Fountain of Informatics Journal

Sistem Pakar Diagnosis Penyakit Mata Menggunakan Metode Dempster-Shafer

DELLA JANNATA FEBIANA — 2024-10-11

Abstrak

Salah satu panca indra yang sangat penting bagi kehidupan manusia adalah mata. Gangguan yang terjadi pada mata dapat berdampak serius terhadap kualitas hidup seseorang. Beberapa gangguan atau penyakit mata yaitu katarak, glaukoma, dan retina disease. Indonesia menempati urutan ketiga di dunia jumlah penderita kebutaan terbanyak. Selain itu, banyak orang sering kali meremehkan gejala-gejala awal penyakit mata dan tidak melakukan pemeriksaan sejak dini. Hal ini dapat berakibat fatal seperti kebutaan. 51% kasus kebutaan di seluruh dunia disebabkan oleh katarak. Tak hanya itu, pelayanan kesehatan di Indonesia merupakan hal yang masih perlu ditingkatkan. Umumnya rumah sakit di Indonesia tidak menyediakan tenaga ahli kesehatan yang cukup dibandingkan dengan jumlah penduduk yang tinggi sehingga terdapat antrian panjang.

Penelitian ini mengembangkan sistem pakar diagnosis penyakit mata menggunakan metode Dempster-Shafer. Metode ini menghitung kemungkinan dari suatu penyakit berdasarkan nilai belief dan plausibility dari setiap gejala dengan validasi oleh dokter spesialis mata. Penelitian ini dilakukan terhadap 20 studi kasus dengan 16 jenis penyakit dan 43 gejala. Hasil menunjukkan bahwa sistem pakar diagnosis penyakit mata dengan metode Dempster-Shafer memiliki nilai akurasi sebesar 90%.

Kata kunci: Sistem Pakar, Dempster-Shafer, Penyakit Mata

Abstract

[Expert System for Eye Disease Diagnosis Using the Dempster-Shafer Method] One of the senses that is crucial for human life is vision. Disorders affecting the eyes can have serious impacts on a person's quality of life. Some eye disorders or diseases include cataracts, glaucoma, and retinal disease. Indonesia ranks third in the world for the highest number of people with blindness. In addition, many people often underestimate the early symptoms of eye diseases and do not undergo early examination. This can result in severe consequences, such as blindness. Cataracts cause 51% of blindness cases worldwide. Generally, hospitals in Indonesia do not provide enough health experts compared to the high population, so there are long queues. This research develops an expert system for diagnosing eye diseases using the Dempster-Shafer method. This method calculates the probability of a disease based on the belief and plausibility values of each symptom, with validation by ophthalmologists. The study was conducted on 20 case studies with 16 types of diseases and 43 symptoms. The results show that the expert system for diagnosing eye diseases using the Dempster-Shafer method has an accuracy rate of 90%.

Keywords: Expert Systems, Dempster-Shafer, Eye Diseases

Perbandingan Akurasi Algoritma Naïve Bayes Dan Support Vector Machine Dalam Analisis Sentimen Pengguna Twitter Terhadap Aplikasi Sirekap

Gabriel Natalianus Viko Kurniawan — 2024-10-11

Abstrak

Dalam Pemilu tahun 2024, Aplikasi Sirekap memegang peran penting sebagai platform yang bertanggung jawab atas rekapitulasi dan publikasi hasil penghitungan suara, serta berkontribusi besar dalam menjaga transparansi dan akuntabilitas proses pemilu. Meskipun perannya sangat vital, aplikasi ini masih menghadapi sejumlah tantangan, salah satunya terkait dengan verifikasi data. Masalah verifikasi ini menyebabkan penumpukan data yang berujung pada penutupan sementara diagram hasil pemilihan oleh KPU. Kondisi ini memicu berbagai respons dan opini dari masyarakat, terutama terkait keandalan aplikasi. Penelitian ini bertujuan untuk menganalisis sentimen pengguna terhadap kinerja Aplikasi Sirekap serta membandingkan performa dua algoritma, yaitu Naive Bayes dan Support Vector Machine (SVM), dalam analisis sentimen. Berdasarkan hasil penelitian, terungkap bahwa algoritma SVM dengan Kernel RBF menunjukkan akurasi yang lebih tinggi, mencapai 84,15%, dibandingkan dengan Multinomial Naive Bayes yang hanya mencapai 77,64%. Hal ini menggarisbawahi keunggulan SVM dalam analisis sentimen. Di samping itu, penelitian ini menekankan pentingnya optimalisasi fitur dalam Aplikasi Sirekap untuk meningkatkan efektivitas, memastikan kinerja yang lebih baik, dan meraih respons yang lebih positif dari masyarakat.

