Articles
11 Documents
Search results for
, issue
"Vol 29, No 2 (2024)"
:
11 Documents
clear
<![CDATA[PERBANDINGAN KUALITAS FITUR PEMBELIAN TIKET KONSER BLIBLI.COM DAN TIKET.COM MENGGUNAKAN METODE LOAD TESTING ]]>
<![CDATA[Khonsa Mutmainnah]]>;
<![CDATA[Ahmad Nur Ihsan]]>
<![CDATA[ Jurnal Ilmiah Informatika Komputer Vol 29, No 2 (2024) ]]>
Publisher : <![CDATA[Universitas Gunadarma ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.35760/ik.2024.v29i2.11011
<![CDATA[Mengikuti perkembangan zaman yang mulai memanfaatkan teknologi untuk menjadi sarana bisnis dan promosi, pembelian tiket konser online berbasis website juga sudah mulai digunakan promotor konser untuk teknis pembelian tiket. Pada pembelian tiket konser musisi berskala besar, penggemar rela menunggu tiket berjam-jam sebelum penjualan tiket resmi dibuka pada laman e-commerce. Ketika proses berlangsung, terjadi error pada website dikarenakan traffic pengguna yang terlalu tinggi. Perlu adanya pengujian kualitas kinerja pada e-commerce penjualan tiket konser, untuk dapat mengetahui website mana yang dapat menerima request pengguna dalam jumlah yang besar saat pembelian tiket konser. Metode yang digunakan dalam pengujian ini adalah load testing. Parameter yang diuji pada pengujian ini ada 4. Parameter tersebut adalah: average time, throughput, standar deviasi, dan persentase error. Hasil dari pengujian tersebut menunjukkan bahwa blibli.com mendapatkan hasil yang cukup stabil dengan kecepatan, throughput, dan standar deviasi yang lebih baik dibandingkan dengan tiket.com. Namun pada parameter persentase error, blibli.com mendapatkan nilai tinggi mencapai 99% sehingga hasil tersebut membuktikan bahwa kualitas blibli.com dinilai tidak baik. Sebanyak 99% sampel yang dikirimkan ke server blibli.com mengalami error. Sedangkan rata-rata persentase error tiket.com mencapai 86,4%. Kedua website dapat melakukan perbaikan server website menggunakan metode Load Balancing, agar kualitas yang diberikan kepada pengguna website lebih maksimal.]]>
<![CDATA[ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI KEPUASAN UMKM MITRA SHOPEFOOD DI JAKARTA SELATAN ]]>
<![CDATA[Yudha Destianto Dwi Prakoso]]>;
<![CDATA[Asep Juarna]]>
<![CDATA[ Jurnal Ilmiah Informatika Komputer Vol 29, No 2 (2024) ]]>
Publisher : <![CDATA[Universitas Gunadarma ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.35760/ik.2024.v29i2.10713
<![CDATA[UMKM adalah pilar penting perekonomian di Indonesia. Pada tahun 2021 kegiatan bisnis di Indonesia melibatkan 64,2 juta UMKM yang memberikan kontribusi 61,07% terhadap PDB Indonesia, menyerap 97% tenaga kerja nasional, dan menghimpun 60,4% total investasi nasional. Pada sektor bisnis makanan dan minuman (food and beverage, F & B) UMKM bekerja sama dengan penyedia aplikasi pesan-antar produk. Dalam bisnis ini UMKM adalah unit FBP (F & B Product) sementara penyedia aplikasi sebagai unit FBS (F & B service) dan unit FBP menjadi mitra unit FBS. Penelitian ini menganalisis faktor-faktor yang mempengaruhi kepuasan UMKM atas aplikasi ShopeeFood di Jakarta Selatan. Dihipotesakan dalam bisnis ini ada satu variabel terikat, yaitu kepuasan mitra, dan empat variable bebas, yaitu faktor aplikasi itu sendiri, faktor brand reliability dari unit FBS, faktor pelayanan unit FBS, dan volume penjualan atau laba unit FBP. Hipotesis ini diuji dengan metode SEM (structural equation modelling) yang diimplementasikan dalam lingkungan program aplikasi SmartPLS (partial least square); hasilnya dari keempat variabel bebas tiga di antaranya berpengaruh terhadap kepuasan mitra sedangkan satu variabel lagi, yaitu volume penjualan atau laba, tidak berpengaruh.]]>
<![CDATA[REKOMENDASI GURU TERFAVORIT MENGGUNAKAN SISTEM PENDUKUNG KEPUTUSAN DENGAN METODE MABAC ]]>
<![CDATA[Putu Bagus Hartawan Okatama]]>;
<![CDATA[Alif Alif]]>;
<![CDATA[Komang Diva Wiguna]]>;
<![CDATA[Gede Surya Mahendra]]>
<![CDATA[ Jurnal Ilmiah Informatika Komputer Vol 29, No 2 (2024) ]]>
