Jurnal SISKOM-KB (Sistem Komputer dan Kecerdasan Buatan)

Sistem Pakar Untuk Meningkatkan Pelayanan Terhadap Pelanggan Dalam Menentukan Pilihan Produk Pada E-Commerce XtremeMotorsport

Tamara Desta Loria, Tri Wahyu Widyaningsih — Sen, 09 Mar 2026 00:00:00 +0000

Dalam dunia otomotif, pemilihan sparepart motor yang tepat menjadi tantangan bagi pelanggan, terutama yang tidak memiliki pengetahuan teknis. XtremeMotorsport sebagai toko online sparepart motor menghadapi kendala dalam memberikan rekomendasi produk secara cepat dan akurat. Penelitian ini bertujuan membangun dua jenis sistem pakar berbasis e-commerce menggunakan metode forward chaining untuk meningkatkan pelayanan pelanggan. Tujuan pertama adalah membantu pelanggan mendiagnosis gejala kerusakan motor melalui fitur Temukan Solusi dengan 10 pertanyaan ya/tidak. Tujuan kedua adalah memberikan rekomendasi produk sesuai preferensi konsumen melalui fitur Sparepart Finder dengan pertanyaan multi-jawaban. Sistem dibangun menggunakan Next.js, TypeScript, dan MongoDB. Hasil pengujian blackbox menunjukkan bahwa kedua sistem pakar ini mampu memberikan rekomendasi secara otomatis dan meningkatkan efisiensi pelayanan di XtremeMotorsport.

Machine Learning untuk Identifikasi Gizi Balita Menggunakan Algoritma Naïve Bayes

Mutiah Mutiah, Tri Wahyu Widyaningsih — Sen, 09 Mar 2026 00:00:00 +0000

Abstract—Identifikasi gizi balita secara cepat dan tepat sangat penting dalam mendukung upaya pencegahan dan intervensi dini terhadap stunting, terutama di wilayah padat penduduk seperti Kecamatan Pesanggrahan. Penelitian ini bertujuan membangun sistem klasifikasi status gizi balita berbasis web menggunakan algoritma Naïve Bayes. Data yang digunakan terdiri dari 2000 balita,
meliputi parameter antropometri tinggi badan, berat badan, usia, dan jenis kelamin, dengan kategori status gizi baik, kurang, berlebih, dan buruk. Data dikumpulkan melalui instansi kesehatan setempat dan mengalami tahap preprocessing sebelum dianalisis. Hasil penelitian menunjukkan bahwa algoritma Naïve Bayes sudah sesuai dengan tujuan penelitian untuk mengidentifikasi status gizi. Sistem yang ada
diharapkan mampu menghasilkan prediksi status gizi pada balita secara real time dan membantu tenaga kesehatan melakukan evaluasi status gizi secara efisien, cepat, dan akurat

Analisis Sentimen Masyarakat Terhadap Pembangunan Ibu Kota Nusantara (IKN) Menggunakan Model Transformer BERT Dan XLNet

Didik Nurdiyanto, Ahmad Hindasyah, Abu Khalid Rivai — Sen, 09 Mar 2026 00:00:00 +0000

Pembangunan Ibu Kota Nusantara (IKN) memainkan peran penting dalam memahami persepsi publik mengenai proyek pemindahan ibu kota Indonesia. Penelitian ini menggunakan pendekatan berbasis Transformer khususnya dengan melakukan studi perbandingan antara model BERT dan XLNet untuk analisis sentimen terkait pembangunan IKN. Dataset yang digunakan diambil dari platform Twitter dalam rentang waktu Januari hingga November 2024, mencakup percakapan yang mengandung kata kunci seperti “IKN”, “Pembangunan IKN”, dan “Pemindahan Ibu Kota”. Dataset awal terdiri dari 10.000 tweet berbahasa Indonesia yang diekstraksi menggunakan Twitter API. Setelah melalui proses pembersihan data dari noise seperti retweet, spam, dan postingan berulang, dilakukan tahapan preprocessing yang mencakup tokenisasi, penghapusan stopwords, dan stemming. Selanjutnya, data divalidasi dan dilakukan pelabelan manual. Dari 10.000 tweet yang tersedia, hanya 6.000 tweet yang digunakan untuk memastikan keseimbangan jumlah data pada masing-masing kategori sentimen: positif, negatif, dan netral. Dataset ini kemudian dibagi dengan rasio 80:10:10 untuk tahap pelatihan, validasi, dan pengujian. Model BERT dan XLNet digunakan untuk memproses data dan melakukan klasifikasi sentimen. Hasil evaluasi menunjukkan bahwa model BERT mencapai akurasi sebesar 92%, sedangkan XLNet menunjukkan performa yang lebih rendah dengan akurasi sebesar 91%. Temuan ini mengindikasikan bahwa BERT lebih efektif dalam menangkap pola-pola sentimen dalam teks berbahasa Indonesia khususnya dalam konteks isu pembangunan IKN.

