Seminar Nasional Teknologi & Sains

Implementasi Computer Vision Terhadap Jenis Kualitas Pisang Susu Menggunakan Metode YOLOv8n Berbasis WebApps

Inna Fatahna — 2025-01-20

Penelitian ini mengeksplorasi penerapan teknologi computer vision untuk mendeteksi kualitas pisang khususnya jenis pisang susu, komoditas ekspor potensial di Kediri yang menghadapi tantangan dalam perawatan dan pengendalian kualitas. Metode YOLOv8n dan CNN (Convolutional Neural Network) digunakan untuk mengatasi masalah rendahnya kualitas hasil panen akibat metode tradisional dalam menentukan kematangan buah. Kematangan yang tidak tepat dapat mempengaruhi rasa, aroma, dan umur simpan pisang. CNN menganalisis warna dan tekstur buah, sementara YOLOv8n memungkinkan deteksi objek secara real-time dengan akurasi tinggi. Model dilatih selama 100 epoch dengan ukuran batch 8, dataset terdiri dari 200 gambar (70% pelatihan, 20% validasi, 10% pengujian), dengan menghasilkan rata-rata presisi 89,75% dan akurasi mAP50 92%. Implementasi dalam framework Streamlit menyediakan antarmuka WebApps yang user-friendly, memungkinkan pengguna mengunggah gambar dari komputer lokal, tautan, atau video kamera real-time. Hasil penelitian meningkatkan efisiensi dalam menentukan kematangan pisang susu dan memberikan solusi objektif, berpotensi meningkatkan daya saing pasar serta manfaat bagi petani dalam menentukan waktu panen optimal.

Implementasi Sistem Informasi Desa dalam Konsep Smart Village

Achmad Choirun N. W. — 2025-01-20

Di era digital, penerapan teknologi informasi dalam tata kelola desa menjadi sangat penting untuk meningkatkan kualitas layanan publik dan memperkuat pembangunan. Penelitian ini bertujuan untuk merancang dan mengimplementasikan sistem informasi desa berbasis konsep Smart Village, yang mengintegrasikan teknologi informasi dan komunikasi(TIK) untuk mendorong kemandirian dan transparansi. Metode penelitian meliputi studi literatur, analisis kebutuhan melalui wawancara dan kuesioner, perancangan dan pengembangan sistem, serta pengujian dan evaluasi bersama perangkat desa dan masyarakat. Hasil penelitian menunjukkan bahwa sistem informasi desa berhasil meningkatkan efisiensi dalam proses administrasi, seperti pengurusan KTP, serta memperbaiki transparansi dalam pengelolaan keuangan desa. Temuan ini menegaskan bahwa keberhasilan sistem ini sangat bergantung pada dukungan pemerintah daerah dan keterlibatan aktif masyarakat. Dengan adanya sistem ini, diharapkan desa-desa di Indonesia dapat mengelola sumber daya secara lebih efektif dan meningkatkan layanan kepada warganya. Penelitian ini memberikan kontribusi signifikan terhadap pengembangan Smart Village di Indonesia, yang berpotensi mendorong pembangunan berkelanjutan di tingkat desa

Deteksi Kode Signal For Help Pada Gestur Tangan Menggunakan OpenCV

Ahmad Robet Nailul Author — 2025-01-20

Pengenalan gestur tangan manusia merupakan bidang yang banyak diteliti saat ini, karena pendeteksian dan pengenalan gerakan tangan memiliki potensi besar untuk digunakan sebagai cara berinteraksi kepada komputer dan mengendalikannya dimasa depan. Pergerakan tangan sangatlah berguna untuk saat ini, karena tingginya tingkat kriminalitas yang terjadi pada saat ini. Sehingga dibutuhkan sistem untuk mendeteksi sinyal bantuan dari korban. Penelitian ini menggunakan library dari bahasa pemrograman python yaitu OpenCV dan Mediapipe. OpenCV diperlukan untuk memunculkan visual pada program python, dan Mediapipe merupakan sebuah framework untuk membangun sebuah multimodal platform video, audio atau data berjalan lainnya. Hasil dari sistem ini adalah pendeteksian kode signal for help yang menghasilkan nilai MAPE 94.52% dan nilai MAP 100%.

Penerapan Metode Waspas pada Sistem Pemeringkatan Kinerja Karyawan

Bayu Aji Prastowo — 2025-01-20

Penilaian kinerja karyawan merupakan proses penting dalam manajemen sumber daya manusia yang berpengaruh pada keputusan promosi, penghargaan, dan pengembangan karir. Namun, banyak perusahaan menghadapi tantangan dalam melakukan penilaian yang objektif dan adil. Oleh karena itu, penelitian ini mengusulkan penerapan metode WASPAS (Weighted Aggregated Sum Product Assessment) untuk mengatasi masalah tersebut. Metode WASPAS adalah teknik Multi-Criteria Decision Making (MCDM) yang menggabungkan dua pendekatan, yaitu Weighted Sum Model (WSM) dan Weighted Product Model (WPM), untuk menghitung skor kinerja karyawan berdasarkan beberapa kriteria yang telah ditentukan. Penelitian ini dilakukan dengan menggunakan data laporan kegiatan harian karyawan dan menerapkan metode WASPAS untuk memeringkatkan kinerja mereka. Hasil penelitian menunjukkan bahwa WASPAS mampu menghasilkan peringkat yang lebih objektif dan konsisten, serta mengurangi subjektivitas dalam penilaian. Karyawan dengan kinerja terbaik mendapatkan skor tertinggi, sesuai dengan bobot kriteria yang lebih penting. Oleh karena itu, WASPAS dapat menjadi alat yang efektif dan efisien dalam pemeringkatan kinerja karyawan, yang pada gilirannya mendukung pengambilan keputusan yang lebih tepat dalam manajemen SDM.

