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 
Evaluasi Efektivitas Support Vector Machine dan Random Forest dalam Klasifikasi Ulasan Pengguna Aplikasi Streaming Vidio Fastabiqul Khusna; Khothibul Umam; Siti Nur'aini; Maya Rini Handayani
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.v12i2.10495

Abstract

Perkembangan pesat platform streaming telah menghasilkan banyak ulasan pengguna yang dapat dimanfaatkan sebagai sumber masukan untuk pengembangan aplikasi. Penelitian ini dilakukan untuk mengevaluasi kinerja algoritma Support Vector Machine (SVM) dan Random Forest (RF) dalam mengklasifikasikan sentimen ulasan pengguna terhadap aplikasi Vidio. Sebanyak 1.000 ulasan berbahasa Indonesia dikumpulkan menggunakan teknik web scraping dan diberi label sentimen berdasarkan rating bintang, di mana rating 1–2 dikategorikan sebagai sentimen negatif dan 3–5 sebagai sentimen positif. Data ulasan diproses melalui beberapa tahap preprocessing, seperti pembersihan teks, tokenisasi, penghapusan stopword, dan stemming, sebelum dikonversi menjadi representasi numerik menggunakan metode TF-IDF. Dataset dibagi menjadi 80% data latih dan 20% data uji. Kedua model dilatih dan dievaluasi menggunakan metrik accuracy, precision, recall, dan F1-score. Hasil penelitian menunjukkan bahwa performa yang lebih unggul diperoleh oleh algoritma SVM, dengan akurasi mencapai 76,11%, dibandingkan dengan RF yang memperoleh akurasi sebesar 71,67%. Selain itu, identifikasi ulasan dengan sentimen negatif juga dilakukan dengan lebih efektif oleh SVM. Temuan ini membuktikan bahwa klasifikasi sentimen ulasan aplikasi Vidio lebih tepat dilakukan menggunakan SVM, sehingga berpotensi mendukung otomatisasi analisis sentimen dan peningkatan kualitas layanan streaming. Hasil ini dapat diimplementasikan dalam sistem dashboard otomatis untuk mendeteksi keluhan pengguna secara real-time, memungkinkan pengembang Vidio meningkatkan pengalaman pengguna dengan respons yang lebih cepat dan tepat. Kata Kunci: Text Classification, User Sentiment, Support Vector Machine, Random Forest, Vidio.
APPLICATION OF CONVOLUTIONAL NEURAL NETWORKS (CNN) FOR HEPATITIS C VIRUS (HCV) DISEASE DETECTION Fathorrozi, Fathorrozi Ariyanto; Ariyanto, Fathorrozi; Maulana, Indra; Hamzah, Moh. Aminollah; Kisnu Darmawan, Aang
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.v12i2.10542

Abstract

Hepatitis C is a disease that attacks the liver and can progress to more serious conditions, such as cirrhosis or liver cancer, if not diagnosed and treated properly. Conventional diagnostic methods for Hepatitis C often face challenges in terms of efficiency and accuracy, so an innovative AI-based approach is needed to improve early detection. In this study, we apply a 1D Convolutional Neural Network (CNN) to classify Hepatitis C patients, using a dataset from Kaggle consisting of 615 samples with various medical parameters. The dataset goes through a series of preprocessing stages, including data cleaning, normalization, and feature transformation, before being applied to a 1D CNN model. The model is trained using the Adam optimizer, with ReLU activation functions in the convolution layer and sigmoid in the output layer. Model performance is evaluated through accuracy, precision, recall, and F1-score metrics. The results show that the developed 1D CNN model achieves an accuracy of 75% in detecting Hepatitis C. Although these results show promising potential, there is still room for improvement through exploration of more complex architectures or the use of larger datasets. Thus, this research is expected to make artificial intelligence an effective tool in the diagnosis of Hepatitis C, increasing accuracy and efficiency in the process. Keywords: Hepatitis C, 1D CNN, Deep Learning, Disease Classification, Medical Diagnosis
Keamanan Situs Web Crowdfunding melalui Implementasi Teknologi Blockchain Polygon Rafi Johari; Viddi Mardiansyah
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.v12i2.10573