Chatbot dengan RAG untuk Sistem FAQ Pondok Pesantren menggunakan Model Retriever dan Generator

Surya Ariwibowo Surya, Kahfi Heryandi Suradiradja, Murni Handayani — Sen, 09 Mar 2026 00:00:00 +0000

Pesatnya perkembangan teknologi informasi mendorong lembaga pendidikan, termasuk pondok pesantren, untuk menyediakan akses informasi yang lebih efisien. Saat ini, penyampaian informasi di pondok pesantren masih dilakukan secara manual, sehingga memakan waktu dan tenaga karena harus menjawab pertanyaan yang berulang dari wali santri. Penelitian ini mengembangkan chatbot FAQ berbahasa Indonesia menggunakan pendekatan Retrieval-Augmented Generation (RAG) yang menggabungkan model retriever dan generator untuk menghasilkan jawaban yang relevan dan alami. Model retriever yang digunakan meliputi SBERT, DPR, dan E5, sedangkan model generator terdiri dari IndoBART, IDT5, dan IndoGPT. Data dikumpulkan melalui observasi, wawancara, dan studi literatur. Sistem dirancang menggunakan pencocokan semantik berbasis vektor dan decoding autoregresif untuk menghasilkan jawaban. Evaluasi performa dilakukan dengan metrik Hit@1, BLEU, dan BERTScore. Berdasarkan Hasil penelitian menunjukkan bahwa kombinasi SBERT + IndoBART mencapai akurasi tertinggi sebesar 96%, diikuti SBERT + IdT5 sebesar 95%. Model E5 mencatat skor CSAT tertinggi sebesar 70% dan respon tercepat 0.066 detik, sementara RoBERTa memperoleh skor CSAT terendah 39%, sehingga kombinasi SBERT + IndoBART cocok diterapkan dalam chatbot FAQ PPS. Imam Syafi’i.

Sistem Monitoring Kontrol Penggunaan Air dan Uji Kualitas Air Menggunakan Metode Fuzzy Logic pada Perumahan Graha Walantaka Kota Serang

Fitrianingsih Fiqri, Ade Sumaedi — Sen, 09 Mar 2026 00:00:00 +0000

Air merupakan kebutuhan vital bagi manusia, namun kualitas dan ketersediaannya seringkali menurun akibat pencemaran maupun kondisi lingkungan. Penelitian ini bertujuan untuk merancang sistem monitoring dan kontrol penggunaan air sekaligus melakukan uji kualitas air di Perumahan Graha Walantaka Kota Serang dengan memanfaatkan metode Fuzzy Logic. Sistem yang dikembangkan menggunakan mikrokontroler ESP32 dengan dukungan sensor Water Flow untuk menghitung debit dan volume air, sensor Turbidity untuk mengukur kekeruhan, sensor TDS untuk mendeteksi zat padat terlarut, serta sensor pH untuk mengetahui tingkat keasaman atau kebasaan air. Data hasil pembacaan sensor dikirimkan secara real-time ke Firebase dan ditampilkan melalui aplikasi Android HydroFlow 2.0 sehingga memudahkan pengguna dalam melakukan pemantauan dan pengendalian pompa air. Metode Fuzzy Logic digunakan untuk menentukan keputusan kontrol pompa dengan tiga kategori output yaitu OFF, WARNING, dan ON. Hasil pengujian menunjukkan bahwa sistem mampu bekerja secara optimal dengan tingkat akurasi yang baik, serta dapat memberikan peringatan dini ketika kualitas air berada pada kategori hampir tidak layak. Dari delapan sampel air yang diuji (empat dari perumahan dan empat dari luar perumahan), ditemukan bahwa sebagian besar air di perumahan masih sesuai standar, sedangkan beberapa sampel dari luar perumahan tidak sesuai akibat nilai TDS dan turbidity yang melebihi ambang batas. Penelitian ini membuktikan bahwa penerapan Internet of Things (IoT) dengan metode Fuzzy Logic dapat meningkatkan efektivitas pemantauan dan pengendalian kualitas air, serta memberikan solusi praktis bagi masyarakat dalam menjaga ketersediaan air layak pakai.

