Abstract:Student grade data is personal data that must be protected under Indonesian Law Number 27 of 2022 on Personal Data Protection, yet the rising number of data breaches in the education sector shows that such protection has…
not been optimally implemented. This study implements the 128-bit Advanced Encryption Standard (AES) algorithm combined with Huffman compression to protect the confidentiality and integrity of student grade files in Excel (.xlsx) format, and evaluates its effectiveness through functional, performance, and security testing. The system was developed as a Python desktop application with a CustomTkinter interface, in which the encryption process runs Huffman compression before AES-128, while integrity verification uses SHA-256 hashing. Testing was conducted on seven student grade files from MA Ma'ahid Kudus. The results show that all files were successfully encrypted and decrypted without failure or data alteration, with encryption times of 0.0142-0.0828 seconds and decryption times of 0.0046-0.1417 seconds. The SHA-256 hash values of the original and decrypted files were identical for all samples, yielding 100% recovery accuracy, while the file size increase from padding and header insertion ranged only from 1,092 to 1,101 bytes. The study concludes that the combination of AES-128 and Huffman compression is an effective and efficient solution for protecting student grade data in educational institutions.
Abstract:Administrasi persuratan di Desa Kemusu, Kecamatan Kemusu, Kabupaten Boyolali selama ini dikerjakan dengan pengolah kata, penomoran dicatat pada buku register, dan arsip disimpan dalam bentuk cetak. Pola ini berjalan tanpa…
a keluhan berarti, namun menyimpan tiga risiko struktural: pengerjaan bergantung pada dua orang perangkat, penelusuran arsip bertumpu pada berkas kertas, dan penomoran rawan ganda. Program Kuliah Kerja Nyata Kelompok 04 Universitas Boyolali merancang dan menerapkan SIPADes, aplikasi berbasis Python dan SQLite yang berjalan luring pada komputer kantor desa tanpa biaya langganan. Kegiatan ditempuh dalam lima tahap: observasi dan wawancara kondisi awal, perancangan, pengembangan berbasis templat surat asli desa, uji coba mandiri, serta pendampingan dan serah terima. Aplikasi yang dihasilkan memuat 8 modul fungsional, 7 templat surat baku, dan 8 tabel basis data, dilengkapi pengisian otomatis formulir Dukcapil F-1.01 dan F-1.03. Pada uji coba mandiri, perangkat desa menyelesaikan seluruh enam tugas pokok tanpa bantuan pendamping, dengan waktu pembuatan satu surat sampai tersimpan selama sepuluh detik. Perangkat memperkirakan waktu pelayanan satu surat turun dari 5 menit menjadi 2 menit dan penelusuran arsip dari 5 menit menjadi 2 menit. Kuesioner terhadap responden tunggal menghasilkan skor 5,00 pada skala 1-5 untuk seluruh 15 pernyataan. Hasil evaluasi bersifat indikatif dan belum dapat digeneralisasi karena keterbatasan jumlah responden dan singkatnya masa pemakaian. Kegiatan menunjukkan bahwa sistem administrasi desa yang dibangun mengikuti tata naskah yang sudah berjalan lebih mudah diterima perangkat daripada sistem yang menuntut perubahan kebiasaan.
Abstract:Perkembangan teknologi informasi memberikan pengaruh besar dalam pengelolaan data di berbagai bidang, termasuk pendidikan. Pengelolaan data mahasiswa memerlukan sistem yang efektif agar proses penyimpanan, pencarian, penambahan,…
ambahan, dan penghapusan data dapat dilakukan dengan mudah. Salah satu struktur data yang dapat digunakan adalah Linked List. Linked List merupakan struktur data linear yang terdiri dari kumpulan node yang saling terhubung melalui pointer. Penelitian ini bertujuan untuk memahami implementasi Linked List pada pengelolaan data mahasiswa serta mengetahui kelebihan dan kekurangannya. Metode penelitian yang digunakan adalah metode deskriptif dengan teknik pengumpulan data melalui studi literatur dan observasi. Implementasi dilakukan menggunakan bahasa pemrograman Python dengan beberapa fitur utama seperti menambahkan data mahasiswa, menampilkan data, mencari data, dan menghapus data. Hasil penelitian menunjukkan bahwa penggunaan Linked List mempermudah pengelolaan data secara dinamis dibandingkan array, terutama dalam proses penambahan dan penghapusan data tanpa perlu menggeser elemen lain. Selain memiliki fleksibilitas tinggi, Linked List juga memiliki kelemahan yaitu membutuhkan memori tambahan untuk pointer dan proses pencarian data yang relatif lebih lambat. Dengan demikian, Linked List dapat menjadi salah satu solusi yang efektif dalam pengelolaan data mahasiswa pada sistem berbasis komputer.