Pengembangan Aplikasi Penjadwalan dan Promosi Event Komunitas Berbasis Web untuk Peningkatan Partisipasi Publik

Danuar Aditya Anardha — 2025-01-20

Kemajuan teknologi memudahkan akses informasi publik, termasuk dalam kegiatan komunitas seperti acara sosial, edukasi, dan olahraga. Namun, metode penyebaran informasi yang konvensional masih memiliki keterbatasan dalam menjangkau masyarakat luas. Penelitian ini mengembangkan aplikasi penjadwalan acara komunitas berbasis web menggunakan Python Flask dan HTML, yang dirancang untuk memudahkan pengelolaan dan publikasi jadwal acara komunitas secara online. Aplikasi ini menyediakan fitur-fitur seperti pendaftaran acara, pengelolaan event oleh pengguna, dan tampilan kalender kegiatan. Metode pengembangan menggunakan model waterfall melalui tahapan analisis, desain, pengkodean, pengujian, dan pemeliharaan. Hasil penelitian menunjukkan bahwa aplikasi ini user-friendly, efektif dalam menyebarkan informasi, dan mampu meningkatkan partisipasi publik dalam acara komunitas. Kendati demikian, terdapat beberapa tantangan, seperti konektivitas internet dan kebutuhan akan fitur notifikasi yang lebih fleksibel. Saran pengembangan meliputi integrasi dengan media sosial, fitur notifikasi acara, dan penambahan akses offline untuk menjangkau lebih banyak pengguna. Aplikasi ini diharapkan dapat mempererat hubungan sosial dan meningkatkan keterlibatan masyarakat dalam kegiatan komunitas.

Perancangan Sistem Pendeteksi Kepenuhan Isi Tempat Sampah Berbasis IoT Menggunakan Sensor Ultrasonik HC SR04

Adis Prima Aryaputra — 2025-01-20

Masalah penumpukan sampah di ruang publik, khususnya di area taman dan tempat rekreasi, masih menjadi tantangan dalam upaya menjaga kebersihan dan kesehatan lingkungan. Taman Sekartaji, Kediri, adalah salah satu lokasi yang sering mengalami penumpukan sampah, terutama pada hari-hari libur. Penelitian ini mengembangkan sistem pendeteksi kepenuhan isi tempat sampah berbasis Internet of Things (IoT) menggunakan mikrokontroler ESP32 dan sensor ultrasonik untuk membantu mengatasi permasalahan tersebut. Penelitian ini mengembangkan prototipe sistem pendeteksi kepenuhan isi tempat sampah berbasis Internet of Things (IoT) menggunakan mikrokontroler ESP32 dan sensor ultrasonik di Taman Sekartaji, Kediri. Sistem ini dirancang untuk memberikan notifikasi kepenuhan tempat sampah kepada petugas kebersihan melalui aplikasi Blynk IoT yang diakses di smartphone. Sensor ultrasonik digunakan untuk mengukur ketinggian sampah, dan data tersebut dikirimkan melalui ESP32 yang terhubung ke cloud. Tujuan dari penelitian ini adalah untuk meningkatkan efisiensi monitoring kebersihan, mengurangi penumpukan sampah, serta mendukung lingkungan yang lebih bersih. Hasil penelitian menunjukkan bahwa sistem ini mampu mendeteksi tingkat kepenuhan secara real-time dan mengirimkan notifikasi ke perangkat petugas kebersihan dengan cepat dan akurat.

The Model Integrated Sustainability Geopark dan Ekowisata Danau Toba menggunakan Pendekatan Berbasis Sistem Rekomendasi

Darwin Lie — 2025-01-20

Pengembangan pariwisata Danau Toba dapat berkelanjutan dengan penggunaan sistem rekomendasi berbasis untuk dapat meningkatkan proses manajemen pemasaran, operasional layanan industri pariwisata yang lebih efisien, mempermudah akses, memantau kondisi lingkungan, lalu lintas pariwisata dan pemanfaatan sumber daya sehingga dapat mengurangi dampak negatif dari kegiatan pariwisata. Pariwisata Danau Toba juga akan mendukung Geopark dan Ekowisata di Kabupaten Samosir secara berkelanjutan. Urgensi Penelitian, penggunaan teknologi masih sangat rendah di beberapa sektor dalam mendukung keberlanjutan pariwisata karena beberapa sumber yang belum mendukung seperti sumber daya manusia yang mampu menciptakan, memanfaatkan, dan mengendalikan teknologi tersebut belum sepenuhnya tersedia. Modal tidak cukup dalam pengadaan teknologi untuk pengembangan sektor: pengelola destinasi wisata, restoran, akomodasi, dan transportasi. Dukungan pemerintah untuk menyediakan fasilitas teknologi yang terintegrasi dengan beberapa sektor yang mendukung keberlanjutan pariwisata Danau Toba juga masih belum diberikan secara optimal. Tujuan dari penelitian ini adalah untuk menciptakan geopark berkelanjutan dan ekowisata Danau Toba yang terintegrasi melalui Pendekatan Berbasis Rekomendasi Kecerdasan Buatan. Metode penelitian menggunakan metode kolaboratif menggunakan teknologi Location-Based Service (LBS) yang memanfaatkan Global Positioning System (GPS). Dalam aplikasinya, pengguna dapat mengetahui posisi mereka, menentukan dan mencari lokasi tertentu, baik jauh maupun dekat. Salah satunya adalah mencari pusat makanan di kawasan Danau Toba.

Implementasi Object Detection Berbasis Web untuk Klasifikasi Jenis Sampah Menggunakan YOLO

Bagus Dwi Prasetya — 2025-01-20

pengelolaan sampah yang tidak efektif dapat menimbulkan dampak negatif terhadap lingkungan, seperti pencemaran tanah, air, dan udara, serta peningkatan emisi gas rumah kaca. Penelitian ini bertujuan untuk mengembangkan sistem deteksi jenis sampah berbasis web menggunakan algoritma YOLOv8 untuk mendukung pengelolaan sampah yang lebih efisien. Metode penelitian mencakup tahapan akuisisi data, persiapan data, pemodelan, evaluasi, dan deployment. Dataset sampah organik dan anorganik diperoleh melalui platform Roboflow, terdiri dari 1.097 gambar, yang kemudian diolah melalui proses anotasi dan pembagian data (70% data pelatihan, 20% data validasi, dan 10% data pengujian). Algoritma YOLOv8 dipilih karena keunggulannya dalam deteksi objek secara real-time dengan akurasi tinggi. Hasil evaluasi menunjukkan model memiliki rata-rata nilai presisi 0,883, recall 0,903, dan mAP 0,914. Model yang telah dilatih kemudian diintegrasikan ke dalam aplikasi berbasis web menggunakan framework Flask, dengan antarmuka sederhana untuk memudahkan pengguna dalam mengunggah gambar dan menganalisis jenis sampah. Penelitian ini diharapkan dapat memberikan kontribusi nyata dalam mendukung pengelolaan sampah yang lebih baik melalui penerapan teknologi berbasis kecerdasan buatan.

