cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Wire Bagye
Contact Email
wirestmik@gmail.com
Phone
-
Journal Mail Official
misistmiklombok@gmail.com
Editorial Address
-
Location
Kab. lombok tengah,
Nusa tenggara barat
INDONESIA
Jurnal Manajemen Informatika dan Sistem Informasi
Published by Sekolah Tinggi Manajemen dan Informatika Komputer Lombok
ISSN : 26141701     EISSN : 26143739     DOI : -
Core Subject : Science,
Computer Science & IT
MISI (Jurnal Manajemen Informatika dan Sistem Informasi) diterbitkan oleh LPPM STMIK Lombok sebagai wadah untuk mempublikasikan artikel tentang pengetahuan baru dan penelitian dengan isu terkini yang berkaiatan dengan teknologi informasi, dengan topik Sistem Informasi, Rekayasa Perangkat Lunak, Audit Sistem Informasi, E-Goverment. Jurnal ini terbit 2 (dua) kali dalam setahun yaitu pada bulan Januari dan Juni.
Arjuna Subject : -
Articles 169 Documents
 13   14   15   16   17 
RANCANG BANGUN APLIKASI PENGENALAN WAJAH BERJERAWAT DI BEAUTEE GLOW AESTHETIC CLINIC Cita Puspita Inayati; Sri Lestanti; Saiful Budiman
Jurnal Manajemen Informatika dan Sistem Informasi Vol. 8 No. 1 (2025): MISI Januari 2025
Publisher : LPPM STMIK Lombok

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36595/misi.v8i1.1339

Abstract

Dalam menjalankan konsultasi kondisi kulit wajah konsumen yang berjerawat masih dilakukan dengan menjawab beberapa pertanyaan secara langsung, hal ini dianggap kurang efektif mengingat klinik kecantikan lain sudah menggunakan deteksi kulit secara realtime dalam konsultasi daring/luringnya. Tujuan penelitian ini diantaranya merancang dan membangun aplikasi sederhana yang dapat menentukan dan mengidentifikasi jenis jerawat serta menyediakan output hasil pengenalan jerawat secara real time dan efektif. Dalam penelitian ini penulis menggunakan 100 dataset gambar dengan 30 citra uji yang sudah divalidasi oleh pakar. Sebagai upaya untuk  merancang dan membangun aplikasi sederhana yang dapat menentukan dan mengidentifikasi jenis jerawat dan menghasilkan output secara realtime yang efektif. Pengelompokan jenis jerawat terdiri dari 6 jenis, diantaranya blackhead, whitehead, papula, pustula, nodula dan kistik. Hasil implementasi pengenalan wajah berjerawat secara realtime menggunakan Bahasa pemrograman Python dengan beberapa library pendukung didalamnya menghasilkan akurasi model dengan persentase 83%. Berdasarkan pengujian menggunakan blackbox testing dari 33 data gambar yang diperoleh secara acak jenis jerawatnya, menunjukkan persentase 78,79% yang hasil akurasinya sesuai jenis jerawat, menunjukkan bahwa aplikasi siap untuk dijalankan.
IMPLEMENTASI ALGORITMA CNN DALAM PENGEMBANGAN WEBSITE UNTUK KLASIFIKASI SAMPAH ORGANIK, DAN NON-ORGANIK Nugraha, Zidan Indra; Arnita; Kana Saputra S; Setiawan, Abi; Maharani, Raysa; Zaharani, Firna
Jurnal Manajemen Informatika dan Sistem Informasi Vol. 8 No. 1 (2025): MISI Januari 2025
Publisher : LPPM STMIK Lombok

