cover
Contact Name
Pramitha Dwi Larasati
Contact Email
jurnal.siskomkb@tau.ac.id
Phone
+628569874091
Journal Mail Official
jurnal.siskomkb@tau.ac.id
Editorial Address
Jl. Swadarma Raya No. 58, Ulujami Pesanggrahan, Jakarta Selatan12250
Location
Kota adm. jakarta selatan,
Dki jakarta
INDONESIA
Jurnal Sistem Komputer & Kecerdasan Buatan
ISSN : 2613991X     EISSN : 26212927     DOI : -
Jurnal Sistem Komputer dan Kecerdasan Buatan (SisKom-KB) adalah salah satu jurnal ilmiah yang diterbitkan oleh kantor Lembaga Penelitian dan Pengabdian Masyarakat (LPPM) Universitas Tanri Abeng yang mencakup bidang Ilmu Komputer, Teknik Informatika, Teknik Elektro dan beberapa bidang ilmu multidisipliner yang mengarah pada Sistem Komputer berbasis Kecerdasan Buatan. Jurnal ini diterbitkan berkala dengan dua volume setiap tahunnya. Jurnal Penelitian Ilmiah ini menerima hasil tulisan penelitian ilmiah dari luar civitas akademika Universitas Tanri Abeng
Articles 178 Documents
ANALISIS SENTIMEN ULASAN PENGGUNA APLIKASI MEDIA SOSIAL X DI PLAY STORE MENGGUNAKAN ALGORITMA LONG SHORT-TERM MEMORY (LSTM) DAN GATED RECURRENT UNIT (GRU): Studi Kasus pada Ulasan Pengguna di Google Play Store Wily, Wily Arisandi; Anggai, Sajarwo; Tukiyat, Tukiyat
Jurnal SISKOM-KB (Sistem Komputer dan Kecerdasan Buatan) Vol. 9 No. 1 (2025): Volume IX - Nomor 1 - September 2025
Publisher : Teknik Informatika, Sistem Informasi dan Teknik Elektro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47970/siskom-kb.v9i1.875

Abstract

Penelitian ini bertujuan untuk membandingkan performa dua algoritma deep learning, yaitu Long Short-Term Memory (LSTM) dan Gated Recurrent Unit (GRU), dalam melakukan klasifikasi sentimen terhadap ulasan pengguna aplikasi media sosial X di Google Play Store. Dataset yang digunakan sebanyak 5.100 data ulasan yang telah diberi label secara manual ke dalam tiga kategori sentimen kelas positif, netral, dan negatif. Proses evaluasi dilakukan melalui 12 skenario kombinasi hyperparameter yang melibatkan variasi nilai learning rate, regularization, epoch, dan batch size. Data dibagi menjadi tiga bagian, yaitu 70% untuk pelatihan, 15% validasi, dan 15% pengujian. Hasil evaluasi menunjukkan bahwa model LSTM dengan skenario 0.002-LSTM-100-512 memberikan performa terbaik dengan akurasi 0.842, presisi 0.730, recall 0.719, dan F1-score 0.724. Sementara itu, model GRU terbaik dengan skenario 0.001-GRU-100-256 menghasilkan akurasi 0.837, presisi 0.713, recall 0.690, dan F1-score 0.696. Meskipun GRU memiliki nilai presisi yang kompetitif, model LSTM unggul dalam semua metrik lainnya, terutama F1-score yang menjadi indikator utama dalam penelitian ini karena mencerminkan keseimbangan antara presisi dan recall. Berdasarkan hasil tersebut, model LSTM dipilih sebagai model paling optimal untuk tugas analisis sentimen dalam studi ini.
ANALISIS RASIO KEUANGAN YANG MEMPENGARUHI NILAI BUKU PERUSAHAAN DENGAN MODEL REGRESSION, SUPPORT VECTOR MACHINE DAN ALGORITMA GENETIKA (Studi Kasus Perusahaan Manufaktur dan Infrastruktur Terdaftar BEI 2018-2023) Albert, Albert Setiawan Harijanto; Rivai, Abu Khalid; Sudarno, Sudarno
Jurnal SISKOM-KB (Sistem Komputer dan Kecerdasan Buatan) Vol. 9 No. 1 (2025): Volume IX - Nomor 1 - September 2025
Publisher : Teknik Informatika, Sistem Informasi dan Teknik Elektro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47970/siskom-kb.v9i1.876

