cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Riyan Naufal Hays
Contact Email
jsii.editor@gmail.com
Phone
-
Journal Mail Official
anhar.dean@gmail.com
Editorial Address
Universitas Serang Raya Gedung Utama Lantai 3, Fakultas Teknologi Informasi Program Studi Sistem Informasi Jl. Raya Cilegon KM. 5, Taman, Drangong, Kec. Taktakan, Kota Serang, Banten 42162
Location
Kota serang,
Banten
INDONESIA
JSiI (Jurnal Sistem Informasi)
Published by Universitas Serang Raya
ISSN : 24067768     EISSN : 25812181     DOI : https://doi.org/10.30656
Core Subject : Science,
Computer Science & IT Decision Sciences, Operations Research & Management
JSiI (Jurnal Sistem Informasi) is a scientific journal published by the Department of Information System Universitas Serang Raya (UNSERA). This journal contains scientific papers from Academics, Researchers, and Practitioners about research on information systems. JSiI (Jurnal Sistem Informasi) is published twice a year in March and September. The paper is an original script and applied research in information systems.
Arjuna Subject : Ilmu Komputer (semua kategori) - Ilmu Komputer (Lain-Lain)
Articles 348 Documents
 25   26   27   28   29 
IMPLEMENTASI DATA MINING POLA PENJUALAN DENGAN PENDEKATAN REGRESI LINEAR Sugiyarta, Ahmad; Sumiati; Maulana, Habib
Jurnal Sistem Informasi Vol 11 No 1 (2024)
Publisher : Universitas Serang Raya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30656/jsii.v11i1.8411

Abstract

Abstrak SR12 Herbal Perkasa merupakan perusahaan yang bergerak dibidang herbal dan skincare berdiri pada tahun 2015 dan merupakan ditributor utama di Kota Serang. Memiliki visi yang besar yaitu untuk memberikan nilai manfaat bagi semua orang, telah membawa perusahaan ini bertumbuh dengan cepat dan disambut baik oleh masyarakat. Semakin meningkatnya hasil penjualan pada setiap tahunnya telah menuntut PT SR12 Herbal Perkasa harus selalu menyediakan stok dari setiap barang digudang. Peningkatan penjualan juga berimpact pada tuntutsn akan ketersediaan stock di gudang, dimana hal ini berpengaruh pada sulit untuk menentukan trend permintaan pelanggan, sehingga potensi beberapa produk yang diminta oleh pelanggan tidak dapat dipenuhi. Meningkatnya permintaan pelanggan dan volume penjualan tersebut menuntut PT. SR12 Herbal Perkasa menentukan strategi penyediaan barang digudang agar setiap permintaan pelanggan dapat terpenuhi. Atas dasar hal itu maka perlu kiranya dilakukan penelitian dengan memanfaatkan Data Mining untuk dapat memprediksi pola penjualan dan permintaan pelanggan dengan pendekatan Regresi Linear sederhana sehingga didapatkan solusi atas permasalahan yang terjadi tersebut. Adapun peramalan penjualan dengan metode regresi linear sederhana dan nilai error yang digunakan untuk mengukur kesalahan peramalan yaitu Root Mean Squared Error (RMSE). Berdasarkan hasil pengujian pengkuadratan prediksi pada data testing produk Deospray Reguler didapatkan hasil sebesar 65,30466, prediksi pada data testing produk Go Milk Ori 200gr didapatkan hasil sebesar 53,55691, prediksi pada data testing produk Go Milk Ori 600gr didapatkan hasil sebesar 51,25978 Sistem data mining pola penjualan dengan Data Mining menggunakan pendekatan regresi linear ini dibangun menggunakan metode Prototype sebagai pengembangan perangkat lunak, menggunakan model perancangan UML (Unified Modelling Language) dan bahasa pemrograman PHP dan MySQL sebagai DBMS. Hasil implementasi dari aplikasi Data Mining ini diharapkan dapat menjadi masukan bagi pemilik usaha untuk meningkatkan ketersediaan barang digudang sehingga peningkatan pemasaran produk dan strategi penjualan dapat tercapai. Kata kunci : Data Mining, Produk Herbal, Pola Penjualan, Regresi Linear
ANALISIS VARIABEL-VARIABEL YANG MEMPENGARUHI PENGGUNA SAAT MENGGUNAKAN APLIKASI MYSIPKA DENGAN MENGGUNAKAN TECHNOLOGY ACCEPTANCE MODEL Sri Lestari; Yani Iriani; Murnawan; Triandini Pramudita
Jurnal Sistem Informasi Vol 11 No 1 (2024)
Publisher : Universitas Serang Raya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30656/jsii.v11i1.8433