Abstract

This study aims to enhance the security and transparency of crowdfunding platforms by implementing Polygon blockchain technology. Traditional crowdfunding systems are often vulnerable to fund mismanagement and lack accountability. To address these issues, a blockchain-based crowdfunding website was developed using smart contracts deployed on the Polygon network. The project follows a software engineering approach using the prototyping development model. The system is built using Solidity for smart contracts and React.js for the frontend, integrated with the MetaMask crypto wallet for authentication and transaction execution. The implementation results show that the system successfully facilitates secure, transparent, and decentralized donation processes. All transactions and fund flows are permanently recorded and verifiable through PolygonScan. User validation is conducted without conventional login systems, relying instead on wallet-based authentication, which reduces the risk of credential theft. Functional testing confirms that all core features perform as expected, including donation program selection, transaction history recording, and MetaMask integration. In conclusion, the developed system successfully achieves the research objective of providing a more secure and trustworthy crowdfunding platform through the application of Polygon blockchain technology.   Keywords:  Blockchain, crowdfunding, Polygon, smart contract, MetaMask, data security.
Metode Classifier Gaussian Naïve Bayes Untuk Klasifikasi Konsumsi Makanan Cepat Saji Pada Tingkat Resiko Obesitas Nursikuwagus, Agus; Suherman, Suherman
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.v12i2.10650

Abstract

Proses klasifikasi pada konsumsi makanan cepat saji berdasarkan fakta nutrisi di menu McDonald’s tentunya perlu dilakukan karena untuk mengetahui pola konsumsi makanan dengan kandungan yang beresiko menyebabkan obesitas Obesitas merupakan salah satu penyakit yang tidak menular, akan tetapi banyak terjadi di kalangan remaja. Salah satu dampak dari adanya penyakit obesitas ini yaitu pesatnya arus globalisasi yang memberikan kemudahan pada pengaruh pola hidup, salah satunya yaitu pola konsumsi makanan. Dengan mengkonsumsi makanan cepat saji yang berlebihan maka akan meningkatkan seseorang itu terkena penyakit obesitas. Penelitian ini bertujuan untuk mengetahui pengklasifikasian serta pengelompokan mengenai makanan cepat saji yang nantinya dapat dilakukan prediksi apakah seseorang itu beresiko terkena penyakit obesitas ataupun tidak beresiko terkena penyakit obesitas. Algoritma yang digunakan pada penelitian ini yaitu model Gaussian Naïve Bayes menggunakan Bahasa pemrograman python yang kemudian akan dilakukan pembagian data training dan data testing untuk dilihat seberapa besar nilai akurasinya. Data fakta nutrisi pada makanan cepat saji di McDonald’s ini terdapat 500 dataset menggunakan parameter menu calories, cholesterol, sodium, carbohydrates, sugars, protein, vitamin, calcium, fat, iron, fiber, potassium, minerals, dan condition. Dengan implementasi yang telah dilakukan klasifikasi yaitu 20% data testing dengan jumlah data sebanyak 100 data. Akurasi dicapai 80% dari data training dengan jumlah data sebanyak 400 data
ANALISIS PROGRAM MAKAN BERGIZI GRATIS DENGAN SUPPORT VECTOR MACHINE (SVM) PADA APLIKASI X Sekar Cinta Amaria; Nurtriana Hidayati
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.v12i2.10708

Abstract

The Free Nutritious Meal Program (MBG), which represents a priority program of President Prabowo Subianto, has garnered widespread attention from Indonesian society. This program has received sympathy from various groups, including students and informal workers, and has been extensively discussed through social media, particularly on platform X. This research aims to analyze public response in the form of positive and negative sentiment toward the MBG Program based on data from platform X. A total of 1,378 tweets were collected using crawling methods, followed by preprocessing, sentiment labeling using the InSet lexicon dictionary, and feature extraction using three techniques: Term Presence, Bag of Words (BoW), and Term Frequency-Inverse Document Frequency (TF-IDF). Subsequently, sentiment classification was performed using the Support Vector Machine (SVM) algorithm for each feature extraction technique. Classification results demonstrate that the TF-IDF technique achieved the highest accuracy of 77.5%, compared to Term Presence (76.2%) and BoW (75.3%). Validation using K-Fold Cross Validation with five iterations was conducted with imbalanced data handling through the Synthetic Minority Over-sampling Technique (SMOTE) method. In this validation, TF-IDF consistently demonstrated superior performance with an average accuracy of 75.54%, precision of 74.31%, recall of 73.86%, and f1-score of 73.98%. Despite a slight decrease in accuracy following data synthesis, the TF-IDF technique proved to be stable and effective in handling data variation. The superiority of the TF-IDF feature extraction technique is suitable for combination with the SVM algorithm.
IMPLEMENTASI DATA ANALYTICS MENGGUNAKAN METODOLOGI CRISP-DM (STUDI KASUS DATA BIKE SALES IN EUROPE PADA PLATFORM KAGGLE) Ardan, Tazkia; Ardan, Tazkia Salsabila; Mujiatno, Sulistio Anggara; Akbar, Bagus Ali
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.v12i2.10761

