Publication Search

Transformasi digital di sektor kesehatan, khususnya melalui penerapan Rekam Medis Elektronik (RME) dan telemedicine, telah membawa perubahan signifikan dalam efisiensi dan kualitas pelayanan kesehatan di Indonesia. Namun, di balik berbagai manfaat tersebut, muncul persoalan serius terkait perlindungan privasi dan keamanan data pasien, interoperabilitas sistem, serta kepastian hukum yang masih belum memadai. Penelitian ini bertujuan untuk mengkaji penerapan RME dalam layanan kesehatan, mengidentifikasi permasalahan keamanan dan perlindungan data pasien, serta menganalisis kepastian hukum dalam layanan kesehatan berbasis teknologi di Indonesia. Metode yang digunakan adalah studi literatur sistematis dengan pencarian artikel melalui database Google Scholar, dibatasi pada publikasi tahun 2022–2026. Dari 8.780 artikel yang ditemukan, proses seleksi bertahap menghasilkan 3 artikel final yang memenuhi kriteria inklusi dan dianalisis secara deskriptif kualitatif. Hasil penelitian menunjukkan bahwa interoperabilitas RME di Indonesia masih terhambat oleh ketidaksesuaian standar data, keterbatasan infrastruktur, dan regulasi yang belum memadai. Penerapan teknologi mutakhir seperti blockchain, cloud computing, dan kecerdasan buatan terbukti mampu meningkatkan keamanan dan efisiensi pengelolaan data pasien. Sementara itu, regulasi telemedicine yang ada belum terintegrasi secara komprehensif dan belum mampu memberikan kepastian hukum yang memadai bagi tenaga kesehatan maupun pasien. Kesimpulannya, diperlukan harmonisasi regulasi, standardisasi data nasional, peningkatan infrastruktur, serta penguatan kapasitas sumber daya manusia agar ekosistem kesehatan digital Indonesia dapat berkembang secara aman, terintegrasi, dan berkeadilan bagi seluruh pihak yang terlibat.

The selection process for accepting new employees is one of the important stages in a company to ensure that the candidates accepted have qualifications that suit the company's needs. At WINMART, the selection process is still carried out manually, so it is less efficient and prone to errors. Therefore, a system is needed that can assist in more objective and efficient decision making. This Decision Support System (DSS) is designed to assist the selection process for recruiting new employees using the Simple Additive Weighting (SAW) method, which can assess several relevant criteria, such as work experience, education, skills and competency tests. This system was built on a web basis, so it can be easily accessed by parties involved in the selection process, such as HRD and managers. The SAW method was chosen because of its ability to convert various subjective criteria into more objective numerical scores, so that selection results can be more transparent and accountable. By using this system, it is hoped that it can increase efficiency, accuracy and transparency in the new employee selection process at WINMART, as well as facilitate decision making in selecting candidates who best suit the desired criteria.

The transition from paper-based to Computer-Based Test (CBT) in the Academic Potential Test (TPA) for state university entrance selections has significantly transformed the educational assessment landscape. This conceptual study aims to evaluate the instruments of CBT-based TPA, focusing on validity, reliability, fairness, and technological infrastructure constraints. Employing a systematic literature review approach, this research synthesizes various foundational theories of educational measurement, specifically Item Response Theory (IRT) and Computerized Adaptive Testing (CAT), alongside contemporary empirical findings from the last five years. The findings indicate that while CBT offers enhanced administrative efficiency and rapid grading, the validity of the instruments is frequently challenged by item exposure and the diverse digital literacy levels of test-takers. Furthermore, infrastructural disparities among regions pose a significant threat to testing fairness. The implication of this study suggests the urgent need for a dynamic item bank generation system and the implementation of adaptive testing to mitigate cheating and ensure equitable assessment. Future educational policies must bridge the digital divide before uniformly mandating CBT. Ultimately, this review provides a comprehensive framework for test developers to refine CBT TPA instruments, ensuring they genuinely measure academic potential rather than technological proficiency.

This community service activity aimed to improve farmers’ knowledge and skills in implementing selection strategies and simple recording systems for local goats to support increased livestock productivity. The activity was conducted at the Sumber Tani Baru Livestock Farmer Group, Poasia District, Kendari City, targeting local goat farmers. The method used was a participatory approach, including observation, counseling, training, demonstrations, and mentoring. The results showed an improvement in farmers’ knowledge and skills in selecting superior does and bucks, as well as in recording livestock data. Farmers were able to identify superior animals based on specific criteria and began to implement simple recording systems to monitor livestock performance. In addition, farmer participation was relatively high, as indicated by active involvement in discussions and field practices. This activity proved effective in enhancing farmers’ capacity and has the potential to support sustainable improvement in local goat productivity.

