cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Ramalia Noratama Putri
Contact Email
ramalia.noratamaputri@lecturer.pelitaindonesia.ac.id
Phone
-
Journal Mail Official
joisie@pelitaindonesia.ac.id
Editorial Address
-
Location
Kota pekanbaru,
Riau
INDONESIA
JOISIE (Journal Of Information Systems And Informatics Engineering)
Published by Sekolah Tinggi Ilmu Komputer Pelita Indonesia
ISSN : 25035304     EISSN : 25273116     DOI : -
Core Subject : Science,
Computer Science & IT
JURNAL JOISIE (Journal of Information System And Informatics Engineering) adalah sebuah jurnal publikasi hasil penelitian dalam bidang sistem informasi dan informatika. Jurnal JOISIE terbit secara berkala tiga kali dalam setahun yaitu bulan April, Juni, dan November.
Arjuna Subject : -
Articles 216 Documents
 18   19   20   21   22 
PREDIKSI KEBUTUHAN STOK BARANG MENGGUNAKAN ALGORITMA RANDOM FOREST UNTUK MENINGKATKAN EFISIENSI PENJUALAN Sari, Apriliana; Arifin, Muhammad; Darmanto, Eko
JOISIE (Journal Of Information Systems And Informatics Engineering) Vol 9 No 2 (2025)
Publisher : Institut Bisnis dan Teknologi Pelita Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35145/joisie.v9i2.5154

Abstract

Pengelolaan stok yang tidak optimal pada toko ritel dapat menyebabkan kerugian, baik akibat kekosongan barang saat permintaan tinggi maupun penumpukan barang yang tidak laku. Toko Sumini, sebagai toko grosir dan eceran di Desa Bacin, Kudus, masih mengelola persediaan secara manual, sehingga rentan terhadap kesalahan pencatatan dan pengambilan keputusan yang tidak berbasis data historis. Penelitian ini bertujuan untuk memprediksi kebutuhan stok barang menggunakan algoritma Random Forest berdasarkan data penjualan sebelumnya guna meningkatkan efisiensi pengelolaan stok dan mendukung peningkatan penjualan. Proses penelitian dilakukan pada platform Google Colaboratory melalui tahapan pengumpulan data, preprocessing, pelatihan model, dan evaluasi performa menggunakan metrik Root Mean Squared Error (RMSE), Mean Absolute Percentage Error (MAPE), dan koefisien determinasi (R²). Hasil evaluasi menunjukkan bahwa model memiliki performa sangat baik, dengan nilai RMSE sebesar 8.36 pada data latih dan 10.53 pada data uji, MAPE masing-masing sebesar 2.68% dan 7.50%, serta R² mencapai 99.00% (latih) dan 98.15% (uji). Model ini terbukti mampu memberikan prediksi yang akurat dalam mengelompokkan kebutuhan stok barang, sehingga dapat digunakan sebagai dasar pengambilan keputusan pemesanan ulang yang lebih tepat waktu dan sesuai permintaan aktual serta diharapkan dapat membantu Toko Sumini mengurangi risiko kekurangan atau kelebihan stok, meningkatkan kepuasan pelanggan, dan menunjang pertumbuhan penjualan yang lebih konsisten.
EVALUASI KINERJA K-MEDOIDS CLUSTERING MODEL UNTUK KLASTERISASI DAERAH PRODUKTIVITAS PANEN PADI DI KABUPATEN BIREUEN Nisa, Hayatun; Daud, Muhammad; Retno, Sujacka
JOISIE (Journal Of Information Systems And Informatics Engineering) Vol 9 No 2 (2025)
Publisher : Institut Bisnis dan Teknologi Pelita Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35145/joisie.v9i2.4965

