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

26 27 28 29 30

PERBANDINGAN METODE ARIMA DAN EXPONENTIAL SMOOTHING HOLT-WINTERS UNTUK PERAMALAN DATA KUNJUNGAN Rumini Rumini; Norhikmah Norhikmah
Sistemasi: Jurnal Sistem Informasi Vol 9, No 3 (2020): Sistemasi: Jurnal Sistem Informasi
Publisher : Program Studi Sistem Informasi Fakultas Teknik dan Ilmu Komputer

ABSTRACTA visit to the creative economy park is a place designed using strategic objectives in collaborating technology capabilities, transferring information and knowledge, planting innovative high-tech companies and entrepreneurs, bringing up new technology industries in the creative economy business to drive economic development. Universitas AMIKOM Yogyakarta has been declared a creative economy park and is known as the Amikom Creative Economy Park (ACEP). ACEP includes several multimedia environments for targeting businesses, for example software development, film, television, games, radio, animation, advertising, investment advisory, and project design. The development of the number of visitors from year to year, predictions need to be made to support the planning and preparation process in receiving visits. The data used in this study are visitor data from January 2019 to December 2019. Analysis of visit prediction data using data mining is the Autoregressive Integrated Moving Average (ARIMA) and Exponential Smoothing methods. The research resulted from prediction of the number of visit data for 2020 is more accurate using the Holt-Winters exponential smoothing method with a MAPE value of 47,197 when compared to the ARIMA method with a MAPE value of 48,949 so that the MAPE value generated by the ARIMA method is smaller than the Holt-Winters exponential smoothing method. The results of this study are to provide input in the form of predictions of the number of ACEP visitors in the coming year.Keywords: ARIMA, data mining, exponential smoothing, prediction, visitABSTRAKKunjungan di taman ekonomi kreatif adalah meruapakan tempat yang dirancang dengan menggunakan tujuan strategis dalam mengkolaborasikan kemampuan teknologi, transfer informasi dan pengetahuan, penanaman perusahaan teknologi tinggi yang inovatif dan wirausaha, memunculkan industri teknologi baru dalam bisnis ekonomi kreatif untuk mendorong perkembangan ekonomi. Universitas Amikom Yogyakarta telah dinyatakan sebagai taman ekonomi kreatif dan dikenal sebagai Taman Ekonomi Kreatif Amikom (ACEP). ACEP mencakup beberapa lingkungan multimedia untuk membidik bisnis, misalnya pengembangan perangkat lunak, film, televisi, game, radio, animasi, iklan, penasehat investasi, dan desain proyek. Perkembangan jumlah pengunjung dari tahun ke tahun, perlu dilakukan peramalan untuk mendukung proses perencanaan dan persiapan dalam menerima kunjungan. Data yang digunakan dalam penelitian adalah data pengunjung pada Januari 2019 sampai Desember 2019. Analisis data peramalan kunjungan menggunakan data mining yaitu dengan metode Autoregressive Integrated Moving Average (ARIMA) dan Exponential Smoothing. Penelitian yang dihasilkan dari peramalan jumlah data kunjungan untuk tahun 2020 lebih akurat menggunakan metode exponential smoothing Holt-Winters dengan nilai MAPE 47,197 jika dibandingkan metode ARIMA dengan nilai MAPE 48,949 sehingga nilai MAPE yang dihasilkan metode ARIMA lebih kecil dari metode exponential smoothing Holt-Winters. Hasil dari penelitian ini adalah memberikan masukan berupa peramalan jumlah pengunjung ACEP ditahun yang akan datang.Kata Kunci: ARIMA, data mining, exponential smoothing, peramalan, kunjungan

Rancang Bangun Sistem Audit Mutu Internal Guna Optimalisasi Kinerja Penjaminan Mutu Perguruan Tinggi Istianah Muslim; Maksum Rois Adin Saf; Rika Perdana Sari; Silvana Rasio Henim
Sistemasi: Jurnal Sistem Informasi Vol 10, No 2 (2021): Sistemasi: Jurnal Sistem Informasi
Publisher : Program Studi Sistem Informasi Fakultas Teknik dan Ilmu Komputer

