Garuda - Garba Rujukan Digital

Article Per Year (5 Year)

All

Sistemasi: Jurnal Sistem Informasi

stmsi
Website

Published by Universitas Islam Indragiri

ISSN : 23028149 EISSN : 25409719 DOI : -

Core Subject : Science, Engineering,

Computer Science & IT Electrical & Electronics Engineering

Sistemasi adalah nama terbitan jurnal ilmiah dalam bidang ilmu sains komputer program studi Sistem Informasi Universitas Islam Indragiri, Tembilahan Riau. Jurnal Sistemasi Terbit 3x setahun yaitu bulan Januari, Mei dan September,Focus dan Scope Umum dari Sistemasi yaitu Bidang Sistem Informasi, Teknologi Informasi,Computer Science,Rekayasa Perangkat Lunak,Teknik Informatika

Arjuna Subject : -

Articles 1,011 Documents

24 25 26 27 28

Strategi TIK untuk Meningkatkan Peringkat Webometric Universitas Riau Menggunakan Metode GAP Analysis Ibnu Daqiqil; Yanti Andriani; Evfi Mahdiyah; Al Aminuddin Al Aminuddin
Sistemasi: Jurnal Sistem Informasi Vol 10, No 2 (2021): Sistemasi: Jurnal Sistem Informasi
Publisher : Program Studi Sistem Informasi Fakultas Teknik dan Ilmu Komputer

AbstrakWebometrics merupakan sistem pemeringkatan Perguruan Tinggi berbasis website yang dapat digunakan sebagai indikator kinerja global sebuah universitas. UNRI sebagai institusi yang memiliki visi untuk menjadi universitas yang unggul di bidang riset terus berupaya meningkatkan peringkat Webometrics-nya. Namun dalam beberapa dekade terakhir, peringkat Webometric UNRI menurun dari peringkat 8 menjadi peringkat 35 dalam dua tahun terakhir. Oleh karena itu, penelitian ini bertujuan untuk melakukan analisis dan benchmark sehingga dihasilkan strategi TIK untuk meningkatkkan peringkat Webometric UNRI berdasarkan permasalahan yang dialami menggunakan metode SWOT dan Gap Analysis. Beberapa faktor utama yang menyebabkan menurunnya peringkat Webometric di antaranya adalah kurang efektifnya mekanisme tata kelola website sehingga banyak konten-konten yang tidak dapat diindek dengan baik oleh mesin pencari. Selain itu perubahan metodelogi penilaian Webometric juga memberikan pengaruh, dimana pada tahun 2019 Webometric menyeimbangkan porsi komponen aktifitas dan impact website. Hasil penelitian ini menghasilkan beberapa strategi yang kemudian diturunkan menjadi rencana aksi untuk meningkatkan peringkat UNRI di antaranya penguatan tata kelola website, implementasi kebijakan SEO dan Open Access, dan penggunaan aplikasi MY UNRI sebagai media berbagi tautan untuk meningkatkan nilai Visibility. Setelah melakukan implementasi beberapa strategi tersebut, maka peringkat Webometric UNRI periode Januari 2021 mengalami peningkatan dari peringkat 35 menjadi 31. Kata Kunci: Analisa Gap,Peringkat Universitas, SEO, Strategi TIK, SWOT, WebometricAbstractWebometrics is the largest academic ranking of Higher Education Institutions by analyzing publicly available web data, combining the variables into a composite indicator, and with truly global coverage. UNRI, as Higher Education Institutions that has the vision to excel in research continues to strive to improve its webometrics ranking. However, in the last few decades, UNRI's Webometrics ranking has declined. This study aims to carry out analysis, benchmarks, and ICT strategy formulation to increase UNRI's ranking using SWOT and gap analysis. Some of the main factors that caused this decline in ranking include the ineffective website governance mechanism that causes much content to be indexed properly by search engines. Besides, the changes of the Webometrics ranking methodology also affect, wherein 2019 the Webometrics balance the portion of the activity component and website impact. The proposed strategy is implemented in the action plan to increase UNRI Webometric rank. Therefore strengthening website governance is very important to increase activity and implementation of SEO, Open Access policies, and the usage of MY UNRI, which are expected to increase the Impact and Excellence of UNRI. The result of these strategies is an improvement on UNRI Webometric Rank in January 2020 from 35th to 31th.Keywords: Gap Analysis, Higher Education Institutions Rank, ICT Strategy, SEO,SWOT, Webometrics

Implementasi Fuzzy Inference System untuk Menentukan Alat Kontrasepsi Program Keluarga Berencana vivin ayu lestari; Eka Larasati Amalia
Sistemasi: Jurnal Sistem Informasi Vol 10, No 1 (2021): Sistemasi: Jurnal Sistem Informasi
Publisher : Program Studi Sistem Informasi Fakultas Teknik dan Ilmu Komputer

