Article Per Year (5 Year)
p-Index From 2020 - 2025
3.16
P-Index
This Author published in this journals
All Journal JSI (Jurnal sistem Informasi) Universitas Suryadarma CSRID (Computer Science Research and Its Development Journal) JISICOM (Journal of Information System, Infomatics and Computing) Indonesian Journal of Electrical Engineering and Computer Science Jurnal Manajemen Informatika Jayakarta Indonesian Journal of Education And Computer Science Scientica: Jurnal Ilmiah Sains dan Teknologi Greenation International Journal of Engineering Science Nusantara Journal of Multidisciplinary Science Journal of Computer Science Contributions (Jucosco) Jurnal Siber Multi Disiplin Journal of Informatics and Information Security Greenation International Journal of Engineering Science Jurnal Greenation Ilmu Teknik
Nurfiyah
Universitas Bhayangkara Jakarta Raya
Religion Aerospace Engineering Agriculture, Biological Sciences & Forestry Humanities Automotive Engineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Materials Science & Nanotechnology Mechanical Engineering Social Sciences Other

Published : 22 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 4 Documents
Search
Journal : JISICOM (Journal of Information System, Infomatics and Computing)

 1 
Sistem Pendukung Keputusan Rekomendasi Pemilihan Program Studi Dengan Metode Topsis Nurfiyah, Nurfiyah; Salkiawati, Ratna; Lubis, Hendarman; Apriliani, Lita
Journal of Information System, Informatics and Computing Vol 8 No 2 (2024): JISICOM (July-December 2024)
Publisher : Sekolah Tinggi Manajemen Informatika dan Komputer Jayakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52362/jisicom.v8i2.1677

Abstract

Program studi adalah kegiatan pembelajaran yang memiliki kurikulum dan metode pembelajaran tertentu pada pendidikan akademik, pendidikan profesi dan/atau pendidikan vokasi, yang diselenggarakan oleh sebuah lembaga perguruan tinggi. Universitas Bhayangkara Jakarta Raya merupakan salah satu perguruan tinggi swasta yang menawarkan berbagai macam program studi. Namun pada saat mahasiswa baru melakukan pendaftaran ada calon mahasiswa yang masih bingung dalam memilih program studi. Biro Pemasaran sebagai petugas penerima calon mahasiswa baru, hanya memberikan penjelasan rekomendasi program studi secara lisan, karena belum ada sistem untuk hal tersebut. Sehingga dibuatlah penelitian tentang Sistem Pendukung Keputusan Rekomendasi Pemilihan Program Studi. Penelitian ini bertujuan membangun sistem pendukung keputusan untuk membantu calon mahasiswa dalam memilih program studi yang tepat dan sesuai. Metode yang dipergunakan adalah metode Technique for Order Preference by Similarity to Ideal Solution (TOPSIS) dan penerapannya berbasis web. Sistem pendukung keputusan ini dibuat dengan menggunakan bahasa pemrograman PHP dan database MySQL. Metode TOPSIS dapat menentukan rekomendasi prodi berdasarkan alternatif terbaik dan dapat membantu calon mahasiswa dalam menentukan pilihan program studi yang tepat dengan 4 kriteria, yaitu akreditasi, biaya, prospek kerja dan jenis kelas. Hasil dari penelitian ini didapatkan dengan nilai akhir sebesar 0.6772 untuk hasil rekomendasi program studi adalah program studi Informatika.
PERANCANGAN APLIKASI TRENDY STORE DALAM PEMBELIAN PRODUK PAKAIAN REMAJA Nurfiyah, Nurfiyah; Salkiawati, Ratna; Lubis, Hendarman
Journal of Information System, Informatics and Computing Vol 9 No 1 (2025): JISICOM (June 2025)
Publisher : Sekolah Tinggi Manajemen Informatika dan Komputer Jayakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52362/jisicom.v9i1.1951

Abstract

Perkembangan teknologi informasi telah mendorong pertumbuhan sistem perdagangan elektronik (e-commerce), khususnya dalam industri fashion yang sangat diminati oleh kalangan remaja. Namun, masih terdapat kekurangan dalam penyediaan platform belanja yang secara khusus menyesuaikan preferensi dan gaya hidup digital remaja. Penelitian ini bertujuan untuk merancang aplikasi Trendy Store sebagai solusi e-commerce berbasis web yang menyediakan produk pakaian remaja dengan antarmuka menarik dan fungsionalitas yang sesuai kebutuhan pengguna muda. Proses pengembangan dilakukan menggunakan metode Software Development Life Cycle (SDLC) model Waterfall, dengan tahapan mulai dari analisis kebutuhan, perancangan, implementasi, hingga pengujian. Aplikasi dikembangkan menggunakan HTML, CSS, JavaScript, Bootstrap, dan Alpine.js serta dihosting melalui GitHub Pages. Hasil perancangan menunjukkan bahwa Trendy Store mampu menyediakan fitur-fitur seperti katalog produk, pencarian, keranjang belanja, dan metode pembayaran digital yang responsif dan mudah digunakan. Aplikasi ini diharapkan dapat memberikan pengalaman belanja yang efisien dan menyenangkan bagi remaja, serta mendukung pelaku usaha fashion dalam menjangkau pasar digital secara lebih luas
K- NEAREST NEIGHBOR REGRESSION UNTUK PREDIKSI PENJUALAN DONUT Salkiawati, Ratna; Nurfiyah, Nurfiyah; Lubis, Hendarman Lubis; El Ghozy, Ilham Nur
Journal of Information System, Informatics and Computing Vol 9 No 1 (2025): JISICOM (June 2025)
Publisher : Sekolah Tinggi Manajemen Informatika dan Komputer Jayakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52362/jisicom.v9i1.1964