AbstrakSalah satu bentuk evaluasi pada Sistem Penjaminan Mutu Internal (SPMI) perguruan tinggi adalah pelaksanaan Audit Mutu Internal (AMI). AMI merupakan kegiatan rutin tahunan yang dilakukan untuk mengevaluasi kesesuaian pelaksanaan standar SPMI agar dapat menjaga dan meningkatkan budaya mutu di sebuah perguruan tinggi. Menyadari pentingnya peranan AMI, setiap perguruan tinggi harus mampu melaksanakan AMI dengan baik agar dokumentasi dan pelaksanaannya dapat dilakukan menyeluruh terhadap Standar SPMI yang telah ditetapkan. Namun demikian, keterbatasan sumber daya manusia, waktu dan biaya menjadi kendala dan tantangan dalam pelaksanaan AMI. Banyaknya indikator yang harus diaudit dengan kompleksitas tahapan dalam pelaksanaan serta dokumentasi hasil AMI yang membutuhkan ruang penyimpanan yang besar tetapi berpotensi hilang dan rusak menjadi hambatan dalam mewujudkannya. Mengatasi permasalahan tersebut, dirancang suatu sistem informasi berbasis website yang mampu mendigitalisasi sistem dan mengotomatisasi pelaksanaan AMI agar menjadi efektif dan efisien dengan menggunakan metode prototyping. Sistem ini dirancang dinamis agar dapat disesuaikan dengan kebutuhan perguruan tinggi lainnya yang menggunakan model implementasi yang sama. Dengan diterapkannya sistem informasi ini dengan studi kasus Politeknik Caltex Riau (PCR), diperoleh hasil bahwa pelaksanaan AMI di PCR terbukti menjadi efektif dan efisien dari sisi waktu, pelaksanaan, otomatisasi pembuatan laporan yang dibutuhkan, pengukuran tingkat kedalaman indikator, dokumentasi dan visualisasi hasil AMI, pelaksanaan tindak lanjut hasil AMI serta konsistensi pelaksanaan AMI. Selain itu, sistem ini juga berhasil mengoptimalisasi kinerja SPMI di PCR melalui sistem e-SPMI yang telah dirancang dan diimplementasikan sebelumnya di PCR. Sistem informasi ini juga telah memenuhi seluruh aspek fungsional yang diharapkan dan memiliki tingkat kebergunaan yang sangat baik mencapai 87%.Kata kunci: audit mutu internal, metode prototyping, penjaminan mutu, sistem informasi, website.AbstractOne type of evaluation of the SPMI is the implementation of Internal Quality Audit (AMI). AMI is an annual routine activity conducted to evaluate the conformity of SPMI standards in order to improve the quality culture in a university. Recognizing the importance of the role of AMI, every university must be able to implement the AMI properly so that documentation and implementation can be done thoroughly against the SPMI standards that have been set. Nevertheless, the limitations of human resources, time and cost become obstacles and challenges in the implementation of AMIs. The number of indicators that must be audited with the complexity of stages in the implementation and documentation of AMI results that require large storage space but potentially lost and damaged becomes an obstacle in making it happen. To solve these problems, a website-based information system is designed that is able to digitize the system and automate the implementation of AMIs in order to be effective and efficient using prototyping method. With the implementation of this information system with the case study of Politeknik Caltex Riau (PCR), it was obtained that the implementation of AMI in PCR proved to be effective and efficient in terms of time, implementation, automation of the required data, measurement of the depth of indicators, documentation and visualization of AMI results, implementation of follow-up of AMI results and consistency of AMI implementation. In addition, the system also managed to optimize spmi performance in PCR through e-SPMI system that has been designed and implemented previously in PCR. This information system has also fulfilled all expected functional aspects and has an excellent usability rate of up to 87%.Keywords: internal quality audit, prototyping method, quality insurance, information system, website

Prediksi Kemungkinan Diabetes pada Tahap Awal Menggunakan Algoritma Klasifikasi Random Forest Widya Apriliah; Ilham Kurniawan; Muhamad Baydhowi; Tri Haryati
Sistemasi: Jurnal Sistem Informasi Vol 10, No 1 (2021): Sistemasi: Jurnal Sistem Informasi
Publisher : Program Studi Sistem Informasi Fakultas Teknik dan Ilmu Komputer

