CHAIN: Journal of Computer Technology, Computer Engineering, and Informatics

Penerapan Fuzzy Multiple Attribute Decision Making pada Pemilihan Lokasi Perumahan Menggunakan Metode TOPSIS

Donaya Pasha — 2026-07-01

Pemilihan lokasi perumahan merupakan salah satu proses pengambilan keputusan yang cukup kompleks karena calon pembeli sering mengalami kesulitan dalam menentukan perumahan terbaik berdasarkan berbagai kriteria yang harus dipertimbangkan secara bersamaan, seperti akses lokasi, sarana dan prasarana, kondisi lingkungan, harga, dan kondisi jalan. Perbedaan tingkat kepentingan setiap kriteria serta adanya penilaian yang bersifat subjektif menyebabkan proses pemilihan menjadi kurang efektif apabila dilakukan secara manual. Oleh karena itu, penelitian ini bertujuan untuk menerapkan metode Fuzzy Multiple Attribute Decision Making (FMADM) menggunakan metode TOPSIS dalam memberikan rekomendasi pemilihan lokasi perumahan terbaik. Metode TOPSIS menggunakan matriks keputusan yang menggambarkan hubungan antara kriteria dan alternatif, di mana matriks tersebut berisi nilai-nilai kriteria yang menunjukkan kinerja relatif setiap alternatif terhadap masing-masing kriteria. Berdasarkan hasil perangkingan, alternatif yang memperoleh peringkat pertama adalah Arum Lestari dengan nilai sebesar 0,561737951, peringkat kedua adalah Springhill dan Amaya Residence dengan nilai sebesar 0,522774425, peringkat ketiga adalah Citra Garden dengan nilai sebesar 0,5, dan peringkat keempat adalah Bumi Asri Residence dengan nilai sebesar 0,477225576.

Objective Approach in Supplier Selection: Integration of RECA Weighting and Combinative Distance-based Assessment Method

Setiawansyah Setiawansyah — 2026-07-01

Supplier selection is a strategic decision that directly affects operational efficiency and supply chain performance. This study aims to propose a multi-criteria decision-making approach to evaluate and rank suppliers objectively based on multiple performance indicators. The evaluation is conducted using five main criteria, namely price, quality, delivery, responsiveness, and capacity and flexibility. A total of nine supplier alternatives were assessed, and a quantitative decision model was applied to aggregate the performance of each alternative into a final score and ranking. The results indicate that the proposed approach is capable of clearly distinguishing supplier performance, as reflected in the significant differences in final scores across alternatives. The ranking results show that PT Cipta Solusi Persada achieved the first position with a final score of 0.5171, followed by PT Karya Nusantara with a score of 0.4626 in the second position, and PT Prima Logistik Indonesia with a score of 0.3922 in the third position. These findings demonstrate that suppliers with balanced performance across all criteria tend to achieve higher rankings. The study also highlights that suppliers with lower rankings generally exhibit structural weaknesses in key criteria, suggesting the need for performance improvement or strategic reconsideration.

Applying Analytical Hierarchy Process in a Decision Support System for Study Program Recommendation

Aldyth Najma Rova Marthin — 2026-07-01

Choosing a study program is a critical academic decision because it affects students' learning direction, skill development, and career readiness. This study designs, implements, and evaluates a web-based Decision Support System for study program recommendation using the Analytical Hierarchy Process. The model uses four criteria: interest and talent, technology-related hobby, academic score, and job prospects. The research used teacher criteria data before web implementation and student alternative data after the system was implemented. Teacher matrices were screened using the Consistency Ratio requirement, and the valid matrix produced criteria weights of 0.436 for interest and talent, 0.320 for job prospects, 0.192 for technology-related hobby, and 0.053 for academic score. The system was developed with Python and Flask, then evaluated using Black Box Testing and User Acceptance Testing. The main scenario produced Informatics Engineering as the first recommendation with a score of 0.4880 or 49 percent. Across 24 post-implementation student responses, Informatics Engineering was also the most frequent top recommendation, appearing in 10 responses, followed by Mathematics in 9 responses. However, only 16 of 96 student alternative matrices met the CR threshold, which indicates that automatic consistency validation is needed. Black Box Testing confirmed that all tested core functions worked as expected, and UAT produced an acceptance percentage of 81 percent. These results show that the proposed system can provide systematic and usable recommendation support, while consistency control remains the main technical improvement needed.

