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 293 Documents
PENGEMBANGAN LANJUTAN APLIKASI MONITORING LOGISTIK SIMTELOG DENGAN OPTIMALISASI VISUALISASI DATA GUDANG DINAS INFORMASI DAN PENGOLAHAN DATA Faried, Ikhwan Muhammad; Lediwara, Nadiza
Journal of Information System, Informatics and Computing Vol 9 No 2 (2025): JISICOM (December 2025)
Publisher : Sekolah Tinggi Manajemen Informatika dan Komputer Jayakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52362/jisicom.v9i2.2190

Abstract

Pemantauan logistik di Disinfolahtaau belum optimal karena sistem SIMTELOG yang ada terbatas pada tampilan tabel. Penelitian ini bertujuan mengembangkan sistem Air Force Logistics System (AIRLOGS) dengan fokus optimalisasi visualisasi data inventaris dan transaksi melalui dashboard interaktif , serta merancang manajemen akses pengguna untuk tiga level peran. Metode yang digunakan adalah Incremental Model dengan implementasi backend Laravel dan frontend ReactJS. Hasil penelitian adalah sistem AIRLOGS fungsional yang telah teruji Black Box. Sistem ini berhasil menyajikan data logistik secara visual interaktif dan menerapkan manajemen akses berbasis peran, sehingga mempermudah pemantauan dan pengambilan keputusan.
PREDIKSI KASUS DEMAM BERDARAH DENGUE DI KABUPATEN BOGOR MENGGUNAKAN METODE ANN Hafidz, Ilham; Murniyati, Murniyati
Journal of Information System, Informatics and Computing Vol 9 No 2 (2025): JISICOM (December 2025)
Publisher : Sekolah Tinggi Manajemen Informatika dan Komputer Jayakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52362/jisicom.v9i2.2219

Abstract

Demam Berdarah Dengue (DBD) menjadi masalah kesehatan signifikan di Kabupaten Bogor dengan fluktuasi kasus yang sangat dipengaruhi oleh faktor iklim. Penelitian ini bertujuan merancang dan membangun model prediksi untuk memproyeksikan jumlah kasus DBD tahunan berdasarkan data iklim historis. Metode yang digunakan adalah Artificial Neural Network (ANN) dengan algoritma Backpropagation, dilatih menggunakan data deret waktu dari 2014-2023 yang mencakup variabel iklim (curah hujan, suhu, dan kelembapan) sebagai input. Melalui serangkaian eksperimen manual tuning untuk mengatasi underfitting dan overfitting, ditemukan konfigurasi model final terbaik dengan arsitektur [33 18] dan parameter regularisasi 0.4. Model menunjukkan kinerja kuat pada data latih (RMSE = 280.7; R² = 0.89). Validasi pada data uji 2024 menunjukkan kemampuan generalisasi yang tinggi, dengan RMSE 186.8 (error ~5.5%) dan R² 0.99. Implementasi model menghasilkan prediksi 1484 kasus DBD untuk tahun 2025. Hasil ini menunjukkan bahwa model ANN yang dikembangkan dapat menjadi alat pendukung keputusan yang andal bagi pemangku kepentingan kesehatan.
ANALISIS SENTIMEN KOMENTAR YOUTUBE TERHADAP PERILISAN IPHONE 17 SERIES MENGGUNAKAN ALGORITMA NAIVE BAYES Kamilah, Faniah Iftitakhul; Rochman, Muhammad Zaini; Rosyid, Harun Al
Journal of Information System, Informatics and Computing Vol 9 No 2 (2025): JISICOM (December 2025)
Publisher : Sekolah Tinggi Manajemen Informatika dan Komputer Jayakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52362/jisicom.v9i2.2198

Abstract

Perilisan iPhone 17 Series memicu reaksi beragam di platform YouTube yang mencerminkan opini publik. Penelitian bertujuan untuk menganalisis sentimen komentar masyarakat menggunakan algoritma Naive Bayes. Data komentar dikumpulkan melalui teknik scraping, melalui tahapan preprocessing, dan dilabeli secara otomatis menggunakan model Indonesian RoBERTa. Hasil evaluasi terhadap 1.849 data uji menghasilkan akurasi sebesar 61%. Performa model menunjukkan kemampuan yang baik dalam menangkap kritik pengguna, ditandai dengan recall sentimen negatif sebesar 0.71. Sementara itu, sentimen positif teridentifikasi dengan precision 0.64 dan sentimen netral dengan recall 0.50. Penelitian ini menyimpulkan bahwa respons pasar terpolarisasi antara kritik dan apresiasi, serta membuktikan bahwa Naive Bayes mampu mengklasifikasikan opini dengan performa yang cukup seimbang pada seluruh kategori sentimen.