Abstract

Penelitian ini bertujuan untuk menganalisis rasio laporan keuangan menggunakan tiga pendekatan regresi: Genetic Algorithm (GA), Support Vector Machine (SVM), dan Regresi Linear, dalam memprediksi nilai Price to Book Value (PBV) berdasarkan indikator keuangan seperti Debt to Equity Ratio (DER), Price Earnings Ratio (PER), dan Return on Assets (ROA). Data yang digunakan adalah laporan tahunan perusahaan berbasis manufaktur dan infrastruktur yang diperoleh dari Bursa Efek Indonesia selama periode 2018-2023, dengan total 350 data. Hasil analisis menunjukkan bahwa model SVM memiliki nilai Mean Squared Error (MSE) dan Root Mean Squared Error (RMSE) terendah, masing-masing sebesar 2.0017 dan 1.4148. Namun, model GA menunjukkan nilai Mean Absolute Error (MAE) dan Mean Absolute Percentage Error (MAPE) yang lebih kecil, yaitu 0.3106 dan 22.68%, dibandingkan SVM yang memiliki MAPE lebih tinggi (50.07%). Model Regresi Linear menunjukkan performa yang jauh lebih buruk, dengan MSE mencapai 45.5992 dan R² negatif sebesar -22.2335, menandakan bahwa model tersebut tidak mampu menangkap pola dalam data. Secara keseluruhan, model GA yang dioptimasi melalui seleksi dan mutasi dengan validasi silang menunjukkan kinerja terbaik dalam hal akurasi dan stabilitas prediksi. Penelitian ini menegaskan efektivitas algoritma evolusioner dalam pemodelan prediktif berbasis data keuangan, serta menyoroti pentingnya pemilihan metode yang tepat untuk analisis rasio laporan keuangan.
ANALISIS SENTIMEN PERSEPSI PENGGUNA KURIKULUM MERDEKA BELAJAR MENGGUNAKAN METODE NAIVE BAYES CLASSIFIER (NBC) DAN SUPPORT VECTOR MACHINE (SVM) STUDI KASUS : SMK TEKNIKOM CIKARANG Alvionita, Tia Millenia; Achmad Hindasyah, Achmad Hindasyah; Abu Khalid, Abu Khalid
Jurnal SISKOM-KB (Sistem Komputer dan Kecerdasan Buatan) Vol. 9 No. 1 (2025): Volume IX - Nomor 1 - September 2025
Publisher : Teknik Informatika, Sistem Informasi dan Teknik Elektro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47970/siskom-kb.v9i1.878

