Hasil Pencarian  ::  Simpan CSV :: Kembali

"Perkembangan teknologi yang kian pesat mengakibatkan sering terjadinya perubahan kebutuhan bisnis pada pengembangan aplikasi. Hal ini berdampak pada meningkatnya penerapan Software Development Life Cycle (SDLC) berbasis agile khususnya scrum karena sifat agile yang terbuka dan fleksibel terhadap perubahan kebutuhan pengguna. Tentu kelebihan dari metode tersebut tidak tanpa kekurangan. Permasalahan seperti kurangnya partisipasi product owner, kurangnya pelatihan mengenai scrum, dan pelaksanaan kegiatan scrum yang tidak sesuai dengan panduan menjadi hal yang perlu diperhatikan oleh setiap anggota tim scrum. Permasalahan tersebut juga menjadi dasar dari penelitian serta pengembangan aplikasi web ScrumAid. Tujuan dari penelitian ini adalah untuk mengembangkan sebuah aplikasi yang dapat membantu pengguna dalam menjalankan kegiatan scrum. Aplikasi ini menaruh fokus pada fitur checklist yang berisi panduan-panduan untuk menjalankan kegiatan scrum sesuai dengan panduan Scrum Guide 2020 dan buku The Essential Scrum. Pengembangan aplikasi dilakukan dengan memanfaatkan metode waterfall, framework backend Django serta library frontend React karena kesesuaiannya dengan kondisi pengembangan aplikasi. Selain pengembangan, tim penulis juga melakukan evaluasi terhadap aplikasi web ScrumAid dengan melakukan uji performa frontend dan backend, yang menunjukan hasil rata-rata performa backend sebesar 100ms untuk backend. Pada frontend, skor Google Lighthouse sebesar 93.43 untuk performa dan 91.86 untuk aksesibilitas. Uji usability dan System Usability Scale yang hasilnya menyatakan bahwa partisipan puas terhadap aplikasi.

---

The rapid development of technology has led to frequent changes in business requirements during application development. This has resulted in the increased adoption of agile-based Software Development Life Cycle (SDLC), particularly Scrum, due to its open and flexible nature in responding to user needs. However, this method also has its limitations. Issues such as lack of product owner participation, insufficient training in Scrum, and improper implementation of Scrum activities need to be addressed by all Scrum team members. These issues serve as the foundation for the research and development of the ScrumAid web application. The objective of this research is to develop an application that assists users in conducting Scrum activities. The application focuses on a checklist feature that provides guidance on executing Scrum activities correctly. The application development follows the waterfall method, utilizing the Django backend framework and React frontend library due to their suitability for the development environment. In addition to development, the writing team also conducted evaluations on the ScrumAid web application by performing frontend and backend performance tests, which showed an average backend performance result of 100ms. On the frontend, the Google Lighthouse score was 93.43 for performance and 91.86 for accessibility. Usability testing and System Usability Scale were also conducted, and the results indicated that the participants were satisfied with the application."

"Perkembangan teknologi yang kian pesat mengakibatkan sering terjadinya perubahan kebutuhan bisnis pada pengembangan aplikasi. Hal ini berdampak pada meningkatnya penerapan Software Development Life Cycle (SDLC) berbasis agile khususnya scrum karena sifat agile yang terbuka dan fleksibel terhadap perubahan kebutuhan pengguna. Tentu kelebihan dari metode tersebut tidak tanpa kekurangan. Permasalahan seperti kurangnya partisipasi product owner, kurangnya pelatihan mengenai scrum, dan pelaksanaan kegiatan scrum yang tidak sesuai dengan panduan menjadi hal yang perlu diperhatikan oleh setiap anggota tim scrum. Permasalahan tersebut juga menjadi dasar dari penelitian serta pengembangan aplikasi web ScrumAid. Tujuan dari penelitian ini adalah untuk mengembangkan sebuah aplikasi yang dapat membantu pengguna dalam menjalankan kegiatan scrum. Aplikasi ini menaruh fokus pada fitur checklist yang berisi panduan-panduan untuk menjalankan kegiatan scrum sesuai dengan panduan Scrum Guide 2020 dan buku The Essential Scrum. Pengembangan aplikasi dilakukan dengan memanfaatkan metode waterfall, framework backend Django serta library frontend React karena kesesuaiannya dengan kondisi pengembangan aplikasi. Selain pengembangan, tim penulis juga melakukan evaluasi terhadap aplikasi web ScrumAid dengan melakukan uji performa frontend dan backend, yang menunjukan hasil rata-rata performa backend sebesar 100 ms untuk backend. Pada frontend, skor Google Lighthouse sebesar 93.43 untuk performa dan 91.86 untuk aksesibilitas. Uji usability dan System Usability Scale yang hasilnya menyatakan bahwa partisipan puas terhadap aplikasi.

