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 152 Documents
 12   13   14   15   16 
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 (On Progress)
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 (On Progress)
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 (On Progress)
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 (On Progress)
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 (On Progress)
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 (On Progress)
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 (On Progress)
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.
PENINGKATAN PERFORMA APLIKASI WEB SIAKAD MENGGUNAKAN NEXT.JS DI PUSKORDAT STIMATA Widarti, Dinny Wahyu; Akbar, Mahendra Khamal
Journal of Information System Management (JOISM) Vol. 7 No. 2 (2026): Januari (On Progress)
Publisher : Universitas Amikom Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24076/joism.2026v7i2.2453

Abstract

Pengembangan teknologi web yang cepat menuntut adaptasi sistem informasi untuk menjaga keamanan dan performa. Aplikasi SIAKAD berbasis web yang digunakan oleh Puskordat STMIK PPKIA PRADNYA PARAMITA sebelumnya menggunakan AngularJS, yang telah tidak lagi mendapat dukungan resmi, sehingga menimbulkan risiko keamanan dan keterbatasan performa. Penelitian ini bertujuan untuk menerapkan Next.js sebagai solusi modern dalam pengembangan SIAKAD berbasis web. Metode pengembangan yang digunakan adalah Agile dengan pendekatan iteratif dan kolaboratif. Iteratif, karena dengan Agile pengembangan dapat dilakukan dalam siklus pendek. Agile disebut kolaboratif karena sangat mengedepankan komunikasi langsung dengan kerja tim yang erat. Hasil penelitian menunjukkan bahwa penggunaan Next.js meningkatkan keamanan dengan menyembunyikan endpoint API dari sisi klien dan mempercepat waktu muat halaman melalui fitur server-side rendering dan optimasi bawaan lainnya. Dengan demikian, penerapan Next.js pada website Puskordat terbukti efektif dalam meningkatkan keamanan dan performa sistem secara keseluruhan.
PERANCANGAN UI/UX SISTEM MANAJEMEN BISNIS PADA UMK PAWON3D MENGGUNAKAN METODE USER CENTERED DESIGN Wafi, Akhdan Al; Firdaus, Muhammad Iqbal; Saputra, Edi; Abidin, Zainil
Journal of Information System Management (JOISM) Vol. 7 No. 2 (2026): Januari (On Progress)
Publisher : Universitas Amikom Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24076/joism.2026v7i2.2461

Abstract

UMKM merupakan pilar penting perekonomian Indonesia dengan kontribusi 61% terhadap PDB dan penyerapan 97% tenaga kerja. Pawon3D, sebagai UMKM khususnya usaha mikro di bidang roti dan kue, telah memanfaatkan media sosial untuk memperluas jangkauan pasar, namun masih menghadapi kendala dalam pengelolaan kasir, produksi, dan inventori yang bergantung pada pencatatan fisik. Kondisi ini menyebabkan ketidakefisienan, kesalahan data, dan pengambilan keputusan yang kurang akurat. Untuk mengatasi permasalahan tersebut, dirancang sistem manajemen bisnis berbasis web yang mengintegrasikan ketiga aspek utama operasional. Metode User Centered Design (UCD) digunakan agar pengembangan sistem berfokus pada kebutuhan pengguna. Evaluasi dilakukan melalui Usability Testing dan System Usability Scale (SUS), yang menunjukkan hasil positif di hampir seluruh bagian, meskipun masih terdapat ruang perbaikan pada modul kasir dan produksi. Secara keseluruhan, rancangan UI/UX yang dihasilkan dinilai layak digunakan dan mampu meningkatkan efisiensi serta kualitas manajemen Pawon3D.
IMPLEMENTASI GABUNGAN AES-256 DAN RSA DENGAN METODE LSB UNTUK KEAMANAN DATA Ilham, Bintang Kusuma; Sidiq, Muhammad Fajar; Nugroho, Muhammad Agung; Yuniati, Trihastuti
Journal of Information System Management (JOISM) Vol. 7 No. 2 (2026): Januari (On Progress)
Publisher : Universitas Amikom Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24076/joism.2026v7i2.2477

Abstract

Penelitian ini mengembangkan sistem keamanan data yang menggabungkan enkripsi ganda (AES-256 CBC dan RSA-2048) dengan steganografi Least Significant Bit (LSB) pada gambar PNG. Dibangun menggunakan Python dengan Tkinter, sistem ini menangani enkripsi/penyisipan, ekstraksi/dekripsi, dan evaluasi kinerja. Pengujian pada lima gambar PNG dengan ukuran teks bervariasi menunjukkan penyembunyian data yang berhasil. Rata-rata MSE adalah 0,0263730426 dan PSNR 64,3427895234 dB. Pesan asli berhasil dipulihkan sepenuhnya. Efisiensi sistem ditunjukkan oleh rata-rata waktu eksekusi 92,376 ms untuk enkripsi dan 370,392 ms untuk dekripsi, dengan penggunaan memori yang rendah. Kapasitas steganografi mendekati batas teoretis. Sistem ini terbukti efektif dalam mengamankan data teks dan memenuhi semua tujuan penelitian.

Page 15 of 16 | Total Record : 152

 12   13   14   15   16 

Filter by Year

2019 2026


Reset
Filter By Issues
All Issue Vol. 7 No. 2 (2026): Januari (On Progress) 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