Tes psikologis yang handal dan objektif sangat penting dalam perekrutan anggota Kepolisian Nasional Indonesia untuk memastikan seleksi kandidat yang berkualitas. Namun, metode pengujian psikologis konvensional seringkali memakan waktu, rentan terhadap kesalahan manusia, dan kurang transparan dalam pengolahan data dan manajemen hasil. Studi ini bertujuan untuk merancang dan mengimplementasikan Sistem Informasi Pengujian Psikologis Berbasis Web (E-Psikotes) untuk mendukung proses seleksi psikologis calon polisi di Polda Jawa Tengah. Data dikumpulkan melalui observasi prosedur pengujian yang ada, wawancara dengan psikolog dan anggota komite seleksi, kuesioner, dan analisis dokumentasi. Sistem dikembangkan menggunakan kerangka kerja CodeIgniter 3 dengan arsitektur Model View Controller (MVC), sedangkan MySQL digunakan sebagai sistem manajemen basis data. Evaluasi sistem melibatkan pengujian black box dan User Acceptance Test (UAT) untuk menilai fungsionalitas, kegunaan, dan kepuasan pengguna. Hasil penelitian menunjukkan bahwa Sistem Informasi Tes Psikologi Berbasis Web (E-Psikotes) untuk Seleksi Calon Anggota Kepolisian Republik Indonesia yang diusulkan secara efektif mengotomatiskan proses administrasi, penilaian, dan pelaporan tes psikologis. Sistem ini meningkatkan efisiensi, akurasi, dan transparansi dibandingkan dengan metode konvensional. Hasil evaluasi pengguna menunjukkan tingkat penerimaan yang tinggi, terutama dalam hal kemudahan penggunaan dan keandalan. Studi ini memberikan kontribusi pada bidang sistem informasi dengan menyediakan model praktis untuk pengujian psikologis digital dalam rekrutmen kepolisian. Temuan menunjukkan bahwa implementasi sistem pengujian psikologis berbasis web dapat mendukung transformasi digital dan meningkatkan kualitas pengambilan keputusan dalam proses rekrutmen sektor publik.

Pemilihan siswa berprestasi di sekolah seringkali dilakukan secara manual dan berpotensi menimbulkan subjektivitas dalam pengambilan keputusan. Penelitian ini bertujuan untuk menerapkan Sistem Pendukung Keputusan (SPK) menggunakan metode Simple Additive Weighting (SAW) guna meningkatkan objektivitas, transparansi, dan efisiensi dalam proses seleksi siswa berprestasi. Penelitian dilakukan pada satu sekolah dengan melibatkan 20 alternatif siswa dan empat kriteria penilaian yang telah ditentukan bobotnya, yaitu C1 (0,4), C2 (0,2), C3 (0,3), dan C4 (0,1). Tahapan penelitian meliputi normalisasi nilai, pembobotan, serta perhitungan nilai preferensi untuk menentukan peringkat akhir. Hasil penelitian menunjukkan bahwa metode SAW mampu menghasilkan pemeringkatan siswa secara sistematis dan terukur, dengan alternatif terbaik memperoleh nilai preferensi tertinggi sebesar 0,99. Proses perhitungan berbasis pembobotan memberikan kontribusi signifikan terhadap peningkatan objektivitas dibandingkan metode manual yang hanya menggunakan rata-rata nilai tanpa mempertimbangkan tingkat kepentingan kriteria. Selain itu, evaluasi pengguna menunjukkan bahwa sistem dinilai mudah digunakan, transparan, dan membantu dalam pengambilan keputusan yang lebih rasional. Dengan demikian, penerapan SPK berbasis metode SAW terbukti efektif dalam mendukung proses seleksi siswa berprestasi secara lebih adil dan akuntabel. Penelitian ini merekomendasikan pengembangan lebih lanjut melalui integrasi dengan sistem informasi akademik serta eksplorasi metode pengambilan keputusan multikriteria lainnya untuk meningkatkan akurasi dan fleksibilitas sistem.