---

The rapid development of technology has led to frequent changes in business requirements during application development. This has resulted in the increased adoption of agile-based Software Development Life Cycle (SDLC), particularly Scrum, due to its open and flexible nature in responding to user needs. However, this method also has its limitations. Issues such as lack of product owner participation, insufficient training in Scrum, and improper implementation of Scrum activities need to be addressed by all Scrum team members. These issues serve as the foundation for the research and development of the ScrumAid web application. The objective of this research is to develop an application that assists users in conducting Scrum activities. The application focuses on a checklist feature that provides guidance on executing Scrum activities correctly. The application development follows the waterfall method, utilizing the Django backend framework and React frontend library due to their suitability for the development environment. In addition to development, the writing team also conducted evaluations on the ScrumAid web application by performing frontend and backend performance tests, which showed an average backend performance result of 100 ms. On the frontend, the Google Lighthouse score was 93.43 for performance and 91.86 for accessibility. Usability testing and System Usability Scale were also conducted, and the results indicated that the participants were satisfied with the application."

"Adanya kebutuhan dalam pendataan karya ilmiah dosen Fakultas Ilmu Komputer Universitas Indonesia mendorong SDM Fasilkom Universitas Indonesia untuk melakukan pendataan secara manual dengan melalui layanan indeksasi Scopus dan Google Scholar. Proses pendataan yang dilakukan membutuhkan waktu yang lama dikarenakan pengambilan data untuk setiap karya ilmiah dilakukan secara manual. Kekurangan ini memicu dikembangkannya aplikasi berbasis web arsip data karya ilmiah dosen Fasilkom Universitas Indonesia. Pengembangan aplikasi berbasis web dipilih atas kemudahannya untuk diakses. Aplikasi web yang dikembangkan ini memberikan manfaat praktis untuk mempermudah dan mempercepat proses pengambilan data karya ilmiah dosen Fasilkom UI. Aplikasi web yang dikembangkan dapat melakukan proses pengambilan data dari dua sumber yang berbeda secara bersamaan. Adapun data karya ilmiah yang disimpan ditampilkan sedemikian rupa dalam antarmuka pengguna dengan berbagai fitur sesuai dengan kebutuhan SDM Fasilkom Universitas Indonesia. Aplikasi ini dikembangkan dengan metodologi Scrum mengingat kemampuan adaptasinya yang tinggi untuk menyesuaikan perubahan yang terjadi selama proses pengembangan berlangsung. Performa dan capaian aplikasi dalam memenuhi kebutuhan pengguna diukur melalui evaluasi aplikasi dengan melakukan User Acceptance Testing (UAT) dan uji performa dengan Locust. Hasil dari UAT yang dilakukan menunjukkan keberhasilan dari seluruh test case yang dijalankan. Sehingga dapat disimpulkan bahwa kebutuhan dari dibuatnya aplikasi ini telah tercapai.

---

The need for organizing the academic works of faculty members at the Faculty of Computer Science, University of Indonesia, has driven the human resources of Fasilkom Universitas Indonesia to manually collect data through the indexing services of Scopus and Google Scholar. The manual data collection process for each academic work consumed a considerable amount of time. To address this drawback, a web-based archive application for academic works of Fasilkom Universitas Indonesia was developed. The choice of a web-based application was driven by its accessibility and practical benefits in facilitating and expediting the process of retrieving academic work data. The developed web application has the capability to retrieve data from both Scopus and Google Scholar simultaneously. The stored scientific work data is presented in a user interface designed with various features tailored to the needs of Fasilkom Universitas Indonesia's human resources. The application was developed using the Scrum methodology, considering its high adaptability to accommodate changes during the development process. The performance and achievements of the application in meeting user requirements were measured through application evaluation, including User Acceptance Testing (UAT) and performance testing using Locust. The results of the conducted UAT demonstrated the successful execution of all test cases. Therefore, it can be concluded that the development of this application has successfully fulfilled the established requirements."

