cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Mesran
Contact Email
mesran.skom.mkom@gmail.com
Phone
+6282161108110
Journal Mail Official
jurnal.josyc@gmail.com
Editorial Address
Jalan Sisingamangaraja No. 338, Medan, Sumatera Utara
Location
Kota medan,
Sumatera utara
INDONESIA
Journal of Computer System and Informatics (JoSYC)
Published by Forum Kerjasama Pendidikan TInggi
ISSN : 27147150     EISSN : 27148912     DOI : -
Core Subject : Science, Engineering,
Computer Science & IT Decision Sciences, Operations Research & Management Industrial & Manufacturing Engineering
Journal of Computer System and Informatics (JoSYC) covers the whole spectrum of Artificial Inteligent, Computer System, Informatics Technique which includes, but is not limited to: Soft Computing, Distributed Intelligent Systems, Database Management and Information Retrieval, Evolutionary computation and DNA/cellular/molecular computing, Fault detection, Green and Renewable Energy Systems, Human Interface, Human-Computer Interaction, Human Information Processing Hybrid and Distributed Algorithms, High Performance Computing, Information storage, Security, integrity, privacy and trust, Image and Speech Signal Processing, Knowledge Based Systems, Knowledge Networks, Multimedia and Applications, Networked Control Systems, Natural Language Processing Pattern Classification, Speech recognition and synthesis, Robotic Intelligence, Robustness Analysis, Social Intelligence, Ubiquitous, Grid and high performance computing, Virtual Reality in Engineering Applications Web and mobile Intelligence, Big Data
Arjuna Subject : Ilmu Komputer (semua kategori) - Ilmu Komputer (Lain-Lain)
Articles 443 Documents
 25   26   27   28   29 
Implementasi Metode MABAC Dalam Pemilihan Mahasiswa Terbaik Dengan Teknik Pembobotan Rank Sum Daniel Oktodeli Sihombing; Alex Cahyadi
Journal of Computer System and Informatics (JoSYC) Vol 4 No 4 (2023): August 2023
Publisher : Forum Kerjasama Pendidikan Tinggi (FKPT)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47065/josyc.v4i4.4040

Abstract

Pemilihan mahasiswa terbaik menjadi barometer untuk menilai kinerja mahasiswa dibidang akademik dan non-akademik. Penelitian ini memberikan rekomendasi pemilihan mahasiswa terbaik di Institut Teknologi dan Bisnis Sabda Setia berdasarkan lima kriteria seperti Indeks Prestasi Kumulatif (IPK), S-Core, Jumlah Surat Peringatan (SP), Presensi Ibadah Mahasiswa dan Presensi Retret. MABAC (Multi-Attributive Border Approximation area Comparison) merupakan metode yang andal untuk pengambilan keputusan yang rasional dengan proses komputasi sederhana dan kerangka analitis yang terstruktur dengan baik. Setiap kriteria yang akan digunakan dalam perhitungan MABAC dilakukan pembobotan menggunakan teknik Rank Sum. Teknik ini memungkinkan setiap kriteria memiliki bobotnya sendiri dalam perhitungan, sehingga aspek penilaian dapat diperlakukan secara adil dan mencerminkan kontribusinya terhadap kinerja mahasiswa secara keseluruhan. Penilaian mahasiswa terbaik dalam penelitian ini dilakukan dengan menggunakan metode MABAC dengan Teknik pembobotan Rank Sum. Hasil perhitungan menunjukan bahwa mahasiswa A2 adalah mahasiswa terbaik dengan meraih nilai tertinggi 0,3980675, sementara mahasiswa A1 menduduki peringkat kedua dengan nilai 0,3003626 dan mahasiswa A6 di peringkat ketiga dengan nilai 0,2995565. Hasil penelitian ini memberikan implikasi signifikan sebagai rekomendasi untuk menentukan mahasiswa terbaik di Institut Teknologi dan Bisnis Sabda Setia maupun Institusi lain yang memiliki kriteria-kriteria serupa.
Analisa Sistem Pakar Menggunakan Algoritma Teorema Bayes Untuk Mendiagnosa Penyakit Fibrodysplasia Ossificans Progressiva (FOP) Muhammad Naufal Rifqi; Agus Iskandar
Journal of Computer System and Informatics (JoSYC) Vol 4 No 4 (2023): August 2023
Publisher : Forum Kerjasama Pendidikan Tinggi (FKPT)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47065/josyc.v4i4.4041