Abstract

Penelitian ini bertujuan untuk mengimplementasikan data analytics menggunakan metodologi CRISP-DM pada dataset penjualan sepeda di Eropa yang diperoleh melalui platform Kaggle. Data analytics menjadi salah satu elemen penting dalam pengambilan keputusan strategis perusahaan, khususnya dalam industri sepeda yang memiliki tantangan unik dalam memahami preferensi konsumen dan dinamika pasar. Penelitian ini menggunakan pendekatan deskriptif kualitatif dengan enam tahap utama, yakni: (1) Business Issue Understanding untuk memahami konteks bisnis menggunakan metode SMART, (2) Data Understanding untuk identifikasi awal dataset, (3) Data Preparation untuk pembersihan data, (4) Exploratory Data Analysis menggunakan Python dan library Pandas, Matplotlib, serta Seaborn, (5) Validation untuk memverifikasi hipotesis dan tren revenue menggunakan BigQuery, serta (6) Visualization and Presentation untuk menyajikan hasil dalam bentuk dashboard interaktif menggunakan Tableau Public. Hasil penelitian menunjukkan bahwa kategori produk Bikes menjadi kontributor profit terbesar, sedangkan Accessories dan Clothing memiliki potensi yang masih dapat dioptimalkan. Analisis segmentasi pelanggan menunjukkan kelompok usia Adult (35-64) memberikan kontribusi profit tertinggi. Validasi analisis revenue menunjukkan adanya tren pertumbuhan yang stabil sejak tahun 2013, serta adanya kesenjangan profit antar negara yang memerlukan strategi diferensiasi. Studi ini menegaskan pentingnya implementasi data analytics dengan pendekatan CRISP-DM untuk mendukung pengambilan keputusan berbasis data di industri sepeda, sekaligus memberikan rekomendasi praktis bagi strategi pemasaran dan pengembangan bisnis yang lebih efektif.
Pengembangan Sistem E-Catering Berbasis Web Terintegrasi Whatsapp Gateway Pada Usaha Katering Kembang Desa Ngentrong Amartya Bambang Kusuma; Joko Iskandar; Yayak Kartika Sari
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.v12i2.10779

Abstract

This study aims to design a web-based e-catering system integrated with WhatsApp Gateway for the Kembang Desa Ngentrong catering company. This system is intended to simplify and streamline the process of ordering, paying, and reporting catering orders online so as to improve operational efficiency and customer satisfaction. The development approach used is Agile Development, which facilitates the system development process iteratively and collaboratively by actively involving stakeholders. The implementation of WhatsApp Gateway as an integrated communication channel facilitates the ordering process by customers directly through the popular WhatsApp application. This system is developed based on web technology with product menu selection features, order confirmation, automatic alerts, and transaction reports that can be accessed by business owners. The results of system testing show that the use of the Agile Development approach can accelerate the development process and produce products that are in accordance with user needs with a validation scale of "Very Eligible." This e-catering system is expected to help the Kembang Desa Ngentrong Catering business manage orders better and improve customer service.
PERANCANGAN APLIKASI MONITORING PENGIRIMAN BARANG BERBASIS WEB PADA PT.JOS Agustin, Putri; Budiman, Thomas; Zulkarnain Sianipar, Anton
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.v12i2.10792

Abstract

The smoothness of the goods delivery process is a crucial factor in supporting the operational effectiveness of a distribution company. PT. Jaka Oetama Sentosa (PT. JOS) currently still applies manual coordination between warehouses, which causes delays in information, risks of recording errors, and reduces work efficiency. This study aims to design and develop a web-based goods delivery monitoring application that is used internally to improve transparency and accuracy of shipping information. The research method used is Rapid Application Development (RAD), with data collection through direct observation, interviews with users, and literature studies. The results of the study include user interface design, database development, and implementation of an integrated system. The implementation of this application is expected to accelerate the delivery of information, reduce recording errors, and increase the effectiveness of monitoring the goods distribution process at PT. JOS. These findings provide a significant contribution to optimizing the distribution process through internal company digitalization.   Keywords: Design, Application, Monitoring, Goods Delivery, Website, Rapid Application Development.  
Klasifikasi Edibilitas Jamur Secara Otomatis Menggunakan  Algoritma Random Forest Berbasis Morfologi Pahlevi, Muhammad Reza; Tahyudin, Imam; Tikaningsih, Ades
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.v12i2.10868

