IC Tech: Majalah Ilmiah

SIMONSA-MBG: SISTEM PEMANTAUAN SISA MAKANAN BERBASIS IOT DENGAN ANALISIS FOOD WASTE RATIO DI SEKOLAH

Wachid Darmawan — 2026-10-28

Program Makan Bergizi Gratis (MBG) memerlukan sistem pemantauan sisa makanan berbasis data untuk mendukung evaluasi menu dan pengelolaan sampah di lingkungan sekolah. Penelitian ini bertujuan mengembangkan SIMONSA-MBG, sistem monitoring sampah MBG berbasis Internet of Things (IoT) yang mengintegrasikan pengukuran sensor dengan analisis Food Waste Ratio (FWR) di sekolah. Penelitian menggunakan metode Research and Development (R&D) yang meliputi pengumpulan data, analisis, perancangan, implementasi, dan pengujian. Purwarupa menggunakan ESP32, load cell HX711, sensor ultrasonik HC-SR04, dan DHT22 yang terhubung dengan Firebase Realtime Database dan dashboard web. Pengujian pemantauan kontinu selama 120 menit pada 4 titik pengamatan menunjukkan peningkatan tingkat keterisian dari 4,4% menjadi 72,4% dan akumulasi massa sisa makanan sebesar 17,6 kg. Pengujian menghasilkan = 0,9995, = 1,000, serta MAPE sebesar 0,85% untuk massa > 20 kg dan MAE sebesar 0,125 cm dan MAPE 0,60% untuk jarak 5-10 cm. Penerapan FWR pada sepuluh jenis menu menghasilkan FWR agregat sebesar 11,17%, dengan empat menu berada pada kategori rendah, lima menu pada kategori sedang, dan satu menu pada kategori tinggi. Hasil penelitian menunjukkan bahwa dashboard SIMONSA-MBG dapat menyediakan informasi kuantitatif mengenai kondisi wadah, timbulan sisa makanan, dan FWR per jenis menu sebagai dasar pendukung pengambilan keputusan. Penelitian selanjutnya disarankan untuk memperluas pengamatan pada beberapa sekolah dan mengembangkan prediksi timbulan sisa makanan berbasis machine learning.

PENGEMBANGAN APLIKASI ANDROID UNTUK PEMANTAUAN PERTUMBUHAN BALITA DAN EVALUASI HOT-FIT DI POSYANDU

Risqiati Risqiati — 2026-10-28

Stunting merupakan permasalahan pertumbuhan balita yang memerlukan deteksi dan penanganan dini. Pemantauan pertumbuhan balita di Posyandu Melati Sugihwaras masih dilakukan secara manual melalui Buku KIA dan catatan kader sehingga kurang efektif dalam pengelolaan dan pemantauan data. Penelitian ini bertujuan mengembangkan aplikasi Stunting Checker berbasis Android untuk membantu kader, bidan, dan orang tua dalam memantau pertumbuhan serta mendeteksi risiko stunting. Studi pendahuluan dilakukan melalui observasi, wawancara kepada kader dan bidan, serta kuesioner kepada orang tua balita. Hasil kuesioner menunjukkan 50% orang tua belum mengetahui stunting dan belum memperoleh edukasi yang memadai mengenai gizi dan pencegahannya. Oleh karena itu dibutuhkan aplikasi yang dapat membantu dalam memantau perkembangan balita, memperoleh edukasi gizi, dan berkonsultasi dengan bidan. Penelitian ini berhasil mengembangkan aplikasi deteksi stunting untuk anak balita dengan memanfaatkan machine learning menggunakan algoritma Random Forest. Berdasarkan pengujian HOT FIT dengan 8 indikator diperoleh hasil pada kategori sangat baik dengan skor rata-rata 4,26 dari skala 5 atau indeks 85,2%. Indikator kualitas informasi dan manfaat bersih memiliki nilai yang paling menonjol mengidentifikasikan bahwa implementasi aplikasi berjalan efektif dalam memberikan informasi ke pengguna.

