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
 31   32   33   34   35 
Implementation of Conditional Random Fields Algorithm for Part of Speech Tagging in Madurese Language Rizky Sulaiman; Setio Basuki
Jurnal Sistem Informasi Vol. 12 No. 1 (2025)
Publisher : Universitas Serang Raya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30656/jsii.v12i1.9989

Abstract

Penelitian ini berfokus pada penerapan Conditional Random Fields (CRF) untuk Part of Speech (POS) Tagging dalam bahasa Madura. Mengingat keterbatasan sumber daya pemrosesan bahasa alami (NLP) untuk bahasa daerah, khususnya bahasa Madura, studi ini bertujuan untuk mengembangkan model POS tagging yang akurat. Dataset yang digunakan berisi 73.051 kata yang dikumpulkan dari berbagai sumber, seperti media sosial, artikel, dan percakapan sehari-hari. Data ini melalui tahapan pra-pemrosesan, termasuk pembersihan, tokenisasi, dan pelabelan manual dengan kategori POS yang mencakup 15 jenis tag. Model CRF dilatih menggunakan fitur morfologis dan kontekstual untuk mengenali pola linguistik dalam bahasa Madura. Model ini mencapai akurasi yang kompetitif sebesar 95%, yang menunjukkan kemampuannya dalam menangkap pola linguistik bahasa Madura secara efektif. Model ini berkinerja baik dalam kategori POS umum seperti kata benda (NN), kata kerja (VB), dan kata sifat (JJ), dengan F1-score sebesar 0,96 untuk kata benda dan 0,89 untuk kata kerja. Namun, tantangan muncul pada kategori yang lebih jarang seperti Foreign Word (FW) dan Adverb (RB), terutama disebabkan oleh variasi dialek dan penggunaan kata serapan. Penelitian ini memberikan kontribusi penting dalam pengembangan sumber daya NLP untuk bahasa daerah dan dapat digunakan dalam berbagai aplikasi seperti penerjemahan otomatis, asisten virtual, serta pelestarian bahasa Madura. Penelitian mendatang disarankan memperluas dataset dan mengeksplorasi model berbasis neural network untuk lebih meningkatkan kinerja POS tagging.
Implementasi Metode Extreme Programming (XP) Pada Sistem Manajemen Data Layanan Bimbingan dan Konseling di Madrasah Aliyah Irawan, Rio; Fahmi
Jurnal Sistem Informasi Vol. 12 No. 1 (2025)
Publisher : Universitas Serang Raya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30656/jsii.v12i1.10023

Abstract

Layanan bimbingan dan konseling merupakan layanan wajib bagi peserta didik di setiap satuan pendidikan di Indonesia, termasuk satuan pendidikan di lingkungan Kementerian Agama yaitu Madrasah Aliyah. Khususnya di Kota Palangka Raya Provinsi Kalimantan Tengah, mekanisme pengelolaan data layanan bimbingan dan konseling memiliki beberapa permasalahan yang muncul, diantaranya adalah kurangnya keakuratan data layanan bimbingan dan konseling oleh Guru Bimbingan Konseling dan peserta didik yang sering diberikan layanan, belum adanya rekapitulasi jenis layanan apa saja yang sering dilakukan, identifikasi masalah apa saja yang sering ditemui, dan tidak terdokumentasikannya hasil tindak lanjut secara jelas. Dari hal tersebut, maka perlu dikembangkan sebuah sistem informasi dengan tujuan agar guru bimbingan konseling di Madrasah Aliyah se-Kota Palangka Raya mampu mengelola dan mendapatkan gambaran data yang lengkap mengenai layanan bimbingan dan konseling di sekolah masing-masing. Sistem informasi ini dikembangkan dengan menggunakan pendekatan pengembangan perangkat lunak agile dengan metode extreme programming (XP).  Pengujian sistem yang digunakan adalah acceptance testing dan hasil pengujian menunjukkan sistem sangat layak untuk digunakan
Klasterisasi Provinsi di Indonesia Berdasarkan Angka Harapan Hidup Menggunakan K-Means dengan Evaluasi Elbow Method Asep Lukman Arip Hidayat; Helmi Zulqan; Gandung Triyono
Jurnal Sistem Informasi Vol. 12 No. 1 (2025)
Publisher : Universitas Serang Raya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30656/jsii.v12i1.10116

