cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Hartatik
Contact Email
joism@amikom.ac.id
Phone
+6282328126656
Journal Mail Official
joism@amikom.ac.id
Editorial Address
Universitas AMIKOM Yogyakarta, Jl. Ring Road Utara, Condong Catur, Sleman, Yogyakarta. Telp. (0274) 884 201 / 082328126656
Location
Kota yogyakarta,
Daerah istimewa yogyakarta
INDONESIA
JOURNAL OF INFORMATION SYSTEM MANAGEMENT (JOISM)
Published by Universitas AMIKOM Yogyakarta
ISSN : -     EISSN : 27153088     DOI : -
Core Subject : Science,
Computer Science & IT
Journal of Information System Management (JOISM) is a peer-reviewed journal published in January and June by Informatics Management Study Program, Universitas Amikom Yogyakarta. The JOISM have scopes or research areas but are not limited to : Information Technology, Information System, E-Business / E-Commerce, Computer Science, Animation, AR / VR Application, Game, and Interactive Media.
Arjuna Subject : Ilmu Komputer (semua kategori) - Sistem Informasi
Articles 21 Documents
 1   2   3 
Search results for , issue "Vol. 7 No. 2 (2026): Januari" : 21 Documents clear
ANALISIS KEBERHASILAN WEBSITE SEKOLAH MENGGUNAKAN METODE END USER COMPUTING SATISFACTION (EUCS): Studi Kasus: SMA N 1 Baturraden Lusiana, Trimo Apri; Krisbiantoro, Dwi
Journal of Information System Management (JOISM) Vol. 7 No. 2 (2026): Januari
Publisher : Universitas Amikom Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24076/joism.2026v7i2.1059

Abstract

Aplikasi berbasis web dengan alamat sman1baturraden.sch.id digunakan oleh SMA Negeri 1 Baturraden sebagai media informasi resmi sekolah. Melalui aplikasi ini, pengguna dapat mengakses berbagai data seperti data profil sekolah, data profil guru, data karyawan dan data struktur organisasi sekolah, serta kompetensi keahlian yang tersedia. Penelitian ini berfokus pada pengukuran tingkat kepuasan pengguna terhadap website sman1baturraden.sch.id menggunakan metode (EUCS). Tujuan dari penelitian ini untuk mengetahui sejauh mana kepuasan pengguna pada website tersebut serta mengidentifikasi indikator yang perlu ditingkatkan. Metode EUCS dipandang relevan untuk menilai kepuasan pengguna karena mampu membandingkan ekspektasi dengan realitas penggunaan sistem. Dalam EUCS terdapat lima variabel penilaian, yaitu Content, Accuracy, Format, Timeliness, dan Ease of Use. Teknik Pengambilan data sampel menggunakan teknik Random Sampling serta menganalisis data melalui SmartPLS versi 3.0. Berdasarkan hasil uji hipotesis, dari 5 hipotesis yang diuji, 3 dinyatakan ditolak dan 2 dinyatakan diterima. Kesimpulannya ditemukan adanya faktor yang berpengaruh terhadap kepuasan pada pengguna yaitu variabel Content dengan nilai 2.638 dan Timeliness dengan nilai 2.547.
RANCANG BANGUN SISTEM INFORMASI PENELITIAN DOSEN DI FAKULTAS TEKNIK UNIVERSITAS DIPONEGORO Fauzi, Irza Nur; Arfan, M.
Journal of Information System Management (JOISM) Vol. 7 No. 2 (2026): Januari
Publisher : Universitas Amikom Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24076/joism.2026v7i2.2154

