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 226 Documents
 19   20   21   22   23 
PREDIKSI KEBUTUHAN STOK BARANG MENGGUNAKAN ALGORITMA RANDOM FOREST UNTUK MENINGKATKAN EFISIENSI PENJUALAN Apriliana Sari; Muhammad Arifin; Eko Darmanto
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 Hayatun Nisa; Muhammad Daud; Sujacka Retno
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 Avi Oktaviani; Basuki Rahmat; 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 Ira Anggraini Siregar; Fesa Asy Syifa Nurul Haq
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; Cantika Aulia; Muhammad Fakhri Nadrota Acta; Eka Saputra; Muhammad Fadhil Rahman; Ali Ibrahim
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 Nickel Modami; Ephraim Eleazar Reva Manopo; Danendra Rafi Enditama; Afifah Trista Ayunda
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.
ANALISIS EMPIRIS BIG DATA ANALYTICS BERBASIS POWER BI TERHADAP KAPABILITAS DINAMIS UKM RITEL INDONESIA Felicia Diana Rose; Eryc Eryc; Syaeful Anas Aklani
JOISIE (Journal Of Information Systems And Informatics Engineering) Vol. 10 No. 1 (2026)
Publisher : Institut Bisnis dan Teknologi Pelita Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35145/joisie.v10i1.5330

Abstract

Perkembangan teknologi digital telah menghasilkan lonjakan big data yang menuntut kemampuan analisis lebih maju. Namun, di negara berkembang seperti Indonesia, tingkat adopsi Big Data Analytics (BDA) di kalangan Usaha Kecil dan Menengah (UKM) ritel masih rendah, sehingga menciptakan gap empiris terkait bagaimana keterbatasan sumber daya memengaruhi pemanfaatan teknologi analitik. Penelitian ini bertujuan menguji pengaruh BDA berbasis Power BI terhadap penguatan kapabilitas dinamis UKM ritel Indonesia. Pendekatan kuantitatif digunakan melalui survei berskala Likert kepada 100 pemilik atau pengelola UKM yang telah menggunakan Power BI. Data dianalisis menggunakan regresi linear berganda untuk mengevaluasi pengaruh parsial maupun simultan antara variabel penelitian. Hasil penelitian menunjukkan bahwa BDA, Power BI, dan efisiensi operasional berpengaruh positif dan signifikan terhadap kapabilitas dinamis, dengan nilai Adjusted R² sebesar 0,526. Efisiensi operasional merupakan faktor paling dominan dalam memperkuat kemampuan adaptasi dan respons terhadap perubahan pasar. Temuan ini memperkaya literatur mengenai kapabilitas dinamis pada UKM di negara berkembang serta memberikan implikasi praktis bahwa investasi pada teknologi analitik dan optimalisasi proses operasional dapat membantu UKM meningkatkan daya saing secara berkelanjutan.
ARDUINO UNO-BASED TODDLER STUNTING DETECTION TOOL USING A MOBILE APPLICATION Sri Restu Ningsih; Ade Irma Suryani; M. Tasnim; Elizamiharti Elizamiharti; Sotar Sotar; Erdisna Erdisna
JOISIE (Journal Of Information Systems And Informatics Engineering) Vol. 10 No. 1 (2026)
Publisher : Institut Bisnis dan Teknologi Pelita Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35145/joisie.v10i1.5671

Abstract

The high prevalence of stunting in West Sumatra Province, especially in Padang City, is currently a serious problem. According to the Padang City Health Office, there were 1,569 children detected with stunting in 2024. The current problem is that stunting examinations are still carried out manually at health centers, and there is no system that can detect stunting quickly and accurately. This problem became the focus of researchers in innovating the design of a stunting detection application for toddlers. The purpose of this study is to design and build a stunting detection application for toddlers based on Arduino Uno using a mobile application, so that stunting in toddlers can be detected quickly, accurately, and validly. The system development method used is the Research and Development (R&D) method with a 4-D model approach (Define, Design, Development, and Disseminate), which is a research and development method used to produce a product in the form of a model that requires various tests for product effectiveness. The result of this study is a technological innovation in the form of a stunting detection tool and system that can automatically detect stunting in toddlers validly and accurately using a mobile application. This system can predict stunting status with high levels of accuracy, precision, and recall.
DETEKSI FRAMEWORK HYBRID INTRUSION DETECTION SYSTEM (IDS) DUA TAHAP BERBASIS DECISION TREE DAN ENSEMBLE LEARNING UNTUK EFISIENSI KOMPUTASI Nanang Susanto; Hendra Arya; Anggi Alfin
JOISIE (Journal Of Information Systems And Informatics Engineering) Vol. 10 No. 1 (2026)
Publisher : Institut Bisnis dan Teknologi Pelita Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35145/joisie.v10i1.5873

