cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Tri Rochmadi, S.Kom., M.Kom
Contact Email
treesaro@gmail.com
Phone
-
Journal Mail Official
ijubi@almaata.ac.id
Editorial Address
Program Studi S1 Sistem Informasi, Jl. Brawijaya 99, Yogyakarta 55183
Location
Kab. bantul,
Daerah istimewa yogyakarta
INDONESIA
Indonesian Journal of Business Intelligence (IJUBI)
Published by Universitas Alma Ata Yogyakarta
ISSN : 26213915     EISSN : 26213923     DOI : -
Core Subject : Science,
Computer Science & IT Decision Sciences, Operations Research & Management
Fokus jurnal adalah karya inovatif pada analisis, desain, pengembangan, implementasi, evaluasi program, proyek, dan produk sistem informasi dalam manajemen strategis dan intelijen bisnis.
Arjuna Subject : Ilmu Komputer (semua kategori) - Sistem Informasi
Articles 205 Documents
 17   18   19   20   21 
PREDIKSI KEBERHASILAN TRANSFORMASI DIGITAL PADA UKM Mutiarachim, Atika
Indonesian Journal of Business Intelligence (IJUBI) Vol 8 No 1 (2025): Indonesian Journal of Business Intelligence (IJUBI)
Publisher : Universitas Alma Ata

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21927/ijubi.v8i1.5679

Abstract

Industri 4.0 menuntut pelaku industri skala besar sampai kecil untuk mampu beradaptasi dengan percepatan teknologi. Transformasi digital terbukti berdampak signifikan terhadap kinerja industri, termasuk mempertahankan eksistensi UKM. Keberhasilan UKM dalam memanfaatkan teknologi terbukti mampu meningkatkan keuntungan dan efisiensi operasional. Pelaku UKM harus memastikan transformasi digital berhasil diterapkan. Prediksi transformasi digital memudahkan pelaku UKM untuk mengetahui tingkat keberhasilan usahanya dalam menerapkan transformasi digital, sehingga UKM dapat mengembangkan strategi inovasi mengoptimalkan teknologi digital untuk menjaga eksistensi, memperoleh keuntungan optimal, meningkatkan daya saing serta efisiensi operasional. Prediksi dilakukan dengan membandingkan ID3, C4.5 dan CART untuk menemukan rule dengan performance terbaik, yang paling efektif untuk memprediksi keberhasilan suatu UKM dalam menerapkan transformasi digital. Hasil menunjukkan ID3 memperoleh performance terbaik dengan akurasi 89.19% dan AUC 0.959. Atribut ATP menjadi root node pada seluruh pohon keputusan yang dihasilkan. Ini berarti variabel Peran Digital Marketing, Model TOE, Strategi Bisnis Digital, Adopsi technopreneurship mempunyai peranan besar atau dampak yang signifikan terhadap UKM dalam melaksanakan transformasi digital pada bisnisnya.
KLASIFIKASI KEMATANGAN PISANG BERDASARKAN CITRA WARNA KULIT MENGGUNAKAN DECISION TREE DAN SUPPORT VECTOR MACHINE DENGAN INTEGRASI YOLOV8 Gitisari, Deva; Nisrina, Restu Putri; Putri, Nayla Natania; Heristian, Sujiliani; Apriana, Veti; Santoso, Rame
Indonesian Journal of Business Intelligence (IJUBI) Vol 8 No 2 (2025): Indonesian Journal of Business Intelligence (IJUBI)
Publisher : Universitas Alma Ata

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21927/ijubi.v8i2.6488

Abstract

  Di Indonesia, panen pisang sering dilakukan sebelum buah mencapai kematangan fisiologis. Akibatnya, seringkali pisang yang belum matang beredar di pasaran. Tujuan dari penelitian ini adalah untuk mengevaluasi akurasi dua algoritma Machine Learning, yaitu Decision Tree dan Support Vector Machine (SVM) untuk menentukan tingkat kematangan pisang dengan  menggunakan dataset 6000 gambar pisang yang dikategorikan unripe, ripe, overripe, dan rotten. Dataset dipecah dalam rasio 80:20 untuk data latih dan data uji. Kemudian, metrik akurasi, presisi, recall, dan skor F1 digunakan untuk menguji. Hasil pengujian menunjukkan algoritma SVM memiliki akurasi tertinggi 92%, melampaui Decision Tree yang memiliki akurasi 82%. Model SVM Terbaik kemudian dikombinasikan dengan YOLOv8 untuk identifikasi kematangan pisang secara real-time menggunakan kamera. Penelitian ini memberikan kontribusi dengan menunjukkan efektivitas kombinasi HSV-SVM serta implementasi real-time menggunakan YOLOv8 menawarkan solusi praktis untuk pemantauan kualitas pisang secara otomatis.
PENGEMBANGAN SISTEM INFORMASI PROPERTI SEWA BERBASIS WEB: PENDEKATAN DBLC DAN PERSPEKTIF MANAJEMEN SISTEM INFORMASI Thamrin, Jihan Zhafira; Matondang, Nurhafifah; Amalia, Rifka Dwi
Indonesian Journal of Business Intelligence (IJUBI) Vol 8 No 2 (2025): Indonesian Journal of Business Intelligence (IJUBI)
Publisher : Universitas Alma Ata