OPTIMALISASI USER EXPERIENCE MELALUI PENDEKATAN USER-CENTERED DESIGN DAN QUIM EVALUATION UNTUK PERANCANGAN USER INTERFACE E-RT

Nurul Amalia — 2026-11-03

Perkembangan teknologi digital mendorong desa untuk mengadopsi konsep smart village guna meningkatkan kualitas pelayanan publik dan partisipasi masyarakat. Namun, sebagian besar aplikasi layanan desa yang ada masih menghadapi permasalahan pada aspek antarmuka pengguna yang kurang intuitif, sehingga menurunkan efektivitas pemanfaatannya. Penelitian ini bertujuan untuk mengoptimalkan user experience melalui penerapan pendekatan User-Centered Design (UCD) dan evaluasi kualitas antarmuka menggunakan metode QUIM (Quality in Use Integrated Measurement) dalam perancangan user interface sistem E-RT. Metode UCD digunakan untuk menggali kebutuhan pengguna melalui tahapan identifikasi konteks penggunaan, analisis kebutuhan, perancangan solusi, serta evaluasi berbasis umpan balik pengguna. Selanjutnya, metode QUIM diterapkan untuk mengukur tingkat kualitas kegunaan sistem berdasarkan indikator efisiensi, efektivitas, kepuasan, dan kemudahan penggunaan. Hasil penelitian menunjukkan bahwa penerapan UCD mampu menjawab permaslahan pengelolaan administrasi RT yang sebelumnya dilakukan secara manual. Dengan melibatkan pengguna sejak tahap idnetifikasi kebutuhan, perancangan, hingga evaluasi dan perbaikan desain, rancangan antarmuka yang dihasilkan menjadi lebih sesuai dengan kebutuhan nyata dari dua kelompok pengguna utama, yaitu warga dan pengurus RT. Ditinjau dari hasil evaluasi QUIM dengan 10 indikator yang dilakukan kepada warga menunjukan hasil yang konsisten, yaitu penilaian Efficiency, Effectiveness, Productivity, Satisfaction, Learnability, Safety, Trustfulness, Accessibility, dan Universality berada pada rentang nilai 3,41–4,20 yang termasuk dalam kategori tinggi. Sedangkan untuk evaluasi dari pengurus dengan indicator yang sama memiliki nilai antara 4,21–5,00 yang termasuk dalam kategori nilai sangat tinggi.

PENGARUH KUALITAS PRODUK, KUALITAS LAYANAN, DAN KEPERCAYAAN KONSUMEN TERHADAP KEPUASAN KONSUMEN PADA E-COMMERCE SHOPEE

Agus Ilyas — 2026-04-30

Persaingan antar platform e-commerce di Indonesia yang semakin ketat menuntut Shopee untuk terus menjaga kepuasan konsumennya. Penelitian ini bertujuan menganalisis pengaruh kualitas produk, kualitas layanan, dan kepercayaan konsumen terhadap kepuasan konsumen pada e-commerce Shopee. Pendekatan yang digunakan adalah kuantitatif dengan pengumpulan data melalui kuesioner skala Likert kepada 101 responden pengguna Shopee yang dipilih dengan teknik purposive sampling, kemudian dianalisis menggunakan regresi linier berganda berbantuan SPSS. Hasil uji F menunjukkan nilai signifikansi 0,000 (<0,05), yang berarti kualitas produk, kualitas layanan, dan kepercayaan konsumen secara simultan berpengaruh terhadap kepuasan konsumen dengan kontribusi (R Square) sebesar 54,4%. Secara parsial, kualitas produk (Sig. 0,001) dan kepercayaan konsumen (Sig. 0,000) berpengaruh signifikan terhadap kepuasan konsumen, sedangkan kualitas layanan (Sig. 0,063) tidak berpengaruh signifikan karena layanan Shopee telah terstandarisasi sehingga dianggap sebagai fasilitas dasar oleh konsumen. Kepercayaan konsumen merupakan variabel dengan pengaruh paling dominan (koefisien 0,324). Disimpulkan bahwa peningkatan kepuasan konsumen Shopee paling efektif dicapai melalui penguatan kualitas produk dan kepercayaan, sementara kualitas layanan tetap perlu dipertahankan sebagai standar minimum. Penelitian selanjutnya disarankan menambah variabel loyalitas dan memperluas jumlah responden.