Abstract

MySIPKA (Sistem Presensi dan Kinerja) merupakan aplikasi absensi dan pengisian e-kinerja yang digunakan oleh aparatur sipil negara (ASN) di Kota Sukabumi. MySIPKA mempunyai fitur-fitur dengan tujuan membagikan kemudahan terhadap penggunanya. Riset bertujuan mengetahui variable apa saja yang pengaruhi pengguna dalam menggunakan aplikasi MySIPKA di Dinas Kesehatan Sukabumi menggunakan pemodelan Technology Acceptance Model (TAM). Tipe riset yang digunakan merupakan kuantitatif deskriptif, Data diperoleh dari sumber primer (kuesioner) serta sumber sekunder berupa literatur dan jurnal ilmiah. Tahapan Riset adalah membuat kuesioner bersumber pada indicator dari operasional variable, menyebarkan kuesioner kepada responden , mengumpulkan data serta menganalisis data. Sampel diambil memakai metode purposive sampling yang mengaitkan 115 responden. Riset ini memakai tata cara analisis Partial Least Square Structural Equation Modeling (PLS-SEM) dan pengolahannya memakai aplikasi SmartPLS4. Riset ini melaksanakan proses pengujian tiga sesi : outer model, inner model, serta pengujian hipotesis. Hasil riset ini merupakan fitur desain aplikasi MySIPKA mempunyai pengaruh positif serta signifikan terhadap perceived usefulness (PEU) sebesar 64.1% serta perceived ease of use (PEOU) sebesar 76.4%. PEOU mempunyai pengaruh positif tetapi tidak signifikan terhadap perceived usefulness (PU) dengan nilai 15.8%. PU memiliki pengaruh positif dan signifikan terhadap attitude toward using (ATU) sebesar 62.7%. Sedangkan PEOU mempunyai pengaruh positif signifikan terhadap ATU sebesar 24.7%. Terakhir, ATU mempunyai pengaruh positif signifikan terhadap actual use of MySIPKA (AU) sebesar 75.6%. Kata kunci: MySIPKA, Dinas Kesehatan Kota Sukabumi, Technology Acceptance Model (TAM) dan SEM-PLS
PREDICTING THE CHARACTERISTICS OF DRIVER’S LICENSE APPLICANTS AT SATPAS POLRESTA MANOKWARI USING HIERARCHICAL MULTIPLE REGRESSION Sahetapi, Merlyn Florensia; Inan, Dedi I; Sanglise, Marlinda; Juita, Ratna; Baisa, Lorna Y
Jurnal Sistem Informasi Vol 11 No 2 (2024)
Publisher : Universitas Serang Raya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30656/jsii.v11i2.9056

