Toddler nutritional status is an important indicator in monitoring child growth and development. Nutritional problems in toddlers, such as undernutrition, stunting, and obesity, can have long-term impacts on children's health and development. Therefore, an effective system is needed to assist the process of classifying toddler nutritional status through the utilization of information technology. This study aims to classify toddler nutritional status using the Random Forest method based on anthropometric data, including gender, age, weight, and height. The research process includes data preprocessing, dataset merging, handling imbalanced data using the class weight technique, and parameter tuning to improve model performance. The classification model was developed based on the indicators of weight-for-age (BB/U), height-for-age (TB/U), and weight-for-height (BB/TB). The results show that the Random Forest model achieved good performance in classifying toddler nutritional status. The accuracy values obtained were 93.25% for the BB/U indicator, 93.49% for the TB/U indicator, and 93.49% for the BB/TB indicator. However, the model still has limitations in recognizing minority classes, especially in the TB/U indicator, as indicated by the relatively lower Macro F1-Score. Based on these results, the Random Forest method has the potential to be used as an initial screening tool for classifying toddler nutritional status more quickly and efficiently.

CV Mitra Sempurna Jaya, sebuah perusahaan rental mobil yang berbasis di Kabupaten Sidoarjo sejak tahun 2018, mengelola total 24 unit armada yang terdiri dari tipe Avanza, Ertiga, Xenia, dan Innova. Selama masa operasionalnya, perusahaan menghadapi tantangan dalam merencanakan ketersediaan unit karena masih mengandalkan pengalaman manual pengelola. Hal ini menyebabkan manajemen sering kali mengalami kesulitan dalam memprediksi lonjakan permintaan yang signifikan pada periode krusial, seperti hari raya, tahun baru, dan musim liburan sekolah. Untuk mengatasi permasalahan tersebut, dikembangkan sebuah sistem prediksi permintaan sewa mobil berbasis website. Sistem ini mengimplementasikan metode Triple Exponential Smoothing (TES) Holt-Winters Additif sebagai algoritma utama, dengan metode Simple Moving Average (SMA) sebagai instrumen pembanding. Dalam pengembangannya, sistem dibangun menggunakan framework Laravel dan basis data MySQL, serta didukung oleh library Python Statsmodels untuk memastikan parameter model teroptimasi secara otomatis. Basis peramalan dilakukan dengan mengolah data historis transaksi penyewaan selama 27 bulan, mulai dari Januari 2023 hingga Maret 2025. Berdasarkan hasil evaluasi, metode TES terbukti memiliki performa yang jauh lebih unggul dan akurat dibandingkan metode SMA untuk seluruh jenis kendaraan. Hal ini tercermin dari nilai MAPE yang dihasilkan, yakni sebesar 5,34% untuk Avanza, 3,62% untuk Xenia, 4,51% untuk Ertiga, dan 5,20% untuk Innova. Karena seluruh nilai tersebut berada di bawah ambang 10%, maka akurasi sistem masuk dalam kategori sangat baik. Selain itu, nilai MASE yang berada di bawah angka 1 memperkuat bukti bahwa model ini lebih andal daripada metode naive. Kualitas fungsional sistem juga telah diuji menggunakan metode Function Point Analysis (FPA) dengan perolehan skor sebesar 85,18%, yang menunjukkan bahwa sistem siap digunakan dengan kualitas yang baik. Dengan adanya sistem ini, manajemen CV Mitra Sempurna Jaya kini memiliki alat bantu digital yang mampu memberikan rekomendasi perencanaan armada secara lebih akurat, efisien, dan objektif berdasarkan tren data historis yang ada.

