Research Publications

Authors

Jaya, Andi Rezaldy; Hayati, Lilis Nur; Herman, Herman, Faculty Of Computer Science, Universitas Muslim Indonesia, Makassar, Indonesia

Abstract

Website Buahta Makassar dirancang untuk mempermudah pelanggan, terutama yang tinggal jauh dari lokasi toko, dalam mengakses informasi produk secara daring. Proses perancangan menggunakan metode design thinking melalui lima tahapan: empathize, define, ideate, prototype, dan test, serta memanfaatkan tools Figma. Rancangan menampilkan fitur utama seperti daftar buah, harga, dan penambahan jumlah produk. Tahap pengujian dilakukan dengan metode usability testing menggunakan platform Maze. Hasil pengujian pada dua layar utama kategori dan review menunjukkan usability score sebesar 81, dengan rata-rata waktu interaksi 7-8 detik dan tingkat salah klik sebesar 78%. Nilai tersebut masuk dalam kategori cukup, yang berarti fitur berfungsi namun masih memerlukan peningkatan terutama dalam kejelasan navigasi. Rancangan ini menjadi pondasi awal untuk pengembangan sistem e-commerce Buahta Makassar di masa mendatang

Related SDGs

Authors

Bellanov, Agrienta; Nurhayati, Lilis, Faculty Of Computer Science, Universitas Muslim Indonesia, Makassar, Indonesia

Abstract

This study aims to analyze parents' responses to the trial implementation of the Free Nutritious Meal Program (MBG) conducted in several elementary schools in Trenggalek Regency. The MBG program, initiated by the government, is in its pilot stage and primarily targets improvements in students' nutritional intake, health, academic performance, and efforts to reduce stunting. mploying a mixed-methods approach, the research combined qualitative insights from in-depth interviews with parents, teachers, and school principals, alongside quantitative data gathered from structured questionnaires distributed to parents involved in the pilot program. The study evaluated variables such as food quality, hygiene, serving frequency, school–parent communication, and parental expectations and concerns regarding the program’s continuity. The findings reveal a largely positive response; parents particularly appreciated the program's role in fostering healthier eating habits and alleviating household financial burdens. However, several critical issues emerged, including limited menu variety, inconsistent food taste quality, and lack of transparency regarding meal schedules and nutritional content. Some parents expressed hope for the program’s expansion, provided that food quality and safety standards are maintained. Further analysis indicates that effective communication and parental involvement significantly influence satisfaction and support levels for the program. These insights offer valuable input for local governments and schools in refining MBG implementation to maximize its impact. This research contributes to a better understanding of the dynamics of the MBG pilot at the elementary school level and provides data-driven recommendations to enhance future policy and execution of free nutritious meal programs.

Related SDGs

Authors

Shabran, Muhammad; Darwis, Herdianti; Anraeni, Siska, Universitas Muslim Indonesia

Abstract

Kesehatan mental mahasiswa menjadi isu penting di lingkungan perguruan tinggi karena berpengaruh terhadap performa akademik, interaksi sosial, dan kesejahteraan psikologis. Mahasiswa sering menghadapi tekanan akademik dan tuntutan sosial yang dapat memicu stres dengan tingkat keparahan berbeda. Penelitian ini bertujuan untuk mengklasifikasikan tingkat stres mahasiswa Universitas Muslim Indonesia berdasarkan instrumen Depression Anxiety Stress Scale-21 (DASS-21) menggunakan algoritma Decision Tree berbasis Classification and Regression Tree (CART) dan Random Forest. Penelitian ini melibatkan lebih dari 3000 responden mahasiswa yang datanya diperoleh melalui kuesioner DASS-21 serta variabel pendukung seperti jenis kelamin, usia, fakultas, indeks massa tubuh, durasi tidur, olahraga, dan penggunaan media sosial. Tahapan analisis meliputi preprocessing data, feature engineering, encoding variabel, penanganan ketidakseimbangan kelas menggunakan Synthetic Minority Oversampling Technique for Nominal and Continuous data (SMOTENC), serta pembagian data 80% untuk pelatihan dan 20% untuk pengujian. Evaluasi model dilakukan menggunakan confusion matrix, accuracy, balanced accuracy, precision, recall, dan Macro F1-score. Hasil penelitian menunjukkan bahwa Random Forest dengan tuning tanpa SMOTENC memberikan performa terbaik dengan accuracy sebesar 0,9065 dan Macro F1-score sebesar 0,8427, serta lebih stabil dibandingkan Decision Tree dalam klasifikasi multi-kelas tingkat stres mahasiswa