Pengembangan Sistem Pengelolaan Sampah Pintar Berbasis IoT untuk Efisiensi Pengumpulan Sampah di Kampus

Miko Maulana Wijaya — 2025-01-20

Kotak sampah pintar dengan sistem deteksi otomatis hadir sebagai solusi inovatif untuk mengatasi permasalahan penumpukan sampah dan pengambilan sampah yang tidak teratur di Kampus. Kotak sampah ini dilengkapi sensor ultrasonik dan mikrokontroler untuk mendeteksi tingkat pengisian dan mengirimkan notifikasi kepada petugas kebersihan ketika sampah hampir penuh. Hal ini memungkinkan pengumpulan sampah yang tepat waktu dan efisien, meminimalisir penumpukan sampah, dan meningkatkan kebersihan lingkungan. Penelitian ini menggunakan metode kualitatif, sebuah pendekatan yang menitikberatkan pada pemahaman mendalam fenomena sosial atau perilaku manusia. Berbeda dengan penelitian kuantitatif yang berfokus pada angka dan statistik, metode kualitatif menjelajahi dunia non-numerik, seperti kata-kata, gambar, dan simbol. Arduino Uno dipilih sebagai mikrokontroler karena mudah digunakan dan kompatibel dengan berbagai sensor. Kemudahan penggunaan dan banyaknya tutorial online menjadikannya pilihan yang menarik bagi peneliti. Sensor ultrasonik digunakan untuk mendeteksi benda atau objek dalam jarak tertentu. Sensor ini bekerja dengan cara memancarkan gelombang ultrasonik dan kemudian menerima pantulan gelombang tersebut. Penelitian ini merancang dan membangun purwarupa kotak sampah pintar dengan harapan dapat meningkatkan efisiensi pengelolaan sampah di Kampus, mendorong terciptanya lingkungan yang lebih bersih dan sehat, serta menjadi langkah awal menuju pengelolaan sampah yang berkelanjutan dan ramah lingkungan. Penerapan kotak sampah pintar ini diharapkan dapat mengurangi penumpukan sampah, meningkatkan efisiensi pengumpulan sampah, dan mendorong partisipasi pengunjung dalam menjaga kebersihan lingkungan, sehingga Kampus menjadi tempat yang lebih nyaman dan menyenangkan bagi semua orang.

PEMANFAATAN ARSITEKTUR MOBILENET-CNN UNTUK MENDIAGNOSIS PENYAKIT PADA DAUN SINGKONG MELALUI TEKNOLOGI CITRA DIGITAL

Filach Akbar Arafat — 2025-01-20

Singkong merupakan salah satu tanaman yang banyak ditemukan di Indonesia dan merupakan tanaman dengan banyak manfaat. Salah satu manfaat singkong adalah sebagai bahan pokok pengganti nasi. Tanaman singkong atau biasa disebut ubi, memiliki banyak manfaat. Namun tanaman singkong juga tidak luput dari serangan penyakit. Salah satu faktor yang mempengaruhi rendahnya kualitas singkong adalah Adanya hama dan penyakit tanaman singkong yang sering kali mengakibatkan pertumbuhan umbi terganggu, bahkan dapat menggagalkan terwujudnya produksi yang maksimal. Salah satu cara yang dapat digunakan adalah memanfaatkan teknologi artificial intelligence (AI) yang sedang berkembang untuk dapat mengklasifikasikan penyakit pada singkong dengan mudah. Dirancanglah sebuah sistem yang dapat membantu dalam mengidentifikasi penyakit pada daun singkong menggunakan algoritma CNN dengan arsitektur MobileNet. Hasil akhir dari penelitian ini dengan melakukan pelatihan pada 30 epoch dengan rasio data latih dan data uji 80%:20% memberikan hasil akurasi training sebesar 88% dan testing sebesar 84%.

Pengembangan Sistem Rekomendasi Lagu Berdasarkan Ekspresi Wajah Menggunakan YOLO v8

Alvin Ardiansyah — 2025-01-20

Perkembangan teknologi digital dan internet telah membawa perubahan signifikan dalam cara masyarakat mengakses dan menikmati musik. Musik tidak hanya berfungsi sebagai hiburan, tetapi juga sebagai alat untuk mengelola emosi dan suasana hati. Penelitian ini bertujuan untuk mengembangkan sistem rekomendasi lagu yang dapat menyesuaikan pilihan musik berdasarkan ekspresi wajah pengguna menggunakan algoritma YOLO v8. Metode yang digunakan meliputi deteksi ekspresi wajah (happy, sad, angry, fear) melalui YOLO v8 dalam sistem rekomendasi berbasis desktop. Hasil implementasi menunjukkan peningkatan akurasi deteksi ekspresi wajah hingga 88.5% dan kepuasan pengguna sebesar 88% berdasarkan pengujian Beta. Sistem ini berhasil memberikan rekomendasi lagu yang relevan dengan kondisi emosional pengguna secara real-time, sehingga memudahkan pengguna dalam memilih musik yang sesuai dengan suasana hati mereka. Penelitian ini menegaskan pentingnya penggunaan teknologi deteksi ekspresi wajah dalam personalisasi pengalaman mendengarkan musik.

The Analisis Penjualan Produk Terlaris di Toko Bangunan Pekanbaru Jaya Menggunakan Metode Clustering K-Means

Dihin Muriyatmoko — 2025-01-20

Toko bangunan Pekanbaru Jaya menghadapi kesulitan dalam mengidentifikasi produk yang paling diminati pelanggan, sehingga menghambat efisiensi pengelolaan stok dan strategi penjualan. Penelitian ini bertujuan untuk membantu toko menentukan produk terlaris dengan menganalisis data penjualan dua tahun terakhir menggunakan metode clustering K-Means. Parameter yang digunakan meliputi product, unit, quantity, dan total. Hasil analisis menghasilkan 5 cluster dengan nilai Davies Boulding Index (DBI) sebesar 0.428 dan Silhoutte Score sebesar 0.69 yang menunjukkan kualitas pengelompokan yang baik. Setiap cluster memberikan wawasan tentang kelompok produk berdasarkan tingkat penjualan yang dapat digunakan untuk mengoptimalkan pengelolaan stok dan strategi pemasaran toko.

