Publication Search

This study aims to analyze the factors that influence students' interest in continuing their education to college using a machine learning approach. Data was collected through an online questionnaire completed by 727 students between July 27 and August 22, 2025, covering 23 variables consisting of respondent identity (gender, grade level, major) as well as internal and external factors such as parental support, learning motivation, and preferred type of college. The data preparation stage was carried out through column cleaning, deletion of empty data, encoding of categorical variables, and division of the dataset into 80% training data and 20% test data. The Naive Bayes algorithm of the CategoricalNB type was used because it was suitable for the categorical nature of the data. The evaluation results showed that the model was able to predict student interest with 96% accuracy. For the class of students interested in continuing their studies, the precision, recall, and F1-score values were above 0.95, while the performance in the class of students who were not interested was slightly lower due to the smaller amount of data. These findings show that Naive Bayes is proven to be effective and reliable in classifying students' interest in continuing their studies and can be the basis for decision-making in designing more targeted educational strategies.

Meningkatnya ketergantungan pada sistem komunikasi digital telah memperkuat kebutuhan akan metode yang andal untuk melindungi data sensitif dari akses tidak sah. Studi ini memperkenalkan mekanisme keamanan terintegrasi yang menggabungkan enkripsi ChaCha20 dengan steganografi citra Least Significant Bit (LSB), yang menargetkan perlindungan data berbasis citra digital. ChaCha20, sebuah cipher aliran modern yang dikenal akan kecepatan dan keamanannya, digunakan untuk mengenkripsi pesan teks biasa (plaintext), menghasilkan ciphertext yang sangat aman. Data terenkripsi kemudian disematkan ke dalam citra sampul — khususnya, logo universitas — menggunakan teknik LSB, yang mengubah bit paling tidak signifikan dari nilai piksel untuk menyembunyikan informasi tanpa memengaruhi kualitas citra secara signifikan. Pendekatan dua lapis ini memastikan kerahasiaan dan penyembunyian informasi sensitif. Sistem ini dievaluasi menggunakan metrik objektif seperti Rasio Sinyal terhadap Derau Puncak (PSNR) dan Indeks Kesamaan Struktural (SSIM) untuk menilai fidelitas citra setelah penyisipan data. Hasil menunjukkan bahwa metode ini mempertahankan integritas visual (PSNR > 50 dB) sekaligus memungkinkan ekstraksi data yang akurat. Integrasi ChaCha20 dan steganografi LSB menawarkan solusi yang ringan, aman, dan efektif untuk perlindungan informasi digital, khususnya cocok untuk komunikasi akademis atau kelembagaan di mana gambar logo berfungsi sebagai pembawa konten terenkripsi yang tersembunyi.

Current advances in information technology have encouraged universities to utilize student academic data as a basis for decision-making, one of which is predicting academic achievement. This study aims to apply the C4.5 algorithm to develop a system for predicting student academic success in the Islamic Religious Education Study Program. This method was chosen because it produces a decision tree model that is easy to understand and has a high level of accuracy. The data used comes from student achievement indexes from semesters 1 to 5. The research results showed that the prediction system achieved 99.62% accuracy and achieved high recall precision across each class category. This demonstrates the effectiveness of the C4.5 algorithm in predicting student academic achievement and has the potential to serve as a valuable tool for decision-makers in higher education.

Infectious diseases remain a dynamic and evolving public health threat, requiring data-driven approaches for early detection and targeted policy planning. This study aims to model spatio-temporal trends and clustering patterns of HIV transmission in Bogor Regency during the period 2020–2023 by utilizing a combination of unsupervised and supervised machine learning techniques. The dataset was obtained from the Bogor Regency Health Office and includes annual data on the number of HIV cases across 40 sub-districts. The research methodology consists of data preprocessing stages, clustering using the K-Means algorithm, and classification using a Decision Tree model. The preprocessing steps include data integration, attribute selection, temporal aggregation, handling of missing data, and normalization using Z-score. K-Means clustering is applied to identify hidden patterns in the development of HIV cases, resulting in three distinct clusters based on multi-year trends. The resulting cluster labels are then used as target classes in the supervised classification process. The Decision Tree classification model demonstrates high accuracy in predicting cluster membership, indicating a strong relationship between the temporal patterns of HIV cases and cluster identity. The integration of clustering and classification techniques provides a robust analytical framework for understanding the dynamics of HIV transmission, while also supporting the formulation of more precise, evidence-based, and region-specific public health interventions.