Kata kunci: Aplikasi Sirekap, Pemilu, Analisis Sentimen, Naïve Bayes, Support Vector Machine (SVM)

Abstract

[Comparison Of The Accuracy Of The Naïve Bayes Algorithm And Support Vector Machine In Analyzing Twitter User Sentiment Towards The Sirekap Application] In the 2024 General Election, the Sirekap App plays an important role as the platform responsible for the recapitulation and publication of vote count results, and contributes greatly to maintaining transparency and accountability of the electoral process. Despite its vital role, the app still faces a number of challenges, one of which is related to data verification. This verification issue caused a buildup of data that led to the temporary closure of the election results diagram by the KPU. This condition triggered various responses and opinions from the public, especially regarding the reliability of the application. This study aims to analyze user sentiment towards the performance of Sirekap Application and compare the performance of two algorithms, namely Naive Bayes and Support Vector Machine (SVM), in sentiment analysis. Based on the results, it was revealed that the SVM algorithm with RBF Kernel showed higher accuracy, reaching 84.15%, compared to Multinomial Naive Bayes which only reached 77.64%. This underscores the superiority of SVM in sentiment analysis. In addition, this research emphasizes the importance of feature optimization in Sirekap App to increase effectiveness, ensure better performance, and gain more positive responses from the community.

Keywords: Sirekap App, Election, Sentiment Analysis, Naïve Bayes, Support Vector Machine (SVM)

Desain Prototype User Interface Konsultasi Virtual Beauty Care Sebagai Strategi Penerapan Customer Relationship Management

Hilyah Magdalena — 2024-10-11

Abstrak

Pengembangan sistem pada toko kosmetik FRESHSKIN BEAUTYCARE pada bagian konsultasi untuk meningkatkan loyalitas pelanggan. Sistem konsultasi yang awalnya yang berlangsung hanya melalui obrolan di media sosial. Sistem konsultasi saat ini belum dapat di data dengan akurat dan belum menunjukkan tingkat kepuasan pelanggan. Sistem konsultasi kemudian kemudian dikembangkan dengan sistem web yang dirancang dengan metode Rapid Application Developoment (RAD) dengan format rancangan User Interface (UI). Prototype yang dhasilkan mampu menyediakan kemudahahan pelanggan untuk mendapatkan konsultasi kecantikan secara virtual sebagai strategi customer relationship management. Mekanisme layanan konsultasi virtual ini diberikan kepada pelanggan yang telah berbelanja produk skincare. Pelanggan dapat memilih jadwal konsultasi dan mendapat layanan konsultasi virtual yang diberikan oleh beauty advisor dari brand skincare yang bekerja sama dengan toko FRESHSKIN BEAUTYCARE. Hasil konsultasi dapat direkam dan pelanggan dapat memberikan testimoni dan rating atas pelayanan konsultasi. Pengalaman mendapatkan layanan konsultasi virtual ini bertujuan untuk meningkatkan interaksi dengan pelanggan dan lebih jauh akan mendorong pelanggan untuk kembali bertransaksi. Sistem layanan konsultasi virtual ini juga memudahkan pemilik untuk melihat produk apa yang paling laku terjual secara aktual.

Kata kunci: desain prototipe, antar muka, konsultasi virtual, manajemen relasi konsumen

Abstract

[User Interface Prototype Design Virtual Beauty Care Consultation As A Strategy For Implementing Customer Relationship Management] System Development at the FRESHSKIN BEAUTYCARE cosmetic store in the consultation section to increase customer loyalty. The initial consultation system only took place via chat on social media. The current consultation system cannot provide accurate data and does not yet show the level of customer satisfaction. The consultation system was then developed using a web system designed using the Rapid Application Development (RAD) method with a User Interface (UI) design format. The resulting prototype can make it easy for customers to get virtual beauty consultations as a customer relationship management strategy. This virtual consultation service is provided to customers who shop for skincare products. Customers can choose a consultation schedule and receive virtual consultation services provided by beauty advisors from skincare brands that collaborate with FRESHSKIN BEAUTYCARE stores. Consultation results can be recorded and customers can provide testimonials and ratings on consultation services. The experience of getting virtual consultation services aims to increase customer interaction and will further encourage customers to return to transactions. This virtual consulting service system also makes it easier for owners to see what products are selling best.