Abstract

This research aims to predict the characteristics of driver's license (SIM) applicants at the SATPAS (Driver’s License Issuance Unit) Polresta Manokwari using Hierarchical Multiple Regression analysis. The study explores six key variables: gender, age, occupation, city, type of driver's license, and type of application, as predictors of applicant characteristics. The analysis was conducted using SPSS version 29, with data collected from the population of driver's license applicants since 2023. Three models were tested, with Model 3 being identified as the best predictor, explaining 7% of the variance in applicant characteristics (R² = 0.070). This model incorporates the variables of age, occupation, city, and type of application, while gender and driver's license class were found to have no significant individual impact. The partial t-test results show that age, occupation, city, and type of application significantly influence applicant characteristics, with negative regression coefficients indicating that an increase in these variables leads to a decrease in the predicted characteristics of SIM applicants. The study highlights practical implications for SATPAS, suggesting that service processes could be improved by considering demographic factors such as age and occupation in order to optimize resource allocation and reduce service complexity. However, the study has several limitations. The use of secondary data limits the completeness and accuracy of the analysis, and the limited number of variables results in a narrow interpretation of the factors influencing SIM applicants. Additionally, the model explains only a small portion of the variance in applicant characteristics, suggesting that other unmeasured factors, such as education level or driving experience, may play a more significant role. Furthermore, the findings are not generalizable to other regions, as local conditions may impact license application patterns. Future research should address these limitations by collecting primary data, expanding the range of variables, employing more sophisticated analytical methods, and exploring other regions. This would provide a more comprehensive understanding of the factors affecting driver's license applicants and contribute to enhancing the quality of SIM issuance services in Indonesia. Keywords: Driver's License, Prediction, Hierarchical Multiple Regression, Applicant Characteristics
IMPLEMENTASI ALGORITMA BLOWFISH PADA SISTEM MANAJEMEN SURAT DENGAN PENDEKATAN RATIONAL UNIFIED PROCESS YANG RAMAH LINGKUNGAN Filan Firmansyah; Saputra Dwi Nurchaya; Zuhana Realita Alfy
Jurnal Sistem Informasi Vol 11 No 2 (2024)
Publisher : Universitas Serang Raya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30656/jsii.v11i2.9065

Abstract

In many organizations, including the Institut Teknologi Perusahaan Listrik Negara (ITPLN), letter management and organization is very important. This process is often resource-intensive and time-consuming. With the advancement of information technology, a secure digital system can help optimize letter management. The implementation of Blowfish cryptographic algorithm for encryption of important data on letter stored in a digital-based letter management system is the subject of this research. This method lowers the potential for eavesdropping and data theft. In the development process of this system, the Rational Unified Process (RUP) methodology takes the principle of green computing, which helps improve the efficiency of environmental destruction. The system adopts a paperless office paradigm, addresses the issue of operational inefficiencies, and safeguards sensitive data. The Blowfish algorithm prevents irresponsible people from compromising the database. This research produces a secure letter management information system using blowfish algorithm and developed using RUP that is environmentally friendly in contribution to the efficiency of environmental destruction caused by software development. Keywords: Blowfish Algorithm, Rational Unified Process, Data Security, Letter Management, Eco-Friendly Software
ARCHITECTURE DESIGN OF HEALTH ASSET DETECTION SYSTEM IN HOSPITAL Widyadhari, Dinda Putri; Sinung Suakanto; Faqih Hamami; Anis Farihan Mat Raffei
Jurnal Sistem Informasi Vol 11 No 2 (2024)
Publisher : Universitas Serang Raya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30656/jsii.v11i2.9135

Abstract

Efficient management of hospital assets is essential to ensure that operations can run optimally and the quality of health services is good. However, the recording and management of assets in hospitals carried out manually often causes data errors, information mismatches, and also assets are only known by the manager without being explicitly recorded. In overcoming this problem, the researcher aims to develop a hospital asset detection system architecture using an iterative and incremental methodology approach. The stages of this system development include identification of needs and conceptual models, logical architecture design, conceptual architecture design, logical architecture, physical architecture, technology selection, and evaluation. This system utilizes YOLO model reading technology for asset detection and identification, storing detection results into a local database using SQLite3, sending data to a central server via API, and post-processing data by selecting the highest confidence score stored in a MySQL database and then using the data to manage asset management and asset visualization. The implementation of this system successfully reduces manual recording time, improves asset visibility, and optimizes resource usage, thus contributing to the improvement of efficiency and quality of health services.
KLASIFIKASI DAUN KELENGKENG MENGGUNAKAN METODE GRAY LEVEL CO-OCCURRENCE MATRIX (GLCM) DAN K-NEAREST NEIGHBOR (KNN) Anggraini, Chintya; Sriani
Jurnal Sistem Informasi Vol 11 No 2 (2024)
Publisher : Universitas Serang Raya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30656/jsii.v11i2.9157

