Abstract:Abstract: Face recognition based on deep learning has become an important technology in many areas. However, these systems often face challenges in real-world conditions, such as when the face is partially covered by accessories…
essories such as masks or glasses. This study aims to evaluate the effect of data augmentation by adding facial accessories (masks, glasses, and a combination of both) and geometric augmentation on the accuracy of face recognition systems. There are three types of datasets used in this method: the original dataset (category 1), the dataset with facial accessories augmentation (category 2), and the dataset with geometric augmentation (category 3). Data augmentation was performed on the training dataset to increase diversity, followed by the face detection process using SCRFD and feature extraction with ArcFace. The model was then trained using Multi-Layer Perceptron (MLP). Based on the results, adding face accessories (category 2) made the model a lot more accurate, hitting 99% accuracy. In category 3, adding geometric features improved accuracy to 91%. Other evaluation metrics, such as precision, recall, and F1-score, also showed improvement after augmentation. This study concludes that facial accessories augmentation is more effective in improving the accuracy and robustness of face recognition models compared to geometric augmentation.
Keywords: augmentation; deep learning; face recognition; glasses.
Abstrak: Pengenalan wajah berbasis deep learning telah menjadi salah satu teknologi penting dalam berbagai aplikasi. Namun, sistem ini sering kali menghadapi tantangan dalam kondisi dunia nyata, seperti saat wajah tertutup sebagian oleh aksesori seperti masker atau kacamata. Penelitian ini bertujuan untuk mengevaluasi pengaruh augmentasi data dengan menambahkan aksesori wajah (masker, kacamata, dan kombinasi keduanya) serta augmentasi geometris terhadap akurasi sistem pengenalan wajah. Metode yang digunakan melibatkan tiga kategori dataset: dataset asli tanpa augmentasi (kategori 1), dataset dengan augmentasi aksesoris wajah (kategori 2), dan dataset dengan augmentasi geometris (kategori 3). Augmentasi data dilakukan pada dataset pelatihan untuk meningkatkan keberagaman, diikuti dengan proses deteksi wajah menggunakan SCRFD dan ekstraksi fitur dengan ArcFace. Model kemudian dilatih menggunakan Multi-Layer Perceptron (MLP). Hasil penelitian menunjukkan bahwa augmentasi aksesoris wajah (kategori 2) memberikan peningkatan signifikan pada akurasi model, mencapai 99%, sedangkan kategori 3 dengan augmentasi geometris mencapai akurasi 91%. Metrik evaluasi lainnya, seperti precision, recall, dan F1-score, juga menunjukkan peningkatan setelah augmentasi. Penelitian ini menyimpulkan bahwa augmentasi aksesoris wajah lebih efektif dalam meningkatkan akurasi dan ketahanan model pengenalan wajah dibandingkan dengan augmentasi geometris.
Kata kunci: augmentasi; deep learning; kacamata; pengenalan wajah.
Abstract:Abstract: The rapid development of information technology has increased the demand for high-quality software, necessitating a structured development process. ISO/IEC/IEEE 12207:2017 serves as an international standard encompassing…
compassing organizational, technical, and project support processes, differing from ISO 9001, which focuses more generally on quality management. This study employs a Multi-Criteria Decision Making (MCDM) approach by integrating the Analytic Hierarchy Process (AHP) and the Technique for Order of Preference by Similarity to Ideal Solution (TOPSIS). AHP determines the weight of ISO 12207:2017 criteria through pairwise comparisons, while TOPSIS ranks software development activities based on these weights. To validate the results, Analysis of Variance (ANOVA) is applied. The findings indicate that the Software Requirements Definition Process has the highest priority weight (0.169), followed by Implementation (0.101) and Operation (0.095). Software Configuration Management is identified as the most critical activity with the highest TOPSIS score (0.221). ANOVA confirms the reliability of expert evaluations, showing no significant differences. This study provides a structured decision-making framework based on ISO 12207:2017, helping optimize software project management while ensuring alignment with international standards and industry best practices.