AbstrakProgram keluarga berencana merupakan salah satu kebijakan pemerintah untuk mengatur pertumbuhan penduduk di Indonesia. Untuk mendukung hal tersebut pemerintah membuat pelayanan kontrasepsi yang merupakan salah satu jenis layanan program keluarga berencana. Banyak sekali faktor-faktor yang mempengaruhi akseptor dalam memilih alat kontrasepsi yang sesuai, diantaranya adalah faktor ekonomi, kesehatan dan lain sebagainya. Hal ini menjadikan tidak semua alat kontrasepsi cocok digunakan oleh akseptor. Oleh karena it perlu dibuat sebuah sistem untuk membantu akseptor ketika memilih alat kontrasepsi yang digunakan. Metode Fuzzy Inference System merupakan salah satu algoritma yang bisa digunakan untuk membantu pengambilan keputusan. Parameter yang digunakan untuk fungsi keanggotaan fuzzy dalam penelitian ini adalah umur, frekuensi sanggama, status kesehatan, efektivitas, harga, dan jangka waktu. hasil perhitungan korelasi spearman didapatkan nilai korelasi 0,606, sehingga menurut tabel korelasi spearman hasil korelasinya termasuk kategori kuat, sehingga dapat digunakan untuk membantu merekomendasikan pemilihan alat kontrasepsi yang sesuai untuk masing-masing akseptor.Kata Kunci: alat kontrasepsi, keluarga berencana, fuzzy inference system, korelasi ranking spearman AbstractThe family planning program is one of the government policies to regulate population growth in Indonesia. To support this, the government makes contraceptive services which are one type of family planning program service. There are many factors that influence the acceptor in choosing the appropriate contraceptive device, including economic factors, health and so on. This makes not all contraceptives suitable for use by the acceptors. Therefore, it is necessary to create a system to help the acceptors when choosing the contraceptive device to use. The Fuzzy Inference System method is an algorithm that can be used to help decision-making. The parameters used for the fuzzy membership function in this study are age, frequency of intercourse, health status, effectiveness, price, and time period. The results of the calculation of the Spearman correlation obtained a correlation value of 0.606, so according to the Spearman correlation table, the result of the correlation is in the strong category, so that it can be used to help recommend the selection of suitable contraceptives for each acceptor.Keywords: contraception, family planning, fuzzy inference system, spearman rank correlation

Penerapan K-Means Clustering dari Log Data Moodle untuk Menentukan Perilaku Peserta pada Pembelajaran Daring Easbi Ikhsan
Sistemasi: Jurnal Sistem Informasi Vol 10, No 2 (2021): Sistemasi: Jurnal Sistem Informasi
Publisher : Program Studi Sistem Informasi Fakultas Teknik dan Ilmu Komputer

AbstrakPembelajaran berbasis daring atau e-learning mulai semakin banyak digunakan oleh para pengampu pelajaran melalui Learning Management System (LMS). Moodle sebagai LMS popular mulai banyak digunakan karena fiturnya yang lengkap. Selain itu moodle juga mampu merekam aktivitas pembelajaran para peserta melalui ketersediaan log data. Berbagai log data yang tersimpan dalam Moodle belum banyak dimanfaatkan oleh pengelola pendidikan ataupun para pengajar untuk mengevaluasi proses pendidikan dan pelatihan. Penelitian ini membahas mengenai analisis perilaku peserta pelatihan kursus Visualisasi Data dengan Tableau pada LMS moodle di situs Warung Kompetensi Pegawai Badan Pusat Statistik (Warkop BPS). Metode analisis yang digunakan ialah k-means clustering. Hasil penelitian menunjukkan bahwa perilaku peserta pelatihan dari kursus ini dapat dibagi menjadi 3 kelompok atau cluster berdasarkan aktivitas peserta pelatihan. Penelitian ini memberikan kesimpulan bahwa k-means clustering mampu memberikan informasi pengelompokan perilaku peserta kursus dari log data LMS sehingga kedepannya mampu melihat intervensi apa untuk meningkatkan semangat belajar para peserta pelatihan.Kata kunci: Moodle, Log Data, Educational Data MiningAbstractOnline-based learning or e-learning is increasingly being used by instructors through the Learning Management System (LMS). Moodle as a popular LMS is starting to be widely used because of its complete features. In addition, Moodle is also able to record the learning activities of the participants through the availability of data logs. Various log data stored in Moodle have not been widely used by education managers or teachers to evaluate education and training progress. This study discusses the behavioral analysis of training participants in the data visualization course with Tableau on the Moodle LMS on the website of the Central Bureau of Statistics Employee Competency Stalls (Warkop BPS). The analytical methods used are Exploratory Data Analysis and k-means clustering. The results showed that the behavior of the trainees from this course could be divided into 3 groups or clusters based on the activities of the training participants. This study concludes that k-means clustering is able to provide information on the grouping of course participants' behavior from the LMS log data so that in the future they can see what interventions to increase the learning enthusiasm of the training participants.Keywords: Moodle, Log Data, Educational Data Mining