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36595/misi.v8i1.1355

Abstract

Pengelolaan sampah yang kurang efektif, khususnya dalam pemilahan sampah organik dan non-organik, menjadi tantangan utama dalam menjaga kelestarian lingkungan akibat minimnya teknologi klasifikasi otomatis. Penelitian ini bertujuan mengembangkan sistem klasifikasi sampah berbasis algoritma Convolutional Neural Network (CNN) yang diimplementasikan ke dalam website guna mempermudah masyarakat memilah sampah secara efisien. Sistem dirancang dengan fitur unggah gambar dari perangkat pengguna serta klasifikasi real-time menggunakan kamera. Proses penelitian meliputi pengumpulan dataset 15.515 gambar, preprocessing data, perancangan arsitektur CNN, pelatihan model, evaluasi menggunakan confusion matrix, dan pengembangan website dengan metode waterfall. Hasil menunjukkan bahwa model CNN mampu mencapai akurasi klasifikasi sebesar 84,46. Keunggulan sistem ini adalah klasifikasi real-time, yang memudahkan pengguna memisahkan sampah, meskipun masih terbatas pada dua kategori. Solusi ini mendukung efisiensi daur ulang dan manajemen sampah, serta menjadi dasar untuk pengembangan klasifikasi sampah yang lebih luas di masa depan.
ANALISIS ALGORITMA GRADIENT BOOSTING DALAM PENGARUH MASYARAKAT MEMILIH RUMAH SEWA Rizka Dahlia; Lady Agustin Fitriana; Syarah Seimahuira
Jurnal Manajemen Informatika dan Sistem Informasi Vol. 8 No. 1 (2025): MISI Januari 2025
Publisher : LPPM STMIK Lombok

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36595/misi.v8i1.1356

Abstract

Tingginya pertumbuhan populasi yang tidak sejalan dengan ketersediaan lahan perumahan telah menimbulkan tantangan yang kompleks, terutama terkait dengan peningkatan harga tanah yang berujung pada naiknya harga rumah. Rumah sewa hadir menjadi alternatif yang semakin penting bagi masyarakat untuk mendapatkan tempat tinggal yang layak. Selain itu, rumah sewa juga memberikan peluang bisnis yang menguntungkan bagi pemilik properti dan penyedia jasa sewa. Untuk membantu masyarakat dalam memilih rumah sewa yang sesuai dengan kebutuhan mereka, penerapan algoritma Gradient Boosting dapat menjadi solusi yang efektif. Algoritma ini bekerja dengan cara membangun serangkaian model prediktif secara berurutan, di mana setiap model mencoba memperbaiki kesalahan yang dihasilkan oleh model sebelumnya. Sebagai salah satu metode dalam machine learning, Gradient Boosting termasuk dalam kategori ensemble learning, yang membangun model yang kuat dari gabungan beberapa model yang relatif lebih lemah. Penelitian ini menggunakan data dari repository Kaggle dan menemukan bahwa algoritma Gradient Boosting menunjukkan kinerja yang sangat menjanjikan dalam memprediksi harga sewa rumah, dengan tingkat akurasi mencapai 84,38%. Evaluasi lebih lanjut menggunakan metrik Area Under the Curve (AUC) menunjukkan hasil sebesar 92,65%, yang mengindikasikan kemampuan algoritma ini dalam memprediksi baik data positif maupun negatif dengan akurasi yang tinggi. Hasil penelitian ini menunjukkan bahwa Gradient Boosting memiliki potensi besar sebagai alat bantu dalam memprediksi harga sewa rumah secara akurat, serta membantu mengatasi tantangan ketersediaan perumahan yang terjangkau.
PENGELOMPOKAN TEKANAN DARAH LANSIA DENGAN ALGORITMA K-MEANS DI KP.LEBAK JERO Elsa Safutri; Purnamasari, Ade Irma; Bahtiar, Agus; Wahyudin, Edi
Jurnal Manajemen Informatika dan Sistem Informasi Vol. 8 No. 1 (2025): MISI Januari 2025
Publisher : LPPM STMIK Lombok

