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 5 Documents
 1 
Search results for , issue "Vol 7, No 2 (2022)" : 5 Documents clear
Analisis Kualitas Sistem Informasi Haji Terpadu Menggunakan Metode McCall Ahmad Farisi; Rizani Teguh; Ratih Lestari
JOINTECS (Journal of Information Technology and Computer Science) Vol 7, No 2 (2022)
Publisher : Universitas Widyagama Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31328/jointecs.v7i2.3725

Abstract

Penelitian ini mengukur kualitas sistem informasi menggunakan metode McCall dengan studi kasus sistem informasi haji terpadu (SIHAT) pada PT. Arraudhah Wisata Imani. Setelah melakukan studi literatur dan menyebarkan kuesioner pra-penelitian, penelitian ini dimulai dengan menyebarkan kuesioner McCall terhadap 30 responden. Hasil pengisian kuesioner diuji validitas dan reliabilitasnya untuk mendapatkan variabel dan indikator yang valid dan reliabel. Variabel dan indikator tersebut selanjutnya digunakan untuk mengukur nilai kualitas (Fa) dari setiap variabel. Pengukuran tersebut dimulai dengan proses pembobotan variabel dan indikator melalui kuesioner yang diisi oleh pakar. Pembobotan tersebut menggunakan skala 0,1 sampai dengan 0,5 untuk setiap variabel correctness, reliability, efficiency, integrity, dan usability beserta indikatornya masing-masing. Hasil pengukuran kualitas menunjukkan bahwa faktor correctness sebesar 58%, reliability sebesar 30%, efficiency sebesar 19%, integrity sebesar 58% dan usability 45%. Secara keseluruhan kualitas SIHAT Arraudhah berada pada nilai 41% yang berada pada rentang 41%-60% yang berarti SIHAT Arraudhah cukup berkualitas.
Implementasi Metode CNN Multi-Scale Input dan Multi-Feature Network untuk Dugaan Kanker Payudara Ghifari Prameswari Natakusumah; Ernastuti Ernastuti
JOINTECS (Journal of Information Technology and Computer Science) Vol 7, No 2 (2022)
Publisher : Universitas Widyagama Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31328/jointecs.v7i2.3637

Abstract

Menurut WHO, kanker payudara merupakan penyumbang angka morbiditas tertinggi pada tahun 2020 dengan jumlah 2,26 juta kasus. Dalam menentukan prognosis pasien diperlukan berbagai pemeriksaan, salah satunya adalah analisis histopatologi. Namun, analisis histopatologi adalah proses yang relatif melelahkan dan memakan waktu. Dengan berkembangnya metode deep learning, ilmu computer vision dapat diterapkan untuk pendeteksian kanker pada citra medis, yang diharapkan dapat membantu meningkatkan akurasi prognosis dan kecepatan identifikasi yang dilakukan oleh para ahli. Berdasarkan pengetahuan tersebut, penelitian ini bertujuan untuk menerapkan klasifikasi multi-kelas (normal, benign, in situ, invasif) dan prediksi citra jaringan digital normal atau telah diduga memiliki sel kanker menggunakan Convolutional Neural Network dengan multi-scale input dan multi-feature network (CNN-G). Dataset yang digunakan adalah 400 data citra jaringan payudara yang diklasifikasikan menjadi empat kelas dan diberi label oleh ahli patologi. Hasil akurasi yang diperoleh dari pelatihan adalah 0,5375~0,54 dan berhasil membuat peningkatan jika dibandingkan dengan model tunggal (CNN14, CNN42, CNN84). Metode evaluasi model lain yang dilakukan adalah confusion matrix, precision, recall, dan f-1 score. 
Implementasi Teknik Search Engine Optimization Dalam Meningkatkan Trafik Toko Frutivez Pada Lazada Sarah Latifah; Irfan Ardiansah
JOINTECS (Journal of Information Technology and Computer Science) Vol 7, No 2 (2022)
Publisher : Universitas Widyagama Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31328/jointecs.v7i2.3685