Abstract

Toko Donut “X” merupakan sebuah toko yang memproduksi variasi roti dan kue dengan menggunakan bahan pilihan terbaik tanpa menggunakan pengawet. Permasalahan yang terjadi toko tersebut adalah kesulitan untuk memprediksi permintaan konsumen dan juga belum bisa memprediksi penjualan di masa yang akan datang. Agar mempermudah pihak pengusaha dalam merencanakan penjualan serta penjadwalan produksi. Maka dilakukan prediksi penjualan produk menggunakan teknik K-Nearest Neighbor Regression. Metode yang diterapkan dalam penelitian ini adalah Knowledge Discovery in Database (KDD). Metode yang diterapkan melewati 5 tahap yaitu; Data Selection, Preprocessing, Transformation, Data Mining, Interpretation/Evaluation. Hasil pada penelitian ini menunjukan prediksi penjualan terlaris pada produk Blackforest di bulan Juni dengan k = 12 RMSE = 0.41876, Brownies di bulan Januari dengan k = 4 RMSE = 0.46398, Coklat di bulan Februari dengan k = 9 RMSE = 0.4827, Donat di bulan Juli dengan k = 14 RMSE = 0.47980, Tart di bulan Juli dengan k = 12 RMSE = 0.47381, Triple Disert Box di bulan November dengan k = 13 RMSE = 0.49336. Sesuai dengan pedoman RMSE dapat disimpulkan bahwa seluruh model yang diuji memiliki tingkat kesalahan sedang dalam range 0,30 – 0,599.
ANALISIS PREDIKSI PENJUALAN PRODUK MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBOR REGRESSION Salkiawati, Ratna; Lubis, Hendarman; Nurfiyah, Nurfiyah; Al Malik MK, Abdillah Syah
Journal of Information System, Informatics and Computing Vol 9 No 2 (2025): JISICOM (December 2025)
Publisher : Sekolah Tinggi Manajemen Informatika dan Komputer Jayakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52362/jisicom.v9i2.2132

Abstract

Toko Sembako merupakan usaha yang bergerak dibidang perdagangan, produk yang menyediakan produk sembako. Permasalahan yang ada yaitu belum adanya prediksi penjualan produk di masa mendatang berdasarkan data yang telah direkam sebelumnya. Prediksi ini untuk mempermudah serta memberitahu pemilik toko mengenai produk yang paling banyak dibeli konsumen. Untuk mengetahui prediksi penjualan produk digunakan metode K-Nearest Neighbor Regression, selanjutnya akan melewati tahapan Knowledge Discovery in Database (KDD). Hasil yang diperoleh penulis dari penelitian ini adalah nilai k = 2 mendapat RMSE 0.31318 untuk produk Beras pada bulan ke-11, k = 2 mendapat RMSE 0.29367 untuk produk Gula Pasir pada bulan ke-11 dan bulan ke-12, k = 4 mendapat RMSE 0.34002 untuk produk Minyak Goreng 2 Ltr pada bulan ke-11 dan bulan ke-12, k = 3 mendapat RMSE 0.31820 untuk produk Telur Ayam pada bulan ke-11, k = 6 mendapat RMSE 0.44437 untuk produk Tepung Terigu pada bulan ke-8. Seperti yang tertera dalam pedoman RMSE dapat disimpukan bahwa seluruh model yang penulis uji memiliki satu kesalahan yang kecil yaitu 0,00 – 0,299 dan empat kesalahan sedang yaitu 0,30 – 0,559.
Co-Authors Achmad Noeman Ade Irawan Al Malik MK, Abdillah Syah Alexander, Allan D Alifia Salsabila Apriliani, Lita Ardilla, Al Ihsan Fauzi Arfan Dwi Madya Arif Rifai Dwiyanto Arin Novita Dewi Arizky Kurniawan, Wisnu Bagas Djoko Haryanto Darmawan , Krisna Devi Putri Ningsih Dimas Abimanyu Prasetyo El Ghozy, Ilham Nur Elvangga , Kelvin Farhan Dwi Setiawan Firdaus, Imansyah Abinda Fried Sinlae Hadi , Fairuz Irfan Ikbal Eka Saputra Jeremiah Marvin Kapoyos Joniwarta Kustanto , Prio Linda Fitriyani Lubis, Hendarman Lubis, Hendarman Lubis Maulana , Rifqi Mochamad Reyhan Gusnaldi Muhamad Akbar Putra Prasetyo Muhamad Dicky Alfaridzi Muhamad Rinjani Ramadan Muhammad Ali Mustaqim Muhammad Yasir Mujiono Sadikin Nanda Eka Rindiati Noe’man, Achmad Nurfan Ramadhandi Pratama Yusuf, Ajif Yunizar Purwanto S. Katidjan, Purwanto S. Rakhmat Purnomo Ratna Salkiawati Ridwan, Ridwan Rifqi Hafidz Riyan Fauzi Hakim Trisnojuwono, Adi Ubaidillah , Muhammad Rofiq Wildan Hamzah Nur Fadholi Yolanda Zahrah Khairunnisa Zahwa Erikamaretha