Related SDGs

Authors

Fadly, Ahmad; Purnawansyah; Darwis, Herdianti, Universitas Muslim Indonesia

Abstract

Media sosial seperti Twitter (X) menghasilkan data opini publik dalam jumlah besar yang dapat dimanfaatkan untuk analisis sentimen. Namun, perbedaan konteks antar topik atau hashtag sering menyebabkan terjadinya domain shift yang dapat menurunkan performa model klasifikasi. Penelitian ini bertujuan untuk menganalisis performa algoritma Naïve Bayes dan K-Nearest Neighbors (KNN) dalam skenario cross-domain menggunakan dua representasi fitur, yaitu TF-IDF dan FastText. Dataset diperoleh dari hashtag #MakanBergiziGratis sebagai domain sumber dan #Danantara sebagai domain target. Metode yang digunakan meliputi preprocessing teks, ekstraksi fitur, pemodelan, serta evaluasi menggunakan accuracy, precision, recall, dan F1-score. Hasil penelitian menunjukkan bahwa kedua model memiliki performa tinggi pada internal test dengan accuracy sebesar 0.94. Namun, pada pengujian lintas domain, Naïve Bayes dengan TF-IDF menunjukkan performa yang lebih stabil dengan accuracy sebesar 0.75, sedangkan KNN dengan FastText mengalami penurunan signifikan, terutama pada kelas negatif dengan nilai F1-score sebesar 0.00. Temuan ini menunjukkan bahwa pemilihan algoritma dan representasi fitur sangat mempengaruhi kemampuan generalisasi model dalam menghadapi domain shift

Related SDGs

Authors

Suradi; Atmajaya, Dedy; Darwis, Herdianti, Universitas Muslim Indonesia

Abstract

Penelitian dan publikasi ilmiah merupakan indikator penting dalam menilai kualitas dan reputasi perguruan tinggi, namun Fakultas Ilmu Komputer Universitas Muslim Indonesia (FIKOM UMI) belum memiliki sistem informasi yang mampu menyajikan analisis tren serta prediksi publikasi dan sitasi secara terintegrasi. Penelitian ini bertujuan mengembangkan sistem informasi penelitian dan publikasi berbasis data analitik serta membandingkan performa metode Autoregressive Integrated Moving Average (ARIMA) dan Long Short-Term Memory (LSTM) dalam peramalan deret waktu. Data yang digunakan merupakan data sekunder periode 2017–2025 sebanyak 360 data, dengan tahapan preprocessing, agregasi data tahunan, normalisasi, pembentukan data sekuens, serta pembagian data latih dan data uji (80:20). Evaluasi model dilakukan menggunakan RMSE, MAE, dan MAPE. Hasil penelitian menunjukkan bahwa LSTM memiliki performa lebih baik dibandingkan ARIMA, dengan nilai RMSE 43,16, MAE 40,22, dan MAPE 74,15% pada prediksi publikasi, lebih rendah dibandingkan ARIMA (RMSE 48,71, MAE 46,50, MAPE 84,32%). Pada prediksi sitasi, LSTM juga lebih unggul dengan RMSE 252,44, MAE 250,23, dan MAPE 529,86%, dibandingkan ARIMA (RMSE 288,31, MAE 286,42, MAPE 600,42%). Dengan demikian, sistem yang dikembangkan mampu menyajikan tren serta prediksi yang dapat mendukung pengambilan keputusan strategis dalam meningkatkan kualitas penelitian dan publikasi

Related SDGs

Authors

Purnawansyah; Puspitasari, Rahma; Manga', Abdul Rachman; Darwis, Herdianti; Nurhalimah, Sitti, Universitas Muslim Indonesia

Abstract

This community service program aims to improve administrative efficiency in Biji Nangka Village, which previously used manual processes and was prone to delays, inconsistencies, and the risk of archive loss. This activity implemented a website-based self-service system and provided training to village officials on the use of key features such as digital letter management, automatic numbering, and electronic archive storage. A total of 17 participants participated in the training and all successfully operated the system. Evaluation results showed that the time to create letters was reduced from 10–15 minutes to 3–5 minutes. Furthermore, the results of the pre-test and post-test comparison showed a 9.412% increase in participant understanding, indicating the effectiveness of the training in improving the digital competence of village officials. Overall, this program has had a positive impact on improving the quality of administrative services and supporting the realization of digital-based village governance.

