Journal of Information Technology, Software Engineering and Computer Science (ITSECS)

Optimasi Klasifikasi Pola Detak Jantung Menggunakan Particle Swarm Optimization (PSO) dan Algoritma XGBoost

Wed, 21 Oct 2026 00:00:00 +0700

Pemantauan detak jantung merupakan salah satu pendekatan penting dalam mendukung deteksi dini gangguan kardiovaskular. Perkembangan Internet of Things (IoT) memungkinkan proses akuisisi data fisiologis dilakukan secara real-time melalui perangkat wearable, namun pemanfaatan data tersebut masih menghadapi tantangan dalam menghasilkan model klasifikasi yang akurat. Penelitian ini bertujuan mengoptimalkan proses klasifikasi pola detak jantung normal dan abnormal menggunakan algoritma Extreme Gradient Boosting (XGBoost) yang dipadukan dengan Particle Swarm Optimization (PSO) sebagai metode hyperparameter tuning. Dataset penelitian diperoleh dari hasil pengukuran detak jantung mahasiswa Program Studi Ilmu Komputer Universitas Negeri Medan menggunakan sensor MAX30102 yang terintegrasi pada perangkat IoT berbasis ESP32-C3 Mini. Tahapan penelitian meliputi akuisisi data, preprocessing, ekstraksi fitur statistik, pembangunan model baseline XGBoost, optimasi threshold klasifikasi menggunakan PSO, serta evaluasi performa model berdasarkan metrik accuracy, precision, recall, dan F1-score. Hasil penelitian menunjukkan bahwa optimasi PSO mampu meningkatkan performa model dari akurasi 90% (baseline) menjadi 100%, dengan threshold optimal pada rentang 68,44–97,82 BPM yang memberikan proses inferensi sederhana dan cepat. Temuan ini menunjukkan bahwa integrasi PSO dengan XGBoost efektif dan efisien untuk diterapkan pada sistem klasifikasi detak jantung berbasis IoT secara real-time

Purwarupa Sistem Internet of Things (IoT) untuk Pemberian Pakan Otomatis pada Peternakan Babi

Tiarabella Kalaena, Djoni Hatidja, Edwin Tenda — Wed, 21 Oct 2026 00:00:00 +0700

Pemberian pakan pada peternakan babi secara manual membutuhkan waktu, tenaga, dan perhatian yang besar, serta sering kali menimbulkan ketidakkonsistenan jadwal dan takaran pakan. Ketidakteraturan tersebut berpotensi mengganggu pertumbuhan dan produktivitas ternak. Penelitian ini bertujuan untuk merancang dan membangun purwarupa sistem pemberian pakan otomatis berbasis Internet of Things (IoT) yang terintegrasi dengan pemantauan suhu, kelembaban, sisa stok pakan, serta kendali jarak jauh melalui web dashboard. Sistem dikembangkan menggunakan metode Prototype yang meliputi tahap identifikasi kebutuhan, perancangan, pengembangan, pengujian, serta evaluasi dan perbaikan. Perangkat keras mengintegrasikan mikrokontroler ESP32 sebagai pengendali utama, sensor DHT22 untuk mengukur suhu dan kelembaban udara, sensor ultrasonik HC-SR04 untuk mengukur sisa pakan, motor servo MG996R sebagai pembuka/penutup katup pakan, layar LCD 16x2 I2C sebagai tampilan lokal, dan web dashboard sebagai antarmuka pemantauan dan pengendalian jarak jauh. Penjadwalan otomatis diatur pada pukul 08.00 dan 17.00 WITA menggunakan koordinasi waktu Network Time Protocol (NTP). Kalibrasi distribusi pakan pelet komersial menunjukkan motor servo beroperasi stabil pada sudut bukaan 145 derajat dengan rata-rata waktu pembukaan 4,77 detik untuk mengeluarkan pakan sebanyak 2 Kg. Hasil pengujian sensor DHT22 menunjukkan akurasi suhu yang tinggi dengan rata-rata selisih 0,19°C (eror 0,57%), sedangkan pembacaan kelembaban memiliki selisih rata-rata 9,8% (eror 16,90%) yang dikompensasi melalui offset program agar tidak mengurangi keandalan pemantauan kandang. Kalibrasi sensor ultrasonik pada wadah berkapasitas 3 Kg mencapai akurasi 96,14% dengan rata-rata selisih 0,062 Kg. Pengujian fungsionalitas Blackbox pada 10 skenario dinyatakan valid, didukung evaluasi kuantitatif berupa keberhasilan transmisi data 100%, latensi respon dashboard 1,2 hingga 2,5 detik, dan pemulihan rekoneksi Wi-Fi rata-rata 3,4 detik. Sistem ini berpotensi membantu mengurangi beban waktu dan tenaga peternak dalam proses pemberian pakan dan pemantauan mikroklimat kandang secara real-time.