Keywords: AHP; TOPSIS; ANOVA; ISO 12207:2017
Abstrak: Perkembangan teknologi informasi meningkatkan permintaan perangkat lunak berkualitas tinggi, sehingga diperlukan proses terstruktur dalam pengembangannya. ISO/IEC/IEEE 12207:2017 menjadi standar internasional yang mencakup proses organisasi, teknis, dan pendukung proyek, berbeda dengan ISO 9001 yang lebih umum pada manajemen kualitas. Penelitian ini menggunakan Multi-Criteria Decision Making (MCDM) dengan mengintegrasikan Analytic Hierarchy Process (AHP) dan Technique for Order of Preference by Similarity to Ideal Solution (TOPSIS). AHP menentukan bobot kriteria ISO 12207:2017 melalui perbandingan berpasangan, sementara TOPSIS memeringkat aktivitas pengembangan berdasarkan bobot tersebut. Untuk validasi, Analysis of Variance (ANOVA) diterapkan. Hasil penelitian menunjukkan bahwa Proses Definisi Kebutuhan Perangkat Lunak memiliki bobot tertinggi (0,169), diikuti Implementasi (0,101), dan Operasi (0,095). Manajemen Konfigurasi Perangkat Lunak menjadi aktivitas paling kritis dengan skor TOPSIS tertinggi (0,221). ANOVA mengonfirmasi keandalan penilaian para ahli tanpa perbedaan signifikan. Penelitian ini memberikan kerangka kerja pengambilan keputusan berbasis ISO 12207:2017, membantu optimalisasi manajemen proyek perangkat lunak, serta memastikan keselarasan dengan standar internasional dan praktek terbaik industri.
Kata kunci: AHP; TOPSIS; ANOVA; ISO 12207:2017
Abstract:Abstract: West Sumba Regency has many traditional villages, local dances and bu-daya festivals that can be seen as cultural tourist attractions. This is indicated by the increasing number of people visiting cultural tourist…
ist attractions in West Sumba. However, there are still few promotional and information services available for tourists related to cultural tourism to visit, such as location information, events and access to cultural tourism spots in West Sumba. Therefore, the purpose of this research is to create a mobile phone-based application that can promote bu-culture tourism in West Sumba Regency. The specific objective is to create a platform that makes it easy for tourists to explore and understand the cultural richness and cultural tourism destinations of West Sumba. This research uses a user-centered design (UCD) approach to create a successful mobile application. This application will help tourists get information about cultural tourism destinations in West Sumba. In addition, the app has additional features, such as maps, traditional villages, local dances, cultural festivals, event schedules and travel agents.
Keywords: Cultural Tourism; Design; Mobile Apps; west sumba
Abstrak: Kabupaten Sumba Barat memiliki banyak kampung adat, tarian lokal, dan festival budaya yang dapat dilihat sebagai tempat wisata budaya. Ini ditunjukkan oleh peningkatan jumlah orang yang mengunjungi tempat-tempat wisata budaya di Sumba Barat. Namun, masih sedikit layanan promosi dan informasi yang tersedia bagi para wisatawan terkait wisata budaya yang ingin dikunjungi, seperti informasi lokasi, acara dan akses ke tempat-tempat wisata budaya di Sumba Barat. Oleh karena itu, tujuan dari penelitian ini adalah untuk membuat aplikasi berbasis ponsel yang dapat mempromosikan wisata budaya di Kabupaten Sumba Barat. Tujuan khusus adalah untuk membuat sebuah platform yang memudahkan wisatawan untuk mengeksplorasi dan memahami kekayaan budaya dan destinasi wisata budaya Sumba Barat. Penelitian ini menggunakan pendekatan desain berbasis pengguna (UCD) untuk membuat aplikasi mobile yang berhasil. Aplikasi ini akan membantu wisatawan mendapatkan informasi tentang destinasi wisata budaya di Sumba Barat. Selain itu, aplikasi ini memiliki fitur tambahan, seperti peta, kampung adat, tarian lokal, festival budaya, jadwal acara, dan agen perjalanan wisata.
Kata kunci: aplikasi seluler; desain; sumba barat; wisata budaya
Abstract:Abstract: Heart disease is one of the leading causes of death worldwide, making early detection and accurate diagnosis crucial for reducing mortality rates and improving patient outcomes. This study aims to evaluate the…
effectiveness of four machine learning algorithms—Logistic Regression, Random Forest, Support Vector Machine (SVM), and K-Nearest Neighbors (KNN)—in predicting heart disease, with a focus on enhancing model performance using Linear Discriminant Analysis (LDA) for feature reduction. Among the models, SVM achieved the highest accuracy at 84.24%, followed by Logistic Regression at 83.70%. Although Random Forest and KNN showed lower accuracies, all models benefited from LDA's dimensionality reduction. This study suggests that SVM, combined with LDA, offers an optimal solution for early and accurate heart disease prediction in the healthcare industry.