The selection process for students eligible for the National Selection Based on Achievement (SNBP) requires objective and structured assessment because it involves various academic and non-academic criteria. This study aims to develop a Decision Support System (DSS) to determine the ranking of SNBP eligible students at SMAN 8 Surabaya using the Additive Ratio Assessment (ARAS) method. The ARAS method is used to evaluate student alternatives based on their report card scores for semesters 1-5, academic ability tests (TKA), academic achievements, non-academic achievements, discipline, organizational activity, and attendance through a normalization process to obtain relative Ki values. The results of the study show that the system is capable of producing objective student rankings with relative utility values (Ki) ranging from 95.15 to 89.38, where the highest value indicates the best alternative from all alternatives. The application of ARAS-based DSS can improve the efficiency, transparency, and consistency of the SNBP student selection process.

Waktu tunggu pelayanan resep obat merupakan salah satu hal penting dalam pelayanan kefarmasian di puskesmas. Waktu menunggu dapat mempengaruhi kepuasan pasien ketika mendapatkan pelayanan, sehingga berdampak pada kualitas pelayanan di puskesmas. Tujuan dari penyusunan artikel ini adalah untuk memberikan gambaran terkait informasi pelayanan waktu tunggu resep obat racik dan non racik yang ada di puskesmas. Pencarian artikel ini mencakup berbagai publikasi mengenai waktu tunggu resep di puskesmas melalui Google Scholar dengan metode Boolean Operator (AND, OR) Kriteria inklusi dalam pencarian artikel yang relevan terdiri dari artikel yang dipublikasikan antara tahun 2016-2026 dan tersedia dalam teks lengkap gratis. Hasil seleksi artikel yang dilakukan, diperoleh 9 artikel jurnal yang memenuhi kriteria inklusi. Berdasarkan 9 artikel tersebut, sebanyak 3 artikel menunjukkan bahwa waktu tunggu pelayanan resep obat racik atau non racik sudah sesuai standar, dan sebanyak 6 artikel menyatakan masih terdapat waktu tunggu pelayanan resep obat racik atau non racik yang belum sesuai standar berdasarkan Permenkes atau puskesmas terkait.

Penelitian ini bertujuan untuk mengidentifikasi manfaat utama, tantangan, dan peluang dalam mengadopsi cloud computing dalam lingkungan akuntansi syariah serta merumuskan kerangka konseptual untuk mengintegrasikan cloud accounting dengan nilai dan prinsip Islam. Penelitian ini menggunakan tinjauan literatur sistematis (SLR) sesuai dengan pedoman PRISMA. Sebanyak 12 artikel relevan yang diterbitkan antara tahun 2020-2025 dianalisis melalui tahapan seleksi berdasarkan kriteria inklusi-eksklusi, penyaringan basis data, dan sintesis deskriptif. Hasil kajian menunjukkan bahwa cloud accounting berkontribusi terhadap peningkatan efisiensi operasional, akurasi, dan ketepatan waktu pelaporan keuangan, dan mendorong pergeseran peran akuntan ke arah fungsi analitis dan pendukung pengambilan keputusan. Namun, tantangan signifikan tetap ada termasuk masalah keamanan dan kerahasiaan data, literasi digital yang terbatas, dan ketidakhadiran kerangka regulasi eksplisit untuk memastikan kepatuhan Syariah. Penelitian ini menegaskan perlunya pengembangan kerangka konseptual cloud accounting yang selaras dengan nilai dan prinsip syariah guna menjembatani kesenjangan etika, operasional, dan regulasi dalam praktik akuntansi digital.

Perkembangan teknologi kecerdasan buatan mendorong pemanfaatan chatbot sebagai media interaksi digital di berbagai bidang. Namun, rendahnya keterlibatan pengguna masih menjadi tantangan utama dalam penggunaan chatbot. Gamifikasi hadir sebagai pendekatan yang berpotensi meningkatkan engagement dengan mengintegrasikan elemen permainan seperti poin, lencana, level, tantangan, dan penghargaan ke dalam sistem chatbot. Penelitian ini bertujuan untuk mengkaji secara sistematis integrasi chatbot dan gamifikasi melalui tinjauan literatur terhadap publikasi ilmiah periode 2020–2025. Metode yang digunakan adalah Systematic Literature Review (SLR) berbasis Grounded Theory dengan tahapan define, search, select, dan analysis. Proses seleksi menghasilkan 100 artikel yang dianalisis untuk mengidentifikasi tren penelitian, domain penerapan, target pengguna, serta peran dan efektivitas elemen gamifikasi. Hasil kajian menunjukkan bahwa bidang pendidikan menjadi domain dominan dalam penerapan chatbot gamifikasi, diikuti oleh sektor bisnis dan hiburan. Elemen gamifikasi terbukti mampu meningkatkan keterlibatan, motivasi, dan pengalaman pengguna, khususnya pada konteks pembelajaran. Namun demikian, sebagian besar penelitian masih menerapkan mekanisme gamifikasi yang bersifat sederhana dan berfokus pada evaluasi jangka pendek. Selain itu, aspek etika, privasi, dan personalisasi pengguna masih kurang mendapat perhatian. Penelitian ini menyimpulkan bahwa integrasi chatbot dan gamifikasi memiliki potensi besar dalam meningkatkan engagement pengguna, serta membuka peluang penelitian lanjutan pada pengembangan mekanisme adaptif, studi longitudinal, dan penerapan lintas domain di masa depan.

