Polibatam Repository

Repository Politeknik Negeri Batam

-"For Your Goals Beyond Horizon"-

Panduan Unggah Mandiri klik disini

Photo by @HumasPolibatam

Communities in Polibatam

Select a community to browse its collections.

Now showing 1 - 5 of 9

Recent Submissions

PERANCANGAN APLIKASI MARKETPLACE POLIBATAM STORE SEBAGAI PLATFORM E-COMMERCE
(Politeknik Negeri Batam, 2026-06-11) Suhara, Bayu; Feby
The promotion and transaction process of campus products at Politeknik Negeri Batam is currently limited, as customers are generally required to visit the physical location to view and purchase products. This limitation hinders effective product promotion, restricts market reach, and reduces transaction efficiency. This study aims to design and develop Polibatam Store, a Web-based Marketplace application that serves as ane-commerce platform for promoting and selling campus products online. The system was developed using the Prototype method, which includes stages of Requirement Identification, Prototype Development, Prototype Evaluation, Refinement, RefinementSystem Testing, and Final Product Development. Data for this study were collected through interviews with the PIC of Polibatam Store, observations of the previous mobile-based system, and a review of relevant literature on e-commerce, Marketplace systems, web application development, Payment gateways, and software testing. The application was implemented using PHP and MySQL, supported by AJAX and REST API to facilitate dynamic data interaction. Key features of the application include user registration, login, product management, product search, shopping cart, checkout, manual transfer payment, Use Case Scenario, order management, transaction history, and password recovery via email-based One-Time Password (OTP). RefinementSystem Testing was carried out using Black Box Testing to verify whether each feature operates according to its Functional Requirements. The results indicate that the main features of the system function correctly and effectively support online product promotion, transactions, payment processing, and product management. Therefore, Polibatam Store offers a digital solution for enhancing product promotion and transaction management within Politeknik Negeri Batam’s Marketplace ecosystem.
PENGARUH BUDAYA ORGANISASI, KOMPENSASI DAN GAYA KEPEMIMPINAN TERHADAP TURNOVER INTENTION PADA KARYAWAN PANBIL INDUSTRIAL ESTATE MELALUI KEPUASAN KERJA SEBAGAI VARIABEL INTERVENING
(Politeknik Negeri Batam, 2026-06-17) Prasetyo, Ferdiansyah Dwi; Zaimah
Penelitian ini bertujuan untuk menganalisis pengaruh budaya organisasi, kompensasi dan gaya kepemimpinan terhadap turnover intention dengan kepuasan kerja sebagai variabel intervening. Analisis data dilakukan menggunakan metode Structural Equation Modeling (SEM) dengan menggunakan aplikasi SmartPLS 4.0. Sampel penelitian terdiri dari 207 karyawan aktif di Kawasan Panbil Industrial Estate. Pengumpulan data menggunakan kuisioner (angket) yang mencakup 3 variabel independen, 1 variabel dependen serta 1 variabel intervening. Hasil penelitian menunjukan bahwa budaya organisasi (0.159), kompensasi (0.560), dan gaya kepemimpinan (0.150) secara positif mempengaruhi kepuasan kerja. Kompensasi (-0.180) secara negatif mempengaruhi turnover intention, Budaya organisasi (0.198) dan Gaya Kepemimpinan (0.255) secara positif mempengaruhi turnover intention, sedangkan kepuasan kerja (-0.407) sebagai variabel intervening secara negatif mempengaruhi turnover intention. Selain itu, Kepuasan kerja terbukti mampu memediasi pengaruh budaya organisasi (-0.065), kompensasi (-0.228), dan gaya kepemimpinan (-0.061) terhadap turnover intention dengan tipe mediasi parsial.
Klasifikasi Abjad Bahasa Isyarat Indonesia (BISINDO) Secara Real-Time Menggunakan Deep LearningVision Transformer (ViT)
(Politeknik Negeri Batam, 2025-11-05) Sani,Abdullah; Rahamansyah,Arif; Sani,Abdullah