Related SDGs

Authors

Rahayu, Fitri; Harlinda; Darwis, Herdianti, Universitas Muslim Indonesia

Abstract

Mental health adalah kesejahteraan emosional, psikologis, dan sosial seseorang yang berkaitan dengan cara seseorang berpikir, merasa, dan berperilaku, serta kemampuannya mengatasi stres, menjaga hubungan yang sehat, dan menghadapi tantangan secara positif. Aktifitas di laboratorium sering kali memerlukan waktu dan energi yang cukup banyak, yang dapat meningkatkan tekanan pada mahasiswa dan bisa berdampak pada kesehatan mental mereka. Penelitian ini bertujuan menganalisis sentimen mahasiswa terhadap mental health dalam kehidupan laboratorium dengan menggunakan pendekatan Naïve Bayes Classifier dan K-Nearest Neighbor. Penelitian ini menggunakan beberapa teknik pelabelan, yaitu pelabelan manual dan pelabelan menggunkan NLTK, serta pelatihan dengan 5-fold cross-validation dan penggunaan unigram tokenizing. Hasil penelitian menunjukkan bahwa pelabelan manual dengan pendekatan Naïve Bayes Classifier sedikit lebih unggul dengan tingkat akurasi sebesar 95.58%, presisi sebesar 95.60%, dan recall sebesar 95.54% dibandingkan dengan pendekan K-Nearest Neighbor yang menghasilkan tingkat akurasi 91.66%, presisi 91.83% dan recall 91.49%. Sementara itu, pelabelan menggunakan NLTK dengan pendekatan Naïve Bayes Classifier menghasilkan akurasi tertinggi sebesar 94.11%, presisi 94.05%, dan recall 94.22% dibandingkan dengan pendekatan K-Nearest Neighbor yang memiliki akurasi 90.68%, presisi 90.88%, dan recall 91.01%. Dari hasil pengujian, dapat disimpulkan bahwa pendekatan Naïve Bayes Classifier memberikan hasil yang lebih baik dengan mengklasifikasikan sentimen mahasiswa terkait mental health di kehidupan laboratoriom, dengan pelabelan manual memberikan performa terbaik

Related SDGs

Authors

Salim, Yulita, Department of informatics, Universitas Muslim Indonesia, Jl. Urip Sumoharjo, Makassar, 90133, Indonesia; Hidayat, Rivaldi, Department of information systems, Universitas Muslim Indonesia, Jl. Urip Sumoharjo, Makassar, 90133, Indonesia; Darwis, Herdianti, Department of informatics, Universitas Muslim Indonesia, Jl. Urip Sumoharjo, Makassar, 90133, Indonesia; Karnyoto, Andrea Stevens, Bioinformatics and Data Science Research Center, Bina Nusantara University, Jakarta, 11480, Indonesia, Computer Science Department, BINUS Graduate Program - Master of Computer Science Program, Bina Nusantara University, Jakarta, 11480, Indonesia; Puspitasari, Rahma, Department of information systems, Universitas Muslim Indonesia, Jl. Urip Sumoharjo, Makassar, 90133, Indonesia; Mozar, Fitya Syarifa, Bioinformatics and Data Science Research Center, Bina Nusantara University, Jakarta, 11480, Indonesia; Pardamean, Bens, Bioinformatics and Data Science Research Center, Bina Nusantara University, Jakarta, 11480, Indonesia, Computer Science Department, BINUS Graduate Program - Master of Computer Science Program, Bina Nusantara University, Jakarta, 11480, Indonesia

Abstract

Nowadays, facial recognition technology is becoming very important in various real-world applications, and we can easily find it in surveillance systems on various devices or mobile authentication. However, several sophisticated deep learning models require high computational resources and complex training procedures, such as FaceNet and VGG-19. These conditions limit practical applications in low-resource and energy-constrained environments. Based on five simple layers, we used a lightweight architecture for Convolutional Neural Networks (CNNs) in this study by utilizing the standard SoftMax loss function for frontal face recognition that has strong performance for various imaging devices, including webcams, CCTVs, smartphones, and DSLRs. Unlike models that rely on special loss functions or deep architectures, our proposed approach technically balances computational efficiency and high performance for face recognition tasks. A primary dataset that we have collected has been curated, consisting of 23 identity classes, to study the robustness of the model when subjected to varying lighting scenarios and resolutions. It is shown in our study that our model attains a 99.16% accuracy rate and exhibits competitive performance in precision, recall, and F1-score, outperforming or nearly matching FaceNet and VGG-19. This finding confirms that the application of simplified CNN models with standard loss functions is feasible for face recognition, and this method has good accuracy even in resource-constrained environments.