Abstract

Produktivitas padi merupakan indikator penting dalam memantau dan meningkatkan produksi padi di suatu wilayah. Di Kabupaten Bireuen, Aceh, alokasi pupuk subsidi yang tidak merata menjadi kendala dalam optimalisasi produktivitas padi. Penelitian ini bertujuan untuk mengklaster daerah prioritas dan non-prioritas produktivitas panen padi di Kabupaten Bireuen menggunakan algoritma K-Medoids dan Purity K-Medoids. Data yang digunakan adalah data historis pertanian padi tahun 2012–2023 sebanyak 204 record, yang diperoleh dari Badan Pusat Statistik Kabupaten Bireuen dan Dinas Pertanian dan Perkebunan Kabupaten Bireuen, dengan variabel seperti jumlah desa, luas tanam, luas panen, produktivitas, jumlah produksi, dan persentase luas tanam. Proses klasterisasi dievaluasi menggunakan Davies Bouldin Index (DBI). Hasil penelitian menunjukkan bahwa Purity K-Medoids menghasilkan nilai rata-rata DBI sebesar 0,786911, lebih rendah dibandingkan K-Medoids yang sebesar 0,907856, menandakan validitas klaster yang lebih baik. Berdasarkan hasil klasterisasi, Kecamatan Peusangan paling sering muncul sebagai daerah prioritas, yaitu pada tahun 2013, 2015, 2016, 2018, 2019, 2020, 2022, dan 2023. Temuan ini diharapkan dapat menjadi pertimbangan dalam kebijakan alokasi sumber daya pertanian di Kabupaten Bireuen.
OPTIMASI ALGORITMA XGBOOST UNTUK KLASIFIKASI STATUS GIZI BALITA BB/TB MENGGUNAKAN GRIDSEARCHCV Oktaviani, Avi; Rahmat, Basuki; Kartini, Kartini
JOISIE (Journal Of Information Systems And Informatics Engineering) Vol 9 No 2 (2025)
Publisher : Institut Bisnis dan Teknologi Pelita Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35145/joisie.v9i2.5601

Abstract

Masalah gizi tetap menjadi perhatian utama kesehatan masyarakat di banyak negara, termasuk Indonesia. Studi ini merancang dan mengevaluasi sistem klasifikasi otomatis untuk status gizi balita berdasarkan indikator berat badan terhadap tinggi badan menggunakan algoritma XGBoost. Dataset terdiri dari 1.763 anak Indonesia berusia 24–60 bulan, dengan status gizi dikategorikan menjadi enam kelas (gizi baik, risiko gizi lebih, gizi kurang, gizi buruk, gizi lebih, obesitas). Variabel prediktor meliputi jenis kelamin, usia dalam bulan, berat badan, tinggi badan, dan skor Z berat badan terhadap tinggi badan. Praproses meliputi pembersihan data, penghapusan duplikat, pengkodean label, standardisasi, dan pembagian data latih-uji 80:20. Model XGBoost dasar dibandingkan dengan model yang disetel menggunakan GridSearch dengan validasi silang 3-fold dan 10-fold. Kinerja dievaluasi menggunakan akurasi, presisi makro, recall makro, skor F1 makro, dan log loss. Model terbaik, XGBoost dengan GridSearch 10-fold, mencapai akurasi 0,8689, skor F1 0,8149, dan log loss 0,3395, lebih baik daripada log loss dasar sebesar 0,4190. Temuan ini menunjukkan bahwa penyetelan hyperparameter XGBoost dengan GridSearch menghasilkan prediksi probabilistik yang terkalibrasi dengan baik dan merupakan alat pendukung keputusan yang menjanjikan untuk deteksi dini kekurangan gizi dan obesitas pada balita di fasilitas perawatan kesehatan primer.
ANALISIS SENTIMEN DAN TOPIK KEKERASAN SEKSUAL PEREMPUAN DI X 2022-2025 BERBASIS NAÏVE BAYES-LDA Siregar, Ira Anggraini; Syifa Nurul Haq, Fesa Asy
JOISIE (Journal Of Information Systems And Informatics Engineering) Vol 9 No 2 (2025)
Publisher : Institut Bisnis dan Teknologi Pelita Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35145/joisie.v9i2.5228

Abstract

Kekerasan seksual terhadap perempuan masih menjadi isu sosial yang mendapat perhatian serius di Indonesia. Dalam beberapa tahun terakhir, X menjadi salah satu platform tempat masyarakat menyampaikan opini, berbagi pengalaman, dan berdiskusi mengenai isu ini. Penelitian ini bertujuan menganalisis sentimen publik serta mengidentifikasi topik utama dalam percakapan terkait kekerasan seksual terhadap perempuan di Indonesia selama periode 2020 hingga 2025. Sebanyak 12.760 tweet dikumpulkan melalui proses crawling dan diproses menggunakan teknik pra-pemrosesan teks. Analisis sentimen dilakukan dengan algoritma Naïve Bayes, sedangkan ekstraksi topik menggunakan metode Latent Dirichlet Allocation (LDA). Hasil menunjukkan bahwa sentimen negatif mendominasi dengan proporsi 75,8%, disusul sentimen positif sebesar 15,9% dan sentimen netral sebesar 8,3%. LDA menghasilkan lima topik utama yang mencerminkan reaksi publik, isu hukum, pengalaman pribadi, serta berbagai bentuk kekerasan yang dibahas warganet. Temuan ini memberikan gambaran mengenai persepsi publik dan dapat menjadi dasar dalam penyusunan kebijakan yang lebih responsif terhadap perlindungan perempuan.
Penerapan Analisis Sentimen Berita Keuangan dari IDX Channel dan Long Short-Term Memory (LSTM) dalam Prediksi Perubahan Harga Saham pada Perusahaan XYZ Fathoni, Fathoni; Aulia, Cantika; Acta, Muhammad Fakhri Nadrota; Saputra, Eka; Rahman, Muhammad Fadhil; Ibrahim, Ali
JOISIE (Journal Of Information Systems And Informatics Engineering) Vol 9 No 2 (2025)
Publisher : Institut Bisnis dan Teknologi Pelita Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35145/joisie.v9i2.5009

