JUSTINDO (Jurnal Sistem dan Teknologi Informasi Indonesia)
JUSTINDO is a scientific journal managed by the informatics engineering study program at the university of muhammadiyah jember as a publication media for research articles in the field of systems and information technology which covers the following topics: Software engineering, Games, Information Retrieval, Computer networks, Telecommunication, Internet, Wireless technology, Network security , Multimedia technology, Mobile Computing, Parallel / Distributed Computing, Development, management and utilization of Information Systems, Organizational Governance, Enterprise Resource Planning, Enterprise Architecture Planning, e-Businness, e-Commerce, e-Learning, Data mining, Text mining, Data warehouse, Online Analytical Processing, Artificial Intelligence, Decision Support System, and Mathematics. JUSTINDO is issued twice a year in February and August. The editor invites research lecturers, reviewers, practitioners, industry, and observers to contribute to this journal. JUSTINDO provides a platform for scientists and academics throughout Indonesia to promote, share and discuss new issues and the development of information systems and information technology. JUSTINDO aims to achieve the theory and application of this sophisticated field. In 2017, JUSTINDO already has an ISSN both printed and online, for ISSN (Print) is 2502 - 5724 and for ISSN (Online) is 2541 - 5735.
Articles
156 Documents
<![CDATA[Analisis Pengaruh PCA Pada Klasifikasi Kualitas Air Menggunakan Algoritma K-Nearest Neighbor dan Logistic Regression ]]>
<![CDATA[Baiq Nurul Azmi]]>;
<![CDATA[Arief Hermawan]]>;
<![CDATA[Donny Avianto]]>
<![CDATA[ JUSTINDO (Jurnal Sistem dan Teknologi Informasi Indonesia) Vol 7, No 2 (2022): JUSTINDO ]]>
Publisher : <![CDATA[Universitas Muhammadiyah Jember ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.32528/justindo.v7i2.8190
<![CDATA[Air bersih merupakan komponen penting untuk mendukung keberlangsungan hidup manusia. Perkembangan industri dan semakin bervariasinya aktivitas manusia berdampak pada penurunan kualitas air di area tersebut. Penurunan tingkat kualitas air dapat menyebabkan air menjadi tidak layak untuk dikonsumsi bahkan berbahaya untuk dikonsumsi. Kemampuan mengklasifikasi kualitas air secara akurat sangat diperlukan untuk menghindari penurunan tingkat kualitas air. Penelitian sebelumnya menunjukkan bahwa jumlah fitur yang digunakan untuk klasifikasi kualitas air sangat banyak. Jumlah fitur yang banyak ini memang dapat membantu metode pengklasifikasi untuk melihat domain permasalahan secara menyeluruh. Namun, belum ada penelitian yang meninjau secara detail apakah jumlah fitur yang banyak benar-benar diperlukan untuk mendapatkan hasil terbaik. Penelitian ini mengkaji penggunaan metode principal component analysis (PCA) untuk menemukan jumlah fitur yang paling optimal dalam konteks klasifikasi kualitas air. Penelitian ini menggunakan data kualitas air di lingkungan perkotaan yang diperoleh dari situs kaggle. Total data yang digunakan adalah 8000 baris data dengan 21 fitur untuk setiap baris data yang ada. Fitur hasil principal component analysis kemudian dijadikan input untuk dua metode klasfikasi yaitu k-nearest neighbor (kNN) dan logistic