Jurnal Inovasi Informatika dan Bisnis Digital (JIIBD)

Sistem Pakar untuk Diagnosis Hoarding pada Obsessive Compulsive Disorder menggunakan Metode Certainty Factor Berbasis PHP

Fithry Tahel, Rahmaini Hifzah Ruslan — Tue, 11 Nov 2025 00:00:00 +0700

Obsessive-Compulsive Disorder (OCD) merupakan gangguan kesehatan mental yang ditandai oleh pikiran obsesif yang tidak terkendali dan perilaku kompulsif. Penanganan yang tepat sangat penting untuk mencegah dampak lebih lanjut terhadap kualitas hidup penderita OCD. Namun, diagnosis dini sering kali terhambat oleh keterbatasan waktu dan akses terhadap tenaga medis atau pakar. Oleh karena itu, peneliti mengusulkan sebuah sistem pakar berbasis PHP yang menggunakan metode Certainty Factor.

Sistem ini meniru proses berpikir seorang profesional medis dalam mendiagnosis OCD berdasarkan gejala-gejala yang dipilih oleh pengguna. Metode Certainty Factor digunakan untuk menghitung tingkat kepastian dari setiap diagnosis berdasarkan gejala yang diinputkan.

Hasil analisis menunjukkan bahwa sistem ini mampu memberikan diagnosis dengan akurasi yang tinggi, bahkan mencapai 100% pada beberapa kasus OCD. Hasil ini mengindikasikan bahwa sistem pakar dapat menjadi alat yang efektif dalam mendeteksi OCD sejak dini, sehingga mempercepat proses penanganan dan perawatan yang sesuai.

Vaname Shrimp Harvest Prediction System Using The K-Nearest Neighbors (KNN) Method

Ahmad Ubaidillah, Retno Wardhani, Ayu Ismi Hanifah — Tue, 11 Nov 2025 00:00:00 +0700

Udang vaname merupakan salah satu komoditas budidaya budidaya yang bernilai ekonomi tinggi dan banyak dibudidayakan di wilayah pesisir Indonesia, termasuk di Desa Pendowolimo, Kecamatan Karangbinayun, Kabupaten Lamongan. Namun, produktivitas panen seringkali tidak stabil karena faktor-faktor seperti perubahan iklim, kualitas air, dan terbatasnya penggunaan teknologi prediktif. Penelitian ini bertujuan untuk merancang dan membangun sistem prediksi panen udang vaname berbasis web menggunakan metode K-Nearest Neighbors (KNN). Metode KNN dipilih karena kemampuannya melakukan klasifikasi dan prediksi berdasarkan kedekatan data historis. Kumpulan data yang digunakan terdiri dari 150 catatan panen dengan variabel antara lain periode panen, luas tambak, jumlah tebar ("rean"), durasi tumbuh, dan jumlah pakan. Perhitungan dilakukan dengan menggunakan jarak Euclidean untuk menemukan tetangga terdekat K tersebut, dan hasil panen diprediksi dari nilai rata-rata tetangga tersebut. Untuk mengukur akurasi sistem, digunakan Mean Absolute Percentage Error (MAPE), menghasilkan MAPE sebesar 9,6%, yang dikategorikan sebagai prediksi yang sangat baik. Sistem ini diimplementasikan pada platform web dengan fitur login, manajemen data, dan prediksi real-time otomatis. Hasil penelitian ini menunjukkan bahwa menggunakan metode KNN untuk memprediksi panen udang vaname mampu membantu petambak membuat keputusan budidaya yang lebih terencana dan berbasis data. Oleh karena itu, sistem tersebut diharapkan dapat meningkatkan efisiensi, produktivitas, dan keberhasilan panen di masa depan.

Analisis Konten Trash Talking dalam Konten Game Online Mobile Legends pada Akun YouTube Jonathan Liandi menggunakan Metode KNN

Ahmad Dwi Raharjo Septiawan, Siti Mujilahwati, Azza Abidatin Bettaliyah — Tue, 11 Nov 2025 00:00:00 +0700

Fenomena trash talking (ujaran provokatif) dalam konten Mobile Legends: Bang Bang di YouTube dapat memengaruhi pola komunikasi di kalangan audiens muda, khususnya remaja. Penelitian ini bertujuan untuk menganalisis bentuk linguistik trash talking pada kanal Jonathan Liandi, mengembangkan pengklasifikasi otomatis untuk komentar trash talking, dan menguji potensi dampaknya terhadap penonton.

Korpus sebanyak 500 komentar YouTube dikumpulkan melalui web scraping dan diproses awal menggunakan case folding, cleansing, normalisasi, tokenisasi, penghapusan stopword (stopword removal), dan stemming. Fitur diekstraksi menggunakan metode Term Frequency–Inverse Document Frequency (TF–IDF) dan diklasifikasikan dengan algoritma k-Nearest Neighbor (KNN) dengan nilai k=3.