AbstrakDiabetes adalah salah satu penyakit kronis yang mengancam jiwa dengan pertumbuhan tercepat yang telah mempengaruhi 422 juta orang di seluruh dunia menurut laporan Organisasi Kesehatan Dunia (WHO), pada tahun 2018. Diabetes dianggap sebagai salah satu penyakit paling mematikan dan kronis yang menyebabkan peningkatan gula darah. Banyak komplikasi terjadi jika diabetes tetap tidak diobati dan tidak teridentifikasi. Namun, peningkatan pendekatan machine learning memecahkan masalah kritis ini. Tujuan dari penelitian ini adalah merancang model yang dapat memprakirakan kemungkinan terjadinya diabetes pada pasien dengan ketelitian yang maksimal. Klasifikasi adalah teknik data mining yang menetapkan kategori pada kumpulan data untuk membantu dalam memprediksi dan analisis yang lebih akurat. Oleh karena itu tiga algoritma klasifikasi machine learning yaitu Suport Vector Machine, Naive Bayes dan Random Forest digunakan dalam percobaan ini untuk mendeteksi diabetes secara dini. Eksperimen dilakukan menggunakan dataset Diabetes Hospital in Sylhet, Bangladesh yang bersumber dari UCI repository. Performa ketiga algoritma dievaluasi pada berbagai ukuran seperti Precision, Accuracy, F-Measure, dan Recall. Akurasi diukur melalui instance yang diklasifikasikan dengan benar dan salah. Hasil yang diperoleh menunjukkan Random Forest mengungguli dengan nilai akurasi tertinggi 97,88% dibandingkan algoritma lain. Hasil ini diverifikasi menggunakan kurva Receiver Operating Characteristic (ROC) secara tepat dan sistematis.Kata Kunci: diabetes, naive bayes, random forest, akurasi, support vector machine, machine learning AbstractDiabetes is one of the fastest growing, life-threatening chronic diseases affecting 422 million people worldwide, according to a report by the World Health Organization (WHO) in 2018. Diabetes is considered to be one of the most deadly and chronic diseases that cause elevated blood sugar. Many complications occur if diabetes remains untreated and unidentified. However, an improved machine learning approach solves this critical problem. The aim of this study is to design a model that can predict the likelihood of diabetes occurr in patients with maximum accuracy. Therefore, three machine learning classification algorithms, namely Support Vector Machine, Naive Bayes and Random Forest, were used in this experiment to detect diabetes early. Experiments were conducted using the Diabetes Hospital in Sylhet, Bangladesh dataset sourced from the UCI repository. The performance of the three algorithms is evaluated on various measures such as Precision, Accuracy, F-Measure, and Recall. Accuracy is measured through correctly and incorrectly classified instances. The results obtained showed that Random Forest outperformed with the highest accuracy value of 97.88% compared to other algorithms. These results are verified using the Receiver Operating Characteristic (ROC) curve accurately and systematically.Keywords: diabetes, naive bayes, random forest, accuracy, machine learning, support vector machine

IMPLEMENTASI API MASTER STORE MENGGUNAKAN FLASK, REST DAN ORM DI PT XYZ Brian Pratama Putra; Yerymia Alfa Susetyo
Sistemasi: Jurnal Sistem Informasi Vol 9, No 3 (2020): Sistemasi: Jurnal Sistem Informasi
Publisher : Program Studi Sistem Informasi Fakultas Teknik dan Ilmu Komputer

