk dan kehilangan fokus menjadi faktor utama penyebab kecelakaan. Penelitian ini mengusulkan sistem deteksi perilaku pengemudi berbasis video dengan menggunakan arsitektur SlowFast Network yang dikombinasikan dengan mekanisme Self-Attention. SlowFast Network memungkinkan pemrosesan dua jalur informasi temporal secara paralel, yaitu gerakan cepat dan lambat, untuk menangkap pola ekspresi dan dinamika visual pengemudi. Mekanisme Self-Attention ditambahkan untuk memperkuat kemampuan model dalam mengenali fitur penting secara kontekstual. Dataset yang digunakan adalah SUST Driver Drowsiness Dataset, yang telah melalui proses segmentasi dan normalisasi. Model dilatih menggunakan pembagian data pelatihan, validasi, dan pengujian, serta dievaluasi dengan metrik akurasi, presisi, recall, dan F1-score. Hasil pengujian menunjukkan bahwa penambahan Self-Attention meningkatkan performa model secara signifikan, dengan akurasi mencapai 96% pada data uji seimbang. Visualisasi attention map dan filter Conv3D mendukung interpretasi bahwa model mampu menangkap pola perilaku tanpa memerlukan deteksi eksplisit bagian wajah. Sistem ini menunjukkan potensi untuk diterapkan dalam sistem peringatan dini berbasis video guna meningkatkan keselamatan berkendara secara real-time.

Sistem Pemantauan Kedisiplinan Santri Berbasis Citra Raspberry Pi Dan Internet Of Things

2025-08-11T08:46:58+00:00

The pesantren, as a traditional Islamic educational institution, faces significant challenges in maintaining discipline due to the large number of students and the extensive area. To address these challenges, an innovative discipline monitoring system using Internet of Things (IoT) technology, Raspberry Pi, and image recognition has been developed. This system employs a webcam connected to the Raspberry Pi to capture and analyze students' faces, activating a buzzer in response to detected disciplinary patterns. The system was installed in strategic locations, with real-time audio responses provided by the buzzer and data processed and recorded via a web-based platform. Analysis of the system's performance reveals that violations most frequently occur in the afternoon, accounting for 45.7%, followed by daytime violations at 30.4%. The system demonstrates high accuracy, efficiency, and reliability in detecting and managing disciplinary issues. These findings, illustrated in the accompanying charts and pie diagram, underscore the system’s operational efficiency, high detection accuracy, and effective data management capabilities, significantly enhancing discipline management and the overall quality of education in the pesantren.

Implementasi Teknologi Laravel dalam Sistem Pemesanan Catering: Inovasi Digital pada Al-Faruq Catering Kudus

2025-08-11T08:46:59+00:00

Al-Faruq Catering, like many other catering businesses, faces challenges in managing orders and catering management which are done manually. Inefficient processes often lead to problems such as miscommunication of orders, delays, and suboptimal resource utilization. To overcome these problems, this study aims to implement Laravel technology in the development of a website-based catering ordering system for Al-Faruq Catering Kudus. This system is designed to improve efficiency, accessibility, and operational management through online ordering features, menu management, and digital payment integration. The software development method used is the Waterfall method, which ensures that each stage of development is carried out in a structured and systematic manner, from needs analysis to maintenance. The results of the study show that the use of Laravel as a development framework provides high flexibility, security, and scalability. The implementation of this system has succeeded in significantly improving customer experience and business efficiency. This study contributes to supporting digital transformation in the MSME sector, especially in the catering service sector. By using a Laravel-based approach, Al-Faruq Catering Kudus can meet customer needs more effectively.

Penerapan Metode RAD dalam Rancang Website Pemasaran Rumah Pada PT Bumi Lingga Pertiwi

2025-08-11T08:47:01+00:00

Industri properti terus berkembang seiring meningkatnya kebutuhan akan hunian yang layak. PT Bumi Lingga Pertiwi (BLP Property) berupaya meningkatkan kepercayaan konsumen melalui pengembangan situs web pemasaran yang dilengkapi Sistem Pendukung Keputusan (SPK) berbasis metode AHP-SMARTER. Penelitian ini menggunakan metode Rapid Application Development (RAD) untuk mempercepat proses pengembangan situs web dengan melibatkan pengguna secara aktif. Framework Laravel, React, dan MySQL digunakan untuk membangun sistem yang efisien dan terstruktur. Hasil implementasi menunjukkan bahwa situs web ini dapat menyajikan informasi properti secara interaktif serta memberikan rekomendasi hunian yang sesuai dengan preferensi pengguna. Pengujian menggunakan blackbox mendapatkan hasil yang sesuai dan berjalan sesuai dengan fungsionalitasnya. Dengan adanya situs web ini, BLP Property diharapkan dapat memperkuat citra positif perusahaan, meningkatkan pengalaman pengguna, dan mendukung pemasaran properti secara efektif.