cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Bahar
Contact Email
bahararahman@gmail.com
Phone
-
Journal Mail Official
puslit.stmikbjb@gmail.com
Editorial Address
-
Location
Kota banjarmasin,
Kalimantan selatan
INDONESIA
Jutisi: Jurnal Ilmiah Teknik Informatika dan Sistem Informasi
Published by Sekolah Tinggi Manajemen Informatika dan Komputer Banjarbaru
ISSN : 20893787     EISSN : 26850893     DOI : -
Core Subject : Science,
Computer Science & IT
Jutisi: Jurnal Ilmiah Teknik Informatika dan Sistem Informasi adalah Jurnal Ilmiah bidang Teknik Informatika dan Sistem Informasi yang diterbitkan secara periodik tiga nomor dalam satu tahun, yaitu pada bulan April, Agustus dan Desember. Redaksi Jutisi: Jurnal Ilmiah Teknik Informatika dan Sistem Informasi menerima sumbangan tulisan hasil penelitian atau atau artikel konseptual bidang Teknik Informatika dan Sistem Informasi.
Arjuna Subject : -
Articles 44 Documents
 1   2   3   4   5 
Search results for , issue "Vol 14, No 3: Desember 2025" : 44 Documents clear
Analisis Kinerja Algoritma SVM dan Naïve Bayes untuk Klasifikasi Sentimen Program Makan Gratis Iranda, Muhammad; Huda, Nurul
Jutisi : Jurnal Ilmiah Teknik Informatika dan Sistem Informasi Vol 14, No 3: Desember 2025
Publisher : STMIK Banjarbaru

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35889/jutisi.v14i3.3183

Abstract

The development of social media facilitates the massive dissemination of public opinion, including towards the government’s free meal program. The high volume of comments makes manual analysis inefficient, thus requiring technological approaches such as sentiment analysis for automatic opinion classification. This study focuses on comparing the performance of the SVM (Support Vector Machine) and Naïve Bayes algorithms in classifying public sentiment collected from X social media data. The research method includes data crawling, preprocessing with Natural Language Processing (NLP), and classification using both algorithms. Testing results on an imbalanced dataset show that SVM is the best model with 96% accuracy and an F1-score of 0.48 for the minority (negative) class, significantly outperforming Naïve Bayes variants which tend to predict the majority class. The findings demonstrate that the SVM algorithm has higher reliability in sentiment classification on datasets with imbalanced class distribution.Keywords: Sentiment Analysis; Support Vector Machines; Naive Bayes; Free Lunch Program; Text Classification AbstrakPerkembangan media sosial memfasilitasi penyampaian opini publik secara masif, termasuk terhadap program makan gratis pemerintah. Volume komentar yang tinggi menjadikan analisis manual tidak efisien, sehingga memerlukan pendekatan teknologi seperti analisis sentimen untuk klasifikasi opini otomatis. Penelitian ini berfokus pada perbandingan performa algoritma SVM (Support Vector Machine) dan Naïve Bayes dalam mengklasifikasikan sentimen masyarakat yang diambil dari data media sosial X. Metode penelitian mencakup pengumpulan data crawling, pra-pemrosesan dengan Natural Language Processing (NLP), hingga klasifikasi menggunakan kedua algoritma. Hasil pengujian pada dataset yang tidak seimbang menunjukkan bahwa SVM merupakan model terbaik dengan akurasi 96% dan nilai F1-score 0.48 pada kelas minoritas (negatif), secara signifikan mengungguli varian Algoritma Naïve Bayes sering kali lebih condong memprediksi pada kelas mayoritas. Hasil penelitian ini membuktikan bahwa algoritma SVM memiliki keandalan lebih tinggi dalam klasifikasi sentimen pada dataset dengan distribusi kelas yang tidak seimbang. 
Pengembangan Model Random Forest Regressor untuk Prediksi Kelembaban pada Pertanian Perkotaan Berkelanjutan Adiwisastra, Miftah Farid; Bahri, Saeful; Umar, Habib
Jutisi : Jurnal Ilmiah Teknik Informatika dan Sistem Informasi Vol 14, No 3: Desember 2025 (Naskah Accepted)
Publisher : STMIK Banjarbaru