Abstract

Angka Harapan Hidup (AHH) adalah indikator penting untuk mengukur kesejahteraan masyarakat dan tingkat kesehatan di suatu daerah. AHH Indonesia sangat berbeda antar provinsi, yang menunjukkan perbedaan dalam infrastruktur dan akses layanan kesehatan. Tujuan dari penelitian ini adalah untuk menggunakan algoritma K-Means untuk meklasterisasi provinsi-provinsi di Indonesia berdasarkan AHH, dan untuk mengevaluasi hasil klasterisasi dengan metode Elbow untuk menentukan jumlah klaster yang ideal. Data yang digunakan mencakup AHH dari seluruh provinsi Indonesia dalam beberapa tahun terakhir. Untuk mempermudah identifikasi daerah yang memerlukan perhatian khusus dalam perencanaan kebijakan kesehatan, provinsi diklasifikasikan ke dalam klaster berdasarkan karakteristik AHH yang sebanding. Studi ini fokus pada optimasi Algoritma K-Means dengan metode Elbow. Percobaan iterasi dilakukan sepuluh kali dan menemukan nilai K ideal, yaitu K=3. Hasil klasterisasi menunjukkan bahwa Cluster 0 memiliki 103 anggota, Cluster 1 memiliki 181 anggota, dan Cluster 2 memiliki 260 anggota. Hasil penelitian menunjukkan bahwa algoritma K-Means berhasil mengelompokkan provinsi-provinsi berdasarkan AHH dengan tingkat variasi yang rendah di setiap klaster. Metode Elbow membantu menentukan jumlah klaster yang ideal.
OPTIMALISASI PENGENDALIAN BIAYA PERSEDIAAN DENGAN METODE REORDER POINT UNTUK MEMINIMALKAN STOK MATI PADA APOTEK Haerunnisa, Siti; Syifa Aulia; M. Bucci Ryando; Triono
Jurnal Sistem Informasi Vol. 12 No. 1 (2025)
Publisher : Universitas Serang Raya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30656/jsii.v12i1.10120

Abstract

Apotek merupakan toko yang menyediakan berbagai jenis obat-obatan dan memiliki peran penting dalam menyediakan obat yang dibutuhkan oleh masyarakat, dan melayani konsultasi kesehatan terkait penggunaan obat yang benar. Salah satu aktivitas rutin yang dilakukan oleh pihak apotek adalah stock opname. Proses stock opname ini bertujuan untuk memastikan bahwa tidak ada kekurangan atau kelebihan stok obat yang dapat mengganggu operasional apotek, serta untuk mencegah adanya barang kadaluarsa yang tidak terdeteksi. Stok mati merupakan kondisi dimana suatu produk yang ada dalam persediaan tidak terjual dalam jangka waktu yang lama. Stok mati seringkali berhubungan dengan pemborosan sumber daya, karena barang yang tidak terjual atau sudah rusak tetap memerlukan penyimpanan, yang pada akhirnya menambah biaya operasional dan merugikan bisnis. Tujuan dari penelitian ini adalah untuk mengoptimalkan pengendalian biaya persediaan di Apotek dengan menerapkan  metode Reorder Point (ROP) secara efektif, guna meminimalkan stok mati dan meningkatkan efisiensi operasional. Dengan memahami pola permintaan obat, Apotek dapat mengidentifikasi obat-obatan yang perlu diperoleh dalam jumlah lebih banyak (permintaan tinggi), sementara obat dengan permintaan rendah dapat dipesan dalam jumlah terbatas. Dengan memanfaatkan teknologi, dan penggunaan metode ROP diharapkan Perusahaan dapat dengan mudah mengoptomalkan pengelolaan persediaan, meminimalkan stok mati, meningkatkan efisiensi operasional, serta profitabilitas Apotek.
ANALISIS SENTIMEN TERHADAP PROGRAM KAMPANYE TABRAK PROFPADA MEDIA SOSIAL X DENGANMENGGUNAKAN METODE SUPPORT VECTOR MACHINE Fauzan Maulana Lubis; Muhammad Ikhsan
Jurnal Sistem Informasi Vol. 12 No. 1 (2025)
Publisher : Universitas Serang Raya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30656/jsii.v12i1.10134