Keywords: feature reduction; heart disease; linear discriminant analysis (LDA); machine learning; SVM
Abstrak: Penyakit jantung merupakan salah satu penyebab utama kematian di seluruh dunia, sehingga deteksi dini dan diagnosis yang akurat sangat penting untuk menurunkan angka kematian dan meningkatkan hasil pengobatan pasien. Penelitian ini bertujuan untuk mengevaluasi efektivitas empat algoritma pembelajaran mesin—Regresi Logistik, Random Forest, Support Vector Machine (SVM), dan K-Nearest Neighbors (KNN)—dalam memprediksi penyakit jantung, dengan fokus pada peningkatan kinerja model menggunakan Analisis Diskriminan Linear (LDA) untuk reduksi fitur. Di antara model yang diuji, SVM mencapai akurasi tertinggi sebesar 84,24%, diikuti oleh Regresi Logistik dengan 83,70%. Meskipun Random Forest dan KNN menunjukkan akurasi yang lebih rendah, semua model memperoleh manfaat dari reduksi dimensi yang diberikan oleh LDA. Studi ini menunjukkan bahwa SVM yang dikombinasikan dengan LDA merupakan solusi optimal untuk prediksi penyakit jantung secara dini dan akurat dalam industri kesehatan.
Kata kunci: linear discriminant analysis (LDA); machine learning; penyakit jantung; reduksi fitur; SVM.
Abstract:Abstract: Stunting is a chronic or chronic malnutrition that can be seen in the height of toddlers shorter than toddlers their age. the prevalence of toddlers affected by stunting nationally was 37.6 percent (2007) and decreased…
ecreased to 35.8 percent (2010). However, it increased to 37.2 percent (2013) and decreased again to 29.9 percent (2018). The data shows an erratic stunting prevalence. Many factors influence stunting, especially parents' knowledge about balanced nutrition that prevents stunting. Prevention of stunting needs to be done by monitoring nutritional status regularly and fulfilling balanced nutrition for toddlers. For early detection of stunting, an expert system using the Dempster Shafer method is needed. The Dempster Shafer method allows decision making based on various possibilities based on symptoms in toddlers. The results of the expert system calculation show that the Dempster Shafer method can detect stunting in toddlers by more than 90%.
Keywords: dempster shafer; expert system; stunting
Abstrak: Stunting yaitu kekurangan gizi menahun atau kronis yang dapat terlihat pada tinggi badan balita lebih pendek dari balita seusianya. pravelensi balita yang terjangkit stunting secara nasional sebesar 37,6 persen (2007) dan mengalami penurunan menjadi 35,8 persen (2010). Namun meningkat menjadi 37,2 persen (2013) dan menurun kembali menjadi 29,9 persen (2018). Data tersebut menunjukkan pravelensi stunting yang tidak menentu. Banyak faktor yang mempengaruhi stunting khususnya pengetahuan orang tua mengenai gizi seimbang pencegah stunting. Pencegahan stunting perlu dilakukan dengan pemantauan status gizi secara berkala dan pemenuhan gizi seimbang Balita. Untuk deteksi stunting sejak dini dibutuhkan seuatu sistem pakar menggunakan metode dempster shafer. Metode dempster shafer memungkinkan pengambilan keputusan berdasarkan berbagai kemungkinan berdasarkan gejala pada balita. Hasil perhitungan sistem pakar menunjukkan bahwa metode dempster shafer dapat mendeteksi stunting balita lebih sebesar 90%.
Kata kunci: dempster shafer; sistem pakar; stunting
Abstract:Abstract: College libraries are built and designed based on the needs of the academic community to support learning, research, and community service. Management of higher education institutions in Indonesia refers to Organizing…
anizing libraries in Indonesia is regulated in National Library Director Regulation No. 13 of 2017. College libraries currently use information technology to support operations. To assess the alignment of a university's goal of providing a library that complies with information technology regulations and management, library management needs to be audited. At the ISB Atma Luhur library, audits were carried out using the COBIT 4.1 framework. especially in the Acquire and Implement (AI) domain. The AI domain is a domain that assesses whether plans have been successfully acquired and implemented. This research uses interview and questionnaire methods as primary data source data collection media. The respondents involved were the head of the library and the ISB Atma Luhur library staff. The results of data processing show that the AI domain is at 2,754 with a maturity level of 3-Define Process. Of the 7 control objectives under the AI domain, AI4 Anable Operation and Use is the highest control objective with 3.28. Meanwhile, the lowest control objective is AI2 Acquire and maintain application software with 2.50.
