Garuda - Garba Rujukan Digital

Sistem Informasi Penentuan Guru Berprestasi pada SMA Negeri di Kota Palangkaraya Berbasis Website Okta; Novera Kristianti; Nahumi Nugrahaningsih
Journal of Information Technology and Computer Science Vol. 4 No. 4 (2024): JOINTECOMS : Journal of Information Technology and Computer Science
Publisher : Universitas Palangka Raya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47111/jointecoms.v4i4.20097

Pendidikan merupakan fondasi penting dalam pembangunan suatu bangsa, dan guru berperan sentral dalam menciptakan lingkungan belajar yang berkualitas. Guru berprestasi diharapkan dapat memberikan dampak positif pada proses pembelajaran dan menghasilkan siswa yang unggul. Sejalan dengan amanat Undang-Undang Republik Indonesia Nomor 14 Tahun 2005 tentang Guru dan Dosen serta Peraturan Pemerintah Republik Indonesia Nomor 74 Tahun 2008, guru yang berprestasi berhak mendapatkan penghargaan. Namun, dalam pelaksanaan program guru berprestasi di SMA Negeri Kota Palangka Raya, proses penilaian masih dilakukan secara manual dan subjektif, yang mengurangi transparansi.Oleh karena itu, penelitian ini bertujuan untuk merancang dan membangun Sistem Informasi Penentuan Guru Berprestasi Berbasis Website pada SMA Negeri di Kota Palangka Raya. Sistem ini dikembangkan menggunakan metode waterfall, yang meliputi tahapan analisis kebutuhan, desain sistem dan perangkat lunak, implementasi, serta pengujian sistem dengan metode Blackbox. Bahasa pemrograman yang digunakan adalah HTML, PHP, CSS, Bootstrap, JavaScript, dan MySQL. Website ini dirancang untuk memberikan kemudahan bagi Dinas Pendidikan Provinsi Kalimantan Tengah dalam melakukan penilaian dan menentukan peringkat guru berprestasi.Hasil pengujian menunjukkan bahwa sistem berjalan sesuai dengan fungsinya dan dapat membantu dalam penilaian guru berprestasi di SMA Negeri Kota Palangka Raya.

Perancangan Website Pemasaran Kerajinan dan Camilan Khas Kalimantan Tengah Cinda Sorisa; Cindi Lusia Kiareni; Nova Noor Kamala Sari; Novera Kristianti
Journal of Information Technology and Computer Science Vol. 3 No. 4 (2023): JOINTECOMS : Journal of Information Technology and Computer Science
Publisher : Universitas Palangka Raya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47111/jointecoms.v3i4.20946

Seiring dengan perkembangan teknologi, pemasaran produk secara online menjadi salah satu cara memperkenalkan dan menjual produk khas daerah. Oleh karena itu, penelitian ini bertujuan untuk merancang dan membangun sebuah website yang dapat digunakan untuk mendapatkan informasi mengenai produk, melakukan pemesanan, serta melakukan transaksi pembayaran produk secara online sebagai upaya untuk mendukung pemasaran dan pengembangan kerajinan dan camilan khas Kalimantan Tengah. Metodologi yang digunakan dalam penelitian ini adalah pengembangan perangkat lunak dengan pendekatan Waterfall. Proses dimulai dengan pengumpulan data melalui studi literatur dari penelitian-penelitian terdahulu. Dalam tahap perancangan, dibuat diagram alur (Flowchart), Diagram Konteks, Data Flow Diagram, serta Entity Relationship Diagram (ERD), yang menjelaskan alur data dan interaksi sistem secara rinci. Setelah implementasi, pengujian dilakukan menggunakan metode Blackbox Testing untuk memastikan setiap fitur berfungsi sesuai harapan, baik dari sisi pengunjung, pelanggan, maupun admin. Hasil dari penelitian ini adalah terbentuknya website sederhana yang dapat digunakan pengunjung untuk mencari produk, melakukan pemesanan, dan menyelesaikan pembayaran. Selain itu, website ini juga memungkinkan admin untuk mengelola produk dan transaksi.

Perbandingan Metode Electre dan Promethee untuk Menentukan Sekolah Menengah Atas (SMA) Terbaik di Kota Palangka Raya Apriliani Natasya; Ressa Priskila; Jadiaman Parhusip; Nova Noor Kamala Sari; Novera Kristianti
Journal of Information Technology and Computer Science Vol. 5 No. 2 (2025): JOINTECOMS : Journal of Information Technology and Computer Science
Publisher : Universitas Palangka Raya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47111/jointecoms.v5i2.22442