Abstract

Pada Tahun 2024 Indonesia memasuki tahun demokrasi yaitu Pemilihan Presiden dan Wakil Presiden yang diadakan setiap 5 tahun sekali yang banyak menarik perhatian, Pasangan calon Presiden dan wakil Presiden Ganjar Pranowo dan Mahfud MD menghadirkan inovasi baru dalam berkampanye yaitu melalui program "Tabrak Prof" di mana mereka berinteraksi langsung dengan masyarakat untuk mendengarkan aspirasi dan keluh kesah secara terbuka. Kampanye ini juga banyak mendapat simpati di berbagai kalangan, termasuk mahasiswa dan pekerja informal, serta memanfaatkan media sosial khususnya media sosial X untuk menyebarkan informasi dan berinteraksi dengan publik. Media sosial X dikenal sebagai pusat informasi cepat dan tepat, serta menjadi sarana efektif dan efisien untuk tempat promosi atau berkampanye. Penelitian ini di harapkan dapat bermanfaat dan membantu untuk melakukan riset atas opini masyarakat yang mengadung sentimen positif dan negatif melalui teknik pengolahan data tekstual. Penelitian ini menggunakan Algoritma Support Vector Machine, dengan menggunakan 944 data. data kemudian di beri label (kelas) dengan menggunakan kamus inset lexicon, dari hasil pelabelan di peroleh data berlabel positif sebanyak 604 opini dan 340 opini berlabel negatif, dari beberapa opini yang sudah di dapatkan, maka akan dilakukan Analisis Sentimen dengan menggunakan Algoritma Support Vector Machine (SVM). penelitian ini juga menerapkan metode pembobotan TF-IDF. sistem yang di evaluasi dengan menggunakan confusin matrix Pada hasil pengujian di dapatkan tingkat Akurasi yang di hasilkan dengan menggunakan Algoritma Support Vector Machine adalah sebesar 81%, Precision  sebesar 81%, Recall  sebesar 90% dan F1-score sebesar 85%. Kata kunci : Tabrak Prof, Analisis Sentimen, Kampanye, Support Vector Machine
IMPLEMENTATION OF CRM SYSTEM ON SALES OF COSMETIC SUPPLIES AND ACCESSORIES AT BERKAH JAYA KHALISA STORE Putri Indriani; Nuriadi Manurung; Wan Mariatul Kifti
Jurnal Sistem Informasi Vol. 12 No. 1 (2025)
Publisher : Universitas Serang Raya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30656/jsii.v12i1.10372