This study aims to analyze the comprehensive relationship between selection, placement, career development, and employee well-being within the perspective of organizational psychology. Human resources (HR) are the central driver of organizational success, yet many institutions, including Islamic educational institutions, still face challenges in professional HR management. This research employs a library research method with a descriptive-comparative analysis approach, reviewing relevant scientific literature and empirical reports. The findings indicate that these four aspects form an integrated unit; effective selection based on person-organization fit provides quality candidates, appropriate placement optimizes potential, structured career development maintains motivation, and holistic well-being ensures loyalty and productivity. The study concludes that organizational success is heavily dependent on the synergy of these four components managed through an organizational psychology approach, rather than being treated as separate administrative functions.

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.

The National Student Arts Festival and Competition (FLS3N) is an event aimed at developing students’ talents and achievements in the arts, including solo vocal competitions. The assessment process in this category involves multiple criteria, which may lead to subjectivity in decision-making. This study aims to design and develop a web-based Decision Support System (DSS) for selecting non-academic students in the FLS3N solo vocal category using the Technique for Order Preference by Similarity to Ideal Solution (TOPSIS) method. The assessment criteria are based on the 2025 FLS3N Technical Guidelines, consisting of voice quality, vocal technique, expression, and performance. The TOPSIS method is applied to generate alternative rankings based on the highest preference value. The system is developed using a web-based software development approach and tested using participant data from both male and female categories. The results indicate that the system can provide objective and consistent ranking recommendations, thereby assisting schools in selecting the best students to represent them in the FLS3N competition.

Program KIP Kuliah bertujuan memperluas akses pendidikan tinggi yang adil, namun seleksi manual di tingkat kampus kerap subjektif dan sukar diaudit. Penelitian ini menawarkan dukungan seleksi berbasis data menggunakan klasifikator Naive Bayes untuk membantu pengambilan keputusan di Universitas Sepuluh Nopember Papua. Tujuan penelitian adalah: (1) merancang dan mengimplementasikan model yang transparan dan replikabel untuk memprediksi kelayakan beasiswa, serta (2) mengevaluasi kinerjanya dengan metrik klasifikasi standar. Metode yang digunakan mengikuti alur KDD di RapidMiner, mencakup impor data, kendali mutu, imputasi nilai hilang, penetapan peran atribut, dan penyandian fitur; pelatihan model menggunakan smoothing Laplace. Dataset berisi 543 pendaftar periode 2024–2025 dengan atribut sosioekonomi (pekerjaan dan penghasilan orang tua, jumlah tanggungan, status DTKS, desil P3KE), sementara label target berupa kelayakan historis. Evaluasi dilakukan pada himpunan uji berukuran 50. Hasil menunjukkan akurasi 94% dengan matriks kebingungan TP=45, FP=2, FN=1, TN=2; untuk kelas Layak, presisi 95,74% dan recall 97,83%; AUC 0,891 mengindikasikan pemisahan kelas yang kuat. Temuan ini membuktikan pendekatan mampu mengenali kandidat layak secara andal, seraya menyoroti keterbatasan sensitivitas pada kelas Tidak Layak yang minoritas. Kontribusi penelitian adalah rancangan pipa analitik yang ringan dan dapat diaudit, yang mempercepat penyaringan, mengurangi subjektivitas, serta memperkuat akuntabilitas melalui keluaran terukur. Implikasinya, model dapat berperan sebagai filter tahap awal untuk memfokuskan telaah komite; peningkatan ke depan mencakup penyeimbangan kelas, penyetelan ambang, dan pelatihan ulang berkala demi menjaga keadilan dan efisiensi.

