Desain Website Penjualan Grosir dengan Optimasi Random Captcha dan Google Oauth
Kata Kunci:
Sistem Informasi Penjualan Grosir, Random captcha, Google OAuth, Keamanan Sistem Transaksi OnlineAbstrak
Perkembangan teknologi informasi, khususnya internet, telah memberikan dampak signifikan dalam dunia bisnis, termasuk pada sektor perdagangan. Toko Grosir Berkah Dua Saudara masih menggunakan sistem penjualan dan promosi secara konvensional, sehingga jangkauan pemasaran terbatas dan proses transaksi kurang efisien, terutama bagi pelanggan yang berada jauh dari lokasi toko. Selain itu, belum adanya sistem keamanan yang memadai berpotensi menimbulkan risiko akses tidak sah.
ini bertujuan untuk merancang dan membangun sistem informasi penjualan grosir berbasis web yang mampu mengelola transaksi dan promosi secara online. Sistem ini mengimplementasikan Random CAPTCHA untuk mencegah serangan bot serta Google OAuth sebagai metode autentikasi yang aman dan efisien.
Metode penelitian yang digunakan meliputi studi pustaka, perancangan sistem, implementasi, dan pengujian menggunakan metode Black Box Testing. Hasil penelitian menunjukkan bahwa sistem yang dibangun mampu meningkatkan efisiensi transaksi, memperluas jangkauan pemasaran, serta meningkatkan keamanan sistem.
Unduhan
Referensi
[1]H. Zhao, “Instance weighting versus threshold adjusting for cost-sensitive classification,” Knowl Inf Syst, vol. 15, no. 3, pp. 321–334, 2008, doi: 10.1007/s10115-007-0079-1.
[2]V. Komisarenko and M. Kull, “Cost-sensitive classification with cost uncertainty: do we need surrogate losses?,” Mach Learn, vol. 114, no. 6, p. 132, 2025, doi: 10.1007/s10994-024-06634-8.
[3]Z. Sadeghi et al., “A review of Explainable Artificial Intelligence in healthcare,” Computers and Electrical Engineering, vol. 118, p. 109370, Aug. 2024, doi: 10.1016/j.compeleceng.2024.109370.
[4]A. A. Soladoye, N. Aderinto, M. R. Popoola, I. A. Adeyanju, A. Osonuga, and D. B. Olawade, “Machine learning techniques for stroke prediction: A systematic review of algorithms, datasets, and regional gaps,” Int J Med Inform, vol. 203, p. 106041, Nov. 2025, doi: 10.1016/j.ijmedinf.2025.106041.
[5]O. Olabanjo, A. Wusu, O. Afisi, and B. Akinnuwesi, “Stroke Risk Factor Prediction Using Machine Learning Techniques: A Systematic Review,” Journal of Applied Sciences, vol. 24, no. 1, pp. 1–15, Jan. 2024, doi: 10.3923/jas.2024.1.15.
[6]K. Moulaei, L. Afshari, R. Moulaei, B. Sabet, S. M. Mousavi, and M. R. Afrash, “Explainable artificial intelligence for stroke prediction through comparison of deep learning and machine learning models,” Sci Rep, vol. 14, no. 1, p. 31392, 2024, doi: 10.1038/s41598-024-82931-5.
[7]M. Hassanzad and K. Hajian-Tilaki, “Methods of determining optimal cut-point of diagnostic biomarkers with application of clinical data in ROC analysis: an update review,” BMC Med Res Methodol, vol. 24, no. 1, p. 84, Apr. 2024, doi: 10.1186/s12874-024-02198-2.
[8]R. Pan, Z. Zhang, Y. Fan, J. Cao, K. Lu, and T. Yang, “Multi-objective optimization method for learning thresholds in a decision-theoretic rough set model,” International Journal of Approximate Reasoning, vol. 71, pp. 34–49, 2016, doi: https://doi.org/10.1016/j.ijar.2016.01.002.
[9]E. W. Steyerberg et al., “Assessing the Performance of Prediction Models,” Epidemiology, vol. 21, no. 1, pp. 128–138, Jan. 2010, doi: 10.1097/EDE.0b013e3181c30fb2.
[10]R. D. Riley et al., “Evaluation of clinical prediction models (part 2): how to undertake an external validation study,” BMJ, vol. 384, p. e074820, Jan. 2024, doi: 10.1136/bmj-2023-074820.
[11]F. Asadi, M. Rahimi, A. H. Daeechini, and A. Paghe, “The most efficient machine learning algorithms in stroke prediction: A systematic review,” Health Sci Rep, vol. 7, no. 10, Oct. 2024, doi: 10.1002/hsr2.70062.
[12]I. Muslem and D. Armiady, “A PSO-Based CVRPPD Model with Weather and Traffic Constraints for Two-Wheeled Urban Delivery in Indonesia,” Instal: Jurnal Komputer, vol. 17, pp. 281–290, 2025, doi: 10.54209/jurnalinstall.v17i05.388.
Unduhan
Diterbitkan
Cara Mengutip
Terbitan
Bagian
Lisensi
Hak Cipta (c) 2026 Jurnal Ilmu Komputer Aceh
Artikel ini berlisensiCreative Commons Attribution-ShareAlike 4.0 International License.
Jurnal ini adalah jurnal akses terbuka yang menyediakan akses langsung secara nasional, bebas hambatan ke teks lengkap dari semua artikel yang diterbitkan tanpa biaya pembaca atau institusi mereka untuk mengaksesnya. Pembaca berhak membaca, mengunduh, menyalin, mendistribusikan, mencetak, mencari, atau menautkan teks lengkap semua artikel di Jurnal ILKA. Jurnal ini memberikan akses terbuka langsung ke kontennya dengan prinsip bahwa membuat penelitian tersedia secara bebas untuk publik mendukung pertukaran pengetahuan global yang lebih besar.
