Publication Search

Deteksi nyeri secara objektif merupakan tantangan penting dalam dunia medis, terutama bagi pasien yang tidak mampu menyampaikan rasa sakitnya secara verbal, seperti bayi, lansia, atau penderita gangguan komunikasi. Teknologi non- invasif berbasis sensor menjadi solusi potensial untuk mengatasi keterbatasan metode subjektif. Penelitian ini bertujuan meninjau secara sistematis literatur terkini mengenai penerapan Radar MIMO dan algoritma kecerdasan buatan dalam deteksi nyeri non-invasif. Metode yang digunakan adalah Systematic Literature Review (SLR) dengan pedoman PRISMA 2020, melalui penelusuran basis data IEEE Xplore, ScienceDirect, PubMed, Google Scholar, dan SpringerLink untuk periode 2021– 2025. Dari hasil seleksi diperoleh 17 artikel inklusi yang mencakup penggunaan Radar MIMO, UNBC-McMaster, BioVid, Medical Imaging (CT/MRI), Radar SISO, serta studi review, survey, bibliometrik, dan teoretis. Dari sisi algoritma, CNN dan SVM menjadi pendekatan paling dominan, diikuti Neural Network dan metode lain, dengan tren yang mengarah pada penggunaan multimodal untuk meningkatkan akurasi. Hasil penilaian kualitas dengan GRADE menunjukkan mayoritas studi berkualitas sedang, dengan keterbatasan utama pada ukuran sampel kecil, pelabelan nyeri yang belum konsisten, bias populasi, serta kurangnya validasi klinis nyata. Kesimpulannya, Radar MIMO dan algoritma deep learning memiliki potensi besar untuk deteksi nyeri non-invasif. Namun, penelitian lanjutan perlu difokuskan pada pembangunan dataset yang lebih inklusif, standarisasi pelabelan nyeri, serta pengujian dalam konteks klinis, dengan memperhatikan aspek etika dan privasi agar teknologi ini dapat diimplementasikan secara luas dalam layanan kesehatan.

Penelitian ini mengevaluasi efisiensi tiga algoritma sorting hybrid, yaitu TimSort, IntroSort, dan Merge-Insertion Sort, pada dataset skala menengah yang memiliki jumlah elemen antara 10.000 hingga 1.000.000. Tujuan utama penelitian adalah untuk menganalisis performa algoritma berdasarkan waktu eksekusi, konsumsi memori, dan stabilitas, dengan pengujian dilakukan pada berbagai jenis dataset, termasuk data acak, terurut, hampir terurut, dan data dengan banyak elemen duplikat. Pengujian dilakukan melalui simulasi komputasi menggunakan bahasa pemrograman Python dalam lingkungan terkontrol untuk memastikan hasil yang konsisten. Dataset sintetis dibuat untuk mencerminkan kasus dunia nyata, seperti pengolahan log sistem, pengurutan data pelanggan dalam aplikasi e-commerce, atau pengolahan data sensor dalam sistem Internet of Things (IoT). Hasil pengujian menunjukkan bahwa TimSort memiliki performa unggul pada dataset hampir terurut dengan waktu eksekusi rata-rata 0,12 detik untuk 1.000.000 elemen, sedangkan IntroSort lebih cepat pada dataset acak dengan waktu 0,09 detik dan konsumsi memori rendah sekitar 120 MB. Merge-Insertion Sort menonjol dalam hal stabilitas, tetapi memerlukan memori lebih besar, yaitu sekitar 180 MB untuk dataset yang sama. Analisis mendalam menunjukkan bahwa pemilihan algoritma yang optimal sangat bergantung pada karakteristik dataset dan kebutuhan aplikasi, seperti kecepatan untuk data acak atau stabilitas untuk pengurutan data berurutan. Penelitian ini merekomendasikan TimSort untuk aplikasi yang memerlukan stabilitas tinggi, seperti pengolahan data transaksi keuangan, dan IntroSort untuk aplikasi yang mengutamakan kecepatan pada data acak, seperti analitik data real-time. Untuk pengembangan lebih lanjut, penelitian ini menyarankan eksplorasi optimasi paralel atau implementasi algoritma pada perangkat dengan sumber daya terbatas guna meningkatkan skalabilitas dan efisiensi.