Abstract

Fibrodysplasia Ossificans Progressiva (FOP) adalah penyakit langka yang disebabkan oleh kelainan genetik yang menyebabkan pembentukan tulang tidak normal di jaringan lunak tubuh. Mendiagnosis FOP menimbulkan tantangan karena langkanya kasus dan gejala awal yang ambigu. Kedua, karakteristik unik FOP menyulitkan membedakannya dari penyakit lain. Pemahaman terbatas tentang FOP dapat menyebabkan kesalahan diagnosis. Harapan muncul dengan kemajuan kecerdasan buatan, khususnya sistem pakar, yang membantu mendiagnosis FOP berdasarkan pengetahuan terprogram. Teorema Bayes, sebuah sistem kecerdasan buatan, digunakan untuk menghitung probabilitas diagnosis. Hasil diagnosa menunjukkan kemungkinan 74% pasien menderita FOP. Metode ini menggunakan data relevan untuk menghitung probabilitas secara akurat dan memberikan estimasi tingkat kepercayaan dalam mendiagnosis penyakit. Hasil ini panduan bagi dokter menyusun rencana perawatan yang sesuai dan efektif. Penerapan teknologi ini berpotensi meningkatkan manajemen pasien dan kualitas hidup mereka dengan FOP. Tetap diingat bahwa diagnosis medis memerlukan konfirmasi melalui pemeriksaan menyeluruh oleh para profesional kesehatan. Keberhasilan teknologi kecerdasan buatan dalam mendiagnosis FOP memberikan harapan bagi pengembangan perawatan lebih lanjut untuk kondisi langka ini.
Seleksi Penerimaan Customer Service Dalam Sistem Pendukung Keputusan Dengan Menerapkan Metode OCRA Rifqi Habibi Sachrrial; Agus Iskandar
Journal of Computer System and Informatics (JoSYC) Vol 4 No 4 (2023): August 2023
Publisher : Forum Kerjasama Pendidikan Tinggi (FKPT)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47065/josyc.v4i4.4042

Abstract

Penelitian ini membahas tentang seleksi penerimaan Customer Service (CS) menggunakan Sistem Pendukung Keputusan (SPK) dengan menerapkan metode OCRA (Optimized Cost-Risk Analysis). Tujuan dari penelitian ini adalah untuk memperbaiki efisiensi dan efektivitas proses seleksi penerimaan CS, sehingga perusahaan dapat merekrut individu yang paling sesuai untuk peran tersebut. Metode OCRA digunakan sebagai pendekatan dalam penelitian ini karena dapat mengatasi beberapa tantangan dalam seleksi penerimaan CS, seperti mengevaluasi kualifikasi dan kemampuan kandidat, serta meminimalkan risiko pemilihan individu yang tidak tepat. Penelitian ini menggunakan data historis dari CS yang sudah terbukti berhasil dalam pekerjaan mereka sebagai basis pembuatan model OCRA. Langkah-langkah penelitian meliputi pengumpulan data kualifikasi dan kinerja CS yang saat ini berada di dalam perusahaan, kemudian data ini digunakan untuk melatih dan menguji model OCRA. Model OCRA akan menggabungkan beberapa faktor, termasuk keahlian komunikasi, pengetahuan produk, perilaku dalam menangani pelanggan, dan karakteristik personal lainnya yang relevan untuk pekerjaan CS. Hasil dari penelitian ini diharapkan dapat memberikan kontribusi penting dalam proses seleksi penerimaan CS dengan cara mengidentifikasi kandidat terbaik yang memiliki potensi untuk mencapai keberhasilan dalam peran tersebut. Selain itu, penggunaan metode OCRA juga diharapkan dapat mengurangi risiko perekrutan CS yang kurang sesuai, sehingga dapat mengurangi biaya dan waktu yang diperlukan dalam proses rekrutmen ulang. Setelah dilakukan tahapan-tahapan perhitungan dengan menggunakan metode OCRA, maka didapatkan hasil tertinggi yaitu A6 dengan nilai 0.935 atas nama sindi cantika yang memiliki pengalaman kerja 2 tahun dan keterampilan komunikasi nya sangat baik.
Data Mining Penerapan Asosiasi Apriori Dalam Penentuan Pola Penjualan Firdo Andri Saputra; Agus Iskandar
Journal of Computer System and Informatics (JoSYC) Vol 4 No 4 (2023): August 2023
Publisher : Forum Kerjasama Pendidikan Tinggi (FKPT)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47065/josyc.v4i4.4043