Keywords: acquire and implement COBIT 4.1; college library ; information systems audit.
Abstrak: Perpustakaan perguruan tinggi dibangun dan dirancang berdasarkan kebutuhan civitas akademika untuk menunjang pembelajaran, penelitian dan pengabdian kepada masyarakat. Pengelolaan perguruan tinggi di Indonesia mengacu pada Penyelenggaraan perpustakaan di Indonesia diatur dalam Peraturan Kepala Perpustakaan Nasional Nomor 13 Tahun 2017. Perpustakaan perguruan tinggi saat ini sudah memanfaatkan teknologi informasi untuk menunjang operasionalnya. Untuk menilai keselarasan tujuan perguruan tinggi dalam menyediakan perpustakaan yang sesuai dengan regulasi dan pengelolaan teknologi informasi, maka pengelolaan perpustakaan perlu dilakukan audit. Pada perpustakaan ISB Atma Luhur, audit dilakukan dengan menggunakan framework COBIT 4.1. khususnya di domain Acquire and Implement (AI). Domain AI adalah domain yang menilai apakah rencana telah berhasil diperoleh dan diterapkan. Audit sistem informasi perpustakaan ini bertujuan untuk menilai keselarasan rencana dan akuisisi impelentasi sistem untuk meningkatkan layanan perpustakaan. Penelitian ini menggunakan metode wawancara dan angket sebagai media pengumpulan data sumber data primer. Responden yang terlibat adalah kepala perpustakaan dan staf perpustakaan ISB Atma Luhur. Hasil pengolahan data menunjukkan domain AI berada pada angka 2.754 dengan tingkat kematangan 3-Define Process. Dari 7 tujuan pengendalian dalam domain AI, AI4 Anable Operation and Use merupakan tujuan pengendalian tertinggi dengan nilai 3,28. Sedangkan tujuan pengendalian terendah adalah AI2 Memperoleh dan memelihara perangkat lunak aplikasi dengan nilai 2,50.
Kata kunci: acquire and implement COBIT 4.1.; audit sistem informasi; perpustakaan perguruan tinggi.
Abstract:Abstract: Twitter occupies the top position of the most popular social media platform in Indonesia. Police and other related issues were the subject of much discussion. The aim of this research is to analyze public sentiment…
ment towards the National Police Agency using Twitter with the support vector machine method. The research started by crawling Twitter data. The data contains a total of 6,925 entries for three keywords. Next, we move on to the preprocessing stage consisting of (cleaning, case folding, tokenization, and filtering). Next is the tf-idf feature extraction stage, finally the classification and evaluation stage. The results of manual data inspection (73:27) showed accuracy of 70.66%, precision of 70.68%, and recall of 99.76%. Testing the second data (82:18), found accuracy 86%, precision 86.21%, recall 99.71%. The results of manual data checking (82:18) showed accuracy of 70.66%, precision of 70.68%, recall of 99.76%. Testing the second data (82:18), found accuracy 86%, precision 86.21%, recall 99.71%. From the data system testing results (80:20), accuracy was 87.55%, positive precision 87.53%, negative precision 88.24%, positive recall 99.48%, and negative recall. the rate is 99.48.% – The result is 21.43%. Data testing results (60:40) showed accuracy of 86.89%, positive precision of 86.84%, negative precision of 88.46%, positive recall of 99.61%, and negative recall of 16.43%. Single test data validation system (80:20), accuracy 87.55, overall test cross validation system (k fold 5 accuracy) 86.673%.