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.

Penyakit jantung merupakan salah satu penyakit dengan angka kematian tertinggi di negara maju bahkan dunia. Penyakit jantung dapat mengancam jiwa jika tidak ditangani dengan serius. Jumlah penderita penyakit jantung meningkat setiap tahunnya. Penyakit jantung dapat disebabkan oleh beberapa faktor, yang utama adalah konsumsi alkohol berlebihan, kebiasaan merokok, dan faktor keturunan. Penelitian ini bertujuan untuk memprediksi dan mencegah penyakit jantung sejak dini menggunakan algoritma pembelajaran mesin, yaitu regresi logistik. Data yang digunakan untuk pelatihan dan pengujian algoritma regresi logistik sebanyak 1.190 data, yang terbagi menjadi 80% data pelatihan dan 20% data pengujian. Hasil pengujian menunjukkan bahwa model dapat memprediksi dengan akurasi sebesar 86%. Setelah model dibuat, model tersebut diimplementasikan ke dalam situs web. Penelitian ini diharapkan dapat berkontribusi pada diagnostik yang dapat membantu deteksi dini penyakit jantung.

K- means termasuk kedalam algoritma partisi yang memiliki tujuan untuk membagi data kedalam jumlah  klaster yang ditentukan, hasil dari algoritma K means tergantung pada pemilihan pusat klater awal  namun permasalahan yang sering terjadi jika pada pemilihan centroid awal yang masih dilakukan secara acak jauh dari solusi maka kemungkinan hasil dari pengelompokan tersebut kurang tepat. Untuk mengatasi masalah tersebut akan menggunakan tahapan preprocessing berupa normalisasi minmax untuk mengatasi skala pengukuran berbeda pada dataset, setelah itu menggunakan algoritma PSO dalam pemilihan centroid awal untuk algoritma K- means, dalam penelitian ini juga dibandingkan pemilihan centroid dengan 3 cara yang pertama sesuai dengan acak, kedua sesuai standar pemerintah untuk nilai kualitas air minum yang tingi, menengah dan rendah kemudian yang ketiga dengan metode yang diusulkan algortima PSO dan kemudian akan diuji dengan Index Davies Bouldin. Hasil pengujian berupa tersebut metode K-means dengan pemilihan centroid awal acak dengan nilai 0,208856082, metode K-means dengan pemilihan centroid sesuai dengan standar pemerintah tentang kondisi SAM  sebesar 0,280077, dan terakhir metode pemilihan yang terbaik adalah dengan menggunakan normalisasi minmax K-means PSO dengan nilai 0,177796. Sehingga pengujian data PAMSIMAS menggunakan normalisasi minmax k-means PSO yang didapat bahwa metode tersebut lebih optimal

Perkembangan teknologi layanan internet di Indonesia memengaruhi berbagai sektor industri, termasuk sektor makanan di PT Sarimelati Kencana Tbk. Perusahaan awalnya menggunakan layanan IndiHome, namun menghadapi tantangan seperti tingginya biaya dan ketidakstabilan jaringan yang berdampak pada efisiensi operasional. Sebagai alternatif, layanan Starlink hadir dengan jaringan satelit yang menjangkau wilayah luas dan mendapat respons publik yang lebih positif. Penelitian ini bertujuan untuk menganalisis sentimen masyarakat terhadap IndiHome dan Starlink menggunakan metode Naïve Bayes yang dievaluasi melalui K-Fold Cross Validation. Data dikumpulkan dari media sosial X (sebelumnya Twitter) dengan total 14.200 tweet (7100 tweet untuk IndiHome dan 7100 untuk Starlink), yang kemudian diproses melalui tahapan preprocessing seperti cleansing, tokenizing, stopword removal, dan stemming. Hasil pengujian menunjukkan bahwa metode Naïve Bayes memberikan akurasi terbaik pada data Starlink sebesar 83,74%, sedangkan pada IndiHome sebesar 73,31%. Analisis preferensi menunjukkan bahwa sentimen positif terhadap IndiHome sebesar 34%, sedangkan Starlink mencapai 47%.Temuan ini menunjukkan bahwa Starlink lebih unggul dalam persepsi publik dibandingkan IndiHome. Oleh karena itu, hasil penelitian ini dapat menjadi dasar pertimbangan strategis bagi PT Sarimelati Kencana Tbk. dalam memilih penyedia layanan internet yang lebih stabil, efisien, dan mendukung kelancaran operasional perusahaan.