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36595/misi.v8i1.1359

Abstract

Hipertensi merupakan salah satu masalah kesehatan utama yang sering dialami oleh lansia dan memerlukan penanganan yang tepat. Namun, keterbatasan sumber daya di Posbindu sering kali menjadi hambatan dalam mengidentifikasi kelompok risiko hipertensi secara efektif. Penelitian ini bertujuan untuk merancang model pengelompokan risiko hipertensi pada lansia di Posbindu Kp. Lebak Jero menggunakan algoritma k-means, dalam mendukung intervensi kesehatan yang lebih terarah. Data yang dianalisis mencakup tekanan darah sistolik, diastolik, usia, jenis kelamin, dan berat badan, berdasarkan catatan Posbindu selama bulan Agustus-September 2024. Proses analisis dilakukan melalui tahapan Knowledge Discovery in Database (KDD), yang meliputi pengumpulan, pra-pemrosesan, transformasi data, pengelompokan, dan evaluasi. Untuk mengevaluasi kualitas hasil pengelompokan, digunakan Davies-Bouldin Index (DBI). Hasil penelitian menunjukkan bahwa DBI optimal sebesar 0,881 dengan k=2. Cluster pertama (Cluster_0) terdiri dari 75 lansia berisiko rendah (19 orang dengan tekanan darah normal dan 56 orang pra-hipertensi), dengan rentang usia 45-59 tahun (46 orang), 60-69 tahun (22 orang), dan >70 tahun (7 orang). Cluster kedua (Cluster_1) terdiri dari 71 lansia berisiko tinggi (28 orang hipertensi tingkat 1 dan 43 orang hipertensi tingkat 2), dengan  rentang usia 45-59 tahun (26 orang), 60-69 tahun (30 orang), dan >70 tahun (15 orang). Tekanan darah sistolik pada Cluster_0 berada pada kisaran 80-143 mmHg dan diastolik 80-90 mmHg, sementara pada Cluster_1 sistolik 140-200 mmHg dan diastolik 78-130 mmHg. Penelitian ini menunjukkan bahwa algoritma k-means mampu memetakan kelompok risiko hipertensi dan membantu pemantauan serta mendukung pelaksanaan intervensi kesehatan yang lebih efektif dan terarah di Posbindu Kp. Lebak Jero.
COMBINED CONTOUR DETECTION AND POINT CLOUD OF RGB-DEPTH IMAGE FOR FOOD VOLUME ESTIMATION Yuita Arum Sari
Jurnal Manajemen Informatika dan Sistem Informasi Vol. 8 No. 1 (2025): MISI Januari 2025
Publisher : LPPM STMIK Lombok

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36595/misi.v8i1.1408

Abstract

Assessing nutritional consumption entails a procedure that enables nutritionists and dietitians to track the eating habits of patients within healthcare settingsTraditionally, this measurement relies on manual observations by specialists utilizing visual analysis. However, this approach is prone to subjectivity due to the risk of expert fatigue, which can result in inaccuracies. Furthermore, the evaluations may differ among experts based on varying viewpoints. In a decision support system, a more objective analysis is necessary. Previous research has utilized the area captured in a food image to estimate the weight of food on a plate. Nonetheless, this technique still results in numerous prediction errors. To tackle this issue, we propose a novel method to calculate the volume of food from a camera image, which aims to provide a more accurate weight prediction. In this paper, we introduce a new approach that combines contour detection with a point cloud derived from RGB depth images to capture height information. The Root Mean Square Error (RMSE) for height prediction is 1.04 and 1.55 when viewed from the first and second sides, respectively, while the volume prediction reaches an RMSE of 45.08. This suggests that the differences between the predicted and actual values for volume and height are suitable for practical applications.
SISTEM PREDIKSI PRODUKSI PADI DI SUMATERA MENGGUNAKAN REGRESI LINEAR Yudha, Ery Permana; Arif Rohmadi; Agung Teguh Setyadi
Jurnal Manajemen Informatika dan Sistem Informasi Vol. 8 No. 1 (2025): MISI Januari 2025
Publisher : LPPM STMIK Lombok

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36595/misi.v8i1.1411

Abstract

Pulau Sumatera merupakan salah satu pulau yang menjadi lumbung padi nasional karena sebagai salah satu daerah penghasil padi terbesar di Indonesia. Namun, produktivitas yang tinggi di pulau Sumatera juga terdapat beberapa tantangan seperti perubahan iklim yang tidak menentu, luas lahan, curah hujan, kelembapan, dan suhu rata-rata. Untuk mengatasi permasalahan tersebut perlu strategi yang inovatif dan berbasis data. Salah satu strategi tersebut dengan menerapkan pengolahan data untuk menghasilkan model prediksi produktivitas padi. Teknik ini melibatkan algoritma dan pembelajaran mesin untuk menganalisis pola dan tren dalam pertanian. Model ini mempermudah stakeholder terkait untuk mempersiapkan kebutuhan pangan nasional agar selalu terpenuhi. Pada penelitian ini, diusulkan sebuah metode prediksi produktivitas padi di Sumatera menggunakan metode regresi linear. Penelitian ini menghasilkan model prediksi masing-masing di setiap provinsi di Sumatera. Secara umum, tahapan yang dilakukan yaitu preprocessing, seleksi fitur, training dan testing, dan evaluasi. Uji coba yang dilakukan dengan menghitung nilai Mean Squarred Error (MSE). Beberapa algoritma yaitu Regresi Linear, Support Vector Regression (SVR), Random Forest Regression (RFR) menghasilkan nilai rata-rata MSE sebesar 0,022; 0,075; 0,026. Regresi linear mampu menghasilkan model yang lebih baik dibandingkan metode SVR dan RFR.
AUDIT KEAMANAN TEKNOLOGI INFORMASI DENGAN NATIONAL INSTITUTE OF STANDARD AND TECHNOLOGY (NIST) 800-30 PADA PD INDAH PERMAI GROUP Wisnu Alfiansyah, Muhamad; Michael Lauw, Christopher; Husain, Husain; Fahmi, Rauhil
Jurnal Manajemen Informatika dan Sistem Informasi Vol. 8 No. 1 (2025): MISI Januari 2025
Publisher : LPPM STMIK Lombok