Keterbatasan pemahaman Bahasa Isyarat Indonesia (BISINDO) di masyarakat umum menghambat komunikasi efektif antara penyandang tunarungu dengan lingkungan sekitarnya. Penelitian ini mengembangkan sistem klasifikasi abjad BISINDO secara real-time menggunakan arsitektur Vision Transformer (ViT) dan mengevaluasi kinerjanya secara komprehensif pada berbagai jarak kamera dan kondisi pencahayaan. Model dilatih menggunakan 30.316 gambar dari 26 kelas abjad (A–Z) selama 150 epoch pada GPU NVIDIA GeForce RTX 4090. Dataset diperoleh dari kombinasi dataset publik dan pengambilan data mandiri, kemudian diperluas melalui augmentasi rotasi, flip, variasi kecerahan, dan penambahan noise. Pengujian real-time dilakukan pada jarak 30 cm, 50 cm, dan 70 cm serta dua kondisi pencahayaan (16 lux dan 196 lux). Pada jarak optimal 30 cm, sistem mencapai akurasi 95%, precision rata-rata 95,58%, recall rata-rata 95,07%, dan latensi 58,75 ms. Pada jarak 50 cm akurasi tetap tinggi sebesar 94%, namun pada jarak 70 cm terjadi penurunan drastis hingga 27,80%, yang mengindikasikan jarak sebagai faktor dominan yang memengaruhi kinerja. Pengujian pada cahaya redup menghasilkan akurasi 87–88%, sementara validasi lintas pengguna menunjukkan akurasi konsisten 93,08%. Hasil penelitian menunjukkan bahwa arsitektur ViT memiliki potensi signifikan sebagai fondasi sistem penerjemah bahasa isyarat otomatis bagi penyandang tunarungu.
Laci Rokok Berbasis IoT untuk Manajemen Stok dan Analisis Penjualan pada Warung Horas Bengkong
(Politeknik Negeri Batam, 2026-01-22) Simangunsong, Jedidah; Diono, Diono
Pada era teknologi terkoneksi saat ini, penerapan Internet of Things (IoT) dalam operasional usaha mikro, kecil, dan menengah (UMKM) menjadi aspek krusial guna meningkatkan efisiensi kerja serta akurasi dalam pengelolaan data dan informasi, terkhusus untuk penjualan. Penelitian ini bertujuan untuk merancang dan mengimplementasikan sistem laci rokok berbasis IoT sebagai sarana pendukung dalam manajemen persediaan dan analisis penjualan. Mitra yang terlibat dalam penelitian ini adalah Warung Horas, sebuah usaha mikro yang berlokasi di Bengkong, Batam, dan bergerak di bidang penjualan kebutuhan harian. Sistem yang dikembangkan memanfaatkan sensor ultrasonik yang terhubung ke mikrokontroler dan jaringan perangkat lunak untuk mendeteksi jumlah stok rokok secara otomatis dan real-time, serta mencatat transaksi penjualan harian beserta riwayat pergerakan barang dalam bentuk database Excel dan website pemantauan. Pada tahap pengujian, sistem menunjukkan tingkat ketercapaian obyektif sebesar 83,47%. Capaian ini merefleksikan keberhasilan perancangan aspek-aspek desain produk serta pengembangan sistem yang mampu mendeteksi jumlah stok rokok di dalam laci penjualan secara akurat, didukung oleh konfigurasi perangkat lunak yang memungkinkan integrasi antar komponen dan penyajian informasi stok dan transaksi secara real-time sesuai dengan kondisi yang sebenarnya, sehingga hasil monitoring stok yang diperoleh dapat diolah menjadi analisis penjualan rokok yang optimal guna mendukung pengambilan keputusan dalam pengelolaan usaha mitra.
Klasifikasi Kerusakan Pin Komponen Pada Dioda Bridge Rectifier Menggunakan Metode Faster RCNN
(Politeknik Negeri Batam, 2026-01-20) Hanisaputri, Salsabila; Jefiza, Adlian
Deteksi kerusakan pada komponen elektronik, khususnya dioda bridge rectifier tipe KBJ208, merupakan hal krusial dalam penjaminan kualitas manufaktur. Namun, metode inspeksi kualitas manual yang umum digunakan masih memiliki kelemahan signifikan berupa subjektivitas dan kelelahan operator. Penelitian ini bertujuan untuk membangun prototipe sistem klasifikasi otomatis kerusakan pin komponen tersebut menggunakan metode Faster Regional Convolutional Neural Network (Faster R-CNN). Metodologi yang diterapkan meliputi akuisisi citra, preprocessing distorsi lensa, pelatihan model dengan arsitektur backbone ResNet-50 melalui pendekatan transfer learning dan FPN, serta pengembangan user interface untuk memvisualisasikan hasil deteksi. Sistem dirancang untuk mengklasifikasikan kondisi pin menjadi tiga kategori: normal, bent, dan broken pada sudut pandang tegak lurus. Hasil pengujian menunjukkan bahwa konfigurasi model terbaik mampu mencapai performa deteksi yang tinggi dengan nilai mAP (Pascal VOC) sebesar 99,36%. Pada pengujian integrasi user interface, alat berhasil mencapai akurasi klasifikasi sebesar 95%. Secara spesifik, sistem terbukti sangat andal dalam mendeteksi kerusakan fatal (broken) dengan nilai recall mencapai 99%, yang mengindikasikan efektivitas sistem dalam meminimalkan risiko lolosnya komponen rusak. Dapat disimpulkan bahwa metode Faster R-CNN terbukti efektif diterapkan pada sistem inspeksi otomatis untuk objek berskala kecil (mikro) dengan presisi tinggi guna mengatasi keterbatasan visual operator dalam mengidentifikasi detail kerusakan komponen elektronik.