cover
Contact Name
Verdi Yasin
Contact Email
verdiyasin@jayakarta.ac.id
Phone
-
Journal Mail Official
jisicom@stmikjayakarta.ac.id
Editorial Address
-
Location
Kota adm. jakarta pusat,
Dki jakarta
INDONESIA
JISICOM (Journal of Information System, Infomatics and Computing)
ISSN : 25795201     EISSN : 25973673     DOI : -
Core Subject : Science,
JISICOM (Journal of Information System, Informatics and Computing) , ini, diterbitkan oleh Program Studi Teknik Informatika, Sistem Informasi dan Lembaga Pengembangan, Penelitian dan Pengabdian Masyarakat, Sekolah Tinggi Manajemen Informatika dan Komputer Jayakarta.
Arjuna Subject : -
Articles 283 Documents
Evaluasi Kinerja Marketing Menggunakan Metode Simple Additive Weighting (SAW) Berbasis WEB pada PT. XYZ Group Lubis, Hendarman; Fitriyani, Aida; Hendharsetiawan, Andy Achmad
Journal of Information System, Informatics and Computing Vol 8 No 2 (2024): JISICOM (July-December 2024)
Publisher : Sekolah Tinggi Manajemen Informatika dan Komputer Jayakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52362/jisicom.v8i2.1660

Abstract

XYZ Group is an independent property consulting company that provides services ranging from consulting services to running an effective, efficient and professional sales system with a mission in the field of housing sales. The core problem that exists is that the employee assessment process is still conventional so it takes a long time and there is no system and application that supports the employee assessment process. The methodology used in this research is: Observation Methodology, Interview Methodology, Literature Methodology. The software development used is the RAD method, in this method there are three stages, namely: Requirements Planning, RAD design workshop, Implementation. In designing the decision support system at PT.XYZ Group using the Rapid Application Development (RAD) method. After the system has been analyzed and designed in detail, the next stage that will be carried out is the system implementation stage in the form of implementing a decision support system at PT.XYZ Group which is ready to be used. The aim of the system design concept that has been prepared is so that if an error occurs in the system it can be corrected again. This Decision Support System can make it easier for the company to determine the best marketing person who will fill the position being promoted. The Decision Support System is able to provide alternatives in determining the best marketing using the Simple Additive Weighting (SAW) method. The output from this Decision Support System can sort employee rankings from highest to lowest, as well as print reports on the best marketing results.
ANALISIS ALGORITMA K-MEANS CLUSTERING DALAM PENGELOMPOKAN DAERAH PENYEBARAN PENYAKIT DEMAM BERDARAH DENGUE Khusaeri, Ahmad
Journal of Information System, Informatics and Computing Vol 8 No 2 (2024): JISICOM (July-December 2024)
Publisher : Sekolah Tinggi Manajemen Informatika dan Komputer Jayakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52362/jisicom.v8i2.1795

Abstract

Demam Berdarah Dengue merupakan jenis penyakit menular yang disebabkan oleh virus dengue dan disebarluaskan oleh spesies nyamuk Aedes aegypti. Demam Berdarah Dengue dapat mengakibatkan suhu tubuh penderita menjadi sangat tinggi dan pada umumnya disertai demam tinggi, mual/muntah, sakit kepala, mimisan, nyeri pada otot serta persendian, bahkan dapat menyebabkan kematian. Objek penelitian ini adalah algoritma K-Means Clustering dengan tempat penelitian di Kabupaten Karawang. Data yang telah diperoleh dari Dinas Kesehatan Kabupaten Karawang. Metodologi penelitian yang digunakan adalah metode CRISP-DM (Cross Industry Standard Process for Data mining), yang terdiri dari 6 fase yaitu pemahaman bisnis (business understanding), pemahaman data (data understanding), pengolahan data (data preparation), pemodelan (modeling), penyebaran (deployment), evaluasi (evaluation). Hasil yang didapat untuk ukuran cluster (k) = 8, 9 dan 10, nilai total SSE-nya relatif sama. Untuk k yang lain diperoleh nilai total SSE yang berbeda. Hal ini berpengaruh pada jumlah iterasi dari algoritma K-Means. Jumlah iterasi pada algoritma K-Means tidak terlalu berpengaruh terhadap waktu eksekusi karena algoritma K-Means memiliki kompleksitas linear terhadap ukuran obyek data. Dari nilai K-2 sampai 10 yang memiliki nilai SSE terkecil adalah terdapat pada nilai K = 10 sebesar 151,48. Selain itu, nilai SSE dari setiap K, memiliki nilai SSE yang semakin menurun dari setiap K. Jumlah iterasi terkecil terdapat pada nilai K = 2 dengan jumlah iterasi sebesar 7. Sedangkan jumlah iterasi terbesar terdapat pada nilai K = 7 dengan jumlah iterasi sebesar 36.
SISTEM PAKAR DETEKSI DAN PENANGANAN PENYAKIT PADA TANAMAN ADENIUM BERBASIS FORWARD CHAINING Amelia, Angelina Adinda; Suryadi, Ahmad
Journal of Information System, Informatics and Computing Vol 9 No 1 (2025): JISICOM (June 2025)
Publisher : Sekolah Tinggi Manajemen Informatika dan Komputer Jayakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52362/jisicom.v9i1.1924