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36595/misi.v8i1.1416

Abstract

Pada era industri 4.0. Pemanfaatan Teknolog Informasi dalam suatu perusahaan yaitu untuk bertukar data, menampung data untuk kelancaran proses bisnis. Seiring berjalannya waktu, perusahaan semakin berkembang dan semakin banyak pula data dan informasi yang harus ditampung dan dijaga kerahasiaannya. PD. Indah Permai Group (IPG) merupakan perusahaan yang bergerak dalam bidang distributor sembako yang sangat bergantung pada Teknologi Informasi pada proses bisnisnya. Permasalahan yang terdapat pada perusahaan tersebut yaitu, tidak adanya manajemen risiko keamanan informasi sehingga terkadang data dan inforamsi yang ada pada server sering hilang, rusak, bahkan rentan terhadap pencurian informasi. Audit keamanan Teknologi Informasi dilakukan menggunakan framework National Institute of Standard and Technology 800-30.  Hasil dari penelitian ini berupa usulan hasil audit keamanan untuk diterapkan pada perusahaan 30 untuk mengidentifikasi risiko dan memberikan rekomendasi mitigasi. Beberapa rekomendasi yang diberikan diantaranya proses transaksi, produk dan penjualan, server, PC, dan karyawan akan dilakukan risk transfer(dialihkan ke pihak ketiga untuk menangani). Kemudian untuk jaringan, UPS, dan sistem informasi IIS Permai akan dilakukan risk reduction (akan ditindak lanjuti oleh pihak internal).
PEMILIHAN LOKASI STRATEGIS UNTUK PEMBANGUNAN SEKOLAH MENENGAH ATAS DI KABUPATEN KARANGANYAR MENGGUNAKAN METODE ANALYTICAL HIERARCHY PROCESS Dedi Irawan; Maya Lisa Lestari
Jurnal Manajemen Informatika dan Sistem Informasi Vol. 8 No. 1 (2025): MISI Januari 2025
Publisher : LPPM STMIK Lombok

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36595/misi.v8i1.1418

Abstract

Penentuan lokasi strategis untuk pembangunan Sekolah Menengah Atas (SMA) di Kabupaten Karanganyar merupakan fokus utama penelitian ini, dengan menggunakan metode Analytical Hierarchy Process (AHP). AHP adalah teknik terstruktur untuk mengorganisasi dan menganalisis keputusan kompleks melalui perbandingan berpasangan. Analisis dilakukan berdasarkan empat kriteria utama, yaitu aksesibilitas, kepadatan penduduk, ketersediaan lahan, dan fasilitas pendukung. Data diperoleh melalui wawancara dengan pemangku kepentingan, analisis dokumen, dan survei lapangan. Hasil menunjukkan bahwa aksesibilitas memiliki bobot prioritas tertinggi (0,558), diikuti oleh kepadatan penduduk (0,263), ketersediaan lahan (0,122), dan fasilitas pendukung (0,057). Kecamatan Jaten menjadi lokasi prioritas utama dengan total nilai 0,58698, diikuti oleh Tasikmadu (0,33241) dan Jatipuro (0,08061). Temuan ini memberikan implikasi praktis bagi perencanaan pendidikan berbasis data, seperti mengoptimalkan distribusi sumber daya dan mempromosikan akses pendidikan yang merata. Selain itu, metodologi penelitian ini menawarkan kerangka kerja untuk mengintegrasikan kriteria multidimensi dalam pengambilan keputusan fasilitas publik, yang dapat diadaptasi untuk konteks serupa, seperti fasilitas kesehatan atau transportasi.
EVALUASI KEPUASAN PENGGUNA DAN IDENTIFIKASI DIMENSI PRIORITAS PADA APLIKASI HR SIDAWAI DENGAN KERANGKA EUCS Kiki Haerani; Muhamad Rodi; Muhammad Fauzi Zulkarnaen; Mardi
Jurnal Manajemen Informatika dan Sistem Informasi Vol. 8 No. 1 (2025): MISI Januari 2025
Publisher : LPPM STMIK Lombok