regression. Penggunaan dua metode klasifikasi yang berbeda ini bertujuan menemukan tingkat akurasi terbaik untuk data yang digunakan. Hasil eksperimen menunjukkan metode k-nearest neighbor mampu memberikan performa yang lebih baik dibandingkan logistic regression dengan pencapaian nilai akurasi 90.8%, presisi 90.0%, dan recall 91.0%. Hasil ini didapatkan dengan melibatkan seluruh fitur yang ada dan nilai k=9, sehingga dapat disimpulkan bahwa jumlah fitur yang banyak pada konteks klasifikasi kulitas air memang diperlukan untuk mendapatkan nilai akurasi yang tinggi. Kata kunci: kualitas, air, PCA, kNN, logistic, regression]]>
<![CDATA[Analisis Dan Perancangan Sistem Informasi Penerimaan Peserta Didik Baru (PPDB) Pada SMA Wachid Hasyim 1 Surabaya ]]>
<![CDATA[Fiovintino Gunawan]]>;
<![CDATA[Ayuningtyas Ayuningtyas]]>;
<![CDATA[Nunuk Wahyuningtyas]]>
<![CDATA[ JUSTINDO (Jurnal Sistem dan Teknologi Informasi Indonesia) Vol 7, No 2 (2022): JUSTINDO ]]>
Publisher : <![CDATA[Universitas Muhammadiyah Jember ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.32528/justindo.v7i2.8088
<![CDATA[Proses Penerimaan Siswa Baru (PPDB) di SMA Wachid Hasyim 1 Surabaya dilakukan berdasarkan Standar Operasional Prosedur (SOP). SMA Wachid Hasyim 1 Surabaya tidak menerapkan sistem zonasi karena SMA Wachid Hasyim 1 Surabaya memiliki kebijakan yang berbeda dengan sekolah negeri. Dengan menggunakan sistem pengembangan Waterfall, aplikasi ini dimulai dengan wawancara. Hasil wawancara tersebut menyatakan kondisi yang dihadapi para pendaftar sekolah saat ini yang masih harus dapat ke sekolah untuk melakukan pendaftaran dengan membawa serta semua dokumen-dokumen yang dibutuhkan, Keadaan ini membuat calon pendaftaran kesulitan dalam melakukan pengisian formulir dan proses selanjutnya. Hal ini dikarenakan belum adanya aplikasi yang mempermudah proses tersebut. Pengembangan aplikasi pendaftaran dimulai dengan analisis proses bisnis dan menghasilkan suatu rancangan aplikasi pendaftaran. Rancangan aplikasi ini akan mempermudah proses pendaftaran calon siswa secara online, memberikan laporan data calon siswa yang dibutuhkan oleh pihak sekolah, dan dapat meningkatkan target atau jumlah pendaftaran siswakata kunci: Website, Sekolah, Penerimaan Peserta Didik Baru (PPDB)]]>
<![CDATA[AKURASI SENTIMEN PADA KOMENTAR YOUTUBE UNTUK PERMENDIKBUD TENTANG PENCEGAHAN DAN PENANGANAN KEKERASAN SEKSUAL BERBASIS NAÏVE BAYES DAN SUPPORT VECTOR MACHINE ]]>
<![CDATA[Muhammad Derryl Qinanda]]>;
<![CDATA[Agung Nilogiri]]>;
<![CDATA[Taufiq Timur]]>
<![CDATA[ JUSTINDO (Jurnal Sistem dan Teknologi Informasi Indonesia) Vol 7, No 2 (2022): JUSTINDO ]]>
Publisher : <![CDATA[Universitas Muhammadiyah Jember ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.32528/justindo.v7i2.7616