Penerapan Metode Convolutional Neural Network Untuk Mendeteksi Jamur Patogen pada Tanaman Cabai

Rifqi Prastya — 2025-01-20

Produktivitas tanaman cabai seringkali menurun akibat serangan jamur patogen, seperti Cercospora sp., Antraknosa sp., Fusarium sp., dan Botrytis sp. Proses identifikasi jamur secara manual memerlukan waktu yang lama dan tenaga ahli, sehingga rentan terhadap kesalahan manusia. Penelitian ini mengembangkan sistem deteksi real-time berbasis Convolutional Neural Network (CNN) yang memanfaatkan teknik pengolahan citra digital untuk mengidentifikasi jenis jamur patogen pada tanaman cabai. Sistem dibangun menggunakan Python dan menyimpan data pada database SQLite, memungkinkan pengguna mengunggah citra tanaman melalui antarmuka desktip. Dataset yang digunakan mencakup lima kategori, yaitu sehat, Cercospora sp., Antraknosa sp., Fusarium sp., dan Botrytis sp. Uji kinerja sistem dilakukan menggunakan metrik akurasi, presisi, dan recall, menunjukkan akurasi keseluruhan sebesar 80%. Nilai F1 Score tertinggi dicapai oleh jamur Antraknosa sp., Fusarium sp., dan Botrytis sp. sebesar 0.91, menandakan performa pengenalan yang memuaskan. Hasil penelitian mengindikasikan bahwa sistem ini dapat membantu petani atau pengelola kebun cabai dalam melakukan identifikasi dini serangan jamur patogen, mempermudah pemantauan kondisi tanaman, serta meminimalkan kesalahan manusia. Penelitian lebih lanjut diharapkan dapat mencakup pemanfaatan transfer learning atau integrasi data lingkungan agar deteksi dapat dilakukan secara lebih cepat.

Klasifikasi Jenis Ikan Hiu Menggunakan Algoritma YOLOv8 Berbasis Mobile

Hargo Dwi Nugroho — 2025-01-20

Indonesia adalah negara kepulauan terbesar dengan 70% wilayah berupa lautan yang kaya akan keanekaragaman hayati, termasuk ikan hiu yang berperan penting dalam ekosistem laut sebagai predator puncak. Namun, populasi hiu menghadapi ancaman serius akibat penangkapan ilegal dan kurangnya upaya konservasi, padahal hiu berperan penting dalam menjaga keseimbangan ekosistem laut. Untuk mengatasi hal tersebut, Penulis mengusulkan menggunakan algoritma YOLOv8 untuk mengklasifikasikan jenis ikan hiu secara real-time. Dataset berupa 4.236 citra hiu dalam 13 kategori yang dibagi menjadi 90% data latih, 5% data validasi, dan 5% data uji. Pelatihan dilakukan dengan 50 epoch. Model menunjukkan akurasi tinggi dengan nilai precision 0.877, recall 0.77, mAP50 0.835, dan mAP50-95 0.58. Implementasi sistem berbasis aplikasi mobile memungkinkan pengguna mendeteksi jenis hiu secara praktis di lapangan. Hasil ini menunjukkan bahwa YOLOv8 efektif untuk mendeteksi hiu dengan akurasi tinggi. Sistem yang dikembangkan diharapkan dapat terus disempurnakan melalui penambahan data pelatihan dan pengujian di lingkungan laut terbuka.

Klasifikasi Klasifikasi Data Nasabah yang Berpotensi Membuka Simpanan Deposito Menggunakan Algoritme Naive Bayes

Paulina Mangande — 2025-01-20

Deposito merupakan salah satu instrumen investasi yang populer dipilih karena beragam keuntungan yang ditawarkan dibandingkan dengan tabungan biasa. Keuntungan yang ditawarkan dari deposito adalah suku bunga yang relatif tinggi dibandingkan dengan tabungan, serta minimnya risiko yang harus dihadapi dibandingkan dengan instrumen investasi lainnya seperti investasi saham. Namun memilih atau mencari nasabah yang berpotensi membuka simpanan deposito sering menjadi permasalahan tersendiri terutama bagi pihak bank yang menawarkan deposito. Penelitian ini menggunakan algoritme naïve bayes untuk klasifikasi serta data publik yang diperoleh dari situs UCI Repository Machine Learning berjudul “Bank Marketing Data Set” yang didapat dari program pemasaran langsung dari sebuah bank di Portugis dengan jumlah data 41188 dengan 20 atribut dan 1 output. Hasil pengujian yang dilakukan terhadap 18559 data menggunakan 3-fold cross validation menghasilkan tingkat keakuratan sebesar 86,6419%. Adapun atribut-atribut yang berpengaruh dalam proses klasifikasi adalah Duration, Cons.Conf.Idx, Nr.employed, Emp.Var.Rate, Euribor3m.

Penerapan Metode Certainty Factor dan Fuzzy Logic untuk Mendiagnosis Penyakit Parasit pada Hewan Ternak

M. Habib Mustofa — 2025-01-20

Penyakit parasit pada hewan ternak seperti sapi, kambing, dan ayam dapat menyebabkan kerugian ekonomi signifikan bagi para peternak. Penanganan yang terlambat atau keliru seringkali terjadi akibat kurangnya pengetahuan peternak mengenai tanda-tanda penyakit parasit. Penelitian ini bertujuan untuk mengembangkan sistem pakar berbasis certainty factor dan fuzzy logic yang memudahkan peternak dalam mendiagnosis penyakit parasit secara mandiri. Sistem dibangun menggunakan framework Laravel dan database SQLite, serta diimplementasikan pada platform local hosting dengan memanfaatkan metode certainty factor untuk mengatasi ketidakpastian data, dan fuzzy logic untuk mengelola gejala yang bersifat ambigu. Pengujian alpha dan beta dilakukan untuk menilai kinerja fungsional serta tingkat kepuasan pengguna. Selain itu, dilakukan pula uji akurasi dengan 10 percobaan input gejala. Hasil pengujian menunjukkan bahwa sistem mampu mencapai akurasi sebesar 80%, dengan nilai kepuasan rata-rata pengguna sebesar 91%. Sistem ini memberikan rekomendasi penanganan awal bagi peternak sebelum memanggil dokter hewan, sehingga proses deteksi dini dapat dilakukan lebih cepat. Ke depannya, perbaikan dapat dilakukan dengan menambah variasi data gejala untuk meningkatkan akurasi diagnosa dan memperluas cakupan penyakit. Diharapkan sistem ini dapat menjadi solusi efektif bagi peternak yang kesulitan mengakses layanan medis hewan secara cepat, serta meningkatkan produktivitas dan kesehatan ternak di berbagai daerah.