Keywords: prototype design, user interface, virtual consultation, customer relationship management

Water Quality Identification Using Ensemble Machine Learning and Hybrid Resampling SMOTE-ENN Algorithm

Moch Deny Pratama — 2024-10-11

Abstract

Water is essential for all living organisms, yet only a small fraction is fresh and suitable for consumption. The limited availability of freshwater sources, worsened by pollution, overuse, and climate change, underscores the urgent need for sustainable water management. Traditional water quality identification methods are labour-intensive, slow, and costly. Water quality identification often struggles with data quality, imbalanced datasets, and model interpretability. These challenges lead to inaccuracies, especially in detecting minority classes, which is crucial for identifying pollution. This research explores machine learning (ML) techniques to address the limitations of water quality classification by integrating ensemble learning using LightGBM and hybrid Resampling using SMOTE-ENN. Ensemble learning techniques improve accuracy and robustness by aggregating the strengths of multiple models, effectively handling imbalanced data and reducing overfitting. Hybrid Resampling techniques enhance model sensitivity by generating synthetic minority-class samples and refining datasets through noise reduction. Together, these integrations provide a more reliable framework for water quality identification, enabling timely and accurate. This innovative method offers a robust solution for addressing data imbalance and overfitting, ensuring more effective detection of polluted conditions. This study highlights the importance of advanced ML techniques in improving water quality tasks and underscores LightGBM's effectiveness in handling imbalanced data post-SMOTE-ENN application. This method is known for its superior performance, achieving the highest performance evaluation metrics in water quality classification with accuracy, F1-Score, and increasing the recall value by 3% with values of 94.50%, 94.76% and 93.00%, respectively.

Keywords: Water Quality, Machine Learning, Imbalanced Data, LightGBM, SMOTE-ENN, Ensemble Learning, Hybrid Resampling.

Abstrak

Air sangat penting bagi semua organisme hidup, namun hanya sebagian kecil yang segar dan layak untuk dikonsumsi. Terbatasnya ketersediaan sumber air bersih, yang diperburuk oleh polusi, penggunaan berlebihan, dan perubahan iklim, menggarisbawahi kebutuhan mendesak akan pengelolaan air berkelanjutan. Metode identifikasi kualitas air tradisional memerlukan banyak tenaga kerja, lambat, dan mahal. Identifikasi kualitas air sering kali bermasalah dengan kualitas data, kumpulan data yang tidak seimbang, dan kemampuan interpretasi model. Tantangan-tantangan ini menyebabkan ketidakakuratan, terutama dalam mendeteksi kelompok minoritas, yang sangat penting dalam mengidentifikasi polusi. Penelitian ini mengeksplorasi teknik pembelajaran mesin (ML) untuk mengatasi keterbatasan klasifikasi kualitas air dengan mengintegrasikan pembelajaran ensembel menggunakan LightGBM dan pengambilan sampel hybrid menggunakan SMOTE-ENN. Teknik pembelajaran ensemble meningkatkan akurasi dan ketahanan dengan menggabungkan kekuatan beberapa model, menangani data yang tidak seimbang secara efektif, dan mengurangi overfitting. Teknik pengambilan sampel hibrid meningkatkan sensitivitas model dengan menghasilkan sampel kelas minoritas sintetik dan menyempurnakan kumpulan data melalui pengurangan noise. Bersama-sama, integrasi ini memberikan kerangka kerja yang lebih andal untuk identifikasi kualitas air, sehingga memungkinkan dilakukannya identifikasi secara tepat waktu dan akurat. Metode inovatif ini menawarkan solusi yang kuat untuk mengatasi ketidakseimbangan dan overfitting data, sehingga memastikan deteksi kondisi tercemar dengan lebih efektif. Studi ini menyoroti pentingnya teknik ML tingkat lanjut dalam meningkatkan tugas kualitas air dan menggarisbawahi efektivitas LightGBM dalam menangani data yang tidak seimbang pasca penerapan SMOTE-ENN. Metode ini dikenal dengan kinerjanya yang unggul, mencapai metrik evaluasi kinerja tertinggi dalam klasifikasi kualitas air dengan akurasi, F1-Score, dan meningkatkan nilai recall sebesar 3% dengan nilai masing-masing 94,50%, 94,76% dan 93,00%.