<![CDATA[Perkembangan9teknologi informasi membawakan perubahan modern untuk masyarakat. Beberapa penggunaan media sosial, diantaranya adalah untuk mendapatkan dan menyampaikan informasi kepada masyarakat atau kerabat Salah satu dari beberapa media9sosial yang saat ini sering digunakan=oleh/masyarakat yaitu situs Youtube. Sentimen Analisis merupakan sebuah teknik dimana untuk mengekstrak sebuah data yang berbentuk teks yang digunakan untuk memperoleh sebuah informasi tentang sentimen bernilai positif dan negatif. Ruang lingkup penelitian ini dilakukan hanya pada komentar masyarakat terhadap permasalahan pencegahan dan penanganan kekerasan seksual di lingkungan perguruan tinggi pada channel MataNajwa. Selanjutnya data tersebut akan dilakukan pengolahan data menggunakan metode Naïve=Bayes dan Support=Vector=Machine menggunakan ekstrasi fitur TF-IDF. Hasil akurasi yang didapatkan pada penelitian ini ialah 64% dengan menggunakan Naïve Bayes dan dilakukan pengujian dengan menggunakan data yang dipilih menggukan K-Fold Cross Validation lalu menghasilkan akurasi sebesar 51,7%. Sedangkan nilai akurasi yang didapatkan saat menggunakan Supporti=Vector=Machine ialah sebesar 92% dengani dilakukan pengujian menggunakan unseen data test yang dipilih random menghasilkan nilai akurasi sebesar 62%.Kata kunci: analisis isentimen, youtube,iisupport vector machine, naive bayes, akurasi]]>
<![CDATA[Analisis Pola Belanja Konsumen untuk Menentukan Tata Letak Obat Menggunakan Algorita FP-Growth ]]>
<![CDATA[Tiara Syilfa]]>;
<![CDATA[Betha Nurina Sari]]>;
<![CDATA[Dadang Yusuf]]>
<![CDATA[ JUSTINDO (Jurnal Sistem dan Teknologi Informasi Indonesia) Vol 7, No 2 (2022): JUSTINDO ]]>
Publisher : <![CDATA[Universitas Muhammadiyah Jember ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.32528/justindo.v7i2.5475
<![CDATA[Apotek Segar menyediakan berbagai macam obat-obatan, mulai dari obat tradisional, kosmetika dan alat kesehatan. Apotek Segar hanya menempatkan tata letak obat berdasarkan kategori obat sesuai dengan urutan abjad. Hal ini kerap membuat pegawai merasa sedikit kesulitan mencari obat yang berhubungan, seperti tata letak antara obat yang sering dibeli bersamaan letaknya berjauhan. Peningkatan mutu pelayanan pada Apotek Segar dapat dilakukan dengan melakukan penataan tata letak obat yang sesuai dengan pola belanja konsumen. Penelitian ini menyajikan analisis Algoritma FP-Growth dalam menemukan aturan asosiasi dari pola belanja konsumen untuk nantinya digunakan sebagai acuan menentukan tata letak obat. Data yang digunakan dalam penelitian ini adalah data pada bulan Juli-Desember tahun 2020 dengan total data berjumah 269 data records. Metodologi penelitian yang digunakan adalah metodologi KDD dengan tahapan yang terdiri dari data selection, data preprocessing, data mining dan pattern evaluation. Pada tahapan data mining menghasilkan 22 aturan asosiasi dengan nilai support 25% dan confidence 95%. Untuk uji evaluasi aturan asosiasi yang telah terbentuk menggunakan nilai lift ratio dimana semua aturan asosiasi yang terbentuk memiliki nilai lebih dari satu (1) yang artinya aturan asosiasi yang terbentuk kuat dan valid untuk dijadikan acuan dalam menentukan tata letak obat. Sehingga dapat disimpulkan bahwa algoritma FP-Growth telah berhasil menganalisis keterkaitan obat antara satu dengan yang lainnya untuk menentukan tata letak obat pada Apotek Segar Karawang.]]>
<![CDATA[Penerapan Model Algoritma C4.5 dengan Tool Weka Untuk Memprediksi Kelulusan Mahasiswa ]]>
<![CDATA[Daryanto Daryanto]]>;
<![CDATA[Rahma Wahyuningsih]]>;
<![CDATA[Miftahur Rahman]]>
<![CDATA[ JUSTINDO (Jurnal Sistem dan Teknologi Informasi Indonesia) Vol 7, No 2 (2022): JUSTINDO ]]>