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35889/jutisi.v14i3.3162

Abstract

Agriculture is a sector that supports food security. Currently, agriculture faces serious challenges due to climate change, land limitations, and low technology adoption. This study aims to develop an Internet of Things (IoT)-based smart farming system integrated with artificial intelligence and run through edge computing. The prototype system is designed to collect real-time data on crop growth environments using pH, TDS, temperature, humidity, and water level sensors. The data is then processed locally using the Random Forest Regressor algorithm to determine optimal environmental conditions. Test results show that the model has very high accuracy in predicting humidity (R² = 0.99; RMSE = 0.65) and temperature (R² = 0.99; RMSE = 0.17), although there are still discrepancies in extreme conditions. The integration of IoT, AI, and edge computing has proven to improve energy efficiency, accelerate response times, and provide adaptive and affordable solutions in support of sustainable urban agriculture productivity.Keywords: Artificial Intelligence; Random Forest Regressor; IoT; Edge Computing AbstrakPertanian merupakan sektor yang mendukung ketahanan pangan, saat ini pertanian menghadapi tantangan serius akibat perubahan iklim, keterbatasan lahan, dan rendahnya adopsi teknologi. Penelitian ini bertujuan mengembangkan sistem pertanian cerdas berbasis Internet of Things (IoT) yang terintegrasi dengan kecerdasan buatan dan dijalankan melalui komputasi tepi. Prototipe sistem dirancang untuk mengumpulkan data lingkungan pertumbuhan tanaman secara real-time menggunakan sensor pH, TDS, suhu, kelembaban, dan tinggi permukaan air. Data kemudian diproses secara lokal menggunakan algoritma Random Forest Regressor untuk menentukan kondisi lingkungan optimal. Hasil pengujian menunjukkan model memiliki akurasi sangat tinggi pada prediksi kelembaban (R² = 0,99; RMSE = 0,65) dan suhu (R² = 0,99; RMSE = 0,17), meskipun masih terdapat selisih pada kondisi ekstrem. Integrasi IoT, AI, dan edge computing terbukti mampu meningkatkan efisiensi energi, mempercepat respons, serta memberikan solusi adaptif dan terjangkau dalam mendukung produktivitas pertanian perkotaan berkelanjutan.  
Prediksi Pergerakan Harga Saham Bank Mandiri Menggunakan Metode Support Vector Regression dan Algoritma Grid Search Samuelly, Francesco Totti; Nataliani, Yessica
Jutisi : Jurnal Ilmiah Teknik Informatika dan Sistem Informasi Vol 14, No 3: Desember 2025 (Naskah Accepted)
Publisher : STMIK Banjarbaru

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35889/jutisi.v14i3.3206

Abstract

The volatile nature of stock price movements poses a major challenge for investors in making accurate investment decisions. This study aims to predict the stock price movement of PT. Bank Mandiri (Persero) Tbk [BMRI] using Support Vector Regression (SVR) optimized through the Grid Search algorithm. The dataset consists of daily stock prices from August 2020 to August 2025, including open, high, low, close, adjusted close, and trading volume. The research process involves data collection, preprocessing (cleaning, feature selection, normalization), splitting into training and testing sets, parameter optimization using Grid Search with Leave-One-Out Cross Validation (LOOCV), model training, and evaluation with R², MSE, and RMSE. The results show that the SVR model with a linear kernel, C = 1 and epsilon = 0.01, achieved the best performance, with high accuracy (R² = 0.9991 on training data and R² = 0.9976 on testing data). These findings confirm the effectiveness of Grid Search–based SVR in predicting stock prices and supporting investment decision-making.Keywords: Stock Price Prediction; Support Vector Regression; Grid Search; Bank Mandiri AbstrakPergerakan harga saham yang fluktuatif menjadi tantangan utama bagi investor dalam menentukan strategi investasi yang tepat. Penelitian ini bertujuan memprediksi pergerakan harga saham PT. Bank Mandiri (Persero) Tbk [BMRI] dengan metode Support Vector Regression (SVR) yang dioptimalkan menggunakan algoritma Grid Search. Data yang digunakan berupa harga saham harian periode Agustus 2020–Agustus 2025, mencakup variabel open, high, low, close, adjusted close, dan volume. Tahapan penelitian meliputi pengumpulan data, pra-pemrosesan (pembersihan, seleksi fitur, normalisasi), pembagian data latih dan uji, optimasi parameter dengan Grid Search berbasis Leave-One-Out Cross Validation (LOOCV), pelatihan model, serta evaluasi dengan R², MSE, dan RMSE. Hasil penelitian menunjukkan SVR dengan kernel linear, parameter C = 1 dan epsilon = 0,01 memberikan performa terbaik dengan akurasi tinggi (R² = 0,9991 pada data latih dan R² = 0,9976 pada data uji). Temuan ini menegaskan efektivitas SVR berbasis Grid Search dalam memprediksi harga saham dan mendukung pengambilan keputusan investasi. 
Optimalisasi Proses Penjualan dan Pengecekan Stok Pada Toko Mozza Aquatic Menggunakan BPMN Fathony, Izza Ihsan; Suharso, Wildan
Jutisi : Jurnal Ilmiah Teknik Informatika dan Sistem Informasi Vol 14, No 3: Desember 2025
Publisher : STMIK Banjarbaru