Publisher : <![CDATA[Universitas Gunadarma ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.35760/ik.2024.v29i2.10461
<![CDATA[Pendidikan merupakan hal yang penting bagi generasi muda. Pendidikan mampu membuat segi pembeda yang besar bagi kesejahteraan ataupun pola pikir seseorang. Pendidikan erat dengan berbagai faktor seperti buku, sekolah hingga guru. Guru terfavorit bagi siswa tidak hanya mampu mengajar dengan baik, namun juga memiliki sikap yang mampu diteladani dan berbagai hal lainnya. Dalam menentukan guru terfavorit yang memiliki berbagai kriteria, dapat menggunakan bantuan Sistem Pendukung Keputusan. Penelitian ini mengangkat metode MABAC dalam perhitungannya. Penelitian ini juga menggunakan bantuan framework CRISP-DM yang terintegerasi dengan alur penelitiannya. Penelitian ini menggunakan 5 kriteria dan 8 alternatif. Studi kasus pada penelitian ini dilaksanakan pada SMA Negeri 1 Singaraja dengan menggunakan data guru tahun 2023. Kriteria yang digunakan adalah kualitas RPP, jumlah jam mengajar, pendidikan, absensi, dan prestasi. Kriteria jumlah jam mengajar menjadi prioritas pembobotan kriteria dengan rasio mencapai 29,4%. Penelitian ini telah dilaksanakan dengan baik dengan perhitungan manual menggunakan spreadsheet dan bahasa pemrograman python dengan menghasilkan LE Erawati menjadi guru favorit dengan nilai preferensi tertinggi sebesar 0,42571.]]>
<![CDATA[ANALISIS SENTIMEN TERHADAP APLIKASI GOJEK PADA PLAY STORE MENGGUNAKAN METODE RANDOM FOREST CLASSIFIER ]]>
<![CDATA[Naura Zainaty Rania]]>;
<![CDATA[Rama Dian Syah]]>
<![CDATA[ Jurnal Ilmiah Informatika Komputer Vol 29, No 2 (2024) ]]>
Publisher : <![CDATA[Universitas Gunadarma ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.35760/ik.2024.v29i2.11877
<![CDATA[Ulasan pengguna aplikasi memiliki peran yang sangat penting dalam menentukan kesuksesan sebuah layanan aplikasi. Analisis sentiment. Teknologi Natural Language Processing (NLP) memungkinkan pengembang untuk mengkategorikan emosi dalam ulasan secara otomatis. Penelitian ini bertujuan untuk melakukan analisis sentimen pada ulasan aplikasi Gojek yang tersedia di Google Playstore menggunakan metode Random Forest Classifier. Dataset yang digunakan sebanyak 50000 ulasan. Model yang dibangun berhasil melakukan prediksi sentiment dengan baik yang dibuktikan dengan nilai akurasi mencapai 89%. Model yang dibangun mampu mengidentifikasi sampel negatif sebanyak 3231 data diprediksi dengan benar (True Negative). Sampel negative sebanyak 298 data diprediksi dengan salah prediksi sebagai positif (False Positive). Sampel negative sebanyak 722 data diprediksi dengan salah sebagai negative (False Negative). Sampel positif sebanyak 5376 data diprediksi dengan benar (True Positive). Penelitian ini menunjukkan sentimen pengguna Gojek cenderung negative sehingga peningkatan layanan Gojek dapat ditingkatkan agar loyalitas pengguna semakin bertambah.]]>
<![CDATA[PERAMALAN HARGA SAHAM NVIDIA DENGAN METODE DOUBLE MOVING AVERAGE ]]>
<![CDATA[Alief Prima Gani]]>;
<![CDATA[Tundo Tundo]]>;
<![CDATA[Ridho Akbar]]>;
<![CDATA[Kevin Arya Josaphat Sitompul]]>
<![CDATA[ Jurnal Ilmiah Informatika Komputer Vol 29, No 2 (2024) ]]>
Publisher : <![CDATA[Universitas Gunadarma ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.35760/ik.2024.v29i2.11690
<![CDATA[The movement of NVIDIA's stock price greatly affects investment decisions, so accurate forecasting is very important to influence investment decisions. This research will apply the data mining process for forecasting NVIDIA stock prices using the Double Moving Average method with the application of order 2 and order 3 models. The purpose of this study is to determine the forecasting of the NVIDIA stock price index based on historical data. The results show that stock price forecasting using the Double Moving Average method order 2 model is more accurate and in accordance with actual or actual results. On the other hand, forecasting the Double Moving Average method with the order 3 model produces unsatisfactory forecasts that can be used, making it less suitable for dynamic markets. Therefore, the results of forecasting NVIDIA stock prices using the Double Moving Average method order 2 obtained an accuracy of 98% compared to order 3 of 67%. Based on the comparison results of using orders 2 and 3, it can be an important factor for investors to help make investment decisions in terms of forecasting the next production of NVIDIA shares.]]>