Abstract

Abstract— Penerapan Kurikulum Merdeka di berbagai jenjang pendidikan menimbulkan beragam persepsi dari para penggunanya, termasuk di tingkat Sekolah Menengah Kejuruan (SMK). Perubahan pendekatan pembelajaran, integrasi projek penguatan profil pelajar Pancasila, serta fleksibilitas dalam perancangan kurikulum menjadi faktor-faktor yang memicu variasi tanggapan dari guru dan siswa sebagai pelaksana langsung. Penelitian ini bertujuan untuk mengevaluasi persepsi tersebut melalui analisis sentimen berbasis teks, dengan tujuan mengetahui kecenderungan opini pengguna terhadap Kurikulum Merdeka di SMK Teknikom Cikarang. Pendekatan yang digunakan adalah kuantitatif dengan metode klasifikasi teks menggunakan Naive Bayes Classifier (NBC) dan Support Vector Machine (SVM). Data diperoleh dari tanggapan siswa melalui survei terbuka, yang kemudian dikategorikan ke dalam tiga label sentimen: positif, negatif, dan netral. Penelitian ini juga mengidentifikasi faktor-faktor utama yang memengaruhi persepsi siswa, di antaranya: pemahaman terhadap alur tujuan pembelajaran (ATP), pengalaman belajar berbasis projek, keterlibatan guru dalam memfasilitasi pembelajaran, serta kemudahan dalam penggunaan media ajar digital. Metode klasifikasi diuji menggunakan tiga varian NBC, yaitu GaussianNB, MultinomialNB, dan BernoulliNB, kemudian dibandingkan dengan algoritma SVM. Hasil evaluasi berdasarkan confusion matrix menunjukkan bahwa metode SVM memiliki akurasi tertinggi sebesar 96,5%, dengan klasifikasi benar sebanyak 36 data positif, 45 data negatif, dan 112 data netral. Di antara model Naive Bayes, performa terbaik ditunjukkan oleh BernoulliNB dengan akurasi 92,5%, diikuti oleh MultinomialNB denganakurasi yang sama, sementara GaussianNB menunjukkan performa terendah dengan akurasi 77,5%. Keunggulan SVM disebabkan oleh kemampuannya dalam menangani data teks berdimensi tinggi dan bersifat sparsity, serta ketahanannya dalam membedakan kelas sentimen yang memiliki kemiripan— terutama ketika fitur teks tidak mengikuti distribusi probabilistik yang kuat seperti yang diasumsikan dalam model Naive Bayes. Temuan ini menunjukkan bahwa Support Vector Machine lebih unggul dalam mengklasifikasikan persepsi pengguna terhadap Kurikulum Merdeka Belajar dibandingkan dengan varian Naive Bayes. Hasil ini diharapkan dapat menjadi dasar dalam pengembangan sistemevaluasi berbasis analisis sentimen di bidang pendidikan, khususnya untuk menilai implementasi kurikulum baru berdasarkan opini siswa, kemampuan generalisasi tinggi SVM mampu menemukan hyperplane optimal yang memisahkan data dengan margin maksimum, sehingga meminimalkan kesalahan klasifikasi.
Perancangan Bel Jam Otomatis Berbasis Internet of Things Menggunakan Mikrokontroler ESP32 Di SMK Islam Cendikia: Perancangan Bel Jam Otomatis Berbasis Internet of Things Menggunakan Mikrokontroler ESP32 Di SMK Islam Cendikia Husni, Ajril; Sumaedi, Ade
Jurnal SISKOM-KB (Sistem Komputer dan Kecerdasan Buatan) Vol. 9 No. 1 (2025): Volume IX - Nomor 1 - September 2025
Publisher : Teknik Informatika, Sistem Informasi dan Teknik Elektro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47970/siskom-kb.v9i1.881

Abstract

Abstrak— Bel sekolah dipergunakan sebagai pemberitahuan kepada siswa-siswi berada di lingkungan sekolah kegiatan dimulai dan berakhir, bel sekolah sering di temui di sekolah umumnya, berbentuk listrik seperti yang di pergunakan di SMK Islam Cendikia menggunakan bel listrik berbentuk amplifier membutuhkan bantuan manusia untuk menekan bel, terdapat masalah yang terjadi yaitu terlalu banyak guru piket sebanyak 3 orang berpengaruh guru kelas yang terganggu akibat Guru piket dan sistem ngajar mengajar akibat pengurangan guru piket dan pada tanggal 04 maret 2025 sampai 09 mei 2025 guru piket masih menggunakan buku pencatatan siswa-siswi secara tulis tangan seperti guru yang masuk,kehadiran peserta didik,catatan pelanggaran siswa dan catatan, buku tersebut berisi 40 halaman lembar berganti sesuai dengan habisnya lembar dan terdapat halaman yang tidak di catat oleh guru piket sekitar 10% di mana itu menjadi permasalahan yang sangat penting karna buku mengikuti rapat setiap bulan nya guru- guru kesusahan melihat catatan siswa-siswi setiap bulannya untuk di tunjukan pada rapat bulanan maupun tahunan oleh karna itu penulis membuat alat yang memanfaatkan teknologi untuk membantu guru piket yaitu dengan cara membuat,bel otomatis menggunakan mikrokontrol ESP32RTC DS 3231 berfungsi menyimpan data inputan waktu dan tanggal secara tepat waktu,dfplayer penyimpanan suara Mp3, lcd 16x2 menampilan waktu dan tanggal dan MIT App Inventor sebagai interface membantu guru piket dalam mencatat pelanggaran siswa,kehadiran peserta didik yang tersimpan ke google sheets yang terlihat oleh semua guru,dimana alat ini membantu para guru dan mendapat respons positif dari dewan guru. Kata kunci — Sistem Otomatisasi, MIT App Inventor, Bel Otomatis, Berbasis Mikrokontroler ESP 32.
Implementasi Sistem Enterprise Resource Planning Menggunakan Modul Recruitment Human Resource Pada Odoo (Studi Kasus: Selangit Group Indonesia) Firman Bintang Ramadhan, Firman Bintang Ramadhan; Mulya, Muhamad Femy; Saipul Anwar, Saipul Anwar; Pramitha Dwi Larasati, Pramitha Dwi Larasati; Yasin Efendi, Yasin Efendi
Jurnal SISKOM-KB (Sistem Komputer dan Kecerdasan Buatan) Vol. 9 No. 1 (2025): Volume IX - Nomor 1 - September 2025
Publisher : Teknik Informatika, Sistem Informasi dan Teknik Elektro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47970/siskom-kb.v9i1.883

