Jurnal Sistem Informasi dan Sistem Komputer

Dampak Tecnostress Terhadap Anggota Kelompok Penyelenggara Pemungutan Suara Pengguna Aplikasi SIREKAP Pada Kelurahan Sempaja Timur

Fakhmul Amal — 2026-01-03

Pemanfaatan teknologi oleh pemerintah yang dilandaskan pada peraturan Presiden Republik Indonesia Nomor 132 Tahun 2022, pada instansi Komisi Pemilihan Umum (KPU) menggunakan Sistem Informasi Rekapitulasi Pemilu (SIREKAP) sebagai alat bantu rekapitulasi suara pada pemilihan serentak bulan Februari tahun 2024. Dengan adanya penerapan ini memengaruhi penurunan performa kerja dan juga kesehatan mental pekerja. Dirasa perlu untuk dilakukan analisis yang bertujuan untuk mengetahui bagaimana dampak dan pengaruh technostress terhadap anggota KPPS pengguna aplikasi SIREKAP Kelurahan Sempaja Timur. Hal ini dilakukan dengan tujuan untuk mengetahui penyebab serta solusi yang bisa diterapkan dalam mengatasi technostress. Responden dari penelitian ini merupakan anggota KPPS pengguna aplikasi SIREKAP berjumlah 110 orang. Pengolahan serta analisis data menggunakan aplikasi statistik SmartPLS 3 Versi 3.2.9. Hasil dari 4 hipotesis menunjukan bahwa technostress cretator berpengaruh signifikan terhadap end-user satisfaction serta end-user performance. Dengan ini dapat direkomendasikan untuk melakukan update atau penyempurnaan aplikasi untuk meningkatkan kepuasan dan performa pengguna dalam melakukan pekerjaan pada pemilu selanjutnya.

Aplikasi Web Image-To-Sketch Converter Berbasis Generative Adversarial Network (GAN)

Rizky Suhaila HSB — 2026-01-03

Penelitian ini bertujuan untuk mengembangkan aplikasi berbasis web yang mampu mengubah gambar menjadi sketsa secara otomatis menggunakan pendekatan Generative Adversarial Network (GAN). Model yang diimplementasikan merupakan adaptasi dari arsitektur Cycle-GAN yang dikenal efektif dalam transformasi citra tanpa pasangan data. Aplikasi ini dibangun menggunakan teknologi HTML, CSS, dan JavaScript, dengan integrasi TensorFlow.js yang memungkinkan proses inferensi langsung di peramban tanpa memerlukan server eksternal. Evaluasi kinerja dilakukan menggunakan metrik kuantitatif seperti Structural Similarity Index Measure (SSIM) dan Fréchet Inception Distance (FID). Hasil simulasi menunjukkan bahwa aplikasi menghasilkan sketsa dengan kualitas visual dan struktural yang cukup baik, dengan nilai SSIM rata-rata 0,78 dan FID sebesar 47,2. Aplikasi juga menunjukkan waktu respon yang cepat dan antarmuka yang ramah pengguna, menjadikannya solusi yang praktis dan efisien dalam bidang pengolahan citra digital. Penelitian ini membuktikan bahwa pendekatan GAN berbasis web dapat diterapkan secara efektif untuk menghasilkan sketsa dari citra dengan ketelitian dan kecepatan yang memadai.

Prediksi Dampak Gempa Bumi di Indonesia Dengan Menggunakan Artificial Neural Network

Kevin Handoyo — 2026-01-04

Penelitian ini memiliki tujuan untuk membangun sistem prediksi dampak gempa bumi di Indonesia dengan mengimplementasikan metode kecerdasan buatan yaitu Artificial Neural Network (ANN). Dataset yang digunakan adalah data gempa bumi Indonesia tahun 2023–2025 yang telah melalui proses preprocessing, labeling, dan penyeimbangan kelas dengan metode SMOTE. Model ANN dirancang dengan 24 input neuron, dua hidden layer, dan output 3 kelas dampak. Pelatihan model dilakukan menggunakan data training sebesar 70% dan data testing sebesar 30%. Evaluasi dilakukan dengan menggunakan matrik evaluasi seperti accuracy, precision, recall, dan F1-score. Hasil yang diperoleh menunjukkan accuracy ANN sebesar 99% dan F1-score tinggi pada semua kelas termasuk kelas minoritas. Pengujian lanjutan menunjukkan model tetap akurat dalam memprediksi dampak berdasarkan input magnitudo dan kedalaman.