"Adanya kebutuhan dalam pendataan karya ilmiah dosen Fakultas Ilmu Komputer Universitas Indonesia mendorong SDM Fasilkom Universitas Indonesia untuk melakukan pendataan secara manual dengan melalui layanan indeksasi Scopus dan Google Scholar. Proses pendataan yang dilakukan membutuhkan waktu yang lama dikarenakan pengambilan data untuk setiap karya ilmiah dilakukan secara manual. Kekurangan ini memicu dikembangkannya aplikasi berbasis web arsip data karya ilmiah dosen Fasilkom Universitas Indonesia. Pengembangan aplikasi berbasis web dipilih atas kemudahannya untuk diakses. Aplikasi web yang dikembangkan ini memberikan manfaat praktis untuk mempermudah dan mempercepat proses pengambilan data karya ilmiah dosen Fasilkom UI. Aplikasi web yang dikembangkan dapat melakukan proses pengambilan data dari dua sumber yang berbeda secara bersamaan. Adapun data karya ilmiah yang disimpan ditampilkan sedemikian rupa dalam antarmuka pengguna dengan berbagai fitur sesuai dengan kebutuhan SDM Fasilkom Universitas Indonesia. Aplikasi ini dikembangkan dengan metodologi Scrum mengingat kemampuan adaptasinya yang tinggi untuk menyesuaikan perubahan yang terjadi selama proses pengembangan berlangsung. Performa dan capaian aplikasi dalam memenuhi kebutuhan pengguna diukur melalui evaluasi aplikasi dengan melakukan User Acceptance Testing (UAT) dan uji performa dengan Locust. Hasil dari UAT yang dilakukan menunjukkan keberhasilan dari seluruh test case yang dijalankan. Sehingga dapat disimpulkan bahwa kebutuhan dari dibuatnya aplikasi ini telah tercapai.

---

The need for organizing the academic works of faculty members at the Faculty of Computer Science, University of Indonesia, has driven the human resources of Fasilkom Universitas Indonesia to manually collect data through the indexing services of Scopus and Google Scholar. The manual data collection process for each academic work consumed a considerable amount of time. To address this drawback, a web-based archive application for academic works of Fasilkom Universitas Indonesia was developed. The choice of a web-based application was driven by its accessibility and practical benefits in facilitating and expediting the process of retrieving academic work data. The developed web application has the capability to retrieve data from both Scopus and Google Scholar simultaneously. The stored scientific work data is presented in a user interface designed with various features tailored to the needs of Fasilkom Universitas Indonesia's human resources. The application was developed using the Scrum methodology, considering its high adaptability to accommodate changes during the development process. The performance and achievements of the application in meeting user requirements were measured through application evaluation, including User Acceptance Testing (UAT) and performance testing using Locust. The results of the conducted UAT demonstrated the successful execution of all test cases. Therefore, it can be concluded that the development of this application has successfully fulfilled the established requirements."