Penelitian ini bertujuan untuk melakukan analisis perbandingan antara dua metode Multi-Criteria Decision Making (MCDM), yaitu Electre dan Promethee, dalam menentukan Sekolah Menengah Atas (SMA) terbaik di kota Palangka Raya. Sistem Pendukung Keputusan (SPK) yang digunakan dalam penelitian ini dirancang untuk membantu pengambilan keputusan dengan mempertimbangkan berbagai kriteria penting dalam penentuan kualitas SMA berdasarkan aturan yang berlaku. Populasi dan sampel menggunakan 27 SMA negeri, swasta dan termasuk yang dibawah yayasan. Manfaat dari kebijakan ini, adalah dalam rangka pelaksanaan penyaluran program Bantuan Operasional Sekolah (BOS), untuk memilih SMA yang layak mendapatkan bantuan berdasarkan evaluasi yang akurat dan transparan.Metode Electre dan Promethee dipilih untuk dipasangkan karena kemampuannya dalam menangani kriteria kualitatif dan kuantitatif secara efektif melalui pendekatan outranking yang mengandalkan perbandingan berpasangan. Penelitian ini menggunakan lima kriteria utama, yaitu akreditasi, jumlah siswa, tenaga pendidik, jumlah ruang kelas, dan jumlah laboratorium, dengan bobot yang telah ditentukan untuk masing-masing kriteria. Sistem dikembangkan berbasis web dengan fitur analisis Electre dan Promethee, yang memungkinkan pemrosesan data secara real-time dan menghasilkan peringkat SMA secara objektif dan sistematis.Penelitian ini diharapkan tidak hanya memberikan hasil perbandingan yang komprehensif dari kedua metode tersebut tetapi juga menawarkan solusi praktis dalam pengambilan keputusan terkait penentuan SMA terbaik di kota Palangka Raya, khususnya Dinas Pendidikan Provinsi Kalimantan Tengah. Dari hasil analisa didapatkan nilai accuration metode ELECTRE sebesar 92,593% dikategorikan excellent classification, sedangkan pada metode PROMETHEE sebesar 85,185% dikategorikan best classification.

Rancang Bangun Website E-Commerce (Studi Kasus: Toko Bahan Kue Hana) Rusma Watie W.N; Fajar Breby Franksoa Tarigan; Novera Kristianti; Widiatry Widiatry; Felicia Sylviana
Journal of Information Technology and Computer Science Vol. 5 No. 3 (2025): JOINTECOMS : Journal of Information Technology and Computer Science
Publisher : Universitas Palangka Raya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47111/jointecoms.v5i3.23150

Di era digital, internet telah menjadi elemen penting dalam berbagai aspek kehidupan, termasuk komunikasi, pendidikan, dan perdagangan online (e-commerce). Di Indonesia, perkembangan e-commerce tumbuh pesat dengan kehadiran platform besar seperti Tokopedia dan Shopee. Namun, kemajuan ini belum sepenuhnya dirasakan di daerah seperti Palangkaraya, di mana pelaku usaha mikro, kecil, dan menengah (UMKM), khususnya para baker, masih mengalami kesulitan dalam memperoleh bahan baku tertentu seperti tepung almond. Kendala ini menghambat pertumbuhan usaha dan produktivitas mereka. Toko bahan kue Hana sebagai salah satu penyedia bahan baku di Palangkaraya masih beroperasi secara offline, sehingga membatasi akses pelanggan terhadap produk yang dibutuhkan. Penelitian ini bertujuan untuk merancang dan membangun website e-commerce sebagai solusi untuk memperluas jangkauan toko dan mempermudah akses pelanggan terhadap bahan baku. Melalui platform digital ini, diharapkan UMKM di bidang bakery dapat memperoleh bahan baku dengan lebih mudah dan efisien, serta meningkatkan daya saing di tengah perkembangan industri pangan digital. Dengan demikian, website ini diharapkan berkontribusi terhadap kemajuan UMKM lokal dan memperkuat ekosistem e-commerce di wilayah Palangkaraya.

Aspect-Based Sentiment Analysis Penggunaan ChatGPT dalam Pendidikan: Perbandingan Model LSTM, Bi-LSTM, dan CNN Dita Yulianti; Novera Kristianti; Agus Sehatman Saragih; Tomas Leonardo
Journal of Information Technology and Computer Science Vol. 5 No. 4 (2025): JOINTECOMS : Journal of Information Technology and Computer Science
Publisher : Universitas Palangka Raya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47111/jointecoms.v5i4.25350

Perkembangan teknologi kecerdasan buatan telah membawa perubahan besar dalam berbagai bidang, termasuk pendidikan. Salah satu teknologi yang banyak digunakan adalah ChatGPT, sebuah model bahasa berbasis AI yang dimanfaatkan oleh pelajar dan mahasiswa untuk mendukung aktivitas akademik. Meskipun pemanfaatannya semakin luas, opini publik terhadap penggunaannya dalam dunia pendidikan masih beragam. Penelitian ini bertujuan untuk menganalisis sentimen publik terhadap ChatGPT berdasarkan aspek tertentu, serta mengevaluasi kinerja beberapa algoritma deep learning dalam klasifikasi teks. Penelitian ini menggunakan pendekatan Aspect-Based Sentiment Analysis (ABSA), dengan pemodelan aspek melalui metode Latent Dirichlet Allocation (LDA) dan pelabelan sentimen menggunakan IndoBERT. Data dikumpulkan dari platform X (Twitter) dengan teknik scraping, lalu diproses melalui tahapan preprocessing, ekstraksi fitur, pembagian data, penerapan SMOTE, dan evaluasi model. Tiga algoritma klasifikasi yang digunakan adalah Long Short-Term Memory (LSTM), Bidirectional LSTM (Bi-LSTM), dan Convolutional Neural Network (CNN). Hasil analisis menunjukkan bahwa opini publik terhadap ChatGPT dalam pendidikan cenderung positif, terutama pada aspek Asisten Belajar (62,1%) dan Etika Akademik (55,3%). Pada klasifikasi aspek, model Bi-LSTM dengan split data 90:10 mencatat akurasi tertinggi sebesar 91,11%. Sementara itu, pada klasifikasi sentimen, model yang sama memperoleh akurasi sebesar 87,88% pada split data yang sama. Temuan ini menunjukkan bahwa Bi-LSTM memiliki performa yang baik dalam kedua jenis tugas klasifikasi. Penelitian ini memberikan gambaran mengenai persepsi publik terhadap penggunaan ChatGPT di bidang pendidikan serta mendukung pemilihan model yang sesuai untuk analisis sentimen berbasis aspek.

