JURNAL INFORMASI DAN KOMPUTER

OPTIMALISASI PERSEDIAAN BAHAN BAKU DAN JADWAL PRODUKSI DENGAN METODE EOQ DAN ELECTRE

2026-02-02T14:03:08+07:00

Perseroan Terbatas Smart Tech Tex menghadapi permasalahan penentuan urutan produksi dan pengelolaan bahan baku yang tidak sistematis, menyebabkan penumpukan orderan, ketidakstabilan perencanaan bahan baku, dan keterlambatan produksi. Penelitian ini menggunakan metode Economic Order Quantity (EOQ) untuk menentukan kuantitas pemesanan optimal bahan baku dan Reorder Point (ROP) untuk menetapkan waktu pemesanan, serta metode Elimination Et Choix Traduisant la Réalité (ELECTRE) untuk menyusun prioritas produksi. Data dikumpulkan melalui observasi langsung, wawancara dengan manajer produksi, dan dokumen historis produksi periode 2023-2025 di PT Smart Tech Tex, Desa Rawaurip, Cirebon. Hasil penelitian menunjukkan penerapan EOQ berhasil mengurangi biaya simpan persediaan bahan baku, sedangkan ELECTRE mampu menyusun jadwal produksi yang lebih terstruktur berdasarkan prioritas yang ditetapkan. Kombinasi kedua metode terbukti efektif mengoptimalkan persediaan bahan baku dan jadwal produksi di PT Smart Tech Tex.

PENERAPAN SISTEM PAPERLESS MEMANFAATKAN OWNCLOUD SEBAGAI PRIVATE CLOUD COMPUTING DI RUMAH TAHANAN NEGARA KLAS I CIREBON

2026-02-13T14:05:05+07:00

Rumah Tahanan Negara Klas I Cirebon memiliki tugas pokok yaitu Unit Pelaksanaan Teknis di bidang penahanan untuk kepentingan penyidikan, penuntutan dan pemeriksaan di sidang pengadilan wilayah hukum Kota Cirebon dan Kabupaten Cirebon yang berada di bawah dan bertanggung jawab langsung kepada Kepala Kantor Wilayah Kementrian Hukum dan Hak Asasi Manusia Jawa Barat. Rumah Tahanan Negara Kelas I Cirebon masih menggunakan banyak kertas dalam proses pelaporannya, contohnya pada proses pengecekan dokumen.

ALGORITMA ARTIFICIAL NEURAL NETWORK UNTUK MEMPREDIKSI KOLEKSI BUKU FAVORIT PADA DINAS PERPUSTAKAAN DAN KEARSIPAN

2026-02-03T14:31:10+07:00

METODE K-MEDOIDS UNTUK CLUSTERING PERPANJANG KONTRAK KERJA KARYAWAN

2026-02-03T09:24:55+07:00

Perpanjangan kontrak kerja merupakan salah satu keputusan strategis dalam manajemen sumber daya manusia yang memerlukan evaluasi kinerja karyawan secara objektif. Proses ini sering kali menghadapi kendala seperti bias penilaian dan kurangnya metode yang terstandarisasi. Penelitian ini bertujuan untuk menerapkan algoritma K-Medoids dalam clustering perpanjangan kontrak kerja pada PT. Indomarco Prismatama. Algoritma K-Medoids merupakan metode clustering yang menggunakan objek nyata sebagai pusat cluster, sehingga lebih tahan terhadap outlier dibandingkan algoritma K-Means. Dalam penelitian ini, data karyawan dianalisis berdasarkan indikator kinerja seperti kehadiran, produktivitas, dan evaluasi dari atasan. Data tersebut dikelompokkan menggunakan K-Medoids untuk menentukan karyawan yang layak diperpanjang kontraknya. Hasil penelitian menunjukkan bahwa algoritma K-Medoids mampu cluster karyawan dengan akurasi tinggi, menghasilkan cluster yang jelas, dan mendukung proses pengambilan keputusan yang objektif. Implementasi metode ini dapat membantu PT. Indomarco Prismatama dalam mengelola sumber daya manusia secara efisien dan meningkatkan kualitas keputusan perpanjangan kontrak kerja.

PENERAPAN MOORA & ELECTRE UNTUK REKOMENDASI PENGADAAN BUKU DI DINAS PERPUSTAKAAN DAN KEARSIPAN

2026-02-03T09:46:44+07:00

Perpustakaan merupakan sebuah lokasi atau bagian dari suatu bangunan yang menyimpan buku-buku dan mendistribusikannya dalam berbagai cara berdasarkan permintaan khusus dari pembaca. Pengadaan buku yang tepat dan efisien menjadi faktor yang krusial dalam meningkatkan kualitas pendidikan. Pengelolaan bahan pustaka merupakan salah satu cara agar perpustakaan dikatakan dapat memberikan pelayanan prima. Perpustakaan dimanfaatkan sebagai wadah persiapan dan koordinasi dalam satuan kerja untuk mengumpulkan, menyimpan, dan memelihara koleksi yang terkoordinasi dan diawasi secara metodis. Dinas Perpustakaan dan Kearsipan Kota Cirebon menghadapi kendala dalam pengadaan buku yang dinilai kurang optimal dan efisien. banyak buku dengan permintaan tinggi tersedia dalam jumlah terbatas, sementara buku kurang diminati justru mendominasi koleksi. Kondisi ini mengakibatkan ketidakefisienan anggaran serta menyulitkan pustakawan dalam memenuhi kebutuhan informasi pemustaka. Dalam mengatasi permasalahan tersebut, diperlukan sebuah sistem pendukung keputusan yang dapat mengintegrasikan berbagai faktor dalam perencanaan pengadaan buku. Pengembangan sistem yang menggabungkan metode Multi Objective Optimization on The Basis of Ratio Analys (MOORA) untuk optimalisasi pemilihan buku dan metode Elimination Et Choice Translating Reality (ELECTRE) untuk penentuan prioritas pengadaan dapat menjadi solusi yang tepat. Hasil penerapatan kedua metode ini menunjukan efektifitas dalam menentukan prioritas pengadaan buku.