Penerapan Arsitektur Convolutional Neural Network Untuk Klasifikasi Biner Pada Objek Daun Mangga dan Jambu

Lailan Sofinah Harahap — 2026-01-05

Identifikasi klasifikasi jenis tumbuhan secara otomatis berdasarkan citra daun masih menjadi tantangan tersendiri di bidang botani dan pertanian. Untuk mengatasi masalah ini, arsitektur Convolutional Neural Network (CNN) diterapkan untuk melakukan tugas klasifikasi biner, yaitu membedakan antara objek daun mangga (Mangifera indica) dan daun jambu biji (Psidium guajava) berdasarkan citranya. Dataset terdiri dari 1004 citra (502 mangga dan 502 jambu), dibagi menjadi 80% data latih dan 20% data validasi. Arsitektur CNN yang dibangun mencakup tiga lapisan konvolusi untuk ekstraksi fitur otomatis, diikuti lapisan pooling, flatten, dropout, dan dense untuk klasifikasi. Model dilatih menggunakan data latih yang telah di augmentasi selama 15 epoch dengan optimizer Adam dan fungsi loss binary crossentropy. Hasil evaluasi pada data validasi menunjukkan model mencapai akurasi 95.02%, membuktikan kemampuan dalam mempelajari pola pembeda dan melakukan klasifikasi biner pada objek daun secara efektif.

Identifikasi Pengenalan Tanda Tangan Menggunakan Algoritma Backpropagation dan GLCM (Grey Level Co-Occurrence Matrix)

Dea Alya — 2026-01-05

Tanda tangan adalah salah satu biometrik berbasis perilaku yang sering digunakan dalam proses autentikasi. Namun, berbagai jenis tanda tangan menyebabkan proses identifikasi menjadi kompleks, sehingga memerlukan penggunaan teknologi komputer yang baik. Studi ini dibuat sebagai upaya untuk menganalisis tanda tangan yang dimiliki oleh pemilik tanda tangan berdasarkan tekstur citra menggunakan metode ekstraksi Grey Level Co-occurrence Matrix (GLCM) dan klasifikasi Backpropagation. Empat fitur GLCM (contrast, correlation, energy, homogeneity) dihitung dalam empat arah (0°, 45°, 90°, 135°). Data terdiri dari sekitar 80 data dari 4 kelas, dibagi menjadi 20 data uji dan 60 data latih. Pengujian dilakukan lima kali untuk setiap konfigurasi neuron guna memperoleh hasil rata-rata. Hasil penelitian ini menunjukkan bahwa konfigurasi lapisan tersembunyi dengan 50 neuron memberikan kinerja terbaik dengan akurasi rata-rata sekitar 80%. Meningkatkan jumlah neuron cenderung mengurangi akurasi karena kemungkinan overfitting. Meskipun demikian, kombinasi GLCM dan Backpropagation dapat mengidentifikasi tanda tangan dengan cukup baik.