Perkembangan teknologi informasi mendorong transformasi digital pada pelayanan administrasi desa. Desa Pesudukuh masih menghadapi kendala dalam pengelolaan surat menyurat yang dilakukan secara manual, seperti penggunaan kertas berlebih, arsip tidak rapi, dan pelayanan yang kurang efisien sehingga masyarakat harus datang langsung ke kantor desa. Penelitian ini bertujuan merancang antarmuka (frontend) website administrasi surat berbasis digital untuk mempermudah pelayanan. Metode yang digunakan adalah Scrum dengan tahapan user story, product backlog, sprint, dan daily scrum secara iteratif sesuai kebutuhan pengguna. Data penelitian diperoleh melalui wawancara untuk menggali kebutuhan sistem. Perancangan antarmuka menghasilkan fitur pengajuan surat secara online, pengelolaan arsip, informasi desa, serta pemantauan status surat. Pengujian sistem dilakukan menggunakan metode System Usability Scale (SUS) dengan melibatkan 103 responden. Hasil pengujian menunjukkan skor SUS sebesar 73,77 dengan kategori Acceptable dan adjective rating Good. Hasil tersebut menunjukkan bahwa sistem mudah digunakan, dapat diterima oleh pengguna, serta mampu mendukung pelayanan administrasi desa secara lebih efektif dan efisien.

Sistem presensi yang digunakan di SMKN 1 Tamanan memiliki berbagai kelemahan, seperti inefisiensi waktu, potensi kecurangan, serta kesulitan dalam pengelolaan dan rekapitulasi data kehadiran. Hal ini disebabkan karena masih menggunakan cara manual berupa pemanggilan secara langsung siswa yang hadir pada setiap mata pelajaran. Berikutnya wali kelas akan memverifikasi ulang untuk memastikan siswa yang telah hadir. Sistem ini sangat memakan waktu dan juga kesulitan untuk didokumentasikan. Oleh sebab itu, peneliti mengajukan sistem presensi guru dan siswa berbasis mobile menggunakan pendekatan Convolutional Neural Network (CNN) dengan arsitektur mobilefacenet sebagai mode pengenelan wajah. Sistem dikembangkan menggunakan framework Flutter, MediaPipe untuk deteksi wajah, serta model Mobilefacenet pretrained sebagai feature extractor. Proses presensi meliputi deteksi wajah, preprocessing, ekstraksi fitur dalam bentuk embedding, serta verifikasi menggunakan metode Cosine Similarity dengan nilai ambang batas tertentu. Hasil pengujian menunjukkan bahwa sistem memiliki performa yang baik dengan tingkat keberhasilan Blackbox Testing sebesar 100%, rata-rata akurasi pengenalan wajah sebesar 80,88%, serta nilai User Acceptance Test (UAT) sebesar 77,31%. Dengan demikian, sistem yang dikembangkan mampu meningkatkan proses presensi menjadi lebih mudah dan efisien serta mudah dikelola karena terintegrasi secara online.

Perkembangan teknologi informasi mendorong penggunaan aplikasi berbasis web dan mobile dalam layanan kesehatan seperti Posyandu. Seiring meningkatnya kompleksitas aplikasi, diperlukan pengujian perangkat lunak yang efektif untuk menjamin kualitas sistem. Penelitian ini bertujuan untuk mengimplementasikan otomatisasi Black Box Testing menggunakan Katalon Studio pada aplikasi layanan Posyandu serta menganalisis hasil pengujian. Metode yang digunakan meliputi penyusunan skenario pengujian, pembuatan test case, implementasi pengujian otomatis pada platform website, serta pengujian manual Black Box Testing pada platform mobile, dan analisis hasil. Dari 30 test case pada website, sebanyak 29 berhasil (passed) dan 1 gagal (failed), dengan tingkat keberhasilan 96,6%. Kegagalan terjadi akibat kurang optimalnya validasi input. Sementara itu, pengujian manual pada aplikasi mobile terhadap 14 test case menunjukkan bahwa seluruh test case berhasil (passed) dengan tingkat keberhasilan 100%. Penggunaan Katalon Studio terbukti meningkatkan efisiensi, konsistensi, dan akurasi proses pengujian. Dengan demikian, kombinasi otomatisasi pengujian pada website dan pengujian manual pada mobile dapat menjadi solusi efektif dalam meningkatkan kualitas aplikasi dan membantu pengembang dalam mengidentifikasi kesalahan fungsional.