Di era digital yang terus berkembang, kebutuhan akan layanan web yang lebih cepat dan lebih andal menjadi sangat penting. Solusi umum yang digunakan untuk meningkatkan kinerja dan ketersediaan layanan web adalah teknologi kompensasi beban. Penelitian ini menganalisis perbandingan kinerja round robin robin dan last connection sebagai load balancer dari last connection. Metode penelitian menggunakan pendekatan eksperimental dengan menjalankan pengujian dalam dua skenario beban yang sama dan tegangan yang tidak merata. Pengujian dijalankan menggunakan Apache Jmeter  dan menghasilkan lalu lintas per detik per detik hingga 1000/500, 1200/600, 100/700, 1600/800, dan 1800/900 dalam fase per detik. Hasil pengujian menunjukkan bahwa Algoritma least connection memiliki waktu respons yang rendah di sekitar round-robin dalam semua skenario, dengan waktu respons rata-rata yang rendah sebesar 118 ms pada koneksi 1000/500, dan nilai tertinggi untuk koneksi 1800/900 adalah 150 ms. Sementara itu, waktu respons rata-rata untuk algoritma round-robin adalah antara 125 ms hingga 155 ms dalam skenario yang sama. Dalam hal throughput, algoritma round robin dalam skenario beban tinggi menghasilkan throughput yang tinggi, mencapai puncaknya pada 10.362 kb/s dengan koneksi 1800/900 dan least connection  pada 10.330 kb/s dengan skenario yang sama.

Kebakaran masih menjadi masalah serius dengan dampak besar, baik secara materi maupun korban jiwa. Deteksi yang lambat dan alarm konvensional yang tidak responsif menjadi penyebab utama tingginya tingkat kerusakan. Penelitian ini mengusulkan sistem deteksi kebakaran berbasis Internet of Things (IoT) yang mengintegrasikan multi-sensor dengan platform IFTTT (If This, Then That). Sistem ini menggabungkan sensor asap (MQ5, MQ9), suhu (DHT22), dan api, dengan NodeMCU ESP8266 sebagai pusat kendali, serta mengirim notifikasi real-time melalui WhatsApp. Tujuannya adalah meningkatkan akurasi deteksi dan mengurangi alarm palsu. Pengujian dilakukan dengan membandingkan sistem konvensional dan sistem IoT pada berbagai skenario kebakaran. Hasil menunjukkan bahwa sistem IoT memiliki keunggulan dalam kecepatan notifikasi (kurang dari 10 detik) dan kemampuan menyampaikan lokasi secara akurat. Meskipun memerlukan biaya awal lebih tinggi, efektivitas sistem ini dalam meningkatkan respons darurat menjadikannya solusi yang layak. Sistem ini cocok diterapkan di rumah, kantor, maupun fasilitas industri, serta memiliki potensi besar dalam pengembangan sistem keselamatan kebakaran yang lebih adaptif dan efisien di masa depan

Abstrak Penelitian ini mengembangkan sistem deteksi aritmia pada lansia menggunakan sinyal elektrokardiogram (EKG) 5-lead dan algoritma Support Vector Machine (SVM). Data EKG yang diperoleh melalui perangkat Smart Holter direkam secara kontinu dan diproses melalui tahapan praproses, meliputi koreksi baseline, filtering dengan metode Butterworth, ekstraksi fitur, normalisasi, serta pelabelan manual oleh dokter spesialis jantung untuk validitas klinis. Model SVM kemudian dilatih dan diuji dengan hasil akurasi sebesar 95,80% pada data pelatihan dan 94,57% pada data pengujian. Evaluasi performa model menggunakan confusion matrix, nilai presisi, recall, dan kurva ROC menunjukkan kemampuan klasifikasi empat kategori aritmia secara akurat dan seimbang dengan nilai AUC antara 0,98 hingga 1,00. Hasil ini menunjukkan potensi sistem sebagai alat bantu diagnosis dini aritmia khususnya pada pasien lansia. Untuk penelitian selanjutnya, disarankan peningkatan variasi data, perbandingan dengan metode lain seperti CNN atau LSTM, peningkatan kualitas sinyal dan fitur, serta pengujian di lingkungan klinis guna mengoptimalkan penerapan sistem dalam praktik medis.    Kata Kunci: Elektrokardiogram (EKG), Aritmia, Support Vector Machine (SVM), Lansia