"Dalam beberapa tahun terakhir, teknologi chatbot telah berkembang secara signifikan, dengan munculnya Large Language Model (LLM) seperti GPT dari OpenAI, Llama dari Meta, dan Gemini dari Google. Penelitian ini mengeksplorasi penerapan chatbot berbasis LLM dalam dunia medis, khususnya untuk membantu dan memantau pasien hemodialisis. Menggunakan kerangka kerja seperti LangChain untuk melakukan prompt engineering, Retrieval Augmented Generation (RAG) untuk meningkatkan pengetahuan domain, dan Chroma sebagai vector database, platform chatbot berbasis web dikembangkan. Pendekatan ReAct dan chain-of-thought (CoT) diterapkan untuk membuat sistem berbasis agen. Evaluasi kuantitatif dari penelitian ini akan menggunakan ROUGE, BLEU, dan SAS untuk sistem chatbot, dan MAP@3, dan MRR@3 digunakan untuk sistem RAG, bersama dengan penilaian kualitatif oleh ahli di bidang hemodialisis. Secara keseluruhan, evaluasi kualitatif dan kuantitatif untuk setiap sistem menerima umpan balik positif berdasarkan penilaian ahli dan hasil dari setiap metrik, yang menunjukkan bahwa kedua sistem berkinerja baik dalam menghasilkan tanggapan yang selaras dengan tujuan penelitian ini, yaitu memberikan tanggapan yang akurat dan membantu dalam memantau pasien. Dari sisi sistem, kemampuan chatbot dan sistem RAG dalam memahami konteks percakapan dan memberikan tanggapan yang lebih relevan dan informatif, menggunakan pendekatan berbasis agen yang ditingkatkan oleh RAG, memberikan keuntungan yang signifikan. Prompt yang kami gunakan, ReAct dan CoT, memungkinkan agen berbasis LLM untuk berpikir lebih efektif, membuat keputusan yang tepat, dan mensimulasikan proses berpikir yang lebih terstruktur dan logis. Dengan memanfaatkan peningkatan ini, chatbot juga dapat menghasilkan pesan urgensi medis untuk memperingatkan tim medis yang terhubung ke platform. Hal ini memungkinkan mereka untuk merespons keadaan darurat ketika pasien melaporkan gejala yang membutuhkan perawatan lebih lanjut di rumah sakit. Penelitian ini telah menunjukkan bahwa LLM dapat digunakan secara efektif sebagai chatbot di bidang kesehatan, khususnya untuk memantau pasien hemodialisis.

---

In recent years, chatbot technology has advanced significantly, with the rise of Large Language Models (LLMs) such as OpenAI’s GPT, Meta’s Llama, and Google’s Gemini. This research explores the application of LLM-based chatbots in healthcare, specifically for assisting and monitoring hemodialysis patients. Using frameworks like LangChain for prompt engineering, Retrieval Augmented Generation (RAG) for enhanced domain knowledge, and Chroma as a vector database, a web-based chatbot platform was developed. The ReAct and chain-of-thought (CoT) approaches were applied to create an agent-based system. The quantitative evaluation of this research will use ROUGE, BLEU, and SAS for the chatbot system, and MAP@3, and MRR@3 were used for the RAG systems, along with qualitative expert assessments. Overall, the qualitative and quantitative evaluations for each system received positive feedback based on expert judgment and the results of each metrics, indicating that both systems performed well in generating responses aligned with the goals of this research, which are to provide accurate responses and assist in monitoring patients. On the system side, the chatbot and RAG system’s ability to understand conversational context and provide more relevant and informative responses, using agent-based approaches enhanced by RAG, offers a clear advantage. The prompts we are using, ReAct and CoT, enable the agent-based LLM to think more effectively, make appropriate decisions, and simulate a more structured and logical thought process. By utilizing these enhancements, the chatbot can also generate medical urgency message to alert medical teams connected to the platform. This allows them to respond to emergencies when patients report symptoms that require further care at a hospital. This research has demonstrated that LLMs can be effectively utilized as chatbots in the healthcare field, specifically for monitoring hemodialysis patients."

