Publication Search

This study aims to analyze and compare the performance of the Naive Bayes, K-Nearest Neighbors (KNN), and Decision Tree algorithms in predicting the purchase intention of e-commerce visitors using the Online Shoppers Purchasing Intention Dataset, which consists of 12,330 records and 18 variables, with the Revenue variable serving as the classification target. The preprocessing stage involved transforming categorical and boolean variables into numerical form, standardizing features using StandardScaler, and splitting the dataset into 80 percent training data and 20 percent testing data. Model evaluation was conducted using accuracy, precision, recall, F1-score, and ROC-AUC metrics, and was further strengthened by 10-fold cross-validation to obtain more stable results. The findings indicate that KNN achieved the highest accuracy of 0.866180, while Naive Bayes produced the highest recall value of 0.690998 and the highest ROC-AUC value of 0.821696. Meanwhile, Decision Tree demonstrated relatively balanced performance with an accuracy of 0.857259 and an F1-score of 0.571776, whereas the cross-validation results identified KNN as the model with the highest average accuracy of 0.8770. These findings suggest that the selection of a classification model for purchase intention prediction cannot rely solely on a single evaluation metric, as each algorithm possesses different strengths. Therefore, a comparative approach among algorithms can help determine the most suitable model for supporting consumer behavior analysis on e-commerce platforms.

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.

Indonesia merupakan salah satu negara agraris dengan hasil bumi yang berlimpah. Salah satunya adalah buah pinang yang berasal dari Pulau Sumatera. Dalam pendistribusiannya, CV. XYZ yang menjadi distributor buah pinang tersebut mengalami beberapa kendala dalam distribusi, yaitu biaya dan jarak yang tidak optimal, sehingga dibutuhkan sebuah pendekatan untuk memperoleh hasil optimal dalam kegiatan distribusi tersebut. Metode transportasi adalah suatu metode pemecahan masalah dengan tujuan untuk meminimalisir biaya pengiriman produk dari beberap sumber ke beberapa tujuan. Dua tahapan metode transportasi yang digunakan merupakan solusi awal yang terdiri dari north west cornet method dan least cost, serta solusi optimal yang terdiri atas stepping stone dan modified distribution. Berdasarkan penerapan metode yang dilaksanakan, CV. XYZ memperoleh penghematan sebesar Rp 5.765.149.

Kota Bandar Lampung merupakan sebuah kota yang terletak di Provinsi Lampung, Lampung merupakan Provinsi yang terletak di ujung selatan Pulau Sumatera sekaligus menjadi pintu gerbang antar Pulau Jawad an Pulau Sumatera dan dijuluki sebagai kota “Tapis Berseri” menggambarkan kota yang aman, patuh, sejahtera, bersih, sehat dan indah. Pada tahun 2023 jumlah wisatawan mencapai 13,7 juta jiwa meningkat 25% dibandingkan tahun 2022. Berdasarkan dari data Badan Pusat Statistik (BPS) kunjungan wisatawan tahun 2024 tercatat sejumlah 17,8 juta jiwa dengan peningkatan 25% dari target yang di tetapkan oleh pemerintah Provinsi Lampung. Dengan ini menunjukan bahwa perkembangan sektor pariwisata di Lampung terus menunjukan tren positif dalam beberapa tahun terakhir, dengan ini hotel-hotel berbintang dan penginapan terus bertambah sering kali membuat wisatawan sulit dalam menentukan pilihan hotel. Dengan adanya penelitian ini bertujuan untuk mempermudah wisatawan dalam memilih hotel dengan menerapkan metode Analythic Hierarchy Process (AHP) dan Elimination and Choice Expressing Reality (ELECTRE) dalam proses pemilihan hotel yang relavan di Bandar Lampung. Pemilihan hotel yang tepat membutuhkan pertimbangan berbagai kriteria seperti harga, fasilitas, lokasi, dan pelayanan. Dengan menggunakan metode AHP dan ELECTRE hasil yang diperoleh nanti yaitu memberikan rekomendasi hotel yang optimal berdasarkan perbandingan alternatif yang ada. Penelitian ini diharapakan dapat memberikan kontribusi dalam Sistem Pengambilan Keputusan (SPK) yang lebih efisien dan objektif dalam pemilihan hotel di Bandar Lampung.