LOKA WICARA: EVALUASI TEKNIS DETEKSI OBJEK LOKAL BERBASIS YOLOV8 NANO UNTUK PROTOTIPE AAC

husni hidayat — 2026-10-28

Anak dengan Autism Spectrum Disorder (ASD) dapat mengalami hambatan komunikasi fungsional, sedangkan aplikasi Augmentative and Alternative Communication (AAC) perlu menggunakan objek dan pesan yang dekat dengan konteks keseharian pengguna. Penelitian ini menyajikan evaluasi teknis awal Loka Wicara, yaitu prototipe AAC yang menghubungkan deteksi objek lokal dengan rancangan pesan kebutuhan berbahasa Indonesia. Dataset aktual terdiri atas 500 citra dan 520 kotak pembatas untuk lima kelas, yaitu bantal, gayung, gelas cangkir, nasi putih, dan sandal. Data dibagi menjadi 350 citra pelatihan, 100 citra validasi, dan 50 citra pengujian. YOLOv8n dan YOLOv5n-compatible dilatih selama 100 epoch menggunakan tiga random seed yang sama. Pada test set, YOLOv8n memperoleh precision 0,8475 ± 0,0652, recall 0,8267 ± 0,0837, F1-score 0,8328 ± 0,0241, mAP50 0,8768 ± 0,0338, dan mAP50–95 0,6115 ± 0,0358. YOLOv5n menghasilkan mAP50 dan mAP50–95 sedikit lebih tinggi, yaitu 0,8800 ± 0,0240 dan 0,6146 ± 0,0469, serta memiliki parameter dan ukuran model lebih kecil. Benchmark pada GPU Tesla T4 menunjukkan latensi rata-rata 18,21 ms untuk YOLOv8n dan 18,69 ms untuk YOLOv5n. Model YOLOv8n juga berhasil diekspor ke format LiteRT/TFLite. Hasil menunjukkan bahwa kedua model kompetitif; YOLOv8n dipertahankan sebagai kandidat prototipe karena recall dan F1-score sedikit lebih tinggi serta alur ekspornya berhasil, bukan karena unggul pada seluruh metrik. Pengujian Android, validasi pakar, dan UAT diperlukan pada tahap berikutnya

PENDEKATAN UCD TERINTEGRASI DSR UNTUK PENGEMBANGAN WEB-GIS BERBASIS MACHINE LEARNING

Arif Iman Anshori — 2026-11-10

Penelitian ini bertujuan membuat sistem antarmuka pengguna (UI) dan pengalaman pengguna (UX) sistem visualisasi sebaran Usaha Mikro, Kecil, dan Menengah (UMKM) berbasis Web Geographic Information System (Web-GIS) yang terintegrasi dengan machine learning untuk rekomendasi lokasi usaha. Permasalahan penelitian berangkat dari kompleksitas antarmuka GIS bagi pengguna non-teknis serta keterbatasan sistem pemetaan konvensional yang hanya menampilkan sebaran tanpa memberikan dukungan pengambilan keputusan berbasis data. Pendekatan User-Centered Design (UCD) yang diintegrasikan dengan Design Science Research (DSR) digunakan sebagai kerangka metodologis. UCD diterapkan melalui empat tahap: memahami konteks penggunaan, menentukan kebutuhan pengguna, merancang solusi desain, dan mengevaluasi rancangan, sedangkan DSR berperan sebagai payung penelitian yang menekankan siklus identifikasi masalah, perancangan, pengembangan, evaluasi, dan komunikasi artefak. Pengumpulan kebutuhan dilakukan melalui wawancara semi-terstruktur, observasi, dan survei kuantitatif terhadap 20 pelaku UMKM di Kabupaten Pekalongan. Analisis konteks penggunaan menghasilkan mean keseluruhan 4,35 dengan indeks 87,0% pada kategori Sangat Tinggi. Solusi desain diwujudkan dalam bentuk user flow, wireframe, dan prototipe Web-GIS yang mengintegrasikan Leaflet.js, OpenStreetMap, dan model machine learning berbasis Random Forest untuk merekomendasikan lokasi usaha potensial. Evaluasi menggunakan System Usability Scale (SUS) dan Technology Acceptance Model (TAM). Hasil evaluasi menunjukkan skor SUS rata-rata 80,2 pada kategori Good, sedangkan evaluasi TAM menunjukkan penerimaan tinggi pada aspek perceived usefulness dan perceived ease of use. Integrasi machine learning meningkatkan nilai manfaat sistem tanpa mengorbankan kemudahan penggunaan, selama rekomendasi disajikan secara transparan dan mudah dipahami. Hasil ini menunjukkan bahwa pendekatan UCD yang terintegrasi dengan DSR mampu menghasilkan Web-GIS yang relevan, usable, dan mendukung keputusan bisnis UMKM

