Techno.Com
Not a member yet
738 research outputs found
Sort by
Implementasi Payment Gateway Pada Pengembangan Sistem Pemesanan Menu Kafe Berbasis Mobile
Full text linkPemesanan menu pada suatu kedai kopi, umumnya dilakukan dengan pelanggan datang langsung ke lokasi, memilih menu yang diinginkan, dan melakukan pemesanan melalui kasir. Cara tersebut seringkali dijumpai sebagai satu-satunya cara untuk memesan menu kafe. Sistem tersebut juga diterapkan pada Kopi Gambus Krapyak, Yogyakarta dan masih terdapat beberapa kelemahan, seperti waktu yang dibutuhkan apabila antrean melonjak dan kesalahan saat mencatat pesanan pelanggan. Penelitian ini bertujuan untuk mengembangkan sistem pemesanan menu berbasis mobile yang memungkinkan pelanggan untuk memesan dan membayar langsung dari ponsel dan mengurangi antrean dan waktu tunggu. Metode yang digunakan melibatkan perancangan sistem menggunakan Unified Modelling Language (UML) dan pengembangan aplikasi pemesanan berbasis mobile sekaligus sistem pengelolaan kafe berbasis website. Aplikasi pemesanan dibangun dengan menggunakan framework React Native, sedangkan Sistem pengelolaan menggunakan sebuah framework bahasa PHP, yakni CodeIgniter. Sistem yang dibangun ini dilengkapi dengan fitur Payment Gateway dari Midtrans yang memungkinkan pelanggan untuk membayar pesanannya secara cashless langsung di dalam aplikasi sehingga dapat mengurangi antrean. Hasil penelitian menunjukkan bahwa sesudah pengimplementasian aplikasi, pelanggan tidak perlu repot untuk memesan, membayar, dan menunggu di kafe sehingga beberapa antrean pesanan pelanggan dapat dikerjakan secara bersamaan.
Keywords - Aplikasi Mobile, Payment Gateway, Pemesanan Menu, Sistem berbasis website, Unified Modelling Language
Evaluasi Pengaruh Persepsi Kemudahan Penggunaan dan Kegunaan terhadap Niat Perilaku: Studi pada Aplikasi Galeri Virtual GaYa
Full text linkPenelitian ini menyelidiki faktor yang memengaruhi adopsi penggunaan aplikasi galeri virtual GaYa dengan menggunakan Technology Acceptance Model (TAM) sebagai kerangka teori untuk mengeksplorasi hubungan antara Perceived Ease of Use (PEU), Perceived Usefulness (PU), dan Behavioral Intention (BI) dalam konteks aplikasi GaYa. Data yang diperoleh dari 120 responden survei dianalisis menggunakan Generalized Structured Component Analysis (GSCA) untuk mengkaji hubungan antar variabel dalam studi ini. Melalui kalkulasi nilai Critical Ratio (CR), hasil penelitian menunjukkan bahwa PEU memiliki pengaruh signifikan terhadap PU dan BI. Selain itu, PU terbukti menjadi prediktor kuat terhadap BI sehingga menegaskan bahwa pentingnya kegunaan dan nilai fungsional dalam adopsi teknologi. Temuan ini memberikan wawasan berharga bagi praktisi dan pengembang yang ingin meningkatkan efektivitas platform galeri virtual. Hasil studi ini juga menyoroti pentingnya pengembangan desain yang intuitif dan berpusat pada pengguna serta mampu memberikan manfaat nyata bagi pengguna. Keterbatasan dari studi ini terletak pada desain penelitian yang bersifat cross-sectional dan penggunaan sampel yang terbatas secara lokal, yang mungkin membatasi generalisasi temuan ke konteks yang lebih luas. Untuk meningkatkan pemahaman mengenai penerimaan pengguna dalam platform seni digital, penelitian selanjutnya disarankan untuk menggunakan desain longitudinal, menyelidiki faktor tambahan seperti kepercayaan pengguna dan estetika, serta melibatkan partisipan yang lebih beragam.