Perkembangan teknologi informasi yang pesat telah mendorong adopsi layanan cloud storage sebagai solusi utama dalam penyimpanan dan pengelolaan data digital. Kemudahan akses, skalabilitas, dan efisiensi biaya menjadi alasan utama banyak individu maupun organisasi beralih ke layanan ini. Studi ini bertujuan untuk melakukan analisis perbandingan antara dua layanan cloud storage populer, yaitu Google Drive sebagai layanan komersial berbasis cloud publik, dan Nextcloud Server sebagai solusi open-source berbasis self-hosted. Penelitian ini menggunakan metode eksperimen kuantitatif deskriptif, dengan fokus pada pengujian parameter teknis seperti kecepatan unggah dan unduh, efisiensi penggunaan bandwidth, kestabilan koneksi, serta estimasi biaya operasional tahunan. Pengujian dilakukan dalam tiga skenario akses: jaringan lokal (intranet), akses publik melalui layanan Cloudflare, dan koneksi ke cloud komersial. Hasil pengujian menunjukkan bahwa Google Drive unggul dalam performa kecepatan dan kemudahan penggunaan, didukung oleh infrastruktur global dan optimisasi jaringan. Sementara itu, Nextcloud lebih menonjol dari sisi fleksibilitas konfigurasi, kontrol data secara penuh, serta efisiensi biaya jangka panjang. Berdasarkan analisis Total Cost of Ownership (TCO), Nextcloud menjadi pilihan ekonomis untuk penggunaan jangka panjang, terutama bagi institusi pendidikan dan organisasi dengan infrastruktur lokal. Penelitian ini diharapkan dapat menjadi referensi bagi pengguna dalam memilih layanan cloud storage yang paling sesuai dari sisi teknis, ekonomi, maupun kebijakan privasi data.

Tingkat keberhasilan deteksi penyakit jantung sangat bergantung pada akurasi model klasifikasi yang digunakan. Penelitian ini bertujuan membandingkan kinerja dua algoritma klasifikasi, yaitu K-Nearest Neighbor (KNN) dan Support Vector Machine (SVM), dalam mendeteksi penyakit jantung menggunakan dataset berjumlah 1025 sampel dengan dua kelas target, yakni sehat dan penyakit jantung. Proses pra-pemrosesan data meliputi pembersihan dan normalisasi fitur medis seperti usia, tekanan darah, serta kadar kolesterol. Evaluasi performa model dilakukan menggunakan metode Confusion Matrix, K-Fold Cross Validation, kurva Receiver Operating Characteristic (ROC), dan kurva Precision-Recall untuk mengukur akurasi, presisi, recall, serta keseimbangan antara presisi dan recall. Hasil pengujian menunjukkan bahwa algoritma KNN unggul dalam menghasilkan akurasi tinggi yaitu 99% dengan AUC ROC sempurna 1.00 dan presisi yang hampir konsisten sepanjang recall, sementara SVM menunjukkan performa stabil dengan akurasi 91%, AUC ROC 0.97, dan AP Precision-Recall sebesar 0.96. Penelitian ini menegaskan efektivitas KNN dalam menghasilkan prediksi penyakit jantung yang sangat akurat dengan potensi risiko overfitting pada parameter k kecil, sedangkan SVM memberikan kestabilan model dengan kemampuan generalisasi yang lebih baik. Temuan ini diharapkan dapat menjadi referensi dalam pemilihan algoritma klasifikasi yang sesuai untuk mendukung diagnosis penyakit jantung secara klinis.