INTEGRASI METODE SAW DAN HUNGARIAN UNTUK PENUGASAN KARYAWAN PADA MESIN TENUN UMKM KAIN KASSA

Indrayanti Indrayanti — 2026-11-03

Karyawan yang bekerja di bagian tenun pada UMKM pembuat kain kassa sebelumnya ditempatkan pada mesin tenun berdasarkan persepsi mandor tanpa adanya penilaian yang sistematis dan beragam kriteria, sehingga berisiko mengakibatkan ketidakcocokan antara kemampuan karyawan dan posisi kerja yang diberikan. Tujuan penelitian ini adalah untuk menciptakan model penugasan karyawan yang menggabungkan metode Simple Additive Weighting (SAW) untuk mengevaluasi kesesuaian karyawan dan metode Hungarian untuk mengidentifikasi penugasan terbaik pada mesin tenun. Penelitian dilakukan dengan pendekatan kuantitatif melalui studi kasus yang melibatkan 50 karyawan di bagian penenunan, yang terbagi antara shift pagi (26 orang) dan shift sore (24 orang). Penilaian dilakukan oleh mandor produksi menggunakan lima kriteria (keahlian, pengalaman, produktivitas, tingkat cacat, dan kedisiplinan) dengan skala Likert 1-5, sementara bobot masing-masing kriteria diperoleh melalui wawancara terstruktur dengan mandor dan dihitung menggunakan algoritma Hungarian dari pustaka scipy. optimize dalam bahasa pemrograman Python. Temuan dari penelitian ini menunjukkan bahwa semua karyawan di kedua shift telah ditugaskan ke mesin tenun dengan total skor kesesuaian tertinggi yang dapat dicapai, yaitu 21,3364 untuk shift pagi dan 19,8409 untuk shift sore, dengan satu mesin menganggur di shift pagi dan tiga mesin menganggur di shift sore. Karyawan yang memiliki skor tinggi dalam keahlian, produktivitas, dan kedisiplinan secara konsisten menduduki peringkat teratas, sejalan dengan besaran bobot ketiga kriteria tersebut. Kesimpulan dari penelitian ini menunjukkan bahwa model integrasi SAW-Hungarian mampu merubah metode penugasan yang berbasis intuisi menjadi proses yang terstruktur dan berdasarkan kriteria, dengan rekomendasi untuk pengembangan lebih lanjut berupa penambahan kriteria kesesuaian antara karyawan dan mesin agar hasil optimasi lebih berarti.

INTERPRETASI MODEL MACHINE LEARNING BERBASIS SHAP UNTUK PREDIKSI RISIKO GAGAL BAYAR KREDIT

Ari Putra Wibowo — 2026-11-03

Penilaian risiko gagal bayar kredit merupakan aspek penting dalam manajemen risiko lembaga keuangan. Meskipun algoritma machine learning mampu menghasilkan prediksi yang akurat, sebagian besar model bersifat black box sehingga sulit diinterpretasikan. Penelitian ini bertujuan membangun model prediksi gagal bayar kredit yang memiliki performa tinggi sekaligus mampu menjelaskan faktor-faktor yang memengaruhi hasil prediksi. Dataset yang digunakan adalah Loan Data dari Kaggle dengan target klasifikasi not.fully.paid. Tahapan penelitian meliputi prapemrosesan data, pengkodean variabel kategorik, pembagian data latih dan data uji, penanganan ketidakseimbangan kelas menggunakan SMOTE, serta pembangunan model menggunakan algoritma Random Forest dan XGBoost. Kinerja model dievaluasi menggunakan Accuracy, Recall, dan Area Under the Curve (AUC), sedangkan interpretabilitas model dianalisis menggunakan SHapley Additive exPlanations (SHAP). Hasil penelitian menunjukkan bahwa kedua model mampu memprediksi risiko gagal bayar dengan baik, namun XGBoost memberikan performa yang lebih unggul dibandingkan Random Forest berdasarkan metrik evaluasi yang digunakan. Analisis SHAP mengidentifikasi bahwa FICO score, interest rate, debt-to-income ratio (DTI), installment, dan credit policy merupakan faktor yang paling berpengaruh terhadap prediksi gagal bayar. Selain memberikan interpretasi secara global, SHAP juga mampu menjelaskan kontribusi setiap fitur terhadap prediksi pada tingkat individu. Dengan demikian, kombinasi XGBoost dan SHAP menghasilkan model prediksi yang tidak hanya akurat, tetapi juga transparan dan dapat mendukung pengambilan keputusan dalam penilaian risiko kredit