Pengaruh Kemampuan Numerik dan Algoritma terhadap Kemampuan Pemrograman dalam Pilihan Tema Skripsi Muhammad Haviz Irfani
Sistemasi: Jurnal Sistem Informasi Vol 10, No 1 (2021): Sistemasi: Jurnal Sistem Informasi
Publisher : Program Studi Sistem Informasi Fakultas Teknik dan Ilmu Komputer

AbstrakKeberhasilan mahasiswa dalam lingkungan program studi Sistem Informasi UIN Raden Fatah Palembang menyelesaikan tugas akhir atau skripsi sangat ditentukan oleh tema skripsi yang dipilih. Mahasiswa cenderung untuk menghindari penelitian dalam konteks pengembangan sistem (membuat aplikasi/ coding) sehingga mempengaruhi mahasiswa lainnya untuk melakukan hal yang sama setiap semesternya. Kenyataannya kemampuan membuat kode bahasa pemrograman atau melakukan penelitian analisis (tidak membuat aplikasi) keduanya berkontribusi dalam membuat keputusan menentukan tema skripsi. Penelitian ini bertujuan untuk mengetahui seberapa besar pengaruh kemampuan numerik dan logika, dan algoritma terhadap kemampuan membuat kode bahasa pemrograman untuk hasil pilihan tema skripsi mahasiswa program studi Sistem Informasi Universitas Islam Negeri Raden Fatah Palembang. Penting diteliti faktor kemampuan numerik dan logika, kemampuan analisis data, kemampuan algoritma dan pemrograman mempengaruhi kemampuan mahasiswa membuat kode bahasa pemrograman, serta secara simultan pengaruhnya terhadap hasil pilihan tema skripsi. Data hasil studi mahasiswa diolah menggunakan Lisrel 8.80, selain itu uji prasyarat analisis SEM yang digunakan dalam penelitian (berupa uji asumsi kecukupan sampel, uji klasik, dan evaluasi outlier, dan Uji fit model. Mahasiswa Sistem Informasi dalam memilih tema skripsi (membuat kode program) tidak terlalu besar dipengaruhi secara bersama-sama oleh kemampuan numerik dan logika, kemampuan analisis data, kemampuan algoritma dan pemrograman, dan juga kemampuan membuat program.Kata Kunci: algoritma, logika, numerik, statistik, structural equation modeling AbstractThe successful of students in the Information System study program of Islamic State University of Raden Fatah Palembang in completing their final project or thesis is largely determined by their thesis theme. Students tend to avoid research in the context of system development (making applications / coding) so as to influence other students to do the same thing every semester. In fact, the ability to code a programming language or conduct analytical research (not to create applications) both contributes to the decision to determine the thesis theme. This study aims to determine how is the influence numerical and logical, data analysis, programming and algorithmic abilities on the ability to code programming languages for the thesis theme choices of students of the Information Systems study program of Islamic State University of Raden Fatah Palembang. It is important to examine the factors of numerical ability, data analysis skills, logical and algorithmic abilities affecting students' ability to code programming languages, and simultaneously these effects on the results of the thesis theme choice. Students final results were processed using Lisrel 8.80, besides the prerequisite tests for SEM (Structural Equation Model) analysis used in this study was in the form of assumptions on sample adequacy test, classic test, and evaluation of outliers, and model fit test. Information Systems students in choosing a thesis theme (making program code) were not highly influenced by numerical and logical abilities, data analysis skills, algorithmic and programming abilities , and also the ability to create programs.Keywords: algorithm, logic, numeric, statistics, structural equation modeling

Optimasi Decision Tree Menggunakan Particle Swarm Optimization untuk Klasifikasi Kesuburan pada Pria Tyas Widyani Pratiwi; Toni Arifin
Sistemasi: Jurnal Sistem Informasi Vol 10, No 1 (2021): Sistemasi: Jurnal Sistem Informasi
Publisher : Program Studi Sistem Informasi Fakultas Teknik dan Ilmu Komputer