Abstract

Adenium (Adenium obesum), dikenal sebagai “mawar padang pasir”, merupakan tanaman hias yang banyak diminati karena bentuk batangnya yang unik dan bunga yang menarik. Namun, tanaman ini rentan terhadap berbagai penyakit seperti busuk akar, bercak daun, dan serangan kutu putih, yang dapat menurunkan nilai estetika dan menyebabkan kematian tanaman. Penelitian ini bertujuan untuk merancang dan mengimplementasikan sistem pakar berbasis metode forward chaining guna membantu pengguna dalam mendeteksi jenis penyakit Adenium secara cepat dan akurat berdasarkan gejala yang diamati. Sistem dikembangkan dengan basis pengetahuan berupa aturan IF-THEN dan diuji menggunakan beberapa kasus nyata di lapangan. Hasil pengujian menunjukkan tingkat akurasi deteksi mencapai 90%, dengan diagnosis dan rekomendasi penanganan yang sesuai dengan analisis pakar. Sistem ini dinilai efektif, mudah digunakan, dan berpotensi untuk dikembangkan lebih lanjut dengan integrasi teknologi IoT dan pembelajaran mesin.
IMPLEMENTASI SISTEM CERDAS BERBASIS JAVASCRIPT UNTUK E-COMMERCE Ananda, Kevin
Journal of Information System, Informatics and Computing Vol 9 No 1 (2025): JISICOM (June 2025)
Publisher : Sekolah Tinggi Manajemen Informatika dan Komputer Jayakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52362/jisicom.v9i1.1729

Abstract

This article explores the implementation of an intelligent system based on JavaScript in e-commerce platforms to enhance user experience. JavaScript, as a dominant and dynamic programming language in web development, enables the implementation of innovative features such as data-driven product recommendations, interactive chatbots, and efficient shopping cart management. A case study was conducted on the development of an e-commerce prototype using React.js for the user interface, Node.js for server-side management, and MongoDB as the database. This research adopted a quantitative approach, where data were collected from system performance measurements, including response time, recommendation accuracy, and user satisfaction levels. Performance analysis showed that the system provided fast response times and high accuracy, making it an optimal solution for modern e-commerce. This article also discusses the technical challenges faced and potential further developments.
PERANCANGAN APLIKASI TRENDY STORE DALAM PEMBELIAN PRODUK PAKAIAN REMAJA Nurfiyah, Nurfiyah; Salkiawati, Ratna; Lubis, Hendarman
Journal of Information System, Informatics and Computing Vol 9 No 1 (2025): JISICOM (June 2025)
Publisher : Sekolah Tinggi Manajemen Informatika dan Komputer Jayakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52362/jisicom.v9i1.1951

Abstract

Perkembangan teknologi informasi telah mendorong pertumbuhan sistem perdagangan elektronik (e-commerce), khususnya dalam industri fashion yang sangat diminati oleh kalangan remaja. Namun, masih terdapat kekurangan dalam penyediaan platform belanja yang secara khusus menyesuaikan preferensi dan gaya hidup digital remaja. Penelitian ini bertujuan untuk merancang aplikasi Trendy Store sebagai solusi e-commerce berbasis web yang menyediakan produk pakaian remaja dengan antarmuka menarik dan fungsionalitas yang sesuai kebutuhan pengguna muda. Proses pengembangan dilakukan menggunakan metode Software Development Life Cycle (SDLC) model Waterfall, dengan tahapan mulai dari analisis kebutuhan, perancangan, implementasi, hingga pengujian. Aplikasi dikembangkan menggunakan HTML, CSS, JavaScript, Bootstrap, dan Alpine.js serta dihosting melalui GitHub Pages. Hasil perancangan menunjukkan bahwa Trendy Store mampu menyediakan fitur-fitur seperti katalog produk, pencarian, keranjang belanja, dan metode pembayaran digital yang responsif dan mudah digunakan. Aplikasi ini diharapkan dapat memberikan pengalaman belanja yang efisien dan menyenangkan bagi remaja, serta mendukung pelaku usaha fashion dalam menjangkau pasar digital secara lebih luas
PERAN AI DALAM KEHIDUPAN MODERN: STUDI KASUS DI PENDIDIKAN, RUMAH TANGGA, DAN DUNIA KERJA Nurkholis, Muhammad; Wardhani, Dyah Febria
Journal of Information System, Informatics and Computing Vol 9 No 1 (2025): JISICOM (June 2025)
Publisher : Sekolah Tinggi Manajemen Informatika dan Komputer Jayakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52362/jisicom.v9i1.1907