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

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.

Produksi padi di Indonesia, termasuk Kabupaten Sidoarjo, menghadapi berbagai tantangan seperti alih fungsi lahan, perubahan iklim, dan keterbatasan infrastruktur. Penelitian ini bertujuan untuk memetakan potensi produksi padi secara spasial di Kabupaten Sidoarjo dengan memanfaatkan pendekatan Sistem Informasi Geografis (SIG). Metode yang digunakan meliputi analisis spasial untuk menggambarkan sebaran luas baku sawah, tanam, panen, irigasi, dan produktivitas di tingkat kecamatan, serta analisis deskriptif untuk menafsirkan hasil pemetaan. Hasil penelitian menunjukkan bahwa wilayah dengan sistem irigasi teknis dan luas baku sawah yang masih terjaga, seperti Kecamatan Tarik, Sukodono, dan Wonoayu, memiliki produktivitas yang relatif tinggi. Pemetaan spasial berbasis SIG terbukti efektif dalam mengidentifikasi wilayah potensial yang mendukung pengelolaan produksi padi secara lebih terarah. Penelitian ini merekomendasikan pemanfaatan SIG sebagai alat strategis dalam perencanaan pertanian dan pengambilan kebijakan yang berbasis data spasial untuk meningkatkan ketahanan pangan di Kabupaten Sidoarjo.

Gangguan tidur pada mahasiswa merupakan permasalahan yang dapat berdampak pada kesehatan jantung, khususnya melalui perubahan aktivitas listrik jantung yang terekam dalam sinyal EKG. Penelitian ini bertujuan mengembangkan sistem klasifikasi otomatis untuk mendeteksi kondisi jantung berdasarkan sinyal EKG menggunakan algoritma K-Nearest Neighbor (KNN) dan reduksi fitur dengan Principal Component Analysis (PCA). Dataset yang digunakan terdiri dari 159 citra sinyal EKG yang dibagi menjadi dua kelas, yaitu Good Heart dan Bad Heart. Citra diproses melalui tahap preprocessing, reduksi dimensi menggunakan PCA, dan diklasifikasikan menggunakan KNN dengan berbagai nilai parameter. Model terbaik diperoleh pada kombinasi 20 komponen PCA dan nilai K = 6, dengan akurasi mencapai 96,23%, precision 98,46%, recall 92,75%, dan f1-score 95,50%. Hasil penelitian menunjukkan bahwa metode ini mampu mengenali kondisi jantung dengan baik dan efisien. Sistem ini berpotensi dikembangkan sebagai alat bantu deteksi dini gangguan jantung, khususnya pada kelompok mahasiswa yang mengalami gangguan tidur.

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.

This study analyzes the prediction of poverty levels in North Sumatra Province by applying the Long Short-Term Memory (LSTM) method based on time series integrated with Google Earth Engine (GEE). Historical poverty data of districts/cities were obtained from the Central Statistics Agency (BPS) and processed using Python in Google Colab for LSTM model training. The prediction results are visualized spatially in the form of thematic maps through GEE to identify areas with high poverty rates. The evaluation model was carried out by calculating MAE, RMSE, MAPE, and prediction accuracy, with most areas having an accuracy above 80%. These findings indicate that this approach is effective in mapping poverty trends and supporting data-driven policies. This predictive model can be the basis for more targeted social interventions and strategies for developing inclusive and sustainable regional development.

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.