Kata kunci: Kualitas Air, Pembelajaran Mesin, Data Ketidakseimbangan, LightGBM, SMOTE-ENN, Pembelajaran Ensemble, Pengambilan Sampel Hibrid.

Front Matter and Back Matter

Dihin Muriyatmoko — 2024-10-05

Enhancing Covid-19 Diagnosis: Glrlm Texture Analysis And Kelm For Lung X-Ray Classification

Dian C Rini Novitasari — 2024-10-05

Abstrak

This study aims to diagnose COVID-19 using GLRLM feature extraction, known for its high accuracy, and optimize Kernel Extreme Learning Machine (KELM) with Genetic Algorithm (GA) for improved computational efficiency, along with Principal Component Analysis (PCA) for data reduction. The gamma values in KELM are optimized using GA, yielding the best solution function. Results reveal that at angles of 0°, 45°, and 135°, the optimal gamma value with KELM is 1, while at 90°, GA determines it to be 1.35. This adjustment demonstrates the critical role of gamma values in achieving optimal performance. Performance analysis of various classification methods demonstrates that GLRLM-PCA-Optimized KELM outperforms others, achieving an accuracy exceeding 97%, particularly notable at 90° angles. This study shows that the importance of hyperparameter optimization in enhancing classification accuracy, revealing a significant improvement of over 1% compared to non-optimized models.

Kata kunci: COVID-19, GLRLM, KELM, Feature Reduction, PCA

Abstract

Penelitian ini bertujuan untuk mendiagnosis COVID-19 menggunakan ekstraksi fitur GLRLM yang dikenal dengan akurasi tinggi, dan mengoptimalkan Kernel Extreme Learning Machine (KELM) dengan Algoritma Genetika (GA) untuk meningkatkan efisiensi komputasi, bersama dengan Principal Component Analysis (PCA) untuk reduksi data. Nilai gamma dalam KELM dioptimalkan menggunakan GA, menghasilkan fungsi solusi terbaik. Hasil penelitian menunjukkan bahwa pada sudut 0°, 45°, dan 135°, nilai gamma optimal dengan KELM adalah 1, sedangkan pada 90°, GA menentukan nilainya menjadi 1,35. Penyesuaian ini menunjukkan peran penting nilai gamma dalam mencapai kinerja optimal. Analisis kinerja berbagai metode klasifikasi menunjukkan bahwa GLRLM-PCA-KELM yang Dioptimalkan mengungguli yang lain, mencapai akurasi lebih dari 97%, terutama mencolok pada sudut 90°. Studi ini menyoroti pentingnya optimasi hyperparameter dalam meningkatkan akurasi klasifikasi, mengungkapkan peningkatan signifikan lebih dari 1% dibandingkan dengan model KELM konvesional.

Keywords: COVID-19, GLRLM, KELM, Feature Reduction, PCA

Pemodelan Sistem Dinamik Mitigasi Banjir Untuk Mengurangi Luas Sawah Terdampak Banjir Di Jawa Timur: A System Thinking Approach