Abstract

Kegiatan penelitian dosen di perguruan tinggi sering menghadapi kendala dalam pengelolaan data, pelaporan, dan dokumentasi, yang berdampak pada efektivitas dan efisiensi proses penelitian. Untuk mengatasi permasalahan tersebut, pemanfaatan teknologi informasi melalui pengembangan sistem informasi penelitian menjadi solusi strategis. Penelitian ini bertujuan untuk merancang dan membangun sistem informasi penelitian dosen di Fakultas Teknik Universitas Diponegoro. Data dikumpulkan melalui observasi, wawancara, dan studi pustaka. Sistem dikembangkan menggunakan metode waterfall melalui tahapan analisis kebutuhan, perancangan dengan UML, implementasi menggunakan CodeIgniter dan Bootstrap, serta pengujian. Pengujian fungsional dilakukan dengan metode blackbox untuk memastikan seluruh fitur berjalan sesuai spesifikasi, sedangkan pengujian performa menggunakan JMeter menunjukkan sistem mampu merespons dengan baik pada berbagai beban pengguna. Hasil penelitian menunjukkan bahwa sistem mendukung proses penelitian secara digital dan terstruktur, serta diharapkan dapat meningkatkan efisiensi dan transparansi manajemen penelitian.
PERANCANGAN CHATBOT MUSIK WEB UNTUK REKOMENDASI LAGU BERDASARKAN MOOD Leonardo, Nicholas; Ramadhan , Rafly Surya; Rumi, Nur Ananda; Nisa, Hoirun; Wijaya, Valentino; Ariz , Naufal; Irawan, Bambang
Journal of Information System Management (JOISM) Vol. 7 No. 2 (2026): Januari
Publisher : Universitas Amikom Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24076/joism.2026v7i2.2319

Abstract

Mayoritas sistem rekomendasi musik, termasuk fitur “Made For You” pada Spotify, masih mengandalkan riwayat pemutaran tanpa mempertimbangkan kondisi emosional pengguna secara real-time, sehingga menghasilkan saran yang kurang relevan. Penelitian ini merancang Chatwise, chatbot musik berbasis web yang memberikan rekomendasi lagu personal melalui percakapan interaktif berdasarkan mood pengguna. Sistem memproses input teks berisi pilihan suasana hati dan alasan singkat menggunakan teknik pencocokan kata kunci, kemudian mengintegrasikannya dengan Spotify API untuk memperoleh data lagu secara real-time. Pengembangan dilakukan dengan metode Agile Scrum dan diuji menggunakan black-box testing serta kuesioner kepada 10 responden. Hasil menunjukkan 70% responden memberikan penilaian positif pada aspek tampilan, kecepatan, akurasi deteksi mood, kemudahan penggunaan, dan variasi genre. Temuan menunjukkan Chatwise berhasil mengintegrasikan deteksi mood dengan rekomendasi musik real-time, memberikan solusi adaptif dan kontekstual, meskipun masih diperlukan pengembangan lebih lanjut untuk meningkatkan akurasi dan keragaman musik.
PENERAPAN ALGORITMA NAIVE BAYES DALAM MEMPREDIKSI MINAT MAHASISWA BARU Zulkifli, Ridwan; Andryadi, Aan Ansen; Nurfadhilah, Dila Siti; Utami, Lita Lestari
Journal of Information System Management (JOISM) Vol. 7 No. 2 (2026): Januari
Publisher : Universitas Amikom Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24076/joism.2026v7i2.2375

Abstract

Penentuan konsentrasi studi mahasiswa baru yang tidak tepat dapat berdampak pada rendahnya motivasi belajar dan meningkatnya risiko perpindahan konsentrasi. Penelitian ini bertujuan memprediksi minat konsentrasi studi mahasiswa baru menggunakan algoritma Naive Bayes. Penelitian dilakukan dengan pendekatan Knowledge Discovery in Database (KDD) yang meliputi pemilihan data, pra-pemrosesan, pembentukan dataset, serta pelatihan dan pengujian model. Data yang digunakan berupa riwayat akademik dan hasil survei preferensi mahasiswa baru tahun akademik 2024/2025 yang telah dianonimkan. Dataset dibagi menjadi 80% data latih dan 20% data uji. Evaluasi model dilakukan menggunakan metrik akurasi, presisi, recall, dan F1-score. Hasil pengujian menunjukkan akurasi sebesar 89% dengan nilai presisi dan recall di atas 85%. Hasil ini menunjukkan bahwa algoritma Naive Bayes efektif digunakan sebagai alat bantu rekomendasi konsentrasi studi mahasiswa baru.
PROYEKSI WAKTU POTENSIAL UNTUK BERINVESTASI MENGGUNAKAN ALGORITMA LONG SHORT-TERM MEMORY Mubarak, Muhammad Fadel; Najib, Marhawati; Aris, Valentino
Journal of Information System Management (JOISM) Vol. 7 No. 2 (2026): Januari
Publisher : Universitas Amikom Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24076/joism.2026v7i2.2400