Perbandingan Kinerja Model Probabilistic, Linear Model, Instance-Based, dan Ensemble Learning (Studi Kasus: Ulasan Google Playstore Aplikasi Threads) Auriel Diya Ulhaque Muntaz Waris; Novera Kristianti; Felicia Sylviana
Journal of Information Technology and Computer Science Vol. 6 No. 1 (2026): JOINTECOMS : Journal of Information Technology and Computer Science
Publisher : Universitas Palangka Raya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47111/jointecoms.v6i1.25770

Pertumbuhan Threads sebagai media sosial baru memunculkan kebutuhan akan pemahaman sentimen pengguna. Ulasan di Google Play Store menjadi sumber penting untuk menangkap persepsi publik terhadap fitur dan performa aplikasi. Sebagai platform yang masih berkembang, Threads menyediakan peluang strategis bagi pengembang untuk merespons masukan secara tepat. Namun, besarnya volume dan format ulasan yang tidak seragam menyulitkan proses analisis secara manual. Penelitian ini membandingkan kinerja empat algoritma Naïve Bayes (probabilistic), SVM (linear), K-NN (instance-based), dan Random Forest (ensemble) dalam klasifikasi sentimen ulasan Threads. Penelitian ini dimulai dengan studi literatur dan pengumpulan data ulasan Threads melalui scraping. Dilabeli menggunakan IndoBERT, proses preprocessing mencakup remove duplicate, cleaning, normalization, tokenization, stopwords dan lemmatization, diekstraksi dengan TF-IDF, diseimbangkan memakai SMOTE, lalu dibagi 80:20 untuk latih dan uji. Evaluasi mencakup akurasi, presisi, recall, F1-score, serta waktu pelatihan dan prediksi. Hasil menunjukkan Random Forest menjadi algoritma terbaik (akurasi 81,8%; F1-score 76,6%), disusul SVM (81,4%; 75,9%), Naïve Bayes (79,1%; 72,4%), dan K-NN (61,2%; 57,6%). Random Forest unggul hampir di semua metrik, SVM efisien dengan performa seimbang, Naïve Bayes menonjol pada kecepatan, sementara K-NN lambat pada prediksi. Untuk implementasi, dibangun dashboard interaktif berbasis Streamlit guna memvisualisasikan perkembangan dan prediksi sentimen pengguna Threads.

Aspect-Based Sentiment Analysis pada Ulasan Pengguna terhadap Aplikasi Betang Mobile Deby Li; Efrans Christian; Novera Kristianti
Journal of Information Technology and Computer Science Vol. 6 No. 1 (2026): JOINTECOMS : Journal of Information Technology and Computer Science
Publisher : Universitas Palangka Raya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47111/jointecoms.v6i1.25781

Analisis umpan balik pengguna pada aplikasi Betang Mobile dari Bank Kalimantan Tengah belum dimanfaatkan secara optimal untuk peningkatan kualitas layanan. Penelitian ini bertujuan merancang sistem Aspect-Based Sentiment Analysis (ABSA) untuk menganalisis ulasan pengguna dan memberikan rekomendasi perbaikan. Metodologi dimulai dengan 1.176 ulasan yang melalui pra-pemrosesan, kemudian Latent Dirichlet Allocation (LDA) digunakan untuk mengekstraksi topik yang dikelompokkan menjadi aspek "Transaksi" dan "Registrasi". Augmentasi data menggunakan IndoT5 diterapkan untuk mengatasi ketidakseimbangan kelas, sehingga total data menjadi 1.406 ulasan. Klasifikasi aspek dan sentimen menggunakan model IndoBERT, sedangkan analisis akar masalah pada sentimen negatif memakai TF-IDF dan Permutation Importance. Hasil penelitian menunjukkan kinerja IndoBERT yang sangat baik dengan akurasi 90.7% untuk klasifikasi aspek dan 97.8% untuk klasifikasi sentimen. Rekomendasi utama adalah peningkatan stabilitas dan keandalan pada seluru h alur transaksi serta proses registrasi dan login untuk memastikan pengguna dapat mengakses aplikasi tanpa eror.

Title

Found 7 Documents
Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 7 Documents Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 7 Documents
Search