Raulia Riski — 2024-10-05

Abstrak

Indonesia merupakan salah satu negara Agraris terbesar di dunia, yang artinya sebagian besar penduduk Negara Indonesia bekerja di sektor pertanian, termasuk di Jawa Timur. Salah satu media databooks juga mencatatkan bahwa Jawa Timur adalah provinsi dengan luas lahan pertanian seluas 1.7 hektare. Namun sayangnya, Jawa Timur juga tercatat sebagai daerah yang sering terjadi banjir. Dimana tercatat sejumlah 211 kasus banjir yang melanda Jawa Timur pada tahun 2022. Beberapa kasus banjir yang terjadi juga mempengaruhi rasio jumlah lahan pertanian produktif yang ada di area Jawa Timur. Penelitian ini mengadopsi metode System Dynamic untuk mengidentifikasi faktor aktor-faktor yang mempengaruhi banjir, terutama pada sektor pertanian, kemudian mengidentifikasi penanganan dan pencegahan banjir tersebut untuk mengurangi jumlah sawah yang terdampak. Penelitian ini merupakan penelitian deskriptif kualitatif dengan sumber data primer maupun sekunder dari website pemerintah maupun jurnal terdahulu. Penelitian ini disajikan dalam bentuk analisis diagram kausatik mengenai mitigasi banjir pada sektor pertanian di Jawa Timur. Hasil penelitian menunjukkan ada tujuh submodel yang saling mempengaruhi dalam sistem mitigasi bencana banjir dalam penelitian ini, yaitu economic vulnerability, physical vulnerability, flood vulnerability, social vulnerability, adaptive capacity, flood risk, dan flood hazard.

Kata kunci: mitigasi bencana banjir, sawah, sistem dinamik, pemodelan, diagram kausatik

Abstract

[System Dynamics Model of Flood Mitigation to Reduce the Flood-Affected Rice Fields Area in East Java: A System Thinking Approach] Indonesia is one of the largest agricultural countries in the world, which means that the majority of the Indonesian population works in the agricultural sector, including in East Java. One of the media databooks also noted that East Java is a province with an agricultural land area of 1.7 hectares. However, unfortunately, East Java is also listed as an area that frequently experiences flooding. A total of 211 cases of flooding were recorded that hit East Java in 2022. Several cases of flooding that occurred also affected the ratio of the amount of productive agricultural land in the East Java area. This research adopts the System Dynamic method to identify the factors that influence flooding, especially in the agricultural sector, then identify the handling and prevention of flooding to reduce the number of affected rice fields. This research is a qualitative descriptive study with primary and secondary data sources from government websites and previous journals. This research is presented in the form of a causal diagram analysis regarding flood mitigation in the agricultural sector in East Java. The research results show that there are seven sub-models that influence each other in the flood disaster mitigation system in this research, namely economic vulnerability, physical vulnerability, flood vulnerability, social vulnerability, adaptive capacity, flood risk, and flood hazard.

Keywords: flood mitigation, rice field, system dynamics, modeling, causal diagram

Implementasi Metode Naive Bayes pada Sistem Diagnosis Penyakit Mata (Studi Kasus Poli Mata Rumah Sakit Islam Jemursari Surabaya)

Raihan Febrianto Grahadi — 2024-10-05

Abstrak

Lamanya waktu tunggu dalam pemeriksaan dokter mata di rumah sakit dapat meningkatkan risiko terpapar infeksi virus lain. Maka dari itu diperlukannya sebuah sistem diagnosis yang cepat, akurat dan efektif untuk mengurangi lamanya waktu tunggu. Oleh karena itu, penelitian ini bertujuan untuk membuat sistem diagnosis penyakit mata berbasis web dengan menggunakan metode klasifikasi Naïve Bayes. Sistem dikembangkan dengan mengambil dataset berupa data rekam medik pasien sebanyak 6074 data. Atribut pada dataset yang akan digunakan dalam sistem ini meliputi umur, jenis kelamin, keluhan, dan diagnosis. Sistem ini dibangun dengan metode Naïve Bayes sebagai algoritma data mining yang menggunakan bahasa pemrograman Python sebagai tools pengolahan data. HTML, CSS, JS, dan PHP sebagai bahasa pemrograman pembangun website yang digunakan sebagai tempat visualisasi dan inputan data oleh user yang didukung MySQL sebagai database penyimpanan data. Hasil yang didapatkan dari sistem diagnosis penyakit mata berbasis web dengan perbandingan metode Gaussian Naïve Bayes dan Bernoulli Naïve Bayes ini mampu mendapatkan akurasi sebesar 93.42 % dan 90.79%, sehingga menjadi sistem pendukung keputusan yang dapat membantu dokter dalam mengambil keputusan diagnosis penyakit mata pasien. Dengan adanya sistem ini, dapat mempermudah proses diagnosis penyakit mata serta dapat membantu dokter dalam mengambil keputusan yang tepat dalam waktu singkat.