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35889/jutisi.v14i3.3130

Abstract

An efficient sales process and stock checking are crucial components in maintaining smooth operations and customer satisfaction, especially for MSMEs such as Toko Mozza Aquatic. This research aims to redesign these two main processes using the Business Process Model and Notation (BPMN) approach. This study involves comprehensive business flow analysis, throughput efficiency evaluation, and identification of information technology-based solutions. The research results show that the new system design, which digitally integrates sales and inventory interfaces, is able to improve process structure, reduce service time, and minimize manual errors. Features such as product search, transaction tracking, stock availability indicators also support more responsive and accurate decision making. These findings confirm that the implementation of BPMN accompanied by digitalization and HR training is an effective strategy in increasing the efficiency and competitiveness of MSMEs amidst competitive market dynamics.Keywords: Business Process Modeling Notation; Sales Process; Stock Checking; Information Systems; Operational Efficiency.AbstrakProses penjualan dan pengecekan stok yang efisien merupakan komponen krusial dalam menjaga kelancaran operasional dan kepuasan pelanggan, terutama bagi pelaku UMKM seperti Toko Mozza Aquatic. Penelitian ini bertujuan untuk merancang ulang dua proses utama tersebut menggunakan pendekatan Business Process Model and Notation (BPMN). Studi ini melibatkan analisis alur bisnis secara menyeluruh, evaluasi efisiensi throughput, serta identifikasi solusi berbasis teknologi informasi. Hasil penelitian menunjukkan bahwa rancangan sistem baru, yang mengintegrasikan antarmuka penjualan dan inventaris secara digital, mampu meningkatkan struktur proses, mengurangi waktu layanan, dan meminimalkan kesalahan manual. Fitur-fitur seperti pencarian produk, pelacakan transaksi, indikator ketersediaan stok turut mendukung pengambilan keputusan yang lebih responsif dan akurat. Temuan ini menegaskan bahwa penerapan BPMN yang diiringi digitalisasi dan pelatihan SDM merupakan strategi efektif dalam meningkatkan efisiensi dan daya saing UMKM di tengah dinamika pasar yang kompetitif.  
Model Pembeda Sampah Organik dan Anorganik dengan Machine Learning berbasis Phyton Aprilia, Ika; Rahmani, Budi
Jutisi : Jurnal Ilmiah Teknik Informatika dan Sistem Informasi Vol 14, No 3: Desember 2025
Publisher : STMIK Banjarbaru