METODE BACKPROPAGATION NEURAL NETWORK UNTUK MEMPREDIKSI VOLUME SAMPAH PADA DINAS LINGKUNGAN HIDUP

2026-02-03T09:52:14+07:00

Timbunan sampah merupakan akumulasi limbah padat yang dihasilkan dari berbagai aktivitas manusia, baik dari sektor rumah tangga, komersial, industri, maupun institusional, dalam suatu wilayah tertentu. Timbunan ini diukur dalam satuan volume dan berat per satuan waktu. Seiring dengan pertumbuhan penduduk dan aktivitas ekonomi, volume sampah yang dihasilkan cenderung meningkat setiap harinya. Peningkatan ini tidak hanya menimbulkan tantangan dalam hal pengumpulan dan pembuangan, tetapi juga berdampak langsung terhadap besarnya anggaran yang dibutuhkan untuk pengelolaan serta ketersediaan lahan yang semakin terbatas untuk penanganan akhir. Oleh karena itu, perencanaan pengelolaan sampah yang efektif dan berkelanjutan menjadi hal yang sangat penting, dan hal tersebut dapat didukung dengan adanya sistem prediksi volume sampah yang akurat. Penelitian ini bertujuan untuk membangun model prediksi volume sampah harian menggunakan metode Backpropagation Neural Network yang merupakan salah satu jenis jaringan syaraf tiruan yang banyak digunakan dalam pemodelan data non-linear dan pemrosesan pola. Data historis timbunan sampah dari tahun 2022 dan 2023 digunakan sebagai data latih untuk membentuk model, dengan tujuan menghasilkan prediksi volume sampah pada tahun 2024. Proses pembangunan model mencakup beberapa tahap, yaitu praproses data, perancangan arsitektur jaringan (termasuk jumlah neuron, lapisan tersembunyi, dan fungsi aktivasi), pelatihan model menggunakan algoritma backpropagation, serta pengujian model terhadap data baru. Model prediksi ini diimplementasikan ke dalam sebuah aplikasi berbasis web yang dikembangkan menggunakan bahasa pemrograman PHP dan sistem manajemen basis data MySQL. Aplikasi ini dirancang untuk dapat digunakan oleh instansi pengelola sampah sebagai alat bantu dalam merencanakan dan mengelola volume timbunan sampah secara lebih efisien dan berbasis data. Hasil penelitian menunjukkan bahwa metode Backpropagation Neural Network memiliki potensi yang baik dalam mempelajari pola historis timbunan sampah dan menghasilkan prediksi yang relevan. Namun, penelitian ini masih memiliki keterbatasan, terutama pada aspek evaluasi kuantitatif model, seperti pengukuran akurasi menggunakan nilai Mean Squared Error (MSE), Root Mean Squared Error (RMSE), atau Mean Absolute Percentage Error (MAPE) yang belum dilakukan secara mendalam. Oleh karena itu, penelitian ini merekomendasikan pengembangan lebih lanjut, antara lain dengan menambahkan proses validasi dan evaluasi model secara sistematis, memperluas cakupan data historis agar mencakup lebih banyak variabel yang berpengaruh, serta mengoptimalkan arsitektur jaringan untuk meningkatkan performa dan keandalan hasil prediksi.

PERANCANGAN DASBOARD BUSINESS INTELLIGENCE PEMASARAN BERBASIS MANAJEMEN DATA UNTUK PENGAMBILAN KEPUTUSAN

2026-02-06T09:52:53+07:00

Unit pemasaran sering menghadapi data kinerja yang tersebar pada banyak sumber (platform iklan, leads/CRM, dan transaksi) sehingga pengambilan keputusan menjadi lambat dan definisi KPI tidak konsisten. Penelitian ini bertujuan merancang dashboard Business Intelligence (BI) berbasis manajemen data untuk mendukung keputusan pemasaran yang cepat dan terukur. Metode penelitian meliputi analisis permasalahan, perancangan arsitektur pemrosesan data, pemodelan dimensional (star schema) untuk data mart pemasaran, implementasi prototipe dashboard BI, serta evaluasi usability menggunakan System Usability Scale (SUS). Studi kasus menggunakan data simulasi periode 90 hari (4 kanal, 18 kampanye, 10 produk) untuk menguji rancangan ETL, standardisasi atribut kanal/kampanye, deduplikasi leads, dan pemeriksaan kualitas data (kelengkapan, konsistensi, ketepatan waktu). Hasil penelitian berupa arsitektur ETL end-to-end, skema data mart pemasaran, dan prototipe dashboard yang menampilkan KPI inti (leads, conversion rate, biaya per lead, dan performa kanal/kampanye). Evaluasi usability menghasilkan skor SUS rata-rata 78,5 yang mengindikasikan dashboard mudah digunakan dan relevan untuk monitoring serta evaluasi kampanye. Penelitian ini menunjukkan bahwa disiplin manajemen data dengan quality gate sederhana adalah fondasi utama agar dashboard pemasaran dapat dipercaya untuk pengambilan keputusan.