Koleksi Skripsi Mahasiswa Program Studi Teknologi Informasi Strata Satu (S1) http://repository.ibrahimy.ac.id/handle/123456789/112 2026-04-30T19:51:56Z 2026-04-30T19:51:56Z Aizah, Nur http://repository.ibrahimy.ac.id/handle/123456789/900 2026-04-28T17:59:31Z 2025-08-18T00:00:00Z

Perbandingan Efektivitas Metode K-Nearest Neighbor dan Naïve Bayes dalam Data Pengamatan Kesehatan Tanaman Aizah, Nur Kesehatan tanaman merupakan aspek penting dalam menjaga produktivitas pertanian dan ketahanan pangan. Namun, metode identifikasi tradisional yang bersifat visual dan subjektif sering kali kurang akurat dan rentan terhadap kesalahan. Penelitian ini bertujuan untuk membandingkan efektivitas dua algoritma klasifikasi, yaitu K-Nearest Neighbor (K-NN) dan Naïve Bayes (NB), dalam mengklasifikasikan status kesehatan tanaman berdasarkan data pengamatan sensor lingkungan. Data yang digunakan terdiri dari 1.200 entri yang diperoleh dari Kaggle, mencakup 11 fitur seperti kelembaban tanah, suhu, pH, kandungan hara, dan sinyal elektrokimia, dengan label kesehatan tanaman (Healthy, Moderate Stress, High Stress). Penelitian menggunakan pendekatan CRISP-DM dengan tahapan business understanding, data preparation, modeling, evaluation, dan deployment. Evaluasi model menunjukkan bahwa Naïve Bayes memiliki performa lebih tinggi dengan akurasi 76,25% dan F1-score rata-rata 76,07%, dibandingkan K-NN yang hanya mencapai akurasi 56,67% dan F1-score 59,53%. Uji-T berpasangan membuktikan perbedaan performa kedua algoritma signifikan secara statistik. Hasil ini menunjukkan bahwa Naïve Bayes lebih efektif dan efisien untuk klasifikasi kesehatan tanaman berbasis data sensor numerik.

2025-08-18T00:00:00Z Basmalia http://repository.ibrahimy.ac.id/handle/123456789/899 2026-04-28T17:59:28Z 2025-08-18T00:00:00Z

Implementasi Multi Factor Evaluation Process (MFEP) untuk Pemilihan Kompetensi Keahlian di SMKN 1 Banyuputih Basmalia Pemilihan kompetensi keahlian bagi calon siswa di Sekolah Menengah Kejuruan (SMK) merupakan proses penting yang menentukan kesesuaian minat, potensi, dan kemampuan siswa dengan program keahlian yang tersedia. Di SMKN 1 Banyuputih, proses pemilihan kompetensi keahlian masih bergantung pada hasil tes akademik dan belum mempertimbangkan berbagai faktor pendukung lainnya, sehingga sering terjadi ketidaksesuaian jurusan dan distribusi siswa yang tidak merata. Penelitian ini bertujuan untuk mengimplementasikan metode Multi Factor Evaluation Process (MFEP) dalam Sistem Pendukung Keputusan (SPK) untuk membantu proses pemilihan kompetensi keahlian secara lebih objektif dan terukur. Metode MFEP digunakan dengan menentukan dua jenis kriteria, yaitu kriteria umum dan kriteria khusus setiap jurusan. Setiap kriteria diberikan bobot nilai yang kemudian dikalikan dengan hasil evaluasi dari jawaban kuesioner siswa. Total bobot evaluasi digunakan sebagai dasar untuk menentukan alternatif jurusan terbaik bagi siswa. Penelitian ini menggunakan pendekatan kuantitatif dengan teknik pengumpulan data melalui observasi, wawancara, dan studi literatur. Sistem dibangun menggunakan metode waterfall dan diimplementasikan berbasis web dengan bahasa pemrograman PHP serta database MySQL. Hasil penelitian menunjukkan bahwa sistem pendukung keputusan berbasis MFEP mampu memberikan rekomendasi jurusan yang lebih objektif, akurat, dan sesuai dengan karakteristik masing-masing siswa. Sistem ini mempermudah xiv pihak sekolah dalam pengelolaan data, perhitungan evaluasi, hingga penyajian hasil rekomendasi secara otomatis dan cepat. Implementasi MFEP terbukti dapat mengurangi subjektivitas penilaian serta meningkatkan efektivitas pemilihan kompetensi keahlian di SMKN 1 Banyuputih.