Penyakit jantung tetap menjadi penyebab utama kematian di seluruh dunia, sehingga menekankan perlunya deteksi dini dan langkah pencegahan aktif melalui pendekatan yang didasarkan pada analisis data. Penelitian ini bertujuan untuk memprediksi kemungkinan terjadinya penyakit jantung dengan memanfaatkan berbagai metode pembelajaran mesin, yang bergantung pada indikator kesehatan seperti nilai tekanan darah, tingkat kolesterol, indeks massa tubuh, serta pengukuran denyut nadi. Penelitian ini menerapkan teknik pembelajaran terawasi, meliputi Regresi Logistik, Pohon Keputusan, Hutan Acak, dan Mesin Vektor Pendukung, untuk mengevaluasi efektivitas masing-masing model dalam menentukan kondisi kesehatan pasien. Data yang digunakan berasal dari repositori kesehatan yang dapat diakses secara gratis, mencakup 303 catatan medis pasien, di mana setiap catatan ditandai oleh 14 atribut kesehatan yang berbeda. Untuk memastikan keandalan data, beberapa langkah pra-pemrosesan diterapkan, seperti normalisasi, seleksi fitur, dan penanganan data yang hilang. Temuan eksperimen mengungkapkan bahwa algoritma Hutan Acak menunjukkan akurasi tertinggi sebesar 92,3%, mengungguli model lainnya dalam aspek presisi, recall, dan skor F1. Hal ini menandakan bahwa metode Hutan Acak unggul dalam mendeteksi pola dan faktor yang memperbesar risiko penyakit jantung. Penelitian ini berkontribusi pada pengembangan sistem diagnostik cerdas, yang dapat mendukung tenaga medis dalam pengambilan keputusan awal yang didasarkan pada bukti kuat. Kesimpulan dari studi ini menyoroti pentingnya memasukkan teknologi pembelajaran mesin ke dalam ekosistem layanan kesehatan digital guna meningkatkan ketepatan diagnosis dan memperbaiki hasil kesehatan pasien.

Industri café di Indonesia menghadapi tantangan dalam mengelola menu yang tidak laris, yang dapat menimbulkan kerugian akibat penumpukan bahan baku dan inefisiensi operasional. Penelitian ini bertujuan untuk memprediksi menu tidak laris menggunakan algoritma Decision Tree sebagai dasar penyusunan strategi bundling dan promosi yang efektif di café. Metode penelitian menggunakan pendekatan Knowledge Discovery in Database (KDD) yang mencakup tahapan seleksi data, pra-pemrosesan, transformasi, data mining, dan evaluasi pola. Dataset penelitian terdiri dari 500 record transaksi café yang dibagi menjadi 80% data latih (400 record) dan 20% data uji (100 record). Variabel yang digunakan meliputi jenis promo, nama menu, harga, kategori harga, cuaca, dan label kelarisan. Hasil penelitian menunjukkan bahwa model Decision Tree mampu memprediksi menu tidak laris dengan akurasi 84%, precision 87,50% untuk kelas Laris, dan 77,78% untuk kelas Tidak Laris. Analisis pohon keputusan mengidentifikasi bahwa jenis promo merupakan faktor paling dominan dalam menentukan kelarisan menu, diikuti oleh nama menu, harga, dan kondisi cuaca. Promo buy 1 get 1 terbukti paling efektif meningkatkan penjualan secara konsisten, sementara menu tanpa promo cenderung tidak laris. Menu seperti Coconut Steezy dan Steezy Coffee menunjukkan performa stabil bahkan dengan diskon ringan. Temuan ini memberikan rekomendasi strategis bagi pengelola café dalam mengoptimalkan promosi, mengurangi pemborosan bahan baku, dan meningkatkan profitabilitas melalui pendekatan berbasis data yang dapat diimplementasikan secara praktis.