"Dalam beberapa tahun terakhir, teknologi chatbot telah berkembang secara signifikan, dengan munculnya Large Language Model (LLM) seperti GPT dari OpenAI, Llama dari Meta, dan Gemini dari Google. Penelitian ini mengeksplorasi penerapan chatbot berbasis LLM dalam dunia medis, khususnya untuk membantu dan memantau pasien hemodialisis. Menggunakan kerangka kerja seperti LangChain untuk melakukan prompt engineering, Retrieval Augmented Generation (RAG) untuk meningkatkan pengetahuan domain, dan Chroma sebagai vector database, platform chatbot berbasis web dikembangkan. Pendekatan ReAct dan chain-of-thought (CoT) diterapkan untuk membuat sistem berbasis agen. Evaluasi kuantitatif dari penelitian ini akan menggunakan ROUGE, BLEU, dan SAS untuk sistem chatbot, dan MAP@3, dan MRR@3 digunakan untuk sistem RAG, bersama dengan penilaian kualitatif oleh ahli di bidang hemodialisis. Secara keseluruhan, evaluasi kualitatif dan kuantitatif untuk setiap sistem menerima umpan balik positif berdasarkan penilaian ahli dan hasil dari setiap metrik, yang menunjukkan bahwa kedua sistem berkinerja baik dalam menghasilkan tanggapan yang selaras dengan tujuan penelitian ini, yaitu memberikan tanggapan yang akurat dan membantu dalam memantau pasien. Dari sisi sistem, kemampuan chatbot dan sistem RAG dalam memahami konteks percakapan dan memberikan tanggapan yang lebih relevan dan informatif, menggunakan pendekatan berbasis agen yang ditingkatkan oleh RAG, memberikan keuntungan yang signifikan. Prompt yang kami gunakan, ReAct dan CoT, memungkinkan agen berbasis LLM untuk berpikir lebih efektif, membuat keputusan yang tepat, dan mensimulasikan proses berpikir yang lebih terstruktur dan logis. Dengan memanfaatkan peningkatan ini, chatbot juga dapat menghasilkan pesan urgensi medis untuk memperingatkan tim medis yang terhubung ke platform. Hal ini memungkinkan mereka untuk merespons keadaan darurat ketika pasien melaporkan gejala yang membutuhkan perawatan lebih lanjut di rumah sakit. Penelitian ini telah menunjukkan bahwa LLM dapat digunakan secara efektif sebagai chatbot di bidang kesehatan, khususnya untuk memantau pasien hemodialisis.

---

In recent years, chatbot technology has advanced significantly, with the rise of Large Language Models (LLMs) such as OpenAI’s GPT, Meta’s Llama, and Google’s Gemini. This research explores the application of LLM-based chatbots in healthcare, specifically for assisting and monitoring hemodialysis patients. Using frameworks like LangChain for prompt engineering, Retrieval Augmented Generation (RAG) for enhanced domain knowledge, and Chroma as a vector database, a web-based chatbot platform was developed. The ReAct and chain-of-thought (CoT) approaches were applied to create an agent-based system. The quantitative evaluation of this research will use ROUGE, BLEU, and SAS for the chatbot system, and MAP@3, and MRR@3 were used for the RAG systems, along with qualitative expert assessments. Overall, the qualitative and quantitative evaluations for each system received positive feedback based on expert judgment and the results of each metrics, indicating that both systems performed well in generating responses aligned with the goals of this research, which are to provide accurate responses and assist in monitoring patients. On the system side, the chatbot and RAG system’s ability to understand conversational context and provide more relevant and informative responses, using agent-based approaches enhanced by RAG, offers a clear advantage. The prompts we are using, ReAct and CoT, enable the agent-based LLM to think more effectively, make appropriate decisions, and simulate a more structured and logical thought process. By utilizing these enhancements, the chatbot can also generate medical urgency message to alert medical teams connected to the platform. This allows them to respond to emergencies when patients report symptoms that require further care at a hospital. This research has demonstrated that LLMs can be effectively utilized as chatbots in the healthcare field, specifically for monitoring hemodialysis patients."

"Ginjal adalah organ penting dalam tubuh yang berfungsi untuk menyaring darah dan membuang limbah tubuh melalui urin. Ketika ginjal tidak dapat berfungsi pada kapasitas penuh, tubuh akan mengalami gejala yang mempengaruhi kualitas hidup seperti letih, sakit, dan depresi. Pada umumnya, penyakit ginjal kronis ditandai oleh adanya protein didalam urine dan nilai pH yang kecil. Kadar kimia dalam urine seperti protein, pH dan lainnya dapat diuji sehingga membantu pekerja medis dalam diagnosis serta perawatan lebih lanjut. Salah satu metode urinalisis adalah dengan menggunakan tes strip yang memanfaatkan sistem kolorimetri. Namun akurasi dari tes strip masih bersifat semi-kuantitatif dan dibatasi oleh kemampuan penglihatan manusia. Pada penelitian ini, diusulkan rancangan sistem urinalisis berbasis deep learning dalam aplikasi seluler Android. Sisi klien pada aplikasi seluler dibangun dengan menggunakan framework React Native sedangkan sisi server dibangun menggunakan Flask. Aplikasi seluler yang dibangun memiliki tiga proses penting, yaitu proses akuisisi citra, pengunggahan citra, dan penampilan hasil pengujian. Model deep learning yang sudah dibangun diimplementasikan ke dalam sisi server untuk mendapatkan prediksi kadar protein dan pH. Hasil model regresi terbaik adalah model output tunggal dengan arsitektur ResNet-50 dengan nilai RMSE 0.055 dan 0.981. Hasil model klasifikasi terbaik adalah model empat output dengan arsitektur ResNet-50 dengan nilai akurasi 99.2% dan 98.5%.