CHATBOT PENERIMAAN PESERTA DIDIK BARU DI SMK INTENSIF BAITUSSALAM MENGGUNAKAN NLP

Reno Rana Rafi — 2025-01-20

Abstrak – Seiring dengan pesatnya perkembangan teknologi, berbagai sektor kehidupan, khususnya di bidang pendidikan, semakin terdorong untuk mengadopsi solusi digital guna meningkatkan efisiensi dan transparansi layanan. Salah satu tantangan dalam pendidikan adalah manajemen Penerimaan Peserta Didik Baru (PPDB), yang selama ini masih dilakukan secara manual di banyak institusi pendidikan. Proses manual ini sering kali tidak terstruktur, mengakibatkan kesalahan pencatatan, keterlambatan pengolahan data, dan kurangnya akses informasi yang mudah bagi calon peserta didik maupun orang tua. Untuk mengatasi permasalahan ini, penelitian ini mengusulkan pengembangan chatbot berbasis kecerdasan buatan yang dapat diintegrasikan ke dalam sistem PPDB. Chatbot ini dirancang untuk memberikan informasi lengkap dan otomatis mengenai tahapan PPDB, panduan pendaftaran, serta menjawab pertanyaan secara umum interaktif dan cepat. Dengan implementasi chatbot ini, diharapkan layanan PPDB di SMK Intensif Baitussalam dapat menjadi lebih efisien dan transparan, memberikan pengalaman yang lebih baik bagi pengguna, serta mengurangi ketergantungan pada waktu operasional layanan administrasi sekolah.

Smart Health : Sistem Rekomendasi Obat Berdasarkan Gejala dengan Pendekatan Word2Vec

Rika Wahyu Syaputri — 2025-01-20

Dalam bidang kesehatan kebutuhan akan layanan yang cepat sangat dibutuhkan untuk meningkatkan fasilitas kesehatan. Sistem rekomendasi obat berdasarkan gejala merupakan solusi penting dalam memberikan saran pengobatan yang tepat bagi pengguna. Sistem ini dikembangkan dengan memanfaatkan teknologi Artificial Intelligence. Proses dimulai dengan pengumpulan,pengolahan data dilanjutkan tahap preprocessing dan proses pembuatan model menggunakan algoritma Word2Vec untuk menganalisis hubungan semantik antara gejala dan obat. Implementasi sistem rekomendasi ditampilkan melalui antarmuka desain website yang interaktif. Hasil penelitian menunjukan bahwa sistem berhasil memberikan rekomendasi obat yang relevan sehingga meningkatkan efisiensi dalam proses pengobatan. Dalam proses pengembangan masih terdapat keterbatasan dalam hal keberagaman data yang digunakan. Penelitian ini diharapkan dapat memberikan kontribusi bagi pengembangan sistem layanan kesehatan dan membuka peluang untuk penelitian lebih lanjut di bidang sistem rekomendasi obat.

Sistem Pendukung Keputusan Penerima Bantuan Sosial Menggunakan Metode K-Means Clustering

Rachmad Abadi — 2025-01-20

Bantuan sosial merupakan instrumen penting dalam mengurangi kemiskinan dan mendukung kesejahteraan masyarakat. Namun, tantangan seperti data penerima yang tidak akurat, proses seleksi yang lambat, dan bias dalam menentukan penerima sering kali menghambat efektivitas program ini. Penelitian ini mengembangkan sistem pendukung keputusan berbasis algoritma K-Means untuk meningkatkan efisiensi dan akurasi dalam penyaluran bantuan sosial di Kabupaten Kediri. Metode K-Means digunakan untuk mengelompokkan data calon penerima bantuan berdasarkan karakteristik yang relevan, sehingga menghasilkan kelompok yang lebih terarah. Hasil penelitian menunjukkan bahwa sistem yang dikembangkan telah berhasil diuji melalui berbagai skenario, seperti pendaftaran akun baru, proses autentikasi, input data calon penerima, hingga pengelompokan data menggunakan K-Means. Sistem ini mampu mendukung pengelolaan data dan pengambilan keputusan dengan lebih efektif. Dengan demikian, penelitian ini memberikan kontribusi nyata dalam upaya meningkatkan akurasi dan efisiensi program bantuan sosial pemerintah.

Re- Ketra: Aplikasi Inovatif dalam Mendukung Pariwisata di Kediri

Aldino Alung Putra Anugraha — 2025-01-20

Abstrak – Berwisata merupakan kegiatan yang dilakukan oleh seseorang atau berkelompok dengan memiliki tujuan tertentu. Namun seiring berjalanya waktu kita menyadari kalu kita ingin berwisata namun masih sulit untuk menemukan Lokasi wisata yang tepat. Dengan kita membuat aplikasi khusus wisata yang dapat menuntun wisata daerah Kediri sebagai destinasinya. Aplikasi Ketra dikembangkan sebagai respons terhadap meningkatnya kebutuhan akan solusi digital yang memudahkan wisatawan dan warga lokal dalam menjelajahi Kediri. Kota Kediri memiliki berbagai destinasi wisata yang berpotensi meningkatkan ekonomi lokal, namun informasi yang tersebar dan aksesibilitas masih menjadi kendala. Penelitian ini bertujuan untuk merancang dan mengembangkan aplikasi mobile yang menyajikan panduan wisata, informasi transportasi, rekomendasi kuliner, serta layanan lainnya yang relevan dengan pariwisata Kediri. Metode penelitian yang digunakan adalah pendekatan user- centered design untuk memastikan aplikasi sesuai dengan kebutuhan pengguna, serta pengujian usability untuk mengukur efektivitasnya. Hasil penelitian menunjukkan bahwa aplikasi Ketra mampu meningkatkan kenyamanan dan akses informasi wisata bagi pengguna dengan desain yang interaktif dan fitur yang mudah digunakan. Implementasi aplikasi ini diharapkan tidak hanya meningkatkan pengalaman wisatawan, tetapi juga memberikan dampak positif bagi ekonomi lokal dengan memperluas peluang usaha bagi masyarakat Kediri. Kesimpulannya, Ketra menjadi solusi yang berperan penting dalam memajukan sektor pariwisata dan mendukung perkembangan ekonomi berbasis teknologi di Kediri.