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21927/ijubi.v8i2.6531

Abstract

Rental properties particularly boarding houses, require fast, accurate, and structured information to manage tenants, rooms, and payments at scale. This study designs and develops a web-based Rental Property Information System for “Grogol Mansion” using the Database Life Cycle (DBLC) method. Requirements were elicited via interviews and observation, then modeled with ERD and translated into a relational schema implemented in PHP–MySQL. Core modules include public room catalog & availability, account registration and booking, payment recording, tenant complaints, and an admin dashboard with multi-role access. Black-box testing and user acceptance testing (UAT) confirmed that all critical flows ran without errors, data were consistently recorded, confirmations/notifications appeared as expected, and UI response times met the ≤3-second criterion under normal load. The system improved operational efficiency, data accuracy, and service transparency, while providing a digital promotion channel. From a Management Information Systems perspective, the solution strengthens decision-making through structured data, controlled access, and auditable reports.
TINJAUAN SISTEMATIS TREN, METODE, DAN DATA PADA PREDIKSI KELULUSAN MAHASISWA Ansari, Rudy; Sunardi, Sunardi; Riadi, Imam
Indonesian Journal of Business Intelligence (IJUBI) Vol 8 No 2 (2025): Indonesian Journal of Business Intelligence (IJUBI)
Publisher : Universitas Alma Ata

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21927/ijubi.v8i2.6551

Abstract

Penelitian tentang prediksi kelulusan mahasiswa banyak dipublikasikan akan tetapi biasanya metode beserta data yang dihasilkan dikemas secara terpisah dan kompleks sehingga gambaran tentang topik prediksi kelulusan mahasiswa saat ini kurang komprehensif. Tinjauan literatur ini bertujuan untuk mengidentifikasi dan menganalisis tren penelitian, dataset, dan metode tentang prediksi kelulusan mahasiswa yang dipublikasikan antara tahun 2020-2025. Berdasarkan kriteria inklusi dan ekslusi, tercatat sebanyak 75 artikel dari 199 artikel yang bersumber pada jurnal kuartil 1-4. Tinjauan literatur sistematis dapat didefinisikan sebagai proses mengidentifikasi, menilai, dan menginterpretasikan semua bukti penelitian yang tersedia untuk memberikan jawaban atas pertanyaan penelitian yang spesifik. Hasil analisis dalam lima tahun terakhir mengungkapkan bahwa penelitian prediksi kelulusan mahasiswa terdapat empat topik yaitu prediksi/klasifikasi, analisis dataset, pengelompokan (clustering), dan estimasi. Selain itu,  terdapat juga dua tren yang dibahas yaitu pemilihan fitur (feature selection) dan data tidak seimbang (imbalance data). Kategori data yang digunakan pada lima tahun terakhir lebih banyak menggunakan data private atau data real sebanyak 91% daripada data public. Metode yang paling sering digunakan pada topik-topik tersebut adalah Random Forest (RF), dan paling jarang yaitu metode Artificial Neural Network (ANN). Terdapat juga penggabungan metode untuk optimasi parameter di beberapa klasifikasi.
PENERAPAN METODE UCD DALAM PERACANGAN SISTEM INFORMASI PENGELOLAAN PEMINJAMAN BUKU PERPUSTAKAAN KOTA PADANGSIDEMPUAN Utami, Bunga Adella; Ikhwan, Ali
Indonesian Journal of Business Intelligence (IJUBI) Vol 8 No 2 (2025): Indonesian Journal of Business Intelligence (IJUBI)
Publisher : Universitas Alma Ata