Implementasi Sistem Presensi Mahasiswa Berbasis Pengenalan Wajah Menggunakan Model Facenet (CNN Backbone) dan Metode KNN

Maliki Maliki — 2026-01-06

Kemajuan teknologi kecerdasan buatan dan pemrosesan citra mendorong pengembangan sistem presensi yang lebih efektif dan akurat pada lingkungan perguruan tinggi. Penelitian ini difokuskan untuk menyusun dan mengimplementasikan sistem presensi mahasiswa menggunakan pengenalan wajah menggunakan FaceNet (CNN Backbone) sebagai ekstraktor fitur, sedangkan metode K-Nearest Neighbors (KNN) untuk klasifikasi identitas. Penelitian dilakukan melalui delapan tahapan, yaitu data collecting, exploratory data analysis, data preprocessing, model training, model evaluation, deployment, system testing, dan monitoring. Dataset yang digunakan terdiri dari 325 citra wajah dari 13 kelas mahasiswa dengan variasi pose, ekspresi, dan kondisi pencahayaan. Pengujian sistem dilakukan pada beberapa skenario utama, termasuk variasi intensitas cahaya dan jarak wajah ke kamera. Hasil pengujian menunjukkan akurasi pengenalan wajah sebesar 97% pada dataset yang digunakan dengan performa sistem yang stabil. Hasil ini menunjukkan bahwa kombinasi FaceNet (CNN Backbone) dan KNN efektif untuk mendukung presensi mahasiswa otomatis di lingkungan perguruan tinggi.

Analisis Sentimen Terhadap Game Clash of Clans Berdasarkan Ulasan Pemain Menggunakan Metode Support Vector Machine

Satria Bayu Agustian — 2026-01-13

Popularitas game Clash of Clans menghasilkan volume ulasan yang besar pada platform Google Play Store hingga saat ini. Studi ini mengevaluasi opini pemain menggunakan pendekatan Support Vector Machine (SVM) terhadap 3.287 data ulasan yang dihimpun pada periode April-Mei 2025. Serangkaian tahapan preprocessing diterapkan, mulai dari pembersihan data hingga stemming. Selanjutnya, ulasan dikategorikan ke dalam label sentimen positif dan negatif. Data tersebut kemudian diproses melalui pembobotan teks TF-IDF untuk selanjutnya diklasifikasikan menggunakan algoritma SVM. Hasil pengujian menunjukkan dominasi sentimen positif dengan tingkat akurasi mencapai 89%. Temuan ini memberikan wawasan bagi pengembang dalam memetakan preferensi serta aspirasi pemain, sekaligus mengonfirmasi keandalan teknik machine learning untuk analisis sentimen yang presisi.

Implementasi Mobilenetv2 Untuk Aplikasi Edukasi Sejarah Monumen Nasional Berbasis Computer Vision

Ryan Rahman — 2026-01-14

Kemajuan teknologi mobile dan kecerdasan buatan telah membuka peluang baru dalam penyediaan materi pendidikan interaktif pada ranah sejarah dan pariwisata. Penelitian ini mengembangkan aplikasi mobile edukatif untuk Monumen Nasional dengan menerapkan model MobileNetV2 dalam tugas computer vision. Aplikasi memungkinkan pengunjung memindai objek sejarah dari Monas menggunakan kamera smartphone dan memperoleh informasi secara instan. Model MobileNetV2 dipilih karena efisiensi komputasi, ukuran ringan, dan akurasi tinggi yang sesuai untuk perangkat mobile. Penelitian ini melibatkan lima tahap utama berdasarkan metode CRISP-DM: analisis kebutuhan, pengumpulan data, pra-pemrosesan citra, pelatihan model, serta integrasi model ke aplikasi. Hasil pengujian menunjukkan akurasi klasifikasi sebesar 99%, nilai loss 0,02, dan nilai loss saat validasi 0,06, menandakan model mencapai konvergensi stabil dengan indikasi overfitting yang ringan. Temuan ini menunjukkan efektivitas MobileNetV2 dalam aplikasi edukatif berbasis computer vision yang efisien di perangkat mobile, serta berkontribusi pada pelestarian budaya melalui media edukatif interaktif.