Rancang Bangun Sistem Pendukung Rancang Bangun Sistem Pendukung Keputusan Penilaian Kinerja Karyawan,Metode Perbandingan Eksponensial

Een Greynanda — 2025-01-20

Abstrak – Sumber daya manusia merupakan ilmu atau cara untuk mengatur suatu hubungan dan peranan sumber daya atau tenaga kerja yang dimiliki setiap individu bersifat efektf dan fisien dan bisa digunakan dengan maksimal sehingga tercapai bersama perusahaan, karyawan dan masyarakat menjadi maksimal. Berdasarkan permasalahan penilaian kinerja karyawan, untuk mengatasi permasalahan yang ada di CV Dinasti Nawa Karya dengan menggunakan metode perbandingan eksponensial (MPE). MPE merupakan salah satu metode dari Decesion Suport System (DSS) yang digunakan untuk menentukan urutan alternatif keputusan dengan kriteria jamak. Oleh karena itu, metode MPE (metode perbandingan eksponensial) dan ROC ( Rank Order Centroid ) dapat menjadi solusi yang digunakan untuk mengatasi permasalahan yang dihadapi oleh hrd saat penilaian sehingga metode ini dapat digunakan sebagai alat untuk mengevaluasi dalam memberikan penilaian atas kinerja karyawan. Penelitian ini menggunakan metode pengembangan sistem kemudian diimplementasikan sehingga mendapatkan hasil. Hasil dari penelitian ini adalah bahwa MPE dapat digunakan untuk menyelesaikan permaslaahan pada penelitian sistem pendukung keputusan penilaian karyawan CV. Dinasti Nawa Karya..

Kata Kunci — Metode Perbandingan Eksponensial (MPE). Sistem Pendukung Keputusan, Perancangan Sistem

Implementasi Penentuan Bakal Calon Ketua IPNU Dengan Metode AHP dan TOPSIS

Mukhamad Nafis Krisnawan — 2025-01-20

Pemilihan ketua organisasi ditingkat kepengurusan seringkali dipengaruhi oleh subjektivitas dan ketidakjelasan dalam menentukan calon yang tepat. Penelitian ini mengembangkan sebuah sistem pendukung keputusan (SPK) untuk pemilihan bakal calon Ketua IPNU dengan menggunakan metode Analytical Hierarchy Process (AHP) dan Technique for Order Preference by Similarity to Ideal Solution (TOPSIS). Metode AHP digunakan untuk menentukan bobot kriteria yang relevan dalam penilaian, sementara TOPSIS digunakan untuk mengurutkan calon berdasarkan kedekatannya dengan solusi ideal. Hasil penelitian menunjukkan bahwa sistem ini dapat memudahkan penilaian calon berdasarkan kriteria yang terukur dan objektif. Pengujian sistem pada responden menunjukkan tingkat kepuasan 95,36%, menandakan bahwa sistem ini mampu memenuhi kebutuhan pengguna dengan baik. Penelitian ini memberikan kontribusi dalam meningkatkan transparansi dan keadilan dalam proses pemilihan ketua di organisasi seperti IPNU, serta membuka peluang untuk pengembangansistem berbasis aplikasi mobile untuk kemudahan akses pengguna.

IDENTIFIKASI MANGGA BERDASARKAN TINGKAT KEMATANGAN MENGGUNAKAN YOLO 11

Muhammad Miftahul Huda — 2025-01-20

Pertumbuhan penduduk yang pesat tanpa diimbangi peningkatan produksi pertanian dapat memicu krisis pangan global. Penelitian ini bertujuan untuk mengidentifikasi tingkat kematangan buah mangga menggunakan algoritma YOLO versi 11, yang diharapkan dapat meningkatkan efisiensi dalam pengelolaan hasil pertanian. Metode yang digunakan adalah Cross-Industry Standard Process for Data Mining (CRISP-DM), dengan pengumpulan data citra buah mangga sebagai sampel. Hasil penelitian menunjukkan bahwa model dapat mendeteksi buah mangga matang dengan akurasi 100%, sedangkan untuk mangga yang belum matang, akurasi mencapai 68%. Temuan ini menunjukkan bahwa meskipun model efektif, masih ada ruang untuk perbaikan dalam mengidentifikasi mangga yang belum matang. Kesimpulan dari penelitian ini adalah bahwa penerapan teknologi berbasis YOLO dapat memberikan kontribusi signifikan dalam meningkatkan produktivitas pertanian dan membantu petani dalam pemilahan hasil panen secara cepat dan akurat, yang penting untuk mendukung ketahanan pangan di masa depan.

RANCANG BANGUN SISTEM DETEKSI BUAH JERUK MENGGUNAKAN YOLOV8

Gilang Ramadhani — 2025-01-20

Produksi jeruk di Indonesia yang mencapai 2,4 juta ton pada tahun 2021 menunjukkan pentingnya pengelolaan hasil panen yang efisien. Namun, proses penghitungan jumlah jeruk secara manual memakan waktu dan tenaga yang besar, sehingga kurang efektif untuk memenuhi permintaan pasar yang terus meningkat. Penelitian ini menawarkan solusi berupa sistem otomatis berbasis algoritma YOLOv8 untuk mendeteksi dan menghitung jumlah jeruk secara real-time. Algoritma ini dipilih karena kecepatan dan akurasinya yang tinggi, mencapai tingkat akurasi hingga 95% dalam berbagai kondisi pencahayaan dan latar belakang. Hasil pengujian menunjukkan bahwa sistem ini mampu meningkatkan efisiensi proses identifikasi dan penghitungan jeruk dibandingkan metode manual. Implementasi teknologi ini diharapkan dapat membantu petani dalam perencanaan panen, pengelolaan produksi, dan memperbaiki distribusi jeruk di pasar.