Abstract

Jamur merupakan organisme yang memiliki keragaman morfologi yang tinggi, namun beberapa jenis di antaranya bersifat beracun dan membahayakan jika dikonsumsi. Kesamaan ciri fisik antara jamur yang dapat dimakan dan yang beracun sering kali menyulitkan proses identifikasi secara manual. Penelitian ini bertujuan mengembangkan sistem klasifikasi otomatis berbasis algoritma Random Forest untuk membedakan jamur edible dan poisonous, memanfaatkan seluruh 21 atribut (18 kategorikal, 3 numerik) dari dataset komprehensif Kaggle (61.069 entri). Metodologi penelitian mengikuti alur CRISP-DM yang dimodifikasi, dimulai dari pengumpulan data hingga implementasi. Tahap pra-pemrosesan data krusial dilakukan secara ekstensif, meliputi penanganan duplikasi data dan imputasi missing value (menggunakan median dan modus). Selanjutnya, transformasi label kelas (edible=0, poisonous=1) dan One-Hot Encoding diterapkan pada fitur kategorikal untuk representasi numerik yang tepat. Fitur numerik seperti cap-diameter dan stem-height dinormalisasi menggunakan Standard Scaling untuk menyeimbangkan kontribusi. Data kemudian dibagi 80:20 untuk pelatihan dan pengujian. Model Random Forest dikembangkan dengan parameter optimal (n_estimators=200, max_depth=15, class_weight="balanced") untuk efisiensi dan robustabilitas terhadap ketidakseimbangan kelas. Hasil evaluasi menunjukkan performa sangat baik dengan akurasi keseluruhan 99,34%, serta nilai precision, recall, dan f1-score yang seimbang pada 0.99 untuk kedua kelas. Analisis feature importance mengidentifikasi stem-width, stem-height, dan cap-diameter sebagai atribut paling berpengaruh. Learning curve menunjukkan stabilitas model tanpa overfitting. Implementasi pada sampel jamur baru juga mengkonfirmasi kemampuan prediksi yang konsisten, menjadikan model ini layak sebagai sistem pendukung keputusan otomatis dalam deteksi jamur beracun.
Sistem Informasi Geografis Pencarian Layanan Laundry Menggunakan Metode Steepest Ascent Hill Climbing Andrian, Deny; Putra Fhonna, Rizky; Ilhadi, Veri
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.v12i2.10871

Abstract

Kemajuan teknologi informasi telah mendorong efisiensi di berbagai sektor, termasuk industri laundry. Di Kota Lhokseumawe, tingginya jumlah mahasiswa dan pekerja menciptakan kebutuhan besar terhadap layanan laundry yang cepat dan efisien. Namun, pencarian laundry masih dilakukan secara manual, sehingga kurang praktis dan menyita waktu. Penelitian ini mengembangkan Sistem Informasi Geografis (SIG) berbasis web yang dirancang untuk memudahkan pengguna menemukan lokasi laundry terdekat dengan tingkat akurasi dan efisiensi tinggi. Pengembangan sistem dilakukan menggunakan pendekatan model Waterfall serta menerapkan algoritma Steepest Ascent Hill Climbing untuk menentukan jalur terbaik menuju lokasi tujuan. Teknologi yang digunakan mencakup HTML, CSS, React JS, dan Express. Data diperoleh melalui observasi serta wawancara dengan mahasiswa dan pemilik laundry. Sistem ini menyajikan peta interaktif dengan informasi lengkap seperti lokasi, foto, harga, dan kontak laundry. Berdasarkan pengujian, 91% pengguna menilai desain sistem sangat baik, 91% puas dengan kemudahan pencarian, 93% merasa sistem efisien, dan 92% menilai sistem efektif dalam membantu menemukan layanan laundry yang sesuai. Sistem ini tidak hanya mempermudah masyarakat dalam mengakses layanan laundry, tetapi juga membantu pemilik usaha meningkatkan visibilitas dan jangkauan layanan mereka secara digital di wilayah Lhokseumawe

Page 34 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