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 158 Documents
 12   13   14   15   16 
KLASIFIKASI VARIETAS BIBIT DURIAN MENGGUNAKAN RESNET50: PENDEKATAN DEEP LEARNING UNTUK PERTANIAN DIGITAL Sucipto, Janottama Kalam Putra; Sari, Bety Wulan
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.2026v7i2.2479

Abstract

Identifikasi varietas bibit durian secara akurat pada fase pembibitan sangat krusial untuk mencegah kerugian ekonomi akibat kesalahan pemilihan varietas unggul. Namun, identifikasi manual berbasis visual memiliki kelemahan pada subjektivitas dan tingkat kesalahan manusia yang tinggi. Penelitian ini mengusulkan model klasifikasi otomatis untuk empat varietas durian populer (Bawor, Duri Hitam, Musang King, dan Super Tembaga) menggunakan arsitektur Deep Residual Network (ResNet50). Peningkatan akurasi dilakukan melalui integrasi teknik prapemrosesan background removal berbasis ambang batas untuk mereduksi noise latar belakang dan penerapan strategi fine-tuning pada lapisan fully connected. Selain itu, optimasi hyperparameter dilakukan secara sistematis untuk menentukan learning rate dan batch size optimal. Hasil eksperimen menunjukkan bahwa model yang diusulkan mencapai performa superior dengan akurasi klasifikasi sebesar 96% dan stabilitas nilai loss pada rentang 0.15–0.20. Hasil ini membuktikan bahwa pendekatan deep learning dengan optimasi prapemrosesan mampu memberikan solusi identifikasi yang lebih objektif dan presisi dibandingkan metode konvensional. Penelitian ini berkontribusi pada pengembangan sistem pertanian digital yang cerdas dalam mendukung standarisasi kualitas bibit durian.
ANALISIS PEMANFAATAN VIDEO JURU BAHASA ISYARAT BERBASIS MULTIMEDIA DIGITAL PADA  IKLAN LAYANAN MASYARKAT BERTEMA SAMPAH Rahayu, Dwi; Sekarsih, Fitria Nuraini; Mulyatun, Sri; Satria, Gilang
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.2026v7i2.2494

Abstract

Penelitian ini merupakan penelitian lanjutan dari pengembangan video iklan layanan masyarakat tentang sampah untuk masyarakat umum menjadi iklan inklusif. Pada hasil pengujian dipenelitian sebelumnya, 100% video iklan dapat dipahami, 92% menyatakan menarik dan kekinian, maka peneliti tidak mengubah kompisisi video iklan. Peneliti langsung ke tahap analisis kebutuhan media penjembatan komunikasi yang dimulai dengan studi literature terkait standar bahasa isyarat yang tepat untuk digunakan. Ditemukan dari berbagai jurnal, SIBI merupakan bahasa isyarat standar nasional di Indonesia, namun faktanya standar BISINDO yang lebih banyak digunakan. Pada pengembangan video tahap pertama, peneliti menambahkan subtitle dan mengintegrasikan dengan video juru bahasa isyarat (JBI) BISINDO. Sebelum penyebaran secara luas, dilakukan uji tayang terbatas kepada 22 pengguna bahasa isyarat aktif. Dengan metode penelitian R&D dengan model ADDIE, penelitian melakukan pengujian dan evaluasi atas pengembangan video. Dari hasil pengujian, tingkat kepemahaman responden yang benar-benar memahami informasi yang disampaikan hanya mencapai 59,1% saja. Dari aspek komposisi visual, menyatakan 54,4% sudah cukup menarik. Faktor rendahnya tingkat pemahaman ada pada atribut media penjemabatan komunikasi, menurut 22 responden tersebut, 76% menyatakan perlu adanya video JBI dan subtitle , 14% lagi menyatakan cukup video JBI saja. Adapun saran terkait tampilan video JBI, para penyandang tunarungu menyatakan ukuran video JBI kurang besar dan sepertinya akan lebih nyaman tanpa background. Hal tersebut menjadi evaluasi dan peneliti kembali melakukan penyesuaian komposisi video iklan layanan masyarakat agar mencapai inklusivitas penyebaran informasi.
SISTEM PAKAR DIAGNOSIS KERUSAKAN HARDWARE KOMPUTER MENGGUNAKAN METODE FORWARD CHAINING Murdoko, Ali; Suprapto, Bambang; Rahmatullah, Sidik; Sulasminarti, Sulasminarti
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.2026v7i2.2432