Sistem Irigasi Drip Otomatis Menggunakan Metode Extreme Programming Berbasis Internet of Things

Stephano Caesar Wenston Ngangi — 2026-07-01

Pertumbuhan teknologi yang pesat, terutama di bidang Internet of Things (IoT), telah membuka peluang besar untuk mengatasi berbagai masalah dalam sektor pertanian, termasuk irigasi. Salah satu masalah utama yang dihadapi oleh petani adalah inefisiensi dalam penggunaan air, terutama pada sistem irigasi konvensional yang seringkali kurang akurat dalam mendistribusikan air secara tepat sesuai kebutuhan tanaman. Sistem manual juga memerlukan tenaga dan waktu yang signifikan, yang berpotensi menghambat produktivitas.Untuk mengatasi masalah ini, penelitian ini mengusulkan pengembangan sistem irigasi tetes otomatis berbasis IoT menggunakan metode Extreme Programming (XP). Solusi ini melibatkan penggunaan sensor kelembaban tanah dan mikrokontroler yang terhubung ke jaringan internet, memungkinkan pemantauan dan pengendalian irigasi secara real-time. Melalui penerapan metode XP, sistem ini dirancang secara iteratif dengan pendekatan yang fleksibel, memudahkan penyesuaian terhadap kebutuhan pengguna dan kondisi lapangan. Hasil dari pengembangan menunjukkan bahwa sistem irigasi tetes otomatis ini mampu meningkatkan efisiensi penggunaan air hingga 30% dibandingkan sistem manual. Sistem berhasil diimplementasikan dan diuji pada skala hidroponik, dengan hasil pertumbuhan tanaman yang lebih baik dan pengurangan pemborosan air. Antarmuka sistem berbasis web juga memungkinkan pengguna untuk memantau kondisi tanah dan mengatur waktu irigasi secara jarak jauh. Penerapan sistem irigasi tetes otomatis berbasis IoT dengan metode XP memberikan solusi efektif untuk mengatasi inefisiensi irigasi di sektor pertanian. Sistem ini tidak hanya memudahkan pengelolaan air, tetapi juga mendukung keberlanjutan dengan cara yang hemat energi dan sumber daya.

Sistem Deteksi Penyakit Gigi Berbasis Deep Learning Menggunakan YOLOv8 dan ResNet-18

Bagas Aditya — 2026-07-01

Penyakit gigi dan mulut menjadi salah satu masalah kesehatan yang paling umum di Indonesia, dengan prevalensi mencapai 57,6% populasi menurut Survei Kesehatan Indonesia. Proses diagnosis konvensional masih sangat bergantung pada pemeriksaan visual manual oleh dokter gigi, yang memiliki keterbatasan dari segi waktu, subjektivitas, dan aksesibilitas. Penelitian ini mengembangkan sistem deteksi penyakit gigi berbasis deep learning yang mengintegrasikan arsitektur YOLOv8 untuk object detection dan ResNet-18 untuk image classification dalam sebuah pipeline ensemble. Sistem dirancang untuk mendeteksi enam jenis kelainan gigi: karies, karang gigi, radang gusi, hipodontia, sariawan, dan diskolorasi gigi dari foto kamera ponsel. Dataset yang digunakan berjumlah 11.957 citra yang dibagi menjadi 70% data latih, 15% validasi, dan 15% pengujian. Teknik weighted sampling diimplementasikan untuk menangani ketimpangan kelas dengan rasio 7,96x. Pelatihan ResNet-18 menggunakan optimizer Adam (learning rate 0,001) dengan fungsi kerugian CrossEntropyLoss berbobot kelas dinamis. Hasil evaluasi menunjukkan YOLOv8 mencapai mAP@50 sebesar 88,17%, sementara ResNet-18 memperoleh akurasi klasifikasi 92,25% dengan F1-Score 92,37%. Validasi statistik 5-Fold Cross Validation mengonfirmasi stabilitas ResNet-18 (Standar Deviasi = ±0,45%) dan YOLOv8 (Standar Deviasi = ±1,95%). Sistem ini diimplementasikan dalam aplikasi web menggunakan FastAPI dan Next.js pada GPU NVIDIA T4, dengan latensi end-to-end 2-4 detik, serta dilengkapi modul Grad-CAM untuk interpretabilitas prediksi.