ABSTRACTMaster Store is one of the main systems that governs store data contained in PT XYZ, the master store system is still running and works with Monolithic architecture which requires that every new and old application PT XYZ must duplicate the master store database, this can cause weakening and database performance decreases over time. Making Master Store Application Programming Interface aims to change the architecture currently used into Microservices where the Master Store system can then be used continuously by other applications and make it easier for developers to build new applications using the master store database without fear of a decline in the master store database. . The design of this API uses the Python programming language because it is a safe and simple programming language, Flask framework, REST communication standards, and ORM methods. ORM method was chosen because the security system is better compared to native queries in general, especially because of the process and development of ORM methods based on previous research. The results this study are the dynamic Master Store API that provides store data response, based on what PT XYZ developers need for applications and programs that are built.Keywords: API, flask, microservices, monolithic, ORM, RESTABSTRAKMaster Store merupakan salah satu sistem utama yang mengatur tentang data toko yang terdapat pada PT XYZ, sistem master store ini masih berjalan dan bekerja dengan arsitektur Monolithic yang mengharuskan setiap aplikasi baru maupun lama PT XYZ harus melakukan duplikasi database master store hal ini dapat menyebabkan melemah dan menurunnya performa database seiring berjalannya waktu. Pembuatan Application Programming Interface Master Store bertujuan untuk mengubah arsitektur yang saat ini digunakan menjadi Microservices dimana sistem Master Store ini kemudian dapat digunakan secara terus menerus oleh aplikasi lain dan mempermudah para developer untuk membuat aplikasi baru menggunakan database master store tanpa takut terjadi penurunan terhadap database master store. Perancangan API ini menggunakan bahasa pemrograman Python karena merupakan bahasa pemrograman yang aman dan sederhana, framework Flask, standar komunikasi REST, serta metode ORM. Metode ORM dipilih karena sistem keamanan yang lebih baik dibandingkan dengan query native pada umumnya, terlebih karena proses dan perkembangan metode ORM berdasarkan penelitian terdahulu. Hasil dari penelitian ini adalah API Master Store dinamis yang memberikan response data toko, berdasarkan apa yang developer PT XYZ butuhkan untuk aplikasi dan program yang dibangun.Kata Kunci: API , flask, microservices, monolithic, ORM, REST

Penentuan Penanganan Persalinan Caesar dengan Neural Network dan Particle Swarm Optimization Insan Cahya Setia; Toni Arifin
Sistemasi: Jurnal Sistem Informasi Vol 10, No 2 (2021): Sistemasi: Jurnal Sistem Informasi
Publisher : Program Studi Sistem Informasi Fakultas Teknik dan Ilmu Komputer

AbstrakPersalinan caesar merupakan suatu tindakan operatif pada ibu bersalin dengan melakukan insisi pada kulit, dinding perut dan dinding rahim untuk menyelamatkan ibu serta bayi. Tindakan caesar dilakukan jika sang ibu tidak dapat melahirkan secara normal yang disebabkan oleh suatu indikasi tertentu. Untuk mengurangi resiko persalinan pada ibu dan bayi, perlu dilakukan pemeriksaan kondisi calon pasien caesar, maka dapat dilakukan penerapan dan pemanfaatan teknik data mining guna meminimalisir kesalahan dalam pemeriksaan. Klasifikasi yaitu salah satu poin penting dalam data mining atau pembelajaran mesin. Klasifikasi merupakan suatu pengelompokan data dimana data tersebut memiliki kelas label atau target. Salah satu metode data mining untuk masalah klasifikasi yang bisa implementasikan yaitu Neural Network. Untuk meningkatkan hasil akurasi penelitian, maka dapat digunakan pembobotan atribut menggunakan Particle Swarm Optimization. Pada penelitian yang dilakukan, teknik klasifikasi metode Neural Network dan Particle Swarm Optimization diterapkan pada Caesarian Section Classification Dataset. Setelah penelitian selesai dilakukan, diperoleh hasil akurasi menggunakan Neural Network mencapai 87.50% dengan nilai Area Under Curve (AUC) yaitu 1.000. Kemudian hasil akurasi menggunakan Neural Network berbasis Particle Swarm Optimization mengalami peningkatan sebesar 6.25% dengan akurasi mencapai 93.75% dan Area Under Curve (AUC) yaitu 0.913.Kata kunci: Bobot, Klasifikasi, Neural Network, Particle Swarn Optimization, Penanganan Caesar AbstractCaesarean is an operative action on the mother by giving an incision in the skin, abdominal wall and uterine wall to save the mother and baby. Caesarean section is performed if the mother is unable to give birth normally due to a certain indication. To reduce the risk of childbirth to the mother and baby, it is necessary to examine the condition of prospective caesarean patients, so the application and utilization of data mining techniques can be done to minimize errors in the examination. Classification is one of the important points in data mining or machine learning. Classification is a grouping of data where the data has a label or target class. One of the data mining methods for classification problems that can be implemented is the Neural Network. To improve the results of research accuracy, attribute weighting can be used using Particle Swarm Optimization. In the research conducted, the classification technique of Neural Network method and Particle Swarm Optimization is applied to the Caesarian Section Classification dataset. After the research was completed, the accuracy of using the Neural Network was 87.50% with Area Under Curve (AUC) is 1.000. Then the accuracy of using Neural Network based on Particle Swarm Optimization has increased by 6.25% with an accuracy reaching 93.75% and Area Under Curve (AUC) is 0.913.Keywords: Caesarian Section Delivery, Classification, Neural Network, Particle Swarn Optimization, Weight.