Pertumbuhan eksponensial Internet of Things (IoT) menghasilkan tantangan keamanan jaringan yang signifikan, terutama intrusi jaringan, di mana metode deteksi tradisional gagal melawan serangan adaptif. Kajian ini menyajikan Systematic Literature Review (SLR) berpedoman PRISMA untuk memahami pemanfaatan Artificial Intelligence (AI) dalam deteksi anomali pada IoT. Tujuannya adalah mengidentifikasi algoritma AI yang dominan, mengevaluasi performa, dan menilai pertimbangan efisiensi energi dalam penelitian terkini. SLR menganalisis 24 studi primer dari basis data Scopus yang diterbitkan antara tahun 2021 hingga 2025. Temuan utama menunjukkan dominasi algoritma deep learning: Convolutional Neural Network (CNN), Long Short-Term Memory (LSTM), dan model hibrida/ensemble. Pendekatan ini terbukti sangat efektif, dengan akurasi deteksi seringkali melebihi 99% pada dataset benchmark. Selain itu, efisiensi sumber daya diidentifikasi sebagai isu sentral. Solusi yang diimplementasikan meliputi optimalisasi model ringan, kompresi Quantized Autoencoder (QAE), dan seleksi fitur, yang secara signifikan mengurangi konsumsi energi dan beban komputasi. Penelitian ini memberikan gambaran komprehensif mengenai state-of-the-art deteksi anomali IoT berbasis AI, menegaskan perlunya keseimbangan antara akurasi tinggi dan efisiensi sumber daya. Implikasinya, riset mendatang disarankan untuk memprioritaskan pengujian di dunia nyata, mengintegrasikan Explainable AI (XAI), dan mengembangkan metrik efisiensi yang terstandarisasi demi solusi keamanan IoT yang lebih praktis dan terpercaya.

Penelitian ini bertujuan untuk membangun sebuah sistem pendukung keputusan berbasis website guna membantu proses seleksi beasiswa berprestasi di SMAN 17 Bungo secara lebih objektif, efisien, dan transparan. Metode yang digunakan dalam sistem ini adalah Simple Additive Weighting (SAW), yang berfungsi untuk melakukan perhitungan dan pemeringkatan calon penerima beasiswa berdasarkan beberapa kriteria yang telah ditentukan, seperti nilai rapor, kehadiran, penghasilan orang tua, dan prestasi siswa. Pengujian sistem dilakukan menggunakan metode Black Box Testing untuk memastikan bahwa setiap fitur berfungsi sesuai dengan yang diharapkan, seperti login admin, pengelolaan data siswa dan kriteria, input penilaian, serta hasil keputusan akhir. Hasil pengujian menunjukkan bahwa seluruh fungsi sistem berjalan dengan baik. Sistem ini telah diimplementasikan dengan dukungan perangkat keras (hardware), perangkat lunak (software), dan sumber daya manusia (brainware) yang sesuai, serta diuji dalam lingkungan lokal menggunakan XAMPP. Dengan adanya sistem ini, proses seleksi beasiswa di SMAN 17 Bungo menjadi lebih cepat, akurat, dan mendukung digitalisasi administrasi sekolah.

This study examines the crisis in teacher quality in the disruption era, caused by weak recruitment and selection systems that remain administrative, subjective, and lack transparency. The research aims to analyze the need for transforming recruitment and selection strategies toward a competency- and technology-based model as a solution to improve educational quality. This research employs a qualitative approach with a case study at MTs YPI Darul Huda Belitang OKU Timur. Data were collected through interviews, observations, and documentation, then analyzed descriptively using the Miles and Huberman interactive model. Data validity was tested through source and technique triangulation. The findings reveal that implementing competency- and technology-based recruitment systems, such as e-recruitment and online assessment, enhances objectivity, transparency, and efficiency in the selection process. This transformation strengthens teacher professionalism and improves the quality of educational institutions to become more adaptive to the challenges of the digital era.

The selection process for prospective cadets at a maritime college is routinely carried out every year. In the current system, the processing and calculation of prospective cadet scores uses Microsoft Excel tools, but this takes a long time and can lead to errors in the calculation of scores and the recapitulation of selection results. In addition, unintegrated data can lead to data duplication, resulting in inaccurate selection results that can be detrimental to prospective cadets. A fast, precise, and accurate integrated decision support system is needed to support the selection process for prospective cadets. The author conducted a study on the prospective cadet admission system at UNIMAR AMNI Semarang using the Multi-Objective Optimization On The Basis Of Ratio Analysis (MOORA) method to assist in the selection of qualified prospective cadets who meet the established criteria. With this decision support system using the Multi-Objective Optimization On The Basis Of Ratio Analysis (MOORA) method, it can be used to solve the selection problem for prospective cadets because it has a short calculation time, is simple, transparent, and has high flexibility. This system will be built using the Codeigniter Framework and a MySQL database.