Klasifikasi Jamur Beracun dan Tidak Beracun Menggunakan Transfer Learning Model Mobilenetv2 Pada Tensorflow di Indonesia

Syafiq Hidayatullah — 2026-01-15

Jamur memiliki peran penting dalam pangan dan kesehatan, tetapi kesamaan morfologis antara jamur beracun dan tidak beracun menyulitkan identifikasi akurat. Penelitian ini mengklasifikasikan jamur beracun dan tidak beracun di Indonesia menggunakan Transfer Learning dengan arsitektur MobileNetV2 pada TensorFlow. Metode penelitian mengikuti tahapan CRISP-DM yang mencakup pengumpulan data, pra-pemrosesan citra, pelatihan model, serta evaluasi kinerja. Model MobileNetV2 mencapai akurasi 99,13%, precision 99,49%, recall 98,97%, dan F1-score 99%. Grafik akurasi dan loss menunjukkan peningkatan kinerja yang stabil tanpa overfitting. Hasil ini menegaskan efektivitas Transfer Learning menggunakan MobileNetV2 dalam identifikasi fitur visual jamur. Model ini berpotensi diaplikasikan pada platform web atau aplikasi mobile sebagai alat bantu identifikasi jamur otomatis, mengurangi risiko keracunan.

Pengembangan Sistem Informasi Terpadu Untuk Pengelolaan Aset, IT dan Laboratorium di Sekolah Kejuruan

Refi Riduan Achmad — 2026-01-15

Pengelolaan sarana prasarana, teknologi informasi, dan laboratorium di sekolah kejuruan memerlukan sistem yang mampu mengelola data secara terintegrasi dan terstruktur. Pada praktiknya, pengelolaan aset di sekolah masih banyak dilakukan menggunakan beberapa file dan aplikasi terpisah, sehingga berpotensi menimbulkan duplikasi data, kesalahan pencatatan, dan kesulitan dalam monitoring. Penelitian ini bertujuan untuk mengembangkan sistem informasi terpadu berbasis web yang mendukung pengelolaan aset, teknologi informasi, dan laboratorium sebagai studi kasus di SMK Tamansiswa Kota Mojokerto. Metode pengembangan sistem yang digunakan adalah Rational Unified Process (RUP) karena bersifat iteratif dan sistematis. Sistem dikembangkan menggunakan framework CodeIgniter 4 dengan arsitektur Model–View–Controller (MVC) serta basis data MySQL. Pengujian sistem dilakukan melalui Black Box Testing untuk memastikan fungsi sistem berjalan sesuai kebutuhan, serta User Acceptance Testing (UAT) untuk mengetahui tingkat penerimaan pengguna. Hasil pengujian menunjukkan bahwa seluruh fungsi utama sistem dapat berjalan dengan baik dan UAT memperoleh tingkat kepuasan pengguna sebesar 92% dengan kategori Sangat Baik. Dengan demikian, sistem yang dikembangkan mampu mendukung pengelolaan aset sekolah secara terintegrasi dan diterima dengan baik oleh pengguna.

Klasifikasi Resiko Drop Out Mahasiswa ITAF Kupang Menggunakan Random Forest Sebagai Sistem Peringatan Dini

Mohamad Iqbal Ulumando — 2026-01-28

Penelitian ini bertujuan untuk mengembangkan model klasifikasi resiko drop out mahasiswa pada Institut Teknologi Alberth Foenay (ITAF) Kupang menggunakan algoritma Random Forest. Dataset yang digunakan terdiri dari 200 mahasiswa dengan beberapa variabel akademik seperti IPK, jumlah SKS, rata-rata nilai, kehadiran, mata kuliah ulang, durasi studi, dan jumlah mata kuliah tidak lulus. Tahap preprocessing dilakukan melalui pembersihan data, imputasi nilai hilang, standarisasi tipe data, serta penanganan ketidakseimbangan kelas. Model Random Forest kemudian dilatih menggunakan data training dan dievaluasi menggunakan data testing. Hasil evaluasi menunjukkan bahwa model mampu melakukan klasifikasi risiko drop out dengan performa sangat baik, dengan akurasi 91%, precision 83%, recall 78%, F1-Score 0.80, dan ROC-AUC 0.94. Analisis feature importance menunjukkan bahwa IPK, kehadiran, dan jumlah mata kuliah tidak lulus merupakan variabel yang paling berpengaruh dalam penentuan risiko. Secara keseluruhan, penelitian ini menunjukkan bahwa Random Forest efektif digunakan sebagai sistem peringatan dini untuk mengklasifikasikan mahasiswa berpotensi drop out sehingga dapat membantu institusi dalam melakukan intervensi akademik secara lebih tepat sasaran.