Comprehensive Evaluation of Distance-Based MCDM Methods Using Response to Criteria Weighting: A Ranking Stability and Sensitivity Analysis

Wed, 21 Oct 2026 00:00:00 +0700

Selecting an appropriate new store location is a complex multi-criteria decision-making problem because potential locations must be evaluated using multiple criteria with different performance characteristics. This study proposes an integrated distance-based Multi-Criteria Decision-Making framework using RECA Weighting combined with TOPSIS, SPOTIS, and EDAS to determine objective criterion importance and evaluate the stability and robustness of alternative rankings. The dataset consists of eight potential store locations evaluated using six criteria: Rental Cost, Building Area, Accessibility, Consumer Traffic, Parking Availability, and Infrastructure. RECA Weighting is applied to determine objective criterion weights based on performance variation, while TOPSIS, SPOTIS, and EDAS are used to generate preference scores and rankings through different distance-based evaluation mechanisms. The results show that Consumer Traffic obtains the highest criterion weight of 0.1824, while Parking Availability receives the lowest weight of 0.1422. The ranking results identify LS5 as the best-performing alternative, followed by LS3, although several alternatives exhibit different ranking positions across the applied methods. Weight-variation analysis using Spearman rank correlation shows that SPOTIS achieves perfect ranking stability with a correlation of 1.0000, TOPSIS demonstrates very strong stability with a correlation of 0.9286, while EDAS produces a lower correlation of 0.1429, indicating greater ranking variation. These findings demonstrate that SPOTIS provides the highest robustness to criterion weight changes, followed by TOPSIS, whereas EDAS is more sensitive to weight variations due to its average-solution-based evaluation mechanism. Overall, the proposed framework provides a comprehensive approach for objective weighting, ranking stability assessment, sensitivity analysis, and robustness evaluation in new store location selection.

Pendekatan Hybrid Data Assessment Weighting dan Simple Additive Weighting untuk Evaluasi Kinerja Operator Produksi pada Industri Elektronik

Wed, 21 Oct 2026 00:00:00 +0700

Evaluasi kinerja operator produksi merupakan aspek penting dalam meningkatkan produktivitas dan kualitas proses manufaktur pada industri elektronik. Namun, proses evaluasi yang masih bergantung pada penilaian subjektif berpotensi menghasilkan keputusan yang kurang konsisten dan objektif. Penelitian ini bertujuan untuk menerapkan pendekatan Hybrid Data Assessment Method (DAM) Weighting dan Simple Additive Weighting (SAW) dalam mengevaluasi kinerja operator produksi secara objektif. Metode DAM Weighting digunakan untuk menentukan bobot setiap kriteria berdasarkan karakteristik data, sedangkan metode SAW digunakan untuk menghitung nilai preferensi dan menentukan peringkat operator produksi. Penelitian menggunakan lima kriteria evaluasi, yaitu produktivitas, disiplin kehadiran, ketepatan waktu, kerja sama tim, dan inisiatif dengan sepuluh operator produksi sebagai alternatif. Hasil pembobotan menunjukkan bahwa produktivitas memiliki bobot tertinggi sebesar 0,2041, diikuti oleh inisiatif sebesar 0,2030, ketepatan waktu sebesar 0,2024, kerja sama tim sebesar 0,1985, dan disiplin kehadiran sebesar 0,1921. Berdasarkan proses perangkingan menggunakan SAW, OPT-10 memperoleh nilai preferensi tertinggi sebesar 0,9937, sedangkan OPT-8 memperoleh nilai preferensi terendah sebesar 0,9150. Hasil penelitian menunjukkan bahwa pendekatan hybrid DAM Weighting dan SAW mampu menghasilkan proses evaluasi yang lebih objektif, konsisten, dan transparan dibandingkan penilaian konvensional, sehingga dapat dijadikan sebagai sistem pendukung keputusan dalam evaluasi kinerja operator produksi pada industri elektronik.

