cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Syahroni Wahyu Iriananda
Contact Email
syahroni@widyagama.ac.id
Phone
-
Journal Mail Official
syahroni@widyagama.ac.id
Editorial Address
-
Location
Kota malang,
Jawa timur
INDONESIA
Journal of Information Technology and Computer Science (JOINTECS)
Published by Universitas Widyagama
ISSN : 25413619     EISSN : 25416448     DOI : -
Core Subject : Science, Education, Engineering,
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Electrical & Electronics Engineering Engineering Languange, Linguistic, Communication & Media Library & Information Science Mathematics
JOINTECS terbit 2 (dua) kali dalam setahun, yaitu pada bulan Agustus dan Pebruari dengan versi cetak p-ISSN: 2541-3619 dan versi elektronik dengan sistem OJS dengan e-ISSN: 2541-6448. (medio online) yang mewajibkan setiap naskah yang masuk, proses review, editing, sampai pada publikasi, dan semua yang berhubungan dengan sistem, wajib menggunakan Open Journal Sistem (OJS). JOINTECS dapat diakses melalui website http://publishing-widyagama.ac.id/ejournal-v2/index.php/jointecs yang telah mendukung penuh fitur-fitur OJS tersebut.
Arjuna Subject : -
Articles 10 Documents
 1 
Search results for , issue "Vol 5, No 3 (2020)" : 10 Documents clear
Pengembangan Aplikasi Point Of Sale Berbasis Android Menggunakan Metode Rapid Application Development Eko Junirianto; Nia Kurniadin
JOINTECS (Journal of Information Technology and Computer Science) Vol 5, No 3 (2020)
Publisher : Universitas Widyagama Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31328/jointecs.v5i3.1564

Abstract

Pengembangan aplikasi ini dilatarbelakangi oleh kebutuhan teknologi informasi dalam dunia bisnis untuk membantu proses di dalam dunia usaha agar lebih efisien, terukur dan fleksibel. Salah satu penerapan dalam dunia usaha adalah aplikasi Point of Sales (POS). Di era saat ini, masih banyak usaha kecil dan menengah yang masih menggunakan sistem penjualan tradisional, proses tersebut tidak efisien dan efektif jika pemilik usaha ingin terus meningkatkan jumlah pelanggan yang dilayani. Salah satu metode yang digunakan dalam mengembangkan aplikasi dengan cepat adalah rapid application development (RAD). RAD menekankan pada siklus pembangunan pendek, singkat, dan cepat.Waktu yang singkat adalah batasan yang penting untuk model ini. Hasil yang diharapkan dari pengembangan aplikasi Point of sale (POS) ini adalah terciptanya sistem informasi aplikasi penjualan dalam bentuk aplikasi android yang terintegrasi dengan sistem cloud dengan memanfaatkan metode pengembangan rapid application development. RAD yang dapat membantu dunia bisnis terutama usaha kecil dan menengah dalam melakukan pencatatan transaksi penjualan secara lebih mudah dan teratur.
Sistem Pendukung Keputusan Penerima Bantuan Rumah Layak Huni Menggunakan FMADM dan SAW Budy Satria; Leonard Tambunan
JOINTECS (Journal of Information Technology and Computer Science) Vol 5, No 3 (2020)
Publisher : Universitas Widyagama Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31328/jointecs.v5i3.1361