Abstract

Kerusakan pada perangkat keras komputer adalah masalah yang sering dialami di dunia pendidikan. Kurangnya pemahaman siswa dan guru dalam mengidentifikasi kerusakan mengakibatkan proses perbaikan berlangsung lambat serta terlalu bergantung pada teknisi. Penelitian ini bertujuan untuk mengembangkan sebuah sistem pakar berbasis web yang mampu membantu dalam mendiagnosis kerusakan perangkat keras komputer secara mandiri, cepat dan efisien. Sistem ini dirancang dengan menggunakan metode Forward Chaining sebagai mesin inferensi, dimana proses penalaran berlangsung dari data gejala menuju kesimpulan diagnosis berdasarkan aturan yang telah ditetapkan oleh ahli. Sistem ini menggunakan metode pengembangan Extreme Programming (XP) yang memiliki empat tahapan utama yaitu : Planning, Design, Coding, dan Testing.  Selain pengembangan sistem, dan mesin inferensi, Sistem ini menggunakan MySQL sebagai sistem manajemen basis data. MySQL dipilih karena mendukung integrasi yang baik dengan bahasa pemrograman PHP dan Laravel. Hasil akhir dari aplikasi sistem pakar yang di buat berbasis web. 
KLASIFIKASI DAMPAK KECANDUAN MEDIA SOSIAL MAHASISWA DENGAN SVM DAN K-MEANS Saputra, Syarip; Hidayat, Muhamad Fakhri; Gunawan, Wahyu; Rahadjeng, Indra Riyana
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.2026v7i2.2434

Abstract

Penggunaan media sosial yang meningkat di kalangan mahasiswa, disertai pola tidur tidak teratur, menjadi permasalahan serius karena berpotensi menurunkan prestasi akademik dan sering terlambat terdeteksi oleh institusi pendidikan. Penelitian ini bertujuan mengembangkan model prediksi hybrid dua tahap untuk mengklasifikasikan dampak kecanduan media sosial terhadap mahasiswa sebagai sistem peringatan dini. Metode yang digunakan mengintegrasikan algoritma K-Means untuk pelabelan tingkat risiko secara otomatis dan Support Vector Machine (SVM) sebagai tahap akhir klasifikasi. Penelitian menggunakan 705 data responden mahasiswa yang diproses melalui tahap preprocessing. Jumlah cluster optimal ditentukan menggunakan metode Elbow dan Silhouette Score, sedangkan kinerja model dievaluasi menggunakan confusion matrix. Hasil penelitian menunjukkan bahwa K-Means membentuk tiga klaster risiko (rendah, sedang, dan tinggi) dengan nilai Silhouette Score sebesar 0,4188. Model SVM menghasilkan akurasi 93,62%, presisi 94,62%, dan recall 90%, sehingga efektif mendukung pengambilan keputusan preventif di perguruan tinggi.
KOMPARASI SVM-LR BERBASIS INDOBERT DAN SMOTE-TOMEK PADA DETEKSI BUZZER Fahreza, Muhamad Hasan; Sipayung, Nicolas Zefanya; Santoso, Indra Wahyu; Susilowati, Susi
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.2026v7i2.2435

Abstract

Dominasi aktivitas buzzer politik di TikTok mengancam orisinalitas aspirasi publik melalui manipulasi opini, yang diperburuk oleh ketimpangan distribusi data (imbalanced data) sehingga menyulitkan deteksi akurat. Penelitian ini bertujuan mengomparasikan performa Support Vector Machine (SVM) dan Logistic Regression (LR) berbasis fitur IndoBERT yang dioptimasi dengan hybrid resampling SMOTE-Tomek untuk menangani ketidakseimbangan kelas ekstrem. Studi kasus dilakukan pada 1.502 komentar terkait isu penculikan mahasiswa. Hasil pengujian menunjukkan integrasi IndoBERT dan SMOTE-Tomek efektif menghasilkan Area Under Curve (AUC) >0,90 pada kedua model. Meskipun SVM unggul marginal dalam sensitivitas (AUC 0,9193), Logistic Regression terbukti lebih superior dalam menjaga validitas pengguna organik dengan spesifisitas 79,2% dan F1-Score kelas minoritas 0,72. Penelitian ini merekomendasikan LR sebagai model terbaik karena karakteristik probabilistiknya lebih adaptif meminimalisir False Positive, sehingga lebih akurat dalam memisahkan narasi organik dari propaganda buzzer.
PERBANDINGAN KUALITAS CITRA GRAYSCALE STEGANOGRAFI METODE LSB DAN DCT BERDASARKAN PSNR DAN SSIM Ilham, Muhammad; Kirana, Chandra
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.2026v7i2.2492