Abstract:Abstract: Motorcycle sales are one of the key indicators of growth in Indonesia’s automotive industry. CV. Honda Karya Utama, as an authorized Honda motorcycle dealer, faces challenges due to unstable monthly sales fluctuations.…
ctuations. This uncertainty complicates stock planning, marketing strategy formulation, and may lead to potential losses caused by overstocking or understocking. To address these issues, this study aims to analyze the relationship between time and sales volume and to develop a predictive model that can assist management in making more effective business decisions.
The research was conducted using a quantitative method and a machine learning approach by applying a linear regression algorithm, implemented through the Python programming language and a MySQL database. The dataset used consists of monthly sales data over one year, analyzed to predict future sales trends. The results show that the linear regression algorithm can predict sales trends with a good level of accuracy, achieving evaluation values of MAPE 1.72%, MSE 1.76%, and RMSE 0.57. The developed model assists management in formulating marketing strategies, optimizing inventory planning, and minimizing financial risks. Therefore, linear regression can serve as an effective analytical tool to support strategic business decision-making at CV. Honda Karya Utama.
Keywords: motorcycle sales; linear regression; prediction; sales analysis
Abstrak: Penjualan sepeda motor merupakan salah satu indikator penting dalam pertumbuhan industri otomotif di Indonesia. CV. Honda Karya Utama sebagai dealer resmi sepeda motor Honda menghadapi tantangan berupa fluktuasi penjualan yang tidak stabil setiap bulannya. Ketidakpastian ini menyebabkan kesulitan dalam perencanaan stok, penentuan strategi pemasaran, serta berpotensi menimbulkan kerugian akibat kelebihan atau kekurangan persediaan. Untuk mengatasi permasalahan tersebut, penelitian ini bertujuan untuk menganalisis hubungan antara waktu dan jumlah penjualan serta membangun model prediksi yang dapat membantu manajemen dalam pengambilan keputusan bisnis yang lebih efektif. Penelitian dilakukan dengan metode kuantitatif dan pendekatan machine learning menggunakan algoritma regresi linier, dengan implementasi berbasis bahasa pemrograman Python dan basis data MySQL. Data yang digunakan berupa data penjualan bulanan selama satu tahun, yang kemudian dianalisis untuk memprediksi tren penjualan pada periode berikutnya. Hasil penelitian menunjukkan bahwa regresi linier mampu memprediksi tren penjualan dengan tingkat akurasi yang baik, dengan nilai evaluasi MAPE sebesar 1,72%, MSE 1,76%, dan RMSE 0,57. Model ini membantu manajemen dalam menyusun strategi pemasaran, mengoptimalkan perencanaan stok, serta meminimalkan risiko kerugian. Dengan demikian, regresi linier dapat menjadi alat bantu yang efektif dalam mendukung keputusan bisnis di CV. Honda Karya Utama.
Kata kunci: penjualan sepeda motor; regresi linier; prediksi; analisis penjualan
Abstract:Abstract: PT. Padasa Enam Utama, a palm oil plantation company, currently assesses the quality of Fresh Fruit Bunches (FFB) based solely on physical aspects. They use Microsoft Excel without a specialized application system,…
tem, which can lead to subjective assessments and the risk of fraud. This research aims to develop a predictive system for the quality of Fresh Fruit Bunches. Data collection was conducted using quantitative methods through direct observation and interviews with relevant parties. The study shows that the use of the K-Nearest Neighbor method provides the best accuracy with a more efficient calculation process. With this system, the company’s performance in making decisions regarding FFB quality is expected to improve. The system helps reduce human errors in quality assessments and offers visualizations that make it easier for users to understand the classification of production quality. Although the results are reliable, there is still room for further development, such as improving accuracy through more advanced data preprocessing techniques or using more complex machine learning models.