Implementasi Hybrid Filtering (Collaborative dan Content Based) untuk Rekomendasi Kedai Kopi

Inas Zhafirah, Farid Wajidi, A.Amirul Asnan Cirua — Sen, 09 Mar 2026 00:00:00 +0000

Perkembangan pesat usaha kedai kopi di Majene menyebabkan konsumen sulit menentukan pilihan kedai kopi yang sesuai dengan preferensi mereka. Kurangnya informasi dan banyaknya pilihan membuat proses pemilihan menjadi tidak efektif. Selain itu, penggunaan Google Maps dan media sosial lainnya sering kali hanya menampilkan kedai yang populer atau memiliki banyak ulasan, sehingga tidak mampu merekomendasikan kedai kopi yang sesuai dengan preferensi personal pengguna, khususnya di daerah dengan keterbatasan interaksi digital seperti Majene. Untuk mengatasi masalah ini, penelitian ini mengembangkan teknologi rekomendasi kedai kopi menggunakan pendekatan hybrid filtering, yaitu penggabungan metode collaborative filtering dan content-based filtering. Data dikumpulkan melalui kuesioner dan wawancara, kemudian dianalisis menggunakan metode adjusted cosine similarity dan weighted sum untuk collaborative filtering, serta TF-IDF dan cosine similarity untuk content based filtering. Hasil dari kedua metode digabungkan menggunakan pembobotan tetap untuk menghasilkan skor rekomendasi akhir. Evaluasi sistem dilakukan dengan metrik Precision@5 pada 10 pengguna yang memenuhi kriteria. Hasilnya, pendekatan hybrid menunjukkan precision tertinggi sebesar 0,92, mengungguli metode tunggal collaborative (0,76) dan content-based filtering (0,82). pendekatan hybrid terbukti meningkatkan kualitas rekomendasi sesuai preferensi pengguna.

Prototype Sistem Irigasi Otomatis Tanaman Padi Berbasis Esp32 Dengan Aplikasi Blynk di Desa Purwadadi Kecamatan Lebakwangi Serang - Banten

Sobri Sobri, Eneng Susilistia Agustini — Sen, 09 Mar 2026 00:00:00 +0000

Pertanian padi di Indonesia masih menghadapi tantangan dalam pengelolaan irigasi,
terutama karena pemantauan kelembapan tanah umumnya dilakukan secara manual. Kondisi ini
membuat penyiraman tidak efisien dan hanya berdasarkan perkiraan petani. Penelitian ini bertujuan
merancang dan menguji prototype sistem irigasi otomatis berbasis mikrokontroler ESP32 yang
dilengkapi sensor kelembapan tanah, motor servo sebagai katup air, LCD I2C, dan aplikasi Blynk untuk
pemantauan jarak jauh. Prototype diuji coba pada lahan percobaan sekala kecil 30 × 30 cm (0,09 m²) di
Desa Purwadadi dengan ketinggian air rata-rata 2 cm. Metode yang digunakan adalah deskriptif
kualitatif melalui observasi lapangan, wawancara petani, uji perangkat, dan kajian literatur. Hasil uji
menunjukkan sistem bekerja otomatis ketika kelembapan turun di bawah 40% dan berhenti saat
nilainya melebihi ambang tersebut. Data dan notifikasi terkirim secara real-time ke aplikasi Blynk,
sementara fitur kontrol manual juga berfungsi baik. Dibandingkan metode tradisional, prototype ini
mampu menghemat waktu kerja hingga 90% dan penggunaan air 50–55%, dengan konsumsi daya
rendah (±1,2 watt) serta suhu operasi stabil di bawah 50°C. Temuan ini menegaskan potensi penerapan
prototype pada lahan skala kecil hingga menengah sebagai teknologi tepat guna untuk meningkatkan
efisiensi dan keberlanjutan produksi pangan.

Implementasi Smart Plant Watering System Berbasis Cloud Nodemcu Esp8266 Dan Aplikasi Blynk Pada Tanaman Hias Aglaonema Di Jakarta Pusat