Explainable Machine Learning for Network Intrusion Detection Using SHAP-Based Feature Interpretation

Eka Wahyu Sholeha — 2026-07-01

Network Intrusion Detection Systems (NIDS) play a crucial role in protecting computer networks from increasingly sophisticated cyberattacks. Although machine learning techniques have demonstrated high detection performance, many models operate as black-box systems, making it difficult for security analysts to understand the reasoning behind prediction outcomes. This study proposes an explainable machine learning framework for network intrusion detection using the Random Forest algorithm and SHAP (SHapley Additive exPlanations)-based feature interpretation. The CICIDS2017 Friday-WorkingHours-Afternoon-DDos dataset was utilized to evaluate the effectiveness of the proposed approach. Data preprocessing included data cleaning, handling missing values, label encoding, and dataset partitioning. The Random Forest classifier was trained and evaluated using Accuracy, Precision, Recall, and F1-Score metrics. Experimental results demonstrated excellent classification performance, achieving an accuracy of 99.9889%, precision of 99.9922%, recall of 99.9883%, and F1-score of 99.9902%. Furthermore, SHAP analysis was employed to improve model interpretability by identifying the contribution of individual features to intrusion detection decisions. The results revealed that Fwd Packet Length Max, Destination Port, Avg Fwd Segment Size, and Fwd Packet Length Mean were among the most influential features affecting classification outcomes. The integration of Random Forest and SHAP not only achieved highly accurate intrusion detection but also enhanced transparency and trustworthiness by providing meaningful explanations for model predictions. Therefore, the proposed framework offers an effective and interpretable solution for network intrusion detection in modern cybersecurity environments.

Analisis Keamanan Website SMK VIP Al-Huda Kebumen Menggunakan Metode Penetration Testing Execution Standard (PTES)

Abdur Rahman Fadilah — 2026-07-01

The rapid growth of information technology and internet usage has increased cybersecurity threats to web-based applications. The website of SMK VIP Al Huda Kebumen, which functions as a digital information and service platform, has the potential to become a target of cyberattacks if security evaluations are not conducted regularly. This study aims to analyze the security level of the SMK VIP Al Huda Kebumen website using the Penetration Testing Execution Standard (PTES) method. PTES was chosen because it provides systematic testing stages including pre-engagement interaction, information gathering, threat modeling, vulnerability analysis, exploitation, post-exploitation, and reporting. The testing process utilized several tools such as Zenmap/Nmap, OWASP ZAP, SQLMap, DNS Scan, and Infoga. The results indicate that the website still has several potential security vulnerabilities, including open service ports, brute force attack risks on SSH services, credential theft risks on FTP services, and possible exploitation of cPanel services. In addition, the vulnerability analysis identified several low and medium risk vulnerabilities that could potentially be exploited by attackers. Although the system is protected by a firewall and uses Linux operating system with Apache web server, further improvements are still required through regular system updates, better encryption implementation, service access restrictions, and additional security policies. This research is expected to become a reference for improving school website security and preventing cyber threats in educational environments.