Publisher : <![CDATA[Universitas Muhammadiyah Jember ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.32528/justindo.v7i2.8334
<![CDATA[Fakultas Teknik Universitas Muhammadiyah Jember merupakan Fakultas yang memiliki jumlah mahasiswa yang cukup banyak setiap tahunnya, tetapi mahasiswa yang dapat lulus tepat per tahun kurang dari 50%, sedangkan jumlah mahasiswa baru setiap tahunnya meningkat. Sehingga mengakibatkan jumlah mahasiswa yang tidak lulus sesuai dengan masa kelulusannya. Berdasarkan latar belakang penelitian ini dilakukan untuk membuat sebuah sistemmenggunakan metode yang dapat memprediksi nilai kelulusan mahasiswa. Sistem ini menggunakan metode Data Mining untuk mengelola data yang ada, guna mendapatkan hasil yang diinginkan dengan menerapkan algoritma C4.5. Pada penelitian ini menggunakan data Mahasiswa Fakultas Teknik Tahun Akademik 2016/2017 sampai 2018/2019 sebanyak 1220, terdiri dari 5 Prodi yaitu: Teknik Elektro 132, Teknik Mesin 176, Manajemen Informatika 42, Teknik Sipil 388 dan Teknik Informatika 482. Dari jumlah mahasiswa tersebut digunakan sebanyak 50% untuk dijadikan dataset , kemudian dihitung menggunakan weka eksplorer versi 3.8.5. Input yang digunakan sebagai pengujian menggunakan metode tersebut berupa atribut dari data mahasiswa yang meliputi Jenis Kelamin, Asal Sekolah, Jalur Masuk,Nilai IPS dan lulus tepat waktu. Hasil perhitungan kami Fakultas Teknik didapatakan persentase akurasi 96%, presisi 96% dan recall 4% Dari perhitungan yang dilakukan peneliti memprediksi tingkat kelulusan mahasiswa Fakultas Teknik adalah 70% lulus tepat waktu dan 30% tidak lulus tepat waktu.]]>
<![CDATA[Implementasi Metode Adaboost untuk Mengoptimasi Klasifikasi Penyakit Diabetes dengan Algoritma Naive Bayes ]]>
<![CDATA[Lidia Pebrianti]]>;
<![CDATA[Fitrahuda Aulia]]>;
<![CDATA[Halimatun Nisa]]>;
<![CDATA[Kana Saputra S]]>
<![CDATA[ JUSTINDO (Jurnal Sistem dan Teknologi Informasi Indonesia) Vol 7, No 2 (2022): JUSTINDO ]]>
Publisher : <![CDATA[Universitas Muhammadiyah Jember ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.32528/justindo.v7i2.8627
<![CDATA[Diabetes melitus adalah penyakit metabolik yang disebabkan oleh kegagalan tubuh menggunakan insulin atau tidak adanya insulin kimia, karena itu kadar gula dalam darah tidak dapat terkendali. Menurut International Diabetes Federation (IDF), saat ini dinilai untuk jumlah penderita diabetes di Indonesia bisa mencapai 28,57 juta pada tahun 2045. Jumlah ini 47% lebih besar daripada 19,47 juta dari tahun 2021. Penderita diabetes diketahui melonjak 167% dibandingkan dengan penderita diabetes pada tahun 2011 yang mencapai 7,29 juta. Secara umum, IDF mengukur jumlah penderita diabetes di dunia dapat mencapai 783,7 juta orang pada tahun 2045. Jumlah ini meningkat 46% dibandingkan dengan tahun 2021 yang mencapai 536,6 juta. Adaboost adalah Algoritma Boosting yang paling terkenal, dapat digunakan dengan tujuan untuk meningkatkan keakuratan kinerja pembelajaran Machine Learning Naïve Bayes, sehingga dapat mengurangi noise dalam kumpulan data yang berukuran besar dengan beberapa kelas atau multi kelas. .Dengan menggunakan split data 60/40 Algoritma Naïve Bayes menghasilkan akurasi sebesar 0.7608. Sedangkan untuk hasil Naïve Bayes yang di boosting dengan menggunakan algoritma Adaboost adalah sebesar 0,7694. ]]>