Deteksi Alzheimer Berbasis Random Forest dengan Feature Selection dan Analisis SHAP pada Data Klinis

Nirwana Hendrastuty, Marta Santra Wijaya, Debby Alita — Wed, 21 Oct 2026 00:00:00 +0700

Penyakit Alzheimer merupakan gangguan neurodegeneratif progresif yang menjadi penyebab utama demensia, namun deteksi dininya di Indonesia masih terkendala oleh mahalnya metode pencitraan otak seperti MRI dan PET Scan. Machine learning menawarkan alternatif deteksi dini berbasis data klinis rutin yang lebih terjangkau dan mudah diakses. Penelitian ini bertujuan mengembangkan model deteksi dini Alzheimer menggunakan algoritma Random Forest yang dioptimalkan melalui seleksi fitur dan disertai analisis interpretabilitas SHAP (SHapley Additive exPlanations) pada data klinis non-pencitraan. Dataset yang digunakan bersumber dari Kaggle, terdiri dari 2.149 data pasien dengan 32 fitur prediktor setelah pra-pemrosesan, mencakup aspek demografis, medis, kognitif, dan fungsional. Ketidakseimbangan kelas pada data latih (1.111 pasien sehat berbanding 608 pasien Alzheimer) ditangani menggunakan SMOTE. Seleksi fitur dilakukan melalui kombinasi Random Forest Feature Importance dan RFECV (Recursive Feature Elimination with Cross-Validation) dengan skema 5-fold Stratified Cross-Validation, sementara optimasi hyperparameter dilakukan menggunakan GridSearchCV terhadap 72 kombinasi parameter. Hasil penelitian menunjukkan bahwa model Random Forest menghasilkan performa yang sangat baik dengan accuracy 94,19%, precision 94,41%, recall 88,82%, F1-Score 91,53%, dan ROC-AUC 0,938. Hasil RFECV secara objektif memvalidasi bahwa seluruh 32 fitur tetap relevan bagi model, berbeda dari pendekatan pemangkasan fitur sepihak pada penelitian acuan. Analisis SHAP mengungkap bahwa Functional Assessment, ADL, MMSE, Memory Complaints, dan Behavioral Problems merupakan lima fitur paling dominan, dengan pola hubungan berbentuk ambang batas pada Functional Assessment dan ADL, serta interpretasi transparan pada level individu pasien melalui waterfall plot. Penelitian ini diharapkan dapat memberikan kontribusi pada pengembangan sistem pendukung keputusan medis untuk deteksi dini Alzheimer yang akurat sekaligus interpretatif.

Pengembangan Sistem Informasi Sekolah Berbasis Website Menggunakan Metode Rapid Application Development (RAD)

Tika Dwi Untari, Taufiq Agung Cahyono, Agung Prasetya — Wed, 21 Oct 2026 00:00:00 +0700