Pengelolaan rantai pasok dengan menggunakan metode E-SCM untuk mengoptimalkan persediaan Toko Nadira dapat meningkatkan persediaan yang efisien. Permasalahan yang terjadi pada Toko Nadira adalah proses pencatatan barang, pengelolaan persediaan dan pemesanan ke Supplier masih manual dengan menggunakan buku catatan. Dengan adanya teknologi, Toko Nadira dapat memanfaatkannya dengan baik dengan menggunakan website, website ini mampu mempermudah proses pencatatan barang, monitoring persediaan, dan meningkatkan keakuratan dalam proses pemesanan barang ke Supplier serta update stok secara real-time, Metode penelitian yang digunakan meliputi analisis kebutuhan, perancangan sistem, implementasi, dan pengujian aplikasi. Hasil penelitian menunjukkan bahwa website E-SCM yang dikembangkan telah berhasil meningkatkan efisiensi operasional Toko Nadira, mengurangi resiko kehabisan stok, dan mempercepat proses restocking. Selain itu, sistem ini juga dapat diintegrasikan dengan laporan penjualan dan pembelian, yang memungkinkan pemilik Nadira Store untuk melakukan analisis data yang lebih mendalam.

Website Pelayanan Terpadu Satu Pintu (PTSP) merupakan wujud digitalisasi layanan publik yang membutuhkan tata kelola Teknologi Informasi (TI) yang efektif. Penelitian ini bertujuan untuk mengevaluasi tingkat kematangan tata kelola TI menggunakan framework COBIT 5 serta menilai keamanan dan performa sistem. Metode yang digunakan adalah deskriptif kuantitatif dengan audit pada 13 proses dari lima domain COBIT 5. Pengujian keamanan dilakukan menggunakan Nessus Scanner, sedangkan Apache JMeter digunakan untuk mengukur performa sistem. Hasil evaluasi menunjukkan rata-rata tingkat kematangan sebesar 3,6 dengan selisih (gap) 1,4 dari target level 5 (Optimized). Domain MEA02 memiliki gap tertinggi sebesar 2,1, menunjukkan kurangnya pengawasan internal. Pemindaian keamanan tidak menemukan celah dengan risiko tinggi, namun semua temuan berada pada kategori Informational. Dari sisi performa, halaman Home memiliki waktu respons tertinggi sebesar 22.683 ms dan throughput hanya 2,1 permintaan/detik, jauh di bawah standar pembanding. Hasil ini menunjukkan bahwa meskipun sistem telah berjalan cukup baik, masih diperlukan perbaikan dalam aspek pengawasan, keamanan, dan performa agar layanan PTSP dapat berjalan lebih optimal dan stabil.

Maraknya kasus kecurangan atau manipulasi dokumen sertifikat atau piagam penghargaan pada proses Penerimaan Peserta Didik Baru (PPDB) di berbagai wilayah di Indonesia, menjadi permasalahan yang serius untuk diselesaikan. Tindakan ini dapat merugikan para siswa yang telah berprestasi secara jujur, merusak kepercayaan masyarakat terhadap integritas pendidikan dan kredibilitas sistem PPDB itu sendiri, sehingga berdampak pada kepercayaan masyarakat kepada institusi atau lembaga pendidikan dan pemerintah. Metode penelitian yang dipergunakan adalah case studies research. Peneliti menggunakan metode Rapid Application Development (RAD) untuk pengembangan sistem dan blackbox testing berbasis equivalent partition untuk metode pengujian sistem. Berdasarkan hasil blackbox testing berbasis equivalent partition, bahwa sistem informasi verifikasi online yang dibangun, secara keseluruhan fungsionalitasnya sudah berjalan dengan baik. Sistem yang dibangun juga sudah sesuai dengan kebutuhan pengguna dalam mengakomodir permasalahan terkait dengan verifikasi sertifikat secara online, sehingga dapat meminimalisir praktik kecurangan atau manipulasi dokumen sertifikat atau piagam penghargaan.