<![CDATA[PENERAPAN FRAMEWORK LARAVEL PADA PEMBUATAN APLIKASI SEWA PROPERTI ‘RENTIFY’ DENGAN METODE UX SYSTEM USABILITY SCALE (SUS) ]]>
<![CDATA[Gammaral Venerdi Dewaji]]>;
<![CDATA[Deny Rochman Arifatno]]>;
<![CDATA[Swelandiah Endah Pratiwi]]>;
<![CDATA[Rogayah Rogayah]]>
<![CDATA[ Jurnal Ilmiah Informatika Komputer Vol 29, No 2 (2024) ]]>
Publisher : <![CDATA[Universitas Gunadarma ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.35760/ik.2024.v29i2.12075
<![CDATA[Perkembangan industri sewa properti di Indonesia mengalami pertumbuhan yang signifikan dengan potensi keuntungan yang besar. Namun, pencatatan manual dalam bisnis ini sering kali menghadapi berbagai kendala seperti kurangnya akurasi dalam perhitungan pembayaran penyewa dan risiko kehilangan data transaksi. Teknologi diharapkan dapat menjadi solusi untuk mengatasi permasalahan dengan menyediakan platform yang memudahkan pengelolaan bisnis sewa properti. Penelitian bertujuan untuk mengembangkan aplikasi berjudul "Rentify" menggunakan framework Laravel dan menerapkan metode UX System Usability Scale (SUS). Proses pengembangan aplikasi melibatkan perancangan antarmuka dan basis data menggunakan MySQL, pembuatan website dengan HTML, serta implementasi framework PHP Laravel. Pengujian usability dilakukan menggunakan metode System Usability Scale (SUS) sesuai tahapan System Development Life Cycle yang digunakan dalam pembuatan website. Hasil dari penelitian adalah sebuah website pengelola bisnis sewa properti yang menawarkan fitur-fitur utama yang diperlukan yang dapat diakses melalui laman web https://rent-ify.xyz/. Pengujian usability menunjukkan tingkat kepuasan yang tinggi dari pengguna dengan skor System Usability Scale (SUS) sebesar 7, mengindikasikan bahwa website telah memenuhi standar penerimaan minimal dengan peringkat "Acceptable" dan kinerja yang "Good" berdasarkan skor interpretasi Adjectives. Hasil interpretasi Net Promoter Score menunjukkan potensi untuk meningkatkan rekomendasi positif website. Hasil pengujian pada lima browser menunjukkan respons yang cepat, kemudahan penggunaan, dan tingkat kehandalan yang memuaskan.]]>
<![CDATA[ANALISIS SENTIMEN BERBASIS LEXICON DAN PEMODELAN SISTEM DENGAN LDA TERHADAP PERGURUAN TINGGI UPN “VETERAN” JAWA TIMUR PADA GOOGLE REVIEW ]]>
<![CDATA[Firzannabeel Aqila Rafid]]>;
<![CDATA[Hilya ‘Zada Mardhatilla Al Haadiy]]>;
<![CDATA[Azzahra Adelia Sabrina Salsabila]]>;
<![CDATA[Anggraini Puspita Sari]]>
<![CDATA[ Jurnal Ilmiah Informatika Komputer Vol 29, No 2 (2024) ]]>
Publisher : <![CDATA[Universitas Gunadarma ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.35760/ik.2024.v29i2.11582
<![CDATA[Ulasan menjadi faktor penting bagi para pemilik bisnis dalam meningkatkan kredibilitas layanannya. Tidak hanya para pebisnis, pihak pengelola tempat umum dari pemerintah juga perlu menganalisis ulasan untuk membangun reputasi publik yang lebih baik. Salah satunya adalah Perguruan Tinggi Universitas Pembangunan Nasional (UPN) “Veteran” Jawa Timur. Penelitian ini bertujuan untuk menganalisis ulasan publik mengenai UPN “Veteran” Jawa Timur dengan dua model, yakni analisis sentimen berbasis Lexicon dan pemodelan topik menggunakan Latent Dirichlet Allocation (LDA). Analisis sentimen bertujuan untuk mengategorikan ulasan positif, negatif, dan netral dari beberapa ulasan publik di Google Review. Sedangkan, pemodelan topik bertujuan untuk mengetahui topik-topik utama dalam pembicaran yang dibahas pada ulasan mengenai UPN “Veteran” Jawa Timur. Dari hasil penelitian terhadap 525 data ulasan, didapatkan sebanyak 352 ulasan dikategorikan positif, 136 ulasan netral, dan 37 ulasan negatif. Pengujian akurasi menunjukkan bahwa algoritma berbasis Lexicon memiliki tingkat akurasi sebesar 80%, yang menegaskan bahwa metode ini efektif dalam mengklasifikasikan data dengan akurat. Sementara itu, dalam pemodelan topik, berhasil diidentifikasi sepuluh topik utama pada setiap kategori sentimen, baik positif, negatif, maupun netral. Temuan ini memberikan wawasan berharga bagi pihak perguruan tinggi untuk lebih memahami permasalahan dan kebutuhan pengguna sehingga dapat mengambil langkah perbaikan yang lebih terarah.]]>