Implementasi Deteksi Bendera Negara ASEAN Dengan Metode Anotasi Data Dan YoloV8

Alfan Faradudin Attar — 2025-01-20

Kata bendera dalam bahasa Indonesia berasal dari bahasa Spanyol bandera dan bahasa Portugis bandeira, yang mencerminkan pengaruh sejarah kolonialisme di Indonesia. Bendera memiliki fungsi penting sebagai simbol identitas, kedaulatan, dan keunikan suatu entitas, baik di tingkat nasional maupun regional. Dalam konteks Association of Southeast Asian Nations (ASEAN), bendera juga menjadi lambang persatuan dan kerja sama antarnegara anggota. Namun, pada era globalisasi, deteksi dan klasifikasi bendera dalam citra digital menghadapi berbagai tantangan teknis, seperti variasi ukuran, sudut, kondisi pencahayaan, latar belakang kompleks, serta desain bendera yang serupa antarnegara. Untuk mengatasi hal tersebut, penelitian ini menggunakan algoritma YOLOv8 (You Only Look Once versi 8), teknologi deteksi objek berbasis deep learning yang unggul dalam kecepatan dan akurasi real-time. Proses pengembangan sistem ini didukung oleh platform Roboflow, yang mempermudah pembuatan dataset, pelatihan model, dan deployment. Selain itu, aplikasi berbasis web yang dikembangkan menggunakan library Python Streamlit memungkinkan hasil deteksi diakses secara interaktif dan efisien. Penelitian ini bertujuan merancang sistem deteksi dan klasifikasi bendera dengan akurasi tinggi, baik dari gambar maupun video. Sistem ini diharapkan dapat diterapkan pada berbagai bidang, seperti pembelajaran interaktif, pencarian visual, dan keamanan, sehingga mendukung identifikasi bendera secara otomatis dan real-time dengan efisiensi tinggi. Hasil dari penelitian ini menunjukkan bahwa model klasifikasi bendera negara-negara ASEAN memiliki performa bervariasi, dengan akurasi sempurna (1.00) untuk bendera Singapura, Thailand, dan Vietnam, namun mengalami kebingungan pada kategori background dan beberapa bendera seperti Filipina (0.59) dan Indonesia (0.67).

Penggunaan Computer Vision untuk Estimasi Pose Squat sebagai Solusi Alternatif Latihan Kebugaran di Gym

Kevin Ragil Krisna Dyansyah — 2025-01-20

Penelitian ini bertujuan untuk memberikan solusi alternatif dalam memastikan form gerakan squat tetap benar melalui teknologi Computer Vision berbasis Python menggunakan MediaPipe dan OpenCV. Latar belakang penelitian ini adalah pentingnya form yang tepat saat melakukan latihan squat untuk mencegah cedera dan memaksimalkan efektivitas latihan, terutama bagi individu yang tidak memiliki akses ke gym trainer. Metode penelitian melibatkan pengembangan sistem estimasi pose yang mendeteksi titik-titik kunci tubuh (landmark) menggunakan MediaPipe, serta perhitungan sudut untuk mengevaluasi form squat secara real-time. Dataset gerakan squat dikumpulkan untuk menguji akurasi sistem. Hasil penelitian menunjukkan bahwa sistem ini mampu mendeteksi kesalahan form squat dan memberikan umpan balik secara efektif dengan akurasi tinggi. Diskusi menekankan manfaat teknologi ini dalam menyediakan solusi pelatihan yang efisien, terjangkau, Hasil pengujian menunjukkan bahwa sistem memiliki performa yang sangat baik dengan akurasi sebesar 100%, presisi 100%, recall 100%, dan F1-score 100%.. Kesimpulannya, implementasi Computer Vision melalui MediaPipe dan OpenCV menawarkan inovasi signifikan dalam bidang latihan kebugaran mandiri dengan teknologi yang mudah diterapkan dan digunakan.

Pemanfaatan Teknologi Chatbot pada E-Commerce untuk Mendukung Pemasaran dan Penjualan Kerupuk Emplek-Emplek

Moh.Taufik Hidayat — 2025-01-20

Dengan munculnya e-commerce, bisnis sekarang dapat menjual barang dan layanan secara online dengan bantuan chatbot dan teknologi kecerdasan buatan (AI). Tujuan dari penelitian ini adalah untuk menemukan, membuat, dan menerapkan teknologi chatbot pada platform e-commerce untuk membantu pemasaran dan penjualan produk tradisional Kediri, kerupuk Emplek-emplek. Banyak pengusaha belum menggunakan teknologi digital sepenuhnya meskipun pasar kerupuk memiliki potensi yang besar. Analisis kebutuhan sistem, perancangan arsitektur sistem, tinjauan literatur, dan implementasi sistem dengan menggunakan pendekatan sistematik adalah semua topik penelitian ini. Chatbot meningkatkan efisiensi operasi dan kepuasan pelanggan serta berfungsi sebagai alat pemasaran yang efektif, menurut penelitian. Chatbot beroperasi 24 jam sehari untuk meningkatkan keterlibatan pelanggan dan kesadaran merk di seluruh dunia. Hasil dari penelitian ini bahwa chatbot di platform e-commerce dapat membantu UMKM meningkatkan daya saing produk tradisional.

IMPLEMENTASI CITRA DIGITAL UNTUK PERMAINAN SUIT BAGI ANAK-ANAK

Arin Ayu Silvyani Mustofa — 2025-01-20

Permainan suit batu-gunting-kertas merupakan salah satu bentuk permainan edukasi sederhana yang dikenal luas oleh berbagai kalangan, termasuk anak-anak. Dalam penelitian ini, diimplementasikan sistem permainan berbasis citra digital menggunakan deteksi gerakan tangan dengan algoritma Mediapipe Hands. Sistem ini dirancang untuk mendeteksi pilihan pemain secara real-time melalui kamera dan menggabungkannya dengan logika berbasis aturan untuk menentukan hasil pertandingan. Dengan tambahan fitur-fitur seperti timer countdown, random choice untuk komputer, serta visualisasi hasil pertandingan, sistem ini memberikan pengalaman bermain yang interaktif dan menyenangkan. Penelitian ini bertujuan untuk memberikan alternatif permainan edukasi yang menarik bagi anak-anak dengan memanfaatkan teknologi citra digital. Selain itu, penelitian ini juga bertujuan untuk menguji efektivitas sistem dalam memberikan pengalaman yang imersif dan menyenangkan bagi pengguna. Hasil implementasi menunjukkan bahwa sistem mampu mendeteksi gerakan tangan dengan baik dan memberikan hasil pertandingan secara cepat, meskipun terdapat beberapa kendala teknis yang perlu diperbaiki di masa depan.