Abstract

Tanaman kelengkeng (Dimocarpus longan) termasuk dalam jenis tanaman buah dengan nilai ekonomi tinggi dan menjadi komoditas penting dalam sektor pertanian. Kelengkeng memiliki berbagai varietas yang beragam berdasarkan ciri-ciri khas dari masing-masing jenis yang cukup sulit dibedakan, terutama bagi orang awam. Berdasarkan permasalahan dalam menentukan jenis tanaman kelengkeng, maka perlu adanya sistem yang dapat mengklasifikasikan jenis tanaman kelengkeng. Penelitian ini mengusulkan ekstraksi fitur tekstur dari citra daun kelengkeng dengan memanfaatkan Gray Level Co-occurrence Matrix (GLCM), dengan fitur contrast, correlation, homogeneity, dan energy, yang selanjutnya diklasifikasikan dengan algoritma K-Nearest Neighbor (KNN). Metode ini diterapkan pada dataset citra daun dari berbagai varietas kelengkeng, yaitu aroma durian, diamond river, pingpong, dan kelengkeng merah. Metode ini diterapkan untuk meningkatkan akurasi dan efisiensi dalam klasifikasi jenis kelengkeng. Hasil penelitian menunjukkan bahwa penerapan GLCM dan KNN berhasil dilakukan dengan akurasi klasifikasi mencapai 87,5%. Dari 16 citra uji, 14 citra berhasil diklasifikasikan dengan benar. Kata Kunci: Daun, Kelengkeng, Gray Level Co-occurrence Matrix (GLCM), K-Nearest Neighbor (KNN)
OPTIMASI KLASIFIKASI DECISION TREE DENGAN TEKNIK PRUNING UNTUK MENGURANGI OVERFITTING Syahputri, Cindy Novi; Hasibuan, Muhammad Siddik
Jurnal Sistem Informasi Vol 11 No 2 (2024)
Publisher : Universitas Serang Raya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30656/jsii.v11i2.9161

Abstract

Penelitian ini bertujuan untuk mengoptimalkan klasifikasi Decision Tree menggunakan teknik pruning untuk mengurangi overfitting pada dataset penyakit jantung Kaggle. Overfitting adalah masalah umum dalam pembelajaran mesin, ketika model terlalu cocok dengan data pelatihan dan kehilangan kemampuannya untuk menggeneralisasi data baru dengan baik. Teknik pruning, termasuk prepruning dan postpruning, diterapkan untuk membatasi kompleksitas model dan meningkatkan kemampuannya dalam mengklasifikasikan data baru. Hasilnya menunjukkan bahwa model dengan postpruning memiliki performa terbaik, dengan akurasi 0,8841, recall 0,8571, presisi 0,8571, dan skor F1 0,8571. Sebagai perbandingan, model dengan prepruning memiliki akurasi sebesar 0,8333, recall sebesar 0,8304, presisi sebesar 0,8304, dan skor F1 sebesar 0,7434. Peningkatan metrik ini menegaskan bahwa postpruning lebih efektif dalam mengurangi overfitting dan meningkatkan kemampuan generalisasi model. Dengan demikian, teknik postpruning dapat dianggap sebagai metode unggulan dalam mengoptimalkan kinerja Decision Tree Classifier untuk klasifikasi penyakit jantung. Penelitian ini diharapkan dapat berkontribusi pada pengembangan model prediksi yang lebih akurat dalam diagnosis penyakit jantung, sehingga membantu upaya pencegahan dan pengobatan yang lebih baik. Kata Kunci: Decision Tree, Pruning, Prepruning, Postpruning, Overfitting, Heart Disease Dataset, Kaggle, Machine Learning, Classification, Model Optimization.
SISTEM PEMETAAN TEMPAT PEMBUANGAN SAMPAH SEMENTARA MENGGUNAKAN TEKNOLOGI SISTEM INFORMASI GEOGRAFIS Suherman; Sigit, Haris Triono; Aditia, Muhammad
Jurnal Sistem Informasi Vol 11 No 2 (2024)
Publisher : Universitas Serang Raya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30656/jsii.v11i2.9164