Abstract

Penjualan merupakan hal yang tak terpisahkan dari kehidupan sehari-hari, di mana setiap orang secara rutin melakukan transaksi jual beli yang berdampak besar bagi pertumbuhan ekonomi. Bagi para pebisnis yang bergerak di bidang penjualan, seperti pemilik coffee shop, strategi untuk meningkatkan jumlah penjualan dan laba menjadi hal krusial. Dengan aktivitas transaksi harian yang terus meningkat, data penjualan tersebut bukan sekadar arsip biasa, melainkan memiliki potensi untuk diolah menjadi informasi berharga guna meningkatkan penjualan. Namun, seringkali terjadi masalah ketika stok item yang diinginkan oleh konsumen tidak tersedia atau habis karena kurangnya pengelolaan stok yang baik oleh karyawan coffee shop. Akibatnya, data transaksi penjualan yang ada hanya terabaikan dan tidak dimanfaatkan secara optimal, menyebabkan kerugian karena persediaan menu tidak terkontrol dengan baik. Sebaliknya, data transaksi sebelumnya dapat digunakan untuk mengidentifikasi pola pembelian pelanggan, sehingga dapat diambil kesimpulan bahwa jika pelanggan membeli menu A, kemungkinan besar akan membeli menu B juga. Untuk mengatasi permasalahan tersebut, solusi yang dapat diterapkan adalah memanfaatkan data transaksi penjualan yang telah terkumpul. Data ini mengandung informasi berharga yang bisa digunakan untuk pengambilan keputusan dan memperoleh pengetahuan baru tentang pola penjualan di coffee shop, sehingga pengelolaan persediaan menu dapat lebih terstruktur dan jumlah persediaan menu yang tidak diminati dapat dikurangi. Untuk mencapai persediaan yang ideal, peneliti menggunakan metode Data Mining, khususnya metode Assosiasi dengan Apriori. Namun, pencarian support hanya dilakukan hingga 3 set item tanpa ditemukan kombinasi yang memenuhi batas minimum support, sehingga proses tersebut dihentikan. Untuk melanjutkan pencarian nilai confidence, digunakan gabungan 2 set item (L2) yang memenuhi syarat untuk membentuk asosiasi. Hasil analisis dengan metode ini menghasilkan tiga aturan asosiasi yang berharga untuk meningkatkan penjualan, yaitu "Jika membeli cappuccino maka akan membeli donat" dengan confidence 0,65, "Jika membeli donat maka akan membeli cappuccino" dengan confidence 0,93, dan "Jika membeli muffin maka akan membeli cappuccino" dengan confidence 0,83.
Sistem Pendukung Keputusan Rekomendasi Aplikasi Pembuat Kuis Edukasi Untuk Pembelajaran Menerapkan Metode OCRA dan Pembobotan ROC Jhiro Faran; Rima Tamara Aldisa
Journal of Computer System and Informatics (JoSYC) Vol 4 No 4 (2023): August 2023
Publisher : Forum Kerjasama Pendidikan Tinggi (FKPT)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47065/josyc.v4i4.4045