This study evaluates the performance of three community detection algorithms—Leiden, Infomap, and Label Propagation—on the legal network of the Republic of Indonesia spanning the period 2014–2024. The network consists of 679 nodes and 2,295 edges, constructed based on citation relationships among regulations. The evaluation employs four network topology metrics: modularity, coverage, conductance, and inter-cluster density. Results show that the Leiden algorithm achieves the highest modularity score (0.522991), indicating the formation of communities with strong internal density. Additionally, it yields the lowest conductance value (0.302455), suggesting relatively well-isolated communities. In contrast, the Label Propagation algorithm produces the highest coverage (0.835294) and inter-cluster density (0.542331), but with a lower modularity (0.431583), reflecting the formation of large communities with less distinct boundaries. Infomap exhibits moderate performance, with a modularity score of 0.508406 and inter-cluster density of 0.420803, yet records a relatively high conductance (0.410409). Network visualizations reveal three major communities for each algorithm, representing thematic clusters such as institutional governance, constitutional law, and public finance. Overall, the Leiden algorithm is considered the most optimal for detecting modular, stable, and thematically coherent community structures within the complex and interrelated network of Indonesian laws.

Penelitian ini bertujuan untuk mengelompokkan penjualan berbagai merek beras di UD. Nainggolan menggunakan algoritma K-Means Clustering. UD. Nainggolan merupakan usaha yang bergerak di bidang penjualan sembako, termasuk beras dari berbagai merek. Permasalahan utama yang dihadapi adalah kesulitan dalam memahami tren penjualan dan preferensi pelanggan, yang berdampak pada pengelolaan stok dan strategi pemasaran. Penelitian ini memanfaatkan data penjualan dari Maret 2024 hingga Februari 2025, dengan fokus pada 9 merek beras. Data dianalisis untuk diklasterisasikan ke dalam 2 kategori:, laris, dan kurang laris. Hasil dari penelitian ini adalah sebuah sistem berbasis web yang dibangun menggunakan PHP dan MySQL, yang mampu mengelompokkan penjualan beras berdasarkan algoritma K-Means. Sistem ini diharapkan dapat membantu pihak manajemen dalam pengambilan keputusan terkait pengelolaan stok dan strategi penjualan yang lebih efisien dan tepat sasaran.

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

Berkembangnya industri kuliner di Indonesia yang pesat menuntut pengusaha untuk beradaptasi dengan cepat, terutama dalam teknologi dan pemasaran. Karena Masih terlalu banyak pengusaha yang masih mengandalkan metode pemesanan dan promosi manual, maka dari itu penerapan Customer Relationship Management (CRM) menjadi solusi yang efektif untuk menarik pelanggan baru dan mempertahankan loyalitas konsumen. Penelitian ini fokus pada penerapan CRM di Rainbow Cafe, yang bertujuan dalam memikat konsumen baru dan meningkatkan loyalitas konsumen di Rainbow Cafe. Metode penelitian yang digunakan adalah analisis kualitatif melalui wawancara dan survei kepada konsumen serta pengusaha. Hasil penelitian menunjukkan bahwa penerapan CRM sangatlah penting dikarenakan dapat meningkatkan interaksi dengan konsumen, mempercepat proses pemesanan, dan meningkatkan kepuasan konsumen. Kesimpulan dari penelitian ini menegaskan bahwa implementasi CRM tidak hanya penting untuk meningkatkan loyalitas konsumen, tetapi juga sebagai strategi yang krusial dalam menghadapi persaingan di industri kuliner yang semakin ketat dan untuk interaksi dengan konsumen lebih efektif.

Instagram merupakan salah satu media sosial paling populer di Indonesia dengan jumlah unduhan dan ulasan yang sangat tinggi di Google Play Store. Penelitian ini dilakukan untuk menganalisis sentimen dari ulasan bintang lima terhadap aplikasi Instagram guna mengkaji lebih lanjut apakah seluruh ulasan dengan rating tertinggi benar-benar mencerminkan sentimen positif. Data dikumpulkan melalui tahap scraping, kemudian dilakukan pembersihan data dengan teknik normalisasi sederhana seperti penghapusan URL, karakter khusus, angka, dan spasi berlebih, serta tahap preprocessing menggunakan metode tokenisasi. Model IndoBERT digunakan sebagai alat klasifikasi untuk mendeteksi sentimen dari setiap ulasan ke dalam tiga kategori: positif, netral, dan negatif. Hasil klasifikasi menunjukkan bahwa 59,7% ulasan tergolong positif, 11,2% netral, dan 29,1% negatif. Model evaluasi dilakukan melalui perbandingan hasil prediksi dengan pelabelan manual dan otomatis yang menghasilkan f1-score sebesar 0,901 untuk sentimen positif, 0,834 untuk negatif, dan 0,449 untuk netral, dengan akurasi keseluruhan sebesar 83,2%. Visualisasi word cloud ditampilkan setelah proses klasifikasi sentimen untuk menggambarkan kata-kata yang dominan di masing-masing kategori. Temuan ini menunjukkan bahwa rating numerik tidak selalu selaras dengan isi ulasan, serta pentingnya analisis sentimen dalam memahami persepsi pengguna secara lebih mendalam.