Analisis Usability Aplikasi Bale By BTN di Provinsi Gorontalo Menggunakan System Usability Scale

Muhamad Agung Gawa — 2026-01-29

Transformasi digital pada sektor perbankan mendorong peningkatan penggunaan aplikasi mobile banking, termasuk bale by BTN. Namun, berbagai keluhan mengenai tampilan, navigasi, dan performa aplikasi menunjukkan perlunya evaluasi usability. Penelitian ini bertujuan untuk mengetahui tingkat usability aplikasi bale by BTN berdasarkan pengalaman pengguna di Provinsi Gorontalo menggunakan metode System Usability Scale (SUS), mengidentifikasi fitur yang dinilai kurang optimal, serta memberikan rekomendasi perbaikan bagi pengembang. Penelitian menggunakan pendekatan kuantitatif deskriptif melalui penyebaran kuesioner SUS kepada 50 pengguna aktif. Hasil menunjukkan skor rata-rata 68,95 yang berada pada Grade C atau “OK” dengan tingkat penerimaan marginal. Temuan ini menunjukkan bahwa aplikasi cukup mudah digunakan, namun belum optimal pada aspek navigasi, kecepatan, dan konsistensi antarmuka. Penelitian menyimpulkan perlunya perbaikan UI/UX untuk meningkatkan kenyamanan dan efektivitas penggunaan aplikasi.

Penerapan Model UTAUT Pada Penerimaan Layanan GrabCar dan GrabBike: Studi Kasus Mahasiwa Universitas Negeri Gorontalo

Yusuf Caesaryo Syafrullah Ibrahim — 2026-01-29

Layanan transportasi online telah mengubah lanskap mobilitas masyarakat secara signifikan. Penelitian ini bertujuan untuk menganalisis faktor-faktor yang memengaruhi penerimaan teknologi layanan GrabCar dan GrabBike di kalangan mahasiswa Universitas Negeri Gorontalo dengan menerapkan model Unified Theory of Acceptance and Use of Technology (UTAUT). Penelitian ini menggunakan metode kuantitatif dengan teknik purposive sampling. Sebanyak 100 responden berpartisipasi dalam survei ini. Data dianalisis menggunakan metode Structural Equation Modeling (SEM) berbasis varian atau Partial Least Squares (PLS) dengan bantuan perangkat lunak SmartPLS. Hasil pengujian hipotesis menunjukkan bahwa Performance Expectancy, Effort Expectancy, dan Social Influence memiliki pengaruh yang signifikan terhadap Behavioral Intention. Selanjutnya, Behavioral Intention terbukti berpengaruh signifikan terhadap Use Behavior. Namun, variabel Facilitating Conditions ditemukan tidak memiliki pengaruh signifikan terhadap perilaku penggunaan aktual mahasiswa. Temuan ini mengindikasikan bahwa aspek manfaat, kemudahan, dan pengaruh sosial menjadi pendorong utama adopsi layanan, sementara ketersediaan fasilitas teknis dianggap sebagai kebutuhan dasar yang sudah terpenuhi.