Implementasi Algoritma Synthetic Minority Over-Sampling Technique untuk Menangani Ketidakseimbangan Kelas pada Dataset Klasifikasi Mulia Sulistiyono; Yoga Pristyanto; Sumarni Adi; Gagah Gumelar
Sistemasi: Jurnal Sistem Informasi Vol 10, No 2 (2021): Sistemasi: Jurnal Sistem Informasi
Publisher : Program Studi Sistem Informasi Fakultas Teknik dan Ilmu Komputer

AbstrakPada penelitian ini dilakukan penangganan ketidakseimbangan kelas terhadap kelas minoritas menggunakan teknik resampling yaitu oversampling. Algoritma oversampling yang digunakan adalah Synthetic Minority Over-sampling Technique (SMOTE). Hasil dari penelitian ini dibandingkan dengan hasil klasifikasi tanpa resampling. Uji evaluasi yang digunakan ialah akurasi, Geometric Mean (g-mean), dan Confussion Matrix (CM). Penanganan distribusi kelas yang tidak seimbang pada dataset menggunakan algoritma SMOTE dapat meningkatkan nilai akurasi maupun g-mean pada algoritma Naïve Bayes, SVM, KNN dan Decision Tree. Hal tersebut menunjukkan bahwa proses penanganan terhadap distribusi kelas yang tidak seimbang pada tahap pra-pemrosesan data memberikan pengaruh terhadap nilai akurasi maupun g-mean algoritma Naïve Bayes, SVM, KNN dan Decision Tree. Pada scenario percobaan yang telah dilakukan algoritma Naïve Bayes memiliki akurasi paling baik 96,43 %, SVM dengan 99,02 %, KNN dengan 97,29 % dan Decision Tree dengan nilai 97,29 % pada dataset ecoli 15,8 setelah dilakukan SMOTE dengan 10 fold cross validation. Sedangkan memiliki nilai G-mean paling baik 96,42 % untuk algoritma Naïve Bayes, SVM dengan 99,37 %, KNN dengan 99,53 % dan Decision Tree dengan nilai 96,29 % pada dataset ecoli 15,8 setelah dilakukan SMOTE dengan 10 fold cross validation.Kata Kunci : Data Mining, Klasifikasi, Imbalance Ratio (IR), Oversampling, Synthetic Minority Over-sampling Technique (SMOTE)AbstractIn this research, the subscriber of class imbalance to the minority class was carried out using a resampling technique, namely oversampling. The oversampling algorithm used is Synthetic Minority Over-sampling Technique (SMOTE). The results of this study were compared with the results of the classification without resampling. The evaluation tests used are accuracy, Geometric Mean (g-mean), and Confusion Matrix (CM). Handling the unbalanced class distribution on the dataset using the SMOTE algorithm can increase the accuracy and g-mean values of the Naïve Bayes, SVM, KNN and Decision Tree algorithms. This shows that the handling process of the unbalanced class distribution at the pre-processing stage has an effect on the accuracy and g-mean values of the Naïve Bayes, SVM, KNN and Decision Tree algorithms. In the experimental scenario that has been carried out the Naïve Bayes algorithm has the best accuracy of 96.43%, SVM with 99.02%, KNN with 97.29% and Decision Tree with a value of 97.29% on the ecoli dataset of 15.8 after SMOTE with 10 fold cross validation. Meanwhile, it has the best G-mean value of 96.42% for the Naïve Bayes algorithm, SVM with 99.37%, KNN with 99.53% and Decision Tree with a value of 96.29% in the ecoli dataset of 15.8 after SMOTE with 10 fold cross validation. Keywords: Data Mining, Classification, Imbalance Ratio (IR), Oversampling, Synthetic Minority Over-sampling Technique (SMOTE)

Implementasi Metode SCOR 11.0 dalam Pengukuran Kinerja Supply Chain Management Indah Permata Wulandari; Wahyu Lestari Setyaningsih; Aldo Prabu Wisnu Wardhana; Yuwan Jumaryadi
Sistemasi: Jurnal Sistem Informasi Vol 10, No 1 (2021): Sistemasi: Jurnal Sistem Informasi
Publisher : Program Studi Sistem Informasi Fakultas Teknik dan Ilmu Komputer