Penelitian ini berfokus pada pengembangan Sistem Informasi Sekolah berbasis website di SMP Negeri 1 Gandusari yang bertujuan untuk meningkatkan efektivitas dan efisiensi pengelolaan layanan akademik dan informasi sekolah. Permasalahan yang dihadapi sebelumnya meliputi pencatatan absensi dan jurnal pembelajaran yang masih dilakukan secara manual, pengelolaan jadwal pelajaran dan jadwal mengajar yang belum terintegrasi, serta penyampaian informasi sekolah yang masih menggunakan media konvensional sehingga berpotensi menyebabkan keterlambatan informasi, duplikasi data, dan kurang efektifnya pengelolaan layanan. Metode yang digunakan adalah Rapid Application Development (RAD) dengan tahapan Requirement Planning, User Design, Construction, dan Cutover, sedangkan pengumpulan data dilakukan melalui observasi, wawancara, dan studi pustaka untuk mengidentifikasi dan memastikan kesesuaian sistem dengan kebutuhan pengguna. Hasil penelitian menunjukkan bahwa sistem yang dikembangkan mampu mengintegrasikan fitur jurnal pembelajaran beserta absensi siswa, jadwal pelajaran, jadwal mengajar guru, pendaftaran ekstrakurikuler, layanan aduan siswa, pengumuman, galeri kegiatan sekolah, serta penyampaian informasi sekolah dalam satu platform berbasis website. Pengujian menggunakan Black Box Testing menunjukkan bahwa fungsi-fungsi yang dikembangkan dapat berjalan sesuai dengan spesifikasi. Hasil evaluasi terhadap 23 responden memperoleh persentase sebesar 85,74% dengan kategori sangat baik, yang menunjukkan tingkat penerimaan dan kemudahan penggunaan sistem oleh pengguna. Dengan demikian, sistem yang dikembangkan dapat memenuhi kebutuhan pengguna dan mendukung pengelolaan layanan akademik serta informasi sekolah secara lebih efektif, efisien, terstruktur, dan mudah diakses.

Analysis of Land Cover Change Using Support Vector Machine Algorithm on Satellite Imagery (Case Study: Mining Area of IWIP).

Wed, 21 Oct 2026 00:00:00 +0700

Unsupervised mining activities and the lack of proper management of the environment can bring very serious ecological effects. One of the worst is large-scale land cover change. This paper investigates the land cover changes in the mining area of PT Indonesia Weda Bay Industrial Park (IWIP), Weda Bay Nickel (WBN) area, and measures the performance of the Support Vector Machine technique of land cover classification using satellite imagery. This research is a quantitative study based on a remote sensing technique and spatial analysis in a GIS environment. Multi-temporal satellite images, Landsat-7 (2010), Landsat-8 (2014), and Sentinel-2 (2019 and 2025) were processed to land cover classes (vegetation, open land, cloud) based on the spectral indices NDVI, NDBI, and BSI. Through the post-classification comparison method, land cover changes were detected. The overall change from 2010 to 2025 is quite significant. The vegetation cover decreased from 91.2% to 84.3%, while open land increased from less than 1% to 11.4%. The greatest changes were observed in 2019 and 2025, suggesting that mining activities and related industry development have speed up A lot. The Support Vector Machine algorithm reached excellent classification accuracy over the different periods (97.47%, 96.67%, 89.52%, 95.12% in the cases of 2010 2014 2019 and 2025 respectively), and the results were supported by the high Kappa agreement scores (ranging from 0.84 to 0.96). The low difference between training and testing accuracy indicates a strong generalization without any sign of the model getting overfitted to the training data. The work highlights that Support Vector Machine algorithm, is a very good and reliable method for detecting land cover change in mining areas, where patterns are both complex as well as dynamic.

Evaluasi Kinerja MobileNetV2 Berbasis Transfer Learning untuk Klasifikasi Multikelas Penyakit Stroberi