Kata kunci: Klasifikasi Penyakit Mata, Sistem Diagnosis Penyakit Mata, Naïve Bayes

Abstract

[Implementation of Naive Bayes Method on Eye Disease Diagnosis System (Ophthalmology Poly Case Study at Jemursari Islamic Hospital Surabaya)] The waiting time during an eye doctor's examination at the hospital can increase the risk of exposure to other virus infections. Therefore, a fast, accurate, and effective diagnostic system is needed to reduce waiting time. This study aims to develop a web-based eye disease diagnosis system using the Naïve Bayes classification method. The system was developed using a dataset consisting of 6074 patient medical records. The attributes of the dataset used in this system include age, gender, complaints, and diagnosis. The system was built using the Naïve Bayes method as a data-mining algorithm using the Python programming language for data processing. HTML, CSS, JS, and PHP are website builder programming languages used for visualization and data input by users, supported by MySQL as the data storage database. The results obtained from the web-based eye disease diagnosis system with a comparison of Gaussian Naïve Bayes and Bernoulli Naïve Bayes methods achieved accuracies of 93.42% and 90.79%, respectively, making it a decision support system that can assist doctors in making diagnoses of patients' eye diseases. With this system, the process of diagnosing eye diseases can be simplified and doctors can be assisted in making the right decisions in a short time.

Keywords: Classification of Eye Diseases, System for Diagnosing Eye Diseases, Naïve Bayes.

Desain Aplikasi Pembelajaran Perangkat Jaringan Berbasis Augmented Reality Dengan Gamification Model Canvas

Tri Ika Jaya Kusumawati Jaya — 2024-10-11

Abstrak

Peranan materi pembelajaran dan cara penyajian materi pembelajaran dituntut untuk dapat menyesuaikan segala lini teknologi informasi. AR hadir sebagai jembatan pengetahuan virtual terhadap objek asli materi pembelajaran dapat lebih interaktif dengan disajikan menggunakan visualisasi nyata. Serious game dan taksonomi bloom merupakan salah satu bentuk evaluasi pemahaman peserta didik terhadap sajian materi pembelajaran. Materi pembelajaran pengenalan perangkat jaringan komputer merupakan materi pembelajaran umum yang sangat dibutuhkan pada zaman ini baik pelajar menengah, perguruan tinggi maupun masyarakat umum. Hal ini dikarenakan segala informasi yang beredar melalui media digital, sehingga pengetahuan jaringan komputer adalah penting. Namun masalah yang dihadapi adalah model penyampaian materi pengenalan perangkat dan jaringan komputer masih terbatas pada modul atau buku ajar tekstual, pemahaman serta keterampilan terbatas pada praktik secara langsung, permasalahan perkembangan teknologi pembelajaran berbasis learning dan penggunaan aplikasi mobile. Oleh karena itu dibutuhkan sebuah model materi pengenalan perangkat jaringan komputer menggunakan taksonomi bloom berbasis augmented realit. Dengan tujuan agar tercipta sebuah model materi pembelajaran interaktif yang tidak terbatas, aktual, mengasah keterampilan dan kemampuan melalui AR, serta disajikan dalam bentuk seperti asli berbasis augmented reality. Hasil model yang dibuat diharapkan mampu menjadi solusi pendidikan diera industri 4.0, dan dapat diterapkan mulai dari tingkat menengah maupun tingkat perguruan tinggi serta masyarakat umum. Selanjutnya, penelitian dilakukan melalui beberapa tahapan yaitu: (1) Studi literature serious game, augmented reality, serta perangkat jaringan komputer. (2) Studi kebutuhan pembelajaran perangkat jaringan komputer dengan menggunakan GMC (Gamification Model Canvas). (3) Pemodelan alur pembelajaran, konten materi, berdasarkan silabus. (4) Membuat rancangan aset 2D dan 3D sebagai landasan pembuatan materi pembelajaran. (5) Membuat rancangan proses pembelajaran yang menerapkan aplikasi serta modul. Hasil penelitian ini adalah prototype materi pembelajaran interaktif yang mampu memfisualisasikan bentuk nyata perangkat dan mempelajarinya tanpa harus memiliki atau menyentuh bentuk aslinya.