Yogi Stiawan, Ade Ade — Sen, 09 Mar 2026 00:00:00 +0000

Pertumbuhan dan kesehatan tanaman hias sangat bergantung pada ketersediaan air yang sesuai dengan kebutuhan tanaman. Pada umumnya, proses penyiraman masih dilakukan secara manual sehingga sering menimbulkan permasalahan seperti penyiraman berlebihan, kekurangan air, maupun keterlambatan penyiraman akibat keterbatasan waktu pemilik tanaman. Untuk menjawab permasalahan tersebut, penelitian ini mengimplementasikan sistem penyiraman tanaman otomatis berbasis Internet of Things (IoT) dengan memanfaatkan mikrokontroler NodeMCU ESP8266 yang terhubung ke aplikasi Blynk melalui jaringan cloud. Sistem ini dirancang menggunakan sensor kelembaban tanah untuk mendeteksi kondisi media tanam, modul relay yang terhubung dengan pompa air mini sebagai aktuator, serta LCD I2C untuk menampilkan informasi secara langsung. Aplikasi Blynk digunakan sebagai antarmuka monitoring dan kontrol jarak jauh yang memungkinkan pengguna mengetahui kadar kelembaban tanah secara real-time serta mengaktifkan pompa air secara manual maupun otomatis. Penelitian ini difokuskan pada tanaman hias Aglaonema yang membutuhkan kondisi kelembaban tertentu agar tumbuh optimal. Hasil dari pengujian menunjukkan bahwa sistem mampu bekerja dengan baik dalam mendeteksi kelembaban tanah dan mengaktifkan pompa sesuai ambang batas yang ditentukan. Selain itu, pengguna dapat melakukan kontrol manual melalui aplikasi Blynk ketika diperlukan tambahan penyiraman. Dengan adanya implementasi ini, penyiraman tanaman menjadi lebih efisien, hemat waktu, dan dapat mengurangi risiko tanaman mengalami stres akibat penyiraman yang tidak tepat. Penelitian ini diharapkan dapat menjadi solusi praktis untuk masyarakat perkotaan, khususnya di wilayah Jakarta Pusat, yang memiliki keterbatasan waktu dalam merawat tanaman hias. Selain itu, sistem ini juga berpotensi dikembangkan lebih lanjut dengan menambahkan sensor tambahan, penyimpanan data berbasis cloud, maupun integrasi dengan kecerdasan buatan untuk prediksi kebutuhan air tanaman di masa mendatang.

Rancang Bangun Monitoring Keamanan Kendaraan Bermotor Berbasis Internet Of Things

Fikar Maulana, Asep Suryadi — Sen, 09 Mar 2026 00:00:00 +0000

Kendaraan bermotor, khususnya sepeda motor, merupakan alat transportasi utama bagi masyarakat Indonesia. Namun, tingginya angka kepemilikan sepeda motor juga diiringi dengan meningkatnya kasus pencurian dan kejahatan terhadap pengendara, terutama di daerah rawan seperti Kecamatan Cikande, Kabupaten Serang. Kejadian pencurian dan pembegalan yang kerap terjadi menunjukkan bahwa sistem keamanan konvensional seperti kunci ganda dan alarm belum mampu memberikan perlindungan optimal. Oleh karena itu, penelitian ini bertujuan untuk merancang dan mengimplementasikan sistem monitoring keamanan kendaraan bermotor berbasis Internet of Things (IoT) menggunakan modul mikrokontroler ESP32-CAM, sensor ultrasonik, dan aplikasi Telegram. Sistem ini mampu mendeteksi keberadaan manusia sebagai potensi ancaman, mengambil gambar secara otomatis saat terdeteksi aktivitas mencurigakan, dan mengirimkan informasi visual secara real-time kepada pemilik kendaraan melalui Telegram Bot API. Metode yang digunakan dalam penelitian ini adalah metode prototyping yang melibatkan proses identifikasi kebutuhan, perancangan prototipe sistem, serta integrasi antara perangkat keras dan perangkat lunak. Hasil dari sistem yang dikembangkan diharapkan mampu memberikan solusi keamanan yang inovatif, responsif, dan mudah diakses, serta meningkatkan kewaspadaan dan rasa aman bagi pemilik kendaraan.

Rancang Bangun Aplikasi Deteksi Alat Pelindung Diri (APD) untuk Pekerja Pabrik dengan Menggunakan Algoritma YOLOv5

Fajar Septian, Saipul Anwar, Ristasari Dwi Septiana, Muhammad Iqbal — Sen, 09 Mar 2026 00:00:00 +0000