Klasterisasi Toko Berdasarkan Monitoring Summary Audit Kepuasan Pelanggan Menggunakan Algoritma BIRCH

Maulana Agung Saputro — 2026-07-01

Audit kepuasan pelanggan internal merupakan fungsi penilaian independen yang penting bagi perusahaan ritel untuk menjaga konsistensi kualitas layanan di seluruh jaringan toko. PT XYZ memiliki 210 toko di Indonesia dan secara rutin melaksanakan audit berbasis web. Namun, Supervisor Toko masih mengalami kesulitan dalam menentukan prioritas pelatihan dan evaluasi karena belum mengetahui parameter checklist mana yang paling berpengaruh terhadap penurunan final score toko. Penelitian ini bertujuan membangun model klasterisasi toko berdasarkan karakteristik parameter checklist bernilai rendah dengan algoritma BIRCH. Dataset penelitian berjumlah 109.566 data audit tahun 2025 yang berasal dari sistem internal perusahaan. Metode penelitian mengikuti kerangka CRISP-DM yang meliputi Business Understanding, Data Understanding, Data Preparation, Modeling, Evaluation, dan Deployment. Tahap preprocessing mencakup data cleaning, data selection, data transformation, serta normalisasi Z-Score agar data siap diproses. Proses modeling menggunakan CF-Tree dengan parameter Branching Factor B dan Threshold T yang dimodifikasi secara dinamis untuk meningkatkan kualitas cluster. Evaluasi cluster dilakukan menggunakan Silhouette Coefficient. Hasil penelitian menunjukkan terbentuk 2 cluster optimal dari CF4 dan CF5 dengan nilai SC Cluster 1 sebesar 0,9994, SC Cluster 2 sebesar 0,9988, dan SC Global sebesar 0,9989. Hasil ini menunjukkan struktur cluster yang sangat kuat dan valid. Sistem berbasis Python juga berhasil menampilkan visualisasi scatter plot sebagai dasar pengambilan keputusan evaluasi kinerja karyawan.

Design and Development of a Web-Based Virtual Programming Laboratory for Information Systems Education

David Naista — 2026-07-01

This study presents the design, development, and evaluation of a web-based virtual programming laboratory for Information Systems education. The research addresses key limitations of traditional programming laboratories, including limited accessibility, dependency on physical infrastructure, and restricted opportunities for continuous practice. To overcome these challenges, a virtual laboratory system is developed using a web-based architecture that enables users to perform programming activities anytime and anywhere. The system adopts a layered architecture consisting of presentation, application, execution, and data layers. Core features include a web-based code editor, a server-side execution engine, structured learning modules, and real-time output visualization. The system is implemented as an integrated platform that supports interactive programming practice and instructional content delivery. The evaluation is conducted through functional testing, usability assessment, and performance analysis. The results indicate that the system operates reliably, with all core functionalities performing as expected. Usability evaluation shows that the system provides a clear interface, efficient navigation, and high accessibility across devices. The performance analysis demonstrates that the system supports real-time interaction with acceptable response time. From a pedagogical perspective, the system enhances learning effectiveness by enabling continuous practice and providing immediate feedback. The structured learning modules support progressive skill development and improve problem-solving ability. The findings confirm that the developed virtual laboratory provides an effective and scalable solution for programming education. The system contributes to advancing digital learning environments and offers practical implications for higher education institutions.

Analisis Topik dan Karakteristik Kelayakan Pengajuan Judul Skripsi Mahasiswa Program Studi Sistem Informasi Menggunakan TF-IDF dan K-Means Clustering

