Claim Missing Document
Check
Articles

Desain dan Evaluasi Sistem Pendaftaran Kursus Komputer Berbasis Web menggunakan metode UCD Nuryamin, Yamin; Risyda, Fitria
JSI (Jurnal Sistem Informasi) Universitas Suryadarma Vol. 13 No. 1 (2026): JSI (Jurnal sistem Informasi) Universitas Suryadarma
Publisher : Fakultas Ilmu Komputer dan Desain - Unsurya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35968/jsi.v13i1.1747

Abstract

Proses pendaftaran kursus komputer yang masih dilakukan secara manual di PKBM Cahaya Utama Depok sering menimbulkan kendala seperti keterlambatan pendataan, ketidaktepatan informasi, dan rendahnya efisiensi pelayanan. Penelitian ini bertujuan untuk merancang dan mengevaluasi sistem pendaftaran kursus komputer berbasis web dengan menggunakan pendekatan User-Centered Design (UCD). Pendekatan UCD digunakan karena mampu memastikan bahwa setiap tahap perancangan berfokus pada kebutuhan, karakteristik, dan kenyamanan pengguna akhir, yaitu calon peserta kursus dan admin lembaga. Tahapan yang dilakukan mencakup identifikasi kebutuhan pengguna, analisis tugas, perancangan antarmuka (prototype), evaluasi usability, serta implementasi sistem menggunakan PHP dan MySQL. Hasil evaluasi melalui pengujian blackbox testing menunjukkan fitur aplikasi berjalan dengan baik dan berdasarkan pengujian usability kepada pengguna memperoleh skor 85,9% masuk ke kategori sangat baik. Dengan demikian, penerapan UCD terbukti efektif dalam meningkatkan kualitas pengalaman pengguna serta efisiensi proses administrasi pada sistem pendaftaran kursus komputer berbasis web di PKBM Cahaya Utama Depok.
Prediksi Risiko Serangan Jantung Menggunakan Algoritma Random Forest Berdasarkan Faktor Klinis dan Riwayat Medis Pasien hamzah firjatullah, arkananta; Vhijar Rainaldany, Muhammad; Firas Anderasta, Ryan; Nuryamin, Yamin; Priyatna, Ade
JSI (Jurnal Sistem Informasi) Universitas Suryadarma Vol. 13 No. 1 (2026): JSI (Jurnal sistem Informasi) Universitas Suryadarma
Publisher : Fakultas Ilmu Komputer dan Desain - Unsurya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35968/jsi.v13i1.1749

Abstract

Prediksi dan Pemodelan Kualitas Udara Menggunakan Random Forest dan Gradient Boosting Jakarta: Studi Kasus : Jakarta dan Tangerang Rivaldi, Afdan; Ramadhani, Alif; Ramadhan, Iqbal; Nuryamin, Yamin; Priyatna, Ade
Jurnal Nasional Teknologi Komputer Vol 5 No 4 (2025): Oktober 2025
Publisher : CV. Hawari

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

PM2.5 menjadi salah satu indikator penting dalam menilai kualitas udara di wilayah perkotaan karena sensitif terhadap aktivitas transportasi, industri, serta dinamika pertumbuhan penduduk. Penelitian ini bertujuan untuk memetakan pola PM2.5 di Jakarta dan Tangerang serta membangun model prediksi berbasis machine learning. Data Jakarta (2021–2025) dan Tangerang (2020–2023) melalui proses pembersihan, imputasi nilai hilang, normalisasi, dan penyelarasan struktur. Rekayasa fitur diterapkan untuk memperkuat karakteristik temporal sebelum model Random Forest dan Gradient Boosting dilatih dengan rasio 80:20. Evaluasi menggunakan R², RMSE, dan MAE menunjukkan bahwa konsentrasi PM2.5 di Jakarta cenderung lebih tinggi dan berfluktuasi. Gradient Boosting memperoleh performa paling konsisten, sedangkan analisis feature importance mengidentifikasi PM10 dan NO₂ sebagai variabel paling berpengaruh. Temuan ini menegaskan bahwa pendekatan machine learning mampu meningkatkan efektivitas pemantauan kualitas udara dan mendukung strategi pengendalian polusi yang berbasis data.
Perancangan Program Administrasi Pembayaran SPP, UTS dan UAS Pada MA Al-Marzukiyah Jakarta Yamin Nuryamin; Eko Setia Budi
Jurnal Sistem Komputer dan Informatika (JSON) Vol. 1 No. 2 (2020): Januari 2020
Publisher : Universitas Budi Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30865/json.v1i2.1852

Abstract

MA. Al-Marzukiyah is an Islamic high school parallel to senior high school. In the process of payment contributions education development, middle exam and final exam, a lot of data involved where all the data still be constructed manually. The research duty end of this is to make a design of the program payment administration based visual basic to be applied to MA. Al-Marzukiyah as a means of data processing and change manual system to a computerized system, where an instrument used to design application named ERD (Entity Relationship Diagram), LRS (Logical Relation Diagram) and Flowchart. This application made by using several software that is Microsoft Visual Basic 6.0 as software editor, Microsoft Access 2013 as a database and IcoFx 2 as symbol editor. Based program visual basic made this a strength in speed and the accuracy of in the process of data processing payment transaction, to simplify officers in data processing. This program also simplify performance in the process of reporting transaction data.
ANALISIS SENTIMEN RESPON PENGGUNA CHAT GPT MENGGUNAKAN ALGORITMA SUPPORT VECTOR MACHINE Safitri, Angelina; Firmansyah, Ilhan; Yani, Fitri; Kurniawan, Muhammad Arif; Nuryamin, Yamin
Jurnal Inovasi Pendidikan dan Teknologi Informasi (JIPTI) Vol. 6 No. 2 (2025): Jurnal Inovasi Pendidikan dan Teknologi Informasi (JIPTI)
Publisher : Information Technology Education Department

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52060/jipti.v6i2.3810

Abstract

This study aims to analyze user sentiment toward ChatGPT based on comments collected from the YouTube platform using the Support Vector Machine (SVM) algorithm. SVM belongs to the supervised learning algorithm group. The data were collected through web scraping using the YouTube Data API v3, resulting in 999 valid comments. The initial process included data cleaning using regular expressions to remove irrelevant characters, duplicates, and noise. Sentiment correction was then performed using a bilingual lexicon-based function (Indonesian and English) to improve classification accuracy based on language context. The initial sentiment distribution analysis showed 53.85% positive, 33.53% negative, and 12.61% neutral sentiments. To address class imbalance, a balancing process was conducted before model training. The preprocessing stage involved feature normalization and feature selection before splitting the dataset into 70% training and 30% testing data. The SVM model was trained and evaluated using performance metrics such as accuracy, precision, recall, F1-score, and AUC. The evaluation results showed an AUC of 0.90, accuracy of 81.6%, precision of 89.2%, recall of 51.6%, and F1-score of 65.4%. Based on these results, the SVM algorithm proved effective in classifying user sentiments toward ChatGPT with a high level of accuracy after the data balancing process.