Abstract

In today's digital era, the development of information technology is increasingly rapid and has a major impact on various sectors, including in the fields of business and trade. Customer Relationship Management (CRM) is a strategy used by companies to manage interactions with customers, with the aim of improving customer relationships, satisfaction, and loyalty. And for the problems that often occur in business owners of the Berkah Jaya Khalisa store, such as in the sales promotion section there is no, the store's income and expenditure reports are also not recorded. The transaction process used by the store still uses traditional methods, for example if there is a purchase of goods that are sold, the store owner must first record it on the invoice for the goods sold. The method used in this study is a qualitative method, namely a method that leads to in-depth understanding, by obtaining data through interviews and observations. The purpose of this study is to increase the efficiency of the sales process and expand the reach of the store's market through a system that can be accessed by customers from various regions, design a web-based CRM system that can facilitate the Berkah Jaya Khalisa Store in managing customer data and Assist sales through the website on the Berkah Jaya Khalisa store in increasing product sales turnover. And for the conclusions that can be drawn through the research that has been done, among others, such as the implementation of the CRM method at the Berkah Jaya Khalisa store, customers find it easier to find information about products and what items are available in the store. And customers can make orders online without having to come directly to the Berkah Jaya Khalisa Store.
IMPLEMENTATION OF E-SCM FOR CHIPS STOCK MANAGEMENT Sri Wahyuni; Muhammad Ardiansyah Sembiring; Amalia
Jurnal Sistem Informasi Vol. 12 No. 1 (2025)
Publisher : Universitas Serang Raya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30656/jsii.v12i1.10373

Abstract

Rumah Keripik Lely Tittiana is a business in the field of selling banana chips. Problems at Rumah Keripik Lely Tittiana include chips stock management experiencing shortages and excess stock due to delays in supplying raw materials by suppliers because ordering is still manual. Excessive stock causes product quality to decrease because it has an expiration period so that it can result in losses. The purpose of this research is to design an E-SCM application system for stock management of chips that experience shortages and excess stock at Lely Tittiana Chips House and implement a web-based E-SCM application using the PHP programming language and MySQL database at Lely Tittiana Chips House. E-SCM includes various parties ranging from suppliers, distributors, manufacturers, to customers with the aim of creating quality products. The research method used in this research is qualitative research method. The results of the implementation of this web-based E-SCM design make stock management more effective in overcoming the problems of excess and shortage of stock. This system helps in monitoring stock availability in real-time, so that decision making can be done more accurately.
Perbandingan Model Pembelajaran Mesin Berbasis SMOTE Meningkatkan Identifikasi Siswa Berisiko di Sekolah Menengah Pertama Hevi Alvina Damayanti; Damayanti, Hevi Alvina; Sanjaya, Ucta Pradema
Jurnal Sistem Informasi Vol. 12 No. 1 (2025)
Publisher : Universitas Serang Raya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30656/jsii.v12i1.10382

Abstract

Penelitian ini mengevaluasi efektivitas Teknik Pengambilan Sampel Berlebih Minoritas Sintetis (Synthetic Minority Over-sampling Technique/SME) dalam mengatasi ketidakseimbangan kelas dalam kumpulan data pendidikan, dengan fokus pada peningkatan model prediktif untuk mengidentifikasi siswa yang berisiko di sekolah menengah pertama di Indonesia. Dengan menggunakan kurva Receiver Operating Characteristic (ROC) dan metrik Area Under the Curve (AUC), kinerja model Decision Tree, Random Forest, dan Support Vector Machine (SVM) dinilai sebelum dan sesudah penerapan SMOTE. Model Random Forest menunjukkan peningkatan yang paling signifikan, dengan AUC meningkat dari 0,95 menjadi 0,99 setelah SMOTE, yang disebabkan oleh generalisasi berbasis ensembel pada data yang seimbang. Decision Tree menunjukkan peningkatan marjinal (AUC: 0.94→0.95), yang mencerminkan ketahanan yang melekat pada sampel sintetis, sementara SVM mengalami sedikit trade-off (AUC: 0.93→0.94), yang mungkin disebabkan oleh sensitivitas terhadap noise sintetis selama pengoptimalan hyperplane. Semua model mengungguli tebakan acak (AUC>0.93), mengonfirmasi kegunaan SMOTE dalam meningkatkan deteksi kelas minoritas untuk aplikasi penting seperti identifikasi awal siswa yang berisiko. Penelitian ini memajukan kerangka kerja praktis untuk memanfaatkan teknik pembelajaran ketidakseimbangan dalam pendidikan, menekankan wawasan yang dapat ditindaklanjuti untuk mengatasi ketidakadilan sistemik dan meningkatkan hasil pembelajaran melalui pengambilan keputusan berbasis data
EVALUASI SISTEM INFORMASI MENGGUNAKAN COBIT 2019 PADA PUSKESMAS SE KOTA DENPASAR Made Winardana, Made Winardana; Hendra Divayana, Dewa Gede; Indrawan, Gede Indrawan
Jurnal Sistem Informasi Vol. 12 No. 2 (2025)
Publisher : Universitas Serang Raya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30656/jsii.v12i2.10425