Keywords: Data Mining; K-Nearest Neighbor algorithm; Fresh Fruit Bunches (FFB); Python; Streamlit.
Abstrak: PT. Padasa Enam Utama, sebuah perusahaan perkebunan kelapa sawit, saat ini menilai kualitas produksi Tandan Buah Segar (TBS) berdasarkan aspek fisik saja. Mereka menggunakan Microsoft Excel tanpa sistem aplikasi khusus, yang dapat menyebabkan penilaian tidak objektif dan risiko kecurangan. Penelitian ini bertujuan untuk mengembangkan sistem prediksi mutu kualitas Tandan Buah Segar. Dalam pengumpulan data, digunakan metode kuantitatif melalui observasi langsung dan wawancara dengan pihak terkait. Penelitian menunjukkan bahwa penggunaan metode K-Nearest Neighbor memberikan akurasi terbaik dengan proses perhitungan yang lebih efisien. Dengan adanya sistem ini, diharapkan kinerja perusahaan dalam membuat keputusan terkait mutu produksi TBS dapat meningkat. Sistem ini membantu mengurangi kesalahan manusia dalam penilaian mutu TBS dan memberikan visualisasi yang memudahkan pengguna memahami klasifikasi mutu produksi. Meskipun telah memberikan hasil yang dapat diandalkan, masih ada ruang untuk pengembangan lebih lanjut, seperti peningkatan akurasi melalui teknik preprocessing data yang lebih canggih atau penggunaan model-machine learning yang lebih kompleks.
Kata kunci: Data Mining; Algoritma K-Nearest Neighbor; Tandan Buah Segar (TBS); Python; Streamlit
Abstract:Pendidikan memainkan peran krusial dalam pengembangan individu dan masyarakat. Peningkatan mutu pendidikan menjadi fokus utama pembangunan di Indonesia, dengan peran guru sebagai faktor penting dalam mencapai tujuan tersebut.…
ebut. SMP Negeri 3 Kualuh Hulu, sebagai salah satu lembaga pendidikan, menghadapi tantangan dalam pengelompokan siswa baru ke dalam kelas unggulan. Penelitian ini menggunakan metode Data Mining, khususnya K-Means Clustering, untuk membantu dalam seleksi dan pengelompokan siswa berdasarkan nilai rapor mereka. Metode K-Means Clustering digunakan untuk mengklasifikasikan siswa ke dalam tiga kelompok: tinggi, sedang, dan rendah. Penelitian ini menggambarkan proses pengolahan data menggunakan Python untuk memperoleh hasil klasterisasi. Hasilnya menunjukkan bahwa 25 siswa memiliki nilai tinggi, 45 siswa memiliki nilai sedang, dan 41 siswa memiliki nilai rendah. Dengan informasi ini, sekolah dapat dengan cepat dan efisien menentukan siswa yang layak masuk kelas unggulan, memungkinkan peningkatan kualitas pembelajaran dan persiapan siswa untuk pendidikan lanjutan.
Abstract:Abstract: Libraries function not only as information centers but also as literacy spaces that require an orderly and communicative service environment. One supporting service in fostering such an environment is the delivery…
ery of literacy greetings to visitors. In practice, greetings are commonly delivered manually or through conventional bells, leading to inconsistency and dependence on staff availability. This study was conducted at the Amir Machmud Library, Ministry of Home Affairs, Jakarta, Indonesia, aiming to design and evaluate a Python-based scheduled audio alarm system for automated literacy greetings. An applied experimental method was employed, including system design, Python script development, scheduling configuration using Windows Task Scheduler, and direct system testing on a library computer connected to ceiling speakers. The system requires initial execution via Command Prompt (CMD) when the computer is powered on, after which it operates automatically according to predefined schedules. Testing results demonstrate that the system performs scheduled audio playback accurately and operates stably without further manual intervention. The findings indicate that the proposed system provides a practical and efficient solution to enhance service consistency and support a structured and conducive literacy environment in the library.