Keywords: data mining;police agencies;support vector machines
Abstrak: Twitter menduduki posisi teratas platform media sosial terpopuler di Indonesia. Polisi dan masalah terkait lainnya menjadi pokok bahasan banyak pembicaraan. Tujuan penelitian ini untuk menganalisis sentimen masyarakat terhadap Badan Kepolisian Nasional menggunakan Twitter dengan metode support vector machine. Penelitian dimulai dengan crawling data Twitter. Data memuat total 6.925 entri dari tiga kata kunci. Selanjutnya beralih ke tahap preprocessing terdiri dari (pembersihan, pelipatan kasus, tokenisasi, dan pemfilteran). Selanjutnya tahap ekstraksi fitur tf-idf, terakhir tahap klasifikasi dan evaluasi. Hasil pemeriksaan data manual (73:27) menunjukkan akurasi 70,66%, presisi 70,68%, dan recall 99,76%. Menguji data kedua (82:18), menemukan akurasi 86%, presisi 86,21%, recall 99,71%. Hasil pemeriksaan data secara manual (82:18) menunjukkan akurasi 70,66%, presisi 70,68%, recall 99,76%. Menguji data kedua (82:18), menemukan akurasi 86%, presisi 86,21%, recall 99,71%. Dari hasil pengujian sistem data (80:20), akurasi 87,55%, presisi positif 87,53%, presisi negatif 88,24%, recall positif 99,48%, dan recall negatif. tarifnya adalah 99,48.% – Hasilnya 21,43%. Hasil pengujian data (60:40) menunjukkan akurasi 86,89%, presisi positif 86,84%, presisi negatif 88,46%, recall positif 99,61%, dan recall negatif 16,43%. Uji tunggal sistem validasi data (80:20), akurasi 87,55, uji keseluruhan sistem validasi silang (akurasi k fold 5) 86,673%.
Kata Kunci: data mining;instansi kepolisian;mesin vektor pendukung
Abstract:Abstract: Used motorbikes are motorized vehicles that are used by many people in various cicles. For someone who is a prospective buyer of a used motorbike, before coming to the place of puchase they have several choices…
based on several criteria that have been determined according to the used motorbike they want to buy. A problem that often occurs for prospective buyers is the difficulty in determination which used motorbike is superior from several choices based on predetermined criteria. This results in potential buyers feeling confused in making their choice. The difficulty in determining used motorbikes is the reason this research was conducted. In this case, the decision support system will be used as a tool in providing superior used motorbike choices for potential buyers. The method offered in this research is to use a combination of the CoCoSo and SAW algorithms. The criteria for determination a used motorbike consist of 8 criteria namely mileage, price, brand, accessories, tire condition, body condition, engine condition and completeness of documents. In the results of this decision support system research, ranking results using a combination of CoCoSo and SAW methods show that the red Suzuki F1 alternative (A39) is ranked with the highest score.
Keywords: combined compromise solution; decision support system; simple additive weighting
Abstrak: Sepeda motor bekas merupakan kendaraan bermotor yang digunakan oleh sebagian banyak masyarakat dalam berbagai kalangan. Bagi seseorang calon pembeli sepeda motor bekas, sebelum datang ke tempat pembelian mereka memiliki beberapa ketentuan pilihan yang berdasarkan pada beberapa kriteria yang telah ditentukan sesuai dengan sepeda motor bekas yang ingin dibeli. Permasalahan yang sering kali terjadi bagi calon pembeli ialah kesulitan dalam menentukan sepeda motor bekas mana yang unggul dari beberapa alternatif pilihan berdasarkan kriteria yang telah ditentukan sebelumnya. Hal ini mengakibatkan, calon pembeli merasa kebingungan dalam menentukan pilihannya. Kesulitan dalam penentuan sepeda motor bekas tersebut menjadi alasan penelitian ini dilakukan. Dalam hal ini sistem pendukung keputusan akan digunakan sebagai alat bantu dalam memberikan pilihan sepeda motor bekas yang unggul bagi calon pembeli. Metode yang ditawarkan dalam penelitian ini yaitu dengan menggunakan kombinasi algoritma CoCoSo dan SAW. Kriteria-kriteria dalam penentuan sepeda motor bekas terdiri dari 8 kriteria yaitu jarak tempuh, harga, merek, aksesoris, kondisi ban, kondisi body, kondisi mesin dan kelengkapan surat. Dalam hasil penelitian sistem pendukung keputusan ini, memberikan hasil perangkingan dengan kombinasi metode CoCoSo dan SAW menunjukkan bahwa alternatif Suzuki F1 merah (A39) adalah peringkat dengan nilai tertinggi.
Kata kunci : combined compromise solution; simple additive weighting; sistem pendukung keputusan
Abstract:Abstract: Gross Regional Domestic Product (GRDP) is one of the most important socio-economic indicators. In order to gain a more comprehensive understanding of the current economic situation and regional differences, estimating…
imating GRDP using integration of satellite imagery and official statistics data can provide valuable information. This research estimates the GRDP value in 2022 by using data in 2019 to 2021 related to two aspects, agriculture and non-agriculture. Soil adjusted vegetation index (SAVI), enhanced vegetation index (EVI), and land cover (LC) used as agriculture aspect, while nighttime light (NTL), human settlement index (HSI), land area, and population per regency/city used as non-agriculture aspect. GRDP estimation are produced with machine learning approach using support vector machine (SVM) and random forest (RF) method. Correlation test on each variable shows only land area that does not have a significant correlation with GRDP. RF model then chosen as the best model with RMSE, MSE, MAE, and R2 value of 0.2549; 0.5049; 0.7727; and 0.2543, respectively. The estimated values acquired in several regencies/cities have rather near, some even very close to the official statistics values.