2025-08-18T00:00:00Z Buya Hakim, Prastika http://repository.ibrahimy.ac.id/handle/123456789/898 2026-04-28T17:59:23Z 2025-08-18T00:00:00Z

Implementasi Order Tracking pada Sistem Informasi Manajemen Laundry Buya Hakim, Prastika Penelitian ini difokuskan pada pengembangan sistem informasi manajemen laundry berbasis web yang terintegrasi dengan fitur order tracking guna meningkatkan efektivitas operasional serta mutu pelayanan. Karsem Laundry, sebagai studi kasus, masih menerapkan metode pencatatan manual untuk pengelolaan pesanan, keuangan, dan komunikasi pelanggan, yang seringkali menimbulkan kesalahan dan keterlambatan. Dengan sistem ini, pelanggan dapat memantau status cucian secara real-time melalui link yang dikirim via WhatsApp tanpa harus login ke dalam sistem. Selain itu, sistem juga mencatat transaksi pemasukan dan pengeluaran, mengelola data karyawan, serta menghasilkan laporan keuangan dan operasional yang dapat diakses oleh pemilik usaha. Proses pengembangan dilakukan dengan pendekatan waterfall, yang mencakup tahapan analisis kebutuhan, perancangan, implementasi, pengujian, hingga pemeliharaan. Hasil dari penelitian ini diharapkan mampu memberikan solusi yang mendukung kelancaran operasional, meningkatkan kepuasan pelanggan, dan menjadi dasar pengambilan keputusan berbasis data bagi pelaku usaha.

2025-08-18T00:00:00Z Ubaidillah, Ma'ruf http://repository.ibrahimy.ac.id/handle/123456789/897 2026-04-28T17:59:20Z 2025-08-23T00:00:00Z

Analisis Sentimen Menggunakan Algoritma Naive Bayes pada Pilkada Kabupaten Situbondo Tahun 2024 Ubaidillah, Ma'ruf Pemilihan kepala daerah (PILKADA) Kabupaten Situbondo tahun 2024 menjadi salah satu momen penting dalam dinamika demokrasi daerah. Media sosial, khususnya TikTok, digunakan secara luas oleh masyarakat untuk menyampaikan opini, baik positif, netral, maupun negatif terhadap kandidat. Namun, banyaknya komentar tanpa penyaringan menimbulkan beragam persepsi yang sulit dipetakan. Kondisi ini mendorong penelitian untuk menganalisis sentimen masyarakat melalui pendekatan data mining, sehingga opini publik dapat dikaji secara lebih objektif dan bermanfaat bagi strategi komunikasi politik. Penelitian ini menggunakan metode kuantitatif dengan pendekatan eksperimental. Data penelitian diperoleh melalui teknik web scraping dari 494 komentar TikTok yang membahas PILKADA Situbondo. Data yang terkumpul diproses melalui tahapan text preprocessing seperti cleansing, case folding, tokenizing, stopword removal, dan stemming. Selanjutnya, data diklasifikasikan menggunakan algoritma Multinomial Naive Bayes dengan pembagian 80% data latih dan 20% data uji. Evaluasi kinerja model dilakukan menggunakan confusion matrix serta metrik akurasi, presisi, recall, dan f1-score. Hasil penelitian menunjukkan bahwa model klasifikasi berbasis Naive Bayes mampu mengklasifikasikan sentimen dengan akurasi sebesar 70,59%. Kinerja model lebih baik dalam mengidentifikasi sentimen positif dibandingkan netral, yang masih sulit diklasifikasikan secara tepat. Temuan ini membuktikan bahwa metode Naive Bayes cukup efektif dalam pemetaan opini publik berbasis media sosial, meskipun masih terdapat ruang pengembangan melalui optimalisasi algoritma atau penambahan variasi dataset. Temuan ini dapat dimanfaatkan oleh kandidat, tim kampanye, maupun penyelenggara pemilu dalam merancang strategi komunikasi politik yang lebih tepat sasaran.

2025-08-23T00:00:00Z