Abstract

Penelitian ini membandingkan kualitas citra grayscale hasil steganografi menggunakan metode Least Significant Bit (LSB) dan Discrete Cosine Transform (DCT). Perbandingan ini penting karena LSB dan DCT mewakili dua pendekatan utama steganografi, yaitu domain spasial dan domain frekuensi, yang memiliki perbedaan karakteristik dalam kapasitas penyisipan dan kualitas visual citra. Penelitian dilakukan secara eksperimental menggunakan dataset USC-SIPI dengan variasi parameter LSB (1, 2, dan 4 bit) serta DCT (strength 0.01 dan 0.05). Kualitas citra hasil penyisipan dievaluasi menggunakan Peak Signal-to-Noise Ratio (PSNR) dan Structural Similarity Index Measure (SSIM). Hasil penelitian menunjukkan bahwa DCT-strength 0.01 menghasilkan kualitas citra terbaik dengan PSNR 57.47 dB dan SSIM 0.9997. Sementara itu, LSB-1bit memberikan keseimbangan terbaik antara kualitas citra dan kapasitas penyisipan. Hasil ini menunjukkan adanya trade-off antara kualitas dan kapasitas pada kedua metode.
DETEKSI ABJAD BAHASA ISYARAT BISINDO REAL-TIME PADA SMARTPHONE MENGGUNAKAN YOLOV11 Nugraha, Rivaldo; Nugraha, Rofik Adam; Mujib, Muhammad Abdul; Prabowo, Okyza Maherdy; Lestari, Anggi Cipta; Febriani, Shafira
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.2026v7i2.2532

Abstract

Bahasa isyarat merupakan sarana komunikasi utama bagi komunitas tunarungu dan penyandang gangguan pendengaran, sekaligus berperan penting dalam meningkatkan inklusivitas sosial dan menjembatani kesenjangan komunikasi dengan masyarakat umum. Seiring meningkatnya jumlah penyandang gangguan pendengaran, diperlukan solusi komunikasi yang mudah diakses dan bersifat adaptif. Perkembangan kecerdasan buatan dan pembelajaran mesin memberikan peluang untuk mengotomatisasi deteksi bahasa isyarat secara real-time. Penelitian ini mengembangkan sistem deteksi abjad BISINDO A–Z menggunakan dua pendekatan, yaitu YOLOv11 dan RF-DETR. YOLOv11 dipilih karena arsitekturnya ringan dan efisien untuk perangkat mobile, sedangkan RF-DETR digunakan sebagai pembanding berbasis Transformer dengan tingkat akurasi tinggi. Hasil eksperimen menunjukkan bahwa RF-DETR mencapai akurasi lebih tinggi dengan mAP@50 sebesar 99,8%, namun terbatas pada implementasi berbasis web. YOLOv11 memperoleh mAP@50 sebesar 99,4% dan berhasil diimplementasikan pada smartphone Android dengan kinerja real-time yang responsif. Temuan ini menunjukkan bahwa YOLOv11 lebih layak untuk aplikasi deteksi abjad BISINDO berbasis perangkat mobile.
ANALISIS FAKTOR PENENTU PURCHASE INTENTION PADA SOCIAL COMMERCE MENGGUNAKAN PENDEKATAN PRISMA DAN ANALISIS BIBLIOMETRIK Muthmainnah, Fatimah
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.2026v7i2.2539

Abstract

Social commerce menjadi sarana utama konsumen dalam bertransaksi melalui platform media sosial interaktif. Efektivitasnya dalam membentuk purchase intention bergantung pada faktor seperti trust, perceived usefulness, perceived risk, konstruk social commerce, perceived ease of use, consumer behavior, electronic word-of-mouth (EWOM), dan social interaction. Penelitian ini mengidentifikasi faktor penentu dan pendekatan metode yang optimal untuk pengoptimalan purchase intention pada social commerce. Menggunakan Systematic Literature Review (SLR) dengan pedoman PRISMA, penelitian menyaring 2.513 jurnal dari Google Scholar, Crossref, OpenAlex, dan PubMed mencakup publikasi periode 2015–2025 dalam bahasa Inggris/Indonesia yang relevan, menghasilkan 17 jurnal kunci untuk analisis bibliometrik VOSviewer. Temuan menunjukkan trust sebagai faktor paling dibahas (29%), diikuti perceived usefulness (18%) dan perceived risk (18%), dengan SEM-PLS sebagai metode dominan (47%) serta Facebook sebagai platform utama (35%). Wawasan ini menjadi dasar penelitian masa depan tentang optimalisasi purchase intention, melacak pergeseran satu dekade dari model penerimaan teknologi ke dinamika trust sosial-psikologis.

Page 16 of 16 | Total Record : 158

 12   13   14   15   16 

Filter by Year

2019 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