Abstract

Penelitian ini bertujuan untuk memproyeksikan kondisi makroekonomi Indonesia pada periode 2025–2029 serta merumuskan strategi investasi yang relevan berdasarkan hasil forecasting menggunakan algoritma Long Short-Term Memory (LSTM). Tiga indikator ekonomi utama yang dianalisis meliputi tingkat suku bunga (Interest Rate), inflasi (Consumer Price Index), dan ketenagakerjaan (Non-Farm Payroll). Data historis bulanan dari tahun 1970 hingga 2023 digunakan untuk melatih model LSTM, yang kemudian menghasilkan prediksi nilai ketiga indikator tersebut secara tahunan. Hasil forecasting menunjukkan tren penurunan suku bunga dan inflasi secara bertahap, serta pertumbuhan ketenagakerjaan yang meningkat dari tahun ke tahun. Berdasarkan hasil tersebut, strategi investasi disusun secara dinamis, menyesuaikan kondisi ekonomi makro pada setiap tahunnya. Strategi yang disarankan mencakup pendekatan konservatif pada awal periode (2025–2026) dan lebih agresif pada fase ekspansi ekonomi (2028–2029). Penelitian ini menunjukkan bahwa penggunaan model LSTM dapat membantu investor dalam menyusun keputusan investasi yang lebih tepat, berbasis pada proyeksi data makroekonomi yang akurat dan terukur.
ANALISIS FAKTOR-FAKTOR PENERIMAAN APLIKASI LIVIN' BY MANDIRI DENGAN METODE UTAUT2 DAN IS SUCCESS MODEL Siahaan, Mangapul; Dewi, Syasya Tri Puspita; Tjahyadi, Surya
Journal of Information System Management (JOISM) Vol. 7 No. 2 (2026): Januari
Publisher : Universitas Amikom Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24076/joism.2026v7i2.2402

Abstract

Penelitian ini menganalisis faktor-faktor yang mempengaruhi penerimaan dan kepuasan pengguna aplikasi Livin’ by Mandiri yang dilatarbelakangi dengan adanya kesenjangan antara tujuan pembaruan aplikasi dengan ekspetasi pengguna, ditunjukkan oleh 32,6% ulasan negatif terkait stabilitas dan performa sistem. Mixed methods digunakan pada penelitian ini dengan strategi sekuensial eksplanatori, melibatkan 400 responden melalui kuesioner dan lima informan melalui wawancara semi-terstruktur. Data kuantitatif dianalisis menggunakan SEM-PLS, sedangkan data kualitatif dianalisis melalui kondensasi data, penyajian data, dan penarikan kesimpulan. Hasil penelitian menunjukkan Performance Expectancy, Efforty Expectancy, Facilitiating Conditions berpengaruh signifikan terhadap Use Behavior. System Quality, Service Quality, dan Use Behavior berpengaruh signifikan terhadap User Satisfacion. Model  yang digunakan pada penelitian ini mampu menjelaskan 51,8% variasi Use Behavior dan 34,1% variasi User Satisfaction dengan predictive relevance 0,6824.
PERANCANGAN SISTEM FACE RECOGNITION BERBASIS DEEP LEARNING MENGGUNAKAN PRE-TRAINED MODEL ARCFACE Romadhoni , Latif Hilmi; Ardiani , Farida
Journal of Information System Management (JOISM) Vol. 7 No. 2 (2026): Januari
Publisher : Universitas Amikom Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24076/joism.2026v7i2.2415