Konsumsi listrik rumah tangga di Indonesia terus meningkat, mencapai 130.433,10 GWh pada tahun 2024 atau sekitar 42,59?ri total konsumsi listrik nasional. Pelanggan listrik prabayar sering menghadapi risiko listrik padam mendadak karena tidak dapat merencanakan dan memperkirakan kapan token akan habis berdasarkan pola konsumsi mereka. Penelitian ini merancang dan mengimplementasikan sistem prediksi konsumsi listrik rumah tangga berbasis IoT menggunakan metode Long Short-Term Memory (LSTM) dan aplikasi mobile Flutter bernama Siwatt. Perangkat monitoring dibangun menggunakan mikrokontroler ESP8266 dan sensor PZEM-004T untuk membaca parameter kelistrikan secara real-time melalui protokol MQTT. Dua model LSTM dilatih untuk prediksi per jam dan per hari, menghasilkan MAPE masing-masing sebesar 26,818?n 9,337%. Pengujian black-box menunjukkan seluruh fitur aplikasi berjalan sesuai yang diharapkan, menjadikan sistem ini solusi yang adaptif bagi pengguna prabayar dalam merencanakan pembelian token listrik secara lebih tepat waktu.

Isu pengelolaan sampah telah menjadi salah satu tantangan yang dihadapi berbagai daerah termasuk di Kabupaten Nganjuk, seriring meningkatnya jumlah penduduk yang berdampak pada bertambahnya volume sampah. Keterbatasan informasi mengenai lokasi Tempat Pembuangan Sampah (TPS) menyebabkan rendahnya kesadaran masyarakat dalam membuang sampah pada tempatnya. Kondisi tersebut mendorong adanya pengembangan solusi berbasis teknologi berupa Sistem Informasi Geografis (SIG) untuk memetakan lokasi TPS secara efektif. Penelitian ini bertujuan untuk membangun sistem pemetaan lokasi TPS di Kabupaten Nganjuk dengan menggunakan metode Feature Driven Development (FDD) yang berfokus pada pengembangan fitur bertahap, serta metode Haversine untuk menentukan lokasi terdekat. Sistem dikembangkan menggunakan Laravel, Bootstrap, serta memanfaatkan LeafletJs dan OpenStreetMap untuk menampilkan peta interaktif. Pengujian sistem menggunakan Black Box dengan teknik Equivalence Partitioning untuk memastikan fungsionalitas serta System Usability Scale (SUS) untuk mengukur tingkat kemudahan penggunaan. Hasil penelitian menunjukkan bahwa sistem yang dikembangkan mampu berjalan dengan baik, tingkat keberhasilan fungsional mencapai 100%. Pengujian usability menghasilkan skor rata-rata 75,6 dari masyarakat dan 80,8 dari admin yang termasuk dalam kategori baik. Sistem ini dinilai layak digunakan dalam membantu masyarakat menemukan lokasi TPS serta mendukung pengelolaan data sampah secara efektif.

Layanan pinjaman online menawarkan kemudahan finansial, namun juga menimbulkan berbagai keluhan masyarakat seperti bunga tinggi dan praktik penagihan yang tidak etis, sehingga penelitian ini bertujuan untuk menganalisis sentimen pengguna terhadap aplikasi Easycash di Google Play Store menggunakan metode Support Vector Machine (SVM) serta mengevaluasi kinerja model yang dihasilkan, data dikumpulkan melalui teknik crawling dalam dua tahap dengan total 2.550 ulasan, kemudian dilakukan preprocessing yang meliputi case folding, cleaning (penghapusan tanda baca, angka, dan simbol), tokenizing, normalisasi kata (slangword), stopword removal, serta stemming untuk menghasilkan data teks yang bersih dan terstruktur, selanjutnya dilakukan pembobotan kata menggunakan metode TF-IDF untuk mengubah teks menjadi representasi numerik sebelum dilakukan proses klasifikasi menggunakan algoritma SVM ke dalam kategori sentimen positif, negatif, dan netral, hasil penelitian menunjukkan bahwa model SVM memiliki performa yang baik dalam analisis sentimen, khususnya dalam mengenali sentimen positif, dengan pengujian pada skenario terbaik (skenario kedua) menghasilkan akurasi sebesar 87,33?ngan 655 prediksi benar dari 750 data uji, meskipun demikian model masih mengalami kesulitan dalam membedakan sentimen negatif dan netral akibat kemiripan karakteristik linguistik, sehingga penelitian ini diharapkan dapat menjadi bahan evaluasi bagi penyedia layanan pinjaman online serta referensi bagi regulator seperti OJK dalam memahami persepsi masyarakat.