Claim Missing Document
Check
Articles

AUDIT SISTEM INFORMASI TERHADAP PERHITUNGAN WEIGHTED PRODUCT (WP) DI EXCEL Prayoga, J.; Gifary, Muhammad; Wiranata, Aldi; Maulana, Maulana; Nafriwan, Naufal; Nst, Rizqa Azahra; Kalista, Reva Nurul
Syntax : Journal of Software Engineering, Computer Science and Information Technology Vol 6, No 2 (2025): Desember 2025
Publisher : Universitas Dharmawangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46576/syntax.v6i2.8065

Abstract

 Penggunaan Microsoft Excel sebagai alat bantu perhitungan dalam Sistem Pendukung Keputusan (SPK) dengan metode Weighted Product (WP) semakin umum digunakan. Namun, perhitungan manual di Excel rentan terhadap kesalahan input, ketidaktepatan formula, dan inkonsistensi normalisasi bobot yang dapat menyebabkan hasil perankingan tidak valid. Penelitian ini bertujuan untuk melakukan audit sistem informasi terhadap file Excel yang digunakan dalam perhitungan metode WP guna memastikan integritas, akurasi, dan reliabilitas hasil.Audit dilakukan pada tiga komponen utama, yaitu input data, proses perhitungan (normalisasi bobot serta perhitungan nilai S dan V), dan output perankingan. Proses audit meliputi verifikasi kesesuaian rumus WP dengan teori, pengecekan konsistensi formula Excel, serta analisis kebenaran hasil perhitungan menggunakan data smartphone Xiaomi sebagai studi kasus.Hasil audit menunjukkan bahwa Excel dapat digunakan sebagai alat SPK sederhana apabila formula diterapkan secara benar dan konsisten sesuai aturan WP. Beberapa area kritis yang perlu diperhatikan meliputi penggunaan referensi absolut dan konsistensi formula antar baris. Penelitian ini menunjukkan bahwa audit sistem informasi berperan penting dalam menjaga integritas, akurasi, dan reliabilitas perhitungan WP di Excel serta memberikan rekomendasi untuk meminimalkan risiko kesalahan perhitungan. Kata Kunci: Audit Sistem Informasi, Weighted Product, Microsoft Excel, Verifikasi Formula, Sistem Pendukung Keputusan. ABSTRACTThe use of Microsoft Excel as a computational support tool in Decision Support Systems (DSS) applying the Weighted Product (WP) method has become increasingly common. However, manual calculations in Excel are prone to input errors, formula inaccuracies, and inconsistencies in weight normalization that may lead to invalid ranking results. This study aims to conduct an information system audit of an Excel file used to calculate the WP method to ensure the integrity, accuracy, and reliability of the calculations. The audit focuses on three main components: data input, calculation processes (weight normalization and S and V calculations), and ranking output. The audit includes verification of WP formulas against theoretical principles, consistency checks of Excel formulas, and validation of calculation results using Xiaomi smartphone data as a case study. The results show that Excel can function as a simple DSS tool if formulas are correctly and consistently applied according to WP rules. Critical issues identified include the use of absolute cell references and consistency of formulas across rows. This study demonstrates the role of information system audits in ensuring reliable WP calculations in Excel and provides recommendations to minimize calculation errors.Keywords: Information System Audit, Weighted Product, Microsoft Excel, Formula Verification, Decision Support System.
PENERAPAN METODE KLASIFIKASI POHON KEPUTUSAN PADA PASIEN PENYAKIT JANTUNG MENGGUNAKAN ALGORITMA C4.5 Prayoga, J.; Hasugian, Buyung Solihin; Tasril, Virdyra; Yasir, Amru
Djtechno: Jurnal Teknologi Informasi Vol 7, No 1 (2026): April
Publisher : Universitas Dharmawangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46576/djtechno.v7i1.8519

Abstract

Data mining adalah sebuah proses analisis data dengan menggunakan perangkat lunak untuk menemukan pola dan aturan dari sejumlah data. Data mining mampu menganalisis data yang sangat besar dan kemudian mengubahnya menjadi sebuah informasi. Informasi yang memiliki arti penting untuk mendukung pengambilan keputusan. Salah satu teknik dalam data mining adalah klasifikasi, yaitu suatu proses untuk menemukan suatu model fungsi yang menjelaskan suatu konsep atau kelas data untuk memprediksi kelas dari objek yang tidak sejenis. Pada tugas akhir ini akan dibuat suatu perangkat lunak yang menerapkan metode decision tree dengan algoritma C4.5, kemudian menganalisis persentase nilai kebenaran dari pohon dan hasil klasifikasi, dan mengomputasikannya dengan RAPID MINER. Algoritma ini memiliki persentase nilai kebenaran antara 66,67% hingga 100%. Persentase nilai kebenaran pohon ini bergantung pada data training yang digunakan untuk membangun pohon
KLASIFIKASI GAYA DESAIN POSTER MENGGUNAKAN EFFICIENTNETB0 BERBASIS TRANSFER LEARNING DAN FINE-TUNING Annisa, Putri; Ritonga, Rama Prameswara; Yasir, Amru; Prayoga, J
Djtechno: Jurnal Teknologi Informasi Vol 7, No 1 (2026): April
Publisher : Universitas Dharmawangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46576/djtechno.v7i1.8605

Abstract

AbstrakPenelitian ini bertujuan mengklasifikasikan gaya desain poster menggunakan arsitektur EfficientNetB0. Pendekatan ini dilakukan untuk mengatasi subjektivitas dalam identifikasi manual gaya visual melalui pemanfaatan teknologi deep learning. Metode penelitian yang diterapkan berbasis transfer learning, yang mencakup tahap pelatihan awal dan dilanjutkan dengan proses fine-tuning untuk mengoptimalkan pengenalan fitur visual. Data penelitian yang diambil kemudian diolah menggunakan Google Colaboratory. Hasil eksperimen menunjukkan bahwa penerapan fine-tuning berhasil meningkatkan performa model secara signifikan hingga mencapai tingkat akurasi sebesar 84%. Berdasarkan hasil confusion matrix, model terbukti mampu membedakan karakteristik antar gaya desain secara stabil dan konsisten. Simpulan dari penelitian ini adalah penggunaan model EfficientNetB0 dengan strategi fine-tuning sangat efektif dalam melakukan klasifikasi citra poster dengan akurasi yang tinggi. Hasil ini diharapkan dapat mempermudah pengarsipan dan manajemen aset visual digital secara otomatis.Kata Kunci: EfficientNetB0, Gaya Desain Poster, Transfer Learning, Fine-Tuning, Klasifikasi Citra.AbstractThis research aims to classify poster design styles using the EfficientNetB0 architecture. This approach is undertaken to mitigate subjectivity in the manual identification of visual styles by leveraging deep learning technology. The research methodology is based on transfer learning, encompassing an initial training phase followed by a fine-tuning process to optimize visual feature recognition. The collected research data were processed using Google Colaboratory. Experimental results demonstrate that the application of fine-tuning significantly improved model performance, achieving an accuracy rate of 84%. Based on the confusion matrix analysis, the model proved capable of distinguishing characteristics between design styles with stability and consistency. This study concludes that the EfficientNetB0 model, combined with a fine-tuning strategy, is highly effective for poster image classification with high accuracy. These findings are expected to facilitate automated archiving and digital visual asset management.Keywords: EfficientNetB0, Poster Design Style, Transfer Learning, Fine-Tuning, Image Classification.