AbstrakKonsep kegiatan utama SCM ialah fokus pada proses pengiriman dan pengadaan barang. Studi kasus telah dilakukan sebelumnya, menggunakan metodologi Value Chain Analyst (VCA). Bagaimanapun juga terdapat beberapa permasalahan pada studi sebelumnya seperti analisis kepuasan pelanggan dan diakhiri dengan peningkatan rantai nilai pasokan. Untuk mengatasi masalah tersebut, kami mengusulkan untuk menggunakan Supply Chain Operations Reference (SCOR) untuk mengatur tingkat kinerja manajemen dan manajemen rantai pasokan. Tujuan dari penelitian ini adalah untuk mengetahui gambaran kinerja supply chain management dan tingkat kinerja supply chain management pada PT Nieve Aplikasi Mandiri, yang diukur dengan menggunakan pendekatan supply chain operation reference (SCOR). Langkah-langkah yang dilakukan dalam penelitian yang berbasis pada metode SCOR ialah, pertama pembobotan tingkat pada kepentingan indikator SCOR. Kedua, mengkategorikan tingkatan indikator kinerja SCM. Hasil dari penelitian menunjukan bahwa pengiriman dan pengadaan dengan menggunakan metrik metode SCOR level 1 dimana hasil yang diperoleh ialah Perfect Order Fullfillment (POF) = 72.28%, Order Fullfillment Cycle Time (OCFT) = 15 hari, Cost Of Good Sold (COGS) = 49.07%, Cash To Cash Cycle Time (CTCCT) = 30 hari. Metode ini (SCOR) sangat tepat dan unggul untuk meningkatkan pelayanan kepuasan SCM.Kata Kunci: pengukuran kinerja, manajemen rantai pasok, supply chain operation references (SCOR), value chain analysis (VCA)AbstractThe main concept of SCM activity are to focus on the process of shipping and procuring goods. The previous studies have been analyzed the SCM activities by using the Value Chain Analyst (VCA) methodology. However, there are several problems in previous studies such as customer satisfaction analysis and an ending increase in the supply value chain. To solve the problems from the aforementioned, we propose to use Supply Chain Operations Reference (SCOR) to organize management and supply chain management performance levels. The purpose of this study was to describe the supply chain management performance and supply chain management performance levels in PT Nieve Aplikasi Mandiri, as measured using the supply chain operation reference (SCOR). The steps carried out in a research based on the SCOR method, namely, first weighting the importance of the SCOR indicator. Second, categorizing the level of SCM performance indicators. The results of these study indicates that the delivery and procurement by using the SCOR method in level 1 metric obtained Perfect Order Fullfillment (POF) = 72.28%, Order Fullfillment Cycle Time (OCFT) = 15 days, Cost Of Good Sold (COGS) = 49.07 %, Cash To Cash Cycle Time (CTCCT) = 30 days. This method (SCOR) is very precise and superior for improving SCM satisfaction services.Keywords: performance measurement, supply chain management, supply chain operation references (SCOR), value chain analysis (VCA)

IMPLEMENTASI ALGORITMA NAÏVE BAYES DALAM PENENTUAN RATING BUKU Rizki Ayuning Tyas; Muthia Anggraini; Ismi Ana Sulasiyah; Qurrotul Aini
Sistemasi: Jurnal Sistem Informasi Vol 9, No 3 (2020): Sistemasi: Jurnal Sistem Informasi
Publisher : Program Studi Sistem Informasi Fakultas Teknik dan Ilmu Komputer