Abstract

Sistem presensi dan manajemen identitas di institusi pendidikan masih menghadapi tantangan berupa inefisiensi dan kerentanan terhadap manipulasi. Penelitian ini bertujuan untuk merancang dan menguji efektivitas sistem face recognition berbasis Deep Learning untuk identifikasi guru dan staf SMP N 1 Sukorejo. Metodologi yang digunakan mengintegrasikan model ArcFace sebagai ekstraktor fitur dan Linear Support Vector Classification (LinearSVC) sebagai pengklasifikasi identitas. Dataset yang digunakan adalah citra wajah real-world dari seluruh guru dan staf, yang mencakup variasi pose, pencahayaan, dan ekspresi. Citra di-preprocessing menggunakan Face Alignment dan kemudian dipetakan oleh ArcFace menjadi vektor embedding berdimensi 512 yang sangat diskriminatif, berkat optimalisasi dari Additive Angular Margin Loss. Vektor embedding ini kemudian digunakan untuk melatih LinearSVC. Hasil evaluasi pada Data Uji 20% menunjukkan kinerja yang sangat tinggi, Akurasi: 99.40%, Presisi: 99,52%. Kinerja superior ini memvalidasi hipotesis bahwa kombinasi ekstraksi fitur ArcFace yang robust dengan efisiensi klasifikasi LinearSVC efektif untuk mengatasi tantangan face recognition di lingkungan yang tidak terkontrol.
RANCANG BANGUN SISTEM PREDIKSI KELAYAKAN PINJAMAN MENGGUNAKAN DECISION TREE Rahmadhani, Laila Nova; Ardiani , Farida
Journal of Information System Management (JOISM) Vol. 7 No. 2 (2026): Januari
Publisher : Universitas Amikom Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24076/joism.2026v7i2.2423

Abstract

Proses penilaian kelayakan pinjaman di KSU Raja masih terkendala karena tidak tersedianya sistem digital, sehingga kecepatan, konsistensi, dan ketepatan analisis belum optimal dalam pengambilan keputusan. Penelitian ini merancang sistem prediksi kelayakan pinjaman berbasis machine learning menggunakan algoritma Decision Tree karena kemampuannya menangani data numerik dan kategorikal serta mudah diinterpretasikan. Data yang digunakan merupakan data histori nasabah dengan atribut seperti pendapatan, pengalaman kerja, jumlah pinjaman, kepemilikan rumah, dan riwayat pinjaman. Tahap praproses meliputi imputasi missing value, transformasi label, dan encoding variabel kategorikal, kemudian data dibagi menjadi data latih (80%) dan data uji (20%). Model dilatih menggunakan Grid Search Cross Validation dan menghasilkan akurasi 92%, menunjukkan performa yang baik dalam mengklasifikasikan nasabah ke kategori “Layak” atau “Tidak Layak.” Model kemudian diintegrasikan ke aplikasi web berbasis Flask yang menyediakan prediksi real-time, histori otomatis, filterisasi, ekspor data, dan notifikasi untuk mendukung digitalisasi layanan koperasi.
ANALISIS SENTIMEN ULASAN FREE FIRE MENGGUNAKAN NAIVE BAYES LOGISTIC REGRESSION Bachtiar, Aditya; Hawali , Muhammad Jabbar; Simbolon, Nicolas Clinton; Maulana , Denis Ardan; Anggraini , Recha Abriana
Journal of Information System Management (JOISM) Vol. 7 No. 2 (2026): Januari
Publisher : Universitas Amikom Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24076/joism.2026v7i2.2433