Kata Kunci - Technology Acceptance Model (TAM), Perceived Ease of Use (PEU), Perceived, Usefulness (PU), Behavioral Intention (BI), Virtual Galler
Evaluasi Performa XGBoost dengan Oversampling dan Hyperparameter Tuning untuk Prediksi Alzheimer
Full text linkAlzheimer adalah gangguan neurodegeneratif yang mempengaruhi kemampuan kognitif dan memori, deteksi dini sangat penting untuk pengobatan yang tepat. Namun, untuk mendeteksi Alzheimer memerlukan biaya yang tinggi, sehingga penggunaan machine learning bisa menjadi alternatif yang lebih efisien. Salah satu tantangan utama dalam penerapan machine learning untuk mendeteksi Alzheimer adalah ketidakseimbangan data, di mana jumlah kasus positif (Alzheimer) jauh lebih sedikit daripada kasus negatif (sehat), yang berdampak pada kinerja model. Penelitian ini bertujuan untuk mengidentifikasi pengaruh teknik oversampling dan hyperparameter tuning terhadap hasil model XGBoost dalam prediksi Alzheimer. Empat eksperimen dilakukan untuk melihat masing-masing performa terhadap model, yaitu: (1) model dasar XGBoost, (2) XGBoost dengan oversampling, (3) XGBoost dengan hyperparameter tuning, dan (4) XGBoost dengan kombinasi oversampling dan hyperparameter tuning. Hasil penelitian menunjukkan bahwa eksperimen kedua (XGBoost + Oversampling) menghasilkan performa terbaik yaitu dengan recall 96,1%, Presisi 94%, akurasi 95,3%, dan F1-Score 95%. Temuan ini menunjukkan bahwa penerapan oversampling dapat meningkatkan kinerja model dalam mengatasi masalah ketidakseimbangan data. Penelitian ini memberikan kontribusi dalam pengembangan model deteksi Alzheimer dengan menekankan pentingnya penanganan ketidakseimbangan data.
Kata kunci: XGBoost, Oversampling, Hyperparameter Tuning, Prediksi Dini, Alzheimer
Verifikasi Quick Response Code dengan Vigenere Cipher dan Multi-Factor RSA
Full text linkData personal merupakan hal yang sensitif bagi pemiliknya. Kelalaian dari penggunaan teknologi terkini seperti QR Code yang kurang tepat dapat mengakibatkan kebocoran data atau informasi. Pada hakikatnya QR Code hanya mengubah informasi menjadi gambar dua dimensi yang pembacaannya menggunakan sistem pindai, sehingga informasi yang didalamnya belum terlindungi dan informasi tersebut dapat langsung dibaca oleh semua orang. Penelitian ini berfokus pada kombinasi kriptografi simetris Vigenere Cipher serta kriptografi asimetris RSA yang ditingkatkan lagi menjadi Multi-factor RSA. Kombinasi tersebut untuk meningkatkan keamanan suatu informasi/data sebelum dirubah menjadi QR Code. Metode yang diusulkan membuktikan bahwa QR Code yang dipindai langsung dari berbagai perangkat akan menghasilkan kode enkripsi sehingga pihak tidak bertanggungjawab tidak dapat membaca nilai pesan asli. Pesan asli hanya bisa dibaca dari dari scanner dengan metode yang diusulkan sehingga keamanan QR Code terverifikasi. Serta hasil uji dengan Avalanche effect memenuhi standar baik dengan nilai 53,671875%.
Kata kunci: QR Code, Vigenere Cipher, Multi-factor RS
Integrasi XGBoost dan Visualisasi Gradio untuk Memprediksi Pendapatan Pembayar Asuransi: Studi Kasus Rumah Sakit Swasta di Manado
Full text linkPrediksi pendapatan yang akurat sangat penting untuk menjaga keberlanjutan finansial, mengoptimalkan alokasi sumber daya, dan membantu perencanaan strategis rumah sakit. Untuk memprediksi pendapatan bulan Agustus, data historis pendapatan digunakan dari Januari hingga Juli 2022. Pra-pemrosesan data termasuk menangani nilai kosong atau nilai yang tidak ada, memilih fitur, dan membagi data menjadi set pelatihan dan pengujian. Metode utama untuk pelatihan model adalah algoritma XGBoost. Hasil evaluasi model diperoleh Mean Squared Error (MSE) dengan hasil 3.239, dan R-squared (R2) 0.99884, Metrik-metrik ini menunjukkan hasil prediksi yang sangat baik. Ditemukan bahwa data bulan Juni dan Juli memberikan kontribusi terbesar. Sistem dibangun dalam bentuk dashboard interaktif berbasis Gradio untuk meningkatkan aksesibilitas dan pemanfaatan hasil model. Oleh karena itu, manajemen rumah sakit dapat menggunakan solusi ini untuk membuat keputusan yang lebih tepat dan berbasis data. Secara keseluruhan, penelitian ini menunjukkan bahwa penggabungan pembelajaran mesin dan visualisasi interaktif dapat sangat bermanfaat dalam manajemen keuangan rumah sakit. Dengan kata lain, integrasi machine learning ke dalam sistem operasional membuka jalan bagi pengambilan keputusan yang lebih berbasis data (data-driven decision making) dan adaptif terhadap dinamika pasar.