Sistem Pakar Kepribadian Santri Baru menggunakan Certainty Factor Pada Pondok Pesantren Yambu’ul Qur’an

Misbakhul Munir — 2025-01-20

Pondok Pesantren Yambu'ul Qur'an menghadapi banyak kesulitan dalam membimbing siswa baru, terutama dalam mengetahui kepribadian mereka yang paling mungkin. Selama ini, pakar psikologi melakukan tes kepribadian secara manual. Ini membutuhkan waktu cukup lama untuk metode konvensional berbasis kertas. Penulis menyarankan sistem pakar berbasis web yang dapat memberikan informasi kecenderungan kepribadian secara cepat dan akurat untuk memecahkan masalah ini. Metode Keyakinan Factor (CF) digunakan oleh sistem ini untuk menentukan tingkat keyakinan terhadap hasil analisis kepribadian pengguna berdasarkan data yang dimasukkan. Mulai dari pengumpulan data, perancangan sistem, implementasi, dan pengujian, pengembangan sistem dilakukan dalam beberapa tahap. Hasil pengujian menunjukkan bahwa sistem ini memiliki tingkat akurasi sebesar 93,33% dan mampu memberikan hasil yang sesuai dengan perhitungan manual. Ini menunjukkan keandalan dan akurasi sistem. Sistem ini memungkinkan identifikasi kepribadian siswa dengan lebih baik dan pengambilan keputusan yang lebih baik tentang bimbingan yang tepat. Diharapkan sistem ini akan membantu Pondok Pesantren Yambu'ul Qur'an memberikan bimbingan yang lebih baik kepada santri baru.

Model Transfer Learning untuk Klasifikasi Kesegaran Buah Jeruk Menggunakan Citra Digital

Liana Trihardianingsih — 2025-01-20

Kemajuan teknologi dalam bidang pembelajaran mesin dan pengolahan citra digital telah menawarkan solusi yang lebih efektif di dunia pertanian untuk mengklasfikasikan kualitas buah. Salah satu metode untuk menyelesaikan masalah mengklasifikasi kualitas buah adalah penggunaan deep learning untuk pengolahan citra digital. Dalam penelitian ini, proses klasifikasi akan dilakukan pada buah jeruk dengan mengadopsi arsitektur Convolutional Neural Network (CNN), yaitu ResNet50 dan Inception-V3. Dataset yang digunakan terdiri dari dua kelas, yaitu kelas fresh dan kelas stale. Proses pendistribusian dilakukan secara acak menjadi tiga bagian, dimana 80% untuk pelatihan, 10% untuk validasi, dan 10% untuk pengujian. Proses klasifikasi dilakukan dengan menggunakan batch size 32, epoch 100, optimizer Adam, dan learning rate 1e-4. Hasil penelitian menunjukkan bahwa kedua model menghasilkan nilai akurasi yang sama yaitu 99,67%. Namun, kedua model memiliki nilai loss dan waktu komputasi yang berbeda. Inception-V3 memiliki nilai loss sebesar 0,0148, sedangkan ResNet50 mencatat nilai loss yang lebih kecil, yaitu 0,0074. Nilai loss ini juga sebanding dengan waktu komputasi masing-masing model. Inception-V3 membutuhkan waktu 26,29 detik untuk satu iterasi, sementara ResNet50 hanya memerlukan 0,92 detik per iterasi. Jika dilihat dari total penggunaan memori, ResNet50 menggunakan 52,4% ruang memori, sedangkan Inception-V3 hanya menggunakan 5,2%.

Analisis Tingkat Kecanduan Game Online Mahasiswa dengan Metode Forward Chaining dan Certain Factor

Anggi Mutia — 2025-01-20

Kecanduan game online merupakan fenomena yang semakin marak terjadi, khususnya di kalangan mahasiswa, yang dapat memengaruhi produktivitas dan kesehatan mental mereka. Penelitian ini bertujuan untuk menganalisis tingkat kecanduan game online pada mahasiswa menggunakan metode Forward Chaining dan Certain Factor. Metode ini diaplikasikan dalam sistem pakar berbasis web yang dirancang untuk mendiagnosis tingkat kecanduan game online berdasarkan gejala yang dipilih oleh pengguna. Pengujian dilakukan terhadap 16 mahasiswa Prodi Informatika STT Ronggolawe angkatan 2022. Sistem ini memberikan hasil diagnosis berupa kategori kecanduan (ringan, sedang, atau berat) dan nilai keyakinan (confidence factor). Hasil pengujian menunjukkan akurasi sistem mencapai 100%, dengan semua hasil diagnosis sistem sesuai dengan hasil diagnosis manual. Analisis data menunjukkan mayoritas mahasiswa berada pada tingkat kecanduan ringan, sementara sebagian kecil berada pada tingkat sedang, dan beberapa lainnya mengalami kecanduan berat. Sistem ini terbukti efektif dan dapat diandalkan sebagai alat bantu diagnosis kecanduan game online. Penelitian ini diharapkan dapat memberikan kontribusi dalam mengatasi dampak negatif kecanduan game online, khususnya di lingkungan akademik.

Pengembangan Learning Management System Berbasis Pembelajaran Differensiasi dengan Integrasi Teknologi Exam Browser

Anisah Nabilah — 2025-01-20

Penelitian ini bertujuan untuk mengembangkan sistem pembelajaran berbasis diferensiasi yang terintegrasi dengan teknologi pengawasan ujian berbasis exam browser. Pendekatan diferensiasi dalam pembelajaran dirancang untuk memenuhi kebutuhan belajar mahasiswa yang beragam, sementara penggunaan exam browser bertujuan untuk meningkatkan integritas akademik dengan membatasi akses siswa ke browser lain selama ujian berlangsung.Metode penelitian yang digunakan adalah Research and Development (R&D) dengan pendekatan ADDIE (Analysis, Design, Development, Implementation, Evaluation). Dalam pengembangan sistem, teknologi exam browser diintegrasikan dengan platform pembelajaran berbasis diferensiasi untuk menciptakan pengalaman belajar yang adaptif dan aman. Evaluasi sistem dilakukan melalui uji coba pada siswa, yang melibatkan pengukuran efektivitas sistem dalam meningkatkan fokus, kejujuran akademik, dan hasil belajar.Hasil penelitian menunjukkan bahwa sistem ini mampu mengakomodasi perbedaan gaya belajar siswa melalui fitur diferensiasi dan meningkatkan integritas pelaksanaan ujian dengan membatasi akses ke sumber daya eksternal. Selain itu, siswa menunjukkan respons positif terhadap pengalaman belajar yang lebih personal dan aman. Penelitian ini berkontribusi pada pengembangan teknologi pendidikan yang mendukung pembelajaran adaptif dan integritas akademik di era digital.