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35889/jutisi.v14i3.3182

Abstract

This research developed an artificial intelligence-based system to differentiate between organic and inorganic waste using a Convolutional Neural Network (CNN) model. The problem addressed is the community's limited understanding of how to properly separate types of waste, which contributes to environmental pollution. The methodology employed includes data collection of waste images, training the CNN model, and system testing. The test results showed that the model achieved an accuracy of 75%, with a precision of 78% and a recall of 70%. These findings suggest that the developed system can help the community better understand and separate waste more effectively. This research makes a positive contribution to waste management and is expected to serve as a foundation for further development in waste classification technology.Keywords: Artificial intelligence; Convolutional Neural Network; Waste separation; Environmental management; Machine learning AbstrakPenelitian ini mengembangkan sistem berbasis kecerdasan buatan untuk membedakan sampah organik dan anorganik menggunakan model Convolutional Neural Network (CNN). Permasalahan yang dihadapi adalah rendahnya pemahaman masyarakat dalam memisahkan jenis sampah, yang berdampak pada pencemaran lingkungan. Metodologi yang digunakan meliputi pengumpulan data gambar sampah, pelatihan model CNN, dan pengujian sistem. Hasil pengujian menunjukkan bahwa model mencapai akurasi 75%, dengan presisi 78% dan recall 70%. Temuan ini menunjukkan bahwa sistem yang dikembangkan dapat membantu masyarakat dalam memahami dan memisahkan sampah dengan lebih baik. Penelitian ini memberikan kontribusi positif terhadap pengelolaan sampah dan diharapkan dapat menjadi dasar untuk pengembangan lebih lanjut dalam teknologi klasifikasi sampah. 
Pengembangan Sistem Informasi Monitoring Kinerja Guru dan Siswa Menggunakan Metode Agile Pardosi, Benni Dolles; Gautama, Elliana; Safitri, Agnes Novita Ida; Faried, Mochamad Isnin
Jutisi : Jurnal Ilmiah Teknik Informatika dan Sistem Informasi Vol 14, No 3: Desember 2025
Publisher : STMIK Banjarbaru

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35889/jutisi.v14i3.3068

Abstract

This study aims to develop a web-based monitoring information system for teachers and students using the Agile methodology. The system integrates the Google Classroom API to monitor teacher performance and student learning progress in real time. Unlike previous studies that focused only on academic data management, this research applies Agile stages—product backlog, sprint planning, execution, and review—in an iterative process involving teachers and students. The system was tested at Tunas Gading School, Jakarta, featuring key functions such as a teacher performance dashboard, student progress tracking, and automated task notifications. Results from User Acceptance Testing (UAT) show that 90% of teachers found the system helpful in monitoring student progress, while 85% of students benefited from task notifications. The system effectively improves learning monitoring efficiency and provides an innovative approach to automated academic monitoring integrated with online learning platforms.Keywords: Information System; Agile; Google Classroom; Academic Monitoring; Online Learning AbstrakPenelitian ini bertujuan mengembangkan sistem informasi monitoring kinerja guru dan siswa berbasis web menggunakan metode Agile. Sistem ini mengintegrasikan Google Classroom API untuk memantau kinerja guru dan perkembangan belajar siswa secara real-time. Berbeda dari penelitian sebelumnya yang hanya mengelola data akademik, pendekatan Agile diterapkan melalui tahapan product backlog, sprint planning, execution, dan review secara iteratif melibatkan guru dan siswa. Uji coba di Sekolah Tunas Gading Jakarta menampilkan fitur utama seperti dashboard kinerja guru, pemantauan progres siswa, dan notifikasi tugas otomatis. Hasil User Acceptance Testing (UAT) menunjukkan 90% guru menyatakan sistem membantu pemantauan siswa dan 85% siswa merasa terbantu dengan notifikasi tugas. Sistem ini meningkatkan efisiensi pemantauan pembelajaran serta menghadirkan inovasi dalam otomatisasi monitoring akademik terintegrasi dengan platform pembelajaran daring. 
Pengembangan Model Deep Learning dengan Slang-Aware Embeddings untuk Deteksi Promosi Judi Online Sumihar, Yo'el Pieter; Lase, Kristian Juri Damai; Lase, Juli Herman
Jutisi : Jurnal Ilmiah Teknik Informatika dan Sistem Informasi Vol 14, No 3: Desember 2025 (Naskah Accepted)
Publisher : STMIK Banjarbaru