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.

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

This study conducts a Systematic Literature Review (SLR) to explore the impact of users’ mental models on the implementation of Multi-Factor Authentication (MFA) as a strategy for mitigating password guessing risks in organizational environments. Amid the growing landscape of cyber threats, single-factor authentication has proven to be vulnerable, making MFA an essential layered security solution. However, the adoption of MFA remains slow. Existing studies indicate that expert users perceive MFA as a useful additional layer of verification, whereas non-expert users often view it as a burdensome task (a chore) and may even struggle to distinguish between different types of MFA. Dependence on mobile devices emerges as a common source of frustration for both groups. These findings emphasize that understanding users’ mental models is crucial for improving the implementation and usability of MFA. Innovations such as adaptive MFA or Single Input Multi-Factor Authentication (SIMFA) show potential as solutions to balance security requirements and user experience.

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.

Deteksi nyeri objektif merupakan tantangan dalam dunia medis, terutama bagi pasien yang tidak mampu mengungkapkan rasa sakit secara verbal. Dengan kemajuan teknologi sensor dan kecerdasan buatan, sistem otomatis untuk mendeteksi nyeri berbasis sinyal fisiologis dan ekspresi wajah mulai dikembangkan. Studi ini bertujuan mengidentifikasi tren, metode, dan kualitas metodologis dari penelitian yang menggunakan database publik seperti BioVid Heat Pain, UNBC-McMaster, dan SenseEmotion dalam pengembangan sistem deteksi nyeri berbasis sensor. Penelitian dilakukan dengan pendekatan Systematic Literature Review (SLR) berdasarkan protokol PRISMA 2020 melalui pencarian artikel di Google Scholar dalam rentang tahun 2015–2024. Setelah seleksi berdasarkan kriteria inklusi dan eksklusi, 26 studi dimasukkan ke dalam sintesis naratif. Data dianalisis berdasarkan jenis sensor, metode algoritma, akurasi, dan ukuran sampel, serta dievaluasi menggunakan pendekatan GRADE. Hasil menunjukkan bahwa BioVid dan UNBC-McMaster adalah database paling sering digunakan, dengan sensor EDA, EMG, dan ekspresi wajah sebagai modalitas dominan. Metode klasifikasi umum mencakup CNN, SVM, dan Random Forest. Studi menyimpulkan bahwa pendekatan multimodal dan deep learning meningkatkan akurasi deteksi nyeri, namun validasi klinis dan perhatian terhadap keragaman demografis masih dibutuhkan.

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.

Perkembangan teknologi informasi telah meningkatkan kebutuhan akan sumber daya manusia yang kompeten di bidang analitik data dan pemrograman, khususnya bagi mahasiswa Program Studi Sistem Informasi. Penelitian ini bertujuan untuk membangun model klasifikasi guna mengidentifikasi kecenderungan mahasiswa sebagai Data Analyst atau Programmer menggunakan algoritma Naive Bayes. Sebanyak 220 data dikumpulkan melalui kuesioner daring, dengan indikator penilaian yang dikelompokkan dalam dua dimensi: kemampuan analis data dan kemampuan pemrograman. Data kemudian dilabeli berdasarkan skor per dimensi dan diolah menggunakan model Complement Naive Bayes pada platform Google Colab. Hasil evaluasi menunjukkan bahwa model mampu mengklasifikasikan dua kelas mayoritas (Data Analyst dan Programmer) dengan baik, ditandai dengan akurasi keseluruhan sebesar 80,30% dan nilai precision, recall, serta f1-score yang tinggi. Namun, performa model terhadap kelas minoritas (Netral) masih rendah akibat ketidakseimbangan distribusi data. Penelitian ini menyarankan penggunaan teknik lanjutan seperti resampling, class weight, atau model ensemble untuk mengatasi bias terhadap kelas mayoritas. Temuan ini dapat digunakan sebagai dasar dalam pembimbingan akademik dan pengembangan kurikulum berbasis potensi mahasiswa.