Kucing merupakan tipe hewan yang mudah dalam pemeliharaan. Dalam pemeliharaan hewan, memiliki aspek penting yang perlu diperhatikan yaitu terkait pemberian pakan. Tetapi, kadang kala aktivitas pemberian pakan sulit dilakukan jika pemilik hewan sedang sibuk dalam aktivitas atau sedang berada di luar rumah. Dengan memanfaatkan perkembangan teknologi Internet of Things yang dapat mempermudah manusia dalam memantau sesuatu dari jarak jauh, penelitian ini memberikan solusi untuk membuat alat pakan kucing otomatis yang dapat dipantau melalui aplikasi Android dari serta dapat membuat penjadwalan pemberian pakan. Adanya sistem ini, dapat memudahkan pemilik kucing untuk melakukan aktivitas pemberian pakan pada kucing sesuai waktu yang telah ditentukan, dan juga dapat melakukan penjadwalan pemberian pakan dengan menetapkan waktu pemberian pakan dan takaran porsi pakan. Metode yang digunakan dalam penelitian ini adalah metode ADDIE. Hasil dari penelitian yang telah dilakukan setelah melewati pengujian menunjukkan bahwa alat pemberian pakan otomatis yang dibangun dapat mengeluarkan pakan dengan tingkat keberhasilan 95,62%, dengan rata-rata error 4,38% atau selisih sekitar 1-3 gram dari berat porsi pakan yang dimasukkan pengguna. Aplikasi Android yang dibangun juga dapat menerima informasi mengenai berat pakan, notifikasi aktivitas alat, serta melakukan pengaturan jadwal dan notifikasi.

Permasalahan dalam pengembangan media pembelajaran Aksara Lontara Bahasa Makassar untuk siswa sekolah dasar yang menggunakan animasi motion graphic berbasis multimedia adalah bahwa selama ini pembelajaran Aksara Lontara di sekolah masih mengandalkan buku dan belum tersedianya media pembelajaran interaktif yang mendukung proses belajar. Kondisi ini menyebabkan siswa mengalami kesulitan dalam mempelajari Aksara Lontara. Solusi atas permasalahan ini adalah pengembangan media pembelajaran Aksara Lontara dengan menggunakan Animasi Motion Graphic, yang diharapkan dapat memfasilitasi proses pembelajaran. Tujuan penelitian ini adalah mengembangkan dan mengimplementasikan media pembelajaran Aksara Lontara Bahasa Makassar dengan Animasi Motion Graphic berbasis multimedia di SDN Paccerakkang. Data diperoleh melalui penelitian lapangan, penelitian pustaka, dan wawancara. Metode yang digunakan adalah metode ADDIE, yang terdiri dari lima tahapan: Analisis, Perancangan, Pengembangan, Implementasi, dan Evaluasi. Hasil penelitian menunjukkan bahwa media pembelajaran yang dikembangkan mendapatkan persentase keberhasilan sebesar 76,66% dari pengujian alpha oleh ahli materi dan ahli budaya, yang termasuk dalam kategori layak. Sementara itu, persentase total dari pengujian beta yang dilakukan dengan memberikan kuesioner kepada siswa SDN Paccerakkang adalah 80,13%, juga termasuk dalam kategori layak.

Penenelitian ini bertujuan untuk meningkatkan keamanan data pada Sistem Informasi Manajemen Masjid (SIM Masjid) dengan menggunakan algoritma Caesar Cipher. Algoritma ini mengenskripsi data login, seperti username dan password, dengan metode pergeseran karakter. Hasil pengujian menunjukan bahwa algoritma ini mampu menjaga kerahasiaan data tingkat dasar, meskipun rentan terhadap serangan brute force. Oleh karena itu, metode ini cocok untuk sistem dengan kebutuhan keamana rendah dan dapat dikombinasikan dengan algoritma lain untuk meningkatkan perlindungan. Pendekatan ini memberi solusi sederhana dan efisien untuk sistem informasi di lingkungan dengan keterbatasan sumber daya.