AbstrakKeturunan adalah hal yang sangat diharapkan pada setiap pasangan suami istri, maka dari itu tingkat kesuburan pada pria adalah salah satu faktor penting. Faktor yang pempengaruhi tingkat kesuburan itu sendiri seperti hormon, penyakit bawaan, pernah atau tidaknya dioperasi. Salah satu cara untuk menganalisis kesuburan pada pria dapat dilakukan dengan teknik data mining. Data Mining dapat digunakan untuk mengklasifikasi ataupun prediksi. Penelitian ini, bertujuan untuk mendapatkan metode klasifikasi terbaik yang dapat menghasilkan tingkat dari nilai akurasi yang tinggi bila dikombinasikan dengan metode Particle Swarm Optimization (PSO). Pada penelitian ini, algoritma Decision Tree dengan Particle Swarm Optimization meningkatkan nilai akurasi sebesar 93.33% dan nilai AUC sebesar 0,793 termasuk kedalam kategori Fair classification.Kata Kunci: data mining, decision tree, kesuburan, particle swarm optimization AbstractHeredity is something that is expected in every married couple, therefore the level of fertility in men is one important factor. Factors that influence the level of fertility itself such as hormones, congenital diseases, surgery or not. One way to analyze fertility in men can be done with data mining techniques. Data Mining can be used to classify or predict. This study aims to obtain the best classification method that can produce a high level of accuracy when combined with the Particle Swarm Optimization (PSO) method. In this study, the Decision Tree algorithm with Particle Swarm Optimization increased the accuracy value by 93.33% and the AUC value by 0.793 was included in the Fair classification category.Keywords: data mining, decision tree, fertility, particle swarm optimization

KLASIFIKASI TEKS LAPORAN MASYARAKAT PADA SITUS LAPOR! MENGGUNAKAN RECURRENT NEURAL NETWORK Imam Fahrur Rozi; Vivi Nur Wijayaningrum; Nur Khozin
Sistemasi: Jurnal Sistem Informasi Vol 9, No 3 (2020): Sistemasi: Jurnal Sistem Informasi
Publisher : Program Studi Sistem Informasi Fakultas Teknik dan Ilmu Komputer

ABSTRACTThe existence of public dissatisfaction with public services causes the public to be provided with facilities to make complaints. One of the sites that can be used to make complaints is the Public Service Complaint Management System (SP4N LAPOR!). With this site, complaints made by the public can be handled quickly, transparently and accountably in accordance with the authority of each organizer. However, the large number of complaints that had to be processed caused the process of data verification and sorting of reports by respective departments to take quite a long time, so the report classification process was needed to speed up the handling and follow-up of a report. The purpose of this research is to classify each complaint report from the public in preparation for the verification process of each public report document, which is expected to have an impact on the accelerated process of handling and follow-up of each related institution or agency. In this study, Long Short-Term Memory Recurrent Neural Network was used to perform the classification process for each public report document. The learning model is evaluated using k-fold cross-validation of 10 parts of data. The evaluation results show that the average f-measure percentage is 85.69% for the balanced dataset and 79.44% for the unbalanced dataset, while the highest evaluation value of all evaluations results in an f-measure of 88.82%. The high accuracy of the modeling indicates that the proposed method can be used to classify public report documents.Keywords: classification, complaint, , long short-term memory, recurrent neural network, reportABSTRAKAdanya ketidak puasan masyarakat terhadap layanan publik menyebabkan masyarakat perlu disediakan fasilitas untuk melakukan pengaduan. Salah satu situs yang dapat digunakan untuk melakukan pengaduan adalah Sistem Pengelolaan Pengaduan Pelayanan Publik (SP4N LAPOR!). Dengan adanya situs ini, aduan yang dilakukan oleh masyarakat dapat ditangani dengan cepat, transparan, dan akuntabel sesuai dengan kewenangan masing-masing penyelenggara. Namun, banyaknya aduan yang harus diproses menyebabkan proses verifikasi data dan pemilahan laporan berdasarkan instansi masing-masing membutuhkan waktu yang cukup lama, sehingga proses klasifikasi laporan sangat dibutuhkan untuk mempercepat penanganan dan tindak lanjut dari sebuah laporan. Tujuan dari penelitian ini adalah mengklasifikasikan setiap laporan pengaduan dari masyarakat untuk persiapan proses verifikasi setiap dokumen laporan masyarakat, yang nantinya diharapkan dapat berdampak pada proses percepatan penanganan dan tindak lanjut dari setiap Lembaga atau instansi yang terkait. Pada penelitian ini, Long Short-Term Memory Recurrent Neural Network digunakan untuk melakukan proses klasifikasi setiap dokumen laporan masyarakat. Model pembelajaran dievaluasi menggunakan k-fold cross-validation sebanyak 10 bagian data. Hasil evaluasi menunjukkan rata-rata persentase f-measure sebesar 85,69% untuk dataset seimbang dan 79,44% untuk dataset tidak seimbang, sedangkan nilai evaluasi tertinggi dari semua evaluasi menghasilkan f-measure sebesar 88,82%. Akurasi pemodelan yag cukup tinggi menunjukkan bahwa metode yang diusulkan dapat digunakan untuk mengklasifikasikan dokumen laporan masyarakat.Kata Kunci: klasifikasi, pengaduan, long short-term memory, recurrent neural network, lapor