Keywords: GRDP; satellite imagery; machine learning; random forest; support vector machine
Abstrak: Produk Domestik Regional Bruto (PDRB) merupakan salah satu indikator sosio-ekonomi yang penting. Penghitungan nilai PDRB dengan pendekatan yang melibatkan kombinasi data citra satelit dan statistik resmi dapat memberikan informasi serta pemahaman yang lebih komprehensif. Penelitian ini melakukan estimasi nilai PDRB pada tahun 2022 menggunakan data tahun 2019 hingga 2021 dengan melibatkan dua aspek, agrikultur dan non-agrikultur. Data soil adjusted vegetation index (SAVI), enhanced vegetation index (EVI), dan tutupan lahan (land cover/LC) digunakan sebagai aspek agrikultur, sementara data citra cahaya malam (NTL), human settlement indeks (HSI), luas wilayah kabupaten/kota, dan jumlah populasi per kabupaten/kota digunakan sebagai aspek non-agrikultur. Estimasi PDRB dihasilkan dengan menggunakan pendekatan machine learning berupa support vector machine (SVM) dan random forest (RF). Pengecekan korelasi antarvariabel menunjukkan bahwa hanya variabel luas wilayah tidak berpengaruh signifikan terhadap nilai PDRB. Model random forest kemudian dipilih sebagai model terbaik dengan nilai evaluasi RMSE, MSE, MAE, dan berturut-turut sebesar 0.2549, 0.5049, 0.7727, dan 0.2543. Nilai estimasi yang diperoleh di beberapa kabupaten/kota cukup mendekati, bahkan ada yang sangat dekat dengan nilai statistik resmi.
Kata kunci: PDRB; citra satelit; machine learning; random forest; support vector machine
Abstract:Abstract: Micro, small and medium enterprises (MSMEs), which are the main supporting of the Indonesian economy, need attention, because they can absorb labor and reduce the cost of unemployment by competing for jobs in the…
he formal sector. This research aims is to assist MSMEs Dechefdefinzs in marketing their products to prospective customers. The landing page method uses the waterfall methodology, by collecting data, analyzing data, making designs from an analyzed data, making coding, and testing the landing page and website. Developing this web-based application uses the HTML and PHP programming language with the Laravel framework which easy to apply at this time and in the long run. Creating a Dechefdefinzs landing page and website hopefuly can expand and spread widely its products in the society, such as traditional cakes, cake pans, bakery, rice menus and cookies. This website also makes it easier for customers to orders and get product information just by looking at the website without having to come to the location.
Keywords: landing page, MSMEs, waterfall, website.
Abstrak: Usaha mikro, kecil dan menengah (UMKM) yang merupakan penopang utama perekonomian Indonesia perlu mendapat perhatian, karena mereka dapat menyerap tenaga kerja dan mengurangi biaya pengangguran dengan bersaing mendapatkan pekerjaan di sektor formal. Penelitian ini bertujuan untuk membantu UMKM Dechefdefinzs dalam memasarkan produknya kepada calon konsumen. Metode yang digunaakan dalam pembuatan landing page dan website adalah metode waterall, dengan cara pengumpulan data, analisis data, pembuatan desain dari data yang dianalisis, pembuatan program, dan pengujian terhadap landing page dan website. Pengembangan aplikasi berbasis web ini menggunakan bahasa pemrograman HTML dan PHP dengan framework Laravel yang mudah diterapkan saat ini dan jangka panjang. Dengan dibuatnya landing page dan website Dechefdefinzs diharapkan dapat memperluas dan menyebarkan produk-produknya secara luas di masyarakat, seperti kue tradisional, kue loyang, roti, menu nasi dan kue kering. Website ini juga memudahkan pelanggan dalam memesan dan mendapatkan informasi produk hanya dengan melihat website tanpa harus datang ke lokasi.
Kata kunci: landing page, UMKM, waterfall, website.