Abstract

Artificial Intelligence (AI) has become an integral part of daily life, including in the fields of education, household management, and the workplace. This study aims to analyze the role of AI in enhancing the efficiency and effectiveness of human activities within the contexts of education, household management, and employment, as well as to identify the challenges associated with its implementation. The methodology used in this research includes literature review and interviews with individuals who have direct experience in utilizing AI in education, household, and professional settings. The results show that AI supports the learning process by providing broader access to educational materials and personalizing learning methods. In households, AI contributes to the automation of domestic tasks and financial management, while in the workplace, AI enhances operational efficiency and enables automation of various administrative tasks. However, several challenges emerge, including limited digital literacy, concerns over workforce reduction, and ethical issues related to the use of personal data. In conclusion, AI plays a significant role in improving human quality of life across various aspects, but appropriate regulations and policies are needed to ensure that its utilization brings maximum benefit to society.
KLASIFIKASI CITRA TUMOR OTAK MENGGUNAKAN TEKNIK TRANSFER LEARNING PADA ARSITEKTUR RESNET-50 Salsabila, Yusrina Ilmi; Mustofa, Hery; Ulinuha, Masy Ari
Journal of Information System, Informatics and Computing Vol 9 No 1 (2025): JISICOM (June 2025)
Publisher : Sekolah Tinggi Manajemen Informatika dan Komputer Jayakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52362/jisicom.v9i1.1925

Abstract

Penelitian ini bertujuan untuk mengimplementasikan dan mengevaluasi performa model deep learning Convolutional Neural Network (CNN) berbasis arsitektur ResNet-50 dalam klasifikasi citra Magnetic Resonance Imaging (MRI) tiga jenis tumor otak: glioma, meningioma, dan pituitary. Pendekatan transfer learning digunakan dengan dua skenario fine-tuning, yaitu pembekuan 30 layer pertama dan pembekuan 15 layer pertama. Dataset terdiri dari 3.064 citra MRI yang dibagi ke dalam data latih dan uji dengan rasio 80:20. Citra diproses melalui tahapan resizing, normalisasi, dan augmentasi untuk meningkatkan variasi data. Model dievaluasi menggunakan metrik akurasi, precision, recall, F1-score, confusion matrix, dan ROC-AUC. Hasil menunjukkan bahwa model dengan freeze 15 layer memberikan akurasi lebih tinggi sebesar 91,86% dibandingkan freeze 30 layer sebesar 90,88%. Namun, model dengan freeze 30 layer menunjukkan kestabilan dan generalisasi yang lebih baik terhadap data uji, terutama dalam mendeteksi meningioma. Temuan ini menunjukkan bahwa ResNet-50 efektif dalam klasifikasi tumor otak berbasis MRI, dan fine-tuning yang tepat berpengaruh terhadap performa akhir model.This study aims to implement and evaluate the performance of a deep learning Convolutional Neural Network (CNN) model based on the ResNet-50 architecture for classifying Magnetic Resonance Imaging (MRI) brain tumor images into three types: glioma, meningioma, and pituitary. A transfer learning approach was applied using two fine-tuning scenarios: freezing the first 30 layers and freezing the first 15 layers. The dataset consisted of 3,064 MRI images, split into training and testing data at an 80:20 ratio. Images were processed through resizing, normalization, and augmentation to enhance data diversity. The model was evaluated using accuracy, precision, recall, F1-score, confusion matrix, and ROC-AUC metrics. Results showed that the 15-layer freeze model achieved a higher accuracy of 91.86% compared to the 30-layer freeze model at 90.88%. However, the 30-layer freeze model demonstrated better stability and generalization on the test data, particularly in detecting meningioma. These findings indicate that ResNet-50 is effective for MRI-based brain tumor classification, and proper fine-tuning significantly influences model performance.
PENERAPAN HADOOP DALAM ANALISIS SENTIMEN ULASAN PENGGUNA DI PLATFROM ECCOMERCE Kasim, Nurdian; Ardini, Ni Luh Ica; Muharramah, Alfi Zahrah; Hikma, Hikma; Al Qadri, Muhammad Vannes; Rosalina, Rosalina; Asriyani, Wa Ode; Eviriawan, Eviriawan; Sajiah, Adha Mashur
Journal of Information System, Informatics and Computing Vol 9 No 1 (2025): JISICOM (June 2025)
Publisher : Sekolah Tinggi Manajemen Informatika dan Komputer Jayakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52362/jisicom.v9i1.1784