Perbandingan Algoritma Decision Tree C4.5 Dan Naive Bayes pada Analisa Tekstur Gray Level Co-Occurrence Matrix Menggunakan Citra Wajah Hamdun Sulaiman
Sistemasi: Jurnal Sistem Informasi Vol 10, No 2 (2021): Sistemasi: Jurnal Sistem Informasi
Publisher : Program Studi Sistem Informasi Fakultas Teknik dan Ilmu Komputer

AbstrakAnalisis tekstur lazim dimanfaatkan sebagai proses untuk melakukan klasifikasi dan interpretasi citra. Suatu proses klasifikasi citra berbasis analisa tekstur pada umumnya membutuhkan tahapan ekstraksi ciri, yang terdiri dari tiga macam metode yaitu metode statistik, metode spaktral dan metode struktural. Metode GLCM (Gray-Level Co-Occurrence Matrix) termasuk dalam metode statistik di mana dalam perhitungan statistiknya menggunakan distribusi derajat keabuan dengan mengukur tingkat kekontrasan, granularitas (ukuran), dan kekasaran suatu daerah dari hubungan ketetanggaan antar piksel di dalam citra. Tujuan penelitian ini mencari nilai akurasi yang baik dengan membandingkan algoritma decision tree C4.5 dan naive bayes pada analisa tekstur Gray Level Co-occurrence Matrix (GLCM) menggunakan citra wajah. Tools yang digunakan untuk ektrasi fitur menggunakan MATLAB dan untuk klasifikasi algoritmanya menggunakan tools Rapid miner. Dari hasil penelitian untuk nilai terbaik pada perbandingan algoritma dengan analisa tekstur Gray-Level Co-Occurrence Matrix (GLCM) menggunakan citra wajah. Untuk nilai akurasi terhadap 2 kelas dengan algoritma klasifikasi C4.5 sebesar 58,64%, sedangkan untuk nilai akurasi algoritma klasifikasi Naive Bayes sebesar 75,45% sedangkan untuk nilai akurasi terhadap 3 kelas dengan algoritma klasifikasi C4.5 sebesar 54,74%%, sedangkan untuk nilai akurasi algoritma klasifikasi Naive Bayes sebesar 62,63%. Dapat disimpukan bahwa algoritma Naive Bayes memiliki nilai terbaik dalam analisa tekstur Gray-Level Co-Occurrence Matrix (GLCM) menggunakan citra wajah baik terhadap 2 kelas maupun yang 3 kelas.Kata kunci: analisa tekstur, citra wajah, gray level co-occurrence matrix, algoritma c4.5, algoritma klasifikasi naive bayes AbstractTexture analysis is commonly used as a process for image classification and interpretation. An image classification process based on texture analysis generally requires feature extraction stages, which consist of three types of methods namely statistical methods, spactral methods and structural methods. The GLCM (Gray-Level Co-Occurrence Matrix) method is included in the statistical method in which statistical calculations use gray level distribution by measuring the contrast level, granularity (size), and roughness of an area from the neighboring relationships between pixels in the image. The purpose of this study is to find a good value of accuracy by comparing the C4.5 decision tree and naive bayes on the Gray Level Co-occurrence Matrix (GLCM) texture analysis using face images. The tools used for feature extraction use MATLAB and for the classification of the algorithm use Rapid Miner tools. From the results of the study for the best value in the comparison of algorithms with Gray-Level Co-Occurrence Matrix (GLCM) texture analysis using face images. For the accuracy of the two classes with C4.5 classification algorithm is 58.64%, while for the Naive Bayes classification algorithm accuracy value is 75.45% while for the accuracy of the 3 classes with C4.5 classification algorithm is 54.74 %% , while for the Naive Bayes classification algorithm accuracy value is 62.63%. It can be concluded that the Naive Bayes algorithm has the best value in Gray-Level Co-Occurrence Matrix (GLCM) texture analysis using face images for both classes and 3 classes.Keywords: texture analysis, facial image, gray level co-occurrence matrix, c4.5 algorithm, naive bayes classification algorithm.