Abstract

Education quizzes are a form of interactive test or game designed to support the learning process in a fun and interactive way. Despite the availability of many applications for creating educational quizzes, users often face difficulties in selecting the ones that suit their learning needs and objectives. Therefore, this research suggests the use of a Decision Support System by implementing the OCRA and Weighted Rank Order Centroid (ROC) methods to recommend educational quiz maker applications. The ROC method is utilized to determine the weights or relative values of predefined criteria, thus facilitating the ranking process based on the importance of each criterion. Furthermore, the OCRA method is employed to analyze the operational competitiveness level of various alternative educational quiz maker applications. The research findings indicate that out of the 5 evaluated alternatives, ProProfs Quiz Maker scored the highest with a value of 1.515, making it the top choice for online learning media. Thus, the Decision Support System based on OCRA and ROC provides accurate recommendations for selecting educational quiz maker applications that align with learning needs and objectives.
Analisis Perbandingan Metode MOORA dan MOOSRA dalam Seleksi Siswa Unggulan Desty Rahma Fadilla; Rima Tamara Aldisa
Journal of Computer System and Informatics (JoSYC) Vol 4 No 4 (2023): August 2023
Publisher : Forum Kerjasama Pendidikan Tinggi (FKPT)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47065/josyc.v4i4.4048

Abstract

Educational strategies in the current era really need to be developed so that the advantages that each student has can be made into superior achievements. The selection of superior student selection is very important in the education strategy with the aim of getting superior seeds that will be fostered so that they achieve even more and increase the motivation of each student. At present, most schools carry out the selection of superior students manually by taking the value of each student's report card. Selection with a large number of students sometimes makes it difficult for teachers or the school to choose who has the right to be a superior student. The results of the assessment or consideration of each teacher tend to be subjective. So that there are often misunderstandings in making the final decision in determining who is entitled to be a superior student. Therefore, a decision support system is needed that aims to make it easier to select superior students whose results will be effective. In solving the problem of selecting superior students, the author uses the MOORA method and the MOOSRA method. The results of the study prove that the comparison between the MOORA and MOOSRA methods has the same results, where the MOORA method has the highest yield in alternative 3 with a result of 0.2997 and in alternative 3 MOOSRA method with a result of 13.1548.
Analisis Multi-Objective Optimization on the Basis of Ratio Analysis (MOORA) Terhadap Data Top 10 Best Value Hotel Yerik Afrianto Singgalen
Journal of Computer System and Informatics (JoSYC) Vol 4 No 4 (2023): August 2023
Publisher : Forum Kerjasama Pendidikan Tinggi (FKPT)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47065/josyc.v4i4.4053

Abstract

Labuan bajo sebagai destinasi wisata super prioritas memiliki daya tarik wisata alam, budaya, pantai dan bahari. Wisatawan mancanegara dan nusantara yang berkunjung ke destinasi wisata premium Labuan Bajo, dapat menggunakan layanan akomodasi dan amenitas hotel, hingga bisnis layanan akomodasi lainnya. Penelitian ini bertujuan untuk menerapkan metode Multi-Objective Optimization on the Basis of Ratio Analysis (MOORA) terhadap 10 best value hotel di Labuan Bajo, berdasarkan website Tripadvisor. Hasil penelitian ini menunjukkan bahwa wisatawan dapat memilih mengambil keputusan menginap di top 10 best value hotel Labuan Bajo dengan mempertimbangkan ketersediaan ruangan dan amenitas hotel, maupun penilaian tamu yang memiliki pengalaman menginap di hotel tersebut. Berdasarkan hasil penerapan metode MOORA, hasil pengolahan data berdasarkan ketersediaan ruangan dan amenitas hotel menunjukakn bahwa Meruorah Komodo Labuan Bajo memiliki total nilai paling tinggi dengan jumlah 0,57 sehingga menempati urutan pertama, sedangkan Zasgo Hotel memiliki total nilai 0,49 sehingga menempati urutan kedua. Adapun, Ayana Komodor Resort, Waecicu Beach memiliki total nilai 0,38 sehingga menempati urutan ketiga. Adapun, berdasarkan penilaian tamu yang memiliki pengalaman menginap di top 10 best value hotel Labuan Bajo, dapat diketahui bahwa Zasgo Hotel memperoleh nilai sebesar 0,248 dan menempati urutan pertama. Selanjutnya, Parlezo Hotel memperoleh nilai sebesar 0,237 dan menempati urutan kedua. Meskipun demikian, Zasgo Hotel dan Parlezo Hotel tidak dapat direkomendasikan karena tidak memilik nilai pada kriteria value. Oleh sebab itu, Hotel yang direkomendasikan ialah Ayana Komodo Resort, Waecicu Beach dengan total nilai sebesar 0,157 serta Sudamala Resort, Seraya dengan total nilai 0,153. Dengan demikian, penerapan metode MOORA dapat menghasilkan rekomendasi yang sesuai dengan preferensi tamu hotel.
Implementasi Algoritma Klasifikasi Naïve Bayes Untuk Klasifikasi Credit Scoring Pada Platform Peer-To-Peer Lending Joel Rayapoh Damanik; Rahmat Fauzi; Faqih Hamami
Journal of Computer System and Informatics (JoSYC) Vol 4 No 4 (2023): August 2023
Publisher : Forum Kerjasama Pendidikan Tinggi (FKPT)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47065/josyc.v4i4.4059