Abstract

Abstraksi Penelitian ini dilatarbelakangi oleh meningkatnya volume ulasan pengguna game Free Fire di Google Play Store yang berpotensi menjadi sumber evaluasi penting bagi pengembang, namun memiliki permasalahan ketidakseimbangan kelas sentimen. Tujuan penelitian adalah membandingkan kinerja algoritma Naïve Bayes dan Logistic Regression dalam analisis sentimen ulasan berbahasa Indonesia. Dataset terdiri dari 12.574 ulasan periode Januari 2024–Juni 2025 yang dikumpulkan melalui web scraping dan diberi label biner berdasarkan rating bintang, dengan dominasi sentimen positif sebesar 86,8%. Proses praproses meliputi case folding, normalisasi emoji dan URL, penghapusan stopword bertema game, stemming bahasa Indonesia, serta ekstraksi fitur TF-IDF n-gram (1,2) yang dioptimalkan menggunakan GridSearchCV 10-fold. Evaluasi difokuskan pada akurasi, precision, recall, dan F1-score untuk mengakomodasi ketidakseimbangan kelas. Hasil menunjukkan Logistic Regression unggul dengan akurasi 81,63% dan F1-score 87,91%, sedangkan Naïve Bayes memiliki recall tinggi namun akurasi lebih rendah. Temuan ini menegaskan efektivitas Logistic Regression untuk analisis sentimen ulasan game skala besar di Indonesia.
ANALISIS SENTIMEN PELAYANAN KERETA CEPAT WHOOSH MENGGUNAKAN ALGORITMA NAIVE BAYES Akmalya, Farah Mutiara; Silaen, Berlian Noviana Agatha; Pamungkas, Lovhana Rasyiqa Putri; Pratama, Rafli Putra; Suherli, William Wiranda
Journal of Information System Management (JOISM) Vol. 7 No. 2 (2026): Januari
Publisher : Universitas Amikom Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24076/joism.2026v7i2.2449

Abstract

Kereta Cepat Whoosh sebagai transportasi berkecepatan tinggi pertama di Indonesia memunculkan beragam respons publik sejak awal operasionalnya. Sebagai proyek strategis nasional, identifikasi cepat terhadap kritik dan apresiasi pelanggan menjadi penting untuk menjaga kualitas pelayanan dan kepercayaan publik. Media sosial X menjadi sumber opini masyarakat dalam jumlah besar, namun karakter data yang tidak terstruktur menyulitkan evaluasi layanan secara manual. Penelitian ini bertujuan menganalisis sentimen pelanggan terhadap pelayanan Kereta Cepat Whoosh menggunakan algoritma Naive Bayes. Data penelitian berupa 730 tweet yang dikumpulkan pada periode Januari hingga September 2025 melalui teknik web scraping. Data diproses melalui tahapan pembersihan teks, tokenisasi, stopword removal, dan stemming, kemudian diklasifikasikan ke dalam sentimen positif dan negatif. Dataset dibagi menjadi data training dan data testing dengan rasio 80:20. Evaluasi model menunjukkan akurasi sebesar 95,07%. Hasil klasifikasi menunjukkan bahwa 30,14% ulasan termasuk sentimen positif dan 69,86% sentimen negatif. Hasil penelitian ini menunjukkan bahwa analisis sentimen berbasis media sosial dapat digunakan sebagai alat evaluasi layanan untuk mendukung perbaikan kualitas pelayanan Kereta Cepat Whoosh secara berkelanjutan.

Page 1 of 3 | Total Record : 21

 1   2   3 

Filter by Year

2026 2026


Reset
Filter By Issues
All Issue Vol. 7 No. 2 (2026): Januari Vol. 7 No. 1 (2025): Juni Vol. 6 No. 2 (2025): Januari Vol. 6 No. 1 (2024): Juni Vol. 5 No. 2 (2024): Januari Vol. 5 No. 1 (2023): Juni Vol. 4 No. 2 (2023): Januari Vol. 4 No. 1 (2022): Juni Vol. 3 No. 2 (2022): Januari Vol. 3 No. 1 (2021): Juni Vol. 2 No. 2 (2021): Januari Vol. 2 No. 1 (2020): Juni Vol. 1 No. 2 (2020): Januari Vol. 1 No. 1 (2019): Juli More Issue