---

Kidneys are important organs in the body that filter blood and remove body waste through urine. When kidneys are not functioning at full capacity, the body will experience symptoms that affect the quality of life such as fatigue, pain, and depression. In general, chronic kidney disease is characterized by the presence of protein in the urine and a low pH value. Chemical levels in urine such as protein, pH, and others can be tested to help medical workers in diagnosis and further treatment. One method of urinalysis is to use a strip test that utilizes a colorimetric system. However, the accuracy of the strip test is still semi-quantitative and limited by the ability of human vision. In this study, a deep learning-based urinalysis system design in an Android mobile application is proposed. The client side of the mobile application is built using the React Native framework while the server side is built using Flask framework. The mobile application has three important processes, namely image acquisition, image upload, and test result display. The deep learning model that has been built is implemented into the server side to get predictions of protein and pH levels. The best regression results are single output models with ResNet-50 architecture with RMSE values of 0.055 and 0.981. The best classification results are the four-output model with ResNet-50 architecture with accuracy values of 99.2% and 98.5%."

"Pengelolaan proposal tugas akhir untuk program sarjana Fakultas Ilmu Komputer Universitas Indonesia (Fasilkom UI) masih menggunakan media eksternal, seperti Excel, forum Student Centered E-Learning Environment (SCELE) Fasilkom UI, Google Form, dan sebagainya. Dengan demikian, pengelolaan proposal menjadi tidak terstruktur dan tidak terintegrasi. Untuk menangani masalah ini, sudah ada inisiatif pengembangan sistem informasi untuk mengelola tugas akhir yang dinamakan SISKRIPSI. Namun, fitur SISKRIPSI ini perlu dievaluasi dan dikembangkan lebih lanjut dengan melakukan requirements gathering bersama tim dosen tugas akhir Fasilkom UI agar fitur aplikasi sesuai dengan kebutuhan. Selain dari segi fitur, desain antarmuka dari SISKRIPSI juga perlu dievaluasi agar dapat memenuhi standar desain aplikasi. Hasil aplikasi yang telah dikembangkan ini dinamakan Sistem Pengelolaan Tugas Akhir (SIPETA). Pengembangan SIPETA menerapkan metode User Centered Design dan Feature Driven Development. Aplikasi SIPETA dibangun dengan arsitektur decoupled, frontend dikembangkan menggunakan framework React JS sedangkan backend dikembangkan menggunakan framework Django Rest Framework. Selain itu, SIPETA diintegrasi dengan Sistem Informasi Sidang Tugas Akhir (SISIDANG). Setelah dilakukan pengembangan, aplikasi dievaluasi dengan metode Usability Testing, System Usability Scale, User Acceptance Test dan Lighthouse Testing. Hasil evaluasi dari SIPETA menyatakan SIPETA sudah layak untuk digunakan.