Abstract

Di Indonesia, seiring dengan pertumbuhan fintetch mengenai P2P lending, juga timbul P2P lending ilegal yang beroperasi tanpa izin dari otoritas berwenang. Diperkirakan terdapat sekitar 400 perusahaan fintech ilegal yang beroperasi di Indonesia. Masalah umum yang dihadapi oleh platform P2P lending adalah ketidakmampuannya mengantisipasi pembayaran yang gagal oleh peminjam. Hal ini disebabkan oleh tingginya suku bunga yang diterapkan dan kurangnya seleksi terhadap peminjam dengan risiko kredit yang tinggi atau rendah. Untuk mengatasi masalah ini, diperlukan pengembangan model sistem Machine Learning yang dapat mengklasifikasikan data peminjam dan terintegrasi dengan informasi dari lembaga keuangan lainnya. Tujuannya adalah untuk menyaring calon peminjam dengan risiko kredit yang tinggi atau rendah. Salah satu model yang digunakan adalah algoritma Naïve Bayes Classifier. Metode ini berdasarkan teorema Bayes dan merupakan algoritma yang memproses klasifikasi sederhana dengan independensi variabel. Penggunaan algoritma Naïve Bayes Classifier diharapkan dapat menciptakan sistem yang membantu platform P2P lending dalam seleksi calon peminjam. Model ini akan memprediksi risiko kredit rendah atau tinggi bagi pengguna atau pelanggan P2P lending. Untuk mencapai performa klasifikasi optimal, dilakukan tuning hyperparameter pada setiap simulasi. Hyperparameter tuning adalah proses mencari nilai terbaik untuk parameter dalam model machine learning guna meningkatkan performa. Pada algoritma GaussianNB, parameter yang dituning adalah var_smoothing. Hasil tuning hyperparameter terbaik ditemukan dengan nilai var_smoothing sebesar 0.009638958856642498, dengan pembagian train_size dan test_size sebesar 70:30. Dengan konfigurasi ini, model mencapai tingkat akurasi sebesar 95%.
Analisis Perbandingan Top 10 Best-Value dan Top 10 Traveler-Ranked Hotel di Kota Ternate Menggunakan MOORA Yerik Afrianto Singgalen
Journal of Computer System and Informatics (JoSYC) Vol 4 No 4 (2023): August 2023
Publisher : Forum Kerjasama Pendidikan Tinggi (FKPT)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47065/josyc.v4i4.4070