Abstract

DAMAKESMAS, sistem informasi di Kantor Kesehatan Kota Denpasar, menghadapi berbagai tantangan operasional, seperti keterbatasan antarmuka pengguna (UI/UX), kurangnya pelatihan staf, serta manajemen risiko dan keamanan sistem yang belum optimal. Penelitian ini bertujuan mengevaluasi tingkat kematangan tata kelola DAMAKESMAS menggunakan kerangka COBIT 2019 melalui metode deskriptif kuantitatif, dengan survei dan wawancara terhadap 13 responden dari Kantor Kesehatan Kota Denpasar. Teknik pengumpulan data meliputi observasi, wawancara, dan kuesioner skala Likert yang dianalisis menggunakan metode Capability Level COBIT 2019.Hasil penelitian menunjukkan DAMAKESMAS mencapai Level 3 (Defined) pada domain EDM03 (Ensure Risk Managed) dengan pencapaian 100%, sementara domain DSS dan APO menunjukkan tingkat kepatuhan 92,3% hingga 100%. Evaluasi sistem mengidentifikasi perlunya perbaikan UI/UX, pelatihan berkala, peningkatan keamanan, dan optimasi manajemen insiden. Simpulannya, meskipun DAMAKESMAS memiliki fondasi tata kelola yang solid, diperlukan penyempurnaan strategis seperti redesain UI/UX, pelatihan staf rutin, penguatan keamanan sistem, serta peningkatan layanan tanggap darurat untuk meningkatkan efektivitasnya.
Analisis Sentimen Ulasan Mobile Legends di Google Play Store dan YouTube Menggunakan Pelabelan Otomatis Roberta dan Klasifikasi Random Forest Muhammad Rafid Pratama; Handayani, Maya Rini; Yuniarti, Wenty Dwi; Khothibul Umam
Jurnal Sistem Informasi Vol. 12 No. 2 (2025)
Publisher : Universitas Serang Raya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30656/jsii.v12i2.10459

Abstract

Perkembangan industri game mobile telah mendorong meningkatnya jumlah pengguna dan ulasan terhadap berbagai judul populer, salah satunya Mobile Legends: Bang Bang. Penelitian ini bertujuan untuk menganalisis persepsi pengguna terhadap aplikasi Mobile Legends melalui ulasan yang diperoleh dari Google Play Store dan YouTube. Metode yang digunakan meliputi pengambilan data secara crawling, pelabelan otomatis menggunakan model RoBERTa untuk klasifikasi sentimen (positif, negatif, dan netral), serta pemodelan menggunakan algoritma Random Forest. Dataset terdiri dari 1.400 data dari Google Play Store dan ratusan data dari YouTube yang telah melalui proses pra-pemrosesan. Evaluasi model menggunakan metrik precision, recall, dan f1-score. Hasil pengujian menunjukkan bahwa model mampu mengklasifikasikan ulasan dengan cukup baik, dengan akurasi sebesar 80% pada data Google Play Store dan 82% pada data YouTube. Model menunjukkan performa tinggi dalam mendeteksi ulasan negatif dan positif, meskipun akurasi untuk kelas netral masih rendah. Secara keseluruhan, model berbasis Random Forest cukup andal dalam mengolah data ulasan pengguna, dan memberikan wawasan mengenai persepsi masyarakat terhadap Mobile Legends di berbagai platform.

Page 33 of 35 | Total Record : 348

 31   32   33   34   35 

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