Abstract

Dalam memberikan suatu keputusan untuk kelayakan penerima bantuan rumah layak huni di Kelurahan Air Jamban masih bersifat manual sehingga proses pengambilan keputusan menjadi tidak akurat, lama dan bersifat objektif. Oleh karena itu dibutuhkan solusi berupa sistem pendukung pengambilan keputusan agar dapat memproses bantuan rumah layak huni lebih cepat dan akurat menggunakan kriteria yang ada. Metode yang digunakan adalah Fuzzy Attribute Decision Making (FMADM) untuk menentukan hasil seleksi setiap alternatif dan perhitungan pada penelitian ini menggunakan Simple Additive Weighting (SAW). Dari 10 data alternatif yang diuji coba maka terdapat hasil bahwa Alternatif 1 =28,5, alternatif 2=27,5, alternatif  3=31,5, alternatif 4 =30,25, alternatif 5 = 25,5, alternatif 6=17,9, alternatif 7 =24,4, alternatif 8 =22,9, alternatif 9 =27,75 dan alternatif 10 =31,5. Ada 8 kriteria yang digunakan  yaitu bahan bakar untuk memasak, status rumah, jumlah anak, pendapatan, jenis lantai rumah, jenis atap rumah, jenis dinding rumah dan luar rumah (bangunan). Hasil akurasi dari penelitian ini adalah tingkat akurasi sebesar 95,44% untuk metode SAW dan 94,24% untuk FMADM.
Gamifikasi (Gamification) Konsep dan Penerapan Fitri Marisa; Tubagus Mohammad Akhriza; Anastasia Lidya Maukar; Arie Restu Wardhani; Syahroni Wahyu Iriananda; Mardiana Andarwati
JOINTECS (Journal of Information Technology and Computer Science) Vol 5, No 3 (2020)
Publisher : Universitas Widyagama Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31328/jointecs.v5i3.1490

Abstract

Penelitian ini membahas konsep ilmu gamifikasi dalam studi literatur. Konsep yang dibahas meliputi konsep dasar gamifikasi berdasarkan pendapat para peneliti dan disajikan grafik kecenderungan penerapan gamifikasi dalam beberapa bidang selama periode tahun 2015 -2019. Empat model gamifikasi juga diuraikan dengan menjelaskan konsep dasar, cara kerja, dan model yang terbaik saat ini berdasarkan literatur yang diulas dalam artikel ini. Beberapa elemen gamifikasi dijelaskan dalam dua kategori berdasarkan studi literatur yang terlibat. Peneliti menemukan bahwa Game dan Gamifikasi memiliki definisi yang berbeda sehingga dapat menjadi salah satu referensi bagi penelitian bidang gamifikasi, serta ditemukan bahwa penelitian gamifikasi masa dengan telah diuraikan sebagai informasi untuk pengembangan gamifikasi yang dapat juga dikombinasikan dengan berbagai bidang untuk menghasilkan solusi yang ditargetkan yaitu meningkatkan retensi pengguna.
Prediksi Status Konsumen Produk Celana Menggunakan Naïve Bayes Din Syamsudin; Yosia Chrismas Decky Halundaka; Aryo Nugroho
JOINTECS (Journal of Information Technology and Computer Science) Vol 5, No 3 (2020)
Publisher : Universitas Widyagama Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31328/jointecs.v5i3.1435

Abstract

Celana bahan merupakan kebutuhan pokok sehari-hari, permasalahan yang dihadapi ketidak pastian pembeli dikalangan antara Mahasiswa, Karyawan, dan Pelajar. Oleh karena itu penelitian ini bertujuan untuk memprediksi Status Konsumen Produk Celana menggunakan metode Naïve Bayes. karena metode Naïve Bayes yang dinilai baik melakukan klasifikasi dan akurasi dibandingkan metode Algoritma C4.5 yang memiliki ketidakstabilan dalam melakukan klasifikasi. Pengambilan data pada penelitian ini dari hasil wawancara pada penjual dibulan januari hingga desember tahun 2019 kemudian dilakukan penginputan pada excel dengan total 731 data. Dengan menseleksi data agar mendapatkan hasil yang sempurna dan akurat dilakukan pemangkasan variable dengan awal 10 variable menjadi 5 variable. Pada tahap preprocessing sebelum melakukan proses data mining untuk mengetahui jumlah data per-attribute lalu melakukan proses data mining menggunakan algoritma naïve bayes, dengan percentage split kombinasi 60 hingga 90 persen menunjukkan hasil masing-masing nilai akurasi 80,137%, 78,0822%, 81,5060%, dan 83,5616%. terbaik di angka kombinasi percentage split 90% dengan presentase akurasi 83,5616%. Dan hasil evaluasi menggunakan confusion matrix menampilkan bahwa status konsumen yang terbanyak dan lebih unggul dari class karyawan dan class pelajar ialah menunjukkan Class Mahasiswa.
Sistem Rekomendasi Produk Pena Eksklusif Menggunakan Metode Content-Based Filtering dan TF-IDF Mariani Widia Putri; Achmad Muchayan; Made Kamisutara
JOINTECS (Journal of Information Technology and Computer Science) Vol 5, No 3 (2020)
Publisher : Universitas Widyagama Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31328/jointecs.v5i3.1563