Pentingnya keselamatan dan kesehatan kerja di sektor konstruksi semakin krusial. Salah satu aspek penting adalah memastikan bahwa pekerja menggunakan Alat Pelindung Diri (APD) seperti helm keselamatan, rompi keselamatan, masker, dan perlengkapan lainnya secara benar dan lengkap. Metode You Only Look Once (YOLO), sebuah pendekatan deteksi objek mutakhir dengan tingkat akurasi tinggi, digunakan untuk mendukung sistem yang dibangun oleh peneliti. Deteksi dalam penelitian ini difokuskan pada helm keselamatan (Hardhat), orang (Person), tidak menggunakan helm keselamatan (NO-Hardhat), masker (Mask), tidak menggunakan masker (NO-Mask), tidak menggunakan rompi keselamatan (NO-Safety Vest), dan rompi keselamatan (Safety Vest). Untuk mengurangi risiko kecelakaan kerja, penelitian ini menerapkan kecerdasan buatan dalam merancang model deteksi APD yang mampu mengidentifikasi kelengkapan APD yang dikenakan oleh pekerja konstruksi melalui analisis citra. Berdasarkan pengujian terhadap tujuh data gambar, sistem berhasil mendeteksi seluruh objek target dengan tingkat kepercayaan antara 61% hingga 98%. Hanya satu gambar yang dikategorikan sebagai lengkap menggunakan APD (Valid), sedangkan enam lainnya terdeteksi belum lengkap (Tidak Valid). Nilai kepercayaan deteksi yang diamati meliputi: "Person" (76%–98%), "Hardhat" (76%–93%), "Mask" (90%–97%), "Safety Vest" (61%–97%), serta label "NO-" terkait berada dalam kisaran 78% hingga 97%.

Inovasi Aquatech Dalam Sistem Cerdas Berbasis Internet Of Things (IoT) Untuk Optimasi Aquarium Modern

Gita Rohmawaty, Amin Widodo — Sen, 09 Mar 2026 00:00:00 +0000

Penelitian ini membangun prototipe "Inovasi Aquatech", sistem pintar berbasis IoT untuk
mengatasi ketidakstabilan kualitas air dan pengawasan manual pada akuarium ikan hias.
Menggunakan mikrokontroler ESP32 sebagai pusat kendali, sistem memantau parameter krusial
seperti pH (rentang 0-14), kekeruhan (NTU), TDS (ppm), suhu (-55°C hingga 125°C), serta intensitas
cahaya melalui sensor khusus seperti PH-4502C, turbidity, DS18B20, dan LDR. Metodologi mengikuti
siklus pengembangan prototipe: analisis kebutuhan hardware/software (termasuk Arduino IDE dan
Blynk), perancangan rangkaian dengan Fritzing, implementasi (integrasi relay 2-channel, servo SG90,
RTC DS3231 untuk jadwal), serta pengujian iteratif untuk kalibrasi dan debugging. Proses monitoring
berjalan real-time: data sensor diproses ESP32, dikirim via WiFi ke aplikasi Blynk untuk visualisasi
dan notifikasi otomatis jika melebihi ambang batas (misalnya pH <6.5 atau >7.5). Aktuator seperti
pompa, LED, dan servo dikendalikan jarak jauh; relay memutus daya saat anomali untuk proteksi.
Hasil menunjukkan akurasi tinggi (error <5% pada sensor utama setelah kalibrasi), efisiensi
pemeliharaan hingga 80%, dan adaptasi optimal untuk akuarium rumah tangga, mendukung
keberlanjutan budidaya ikan di Indonesia.

Analisis Sentimen Kepuasan Masyarakat terhadap Google Review Pelayanan Metro Hospitals Group Berbasis BERT dan Model IndoBERT

Walangi Walangi, Arya Adhyaksa Waskita, Sudarno Sudarno — Sen, 09 Mar 2026 00:00:00 +0000

Kualitas pelayanan rumah sakit berperan penting dalam membangun kepercayaan dan
loyalitas pasien. Penelitian ini bertujuan menganalisis sentimen masyarakat terhadap pelayanan Metro
Hospitals Group berdasarkan ulasan Google Reviews selama sepuluh tahun terakhir. Data dikumpulkan
melalui web scraping dan dianalisis menggunakan model deep learning BERT Multilingual dan
IndoBERT. Tahapan penelitian meliputi preprocessing, pelabelan sentimen (manual dan otomatis),
pelatihan model, serta evaluasi menggunakan metrik akurasi, presisi, recall, dan F1-score. Hasil
menunjukkan kedua model memiliki kinerja tinggi dengan akurasi 94%–96%. BERT Multilingual
mencapai akurasi tertinggi 96% dan F1-score 0,95 pada dataset manual, sedangkan IndoBERT unggul
pada dataset otomatis dengan akurasi dan F1-score 96%. Faktor utama yang memengaruhi sentimen
meliputi kualitas pelayanan medis, kecepatan respons, keramahan staf, fasilitas, dan kebersihan. Secara
keseluruhan, IndoBERT direkomendasikan untuk analisis sentimen berbahasa Indonesia di domain
kesehatan, serta dapat menjadi dasar strategis dalam peningkatan mutu pelayanan rumah sakit berbasis
data.