Abstract

PT. Saudagar Buah Indonesia adalah perusahaan yang bergerak pada bidang agroindustri dengan produk olahan buah yaitu Frutivez Fruit Strips. Pada masa pandemi, produk Frutivez mengalami penurunan penjualan yang sangat drastis. Oleh karena itu, PT. Saudagar Buah Indonesia perlu menerapkan strategi pemasaran yang baru salah satunya yaitu membuka toko pada situs Lazada untuk memperluas pasar melalui media toko online. Pada seluruh platform e-commerce, toko yang baru dibuka perlu dilakukan optimasi produk dan toko supaya produk tersebut dapat muncul teratas saat konsumen melakukan pencarian produk. Penelitian ini dilakukan dengan menggunakan implementasi teknik SEO supaya dapat meningkatkan trafik toko Frutivez di Lazada dan mengukur efektivitas halaman toko Frutivez pada Lazada. Metode yang digunakan adalah metode kuantitatif deskriptif dengan menggunakan data primer (statistik toko frutivez, statistik produk frutivez, statistik kata kunci produk frutivez, statistik fitur naikkan produk, dan statistik feed toko Frutivez di Lazada ) dan sekunde yang berasal dari studi kepustakaan. Hasil implementasi SEO pada toko menunjukkan bahwa tingkat konversi toko 3,33%, tingkat konversi ini sudah termasuk dalam tingkat konversi yang baik. Dari 4 produk yang digunakan pada analisis pencarian berdasarkan kata kunci, dua produk berada pada barisan cukup atas yaitu barisan ke-1 dan barisan ke-6, sedangkan dua produk lain berada pada barisan cukup bawah yaitu barisan ke-38 dan barisan ke-26. Penggunaan fitur naikkan produk selama 14 hari menunjukkan performa yang cukup baik. Semua postingan feed Frutivez memiliki nilai konversi 0% sehingga konten feed lazada toko Frutivez tidak mempengaruhi penjualan dan jumlah pengunjung toko.
Support Vector Regression Dalam Prediksi Penurunan Jumlah Kasus Penderita Covid-19 Dodi Suprayogi; Hilman Ferdinandus Pardede
JOINTECS (Journal of Information Technology and Computer Science) Vol 7, No 2 (2022)
Publisher : Universitas Widyagama Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31328/jointecs.v7i2.3687

Abstract

Penyebaran Virus COVID-19 sangat mengkhawatirkan dan terus menyebar serta meluas di seluruh negara terinfeksi mulai dari anak-anak hingga orang dewasa. Banyak cara dalam membuat suatu prediksi, dalam hal ini menentukan prediksi  jumlah penderita COVID-19 bisa dengan menggunakan machine learning, tidak hanya COVID-19. Penelitian ini mencoba memprediksi kapan Pandemic COVID-19 ini menurun dengan menggunakan algoritma SVR dengan kernel RBF, Linear, Polynomial, dan Sigmoid, pemilihan model menggunakan SVR karena SVR mampu mengatasi overfitting. Penelitian ini menggunakan dataset dari github John Hopkins University menggunakan sample lima negara dengan jumlah kasus COVID-19 yang berbeda. Hasil yang didapat untuk kernel RBF sangat baik untuk lima negara dalam membuat pola grafik yang fit antara data aktual dan data prediksi, dengan melakukan tunning parameter yang berbeda-beda disetiap negara, kemudian melakukan pengujian nilai gamma untuk mendapatkan nilai RMSE, R2, dan MAE, hasil terbaik ada pada negara Jerman dengan nilai RMSE 0.099, kemudian Itali dengan nilai RMSE 0.101, Indonesia nilai RMSE 0.102, brazil nilai RMSE 0.105, dan US nilai RMSE 0.105. 
Sistem Reminder Peminjaman dan Pengembalian Berkas Rekam Medis Rawat Inap Nur Fadilatul Fitriyah; Niyalatul Muna; Sustin Farlinda; Mudafiq Riyan Pratama
JOINTECS (Journal of Information Technology and Computer Science) Vol 7, No 2 (2022)
Publisher : Universitas Widyagama Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31328/jointecs.v7i2.3708

Abstract

Rumah Sakit X telah melaksanakan pengendalian peminjaman dan pengembalian berkas rekam medis rawat inap secara komputerisasi menggunakan microsoft excel. Namun pada proses pengembalian berkas rekam medis, masih belum sesuai dengan SPO (Standar Prosedur Operasional) yang ada. Presentase keterlambatan pengembalian berkas rekam medis rawat inap pada bulan Januari 2021-April 2021 sebesar 74,87%. Tujuan penelitian ini adalah merancang dan membangun sistem peminjaman dan pengembalian berkas rekam medis rawat inap untuk mengatasi permasalahan keterlambatan pengembalian. Penelitian ini menggunakan metode pengembangan prototype. Dalam proses perancangan sistem ini menggunakan flowchart sistem, contex diagram, data flow diagram, entity relationship diagram, serta mengimplementasikan program menggunakan visual studio code versi 1.46.0. Hasil penelitian ini ialah sistem reminder berbasis website yang dapat membantu proses pengendalian peminjaman dan pengembalian berkas rekam medis rawat inap sehingga dapat meminimalisir kejadian keterlambatan pengembalian. Hasil penilaian pengguna terkait sistem yang dihitung menggunakan metode skala likert sebesar 85,09%. Artinya sistem sudah sesuai dengan keinginan dan kebutuhan pengguna. Kelebihan dari sistem ini ialah terdapat notifikasi peminjaman untuk petugas rekam medis sehingga tidak perlu menginput ulang data peminjaman. Dan untuk petugas rawat inap terdapat notifikasi pengingat terkait pengembalian berkas rekam medis rawat inap yang secara otomatis terkirim setiap 2 x 24 jam dan seterusnya hingga status peminjamannya berubah menjadi kembali.

Page 1 of 1 | Total Record : 5

 1 

Filter by Year

2022 2022


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