Perancangan Aplikasi Apotek Sehat Berbasis Mobile Dengan Menggunakan Metode MADLC

Ignatius Adrian Mastan — 2026-01-29

Apotek Sehat adalah sebuah apotek yang memiliki usaha di daerah Jakarta, selama ini apotek melayani pembelian obat customer baik dengan resep maupun tidak dengan resep. Selama ini terdapat beberapa kendala dalam kegiatan operasional apotek antara lain antrian panjang, keterbatasan informasi mengenai ketersediaan obat, serta kurangnya akses yang cepat terhadap pelayanan. Penelitian ini memiliki tujuan merancang sebuah aplikasi apotek sehat berbasis mobile dengan mempergunakan metode Mobile Application Development Life Cycle (MADLC), yang memiliki beberapa tahapan dimulai dengan identification, design, development, prototype, testing, deployment, maintenance. Hasil penelitian menunjukkan hasil perancangan aplikasi apotek sehat telah memenuhi kebutuhan pengguna dan dapat mengatasi permasalahan yang dihadapi apotek sehat. Hal ini didukung dengan hasil nilai System Usability Scale dengan rata-rata nilai 76,75 dengan kategori Baik. Dengan demikian perancangan aplikasi apotek sehat dengan menggunakan metode Mobile Application Development Life Cycle (MADLC) dapat menyelesaikan permasalahan yang dihadapi oleh Apotek Sehat.

Implementasi Sistem Monitoring Stok Kedelai Berbasis Appsheet Menggunakan Metode Continuous Review System Pada UD. Gadang

Riski Hamonangan — 2026-01-29

Penelitian ini membahas implementasi sistem monitoring stok kacang kedelai berbasis AppSheet dengan metode Continuous Review System pada UD. Gadang, industri rumah tangga penghasil tempe di Kabupaten Mandailing Natal. Permasalahan utama yang dihadapi adalah kekurangan bahan baku akibat kapasitas gudang terbatas dan pencatatan stok yang masih manual. Tujuan penelitian ini adalah meningkatkan efisiensi pengendalian persediaan melalui penentuan parameter pemesanan optimal dan digitalisasi monitoring stok. Hasil perhitungan menunjukkan ukuran lot pemesanan optimal sebesar 2.500 kg, reorder point 1.470 kg, dan safety stock 245 kg. Penerapan metode Continuous Review System menurunkan total biaya persediaan dari Rp. 155.421.471,48 menjadi Rp. 148.643.080,80 atau efisiensi sebesar 4,36%. Implementasi AppSheet mempercepat waktu pencatatan dari 10 sampai15 menit menjadi 3 sampai 5 menit per transaksi dan meningkatkan akurasi data hingga lebih dari 95%. Secara keseluruhan, sistem ini efektif dalam meningkatkan efisiensi biaya dan kinerja pengendalian persediaan bahan baku.

Analisis Kebutuhan Sistem Monitoring dan Evaluasi Digital Sebagai Pendukung Pengelolaan Desa Wisata Berkelanjutan

Dian Novendria Mutiara Syaharani — 2026-01-30

Pengelolaan desa wisata memerlukan sistem monitoring dan evaluasi yang terstruktur untuk menjamin efektivitas, transparansi, dan keberlanjutan. Namun, pada banyak desa wisata, proses monitoring dan evaluasi masih dilakukan secara manual dan terfragmentasi sehingga menyulitkan pengelolaan informasi serta pengambilan keputusan oleh pemangku kepentingan. Penelitian ini bertujuan untuk menganalisis kebutuhan sistem monitoring dan evaluasi digital sebagai pendukung pengelolaan desa wisata berkelanjutan. Metode penelitian yang digunakan adalah analisis kebutuhan perangkat lunak dengan pendekatan Software Requirements Specification (SRS) melalui identifikasi permasalahan, analisis pemangku kepentingan, serta perumusan kebutuhan fungsional dan non-fungsional sistem. Hasil penelitian berupa dokumen SRS yang merumuskan kebutuhan sistem meliputi pengelolaan data desa wisata, monitoring kinerja, evaluasi berbasis indikator keberlanjutan, serta penyajian informasi yang transparan dan terintegrasi. Hasil analisis ini diharapkan dapat menjadi landasan teknis dalam pengembangan sistem digital yang mendukung pengelolaan desa wisata secara efektif dan berkelanjutan.