Keywords: scheduled audio alarm; library automation; python; literacy greeting.
Abstrak: Perpustakaan tidak hanya berfungsi sebagai pusat informasi, tetapi juga sebagai ruang literasi yang memerlukan suasana layanan yang tertib dan komunikatif. Salah satu bentuk dukungan layanan tersebut adalah penyampaian sapaan literasi kepada pengunjung. Dalam praktiknya, penyampaian sapaan masih dilakukan secara manual atau menggunakan bel konvensional sehingga kurang konsisten dan bergantung pada petugas. Penelitian ini dilaksanakan di Perpustakaan Amir Machmud, Kementerian Dalam Negeri, Jakarta, Indonesia, dengan tujuan merancang dan menguji sistem alarm audio terjadwal berbasis Python sebagai media penyampaian sapaan literasi. Metode yang digunakan adalah metode eksperimental terapan melalui tahapan perancangan sistem, pengembangan skrip Python, konfigurasi penjadwalan menggunakan Windows Task Scheduler, serta pengujian langsung pada komputer perpustakaan yang terhubung dengan speaker plafon. Sistem bekerja dengan mekanisme inisialisasi awal melalui Command Prompt (CMD) saat komputer dinyalakan, kemudian selanjutnya berjalan otomatis sesuai jadwal yang telah ditentukan. Hasil pengujian menunjukkan bahwa sistem mampu memutar audio secara konsisten dan stabil pada waktu yang telah diatur tanpa intervensi lanjutan dari petugas. Dengan demikian, sistem ini dapat menjadi solusi sederhana dan efisien untuk mendukung terciptanya suasana literasi yang lebih terstruktur dan kondusif di lingkungan perpustakaan.
Kata kunci: alarm audio terjadwal; otomasi perpustakaan; python; sapaan literasi.
Abstract:Abstract: INET Computer Palembang, as a computer training institution, faces difficulties in understanding participant characteristics due to variations in age, educational background, and chosen course packages. This study…
udy aims to analyze participant criteria and group them based on similarities using the K-Means Clustering algorithm. The data used were historical records of course participants from 2022 to 2025. The research process followed the CRISP-DM stages, starting from data cleaning and transformation, determining the optimal number of clusters using the Elbow Method, to evaluating cluster quality with the Davies-Bouldin Index. The implementation was carried out using Python and the scikit-learn library. The results show that the optimal number of clusters is k=5 with a Sum of Squared Errors (SSE) value of 1064.66 and a Davies-Bouldin Index (DBI) score of 0.820, indicating good cluster quality. The resulting clustering provides a structured profile of participants and demonstrates that K-Means is effective in segmenting course participants. These findings are expected to assist the institution in designing more targeted training programs.