Muhammad Doni Saputra, Yuwan Jumaryadi — Wed, 21 Oct 2026 00:00:00 +0700

Identifikasi penyakit stroberi secara akurat diperlukan untuk mendukung pengendalian penyakit dan mempertahankan produktivitas tanaman. Penelitian ini bertujuan mengevaluasi kinerja MobileNetV2 berbasis transfer learning dalam klasifikasi multikelas penyakit stroberi serta menganalisis pengaruh fine-tuning terhadap performa model. Dataset publik yang digunakan terdiri atas 2.053 citra yang terbagi ke dalam tujuh kelas, yaitu Angular Leaf Spot, Anthracnose Fruit Rot, Blossom Blight, Gray Mold, Leaf Spot, Powdery Mildew Fruit, dan Powdery Mildew Leaf. Dataset dibagi menggunakan stratified sampling dengan rasio sekitar 80:10:10 menjadi 1.642 citra pelatihan, 205 citra validasi, dan 206 citra pengujian. Seluruh citra diubah ukurannya menjadi 224 × 224 piksel dan diproses menggunakan fungsi preprocess_input MobileNetV2, sedangkan augmentasi hanya diterapkan pada data pelatihan. Dua skenario transfer learning dibandingkan, yaitu feature extraction dengan backbone dibekukan dan fine-tuning dengan backbone diaktifkan kembali menggunakan learning rate yang lebih rendah. Hasil pengujian menunjukkan bahwa feature extraction memperoleh akurasi 95,63% dengan macro F1-score 0,87, sedangkan fine-tuning meningkatkan akurasi menjadi 98,06% dan macro F1-score menjadi 0,96. Peningkatan kinerja terutama terlihat pada kelas minoritas Anthracnose Fruit Rot dan Powdery Mildew Fruit. Hasil tersebut menunjukkan bahwa fine-tuning mampu meningkatkan kemampuan MobileNetV2 dalam menyesuaikan representasi fitur pralatih terhadap karakteristik visual penyakit stroberi. Meskipun demikian, jumlah sampel yang terbatas pada beberapa kelas menunjukkan perlunya validasi lebih lanjut menggunakan dataset yang lebih besar, seimbang, dan berasal dari kondisi lapangan.

Implementasi Algoritma YOLOv8 Untuk Deteksi Penyakit Malaria Menggunakan Citra Sel Darah

Eli Safitri, Susiana — Wed, 21 Oct 2026 00:00:00 +0700

Malaria merupakan penyakit infeksi yang disebabkan oleh parasit Plasmodium dan masih menjadi salah satu permasalahan kesehatan di berbagai negara, termasuk Indonesia. Proses diagnosis malaria secara mikroskopis memerlukan ketelitian serta waktu yang relatif lama karena dilakukan secara manual oleh tenaga medis. Penelitian ini bertujuan untuk mengimplementasikan algoritma YOLOv8s pada sistem berbasis web untuk mendeteksi dan mengklasifikasikan lima spesies Plasmodium, yaitu Plasmodium falciparum, Plasmodium vivax, Plasmodium malariae, Plasmodium ovale, dan Plasmodium knowlesi menggunakan citra mikroskopis sel darah merah. Dataset yang digunakan berjumlah 5.000 citra hasil augmentasi yang dibagi menjadi data pelatihan, validasi, dan pengujian. Proses pelatihan model dilakukan menggunakan framework Ultralytics YOLOv8, sedangkan pengujian sistem dilakukan menggunakan metode Black Box Testing dan System Usability Scale (SUS). Hasil penelitian menunjukkan bahwa model YOLOv8s memperoleh nilai Precision sebesar 99,19%, Recall sebesar 97,59%, F1-Score sebesar 98,38%, mAP@50 sebesar 98,85%, dan mAP@50-95 sebesar 81,17%, yang menunjukkan kemampuan model dalam mendeteksi dan mengklasifikasikan objek dengan tingkat akurasi yang tinggi. Hasil pengujian Black Box Testing menunjukkan seluruh fitur sistem berjalan sesuai dengan fungsi yang diharapkan. Sementara itu, pengujian usability menggunakan metode System Usability Scale (SUS) yang melibatkan 15 responden memperoleh nilai rata-rata 81,66, termasuk dalam kategori Best (Grade B). Berdasarkan hasil tersebut, dapat disimpulkan bahwa algoritma YOLOv8s mampu mendeteksi dan mengklasifikasikan spesies Plasmodium secara efektif serta dapat diimplementasikan pada aplikasi berbasis web sebagai alat bantu deteksi malaria.

Sistem Pemantauan Kualitas Udara Berbasis IoT dengan Pendekatan Klasifikasi Algoritma Random Forest