Penerapan Algoritma C4.5 pada Pengaruh Iklan Tanpa Label Harga di Instagram Ratnawati Ratnawati; Fransisca Natalia
Sistemasi: Jurnal Sistem Informasi Vol 10, No 1 (2021): Sistemasi: Jurnal Sistem Informasi
Publisher : Program Studi Sistem Informasi Fakultas Teknik dan Ilmu Komputer

AbstrakSaat ini banyak strategi promosi yang beralih ke media online, salah satunya instagram. Hal ini dimanfaatkan oleh para perodusen untuk menjadikan instagram sebagai media promosi yang potensial. Ada satu jenis iklan yang menarik di instagram, yakni jenis iklan yang menampilkan keunggulan produknya namun tidak menampilkan label harga. Oleh karena itu peneliti tertarik untuk meneliti apakah jenis iklan ini dapat mempengaruhi konsumen dalam melakukan pembelian produk yang diiklankan. Metode yang peneliti gunakan adalah data mining dengan algoritma C4.5 dimana data yang diperoleh adalah dengan menyebarkan kuesioner kepada 200 responden pengguna instagram aktif berdasarkan jenis kelamin. Kuesioner dirancang berdasarkan terori AISAS yang biasa digunakan untuk mengukur tingkat efektivitas iklan di media online dengan atribut penelitian yaitu jenis kelamin, Attention, Interest, Search dan Action. Hasil penelitian dengan algoritma C4.5 ini diketahui bahwa tingkat akurasi dari model yang dibentuk mencapai 88.5% dan nilai AUC sebesar 0.82 dimana nilai ini termasuk kedalam rentang Good Classification. Sedangkan atribut yang paling mempengaruhi adalah atribut Search yang memiliki nilai gain tertinggi diantara atribut lainnya.Kata Kunci: Teori AISAS, pengaruh iklan, data mining, algoritma c4.5, iklan instagramAbstractCurrently, many promotional strategies are turning to online media, one of them is Instagram. This is used by producers to make Instagram a potential promotional media. There is one type of ad that is interesting on Instagram, which is a type of ad that displays the advantages of its product but does not display a price tag. Therefore, researchers are interested in examining whether this type of advertisement can influence consumers in purchasing the advertised product. The method that researchers use is data mining with the C4.5 algorithm where the data obtained is by distributing questionnaires to 200 respondents who are active Instagram users based on gender. The questionnaire was designed based on the AISAS theory which is commonly used to measure the level of effectiveness of advertisements in online media with research attributes, namely gender, attention, interest, search and action. The results of the research with the C4.5 algorithm show that the accuracy rate of the model formed reaches 88.5% and the AUC value is 0.82 where this value is included in the Good Classification range. While the most influencing attribute is the Search attribute which has the highest gain value among other attributes.Keywords: AISAS theory, effect of advertising, data mining, c4.5 algorithm, instagram ads

STANDAR KELENGKAPAN FITUR E-LEARNING SUPPLY CHAIN MANAGEMENT PADA PRODUK BACKLOG MENGGUNAKAN METODOLOGI SCRUM Pajri Al Zukri; Ellin Asynari; Nurbo Jatmiko
Sistemasi: Jurnal Sistem Informasi Vol 9, No 3 (2020): Sistemasi: Jurnal Sistem Informasi
Publisher : Program Studi Sistem Informasi Fakultas Teknik dan Ilmu Komputer

ABSTRACTThe development of E-Learning features is a concern among developers. Making E-Learning features that meet the standards and in accordance with the needs of students and lecturers is one of the requirements in its application. The effectiveness of learning that is expected to be effective using E-Learning is still difficult to achieve due to various factors, one of which is lack of features in the system. Supply Chain Management (SCM) is a supply chain learning that has several series of activities, so it is important to ensure all chapters in SCM are mastered by students on time. We will compare several features of the 3 Learning Management System (LMS) applications. Among them are SEVIMA EdLink, Coursera, and Blackboard CourseSites. The results of this study will produce a standard set of features specific to SCM E-Learning to support learning effectiveness. The standard setting for features completeness will use the SCRUM framework in the product backlog. The results of the analysis are Prototype using Website-based MOODLE Tools.Keywords : E-learning, MOODLE , LSM, SCM, SCRUMABSTRAKPengembangan fitur E-Learning menjadi salah satu perhatian di kalangan pengembang. Pembuatan fitur E-Learning yang memenuhi standar dan sesuai dengan kebutuhan mahasiswa maupun dosen menjadi salah satu syarat dalam penerapannya. Efektifitas dari pembelajaran yang diharapkan efektif menggunakan E-Learning saat ini masih sulit dicapai karna berbagai faktor, salah satunya kurang lengkapnya fitur dalam sistem. Supply Chain Management (SCM) merupakan pembelajaran supply chain yang memiliki beberapa rangkaian kegiatan, maka dari itu penting memastikan semua bab dalam SCM di kuasai mahasiswa tepat waktu. Kami akan membandingkan beberapa fitur dari 3 aplikasi Learning Manajemen System (LMS). Diantaranya adalah SEVIMA EdLink, Coursera, dan Blackboard CourseSites. Hasil dari penelitian ini akan menghasilkan sebuah standar kelengkapan fitur yang dikhususkan pada E-Learning SCM untuk menunjang efektifitas pembelajaran. Penentuan standar kelengkapan fitur akan menggunakan framework SCRUM pada backlog product. Hasil analisa berupa Prototype menggunakan Tools MOODLE berbasis Website.Kata Kunci: E-learning, MOODLE, LSM, SCM, SCRUM