ABSTRACT Books are one of the most widely used objects in daily life. With the development of the times, there are other alternatives that can be used to read books without having to buy books in stores. One alternative is the website www.goodreads.com where the website provides a variety of books. On the website, we can also give ratings and review s of books that we have read. These review s and ratings can provide a reference for readers. For this reason, an analysis of book rating is required based on data obtained from the www.kaggle.com website. By processing the data obtained will find the best book viewed from several aspects. The purpose of this research is to determine the rating of a book as a reference for readers in choosing the appropriate book. In this study using a classification algorithm naïve bayes data mining. This research was assisted by rapidminer and Python tools as tools to manage data. The results obtained are the results of determining the book rating using the naïve bayes method having an accuracy of 66.98%, precision 74.47% and recall 62.47% and the results of this analysis are obtained from the dataset available on the website www.kaggle.com showing that the majority book rating predictions tend to be low.Keywords: book rating, mining, naïve bayes, pyhton, rapidminerABSTRAKBuku merupakan salah satu benda yang paling banyak digunakan dalam kehidupan sehari-hari. Dengan berkembangnya zaman, ada alternatif lain yang bisa digunakan untuk membaca buku tanpa harus membeli buku ditoko. Salah satu alternatifnya adalah website www.goodreads.com yang dimana website tersebut menyediakan berbagai macam buku. Di website tersebut, kita juga dapt memberikan rating dan review buku yang telah kita baca. Review dan rating ini bisa memberikan acuan bagi para pembaca. Untuk itu diperlukan nya analisis terhadap penentuan rating buku berdasarkan data yang didapatkan dari situs www.kaggle.com. Dengan mengolah data yang didapatkan akan mengetahui buku yang paling terbaik dilihat dari beberapa segi. Adapun tujuan dilakukan penelitian ini adalah untuk menentukan rating dari sebuah buku sebagai acuan pembaca dalam memilih buku yang sesuai. Dalam penelitian ini menggunakan algoritma klasifikasi data mining naïve bayes. Penelitian ini dibantu oleh tools rapidminer dan Python sebagai alat bantu mengelolah data. Hasil yang diperoleh adalah hasil penentuan rating buku menggunakan metode naïve bayes memiliki accuracy 66,98%, precision 74,47% dan recall 62,47% dan hasil analisis ini di dapatkan dari dataset yang ada pada situs www.kaggle.com menunjukan bahwa mayoritas prediksi rating buku cenderung rendah.Kata Kunci: rating buku , mining, naïve bayes, python, rapidminer

SISTEM INFORMASI GEOGRAFIS PEMETAAN MITRA PENGGUNA APLIKASI LAUNDRY DI PT TENTEN DIGITAL INDONESIA BERBASIS WEB DAN MOBILE Herdiesel Santoso
Sistemasi: Jurnal Sistem Informasi Vol 9, No 3 (2020): Sistemasi: Jurnal Sistem Informasi
Publisher : Program Studi Sistem Informasi Fakultas Teknik dan Ilmu Komputer

ABSTRACTPT Tenten Digital Indonesia is a laundry management application developer with partners spread throughout Indonesia. PT Tenten Digital Indonesia application developers need a web-based and mobile information system that can see the spread of partners in the form of digital map visualization to see how effective marketing strategies have been implemented. The system development method follows the System Development Life Cycle (SDLC) model, which is requirements analysis, system and software design, implementation and testing as well as system evaluation and improvement. The system analysis phase is carried out to determine what needs and functionalities the new system will carry out. Documentation of the results of system requirements analysis is modeled into a system design with the United Modeling Language (UML) approach using use case diagrams, activity diagrams and sequence diagrams. The output is web-based and mobile GIS software interface designs that are ready to be implemented. The next step is to translate the software design into a user interface using the programming language. The Google Maps API function is used to recognize laundry partner objects based on latitude and longitude coordinates. At this stage, system functionality testing is also carried out using black box testing methods. The test results show no bugs or errors were found when accessed using web or mobile based devices. Keywords: Geographic Information System, Google Maps Api, Mobile GIS, UMLABSTRAKPT Tenten Digital Indonesia adalah pengembang aplikasi manajemen laundry yang memiliki mitra tersebar diseluruh Indonesia. Pengembang aplikasi PT Tenten Digital Indonesia membutuhkan sistem informasi berbasis web dan mobile yang dapat melihat pesebaran mitra dalam bentuk visualisasi peta digital untuk melihat seberapa efektif strategi marketing yang sudah dijalankan. Metode pengembangan sistem mengikuti model System Development Life Cycle (SDLC), yaitu analisis kebutuhan, desain sistem dan software, impelementasi dan testing serta evaluasi dan perbaikan sistem. Tahap analisis sistem dilakukan untuk menentukan kebutuhan dan fungsionalitas apa saja yang akan dilakukan sistem baru. Dokumentasi dari hasil analisisi kebutuhan sistem dimodelkan menjadi desain sistem dengan pendekatan United Modelling Language (UML) menggunakan use case diagram, activity diagram dan sequence diagram. Luarannya adalah desain antarmuka perangkat lunak GIS berbasis web dan mobile yang siap diimplementasikan. Tahap selanjutnya adalah menterjemahkan desain perangkat lunak ke dalam bentuk antarmuka pengguna dengan bantuan bahasa pemrograman. Fungsi Google Maps API digunakan untuk mengenali objek mitra laundry berdasarkan koordinat lintang dan bujur. Pada tahapan ini juga dilakukan pengujian fugsionalitas sistem menggunakan metode black box testing. Hasil pengujian menunjukan tidak ditemukan adanya bug atau error baik ketika diakses menggunakan perangkat berbasis web maupun mobile. Kata Kunci: Google Maps Api, Mobile GIS, Sistem Informasi Geografis, UML