Sukardi, Wisard Kalengkongan, Eric Alfonsius — Wed, 21 Oct 2026 00:00:00 +0700

Peningkatan aktivitas industri, transportasi, dan urbanisasi di berbagai wilayah menyebabkan penurunan kualitas udara yang signifikan dan berdampak langsung pada kesehatan manusia serta perubahan iklim. Permasalahan utama dalam penelitian ini adalah belum tersedianya sistem pemantauan kualitas udara yang mampu memberikan informasi secara real-time dan analisis klasifikasi berbasis data cerdas. Penelitian ini bertujuan untuk mengembangkan sistem pemantauan kualitas udara berbasis Internet of Things (IoT) yang terintegrasi dengan model klasifikasi berbasis algoritma Random Forest. Sistem dibangun menggunakan sensor untuk mengukur parameter utama yaitu partikel debu (PM2.5), suhu, dan kelembaban, serta menghasilkan status kualitas udara dalam kategori aman, awas, dan bahaya. Data yang dikumpulkan selama periode satu bulan dianalisis menggunakan metode Random Forest untuk memklasifikasi tren perubahan kondisi udara. Hasil penelitian menunjukkan bahwa sistem IoT yang dikembangkan mampu memantau kondisi udara secara akurat dan menyajikan data real-time melalui platform berbasis web. Model klasifikasi Random Forest memberikan tingkat akurasi yang baik dalam mengklasifikasikan status kualitas udara. Simpulan dari penelitian ini adalah bahwa integrasi teknologi IoT dengan metode pembelajaran mesin mampu menjadi solusi efektif dalam pemantauan dan klasifikasi kualitas udara secara berkelanjutan, serta menjadi dasar bagi pengembangan model hybrid RFCNN pada tahap penelitian selanjutnya

Evaluasi Kompresi Lossless Huffman Statis pada Sampel Teks dan Citra Komik

Wira Adiguna Sutawa, Nur Hamzah, Ridho Sholehurrohman — Wed, 21 Oct 2026 00:00:00 +0700

Webtoon is a digital comic platform that presents stories as images and text on Android devices. Large files can increase storage requirements and slow access to content. This study aims to apply Huffman coding to reduce the size of text and image data obtained from comics on the Webtoon application. The method consists of counting symbol frequencies, creating a priority queue, constructing a Huffman tree, assigning binary codes, and replacing the original symbols with the resulting codes. Frequently occurring symbols receive shorter codes, whereas less frequent symbols receive longer codes. The algorithm was implemented in the Python programming language. Evaluation was performed by comparing data sizes before and after compression and calculating the percentage reduction. Text data decreased from 616 bits to 189 bits, while image data decreased from 512 bits to 380 bits. The manuscript reports compression percentages of 69.4% for text and 25.7% for images. These findings indicate that Huffman coding can reduce storage requirements for the data examined. The generated Huffman tree provides the basis for reconstructing the original data during decompression. Applying this method may support more efficient storage and transmission of digital comic content. Further research is recommended to evaluate combinations of Huffman coding with other compression methods and test performance across different user devices, particularly regarding image quality and application response time.

Perancangan Sistem Informasi Manajemen Pemesanan Catering Saji Pertiwi Berbasis Web Menggunakan Metode Prototype

Wed, 21 Oct 2026 00:00:00 +0700

Pengelolaan pemesanan catering yang dilakukan secara manual dapat menimbulkan kendala dalam pencatatan data pelanggan, pengelolaan menu, pemantauan status pesanan, serta pencatatan pembayaran. Kondisi tersebut menunjukkan perlunya suatu sistem informasi yang mampu mengintegrasikan proses pemesanan dan pengelolaan data transaksi secara terstruktur. Penelitian ini bertujuan untuk merancang sistem informasi manajemen pemesanan Catering Saji Pertiwi berbasis web menggunakan metode Prototype. Metode Prototype dipilih karena memungkinkan proses perancangan dilakukan secara iteratif melalui pembuatan rancangan awal sistem dan evaluasi terhadap kebutuhan pengguna sehingga rancangan dapat disesuaikan dengan kebutuhan operasional. Tahapan penelitian meliputi identifikasi kebutuhan, perancangan awal, pembuatan prototype, evaluasi rancangan, dan penyempurnaan prototype. Perancangan sistem mencakup pengelolaan data kategori, menu, pelanggan, pemesanan, dan pembayaran. Pemodelan sistem menggunakan Entity Relationship Diagram (ERD), Sequence Diagram, dan Activity Diagram untuk menggambarkan struktur data serta alur proses pemesanan dan pembayaran. Prototype yang dirancang menyediakan fungsi pemesanan menu dan pengunggahan bukti pembayaran bagi pelanggan serta pengelolaan data menu, kategori, pelanggan, pemesanan, dan pembayaran bagi admin. Hasil penelitian berupa rancangan prototype sistem informasi berbasis web yang dapat menjadi dasar pengembangan sistem pada tahap implementasi selanjutnya