Analisa Kesuksesan E-Government Lapor dengan Model Delone-Mclean dan Metode PLS-SEM Rizal Rachman
Sistemasi: Jurnal Sistem Informasi Vol 10, No 2 (2021): Sistemasi: Jurnal Sistem Informasi
Publisher : Program Studi Sistem Informasi Fakultas Teknik dan Ilmu Komputer

AbstrakKota Bandung sebagai salah satu kota di Indonesia yang serius mengembangkan program Smart City. Beberapa keunggulan yang salah satunya banyaknya ruang untuk warga bisa berinteraksi aktif dalam mengawasi pembangunan kota melalui inovasi. Pelayanan teknologi informasi yang diterapkan menggunakan E-Government LAPOR (Layanan Aspirasi dan Pengaduan Online Rakyat). Evaluasi Sistem Informasi E-Government LAPOR sangat dibutuhkan untuk menunjukan kesuksesan pelayanan yang diterapkan. Tujuannya untuk mempelajari tingkat keberhasilan sistem E-Government LAPOR. Untuk mengidentifikasikan faktor-faktor yang menyebabkan kesuksesan sistem teknologi informasi. Maka diperlukan model Delone-Mclean dan metode Pls-Sem sebagai faktor penentu keputusan dan kepuasan pengguna. Hasil penelitian menunjukkan bahwa kualitas informasi tidak memiliki pengaruh signifikan terhadap kepuasan pengguna, Kualitas sistem memiliki pengaruh signifikan terhadap kepuasan pengguna, kualitas layanan memiliki pengaruh signifikan terhadap kepuasan pengguna, kualitas informasi tidak memiliki signifikan terhadap net beneft melalui kepuasan pengguna, kualitas sistem memiliki pengaruh signifikan terhadap net benefit melalui kepuasan pengguna, kualitas layanan memiliki pengaruh signifikan terhadap net benefit melalui kepuasan pengguna dan tingkat kesuksesan penerapan sistem memiliki persentase sebesar 73,4%, maka penerapan sistem tersebut dapat dikatakan sukses. Kata Kunci: Analisis Kesuksesan, Delone dan Mclean, E-government, PLS-SEM AbstractBandung City as one of the cities in Indonesia is serious about developing the Smart City program. There are several advantages, one of which is the amount of space for citizens to actively interact in overseeing city development through innovation. The applied information technology service uses E-Government LAPOR (People's Online Aspiration and Complaints Service). Evaluation of the LAPOR E-Government Information System is needed to show the success of the service being implemented. The aim is to study the success rate of the E-Government LAPOR system. To identify the factors that cause the success of information technology systems. So we need the Delone-Mclean model and the Pls-Sem method as a determining factor for decisions and user satisfaction. The results showed that information quality has no significant effect on user satisfaction, system quality has a significant effect on user satisfaction, service quality has a significant effect on user satisfaction, information quality does not have a significant effect on net benefit through user satisfaction, system quality has a significant effect on user satisfaction. net benefit through user satisfaction, service quality has a significant effect on net benefits through user satisfaction and the success rate of implementing the system has a percentage of 73.4%, so the application of the system can be said to be successful. Keywords: Success Analysis, Delone and Mclean, E-government, PLS-SEM