Keywords: clustering; data mining; elbow method; k-means; computer course
Abstract:Abstract: Recognizing one's interests and talents early on is crucial in guiding an individual toward a prosperous future. While distinct, interests and talents share a close relationship. Interest denotes a genuine attraction…
action to something without external pressure, and when consistently nurtured, it evolves into a skill or talent. Machine learning, specifically utilizing the SVM algorithm with the RBF kernel, can be applied to categorize interests and talents. Prior to SVM modeling, conducting Exploratory Data Analysis (EDA) is imperative for scrutinizing interests and talents. This analysis facilitates the identification of variables, enabling the elimination of missing values and ensuring the selection of appropriate interest and talent variables. The primary objective is to achieve optimal accuracy in modeling the classification of interests and talents. The insights gained from this research contribute to the creation of an application designed for categorizing interests and talents within SDN XYZ school. This application is designed for student use, assisting them in making informed decisions about their future education and career paths
Keywords: exploratory data analysis; interests and talents; machine learning; SVM Algorithm
Abstrak: Mengenali minat dan bakat seseorang sejak dini sangat penting dalam membimbing individu menuju masa depan yang sukses. Meskipun berbeda, minat dan bakat memiliki hubungan yang erat. Minat mengindikasikan ketertarikan yang tulus terhadap sesuatu tanpa tekanan eksternal, dan ketika terus-menerus dibina, berkembang menjadi keterampilan atau bakat. Pembelajaran mesin, khususnya dengan menggunakan algoritma SVM dan kernel RBF, dapat digunakan untuk mengelompokkan minat dan bakat. Sebelum pemodelan SVM, melakukan Analisis Data Eksploratif (EDA) sangat penting untuk mengkaji minat dan bakat. Analisis ini memfasilitasi identifikasi variabel, memungkinkan penghilangan nilai yang hilang, dan memastikan pemilihan variabel minat dan bakat yang tepat. Tujuan utamanya adalah mencapai akurasi optimal dalam pemodelan klasifikasi minat dan bakat. Temuan dari penelitian ini berkontribusi pada pengembangan aplikasi yang ditujukan untuk mengkategorikan minat dan bakat di sekolah SDN XYZ. Aplikasi ini dirancang untuk digunakan oleh siswa, membantu mereka membuat keputusan yang terinformasi mengenai pendidikan dan karier masa depan mereka.
Kata kunci: Algoritma SVM; exploratory data analysis; machine learning; minat dan bakat
Abstract:Abstract: Children's nutritional issues are an important concern for parents to pay attention to growth and development, especially health and well-being. According to the results of the Ministry of Health's Indonesian Nutrition…
utrition Status Survey (SSGI), there are 4 nutritional problems for children in Indonesia, namely stunting, wasting, underweight and everweight. In this research, how to predict signs of symptoms of a decline in a child's nutritional status using a machine learning algorithm, a prediction model was designed using logistic regression in Python IDE to predict whether a child is indicated by a decline in nutrition or not. Dataset from Bengkayang Community Health Center data consisting of 657 pediatric patient data. The dataset is divided into 7 features (independent variables) and 1 predictor (dependent variable). Test results show perfect performance with precision, recall, F1-score, accuracy values of 100%. Then the visualization results on the ROC (Receiver Operating Characteristic) curve to depict the TP (True Positive) value on the Y axis against the FP (false Positive) value on the become overfit. It is recommended that in preparing the training dataset, measure the training data and reduce the features, after carrying out feature selection to increase the accuracy of the model.
Keywords: child nutritional status; growth and development logistic regression; machine learning
Abstract: Masalah Gizi anak menjadi perhatian penting bagi orangtua untuk memperhatikan tumbuh kembang, terutama kesehatan dan kejahteraan. Menurut hasil survei status Gizi Indonesia (SSGI) Kemenkes memperlihatkan 4 permasalahan gizi anak di Indonesia yaitu stunting, wasting, underweight, dan everweight. Dalam penelitian ini, bagaimana memprediksi tanda gejala penurunan status gizi anak menggunakan algoritma machine learning dirancang model prediksi menggunakan logistic regression pada Python IDE dengan memprediksi anak terindikasi penurunan gizi atau tidak. Dataset dari data Puskesmas Bengkayang yang terdiri 657 data pasien anak. Dataset dibagi menjadi 7 feature (variabel independen) dan 1 predictor (variabel dependen). Hasil Pengujian memperlihatkan kinerja yang sempurna dengan nilai presisi, recall, F1-score, akurasi, sebesar 100%. Kemudian hasil Visualisasi pada kurva ROC (Receiver Operating Characteristic) untuk menggambarkan nilai TP (True Positif) di sumbu Y terhadap nilai FP (false Positif) di sumbu X juga menunjukkan nilai yang sangat tinggi dan sudah mendekati angka 1 ini pertanda bahwa model ini menjadi overfit. Sebaiknya dalam persiapan training dataset diukur dengan data training dan mengurangi feature, setelah melakukan feature Selection untuk meningkatkan akurasi model.
Keywords: logistic regression; machine learning; status gizi anak; tumbuh kembang