Dataset dibagi menjadi 80% untuk pelatihan (training) dan 20% untuk pengujian (testing), serta kinerja model dievaluasi menggunakan akurasi, presisi, recall, dan F1−score.

Temuan mengungkapkan bahwa trash talking muncul dalam delapan kategori linguistik, termasuk istilah hewan, bagian tubuh, kata sifat, kata benda, kata kerja, kondisi atau keadaan, profesi atau status sosial, dan makian spontan (spontaneous expletives). Model KNN mencapai akurasi 85%, presisi 93,5%, recall 78,2%, dan F1−score 85,1%, yang menunjukkan bahwa TF–IDF yang dikombinasikan dengan KNN menyediakan garis dasar (baseline) yang efektif untuk mendeteksi bahasa ofensif dalam komentar terkait game. Trash talking dalam konten yang dianalisis bervariasi dan sangat terlihat di kalangan audiens.

Meskipun pendekatan komputasi ini terbukti cocok untuk deteksi tahap awal, integrasi model yang peka konteks seperti deep learning serta promosi literasi digital yang lebih kuat dan kebijakan pembatasan usia disarankan untuk memitigasi dampak perilaku negatif.

Rancangan Sistem Notifikasi Kedatangan Pembeli Dengan Suara Menggunakan Arduino

Al Haby Pratama Subakti, A M H Pardede, Mili Alfhi Syari — Tue, 11 Nov 2025 00:00:00 +0700

Toko kelontong merupakan tempat untuk menjual berbagai kebutuhan rumah tangga. Yang mana menyediakan kebutuhan seperti kebutuhan dapur, kebutuhan mandi, peralatan sekolah, makanan ringan, dan yang lainnya. Tempat yang menyediakan segitu banyak barang tentu tidak luput dari tindak pencurian yang dilakukan oleh beberapa oknum masyarakat. Pada penelitian sebelumnya, adalah sistem untuk keamanan rumah. Pada penelitian tersebut berfokus pada pemasangan multisensor pada setiap jalan masuk yang ada pada rumah, yang menggunakans sensor buzzer dan SMS sebagai output. Oleh karena itu, untuk menyesuaikan kondisi pada toko kelontong. Komponen yang terdiri dari Arduino uno R3, sensor ultrasonik, DF Player, LCD, I2C, Speaker, dan ESP32-CAM. Sistem ini dilengkapi dengan fitur mengambil foto yang dikirimkan ke telegram dengan menggunakan ESP32-CAM. Hasil dari penelitian ini adalah jarak yang bisa dideteksi sensor cukup jauh, namun sebagai bentuk percobaan penulis membatasi jarak 12cm dan akan mendeteksi objek ketika berada di jarak 5cm. Ujicoba membuktikan ketika sensor mendeteksi objek dengan status objek datang, maka speaker berbunyi yang terhubung pada DF Player dengan memutar audio yang tersimpan di sdcard. LCD akan menampilkan status “ada” ketika terdapat objek yang berada didalam toko. Disaat itu juga ESP32-CAM akan mengambil gambar dan mengirimnya ke telegram. Ketika objek keluar melewati objek maka tidak ada respon dari komponen lain selain LCD, yang menampilkan status “tidak ada” yang berarti tidak ada objek yang berada didalam toko.

Analisis Kepuasan Pengguna Terhadap Aplikasi Maxim di Kota Medan Menggunakan Model E-Servqual

Rezkyta Agil, Pieter Octaviandy, Feriani Astuti Tarigan — Tue, 11 Nov 2025 00:00:00 +0700

Perkembangan teknologi informasi telah memfasilitasi berbagai kegiatan, termasuk layanan transportasi online. Maxim, sebagai salah satu penyedia layanan transportasi digital, telah menerima banyak keluhan pengguna, terutama mengenai fitur navigasi, desain antarmuka, dan sistem pembayaran elektroniknya. Penelitian ini bertujuan untuk menganalisis kepuasan pengguna terhadap aplikasi Maxim di Kota Medan menggunakan metode E-Servqual, yang mencakup lima dimensi: tangibles, reliability, responsiveness, assurance, dan empathy. Penelitian menggunakan pendekatan kuantitatif dengan mendistribusikan kuesioner online kepada 104 responden. Hasil penelitian menunjukkan bahwa semua dimensi memiliki nilai GAP negatif, dengan berwujud menjadi faktor paling dominan yang mempengaruhi kepuasan pengguna. Sebagai solusinya, prototipe dasbor real-time dirancang untuk membantu pengembang memantau evaluasi fitur secara langsung. Penelitian ini diharapkan dapat menjadi acuan untuk meningkatkan kualitas layanan Maxim di masa mendatang.