<![CDATA[IMPLEMENTASI SISTEM E-COMMERCE DAN OFFICIAL WEBSITE DALAM MELAKUKAN DIGITAL MARKETING DENGAN MENGGUNAKAN CMS WORDPRESS PADA TOKO RAPIDY BORDIR ]]>
<![CDATA[Nico Yonatan Wicaksana]]>
<![CDATA[ Jurnal Ilmiah Informatika Komputer Vol 29, No 2 (2024) ]]>
Publisher : <![CDATA[Universitas Gunadarma ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.35760/ik.2024.v29i2.12168
<![CDATA[Tujuan dari penelitian ini adalah untuk merancang sistem informasi e-commerce official website pada perusahaan Jasa Bordir Komputer dan memperkenalkan kepada publik produk dan jasa yang disediakan termasuk portofolio dan pembelian secara online. Permasalahan umum yang ditemukan melalui SWOT Analysis adalah proses pemasaran dan penjualan yang belum dapat menjangkau target pasar secara luas, manipulasi data transaksi, dan waktu yang tidak efisien dalam melakukan proses bisnis. Metode pengumpulan data yang digunakan dalam penelitian ini meliputi studi literatur, observasi, dan interview dengan pihak perusahaan. Pembangunan Sistem Informasi website e-commerce dan official website dari awal perencanaan dilakukan dengan metode System Development Life Cycle (SDLC) sedangkan implementasi pembangunan website dilakukan dengan menggunakan website builder khususnya Content Management System berbasis WordPress. Solusi yang diterapkan adalah penerapan e-commerce dan official website dengan cara menggunakan CMS WordPress dengan domain rapidybordir.co.id, adapun menu yang disediakan mencakup menu home, about us, portfolio, produk dan jasa, add to cart, dan purchase order, sehingga diharapkan dapat meningkatkan efektivitas dan efisiensi pemasaran dan penjualan perusahaan. Pada hasil ujicoba website dengan black box testing menunjukkan bahwa seluruh fitur dapat berjalan dengan baik, sehingga hasil dari penelitian ini menunjukkan bahwa dengan adanya e-commerce berbasis website maka pemasaran dapat menjangkau target pasar lebih luas, proses pemesanan dapat lebih efektif dan efisien, serta terjadinya peningkatan brand image dan brand awareness perusahaan Rapidy Bordir.]]>
<![CDATA[MODEL ALGORITMA KNN UNTUK PREDIKSI KELULUSAN MAHASISWA STIKOM CKI ]]>
<![CDATA[Tiara Ratu Alifia]]>;
<![CDATA[Tundo Tundo]]>;
<![CDATA[Muhammad Syazidan]]>;
<![CDATA[Faldo Satria]]>
<![CDATA[ Jurnal Ilmiah Informatika Komputer Vol 29, No 2 (2024) ]]>
Publisher : <![CDATA[Universitas Gunadarma ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.35760/ik.2024.v29i2.11803
<![CDATA[This study develops a student graduation prediction model using the K-Nearest Neighbor (KNN) algorithm, considering variables such as age, Grade Point Average (GPA), number of Credits Earned (CE), participation in TOEFL tests, seminar activities, and participation in internships. Data from 80 students in the computer engineering and information systems programs at STIKOM Cipta Karya Informatika were analyzed to train and test the model. The results show that the KNN model with K=3, K=4, and K=5 produces a prediction accuracy of 66,67%. GPA and the number of credits earned significantly influence graduation, while participation in internships and TOEFL tests also contribute. Seminar certificates and age have a lower impact. These findings indicate that the KNN algorithm is effective for predicting student graduation, providing insights for educational institutions to enhance academic programs and student development.]]>