Abstract

Pengelolaan sampah menjadi salah satu tantangan signifikan dalam perkembangan perkotaan, termasuk di Kecamatan Cipocok Jaya. Ketidakjelasan lokasi Tempat Pembuangan Sampah Sementara (TPS) seringkali menyebabkan akumulasi sampah yang tidak tertangani secara maksimal. Penelitian ini berfokus pada pengembangan sistem pemetaan TPS dengan memanfaatkan teknologi Sistem Informasi Geografis (SIG) untuk mempermudah identifikasi dan pengelolaan TPS di wilayah tersebut. Sistem ini memungkinkan visualisasi lokasi TPS, status, dan kapasitasnya secara real-time, sehingga memfasilitasi pengambilan keputusan yang lebih tepat oleh pihak pengelola dalam pengaturan dan distribusi TPS. Pendekatan yang digunakan dalam penelitian ini mencakup pengumpulan data spasial TPS, analisis geografis, serta perancangan sistem berbasis web yang terintegrasi dengan peta digital. Hasil penelitian menunjukkan bahwa penerapan SIG dapat meningkatkan efisiensi dalam pengelolaan lokasi TPS dan memberikan akses informasi yang lebih mudah bagi masyarakat serta pemerintah daerah. Dengan demikian, sistem ini memiliki potensi sebagai solusi yang efektif dalam memperbaiki pengelolaan sampah serta mendukung upaya menjaga kebersihan lingkungan. Kata kunci: Sistem Informasi Geografis, Tempat Pembuangan Sampah Sementara, Pemetaan, Kecamatan Cipocok Jaya, Pengelolaan Sampah.
IMPLEMENTASI DIGITAL MARKETING PADA BUMDES MEKAR SEJAHTERA DENGAN CRITICAL SUCCESS FAKTOR DAN VALUE CHAIN Reza, Reza kurnia lesmana; Suendri
Jurnal Sistem Informasi Vol 11 No 2 (2024)
Publisher : Universitas Serang Raya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30656/jsii.v11i2.9167

Abstract

The implementation of Digital Marketing in Village-Owned Enterprises (BUMDes) Mekar Sejahtera aims to improve marketing performance and business competitiveness through the implementation of Critical Success Factors (CSF) and Value Chain. The study identifies and analyzes the key elements that influence the successful implementation of digital marketing strategies, as well as integrating them in a structured framework. In this study, data collection was carried out using two types of data: primary data and secondary data. Primary data was obtained through direct interviews and surveys with managers of Mekar Sejahtera BUMDes, while secondary data was obtained through analysis of relevant literature and similar case studies from other BUMDes that have implemented digital marketing. The research method used in this study is a qualitative method, which is a research approach used to understand social phenomena in a deep and descriptive way, focusing on the meaning contained in it. The results of the study show that there are several important factors that greatly affect the success of digital marketing in BUMDes Mekar Sejahtera, including: adequate technological infrastructure, competent human resources, effective content management, and appropriate promotion strategies. In addition, the integration of the value chain, starting from raw material procurement, production, distribution, to customer service, also plays an important role in improving the efficiency and effectiveness of digital marketing. The implementation of good digital marketing can increase the visibility of BUMDes Mekar Sejahtera products, expand market reach, and increase sales. However, the challenges faced include budget constraints, resistance to change, and the need for ongoing training for managers. Therefore, strategic recommendations include the development of adequate digital infrastructure, increasing the capacity of human resources through training and mentoring, and strengthening collaboration with external parties such as the government and the private sector. This study concludes that the application of CSF and Value Chain in the development of digital marketing in BUMDes Mekar Sejahtera can have a significant positive impact, as long as it is carried out with careful planning and consistent execution. This research is expected to be a reference for other BUMDes in adopting effective and sustainable digital marketing strategies. Keywords: Critical Succes Factor, Value Chain, Digital Marketing.
PERBANDINGAN KINERJA PRE-TRAINED INDOBERT-BASE DAN INDOBERT-LITE PADA KLASIFIKASI SENTIMEN ULASAN TIKTOK TOKOPEDIA SELLER CENTER DENGAN MODEL INDOBERT Wildan Amru Hidayat; Nastiti, Vinna Rahmayanti Setyaning
Jurnal Sistem Informasi Vol 11 No 2 (2024)
Publisher : Universitas Serang Raya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30656/jsii.v11i2.9168