Kata kunci – Xgboost, Pendapatan, Prediksi, Gradi
Pengaruh Penggunaan Platform CodeEasy terhadap Tingkat Pemahaman Mahasiswa dalam Pembelajaran Data Science Python
Full text linkPenelitian https://www.adenomyosisadviceassociation.org/hysterectomy ini bertujuan menguji hipotesis bahwa penggunaan platform pembelajaran mandiri CodeEasy dapat meningkatkan pemahaman mahasiswa pada mata kuliah Data Science Python. CodeEasy merupakan lingkungan belajar asinkron yang menyediakan latihan berbasis kode dengan penilaian otomatis melalui test case, serta umpan balik instan untuk mendorong keterlibatan aktif mahasiswa. Penelitian menggunakan desain one-group pretest–posttest dengan 28 mahasiswa Program Studi Sistem Informasi Bisnis, Politeknik Negeri Malang, semester genap 2024/2025. Analisis Paired Sample t-test menunjukkan peningkatan signifikan skor pemahaman mahasiswa (rata-rata pretest = 32,34%; posttest = 80,38%; ), dengan ukuran efek besar (Cohen’s ), yang mendukung hipotesis penelitian. Hasil ini bersifat indikatif, mengingat desain tanpa kelompok kontrol membatasi kesimpulan kausalitas dan generalisasi. Penelitian ini memberikan bukti awal mengenai efektivitas platform autograding dalam mendukung pembelajaran mandiri pemrograman, dan menyarankan penerapan lebih lanjut dengan desain kontrol serta integrasi Explainable AI (XAI) untuk meningkatkan transparansi evaluasi kode dan personalisasi umpan balik.
Kata Kunci - Autograding, CodeEasy, Data Science Python, Evaluasi Kode, Pembelajaran Mandir
Penerapan Metode UEQ dan Importance Performance Analysis dalam Evaluasi User Experience Layanan Pembayaran Akademik
Full text linkUntuk memastikan layanan pembayaran akademik memenuhi ekspektasi pengguna, evaluasi kualitas pengalaman pengguna atau user experience (UX) wajib dilakukan. Penelitian ini menggunakan metode User Experience Questionnaire (UEQ) yang mencakup enam dimensi penilaian yaitu Attractiveness, Perspicuity, Efficiency, Dependability, Stimulation, dan Novelty. Selanjutnya, metode Importance Performance Analysis (IPA) diterapkan untuk memetakan prioritas perbaikan, didukung oleh Key Performance Indicator (KPI) dari UEQ. Layanan pembayaran InfoKHS Universitas Muhammadiyah Malang (UMM) digunakan sebagai objek penelitian. Sebanyak 38 dari 61 data responden valid digunakan setelah proses eliminasi data inkonsisten. Hasil UEQ menunjukkan penilaian positif pada lima dimensi (kecuali Novelty yang netral). Berdasarkan benchmark UEQ, terdapat empat dimensi yang dinilai di atas rata-rata, kecuali Stimulation dan Novelty. Analisis IPA menempatkan Perspicuity, Efficiency, dan Dependability pada Kuadran 1 untuk dipertahankan kinerjanya. Dimensi Attractiveness berada di Kuadran 2 yang memiliki performa berlebihan, sementara Stimulation dan Novelty masuk Kuadran 3 dengan prioritas perbaikan rendah. Kesimpulan penelitian ini adalah bahwa sistem layanan pembayaran InfoKHS UMM secara umum telah mencapai pengalaman pengguna yang baik. Namun, aspek Stimulation dan Novelty masih perlu diperhatikan untuk peningkatan kualitas sistem yang berkelanjutan.