---

The management of final year project proposals of the undergraduate study programs at the Faculty of Computer Science, Universitas Indonesia (Fasilkom UI) still uses external media, such as Excel, Student Centered E-Learning Environment (SCELE) Fasilkom UI’s forum, Google Form, etc. Thus, proposal management becomes unstructured and unintegrated. To handle this problem, there was already an inisiative to develop an information system to manage final year projects named SISKRIPSI. However, the features of SISKRIPSI needs to be evaluated and developed further by conducting a requirements gathering with the Fasilkom UI final year project committee so that the application features match the needs. Apart from the features, the interface design of SISKRIPSI also needs to be evaluated so that it can fulfill the application design standards. The result of the developed application is called Sistem Pengelolaan Tugas Akhir (SIPETA). Development of SIPETA applies User Centered Design and Feature Driven Development method. SIPETA was build on decoupled architecture, frontend was build using React JS framework and backend was build using Django Rest Framework. Besides that, SIPETA was also integrated with Sistem Informasi Sidang Tugas Akhir (SISIDANG). After the development process, the application was evaluated using Usability Testing, System Usability Scale, User Acceptance Test and Lighthouse Testing methods. The evaluation results of SIPETA states that SIPETA is ready to use."

"Pencak Silat adalah salah satu cabang olahraga bela diri dari Indonesia, dimana terdapat kategori Tanding yaitu mengadu dua peserta yang saling berlawanan. Saat pengambilan keputusan, wasit/juri dapat melakukan kesalahan. Salah satu alat pembantu yang dapat digunakan adalah Video Assistant Referee (VAR). VAR dalam pertandingan Pencak Silat disebut Instant Video Replay (IVR) dan sudah digunakan di Asian Games 2018 dan POMNAS 2019. Namun, sistem IVR tersebut masih menggunakan video player desktop biasa yang menyebabkan terlalu lama dalam mencari kejadian tertentu, terutama apabila terdapat banyak sudut pandang kamera yang harus diperhatikan sehingga memakan banyak waktu pertandingan. Oleh karena itu, dilakukan riset pengguna untuk memahami kebutuhan apa saja dalam menggunakan sistem IVR. Hasil riset tersebut dianalisis yang kemudian dirancang solusi desainnya sesuai kebutuhan dan dievaluasi. Metode yang digunakan dalam perancangan desain sistem ini adalah User-Centered Design (UCD). Selama perancangan desain, dilakukan juga pengembangan sistem IVR agar menjadi program sesungguhnya. Pengembangan sistem IVR terbagi dua bagian, yaitu sisi klien dan sisi server. Sisi klien dari sistem dibangun menggunakan Javascript dengan library React. Teknologi tersebut digunakan agar sistem dapat bertingkah sebagai sebuah single-page application. Sementara sisi server dibangun menggunakan webserver NGINX, dimana video dari kamera diarahkan ke Jetson Nano yang menjalankan NGINX sebagai server Real-Time Messaging Protocol (RTMP), dan video dimasukkan kedalam FFMPEG yang bekerja sebagai encoder agar video bisa disalurkan dengan protokol HTTP Live Streaming (HLS). Terakhir dilakukan pengujian dengan functional testing dan performance testing. Dari hasil pengujian, dapat disimpulkan bahwa penggunaan sistem IVR yang dikembangkan lebih efisien dibandingkan menggunakan video player desktop biasa.

---

Pencak Silat is one of martial arts that originated from Indonesia, where there is a Tanding category in which two competitors will go against each other. During the process of decision making, a referee/jury could potentially make a mistake. One of the tool that could help the decision making process is Video Assistant Referee (VAR). VAR in Pencak Silat is called Instant Video Replay, and has been used in Asian Games 2018 and also POMNAS 2019. But, the IVR system that was used is still using a standard desktop video player that could cause the review process takes longer than it should, especially when there are multiple angles that needs to be checked. Because of that, a research is done to better understand the needs of IVR users. The results of the research will be analyzed which then leads to creating a design solution according to the users needs and then it will be evaluated. The method that will be used during the creation of a design solution is User-Centered Design (UCD). During the process of designing, the system will also be developed. The IVR system will be divided into two parts, the client side and server side. The client side will be developed using Javascript with the help of React library. This allows the application to be developed as a single-page application. The server side will be developed using NGINX webserver, where the video will be redirected to Jetson Nano where NGINX will be ran as a Real-Time Messaging Protocol (RTMP) server, and the video will be inserted into FFMPEG that acts as an encoder so that the video can be transferred using HTTP Live Streaming (HLS) protocol. Lastly, functional and performance testing was conducted. In conclusion, the IVR system that has been developed is more efficient when compared to a standard desktop video player."