http://localhost:8080/handle/123456789/22035 Sistem Informasi 2026-10-13T17:40:20Z http://localhost:8080/handle/123456789/32097 SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN KAFE BERDASARKAN REVIEW APLIKASI GOJEK DI KECAMATAN MEDAN TIMUR MENGGUNAKAN METODE DIJKSTRA EKA, HASBI HABIBI Pemilihan kafe di Kecamatan Medan Timur melibatkan pertimbangan rating, harga, kategori usaha, ketersediaan pembayaran digital, dan jarak dari lokasi pengguna. Penelitian ini bertujuan membangun Sistem Pendukung Keputusan berbasis web yang menyaring alternatif berdasarkan rating minimum, harga maksimum, pembayaran digital, dan kategori, kemudian menentukan rute terpendek menggunakan algoritma Dijkstra. Sistem dikembangkan menggunakan framework CodeIgniter 4, basis data MySQL, dan Leaflet. Data penelitian terdiri atas 20 alternatif kafe/restoran dan 1.192 data menu GoFood hasil scraping yang telah divalidasi. Harga representatif ditetapkan berdasarkan karakter menu utama merchant: merchant yang dominan makanan menggunakan makanan utama termurah, sedangkan merchant yang dominan minuman menggunakan minuman siap konsumsi termurah; item pelengkap tidak digunakan sebagai dasar harga. Seluruh 20 alternatif pada data akhir terverifikasi menyediakan pembayaran digital, sehingga atribut tersebut dapat digunakan sebagai filter tetapi tidak membedakan alternatif pada dataset penelitian saat ini. Jaringan jalan OpenStreetMap menghasilkan 5.797 node dan 6.393 edge, dengan bobot edge dihitung dalam meter menggunakan rumus Haversine. Pengujian dari titik Universitas Muhammadiyah Sumatera Utara menunjukkan K13 Kopi Kenangan sebagai alternatif terdekat tanpa filter dengan total jarak 239,171 meter. Perhitungan manual menuju K1 Golden Bells Vegetarian Cafe & Resto menghasilkan total 816,578 meter, sedangkan K16 The Shinjo Coffee tidak terhubung dari titik awal pada komponen graf saat ini. Hasil penelitian menunjukkan bahwa rating, harga, pembayaran digital, dan kategori berfungsi sebagai penyaring kandidat, sedangkan algoritma Dijkstra secara khusus menentukan rute terpendek berdasarkan bobot jarak. 2026-06-06T00:00:00Z http://localhost:8080/handle/123456789/31786 PENERAPAN ALGORITMA C4.5 PADA SMK MUHAMMADIYAH 16 DESA PON UNTUK MENENTUKAN KELOMPOK BELAJAR OLIMPIADE DIAJENG, VESHA RAMADHINI Penentuan kelompok belajar olimpiade di SMK Muhammadiyah 16 Desa Pon masih dilakukan secara manual berdasarkan penilaian guru, observasi, dan nilai rapor, sehingga berpotensi menimbulkan subjektivitas dan kurang optimal dalam mengelompokkan siswa sesuai kemampuan dan minatnya. Penelitian ini bertujuan untuk menerapkan algoritma C4.5 dalam mengklasifikasikan siswa ke dalam kelompok belajar olimpiade secara lebih objektif dan berbasis data. Metode penelitian yang digunakan adalah pendekatan kuantitatif dengan teknik data mining menggunakan algoritma C4.5. Data yang digunakan meliputi nilai mata pelajaran (MU dan TKDJ), nilai rata-rata rapor, pemahaman, dan perilaku siswa. Tahapan penelitian meliputi pengumpulan data, transformasi data, perhitungan entropy dan gain, serta pembentukan pohon keputusan. Hasil penelitian menunjukkan bahwa atribut dengan nilai gain tertinggi adalah gain terbesar yaitu kategori pemahaman sebesar 0,527, lalu disusul nilai gain kategori rata-rata raport sebesar 0,424, gain kategori matematika sebesar 0,320, gain kategori sains komputer sebesar 0,247, dan gain kategori perilaku sebesar 0,209. Model yang dihasilkan mampu mengklasifikasikan siswa ke dalam kategori kelompok olimpiade matematika, sains komputer, dan tidak mengikuti olimpiade secara lebih sistematis. 