Kata Kunci - User Experience Questionnaire, UEQ, Importance Performance Analysis, KPI, Universitas Muhammadiyah Malan
A Comparative Study of Embedding Techniques and Classifiers for Aspect-Based Sentiment Analysis of Shopee Reviews
Full text linkE-commerce platforms like Shopee generate massive volumes of user reviews that contain valuable insights about products, services, and user experiences. Aspect-Based Sentiment Analysis (ABSA) enables fine-grained sentiment classification by identifying sentiment polarity toward specific aspects such as product quality, pricing, delivery, and application performance. This study presents a comprehensive comparative analysis of different embedding techniques and classification models for ABSA on Indonesian Shopee reviews. We evaluate three embedding approaches: FastText, GloVe, and BERT embeddings, combined with four classification models: Support Vector Machine (SVM), Convolutional Neural Network (CNN), BERT, and IndoBERT. Our experiments focus on five key aspects: product, price, delivery, application, and general sentiment. The results demonstrate that FastText embeddings combined with IndoBERT classifier achieves the highest accuracy of 91.59%, while BERT embeddings show more balanced performance across different classifiers. The findings provide valuable insights for e-commerce platforms seeking to implement effective sentiment analysis systems for Indonesian market understanding.
Keywords - Aspect-Based Sentiment Analysis, FastText, GloVe, BERT, IndoBER
Analisis Eksploratif Data dan Visualisasi Data Pengaruh Tren FOMO di Kalangan Masyarakat
Full text linkFenomena fear of missing out (FOMO) makin memengaruhi perilaku konsumtif masyarakat di era digital. Penelitian ini bertujuan untuk mengeksplorasi pengaruh FOMO terhadap pola pengeluaran di kalangan individu berusia 18–45 tahun dengan menggunakan pendekatan Exploratory Data Analysis (EDA). Data primer dikumpulkan melalui kuisioner daring dan dianalisis menggunakan teknik visualisasi berbasis Python Hasil analisis menunjukkan adanya korelasi positif yang kuat antara tingkat FOMO dan perilaku pembelian impulsif, khususnya pada kalangan pengguna media sosial seperti TikTok dan Instagram. Faktor-faktor yang memengaruhi meliputi frekuensi tingkat paparan konten influencer, jenis metode pembayaran yang sering digunakan, dan momen promosi yang menciptakan rasa urgensi. Selain itu, ditemukan perbedaan pola konsumsi yang dipicu oleh FOMO berdasarkan variabel demografis seperti usia dan lokasi tempat tinggal. Hasil penelitian ini menegaskan pentingnya pemahaman terhadap faktor psikologis dan sosial yang memengaruhi tren konsumsi digital. Penelitian ini memberikan wawasan yang bermanfaat bagi pelaku bisnis dalam merancang strategi pemasaran yang tepat sasaran, serta bagi pemangku kebijakan dalam mendorong perilaku konsumsi yang lebih bijak di era digital.
Kata Kunci - Exploratory Data Analysis (EDA); Fear of Missing Out (FOMO); perilaku konsumtif; media sosial; visualisasi data
Deteksi Otomatis Penggunaan APD pada Pekerja Migas Menggunakan Deep Learning dan Computer Vision
Full text linkIndustri minyak dan gas (migas) merupakan sektor dengan risiko kerja tinggi yang memerlukan penerapan prosedur keselamatan secara ketat, termasuk penggunaan Alat Pelindung Diri (APD) oleh pekerja. Namun, pengawasan penggunaan APD secara manual masih memiliki keterbatasan dari sisi efisiensi dan keakuratan, terutama di area kerja luas dan kompleks. Permasalahan ini mendorong perlunya sistem otomatis yang mampu mendeteksi pemakaian APD secara real-time dan akurat. Penelitian ini mengusulkan implementasi teknologi Computer Vision berbasis Convolutional Neural Network (CNN) untuk mendeteksi penggunaan APD pada pekerja di lingkungan industri migas. Sistem yang dibangun memanfaatkan dataset citra pekerja dengan berbagai variasi APD seperti helm, rompi, dan masker, yang kemudian dilatih menggunakan arsitektur CNN untuk mengenali atribut keselamatan tersebut. Hasil pengujian menunjukkan bahwa model CNN yang digunakan mampu mencapai akurasi deteksi hingga 94,2% pada data uji, dengan performa yang konsisten dalam berbagai kondisi pencahayaan dan posisi kamera. Sistem ini juga mampu mendeteksi ketidaksesuaian penggunaan APD dalam waktu kurang dari satu detik per frame, sehingga dapat diterapkan untuk kebutuhan monitoring secara real-time. Dengan demikian, solusi ini berpotensi meningkatkan efektivitas pengawasan keselamatan kerja dan mengurangi risiko kecelakaan di industri migas secara signifikan. Penelitian ini membuka peluang pengembangan lebih lanjut pada aspek integrasi dengan sistem pengawasan industri berbasis IoT dan peningkatan generalisasi model pada berbagai jenis lingkungan kerja.
Kata kunci: Computer Vision, Convolutional Neural Network (CNN), Alat Pelindung Diri (APD)