Abstract

Sistem rekomendasi saat ini sedang menjadi tren. Kebiasaan masyarakat yang saat ini lebih mengandalkan transaksi secara online dengan berbagai alasan pribadi. Sistem rekomendasi menawarkan cara yang lebih mudah dan cepat sehingga pengguna tidak perlu meluangkan waktu terlalu banyak untuk menemukan barang yang diinginkan. Persaingan antar pelaku bisnis pun berubah sehingga harus mengubah pendekatan agar bisa menjangkau calon pelanggan. Oleh karena itu dibutuhkan sebuah sistem yang dapat menunjang hal tersebut. Maka dalam penelitian ini, penulis membangun sistem rekomendasi produk menggunakan metode Content-Based Filtering dan Term Frequency Inverse Document Frequency (TF-IDF) dari model Information Retrieval (IR). Untuk memperoleh hasil yang efisien dan sesuai dengan kebutuhan solusi dalam meningkatkan Customer Relationship Management (CRM). Sistem rekomendasi dibangun dan diterapkan sebagai solusi agar dapat meningkatkan brand awareness pelanggan dan meminimalisir terjadinya gagal transaksi di karenakan kurang nya informasi yang dapat disampaikan secara langsung atau offline. Data yang digunakan terdiri dari 258 kode produk produk yang yang masing-masing memiliki delapan kategori dan 33 kata kunci pembentuk sesuai dengan product knowledge perusahaan. Hasil perhitungan TF-IDF menunjukkan nilai bobot 13,854 saat menampilkan rekomendasi produk terbaik pertama, dan memiliki keakuratan sebesar 96,5% dalam memberikan rekomendasi pena.
Deteksi Penyakit Dan Hama Tanaman Pepaya Menggunakan Metode Forward Chaining dan Best First Search Wahyuni Eka Sari; Eny Maria; Rizki Kurniawan Santoso
JOINTECS (Journal of Information Technology and Computer Science) Vol 5, No 3 (2020)
Publisher : Universitas Widyagama Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31328/jointecs.v5i3.1483

Abstract

Pepaya merupakan salah satu buah komoditas yang dapat hidup di dataran tinggi dan dataran rendah. Hal ini menyebabkan papaya mudah diserang hama dan penyakit sehingga menghambat hasil panen yang optimal. Oleh sebab itu diperlukan suatu sistem pakar yang menyimpan basis pengetahuan untuk diagnosis hama dan penyakit tanaman pepaya. Agar basis pengetahuan menjadi dinamis diperlukan suatu metode penelusuran informasi secara tepat. Forward Chaining adalah salah satu metode pencarian metode pencarian pengetahuan yang dimulai dengan informasi yang ada dan penggabungan rule untuk menghasilkan suatu kesimpulan atau tujuan. Kemudian untuk mempermudah pencarian fakta dilakukan Teknik pencarian Best First Search sehingga hasil lebih optimal. Penerapan metode Forward Chaining pada sistem pakar memudahkan sistem untuk melakukan penelusuran fakta pada basis data. Pengetahuan ini diperoleh dari pakar. Pada sistem pakar berbasis web ini terdapat 6 data hama dan 7 data penyakit, 41 data gejala hama dan penyakit, serta 12 cara pengendalian. Data uji yang digunakan pada penelitian ini adalah sebanyak 50 data pohon papaya yang terserang penyakit. Hasil pengujian menunjukkan tingkat akurasi sistem sebesar 96%.
Klasterisasi Karakter Konsumen Terhadap Kecenderungan Pemilihan Produk Menggunakan K-Means Ach Syuhbanul Yaumi; Zainul Zulfiqkar; Aryo Nugroho
JOINTECS (Journal of Information Technology and Computer Science) Vol 5, No 3 (2020)
Publisher : Universitas Widyagama Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31328/jointecs.v5i3.1523