Singgih Yulizar Ma'ruf — 2026-07-01

Pengajuan judul skripsi merupakan tahap awal yang penting dalam penyusunan tugas akhir mahasiswa. Seiring meningkatnya jumlah usulan judul setiap tahun, program studi memerlukan analisis yang mampu mengidentifikasi pola topik penelitian serta karakteristik kelayakan usulan judul secara sistematis. Penelitian ini bertujuan untuk menganalisis topik dominan dan karakteristik kelayakan pengajuan judul skripsi mahasiswa Program Studi Sistem Informasi menggunakan pendekatan text mining dan clustering. Dataset yang digunakan terdiri dari 950 data pengajuan judul skripsi yang kemudian dilakukan proses deduplikasi sehingga diperoleh 757 judul unik. Tahapan penelitian meliputi preprocessing teks yang terdiri dari case folding, tokenisasi, stopword removal, dan stemming, dilanjutkan dengan pembobotan kata menggunakan Term Frequency–Inverse Document Frequency (TF-IDF). Selanjutnya dilakukan pengelompokan dokumen menggunakan algoritma K-Means Clustering dengan jumlah cluster optimal sebanyak enam cluster berdasarkan evaluasi silhouette score. Hasil penelitian menunjukkan bahwa enam cluster yang terbentuk merepresentasikan kelompok topik utama, yaitu sistem informasi dan manajemen, aplikasi mobile dan layanan digital, sistem informasi desa dan pengelolaan data, sistem pendukung keputusan, sistem monitoring dan dashboard, serta sistem informasi pariwisata. Nilai silhouette score sebesar 0,0314 menunjukkan bahwa data memiliki tingkat kemiripan antar topik yang cukup tinggi, namun masih mampu menghasilkan kelompok topik yang dapat diinterpretasikan. Analisis skor kelayakan menunjukkan adanya variasi karakteristik antar cluster, di mana cluster sistem monitoring dan dashboard memiliki rata-rata skor kelayakan tertinggi sebesar 92,36. Hasil uji Kruskal–Wallis menghasilkan p-value sebesar 1,51×10⁻⁹ yang menunjukkan adanya perbedaan signifikan skor kelayakan antar cluster. Penelitian ini dapat membantu program studi dalam memetakan tren penelitian mahasiswa dan mendukung proses evaluasi usulan judul skripsi secara lebih objektif.

Implementasi Kendali PI pada Single Axis Solar Tracker untuk Smart Lamp Berbasis IoT

Ghifar Javad H Aziz — 2026-07-01

Pemanfaatan energi surya sebagai sumber energi alternatif terus berkembang karena bersifat ramah lingkungan dan berkelanjutan. Namun, panel surya dengan posisi tetap memiliki keterbatasan dalam menyerap energi matahari secara optimal akibat perubahan posisi matahari sepanjang hari. Penelitian ini bertujuan untuk mengimplementasikan metode Proportional-Integral (PI) pada Single Axis Solar Tracker (SAST) serta mengintegrasikan teknologi Internet of Things (IoT) untuk monitoring sistem secara real-time. Metode penelitian yang digunakan adalah metode eksperimen dengan memanfaatkan sensor LDR sebagai pendeteksi cahaya, Arduino Uno R4 WiFi sebagai pengendali utama, motor servo sebagai aktuator, sensor PZEM sebagai pemantau parameter kelistrikan, dan Firebase sebagai media pertukaran data. Hasil pengujian menunjukkan bahwa kontrol PI mampu menghasilkan rise time sebesar 2,8913 detik, settling time sebesar 3,6686 detik, dan overshoot sebesar 0,4546%. Validasi sensor menunjukkan rata-rata error sebesar 1,96% pada sensor LDR dan 0,55% pada sensor PZEM. Selain itu, penerapan solar tracker menghasilkan total daya sebesar 92,94 W, lebih tinggi dibandingkan panel surya statis sebesar 77,75 W atau meningkat sebesar 19,54%. Sistem IoT juga mampu menampilkan data secara real-time pada aplikasi mobile dengan rata-rata delay komunikasi sebesar 1,33 detik. Hasil penelitian menunjukkan bahwa sistem yang dikembangkan mampu meningkatkan perolehan daya panel surya serta mendukung monitoring parameter kelistrikan secara real-time melalui aplikasi mobile.