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35889/jutisi.v14i3.3226

Abstract

Online gambling promotions on social media platforms such as YouTube often employ slang or non-standard language to evade traditional moderation systems, increasing the spread of illegal content in Indonesia. This study aims to develop a hybrid deep learning model combining BERT and LSTM to accurately detect online gambling promotions. Data were collected from YouTube comments through a web scraping process, followed by text cleaning, labeling, and normalization using a semi-automatic slang dictionary. The model was trained with slang-aware embeddings to capture informal language context. Evaluation was conducted using precision, recall, F1-score, and confusion matrix metrics. The results show an accuracy of 96% with an F1-score of 0.96, indicating a strong balance between precision and recall. These findings demonstrate the effectiveness of the proposed hybrid approach in automatically detecting online gambling promotional content.Kata kunci: Online Gambling Detection; Deep Learning; NLP; Slang-Aware Embeddings; BERT-LTSM AbstrakPromosi judi daring di media sosial seperti YouTube sering menggunakan bahasa tidak baku atau slang untuk menghindari deteksi sistem moderasi. Kondisi ini berpotensi meningkatkan penyebaran konten ilegal di Indonesia. Penelitian ini bertujuan mengembangkan model deep learning hibrida yang mengombinasikan BERT dan LSTM guna mendeteksi promosi judi daring secara lebih akurat. Data dikumpulkan dari komentar YouTube melalui proses web scraping, kemudian diproses melalui tahap pembersihan teks, pelabelan, dan normalisasi menggunakan kamus slang semi-otomatis. Model dilatih dengan slang-aware embeddings untuk menangkap konteks bahasa tidak resmi. Pengujian dilakukan menggunakan metrik precision, recall, F1-score, dan confusion matrix. Hasil menunjukkan akurasi sebesar 96% dengan nilai F1-score 0,96, menandakan keseimbangan tinggi antara presisi dan sensitivitas model. Temuan ini membuktikan efektivitas pendekatan hibrida dalam mendeteksi konten promosi judi daring secara otomatis. 
Model Penerimaan Sistem E-purchasing: Analisis Peran Kepercayaan dan Keamanan Pengguna Iskandar, Rifki; Suratno, Tri; Noverina, Yolla
Jutisi : Jurnal Ilmiah Teknik Informatika dan Sistem Informasi Vol 14, No 3: Desember 2025 (Naskah Accepted)
Publisher : STMIK Banjarbaru

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35889/jutisi.v14i3.3251

Abstract

E-purchasing System Acceptance Model: Analysis of the Role of User Trust and Security. The adoption of local Business-to-Government (B2G) E-purchasing platforms faces challenges, as indicated by a decline in new user registrations. This study aims to analyze the influence of User Trust and Perceived Security on the Behavioral Intention to Use the Parto.id platform, extending the Technology Acceptance Model (TAM). This quantitative study surveyed 100 seller partners in Jambi City. Data were analyzed using Partial Least Squares Structural Equation Modeling (PLS-SEM). The findings reveal that Perceived Usefulness and User Trust significantly and positively influence Behavioral Intention to Use. However, Perceived Security was found to have no significant direct effect on user intention. The results highlight that User Trust is a more crucial determinant than Perceived Security in the adoption of B2G E-purchasing systems, suggesting that security is considered a standard prerequisite. Platform providers should prioritize trust-building initiatives to enhance user adoption.Keywords: Technology Acceptance Model; User Trust; Perceived Security; E-purchasing; B2G System.AbstrakModel Penerimaan Sistem E-purchasing: Analisis Peran Kepercayaan dan Keamanan Pengguna. Adopsi platform E-purchasing lokal Business-to-Government (B2G) menghadapi tantangan yang ditunjukkan dengan adanya penurunan jumlah pendaftar pengguna baru. Penelitian ini bertujuan untuk menganalisis pengaruh kepercayaan pengguna dan persepsi keamanan terhadap niat perilaku untuk menggunakan platform Parto.id dengan memperluas Technology Acceptance Model (TAM). Penelitian kuantitatif ini menggunakan survei terhadap 100 mitra penjual di Kota Jambi. Data dianalisis menggunakan Partial Least Squares Structural Equation Modeling (PLS-SEM). Hasil penelitian menunjukkan bahwa persepsi kemanfaatan dan kepercayaan pengguna berpengaruh positif dan signifikan terhadap niat perilaku untuk menggunakan. Namun, persepsi keamanan ditemukan tidak memiliki pengaruh langsung yang signifikan terhadap niat pengguna. Hasil ini menyoroti bahwa kepercayaan pengguna merupakan faktor penentu yang lebih krusial dibandingkan persepsi keamanan dalam adopsi sistem E-purchasing B2G, yang mengindikasikan bahwa keamanan dianggap sebagai prasyarat standar. Penyedia platform harus memprioritaskan inisiatif pembangunan kepercayaan untuk meningkatkan adopsi pengguna. 
Penerapan Metode SAW Pada Sistem Pendukung Keputusan Penentuan Perangkat Lunak Anti Virus Arramzy, Muhammad Alif; Pratiwi, Pratiwi; Purbaratry, Winny
Jutisi : Jurnal Ilmiah Teknik Informatika dan Sistem Informasi Vol 14, No 3: Desember 2025
Publisher : STMIK Banjarbaru