Related SDGs

Authors

Luluang, Muhammad Zaqly; Irawati; Darwis, Herdianti, Universitas Muslim Indonesia, Makassar, Indonesia

Abstract

This study analyzes the effect of domain filtering on drug recommendation systems based on association rule mining using the FP-Growth algorithm with Neural Collaborative Filtering (NCF) as a comparison. The dataset used was derived from patient medical records containing attributes such as complaints, diagnoses, and drug therapies, with a total of 1,000 patient transactions. To avoid data leakage, the dataset was randomly divided into 70% training data and 30% test data before the modeling process was carried out. Domain filtering was applied by limiting the rule structure so that complaints and diagnoses acted as antecedents and drugs as consequents. The performance of the recommendation system was evaluated using the Precision@5, Recall@5, and Normalized Discounted Cumulative Gain (NDCG@5) metrics. The results of the experiment show that the FP-Growth approach with domain filtering produces higher Precision@5 and NDCG@5 values than the non-filtering approach. The Wilcoxon Signed-Rank test shows that the difference is statistically significant, while effect size analysis using Cliff's Delta shows a practically meaningful impact. Furthermore, a comparison with Neural Collaborative Filtering shows that the collaborative filtering-based approach is less effective on transactional clinical prescription data with limited historical interactions. These findings indicate that integrating medical domain knowledge into FP-Growth can improve the clinical relevance and quality of drug recommendation rankings

Related SDGs

Authors

Malik, Muh Aristsyah; Harlinda; Darwis, Herdianti, Universitas Muslim Indonesia

Abstract

This study develops a drug recommendation system using multilabel classification with the Decision Tree algorithm based on patient complaint and diagnosis data from electronic medical records. The dataset consists of patient visit records from a community health center in Pangkajene and Kepulauan Regency and is transformed using multi-hot encoding. Model performance is evaluated under three dataset scenarios (N=500, N=800, and N=1000) using multilabel metrics, including Micro-F1, Samples-F1, Hamming Loss, Jaccard Similarity, Hit@5, Precision@K, and Recall@K. The best Decision Tree model achieved a Micro-F1 score of 0.292, Samples-F1 of 0.281, and Hit@5 of 0.690 on the N=1000 dataset scenario. Bootstrap validation with 1000 iterations indicates relatively stable performance, with narrow confidence intervals across evaluation metrics. These results show that the multilabel Decision Tree model is capable of capturing relationships between patient complaints, diagnoses, and drug therapies while maintaining an interpretable decision structure

Related SDGs

Authors

Sugiarti, Fakultas Ilmu Komputer, Program Studi Teknik Informatika, Universitas Muslim Indonesia; Herman, Fakultas Ilmu Komputer, Program Studi Sistem Informasi, Universitas Muslim Indonesia; Suhendra, Fadjri; Fardhan, Muh, Fakultas Ilmu Komputer, Program Studi Teknik Informatika, Universitas Muslim Indonesia;