Abstract

Studi ini menyelidiki penggunaan teknologi Hadoop dan algoritma Naive Bayes untuk menganalisis sentimen ulasan pengguna di platform e-commerce. Data yang digunakan berasal dari 391.500 ulasan dari aplikasi Shopee yang dikumpulkan melalui scraping Google Play Store. Implementasi model klasifikasi sentimen, pengumpulan data melalui web scraping, dan pra-pemrosesan data menggunakan PySpark adalah metodologi penelitian. Hasil penelitian menunjukkan bahwa model Naive Bayes dapat mengklasifikasikan perasaan pengguna dengan akurasi 87%. Menurut analisis word cloud, elemen seperti gratis ongkir dan kemudahan penggunaan menjadi pendorong utama sentimen positif. Sementara itu, sentimen negatif didominasi oleh masalah teknis aplikasi dan layanan pelanggan. Penelitian ini menunjukkan bahwa penggunaan Hadoop dan Naive Bayes dalam analisis data ulasan berskala besar saat mengembangkan platform e-commerce adalah efektif.
K- NEAREST NEIGHBOR REGRESSION UNTUK PREDIKSI PENJUALAN DONUT Salkiawati, Ratna; Nurfiyah, Nurfiyah; Lubis, Hendarman Lubis; El Ghozy, Ilham Nur
Journal of Information System, Informatics and Computing Vol 9 No 1 (2025): JISICOM (June 2025)
Publisher : Sekolah Tinggi Manajemen Informatika dan Komputer Jayakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52362/jisicom.v9i1.1964

Abstract

Toko Donut “X” merupakan sebuah toko yang memproduksi variasi roti dan kue dengan menggunakan bahan pilihan terbaik tanpa menggunakan pengawet. Permasalahan yang terjadi toko tersebut adalah kesulitan untuk memprediksi permintaan konsumen dan juga belum bisa memprediksi penjualan di masa yang akan datang. Agar mempermudah pihak pengusaha dalam merencanakan penjualan serta penjadwalan produksi. Maka dilakukan prediksi penjualan produk menggunakan teknik K-Nearest Neighbor Regression. Metode yang diterapkan dalam penelitian ini adalah Knowledge Discovery in Database (KDD). Metode yang diterapkan melewati 5 tahap yaitu; Data Selection, Preprocessing, Transformation, Data Mining, Interpretation/Evaluation. Hasil pada penelitian ini menunjukan prediksi penjualan terlaris pada produk Blackforest di bulan Juni dengan k = 12 RMSE = 0.41876, Brownies di bulan Januari dengan k = 4 RMSE = 0.46398, Coklat di bulan Februari dengan k = 9 RMSE = 0.4827, Donat di bulan Juli dengan k = 14 RMSE = 0.47980, Tart di bulan Juli dengan k = 12 RMSE = 0.47381, Triple Disert Box di bulan November dengan k = 13 RMSE = 0.49336. Sesuai dengan pedoman RMSE dapat disimpulkan bahwa seluruh model yang diuji memiliki tingkat kesalahan sedang dalam range 0,30 – 0,599.
IMPLEMENTASI MACHINE LEARNING MENGGUNAKAN ALGORITMA LINEAR REGRESSION UNTUK MEMPREDIKSI HARGA SAHAM PT. TELKOM INDONESIA TBK Daruyani, Sepitri; Purbiyanti, Orita Dwi; Irawaty, Irawaty; Hardeva, Muhammad Fatarsyah
Journal of Information System, Informatics and Computing Vol 9 No 1 (2025): JISICOM (June 2025)
Publisher : Sekolah Tinggi Manajemen Informatika dan Komputer Jayakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52362/jisicom.v9i1.1910

Abstract

Harga saham PT Telkom Indonesia mengalami volatilitas yang signifikan, menciptakan ketidakpastian bagi investor dalam membuat keputusan investasi. Masalah ini menuntut solusi yang dapat membantu investor memahami dan memprediksi pergerakan harga saham secara lebih akurat dan tujuan mengembangkan model prediksi harga saham berdasarkan data historis harga saham, volume perdagangan, dan indikator pasar lainnya. Data yang digunakan mencakup periode lima tahun terakhir dan diperoleh dari sumber data keuangan terpercaya. Metode regresi linier dipilih karena sifatnya yang lugas dan mampu memberikan wawasan yang jelas.. Hasil penelitian menunjukkan bahwa model ini mampu memprediksi harga saham dengan tingkat akurasi yang memadai, ditunjukkan oleh nilai R-squared yang tinggi. Eksekusi ini diharapkan dapat menjadi alat bagi investor dan analis pasar untuk membantu dalam pilihan investasi mereka.