Abstract

Era digital telah membawa revolusi dalam dunia e-commerce dengan mengintegrasikan platform media sosial dan platform e-commerce, yang menghasilkan inovasi seperti aplikasi TikTok Tokopedia Seller Center. Aplikasi ini menggabungkan platform e-commerce dengan fitur media sosial, memungkinkan pengguna untuk mengelola penjualan sekaligus memperluas jangkauan pasar dan mempromosikan produk melalui video pendek yang interaktif pada platform media sosial TikTok. Dengan adanya inovasi fitur baru dalam aplikasi ini, penelitian ini melakukan analisis sentimen untuk memahami persepsi dan ulasan berbahasa Indonesia dari para pengguna aplikasi TikTok Tokopedia Seller Center menggunakan model deep learning IndoBERT. Data ulasan dikumpulkan menggunakan teknik scraping pada Google Play Store sebanyak 3.145 ulasan yang dilabeli secara manual menjadi 1.755 klasifikasi sentimen negatif dan 1390 klasifikasi sentimen positif. Tahapan preprocessing seperti teks cleaning, case folding, normalisasi teks, dan stopword removal dilakukan untuk memberihkan data teks sebelum digunakan untuk pelatihan model. Data yang sudah dibersihkan terbagi menjadi 64% data training sebesar 2.012 data, 16% data validation sebesar 504 data, dan 20% data testing sebesar 629 data. Dua varian pre-trained model IndoBERT, yaitu Indobert-base-p2 versi besar dan Indobert-lite-base-p2 versi lebih ringan digunakan dalam penelitian ini untuk pemrosesan bahasa alami khusus bahasa Indonesia. Hasil penelitian menunjukkan bahwa komparasi model IndoBERT dengan kedua pre-trained menunjukkan bahwa pre-trained Indobert-base-p2 mendapatkan hasil akurasi yang lebih unggul dibandingkan Indobert-lite-base-p2, dengan akurasi sebesar 97%, presisi sebesar 97%, recall sebesar 97%, dan f1-score sebesar 97%, sedangkan pre-trained Indobert-lite-base-p2 dengan akurasi sebesar 94%, presisi sebesar 94%, recall sebesar 94%, dan f1-score sebesar 94%.

Page 27 of 35 | Total Record : 348

 25   26   27   28   29 

Filter by Year

2014 2025


Reset
Filter By Issues
All Issue Vol. 12 No. 2 (2025) Vol. 12 No. 1 (2025) Vol 11 No 2 (2024) Vol 11 No 1 (2024) Vol 10 No 2 (2023): Vol. 10 No. 1 (2023) Vol. 10 No. 1 (2023) Vol 10 No 1 (2023) Vol 9 No 2 (2022) Vol 9 No 1 (2022) Vol. 8 No. 2 (2021) Vol 8 No 1 (2021) Vol 7 No 2 (2020) Vol 7 No 1 (2020) Vol 6 No 2 (2019) Vol 6, No 2 (2019) Vol 6, No 1 (2019) Vol 6 No 1 (2019) Vol 5 No 2 (2018) Vol 5, No 2 (2018) Vol 5, No 1 (2018) Vol 5 No 1 (2018) Vol 4 (2017) Vol 3 (2016) Vol 2 (2015) Vol 1 (2014) More Issue