Abstract

Investasi saham semakin diminati, namun fluktuasi harga yang tinggi membuat prediksi menjadi tantangan. Harga saham dipengaruhi oleh banyak hal, seperti berita keuangan yang menunjukkan sentimen pasar. Namun, banyak model prediksi bergantung pada data sebelumnya tanpa memperhitungkan pendapat media. Penelitian ini bertujuan untuk memprediksi perubahan harga saham perusahaan XYZ dengan menggabungkan model Long Short-Term Memory (LSTM) dan analisis sentimen terhadap berita keuangan dari IDX Channel. Data historis harga saham diambil dari Yahoo Finance, sedangkan data sentimen diperoleh melalui klasifikasi opini berita berbasis model IndoBERT. Data kemudian diproses menggunakan pendekatan normalisasi Min-Max Scaling dan dibentuk dalam format time series menggunakan teknik window sliding dengan time step sebesar 30. Hasil penelitian menunjukkan bahwa model LSTM mampu memprediksi harga saham dengan nilai RMSE sebesar 35,92 dan korelasi positif lemah antara sentimen dan harga saham sebesar 0,27. Prediksi harga satu hari ke depan yang dihasilkan model menunjukkan nilai Rp 4.097,00. Visualisasi residual menunjukkan sebaran kesalahan yang stabil di sekitar nol, menunjukkan generalisasi model yang cukup baik.
Analisis Sentimen Komentar YouTube terhadap Rumor Peluncuran iPhone 17 Menggunakan Web Scraping dan Studi Komparatif Algoritma Klasifikasi Modami, Nickel; Manopo, Ephraim Eleazar Reva; Enditama, Danendra Rafi; Ayunda, Afifah Trista
JOISIE (Journal Of Information Systems And Informatics Engineering) Vol 9 No 2 (2025)
Publisher : Institut Bisnis dan Teknologi Pelita Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35145/joisie.v9i2.5684

Abstract

Peluncuran produk teknologi seperti iPhone senantiasa memicu diskusi masif yang merefleksikan persepsi publik terhadap inovasi. Penelitian ini bertujuan untuk menganalisis sentimen masyarakat Indonesia terhadap rumor peluncuran iPhone 17 memanfaatkan data media sosial. Sebanyak 1.077 komentar YouTube diproses menggunakan pendekatan Text Mining dan pembobotan TF-IDF untuk diklasifikasikan menggunakan algoritma Naive Bayes, Random Forest, dan K-Nearest Neighbor (KNN). Hasil analisis menunjukkan sentimen positif mendominasi sebesar 43% yang didorong antusiasme fitur kamera, diikuti sentimen negatif sebesar 38,8% yang menyoroti isu harga dan desain. Evaluasi model menunjukkan Random Forest sebagai algoritma terbaik dengan akurasi uji 69,2% dan validasi silang 65,68%, mengungguli algoritma lainnya. Penelitian ini memberikan kontribusi dalam memetakan persepsi pasar Indonesia, menyimpulkan bahwa meskipun loyalitas merek Apple kuat, faktor harga dan inovasi fungsional menjadi penentu utama penerimaan produk.

Page 22 of 22 | Total Record : 216

 18   19   20   21   22 

Filter by Year

2017 2025


Reset
Filter By Issues
All Issue Vol 9 No 2 (2025) Vol 9 No 1 (2025) Vol 8 No 2 (2024) Vol 8 No 1 (2024) Vol 7 No 2 (2023) Vol 7 No 1 (2023) Vol 6 No 2 (2022) Vol 6 No 1 (2022) Vol 5 No 2 (2021) Vol 5 No 1 (2021) Vol 4 No 2 (2020) Vol 4 No 1 (2020) Vol 3 No 2 (2019) Vol 3 No 1 (2019) Vol 2 No 2 (2018) Vol 2 No 1 (2018) Vol 1 No 2 (2017) Vol 1 No 1 (2017) More Issue