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35889/jutisi.v14i3.2920

Abstract

The increasing dependence of society on computers and the internet highlights the urgency of protecting data and privacy from cyber threats. Antivirus software is one of the common solutions; however, the abundance of options, each with its own advantages and disadvantages, often makes it difficult for users to select the most suitable one. This study aims to assist users in choosing the best free antivirus through a systematic approach using a decision support system. The method applied is Simple Additive Weighting (SAW) with five evaluation criteria: scanning speed, detection capability, rating, resource optimization, and available features. Five antivirus software were tested as alternatives, namely Windows Security, Avira, Avast, Bitdefender, and Kaspersky. The testing and calculation results indicate that Windows Security ranked the highest with a vector value of 0.257, due to its high detection rate, fast scanning performance, good rating, and sufficient features. Therefore, the SAW method proves effective in providing objective and systematic recommendations for selecting the best antivirus software.Keywords: Decision support system; Simple additive weighting; Antivirus   AbstrakMeningkatnya ketergantungan masyarakat terhadap sistem komputer dan internet menimbulkan urgensi akan perlindungan data dan privasi dari ancaman siber. Salah satu solusi yang umum digunakan adalah perangkat lunak antivirus, namun banyaknya pilihan dengan kelebihan dan kekurangan masing-masing seringkali menimbulkan kebingungan dalam menentukan pilihan yang tepat. Penelitian ini bertujuan untuk membantu pengguna dalam memilih antivirus gratis terbaik dengan pendekatan sistematis melalui sistem pendukung keputusan. Metode yang digunakan adalah Simple Additive Weighting (SAW) dengan lima kriteria penilaian, yaitu kecepatan pemindaian, kemampuan deteksi, rating, optimasi sumber daya, dan jumlah fitur. Lima perangkat lunak antivirus diuji sebagai alternatif, yakni Windows Security, Avira, Avast, Bitdefender, dan Kaspersky. Hasil pengujian dan perhitungan menunjukkan bahwa Windows Security memperoleh peringkat tertinggi dengan nilai vektor 0,257 karena memiliki kecepatan dan tingkat deteksi yang tinggi, rating yang baik, serta fitur yang cukup banyak. Dengan demikian, metode SAW terbukti efektif dalam memberikan rekomendasi obyektif dan sistematis untuk pemilihan perangkat lunak antivirus terbaik. 
Perbandingan Weighted Product Dengan AHP+WP Dalam Penentuan Pegawai Berprestasi Di Universitas XYZ Gunawan, I Made Agus Oka; Wijaya, I Wayan Rizky; Dharma, I Gede Teguh Satya
Jutisi : Jurnal Ilmiah Teknik Informatika dan Sistem Informasi Vol 14, No 3: Desember 2025 (Naskah Accepted)
Publisher : STMIK Banjarbaru