Bisnis adalah kegiatan ekonomi yang dilakukan untuk menghasilkan, membeli, atau menjual barang atau jasa dengan tujuan mendapatkan keuntungan. Bisnis dapat dilakukan oleh individu, kelompok, perusahaan besar, atau usaha kecil. Di suatu dunia bisnis, yang dimaksud dengan sistem informasi manajemen adalah piranti yang dipakai untuk mengatasi suatu proses, operasional, evaluasi, serta teknologi dan informasi. Usaha  bisnis  yang  bergerak  dalam  bidang  makanan  ringan  snack dijalankan  dengan  modal usaha  berskala  kecil  ialah  pelaku  bisnis  berskala  rumah  tangga  yang  mempunyai  kesempatan sangat  bagus  untuk  berkembang  dengan  pesat  dengan  keterbatasan  yang dimiliki  seperti  SDM, skill,  pengetahuan,  ketrampilan,  dan  pengelolaan  bidang  managementyang  seadanya Penelitian ini dilakukan di Teha Coffee Corner, sebuah kedai kopi yang berlokasi di Jl. Imam Bonjol, Tebing Kisaran, Kec. Kota Kisaran Barat, Kabupaten Asahan, Sumatera Utara 21211. Kedai ini didirikan pada Maret 2021 oleh Thierry Henry, tepat di tengah masa pandemi COVID-19. Supply Chain Management (SCM) adalah pengintegrasian sumber bisnis yang kompeten dalam penyaluran barang, mencakup perencanaan dan pengelolaan aktivitas pengadaan dan logistik serta informasi terkait mulai dari tempat bahan baku sampai tempat konsumsi, termasuk koordinasi dan kolaborasi dengan jaringan mitra usaha (pemasok, manufaktur, retailer, distributor, pergudangan, transportasi dan konsumen) untuk memenuhi kebutuhan pelanggan. Sebuah model rantai pasokan sederhana terdiri dari empat komponen yaitu supplier, produsen, gudang atau pusat distribusi dan pengguna akhir. Seiring dengan pertumbuhan bisnisnya, Teha Coffee Corner mulai menghadapi berbagai tantangan, terutama dalam pengelolaan stok bahan baku dan pencatatan transaksi. Saat ini, pencatatan masih dilakukan secara manual, baik dalam menghitung jumlah stok maupun dalam mencatat transaksi harian. Setiap akhir operasional atau saat closing, Dengan adopsi sistem E-SCM, aliran informasi dan data pembelian antara Teha Coffee Corner dan pemasok menjadi lebih efisien. Ini menghasilkan kejelasan dan ketepatan dalam transaksi pembelian, yang berkontribusi pada menghindari kesalahan dan mengurangi risiko keterlambatan dalam pengiriman toko.

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.

ABSTRACT Information services on campus are often delayed due to reliance on staff, resulting in long queues and inefficient waiting times. This study aims to design and develop a robotic interaction system based on speech recognition and Natural Language Processing (NLP), equipped with a virtual button as an alternative activation method. The system allows users to interact with the robot using voice, while the virtual button provides an additional option for users who are more comfortable with touch-based interaction. The research method employed is prototype development, which includes the design, implementation, and evaluation of the system. Testing was conducted to assess the effectiveness of the system in delivering information services quickly and accurately. The results show that the developed system can enhance service efficiency, reduce dependence on staff, and facilitate faster and more practical interactions between users and the robot. This study is expected to contribute to the development of technology-based public service systems, especially in the campus environment. Keywords: robotic interaction, speech recognition, NLP, virtual button, public service