Page 26 of 102 | Total Record : 1011

24 25 26 27 28

Filter by Year

2013 2026

Filter By Issues

All Issue Vol 15, No 3 (2026): Sistemasi: Jurnal Sistem Informasi Vol 15, No 2 (2026): Sistemasi: Jurnal Sistem Informasi Vol 15, No 1 (2026): Sistemasi: Jurnal Sistem Informasi Vol 14, No 6 (2025): Sistemasi: Jurnal Sistem Informasi Vol 14, No 5 (2025): Sistemasi: Jurnal Sistem Informasi Vol 14, No 4 (2025): Sistemasi: Jurnal Sistem Informasi Vol 14, No 3 (2025): Sistemasi: Jurnal Sistem Informasi Vol 14, No 2 (2025): Sistemasi: Jurnal Sistem Informasi Vol 14, No 1 (2025): Sistemasi: Jurnal Sistem Informasi Vol 13, No 6 (2024): Sistemasi: Jurnal Sistem Informasi Vol 13, No 5 (2024): Sistemasi: Jurnal Sistem Informasi Vol 13, No 4 (2024): Sistemasi: Jurnal Sistem Informasi Vol 13, No 3 (2024): Sistemasi: Jurnal Sistem Informasi Vol 13, No 2 (2024): Sistemasi: Jurnal Sistem Informasi Vol 13, No 1 (2024): Sistemasi: Jurnal Sistem Informasi Vol 12, No 3 (2023): Sistemasi: Jurnal Sistem Informasi Vol 12, No 2 (2023): Sistemasi: Jurnal Sistem Informasi Vol 12, No 1 (2023): Sistemasi: Jurnal Sistem Informasi Vol 11, No 3 (2022): Sistemasi: Jurnal Sistem Informasi Vol 11, No 2 (2022): Sistemasi: Jurnal Sistem Informasi Vol 11, No 1 (2022): Sistemasi: Jurnal Sistem Informasi Vol 10, No 3 (2021): Sistemasi: Jurnal Sistem Informasi Vol 10, No 2 (2021): Sistemasi: Jurnal Sistem Informasi Vol 10, No 1 (2021): Sistemasi: Jurnal Sistem Informasi Vol 9, No 3 (2020): Sistemasi: Jurnal Sistem Informasi Vol 9, No 2 (2020): Sistemasi: Jurnal Sistem Informasi Vol 9, No 1 (2020): Sistemasi: Jurnal Sistem Informasi Vol 8, No 3 (2019): Sistemasi: Jurnal Sistem Informasi Vol 8, No 2 (2019): Sistemasi: Jurnal Sistem Informasi Vol 8, No 1 (2019): Sistemasi Vol 8, No 1 (2019): Sistemasi: Jurnal Sistem Informasi Vol 7, No 3 (2018): Sistemasi: Jurnal Sistem Informasi Vol 7, No 2 (2018): Sistemasi: Jurnal Sistem Informasi Vol 7, No 2 (2018): SISTEMASI Vol 7, No 1 (2018): Sistemasi: Jurnal Sistem Informasi Vol 6, No 3 (2017): Sistemasi: Jurnal Sistem Informasi Vol 6, No 2 (2017): Sistemasi: Jurnal Sistem Informasi Vol 6, No 1 (2017): Sistemasi: Jurnal Sistem Informasi Vol 5, No 3 (2016): Sistemasi: Jurnal Sistem Informasi Vol 5, No 2 (2016): Sistemasi: Jurnal Sistem Informasi Vol 5, No 2 (2016): sistemasi Vol 5, No 1 (2016): Sistemasi: Jurnal Sistem Informasi Vol 4, No 3 (2015): Sistemasi: Jurnal Sistem Informasi Vol 4, No 2 (2015): Sistemasi: Jurnal Sistem Informasi Vol 4, No 1 (2015): Sistemasi: Jurnal Sistem Informasi Vol 3, No 4 (2014): SISTEMASI: Jurnal Sistem Informasi Vol 3, No 3 (2014): Sistemasi: Jurnal Sistem Informasi Vol 3, No 2 (2014): Sistemasi: Jurnal Sistem Informasi Vol 3, No 1 (2014): Sistemasi: Jurnal Sistem Informasi Vol 2, No 4 (2013): Sistemasi: Jurnal Sistem Informasi Vol 2, No 3 (2013): Sistemasi: Jurnal Sistem Informasi Vol 2, No 2 (2013): Sistemasi:Jurnal Sistem Informasi Vol 2, No 1 (2013): Sistemasi: Jurnal Sistem Informasi More Issue

Home Page

OAI Link

Editorial Team

Contact

Reviewer

Google Scholar

Contact Name
-

Contact Email
-

Phone
-

Journal Mail Official
-

Editorial Address
-

Location
Kab. indragiri hilir,

Riau

INDONESIA

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Home Page

OAI Link

Editorial Team

Contact

Reviewer

Google Scholar

Contact Name -

Contact Email -

Phone -

Journal Mail Official -

Editorial Address -

Location Kab. indragiri hilir, Riau INDONESIA

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Contact Name
-

Contact Email
-

Phone
-

Journal Mail Official
-

Editorial Address
-

Location
Kab. indragiri hilir,

Riau

INDONESIA