Analisis Pemanfaatan Teknologi Informasi (TI) Terhadap Peningkatan Kinerja UMKM di Kota Kendari Dengan Pendekatan Regresi

Nur Iman — 2026-01-31

Penelitian ini bertujuan untuk mengukur sejauh mana variabel Teknologi Informasi berkontribusi terhadap efisiensi dan efektivitas UMKM yang ada di Kota Kendari. Dengan menggunakan metode kuantitatif melalui analisis regresi linear berganda, data dikumpulkan dari UMKM di kota Kendari. Data sebanyak 90 pelaku usaha yang bergerak diberbagai industri barang dan jasa. Hasil penelitian menunjukkan bahwa integrasi Teknologi Informasi berpengaruh positif dan signifikan terhadap peningkatan kinerja UMKM, yaitu dengan nilai pengaruh sebesar 56% dan sisanya sebesar 44% dipengaruhi oleh faktor lain. Temuan ini menyarankan bahwa investasi pada pemanfaatan Teknologi Informasi yang tepat guna dapat menjadi keunggulan kompetitif bagi pelaku UMKM.

Analisa Perancangan Sistem Informasi Penggajian Karyawan Menggunakan Model Extreme Programming Pada CV. Faid Computer

Yoga Aditya Miorandi — 2026-01-31

Dalam era digital yang semakin berkembang, perusahaan dituntut untuk memiliki sistem pengelolaan data yang efektif, termasuk dalam proses penggajian karyawan. CV. Faid Computer hingga saat ini masih menggunakan sistem penggajian konvensional yang belum terintegrasi yang rentan terhadap kesalahan, membutuhkan waktu lama, serta menyulitkan proses rekapitulasi dan pembuatan laporan. Melalui penerapan metode Extreme Programming (XP), penelitian ini berupaya menghadirkan solusi sistem informasi penggajian yang berplatform web, guna meningkatkan produktivitas, akurasi, serta efisiensi waktu dalam proses penggajian. Metode penelitian meliputi observasi, wawancara, dan studi pustaka untuk menganalisis kebutuhan sistem, diikuti tahapan XP mulai dari planning, design, coding, hingga testing dengan pengujian blackbox. Hasil penelitian menunjukkan bahwa sistem informasi penggajian yang dikembangkan mampu mempercepat proses penghitungan gaji, meminimalkan kesalahan, meningkatkan transparansi laporan, mempermudah akses penggajian, serta mendukung pengambilan keputusan melalui penyediaan data yang akurat dan terstruktur.

Integrasi Sistem Alat Deteksi Multivariable Dalam Kandungan Air Untuk Aplikasi Medis

H. Muhammad Refqie Adam — 2026-01-31

Kualitas air merupakan parameter kritikal dalam operasional fasilitas kesehatan, di mana kontaminasi mineral atau ketidakseimbangan pH dapat memicu kerusakan pada instrumen medis sensitif seperti mesin Hemodialisa dan unit sterilisasi CSSD. Penelitian ini bertujuan untuk mengintegrasikan sistem deteksi multivariable portabel yang mampu memonitor parameter Total Dissolved Solid (TDS), Electrical Conductivity (EC), pH, suhu, dan kekeruhan secara real-time. Metodologi penelitian yang diterapkan adalah model pengembangan ADDIE (Analysis, Design, Development, Implementation, Evaluation). Hasil pengujian validasi menunjukkan performansi sistem yang sangat stabil dengan nilai rata-rata error untuk parameter TDS sebesar 2,6%, EC 2,28%, pH 4,64%, dan suhu 2,89%. Implementasi lapangan di RSD Idaman Banjarbaru pada unit Hemodialisa, CSSD, dan Depot Air Minum mengonfirmasi bahwa seluruh parameter air produk Reverse Osmosis (RO) masih berada dalam batas aman sesuai regulasi Permenkes Nomor 2 Tahun 2023[1]. Integrasi sistem ini memberikan solusi praktis bagi teknisi elektromedis dalam pemeliharaan preventif dan penjaminan mutu air medis secara mandiri dan akurat.