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.

Teknologi yang berkembang saat ini sangat berpengaruh pada proses bisnis penjualan, sistem offline mulai ditinggalkan dan mulainya sistem baru yaitu penjualan secara online melalui media elektronik. Hal ini berdampak pada Persaingan usaha antar Perusahaan semakin tinggi oleh karena itu salah satu usaha penjualan produk pakaian kaos toko Alpis dimana masih menggunakan cara konvensional berusaha meningkatkan penjualan dengan menerapkan sistem baru yaitu penjualan secara online melalui website. Sistem penjualan ini menjadi cara dalam meningkatkan pemasaran dan penjualan. Dalam merancang website E-commerce ini peneliti menggunakan metode waterfall yang akan diterapkan dalam Rancang bangun sistem informasi e-commerce pada toko Alpis. Dalam penerapan nya Metode Waterfall terdiri dari beberapa tahap yaitu planing, analisis, design, dan implementation. Penelitian ini diharapkan dapat membantu perusahaan dalam meningkatkan penjualan dengan kemudahan pembayaran dengan midtrans dan mampu menjadikan sistem informasi di perusahaan menjadi lebih baik. Kata Kunci: e-commerce, sistem informasi, & waterfall.

Pesatnya perkembangan belanja online melalui platform internet telah menyebar ke seluruh dunia khususnya di Indonesia dan telah banyak diketahui oleh masyarakat. Dalam konteks ini, kehadiran toko online atau e-commerce membantu perusahaan untuk menawarkan layanan dan produk yang berbeda, mengkomunikasikan informasi bisnis dan menjaga hubungan antara pemasok dan pelanggan. E-commerce memungkinkan transaksi bisnis diproses lebih efisien. Berbagai penelitian telah mengkonfirmasi bahwa e-commerce  membantu bisnis memperluas jangkauan pasar mereka dengan menawarkan produk dalam skala besar dan menyediakan penyimpanan data dan pelaporan yang dapat diakses dan disimpan melalui platform web. NICESO merupakan perusahaan retail dengan konsep toko modern yang  menawarkan berbagai macam produk antara lain alat tulis, mainan, aksesoris, peralatan rumah tangga, aksesoris handphone,  dan komputer. Tujuan dari pengembangan aplikasi NICESO adalah untuk membuat aplikasi penjualan yang memungkinkan masyarakat mencari dan membeli produk di suatu toko tanpa harus datang langsung ke toko. Aplikasi  juga membantu toko NICESO  menjangkau pelanggan, baik yang berbelanja langsung di toko maupun yang menggunakan aplikasi. Perancangan aplikasi ini dirancang agar mudah dipahami  oleh berbagai kalangan, mulai dari remaja hingga orang tua.

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.

Teknologi blockchain telah mengalami perkembangan pesat dalam beberapa tahun terakhir dan telah menyentuh hampir setiap aspek informasi dan bidang teknologi komunikasi. Potensi blockchain dapat diterapkan di berbagai industri dan bidang, termasuk logistik, rantai suplai pasokan, IoT, dan layanan kesehatan. Dalam industri kesehatan, blockchain memiliki dampak yang signifikan. Namun penilaian kritis terhadap aplikasi blockchain dalam pelayanan kesehatan masih belum tersedia secara komprehensif. Penelitian ini bertujuan untuk memberikan landasan teknis tentang berbagai aplikasi  kesehatan berbasis blockchain, dengan fokus pada perkembangan terkini di bidang ini. Studi ini akan membahas teknologi blockchain kontemporer yang telah diterapkan dalam industri kesehatan, termasuk berbagi data medis, manajemen rantai suplai medis, rekam medis elektronik, klaim asuransi kesehatan, farmasi industri, dan pemantauan pasien jarak jauh. Penelitian ini memberikan wawasan mendalam tentang penggunaan blockchain dalam aplikasi pelayanan kesehatan berbasis IoT dan menyediakan analisis SWOT yang komprehensif untuk membantu pemangku kepentingan dalam memahami manfaat, tantangan, peluang, dan ancaman yang terkait dengan teknologi ini. Diharapkan bahwa hasil survei literatur ini akan memberikan landasan yang kuat untuk pengembangan lebih lanjut dan penerapan blockchain dalam pelayanan kesehatan IoT yang aman, efisien, dan terpercaya.