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35889/jutisi.v14i3.3067

Abstract

The selection of outstanding employees is an important aspect of human resource management in higher education, requiring objective and accurate evaluation. This study compares two multi-criteria decision-making methods: Weighted Product (WP) and a combination of Analytic Hierarchy Process with WP (AHP+WP) in ranking high-performing staff at XYZ University. The evaluation uses Mean Absolute Percentage Error (MAPE) to measure the closeness of the method’s results to expert-based manual assessments. WP produced a MAPE of 16.86%, while AHP+WP yielded only 9.17%, indicating higher accuracy. The Wilcoxon signed-rank test resulted in a p-value of 0.0002 (< 0.05), indicating a significant difference. AHP+WP is superior due to its systematic and consistent weighting mechanism, compared to the more subjective WP. These findings align with previous studies recommending hybrid methods. AHP+WP is considered more appropriate for official implementation in employee performance assessment systems to support fair, transparent, and data-driven evaluation.Kata kunci: AHP; Weighted Product; outstanding employee; MAPE; Wilcoxon.   AbstrakPemilihan pegawai berprestasi merupakan bagian penting dalam manajemen sumber daya manusia di perguruan tinggi, yang memerlukan evaluasi objektif dan akurat. Penelitian ini membandingkan dua metode pengambilan keputusan multikriteria: Weighted Product (WP) dan kombinasi Analytic Hierarchy Process dengan WP (AHP+WP) dalam menentukan peringkat pegawai berprestasi di Universitas XYZ. Evaluasi menggunakan Mean Absolute Percentage Error (MAPE) untuk mengukur kedekatan hasil metode dengan penilaian manual oleh pakar. WP menghasilkan MAPE sebesar 16,86%, sementara AHP+WP hanya 9,17%, menunjukkan akurasi lebih tinggi. Uji Wilcoxon signed-rank memberikan nilai p = 0,0002 (< 0,05), mengindikasikan perbedaan signifikan. AHP+WP unggul karena mekanisme pembobotannya yang sistematis dan konsisten, dibandingkan WP yang lebih subjektif. Temuan ini sejalan dengan studi sebelumnya yang merekomendasikan metode hybrid. AHP+WP dinilai lebih layak untuk diimplementasikan secara resmi dalam sistem penilaian pegawai berprestasi, guna mendukung evaluasi kinerja yang adil, transparan, dan berbasis data. 

Page 1 of 5 | Total Record : 44

 1   2   3   4   5 

Filter by Year

2025 2025


Reset
Filter By Issues
All Issue Vol 14, No 3: Desember 2025 Vol 14, No 3: Desember 2025 (Naskah Accepted) Vol 14, No 2: Agustus 2025 Vol 14, No 1: April 2025 Vol 13, No 3: Desember 2024 Vol 13, No 2: Agustus 2024 Vol 13, No 1: April 2024 Vol 12, No 3: Desember 2023 Vol 12, No 2: Agustus 2023 Vol 12, No 1: April 2023 Vol 11, No 3: Desember 2022 Vol 11, No 2: Agustus 2022 Vol 11, No 1: April 2022 Vol 10, No 3: Desember 2021 Vol 10, No 2: Agustus 2021 Jutisi Vol. 10, No. 1, April 2021 JUTISI Vol. 9, No. 3, Desember 2020 JUTISI Vol. 9, No. 2, Agustus 2020 JUTISI Vol. 9, No. 1, April 2020 JUTISI Vol. 8, No. 3, Desember 2019 JUTISI Vol. 8, No. 2, Agustus 2019 JUTISI Vol. 8, No. 1, April 2019 Vol 7, No 3: Desember 2018 Vol 7, No 2: Agustus 2018 Vol 7, No 1: April 2018 Vol 6, No 3: Desember 2017 Vol 6, No 2: Agustus 2017 Vol 6, No 1: April 2017 Vol 5, No 3: Desember 2016 Vol 5, No 2: Agustus 2016 Vol 5, No 1: April 2016 Vol 4, No 3: Desember 2015 Vol 4, No 2: Agustus 2015 Vol 4, No 1: April 2015 Vol 3, No 3: Desember 2014 Vol 3, No 2: Agustus 2014 Vol 3, No 1: April 2014 Vol 2, No 1: April 2013 More Issue