Abstract

Penjadwalan proses bertujuan mengoptimalkan penggunaan CPU, menekan waktu tunggu, dan meningkatkan kinerja sistem, namun peningkatan jumlah serta kompleksitas proses menyulitkan pemeliharaan performa pada beban kerja dinamis, yang tidak selalu dapat diatasi oleh semua algoritma penjadwalan. Penelitian ini membandingkan tiga algoritma penjadwalan Multi-Level Queue, Round Robin, dan Priority Scheduling melalui simulasi dengan tiga skenario pengujian. Kebaruan penelitian terletak pada analisis komparatif kinerja ketiga algoritma berdasarkan karakteristik beban kerja berbeda, sehingga memberikan gambaran adaptivitas algoritma penjadwalan dalam kondisi sistem dinamis. Evaluasi dilakukan berdasarkan turnaround time, waiting time, response time, dan throughput pada tiga skenario. Pada beban kerja seimbang, Priority Scheduling unggul dalam TAT dan WT namun Round Robin terbaik untuk Response Time. Pada beban kerja berat, Priority Scheduling sangat efisien dengan TAT 17.6 ms. Pada beban kerja ringan dengan variasi prioritas, Priority Scheduling memberikan kinerja terbaik untuk TAT 6.6 ms dan WT 4.0 ms, namun Round Robin unggul dalam Response Time 2.0 ms. Hasil menunjukkan Priority Scheduling paling efisien dengan turnaround time 21% dan waiting time 29% lebih baik dari Round Robin, serta lebih unggul 13% dan 17% dibanding Multi-Level Queue. Priority Scheduling dapat mengeksekusi proses berprioritas tinggi terlebih dahulu tanpa overhead context switching. Round Robin unggul dalam response time, sedangkan Multi-Level Queue menunjukkan kinerja seimbang.

Related SDGs

Authors

Irawati; Sugiarti; Hayati, Lilis Nur; Tawetubun, Siti Safira; Ahmad, Nur Asy Syams Sam, Universitas Muslim Indonesia

Abstract

Diversitas mahasiswa di perguruan tinggi Indonesia menuntut mekanisme seleksi mahasiswa berprestasi yang objektif dan transparan, sementara praktik seleksi manual masih rentan terhadap subjektivitas dan inkonsistensi penilaian. Penelitian ini mengembangkan Decision Support System (DSS) berbasis Technique for Order Preference by Similarity to Ideal Solution (TOPSIS) dengan kebaruan metodologis berupa integrasi delapan kriteria multidimensi yang mengombinasikan aspek akademik dan non-akademik dalam satu kerangka pengambilan keputusan terstruktur. Hasil implementasi menunjukkan bahwa sistem mampu meningkatkan konsistensi keputusan seleksi hingga 87% serta mereduksi waktu proses seleksi sekitar 60% dibandingkan metode konvensional. Temuan ini menegaskan bahwa DSS berbasis TOPSIS tidak hanya meningkatkan objektivitas penilaian, tetapi juga memberikan efisiensi operasional yang signifikan, sehingga berpotensi menjadi model pendukung keputusan adaptif dan aplikatif untuk standardisasi seleksi mahasiswa berprestasi di perguruan tinggi.

Related SDGs

Authors

Hidayah, Syarif; Irawati; Ramdaniah, Universitas Muslim Indonesia

Abstract

Desa Baolan Kabupaten Toli-Toli merupakan salah satu desa yang ada di Sulawesi Tengah. Proses pengaduan yang dilakukan oleh masyarakat desa masih secara manual yang harus datang secara langsung ketempatnya, dalam hal ini di kantor desa. Masyarakat desa jika ingin melaporkan pengaduan harus datang ke kantor desa. Hal ini menimbulkan keluhan masyarakat yang menumpuk di desa Baolan yang dianggap tidak efisien dari segi waktu, tenaga, dan biaya. Metode yang diterapkan pada perancangan aplikasi adalah metode agile, dan teknik pengumpulan data yang digunakan adalah observasi awal, interview dan pengumpulan literatur. Tahapan metode agile yang di gunakan yaitu perencanaan, implementasi, tes perangkat lunak, dokumentasi, development, dan pemeliharaan. Adapun hasil penelitian ini yaitu adanya desain aplikasi berbasis mobile, yang dapat digunakan pada tahap pembuatan aplikasi, desain user interface yang dirancang bersifat user friendly, sehingga memberikan kemudahan bagi pengguna aplikasi

Related SDGs

Authors

Raflisyah, Aliefian; Irawati; Manga', Abdul Rachman, Universitas Muslim Indonesia

