Publication Search

Penelitian ini bertujuan untuk mengimplementasikan sistem Supply Chain Management (SCM) dalam pengelolaan persediaan sembako di Toko Grosir Rohman guna meningkatkan efisiensi operasional dan mengatasi permasalahan kehabisan atau kelebihan stok. Metode penelitian yang digunakan adalah kualitatif dengan pendekatan studi kasus, melalui observasi, wawancara, dan dokumentasi. Sistem SCM yang dirancang berbasis website menggunakan PHP dan MySQL, dengan pemodelan UML untuk menganalisis kebutuhan dan perancangan sistem. Hasil dari implementasi sistem menunjukkan peningkatan akurasi data stok, efisiensi dalam proses pemesanan, serta tersedianya informasi real-time yang membantu pengambilan keputusan. Dengan sistem ini, Toko Grosir Rohman mampu mengelola persediaan sembako secara lebih optimal, meningkatkan kepuasan pelanggan, dan memperkuat daya saing usaha.

Persaingan industri distribusi yang semakin ketat menuntut perusahaan untuk memiliki sistem manajemen persediaan yang efisien dan terintegrasi. PT. Nindy Glow Beauty Aesthetic, sebuah klinik kecantikan yang bergerak di bidang penjualan produk skincare di Sei Piring, saat ini masih menggunakan nota pembelian manual sebagai acuan informasi persediaan barang. Hal ini mengakibatkan data stok tidak akurat dan menghambat pengambilan keputusan. Penelitian ini bertujuan untuk mengembangkan sistem informasi persediaan barang berbasis metode Supply Chain Management (SCM) yang dapat membantu perusahaan dalam merencanakan kebutuhan stok berdasarkan data penjualan, permintaan, dan ketersediaan barang. Hasil dari pengembangan sistem ini diharapkan dapat meningkatkan efisiensi pengelolaan persediaan, mengurangi kerugian akibat kelebihan atau kekurangan stok, serta mendukung proses distribusi produk skincare secara optimal. Studi ini juga mengacu pada penelitian sebelumnya yang menunjukkan keberhasilan penerapan metode SCM di berbagai sektor industri

Aritmia merupakan gangguan irama jantung yang umum terjadi pada lansia dan dapat menimbulkan risiko kesehatan serius jika tidak terdeteksi secara dini. Penelitian yang dilakukan bertujuan untuk mengidentifikasi aritmia pada lansia menggunakan algortima K- Nearest Neighbor (KNN) berdasarkan data elektrokardiogram (EKG). Data yang digunakan berjumlah 105 data EKG lansia yang diperoleh dalam format CSV. Proses awal melibatkan pembersihan dan normalisasi data menggunakan metode StandardScaler, serta pelabelan awal menggunakan algoritma K-Means Clustering untuk mengelompokkan data ke dalam dua kelas: Normal dan Sangat Berpotensi Aritmia. Data kemudian dibagi menjadi 70% data latih dan 30% data uji dengan metode stratified split untuk menjaga proporsi label. Model KNN dilatih dengan parameter k = 3, dan dievaluasi menggunakan confusion matrix serta classification report. Hasil pengujian menunjukkan akurasi model sebesar 97% dengan nilai precision dan recall yang tinggi pada kedua kelas. Hasil ini menunjukkan bahwa algoritma KNN efektif dalam mengklasifikasikan kondisi aritmia pada lansia dan memiliki potensi untuk diterapkan dalam sistem pendukung diagnosis berbasis data EKG.