Kata kunci: serious game, AR, taksonomi bloom, GMC, perangkat jaringan komputer

Abstract

[Augmented Reality Based Network Device Learning Application Design with Gamification Model Canvas] The role of learning materials and the way of presenting learning materials are required to be able to adapt all lines of information technology. AR is present as a bridge of virtual knowledge of original objects, learning materials can be more interactive by being presented using real visualizations. Serious game and bloom taxonomy are a form of evaluating students' understanding of the presentation of learning material. Learning material for the introduction of computer network devices is general learning material that is very much needed at this time, both for middle students, universities and the general public. This is because all the information circulating through digital media, so knowledge of computer networks is important. However, the problems encountered are that the delivery model for introducing device introduction material and computer networks is still limited to textual modules or textbooks, understanding and skills are limited to hands-on practice, problems with the development of learning-based learning technology and the use of mobile applications. Therefore we need a material model for introducing computer network devices using augmented reality-based bloom taxonomy. With the aim of creating an interactive learning material model that is unlimited, actual, hones skills and abilities through AR, and is presented in an original form based on augmented reality. The results of the model created are expected to be an educational solution in the industrial era 4.0, and can be applied starting from the secondary level and the tertiary level as well as the general public. Furthermore, the research was carried out through several stages, namely: (1) Literature study of serious games, augmented reality, and computer network devices. (2) Study of the learning needs of computer network devices using GMC (Gamification Model Canvas). (3) Modeling learning flow, material content, based on the syllabus. (4) Designing 2D and 3D assets as the basis for making learning materials. (5) Designing a learning process that applies applications and modules. The results of this study are prototypes of interactive learning materials that are able to visualize the real form of the device and study it without having to own or touch the original form.

Keywords: serious game, AR, bloom taxonomy, GMC, computer network device

Sistem Informasi Inventori Untuk Kontrol Persediaan Barang Pada Gudang TST Fresh Carrot Berastagi

Frengky Samuel Sembiring — 2024-10-11

Abstrak

Sistem informasi inventori telah menjadi bagian pentingdari Perusahaan yang memiliki gudang. Keberadaan dari sebuah sistem informasi inventori dalam sebuah Perusahaan yang memiliki gudang akan sangat membantu Perusahaan tersebut dalam memproses data stok dari gudang. Pada penelitian penulis akan berkolaborasi dengan Perusahaan TST Fresh Carrot Berastagi yang mana saat ini membutuhkan sistem informasi inventori untuk memonitor stok barang yang mereka miliki didalam gudang. Tujuan dari kolaborasi ini adalah penulis membantu membuatkan sistem informasi inventori pada parusahaan TST Fresh Carrot Berastagi, karena saat untuk saat ini Perusahaan ini tidak memiliki sistem informasi inventori untuk melakukan monitor pada stok mereka. Sistem informasi inventori dibangun menggunakan framework Laravel dan MySQL sebagai database. Untuk mengembangkan sistem informasi inventori penulis menggunakan metode waterfall yang cukup sederhana dari pada metode pengembangan lainnya dikarenakan semua pengerjaannya dilakukan secara berurutan. Sistem informasi inventori diuji menggunakan metode blackbox, selanjutnya sistem akan diuji kegunaannya dengan memberikan beberapa pertanyaan kepada pengguna untuk menilai sejauh mana sistem informasi inventori membantu pekerjaan mereka.

Kata kunci: Sistem Informasi Inventori, Stok Barang, Laravel, MySQL, Blackbox

Abstract

[Inventory Information System for Inventory Control TST Fresh Carrot Berastagi Warehouse] the inventory system has become a very important part of company who has some warehouse. The existence of an inventory system in a company who has a warehouse will greatly help the company in processing stock data from warehouse. In this research the author will collaborate with TST Fresh Carrot Berastagi company which is needed inventory system to monitor their stock on the warehouse. The purpose of this collaboration is that the author helps make an inventory system on TST Fresh Carrot Berastagi, because currently this company does not have an inventory system to monitor their stock. The inventory system is built using Laravel framework and MySQL database. To develop the inventory system author using waterfall method which is simpler than the other method causes all of the work will be done in sequence. The inventory system will be tested using blackbox method, and after that the system will be tested for the usability by giving few questions to the users to give some values how far does the system information helps their works.

Keywords: Inventory System, Stock, Laravel, MySQL, Blackbox.