Abstract

Abstract— Seiring perkembangan era digital, perusahaan perlu meningkatkan efisiensi manajemen sumber daya manusia melalui pemanfaatan teknologi informasi. Selangit Group Indonesia, yang memiliki sejumlah cabang coffee shop, menghadapi tantangan dalam proses rekrutmen yang masih manual dan terpisah, sehingga berpotensi menimbulkan keterlambatan dan kesalahan administratif. Penelitian ini bertujuan mengimplementasikan modul Recruitment pada sistem Enterprise Resource Planning (ERP) berbasis Odoo untuk mempercepat dan menyederhanakan proses rekrutmen. Metode pengembangan yang digunakan adalah Rapid Application Development (RAD), dengan perancangan sistem berbasis UML dan ERD. Hasil implementasi menunjukkan sistem berhasil mengotomatisasi tahapan rekrutmen, mulai dari pembuatan lowongan hingga pelaporan, dengan tingkat keberhasilan uji blackbox sebesar 90%. Sistem ini dinilai mampu meningkatkan efisiensi dan mengurangi kesalahan dalam proses rekrutmen Selangit Group Indonesia.
Sistem Administrasi Bengkel Berbasis Web untuk Manajemen Transaksi dan Riwayat Servis: Studi Kasus: Workshop Sam Jaya Harjanti, Trinugi Wira; Setiyani, Hari; zahranda, hafizh; Savana, Galuh Iksan; Ath Thaariq, Muhammad
Jurnal SISKOM-KB (Sistem Komputer dan Kecerdasan Buatan) Vol. 9 No. 1 (2025): Volume IX - Nomor 1 - September 2025
Publisher : Teknik Informatika, Sistem Informasi dan Teknik Elektro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47970/siskom-kb.v9i1.884

Abstract

Di era digital saat ini, pemanfaatan teknologi informasi menjadi kebutuhan penting dalam menunjang berbagai aktivitas, termasuk pada sektor jasa bengkel kendaraan. Masih banyak bengkel skala kecil hingga menengah yang mengandalkan pencatatan manual, sehingga menimbulkan berbagai permasalahan seperti ketidakefisienan, potensi kesalahan data, serta kesulitan dalam mengakses riwayat servis kendaraan. Untuk mengatasi hal tersebut, penelitian ini merancang dan mengembangkan sistem administrasi bengkel berbasis web yang dapat diakses oleh pihak bengkel maupun pelanggan. Sistem ini dirancang untuk memudahkan pencatatan transaksi, pengelolaan data pelanggan, serta pelacakan riwayat servis kendaraan secara terstruktur dan efisien. Diharapkan sistem ini dapat meningkatkan efektivitas operasional bengkel serta memberikan pelayanan yang lebih cepat dan akurat kepada pelanggan.
Pengembangan Aplikasi Mobile Augmented Reality untuk Edukasi Sejarah Nasional Menggunakan ReactNative, Expo, dan ViroReact Arya, Arya Panca Wibowo; Yohanes, Yohanes Eka Wibawa
Jurnal SISKOM-KB (Sistem Komputer dan Kecerdasan Buatan) Vol. 9 No. 1 (2025): Volume IX - Nomor 1 - September 2025
Publisher : Teknik Informatika, Sistem Informasi dan Teknik Elektro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47970/siskom-kb.v9i1.907