Abstract

Kecamatan Mariso merupakan salah satu Kecamatan yang ada di Kota Makassar, Sulawesi Selatan. Proses pengaduan yang dilakukan oleh masyarakat Mariso masih secara manual yang harus dating secara langsung ketempatnya, dalam hal ini di kantor kecamatan. Masyarakat mariso jika ingin melaporkan pengaduan harus datang ke kantor kecamatan. Hal ini menimbulkan keluhan masyarakat menumpuk dan proses yang tidak efisien dari segi waktu, tenaga dan biaya. Metode yang diterapkan pada perancangan aplikasi adalah metode Waterfall, dan Teknik pengumpulan data yang digunakan adalah observasi awal, interview, dan pengumpulan literatur. Tahapan metode agile yang digunakan yaitu perencanaan, implementasi, tes perangkat lunak, dokumentasi, development, dan pemeliharaan. Tujuan dari penelitian ini adalah terbentuknya sebuah aplikasi berbasis mobile yang dapat digunakan masyarakat kecamatan Mariso Ketika ingin melakukan pengaduan. Adapun hasil penelitian ini yaitu adanya aplikasi berbasis mobile yang dapat digunakan pada tahap pembuatan aplikasi, desain user interface yang dirancang bersifat user friendly, sehingga memberikan kemudahan bagi pengguna aplikasi

Related SDGs

Authors

Hayati, Lilis Nur, Sistem Informasi, Fakultas Ilmu Komputer, Universitas Muslim Indonesia, Makassar, Indonesia; Irawati, Teknik informatika, Fakultas Ilmu Komputer, Universitas Muslim Indonesia, Makassar, Indonesia; Rahbiah, Sitti, Agribisnis, Fakultas Pertanian, Universitas Muslim Indonesia, Makassar, Indonesia; Mubaral, Mush'ab Al; Bahar, Rayhana, Teknik informatika, Fakultas Ilmu Komputer, Universitas Muslim Indonesia, Makassar, Indonesia

Abstract

Penyakit pada tanaman Vanilla planifolia menimbulkan kerugian ekonomi yang signifikan akibat rendahnya akurasi diagnosis dini di tingkat lapangan. Pendekatan konvensional berbasis pengamatan visual hanya mencapai akurasi sekitar 55–65% dan sangat bergantung pada pengalaman subjektif petani. Penelitian ini bertujuan mengembangkan sistem klasifikasi penyakit vanili berbasis Support Vector Machine (SVM) untuk meningkatkan akurasi dan konsistensi diagnosis pada kondisi lapangan. Dataset penelitian terdiri atas 1.616 sampel berlabel yang dikumpulkan melalui observasi lapangan di Desa Gattareng, Kabupaten Bulukumba, mencakup lima kelas kondisi tanaman, yaitu sehat (412), bercak daun (338), layu (301), busuk batang (279), dan akar busuk (286). Metodologi penelitian meliputi prapemrosesan data dengan deteksi outlier berbasis IQR, normalisasi Min–Max, penyeimbangan kelas, serta optimasi hiperparameter menggunakan grid search dengan 5-fold stratified crossvalidation. Hasil evaluasi menunjukkan bahwa model SVM dengan kernel polinomial derajat tiga mencapai kinerja klasifikasi yang stabil dengan akurasi 92,1% dan performa recall yang konsisten pada seluruh kelas penyakit. Berbeda dengan penelitian sebelumnya yang umumnya mengandalkan CNN pada dataset besar, penelitian ini mengusulkan pipeline SVM yang ringan dan replikatif, efektif pada dataset berukuran menengah dengan karakteristik data lapangan yang heterogen. Temuan ini menunjukkan potensi SVM sebagai pendekatan diagnosis penyakit vanili yang lebih realistis untuk konteks kebun, dengan peluang pengembangan lebih lanjut melalui perluasan dataset multi-lokasi dan peningkatan interpretabilitas model.

Related SDGs

Authors

Ariani, Chindy; Belluano, Poetri Lestari Lokapitasari; Astuti, Wistiani, Universitas Muslim Indonesia

Abstract

Setiap cafe ingin memiliki karyawan yang memenuhi kriteria dalam jumlah tertentu melalui decision maker atau pihak cafe. Hal tersebut juga dapat mempengaruhi kepuasan pelanggan cafe yang mendapatkan pelayanan terbaik dari karyawan cafe. Penelitian ini dibuat untuk membangun sebuah sistem pendukung keputusan calon karyawan di Cafe Dapur Ide Makassar secara objektif menggunakan metode Simple Additive Weighting (SAW). Dalam hal ini diharapkan penentuan calon karyawan menggunakan metode SAW dapat membantu dalam menentukan calon karyawan tepat sesuai dengan kriteria yang telah ditentukan oleh pihak cafe dengan melihat ranking atau total skor tertinggi agar karyawan yang akan diterima dapat memberikan pelayanan yang terbaik dan layak diterima

Related SDGs