Article Per Year (5 Year)
p-Index From 2021 - 2026
1.633
P-Index
This Author published in this journals
All Journal Jurnal Teknik Komputer AMIK BSI Paradigma Techno Nusa Mandiri : Journal of Computing and Information Technology IJISTECH (International Journal Of Information System & Technology) JOURNAL OF INFORMATION SYSTEM MANAGEMENT (JOISM) REMIK : Riset dan E-Jurnal Manajemen Informatika Komputer IJISTECH Journal of Accounting Information System
Susi Susilowati
Universitas Bina Sarana Informatika
Computer Science & IT Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Social Sciences

Published : 13 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 13 Documents
Search

 1   2 
Implementasi Extreme Programming pada Sistem Informasi Tempat Wisata Berbasis Web Susi Susilowati; Mochmahad Ilham Pringgadhi; Muhammad Alif Bayu Subekti; Sismadi Sismadi
REMIK: Riset dan E-Jurnal Manajemen Informatika Komputer Vol. 9 No. 4 (2025): Volume 9 Nomor 4 Oktober 2025
Publisher : Politeknik Ganesha Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33395/remik.v9i4.15298

Abstract

Meningkatnya kebutuhan transformasi digital mendorong lembaga seperti Studio Alam TVRI untuk beralih dari pencatatan manual yang rentan terhadap kesalahan dan ketidakefisienan. Penelitian ini mengembangkan aplikasi web untuk mengelola data penjualan layanan secara lebih efisien. Sistem memungkinkan pencatatan transaksi digital, penyimpanan data pelanggan, dan pembuatan laporan keuangan otomatis. Aplikasi dikembangkan dengan Python, menggunakan Streamlit sebagai antarmuka, Supabase (PostgreSQL) sebagai basis data, serta Pandas, SQLAlchemy, dan Plotly untuk manipulasi dan visualisasi data. Metodologi Extreme Programming (XP) digunakan untuk mendukung pengembangan fleksibel dan berbasis umpan balik. Hasil pengujian menunjukkan bahwa aplikasi berjalan efektif dan memenuhi kebutuhan pengguna. Sistem ini diharapkan dapat meningkatkan akurasi administrasi, mengurangi beban kerja manual, dan mendorong digitalisasi operasional Studio Alam TVRI.
KOMPARASI SVM-LR BERBASIS INDOBERT DAN SMOTE-TOMEK PADA DETEKSI BUZZER Muhamad Hasan Fahreza; Nicolas Zefanya Sipayung; Indra Wahyu Santoso; Susi Susilowati
Journal of Information System Management (JOISM) Vol. 7 No. 2 (2026): Januari
Publisher : Universitas Amikom Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24076/joism.2026v7i2.2435

Abstract

Dominasi aktivitas buzzer politik di TikTok mengancam orisinalitas aspirasi publik melalui manipulasi opini, yang diperburuk oleh ketimpangan distribusi data (imbalanced data) sehingga menyulitkan deteksi akurat. Penelitian ini bertujuan mengomparasikan performa Support Vector Machine (SVM) dan Logistic Regression (LR) berbasis fitur IndoBERT yang dioptimasi dengan hybrid resampling SMOTE-Tomek untuk menangani ketidakseimbangan kelas ekstrem. Studi kasus dilakukan pada 1.502 komentar terkait isu penculikan mahasiswa. Hasil pengujian menunjukkan integrasi IndoBERT dan SMOTE-Tomek efektif menghasilkan Area Under Curve (AUC) >0,90 pada kedua model. Meskipun SVM unggul marginal dalam sensitivitas (AUC 0,9193), Logistic Regression terbukti lebih superior dalam menjaga validitas pengguna organik dengan spesifisitas 79,2% dan F1-Score kelas minoritas 0,72. Penelitian ini merekomendasikan LR sebagai model terbaik karena karakteristik probabilistiknya lebih adaptif meminimalisir False Positive, sehingga lebih akurat dalam memisahkan narasi organik dari propaganda buzzer.
Analisa Komparatif Layanan E-Grocery Menggunakan MOORA dan TOPSIS : Studi Peringkat Platform Quick Commerce vs. E-Grocery Rachma Aulia Firdiana; Sismadi Sismadi; Susi Susilowati
JAIS - Journal of Accounting Information System Vol. 6 No. 01 (2026): Juni
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/jais.v6i01.10426

Abstract

Pandemi COVID-19 membawa dampak besar pada aspek ekonomi, sosial, dan psikologis masyarakat. Perubahan ini tercermin dari meningkatnya kebutuhan produk kesehatan, bahan pokok dan pesatnya penggunaan layanan e-grocery. Riset Meltwater (2024) mencatat bahwa 34,4% pengguna internet di Indonesia membeli kebutuhan pokok secara daring. Namun, penelitian mengenai preferensi konsumen terhadap jenis layanan e-grocery tertentu masih terbatas. Penelitian ini bertujuan menganalisis faktor-faktor yang memengaruhi keputusan konsumen dalam memilih layanan e-grocery dengan menggunakan metode MOORA dan TOPSIS. MOORA digunakan karena fleksibel dalam mengubah unsur subjektif ke dalam bentuk kriteria terstandarisasi, sedangkan TOPSIS menilai alternatif berdasarkan kedekatan dengan solusi ideal positif dan negatif. Hasil analisis menunjukkan bahwa Astro menempati peringkat tertinggi pada kedua metode dengan nilai 0,221662 (MOORA) dan 0,625179 (TOPSIS). Untuk menguji korelasi hasil antar metode dilakukan uji korelasi Spearman Rank, antar kedua metode menghasilkan nilai yang sangat kuat sehingga menunjukkan adanya konsistensi antara keduanya.
Co-Authors Abdul Rohmat Sigit Apriyanto Apriyanto Indra Riyana Rahadjeng Indra Wahyu Santoso Mochmahad Ilham Pringgadhi Muhamad Ageng Irwanto Muhamad Hasan Fahreza Muhammad Alif Bayu Subekti Nicolas Zefanya Sipayung Rachma Aulia Firdiana Ririn Restu Aria Sismadi, Sismadi Susliansyah, Susliansyah Taufik Hidayat