Integrasi Generative AI dan Large Language Model pada Aplikasi Web untuk Transformasi Sketsa Menjadi Gambar Realistis dan Evaluasi Otomatis

Muhammad Yulasfi Pahrizal, Nasruddin Bin Idris, Pramudya Prima Insan — Wed, 21 Oct 2026 00:00:00 +0700

Penelitian ini bertujuan untuk merancang dan membangun sebuah aplikasi generative artificial intelligence (GenAI) berbasis web yang mampu mentransformasi sketsa dua dimensi menjadi gambar realistis secara otomatis, serta dilengkapi fitur AI review sebagai media evaluasi dan pembelajaran menggambar sketsa. Penelitian ini mengintegrasikan layanan GenAI berbasis diffusion model untuk proses generasi gambar dengan large language model (LLM) yang menganalisis sketsa, prompt, dan hasil gambar, tanpa melakukan pelatihan atau pengembangan arsitektur model AI baru. Metode penelitian yang digunakan adalah penelitian terapan (applied research) dengan pendekatan rekayasa perangkat lunak model waterfall. Aplikasi dibangun menggunakan Next.js sebagai frontend, FastAPI sebagai backend, PostgreSQL sebagai basis data, MinIO sebagai object storage, serta Docker dan Nginx untuk mendukung deployment berbasis container. Studi ini menggunakan pengujian fungsional dengan metode black box testing teknik equivalence partitioning yang menunjukkan seluruh 44 skenario uji pada sembilan modul sistem berjalan sesuai kebutuhan fungsional dengan tingkat keberhasilan 100%. Evaluasi penerimaan pengguna (User Acceptance Test) terhadap 15 responden menghasilkan skor rata-rata 4,38 dari skala 5 (87,59%) dengan kategori sangat baik, dimana fitur AI review memperoleh nilai tertinggi. Secara praktis, aplikasi ini dapat langsung dimanfaatkan oleh desainer, ilustrator, dan kreator digital untuk mempercepat eksplorasi konsep visual tanpa memerlukan keahlian ilustrasi tingkat lanjut. Secara sosial, aplikasi ini berkontribusi pada demokratisasi proses kreatif dengan meningkatkan aksesibilitas produksi visual bagi masyarakat yang memiliki keterbatasan kemampuan menggambar. Nilai originalitas penelitian ini terletak pada penambahan fitur AI review berbasis LLM sebagai mekanisme evaluasi dan umpan balik otomatis yang belum tersedia pada aplikasi maupun penelitian transformasi sketsa sejenis sebelumnya.

Klasterisasi Kabupaten/Kota di Provinsi Jawa Barat Berdasarkan Profil Indikator Kesehatan dan Sosial-Demografi Menggunakan Machine Learning

Belinda Eka Sarah Dewi, Marisa, HS. Sulistyowati, Nasywa Yumna Huwaida — Wed, 21 Oct 2026 00:00:00 +0700

Disparities in regional health status remain a major challenge for data-driven public health planning in Indonesia. This study aims to develop a machine learning-based clustering approach to group 27 regencies/cities in West Java Province according to the similarity of their health and socio-demographic indicator profiles using open government data. The research follows the CRISP-DM framework, from business understanding to deployment. Five of nine indicators were converted into population-based and live-birth-based rates to remove the confounding effect of regional size differences, then selected using variance thresholding and Spearman correlation, resulting in eight final features. Five clustering algorithms were compared: K-Means, K-Medoids (PAM), DBSCAN, Agglomerative Hierarchical Clustering, and Fuzzy C-Means (FCM), with the optimal number of clusters determined through the Elbow Method and Silhouette Analysis. The results indicate k=6 as the optimal number of clusters, with K-Means, K-Medoids, and Agglomerative Hierarchical Clustering producing identical and best cluster quality (Silhouette Index 0.289; Davies-Bouldin Index 0.978; Calinski-Harabasz Index 9.52), outperforming Fuzzy C-Means (0.184), while DBSCAN failed to form meaningful clusters due to the relatively homogeneous density distribution of the data. Cluster profiles revealed significant disparities, particularly in doctor ratio, proper sanitation, and access to proper water sources: the Bekasi-Depok cluster showed the most favorable profile, while the small-city cluster (Sukabumi, Tasikmalaya, Banjar, Cirebon) showed the highest infant and maternal mortality rates despite relatively adequate health infrastructure. This study provides a methodological contribution as a foundation for developing an open-data-based regional health and socio-demographic indicator mapping system to support more targeted regional health policy.