2026-04-18T00:00:00Z http://localhost:8080/handle/123456789/31785 ANALISIS PENGELOMPOKAN PERILAKU PENGGUNAAN TRANSAKSI CASHLESS DI KALANGAN MAHASISWA KOTA MEDAN MENGGUNAKAN ALGORITMA K-MEANS CLUSTERING DESPITA, SARAGIH Penelitian ini bertujuan menganalisis pengelompokan perilaku penggunaan transaksi cashless khususnya e-wallet pada mahasiswa di Kota Medan menggunakan algoritma K-Means Clustering. Empat variabel numerik digunakan sebagai dasar pengelompokan, yaitu frekuensi penggunaan, nominal transaksi, kemudahan, dan kepercayaan terhadap keamanan e-wallet. Dua variabel nominal jenis aplikasi dan tujuan transaksi dimanfaatkan sebagai informasi pendukung dalam interpretasi hasil. Data diolah melalui sistem aplikasi berbasis Python yang mencakup tahap input data, pembersihan, normalisasi, proses clustering, visualisasi, serta penyimpanan hasil ke dalam database MySQL. Hasil penelitian menghasilkan tiga cluster utama: pengguna aktif dengan variasi aplikasi dan tujuan transaksi yang luas; pengguna frekuensi rendah yang cenderung memakai satu aplikasi dan bertransaksi untuk kebutuhan dasar; serta pengguna moderat dengan pola aplikasi dan transaksi yang bervariasi namun tidak dominan.Temuan ini memberikan gambaran mengenai pola penggunaan e-wallet di kalangan mahasiswa dan dapat menjadi referensi bagi institusi maupun penyedia layanan digital dalam merancang strategi edukasi keuangan yang lebih tepat. 2026-05-12T00:00:00Z http://localhost:8080/handle/123456789/31784 SISTEM PAKAR DETEKSI DINI TINGKAT STRES MAHASISWA BERDASARKAN POLA GAYA HIDUP MENGGUNAKAN METODE CERTAINTY FACTOR BERBASIS WEB DWI, SHINTYA Stres merupakan satu di antara isu-isu yang sering dihadapi oleh mahasiswa karena berbagai sebab, termasuk pola hidup, tuntutan akademik, dan kegiatan sehari-hari. Kondisi stres yang tidak ditangani dengan baik dapat berdampak negatif pada kesehatan fisik serta mental mahasiswa. Penelitian ini bertujuan untuk menciptakan sistem pakar berbasis web yang membantu dalam proses deteksi awal tingkat stres mahasiswa dengan menggunakan metode Certainty Factor. Data dari gejala stres disusun berdasarkan teori stres yang diusulkan oleh Hans Selye sesuai dengan konsultasi pakar, sementara nilai bobot untuk setiap gejala ditentukan melalui konsultasi dengan pakar. Sistem ini dibuat menggunakan bahasa pemrograman PHP dan database MySQL. Proses deteksi dilakukan berdasarkan gejala dan tingkat keyakinan yang dipilih oleh pengguna, dan kemudian sistem menghitung nilai Certainty Factor untuk menentukan tingkat stres. Hasil dari penelitian menunjukkan bahwa sistem ini efektif dalam mengidentifikasi tingkat stres mahasiswa ke dalam kategori stres ringan, sedang, dan berat serta berfungsi dengan baik berdasarkan hasil uji blackbox. Dengan adanya sistem ini, deteksi awal tingkat stres mahasiswa dapat dilakukan dengan lebih cepat dan efisien. 2026-05-12T00:00:00Z