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36595/misi.v8i1.1429

Abstract

Aplikasi SIDAWAI bertujuan untuk meningkatkan manajemen sumber daya manusia melalui solusi digital. Penelitian ini mengevaluasi kepuasan pengguna menggunakan kerangka End-User Computing Satisfaction (EUCS), dengan fokus pada lima dimensi: konten, format, keakuratan, kemudahan penggunaan, dan ketepatan waktu. Pendekatan kuantitatif deskriptif digunakan, dengan data dikumpulkan melalui survei dari 30 pengguna aktif. Analisis data melibatkan perhitungan skor rata-rata untuk setiap dimensi, yang dilengkapi dengan kategorisasi berdasarkan tingkat kepuasan. Hasil menunjukkan bahwa pengguna sangat puas pada dimensi kemudahan penggunaan (4,30), ketepatan waktu (4,27), dan keakuratan konten (4,20). Namun, dimensi format memperoleh skor terendah (3,50), yang mengindikasikan masalah signifikan pada desain visual dan kejelasan antarmuka. Temuan ini menekankan perlunya perancangan ulang antarmuka dan optimalisasi konten untuk lebih selaras dengan ekspektasi pengguna. Selain itu, peningkatan infrastruktur sistem dapat mengatasi masalah responsivitas selama penggunaan puncak.
MULTI LABEL KLASIFIKASI GENRE FILM BERDASARKAN SINOPSIS MENGGUNAKAN METODE LONG SHORT-TERM MEMORY (LSTM) Akbar, Jihadul; Hairul Fahmi; Wafiah Murniati
Jurnal Manajemen Informatika dan Sistem Informasi Vol. 8 No. 1 (2025): MISI Januari 2025
Publisher : LPPM STMIK Lombok

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36595/misi.v8i1.1436

Abstract

Film merupakan sarana hiburan yang dapat dinikmati oleh banyak orang, bukan hanya sebagai hiburan tetapi juga merupakan sarana pemasaran, perdagangan dan pendidikan. Genre merupakan salah satu karakteristik penting dari sebuah film. Oleh sebab itu klasifikasi genre merupakan cara untuk menemukan hubungan dari masing-masing film sehingga memudahkan penonton untuk menemukan film yang sesuai. Klasifikasi genre film mungkin sangat komprehensif atau beragam berdasarkan kriteria, ada banyak genre yang serupa dalam satu film mungkin termasuk beberapa genre di dalamnya. Untuk menyelesaikan masalah tersebut peneliti mengusulkan klasifikasi multilabel genre film berdasarkan sinopsis menggunakan algoritma Long Short Term Memory (LSTM) dan membandingkan kinerja word embedding Word2Vec, GloVe dan FastText. Arsitektur model LSTM yang diusulkan terdiri dari beberapa layer yakni layer Embedding, SpastialDropout1d, LSTM dan Dese. Nilai dari masing-masing layer yakni 300, 0.5, 128, dan 18. Pengujian dilakukan dengan tiga scenario menunjukkan word embedding GloVe  mengungguli Word2Vec dan FastText dengan f1-score 0.603, 0.591 dan 0.580.

Page 15 of 17 | Total Record : 169

 13   14   15   16   17 

Filter by Year

2018 2025


Reset
Filter By Issues
All Issue Vol. 8 No. 2 (2025): MISI Juni 2025 Vol. 8 No. 1 (2025): MISI Januari 2025 Vol. 7 No. 2 (2024): MISI EDISI JUNI 2024 Vol. 7 No. 1 (2024): MISI Januari 2024 Vol. 6 No. 2 (2023): Misi Juni 2023 Vol. 6 No. 1 (2023): MISI Januari 2023 Vol. 5 No. 2 (2022): MISI Juni 2022 Vol. 5 No. 1 (2022): MISI Januari 2022 Vol. 4 No. 2 (2021): MISI Juni 2021 Vol. 4 No. 1 (2021): MISI Januari 2021 Vol. 3 No. 2 (2020): MISI Juni 2020 Vol. 3 No. 1 (2020): MISI Januari 2020 Vol. 2 No. 2 (2019): MISI Juni 2019 Vol. 2 No. 1 (2018): MISI Januari 2019 Vol. 1 No. 2 (2018): MISI Juni 2018 Vol. 1 No. 1 (2018): MISI Januari 2018 More Issue