Penelitian ini bertujuan untuk mengembangkan sistem pemilihan supplier yang efektif dengan menggunakan metode TOPSIS dan pendekatan Rapid Application Development (RAD). CV. Berjaya Jaya Abadi, sebuah perusahaan kontraktor yang bergerak di bidang penyediaan berbagai jenis cat, menghadapi tantangan dalam memilih supplier terbaik di antara beberapa alternatif. Metode TOPSIS digunakan karena kemampuannya untuk memberikan hasil yang lebih objektif berdasarkan kriteria yang telah ditetapkan, dibandingkan dengan metode subjektif yang sebelumnya digunakan oleh perusahaan., mengalami kesulitan dalam menentukan supplier terbaik di antara banyak pilihan yang tersedia. Oleh karena itu, penelitian ini bertujuan untuk mengembangkan sistem pemilihan supplier menggunakan metode TOPSIS yang diimplementasikan melalui pendekatan Rapid Application Development (RAD). Sistem ini dirancang untuk mempermudah pengambilan keputusan dalam memilih supplier dengan mempertimbangkan enam kriteria utama, yaitu Pengiriman, Sejarah Kinerja, Harga, Kualitas, Loyalitas, dan Pelayanan. Hasil penelitian menunjukkan bahwa sistem yang dikembangkan dapat memberikan peringkat supplier berdasarkan kriteria yang telah ditentukan, sehingga dapat membantu perusahaan dalam memilih supplier yang paling sesuai dengan kebutuhan. Metode RAD yang digunakan dalam pengembangan sistem juga terbukti efektif dalam mempercepat proses perancangan dan implementasi sistem. Dengan pengujian Black Box Testing, sistem yang dibangun menunjukkan hasil yang memuaskan dalam mendukung pengambilan keputusan di perusahaan.

SD Andir Mukti merupakan salah satu instansi pendidikan swasta di Kota Bandung yang berada dalam naungan Yayasan Andir Mukti sangat membutuhkan teknologi informasi untuk memanajemen data inventory barang di SD Andir Mukti, yang mana pada saat ini masih menggunakan pengelolaan data inventory manual. Pengelolaan data yang bersifat manual tersebut dinilai kurang efektif bagi keberlangsungan kegiatan pengelolaan data karena sering terjadinya ketidaksesuaian dalam pengelolaan barang. Perancangan dalam penelitian ini menggunakan bahasa pemrograman PHP ( Hypertext Prepocessor ), HTML ( Hyper Text Markup Language ), CSS, Javascript, Bootstrap yang didukung oleh database MySQL serta dibantu Framework Codeigniter untuk mempermudah dan mempercepat proses pengembangan aplikasi. Hasil dari keseluruhan pengujian dengan menggunakan blackbox menunjukan bahwa aplikasi ini berjalan dengan baik secara fungsional dan non-fungsional, pengujian blackbox yang dilakukan secara non-fungsional yaitu dalam setiap pergantian halaman membutuhkan respon atau waktu kurang lebih 10 detik, dari hasil pengujian whitebox menunjukan status valid pada tahap pengujian unit dan pada pengujian UAT ( User Acceptance Testing ) dengan menggunakan variabel perceived usefulness menunjukkan hasil yang cukup signifikan yaitu mencapai 85% dengan status memuaskan.

Sebagian masyarakat biasa melakukan kegiatan bertamu untuk mempererat tali silaturahim dengan orang lain. Namun saat tamu memasuki area rumah dan tiba di pintu masuk, terkadang penghuni rumah sedang tidak ada dirumah atau tidak mengetahui jika ada tamu yang sedang berkunjung. Selain itu jika penghuni rumah sedang beraktifitas di dalam rumah dan berada jauh dari pintu masuk rumah membuat suara tamu tidak terdengar. Untuk mengatasi permasalahan diatas maka di zaman sekarang ini dapat dimanfaatkan teknologi dalam bidang internet of things (IoT) yaitu untuk pembuatan  prototype bel rumah otomatis berbasis IoT dan face recognition dengan menggunakan modul ESP32-CAM serta aplikasi Android sebagai media notifikasi. Prototype bel rumah otomatis ini dibangun menggunakan komponen ESP32-CAM, sensor PIR, buzzer serta API face recognition sebagai database pengenalan wajah. Untuk pembangunan prototype aplikasi Android sebagai media notifikasi menggunakan software Android Studio dan Firebase sebagai basis datanya. Adapun metode yang digunakan yaitu metode prototyping. Berdasarkan hasil pengujian yang telah dilakukan, diketahui bahwa sensor PIR mampu mendeteksi tamu dengan jarak kurang lebih 200 meter dan ESP32-CAM dapat melakukan deteksi wajah dengan rentang jarak 40-80 cm. Sedangkan persentase error fungsional sebesar 16.6%. Hal ini menunjukkan bahwa hasil pengujian pada bel rumah otomatis bisa berjalan dengan baik.