Perancangan Sistem Informasi Manajemen GrowUp Gym Berbasis Web Menggunakan Metode Protoype

Wed, 21 Oct 2026 00:00:00 +0700

Pengelolaan operasional gym memerlukan pencatatan data member, membership, transaksi pembayaran, informasi trainer, dan pemesanan jadwal latihan yang terstruktur. Pada GrowUp Gym, sebagian aktivitas tersebut masih dilakukan melalui pencatatan manual, buku, Microsoft Excel, dan WhatsApp sehingga diperlukan sistem informasi yang dapat mendukung pengelolaan aktivitas tersebut secara terintegrasi. Penelitian ini bertujuan merancang Sistem Informasi Manajemen Gym Berbasis Web (GrowUp Gym Management) menggunakan metode Prototype. Tahapan penelitian meliputi analisis kebutuhan, perancangan awal, pembuatan prototype, evaluasi prototype, dan perbaikan rancangan berdasarkan masukan pengguna. Pemodelan sistem dilakukan menggunakan Entity Relationship Diagram (ERD), Activity Diagram, dan Sequence Diagram. Sistem dirancang untuk mendukung pengelolaan data member dan trainer, informasi membership, transaksi pembayaran, serta pemesanan jadwal latihan. Pengujian fungsional menggunakan metode Black Box Testing menunjukkan tingkat keberhasilan sebesar 100% berdasarkan skenario yang telah diuji. Sementara itu, pengujian usability menggunakan System Usability Scale (SUS) terhadap 17 responden memperoleh skor rata-rata 91,25, yang menunjukkan penilaian usability sangat positif. Berdasarkan hasil pengujian tersebut, prototype dinilai telah memenuhi kebutuhan fungsional yang diuji dan memiliki hasil evaluasi usability yang baik sehingga layak dilanjutkan ke tahap implementasi operasional. Penelitian ini menghasilkan rancangan sistem yang dapat menjadi dasar pengembangan pengelolaan aktivitas GrowUp Gym secara lebih terstruktur.

Rancang Bangun Prototipe Edukasi Low-Bandwidth Menggunakan User-Centered Design di Pedesaan Lampung

Dita Novita Sari, Ricco Herdiyan Saputra — Wed, 21 Oct 2026 00:00:00 +0700

The limited internet infrastructure in rural areas of Lampung is a major obstacle to equalizing access to digital education platforms for rural communities. This study aims to design and develop an adaptive educational application prototype named EduDesa, which is resilient under low-bandwidth connectivity conditions. The method applied in this research is User-Centered Design (UCD) to ensure that all interface elements and navigation flows are developed based on the characteristics, needs, and real constraints of users in the field. To validate the system's resilience under resource-constrained networks, the visual layouts were transformed into a client-side functional prototype built using semantic HTML5 and utility CSS. To measure the system's usability, a quantitative evaluation was conducted using the System Usability Scale (SUS) instrument involving 20 local participants as test subjects. The test results show that the EduDesa prototype successfully achieved an average SUS score of 79.13. This score places the platform in the Good to Excellent acceptability category, indicating that the system is highly feasible and easy to operate by rural communities. Essential features such as offline mode, visual simplification, and optimized page payload size (< 150 KB) efficiently yielded a fast page-load time (< 2.4 seconds under simulated 3G/Edge network environments). Furthermore, the integration of local content in the form of a black pepper cultivation module proved to significantly increase user engagement and interaction efficiency. This study concludes that the UCD approach is effective in generating inclusive technological architectures capable of adapting to telecommunications infrastructure constraints in rural areas.