Abstract

Permasalahan yang sedang ada di toko saat ini adalah kesulitan untuk mengetahui produk yang saat ini banyak diminati atau paling banyak digunakan oleh konsumen agar dapat diketahui dari masing-masing variabel karakteristik konsumen lebih cenderung memilih produk yang disukai. Oleh karena itu, dalam penelitian pengelompokkan dengan metode K-Means untuk pemilihan produk merupakan salah satu cara untuk mengetahui pilihan pelanggan terhadap produk yang dikonsumsi. Karena metode K-Means mempunyai hasil pembagian yang lebih akurat. Penelitian ini melakukan proses data mining untuk membantu toko agar dapat mengetahui karakteristik konsumen terhadap kecenderungan pemilihan produk dengan melakukan penggalian data menggunakan salah satu metode data mining yaitu pengelompokkan data. Pada penelitian ini melakukan pengelompokkan dari data hasil penyebaran angket atau kusioner yang disebar di toko, kemudian data tersebut di kelompokkan menjadi 2 kelompok menggunakan salah satu algoritma klasterisasi yaitu K-Means. Data yang digunakan merupakan data yang dikumpulkan sebanyak 366 data tanggapan pelanggan toko. Setelah data tersebut diproses menggunakan algoritma K-Means, menunjukkan bahwa cluster 1 merupakan kelompok konsumen tipe A dengan presentase sebesar 33%, sedangkan cluster 2 merupakan kelompok konsumen tipe B dengan presentase sebesar 67%.
Sistem Telusur Produk Perikanan Berdasarkan Lokasi Pendaratan Kapal Menggunakan QR Code I Gede Sujana Eka Putra; Ni Luh Putu Labasaryani
JOINTECS (Journal of Information Technology and Computer Science) Vol 5, No 3 (2020)
Publisher : Universitas Widyagama Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31328/jointecs.v5i3.1369

Abstract

Sistem ketertelusuran diperlukan dalam rantai distribusi produk pangan karena pentingnya kualitas dan keamanan produk bagi konsumen. Mulai tahun 2019 kegiatan ekspor produk ke Amerika Serikat mensyaratkan dokumen pendukung (seafood import monitoring program) yang menerangkan bukti asal usul produk perikanan. Luasnya geografis Indonesia menyebabkan rantai pasok komoditi ikan yang ditangkap secara tradisional di daerah kepulauan, semakin panjang dan waktu yang lama sampai di konsumen akhir. Permasalahan penelitian ini yaitu bagaimana membangun sistem penelusuran produk perikanan, dengan mengimplementasikan quick response code. QR Code digunakan karena mampu menyimpan informasi lebih banyak, baik secara horizontal maupun vertikal dan dapat menyampaikan informasi produk dan tanggapan secara cepat. Penelusuran dilakukan dengan mendeteksi koordinat pendaratan kapal secara otomatis menggunakan global positioning system, dan informasi kapal dan tangkapan ikan dibentuk batch code dan disimpan pada cloud server. Saat ikan dijual dari nelayan ke pemasok dan dari pemasok ke perusahaan, batch code tersebut ikut berpindah seiring dengan pindahnya ikan pada setiap rantai pasok. Sistem informasi penerimaan ikan di perusahaan mengakses data cloud server dan memilih batch code yang sesuai dengan ikan yang diterima. Setiap produk loin dari hasil pengolahan ikan, diberikan label QR Code yang mengandung informasi produk dan batch code asal usul ikan. Hasil penelitian menunjukkan label 100 x 100 pixel dapat menyimpan informasi produk dan asal usul ikan dan pengujian label pada kondisi kering, dapat dipindai pada jarak maksimum 40 cm, dan label kondisi basah dan beku, dapat dipindai pada maksimum 25 cm posisi datar dan maksimum 20 cm pada posisi melengkung.
Penerapan Metode Exponential Smoothing Untuk Peramalan Penjualan Pada Toko Gitar Ni Putu Linda Santiari; I Gede Surya Rahayuda
JOINTECS (Journal of Information Technology and Computer Science) Vol 5, No 3 (2020)
Publisher : Universitas Widyagama Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31328/jointecs.v5i3.1520