Abstract

Pembelajaran sejarah nasional di Indonesia kerap dianggap membosankan oleh pelajar karena penyajiannya yang bersifat konvensional dan kurang interaktif. Permasalahan ini menyebabkan rendahnya minat serta pemahaman siswa terhadap materi sejarah. Penelitian ini bertujuan untuk mengembangkan sebuah aplikasi mobile berbasis teknologi Augmented Reality (AR) sebagai media pembelajaran yang lebih menarik dan menekankan unsur interaktivitas. Aplikasi ini dibangun menggunakan ReactNative dengan dukungan Expo dan ViroReact, serta dirancang untuk digunakan di Museum Sejarah Nasional dengan memanfaatkan diorama sebagai marker AR. Ketika marker dikenali, aplikasi akan menampilkan video sejarah yang relevan dan kuis interaktif untuk memperkuat pemahaman pengguna. Proses pengembangan mengikuti metode Agile System Development Life Cycle (SDLC), yang mencakup tahap perencanaan kebutuhan, perancangan antarmuka dan basis data, implementasi fitur AR, hingga pengujian dan evaluasi. Hasil pengujian menunjukkan bahwa aplikasi mampu menjalankan fungsi AR secara stabil serta diterima dengan baik oleh pengguna dari segi fungsionalitas dan kemudahan penggunaan. Aplikasi ini diharapkan menjadi solusi inovatif dalam meningkatkan literasi sejarah nasional di kalangan pelajar, serta dapat dikembangkan lebih lanjut melalui penyempurnaan deteksi marker, penambahan konten, dan peningkatan tampilan antarmuka.
Analisis dan Perancangan Sistem Informasi Prediksi Data Penjualan pada E-commerce Khumaira Cookies & Snack Andina Oktavia, Nayla; Tri Wahyu Widyaningsih, Tri Wahyu Widyaningsih
Jurnal SISKOM-KB (Sistem Komputer dan Kecerdasan Buatan) Vol. 9 No. 1 (2025): Volume IX - Nomor 1 - September 2025
Publisher : Teknik Informatika, Sistem Informasi dan Teknik Elektro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47970/siskom-kb.v9i1.931

Abstract

Abstract—Perkembangan teknologi digital telah mendorong perubahan signifikan dalam dunia bisnis, termasuk cara konsumen berbelanja secara online. Penelitian ini bertujuan mengimplementasikan metode data mining menggunakan pendekatan regresi linear sederhana dalam memprediksi penjualan pada e-commerce Khumaira Cookies & Snack. Permasalahan yang diangkat meliputi sistem penjualan yang masih dilakukan secara manual serta kurangnya pemanfaatan teknologi dalam proses prediksi permintaan pasar. Metode penelitian menggunakan pendekatan Research and Development (R&D) dengan tahapan perencanaan, analisis data, perancangan sistem e-commerce, pengembangan fitur prediksi penjualan, hingga evaluasi sistem. Kebaruan penelitian ini terletak pada integrasi sistem e-commerce dengan fitur prediksi penjualan berbasis data mining yang ditujukan khusus bagi UMKM, yang masih jarang dikaji. Hasil dari analisis regresi menunjukkan bahwa metode ini mampu memberikan gambaran tren penjualan lima tahun ke depan dan membantu bisnis dalam menyusun strategi produksi serta pemasaran yang lebih tepat sasaran. Sistem e-commerce yang dibangun juga berhasil meningkatkan efisiensi transaksi dan pengalaman pengguna. Keterbatasan penelitian iniadalah penggunaan satu variabel independen, sehingga faktor eksternal belum diperhitungkan. Dengan demikian, integrasi sistem digital berbasis prediksi dapat meningkatkan daya saing UMKM dalam era transformasi digital.