Abstract

Penelitian ini mengusulkan framework deteksi serangan siber hybrid dengan menggabungkan rule based filtering dan machine learning dalam proses dua tahap. Pada tahap pertama, algoritma Decision Tree digunakan untuk ekstraksi aturan yang dapat diinterpretasikan, diikuti oleh klasifikasi menggunakan algoritma ensemble, yaitu Random Forest, XGBoost, dan LightGBM. Framework dievaluasi menggunakan dataset UNSW-NB15, yang terdiri dari 2.540.044 data normal dan serangan dari sembilan tipe serangan. Filtering berbasis aturan menghapus 23% data non-serangan, sehingga 77% data tersisa untuk klasifikasi. Efisiensi komputasi diukur dengan membandingkan waktu eksekusi dan penggunaan CPU dengan dan tanpa filtering. Dengan filtering, program berjalan selama 9 menit dengan penggunaan CPU maksimum 0–303%, menghasilkan pengurangan waktu pemrosesan sebesar 24% dibandingkan tanpa filtering. Hasil penelitian menunjukkan XGBoost memberikan performa terbaik dengan akurasi 96,1%, recall 95,0%, dan F1-score 95,2%. Framework juga mengoptimalkan recall untuk meminimalkan false negative, dan meningkatkan recall dan mencapai 97.0% pada model XGBoost. Validasi statistik menggunakan uji Wilcoxon menunjukkan peningkatan performa signifikan (p < 0,05). Framework hybrid ini tidak hanya meningkatkan akurasi dan efisiensi, tetapi juga memberikan sistem deteksi yang interpretatif dan transparan, sehingga cocok untuk implementasi Intrusion Detection System (IDS) real-time.
ESTIMASI BERAT DAN VOLUME SERTA IDENTIFIKASI KEMATANGAN BUAH PINANG BERBASIS PENGOLAHAN CITRA DIGITAL Diana Daulay; Anna Anggraini; Igef Rasinta; Rido Saputra; Fatkhul Rohman; Melvi Viyona; Latifa Aini
JOISIE (Journal Of Information Systems And Informatics Engineering) Vol. 10 No. 1 (2026)
Publisher : Institut Bisnis dan Teknologi Pelita Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35145/joisie.v10i1.5950

Abstract

Penelitian ini mengembangkan sistem pengolahan citra digital untuk mengestimasi berat dan volume serta mengidentifikasi tingkat kematangan buah pinang (Areca catechu L.) sebagai metode evaluasi pascapanen yang objektif, cepat, dan tidak merusak. Sebanyak 180 sampel buah pinang (90 buah mentah dan 90 buah matang) diperoleh menggunakan kamera DSLR dengan latar belakang putih dan diproses menggunakan MATLAB. Tahapan pengolahan citra meliputi konversi RGB ke skala keabuan, peningkatan kontras, deteksi tepi Sobel, operasi morfologi, serta ekstraksi fitur. Karakteristik geometris digunakan untuk pemodelan estimasi berat dan volume, sedangkan parameter warna CIELAB digunakan untuk menentukan tingkat kematangan buah. Buah matang menunjukkan nilai L* (40,18 ± 5,07) dan b* (43,28 ± 7,26) yang lebih tinggi dibandingkan buah mentah (32,45 ± 2,15 dan 25,16 ± 1,47). Buah mentah memiliki nilai a* yang lebih rendah (-6,12 ± 0,57), yang menunjukkan dominasi warna hijau yang lebih kuat. Model estimasi berat menghasilkan tingkat akurasi yang tinggi, yaitu mencapai 98,70% pada buah mentah dan 98,55% pada buah matang. Estimasi volume juga menunjukkan performa yang baik dengan akurasi 99,11% pada buah mentah dan 96,66% pada buah matang. Integrasi fitur warna dan geometris memungkinkan proses estimasi sifat fisik serta klasifikasi kematangan dilakukan secara bersamaan dengan tingkat akurasi yang tinggi, sehingga dapat menjadi solusi pendukung untuk otomatisasi proses pascapanen buah pinang.

Page 22 of 23 | Total Record : 226

 19   20   21   22   23 

Filter by Year

2017 2026


Reset
Filter By Issues
All Issue Vol. 10 No. 2 (2026) Vol. 10 No. 1 (2026) 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