Abstract

Toko Gitar adalah toko alat musik terutama menjual gitar, dalam mempersiapkan stok barang, Toko Gitar  masih dilakukan secara manual tanpa memperhitungkan barang laku pada periode sebelumnya yang mengakibatkan kelebihan dan kekurangan stok di gudang. Hal tersebut dapat merugikan dan menghambat keuntungkan bagi perusahaan. Oleh karena itu dibutuhkan suatu peramalan yang diharapkan dapat membantu perusahaan dalam menentukan jumlah stok barang yang akan dipesan. Metode peramalan yang digunakan adalah Metode Exponential Smoothing dengan alpha=0,8 dan standar error Mean Absolute Deviation (MAD). Data yang digunakan diambil dari data stok barang pada tahun 2018 sebagai referensi. Dari hasil uji coba, Standar eror yang diperoleh merupakan jarak antara hasil peramalan, sebagai contoh pada Gitar SQ hasil peramalannya adalah 4.68 dan standar erornya 1.6 yang artinya perjualan pada barang tersebut bisa (4.86 – 1.6)) atau (4.86 + 1.6). hasil peramalan menggunakan Mean Absolute Deviation (MAD) yaitu  meramalkan stok berbagai jenis barang dan didapatkan standar error di atas 50%. Dengan nilai standar error tersebut dapat simpulkan bahwa peramalan ini layak dan dapat diterapkan.
Pengenalan Suku Kata Bahasa Indonesia Menggunakan Metode LPC Dan Backpropagation Neural Network Yenni Fatman; Islamiyati Islamiyati
JOINTECS (Journal of Information Technology and Computer Science) Vol 5, No 3 (2020)
Publisher : Universitas Widyagama Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31328/jointecs.v5i3.1331

Abstract

Suara menjadi komponen terpenting dalam perkembangan teknologi digital saat ini, untuk mempermudah kehidupan manusia. Berbagai sistem pengenalan suara atau Automatic Speech Recognation (ASR) telah banyak dikembangkan di berbagai negara dengan berbagai bahasa. Pengenalan suara dapat diaplikasikan di berbagai bidang kehidupan salah satunya pada sistem keamanan berbasis suara, berupa password. Di Indonesia sendiri banyak penelitian mengenai pengenalan suara menggunakan bahasa Indonesia dengan berbagai metode, tetapi masih dalam jumlah yang terbatas dan hanya berfungsi untuk perintah suatu aplikasi tertentu. Oleh karena itu, pada penelitian ini, penulis melakukan pengenalan suara berdasarkan suku kata bahasa Indonesia karena bahasa Indonesia sendiri memiliki suku kata yang terbilang banyak dibandingkan dengan suku kata bahasa asing lainnya. Sistem ini terdiri dari 4 proses yaitu proses perekaman suara, proses pre-processing, proses ekstraksi ciri menggunakan metode Linier Predictive Code (LPC), dan proses klasifikasi suara menggunakan metode Backpropagation Neural Network. Terdapat 115 suku kata dan 74 suku kata yang berbeda dari 50 kata bahasa Indonesia yang diucapkan. Total suku kata bahasa Indonesia yang digunakan berjumlah 690 suku kata dari 6 responden. Hasil akurasi pada sistem pengenalan suku kata bahasa Indonesia yaitu 100% mampu mengenali 74 data pelatihan dari setiap 6 responden dan 115 data pengujian belum dilatih didapatkan akurasi terbaik sebesar 69% dari 6 responden. Berdasarkan hasil pengujian yang telah dilakukan, semakin banyak data pelatihan yang diproses dalam jaringan maka semakin tinggi akurasi keberhasilan yang diperoleh (Sinyal suara dapat dikenali).

Page 1 of 1 | Total Record : 10

 1 

Filter by Year

2020 2020


Reset
Filter By Issues
All Issue Vol 8, No 2 (2024) Vol 8, No 1 (2024) Vol 8, No 3 (2023) Vol 8, No 2 (2023) Vol 8, No 1 (2023) Vol 7, No 3 (2022) Vol 7, No 2 (2022) Vol 7, No 1 (2022) Vol 6, No 3 (2021) Vol 6, No 2 (2021) Vol 6, No 1 (2021) Vol 5, No 3 (2020) Vol 5, No 2 (2020) Vol 5, No 1 (2020) Vol 4, No 3 (2019) Vol 4, No 2 (2019) Vol 4, No 1 (2019) Vol 3, No 3 (2018) Vol 3, No 2 (2018) Vol 3, No 1 (2018) Vol 2, No 2 (2017) Vol 2, No 1 (2017) Vol 1, No 1 (2016) More Issue