Metode Dempster-Shafer untuk Diagnosis Dini Jenis Penyakit Gangguan Jiwa Skizofrenia Berbasis Sistem Pakar Hairani Hairani; Kurniawan Kurniawan; Kurniadin Abd Latif; Muhammad Innuddin
Sistemasi: Jurnal Sistem Informasi Vol 10, No 2 (2021): Sistemasi: Jurnal Sistem Informasi
Publisher : Program Studi Sistem Informasi Fakultas Teknik dan Ilmu Komputer

AbstrakSkizofrenia merupakan jenis gangguan jiwa bersifat kronis yang mempengaruhi proses berpikir, merasakan, dan berprilaku baik bagi penderitanya. Permasalahan selama ini adalah sebagian masyarakat umum merasa malu untuk melakukan pemeriksaan langsung ke rumah sakit kejiwaan, karena masih ada stigma negatif masyarakat. Tidak hanya itu, biaya konsultasi dengan dokter spesialis kejiwaan yang tidak murah menjadi salah satu faktor untuk tidak memeriksakan dirinya. Padahal deteksi dini jenis skizofrenia sangat diperlukan agar diberikan penaganan cepat dan tepat, sehingga minimalisir terjadinya kondisi yang lebih parah. Solusinya adalah menggunakan konsep sistem pakar menggunakan metode dempster shafer untuk diagnosis jenis penyakit skizofrenia. Tahapan penelitian ini terdiri dari akuisisi pengetahuan, perancangan tabel keputusan, implementasi, dan pengujian akurasi. Pengembangan sistem pakar diagnosis penyakit skizofrenia menggunakan metode dempster shafer untuk memudahkan masyarakat umum (pasien) untuk mengetahui jenis penyakit skizofrenia yang diderita beserta tingkat keyakinannya tanpa harus pergi ke dokter spesialis kejiwaan. Berdasarkan hasil pengujian yang telah dilakukan menggunakan 12 data, metode dempster shafer mendapatkan akurasi 100%. Dengan demikian, metode dempster shafer dapat digunakan untuk diagnosis jenis penyakit skizofrenia.Kata Kunci: Dempster Shafer, Skizofrenia, Sistem Pakar AbstractSchizophrenia is a type of chronic mental disorder that affects the sufferer's thinking, feeling, and behavior processes. The problem so far is that some of general public feel ashamed to conduct a direct examination at a mental hospital, because there is still a negative stigma from the community. Not only that, cost of consulting with a psychiatric specialist is not cheap to be a factor for not having him checked out. In fact, early detection of this type of schizophrenia is needed so that it is given fast and precise treatment, so as to minimize the occurrence of more severe conditions. The solution is to use the concept of an expert system using dempster shafer method for diagnosis of schizophrenia. The stages of this research consisted of knowledge acquisition, decision table design, implementation, and accuracy testing. Development of an expert system for diagnosing schizophrenia using dempster shafer method to make it easier for the general public (patients) to find out type of schizophrenia that is being suffered and their level of confidence without having to go to a psychiatric specialist. Based on the results of tests that have been carried out using 12 data, dempster shafer method gets 100% accuracy. Thus, dempster shafer method can be used for diagnosis of schizophrenia.Keywords: Dempster Shafer, Skizofrenia, Expert System

Page 28 of 102 | Total Record : 1011

26 27 28 29 30

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: Jurnal Sistem Informasi Vol 8, No 1 (2019): Sistemasi 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