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21927/ijubi.v8i2.6706

Abstract

Proses pengelolaan peminjaman buku di Perpustakaan Kota Padangsidempuan masih menghadapi berbagai kendala, seperti ketidakakuratan data, keterlambatan pencatatan, serta keterbatasan akses informasi bagi pengguna akibat sistem yang masih manual. Kondisi tersebut berdampak pada rendahnya efisiensi layanan serta kurang optimalnya pengalaman pengguna dalam mencari, meminjam, maupun mengembalikan buku. Penelitian ini bertujuan untuk merancang dan mengembangkan sistem informasi pengelolaan perpustakaan berbasis web dengan menerapkan metode User Centered Design, sehingga kebutuhan pengguna dapat diidentifikasi secara akurat dan terakomodasi dalam solusi sistem yang dibangun. Penelitian menggunakan pendekatan kualitatif melalui observasi, wawancara, dan studi pustaka untuk menggali kebutuhan pustakawan dan anggota perpustakaan. Hasil penelitian mencakup perancangan prototipe sistem yang meliputi fitur login, pengelolaan koleksi, pencarian buku, peminjaman, pengembalian, pemesanan (booking) buku, serta rekomendasi otomatis berbasis Collaborative Filtering. Pengujian menggunakan metode Black Box Testing menunjukkan bahwa seluruh fitur berjalan dengan baik sesuai fungsi yang diharapkan. Kesimpulan penelitian menyatakan bahwa penerapan UCD mampu menghasilkan sistem informasi yang lebih efisien, mudah digunakan, dan relevan dengan kebutuhan pengguna, sehingga dapat meningkatkan kualitas layanan perpustakaan serta mendukung proses administrasi secara lebih efektif.

Page 21 of 21 | Total Record : 205

 17   18   19   20   21 

Filter by Year

2018 2025


Reset
Filter By Issues
All Issue Vol 8 No 2 (2025): Indonesian Journal of Business Intelligence (IJUBI) Vol 8 No 1 (2025): Indonesian Journal of Business Intelligence (IJUBI) Vol 8, No 1 (2025): Indonesian Journal of Business Intelligence (IJUBI) Vol 7, No 2 (2024): Indonesian Journal of Business Intelligence (IJUBI) Vol 7 No 2 (2024): Indonesian Journal of Business Intelligence (IJUBI) Vol 7, No 1 (2024): Indonesian Journal of Business Intelligence (IJUBI) Vol 7 No 1 (2024): Indonesian Journal of Business Intelligence (IJUBI) Vol 6 No 2 (2023): Indonesian Journal of Business Intelligence (IJUBI) Vol 6, No 2 (2023): Indonesian Journal of Business Intelligence (IJUBI) Vol 6, No 1 (2023): Indonesian Journal of Business Intelligence (IJUBI) Vol 6 No 1 (2023): Indonesian Journal of Business Intelligence (IJUBI) Vol 5, No 2 (2022): Indonesian Journal of Business Intelligence (IJUBI) Vol 5 No 2 (2022): Indonesian Journal of Business Intelligence (IJUBI) Vol 5 No 1 (2022): Indonesian Journal of Business Intelligence (IJUBI) Vol 5, No 1 (2022): Indonesian Journal of Business Intelligence (IJUBI) Vol 4, No 2 (2021): Indonesian Journal of Business Intelligence (IJUBI) Vol 4 No 2 (2021): Indonesian Journal of Business Intelligence (IJUBI) Vol 4, No 1 (2021): Indonesian Journal of Business Intelligence (IJUBI) Vol 4 No 1 (2021): Indonesian Journal of Business Intelligence (IJUBI) Vol 3, No 2 (2020): Indonesian Journal of Business Intelligence (IJUBI) Vol 3 No 2 (2020): Indonesian Journal of Business Intelligence (IJUBI) Vol 3, No 1 (2020): Indonesian Journal of Business Intelligence (IJUBI) Vol 3 No 1 (2020): Indonesian Journal of Business Intelligence (IJUBI) Vol 2 No 2 (2019): Indonesian Journal of Business Intelligence (IJUBI) Vol 2, No 2 (2019): Indonesian Journal of Business Intelligence (IJUBI) Vol 2, No 1 (2019): Indonesian Journal of Business Intelligence (IJUBI) Vol 2 No 1 (2019): Indonesian Journal of Business Intelligence (IJUBI) Vol 1, No 2 (2018): Indonesian Journal of Business Intelligence (IJUBI) Vol 1, No 1 (2018): Indonesian Journal of Business Intelligence (IJUBI) Vol 1 No 2 (2018): Indonesian Journal of Business Intelligence (IJUBI) Vol 1 No 1 (2018): Indonesian Journal of Business Intelligence (IJUBI) More Issue