Pelacakan alumni (tracer study) menjadi salah satu kegiatan yang sangat penting penting untuk dilakukan secara berkala dan konsisten. Pelacakan alumni sebenarnya merupakan salah satu bagian dari pengembangan universitas atau perguruan tinggi yang berkelanjutan. Hasil pelacakan alumni yang baik akan menghasilkan inputan yang baik pula pada universitas khususnya program studi untuk mengembangkan kurikulum dan model pembelajarannya. Sistem pelacakan alumni dibangun berbasis website dengan metode pengembangan sistem prototipe. Pengembangan sistem dimulai dengan pengumpulan data pada objek dan pengguna melalui metode wawancara dan observasi. Setelah itu dilakukan analisa sistem menggunakan metode PIECES dan dilanjutkan dengan perancangan sistem menggunakan metode Unified Modelling Language (UML). Penelitian ini menghasilkan model awal sistem pelacakan alumni yang kedepannya akan terus dikembangkan sesuai dengan perkembangan peraturan dan kebutuhan penggunanya.

Pengembangan sistem informasi akademik bertujuan untuk memberikan sarana dasar kepada perguruan tinggi. Sistem informasi akademik diperlukan untuk mengelola seluruh kegiatan akademik diantaranya mengelola kartu rencana studi, mengelola kartu hasil studi, mengelola data dosen dan tenaga kependidikan, mengelola data mahasiswa, mengelola kelas, mengelola pertemuan dan presensi. Memiliki sistem informasi akademik akan mengurangi resiko keamanan data serta mendukung kemandirian pengelolaan teknologi informasi. Pengembangan sistem informasi ini menggunakan metode penghimpunan data menggunakan metode tanya jawab (interview) dan pengamatan lapangan. Performance, Information, Economics, Control, Efficiency dan Service adalah metode PIECES yang akan digunakan dalam menganalisa sistem. Unified Modelling Language (UML) adalah metode perancangan sistem yang digunakan dalam penelitian ini. System engineering, Requirement analysis, Design, Coding, Testing dan Maintenance adalah metode pengembangan sistem Waterfall yang peneliti gunakan. Sistem informasi akademik dikembangkan sesuai kebutuhan institusi saat ini tetapi seiring perkembangan peraturan dan kebutuhan institusi maka perlu dilakukan evaluasi kinerja secara periodik.

Pengolahan data hasil survei kepuasan mahasiswa terhadap layanan akademik yang dilakukan LPM saat ini dirasa masih memiliki banyak keterbatasan dan melewati beberapa proses Panjang, dalam  mengumpulkan data survei mahasiswa, masih dilakukan sendiri sendiri dengan menggunakan framework yang berbeda beda. Tujuan penelitian yaitu pembuatan sistem informasi yang mengimplemenatasikan metode servqual untuk penilaian kepuasan­ mahasiswa unisnu terhadap pelayanan akademik. Sumber data dari hasil kuesioner mahasiswa TA.2020 berjumlah 4.433 dan hasil implementasi menggunakan perhitungan slovin 100 sampel data. Metode Service Quality diperoleh rata-rata dari nilai 5 aspek yaitu keandalan, daya tanggap, jaminan, empati, dan nyata, dengan predikat PUAS dan hasil pengujian perangkat lunak (black box testing) dan ISO 9126 sangat layak untuk digunakan. Hasil sistem yang telah dibangun mempercepat admin mengolah data kuisioner penilaian sesuai dengan kriteria dengan banyak kemudahan yang di hasilkan oleh aplikasi ini.