Abstract

There are a variety of factors that influence hotel visitors' decisions. The first consideration pertains to the room and amenities, while the second comprises prior guest ratings. Tripadvisor is frequently used to propose lodging and amenity services in different places. Using the MOORA decision support model, this study compares the top 10 best-value hotels in Ternate City to the top 10 most-recommended hotels by travelers. This research consists of four phases: the data gathering phase, the data analysis phase, the data interpretation phase, and the reporting phase. The data processing results utilizing the MOORA decision support model on the top 10 best-value hotels in Ternate City revealed a considerable disparity with the Tripadvisor rankings based on room and amenity criteria and guest reviews. Muara Hotel Ternate has a total scale of 0.491% based on parameters related to its rooms and amenities. Additionally, the order is dynamic and dependent on guest rating criteria. The Bela International Hotel ranks #1 if review data is considered because its reviews exceed 100. The same conclusion was drawn from the data processing findings of the top 10 traveler-ranked hotels in Ternate City, where the ranking results based on room and amenities criteria refer to the Ternate City Hotel with a total yi value of 0.79. The ranking results are also dynamic and dependent on guest rating criteria. If the number of reviews is considered, the Bela International Hotel will be ranked #1 because its number of studies is more significant than 100. This implies that information about rooms and hotel amenities and the number of guest evaluations on the Tripadvisor website can be crucial in influencing hotel guests' decisions regarding their stay.
Penerapan Algoritma K-Nearest Neighbor Dalam Klasifikasi Penyakit Jantung Mohammad Fauzi Akbarollah; Wiyanto Wiyanto; Dodit Ardiatma; Ahmad Turmudi Zy
Journal of Computer System and Informatics (JoSYC) Vol 4 No 4 (2023): August 2023
Publisher : Forum Kerjasama Pendidikan Tinggi (FKPT)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47065/josyc.v4i4.4071

Abstract

Penyakit jantung adalah kondisi ketika bagian jantung yang meliputi pembuluh darah jantung, selaput jantung, katup jantung, dan otot jantung mengalami gangguan. Penyakit jantung bisa disebabkan oleh berbagai hal, seperti sumbatan pada pembuluh darah jantung, peradangan, infeksi, atau kelainan bawaan. Berdasarkan catatan Organisasi Kesehatan Sedunia (WHO), diperkirakan sebanyak 17,9 juta kematian setiap tahunnya disebabkan oleh masalah kardiovaskular. Angka ini setara dengan 32 persen kasus kematian secara global. Dari angka tersebut, sebanyak 85 persen diantaranya disebabkan oleh serangan jantung dan stroke. Tujuan Penelitian ini adalah mengimplementasikan data mining untuk meningkatkan efektivitas pengambilan keputusan dalam pengobatan penyakit jantung. Pada penelitian ini dilakukan proses klasifikasi terhadap sebuah dataset penyakit jantung dengan menggunakan algoritma K-Nearest Neighbor. Hasil dari pengujian mendapatkan nilai accuracy sebesar 92%, precision sebesar 90%, dan nilai recall sebesar 92%.

Page 27 of 45 | Total Record : 443

 25   26   27   28   29 

Filter by Year

2019 2025


Reset
Filter By Issues
All Issue Vol 6 No 4 (2025): August 2025 Vol 6 No 3 (2025): May 2025 Vol 6 No 2 (2025): February 2025 Vol 6 No 1 (2024): November 2024 Vol 5 No 4 (2024): August 2024 Vol 5 No 3 (2024): May 2024 Vol 5 No 2 (2024): February 2024 Vol 5 No 1 (2023): November 2023 Vol 4 No 4 (2023): August 2023 Vol 4 No 3 (2023): May 2023 Vol 4 No 2 (2023): Februari 2023 Vol 4 No 1 (2022): November 2022 Vol 3 No 4 (2022): August 2022 Vol 3 No 3 (2022): May 2022 Vol 3 No 2 (2022): Februari 2022 Vol 3 No 1 (2021): November 2021 Vol 2 No 4 (2021): Agustus 2021 Vol 2 No 3 (2021): Mei 2021 Vol 2 No 2 (2021): February 2021 Vol 2 No 1 (2020): November 2020 Vol 1 No 4 (2020): August 2020 Vol 1 No 3 (2020): Journal of Computer System and Informatics (JoSYC) - May 2020 Vol 1 No 2 (2020): Journal of Computer System and Informatics (JoSYC) - Februari 2020 Vol 1 No 1 (2019): Journal of Computer System and Informatics (JoSYC) - November 2019 More Issue