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.json@gmail.com
Editorial Address
STMIK Budi Darma Jln. Sisingamangaraja No. 338 Telp 061-7875998
Location
Kota medan,
Sumatera utara
INDONESIA
Jurnal Sistem Komputer dan Informatika (JSON)
Published by Sekolah Tinggi Manajemen Informatika dan Komputer Budi Darma
ISSN : -     EISSN : 2685998X     DOI : https://dx.doi.org/10.30865/json.v1i3.2092
Core Subject : Science, Engineering,
Computer Science & IT Control & Systems Engineering
The Jurnal Sistem Komputer dan Informatika (JSON) is a journal to managed of STMIK Budi Darma, for aims to serve as a medium of information and exchange of scientific articles between practitioners and observers of science in computer. Focus and Scope Jurnal Sistem Komputer dan Informatika (JSON) journal: Embedded System Microcontroller Artificial Neural Networks Decision Support System Computer System Informatics Computer Science Artificial Intelligence Expert System Information System, Management Informatics Data Mining Cryptography Model and Simulation Computer Network Computation Image Processing etc (related to informatics and computer science)
Arjuna Subject : Ilmu Komputer (semua kategori) - Ilmu Komputer (Lain-Lain)
Articles 23 Documents
 1   2   3 
Search results for , issue "Vol. 7 No. 1 (2025): September 2025" : 23 Documents clear
Penerapan Hybrid Naïve Bayes dan Decision Tree dalam Sistem Pakar Diagnosis Penyakit Mulut Berbasis Android Panjaitan, Muhammad Iqbal; Nadeak, Berto
Jurnal Sistem Komputer dan Informatika (JSON) Vol. 7 No. 1 (2025): September 2025
Publisher : Universitas Budi Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30865/json.v7i1.9055

Abstract

Oral diseases such as stomatitis, gingivitis, and candidiasis are often undetected at an early stage due to limited public knowledge and restricted access to healthcare services, leading to delays in treatment. This study aims to develop an Android-based expert system for diagnosing oral diseases using a hybrid approach that combines the Naïve Bayes and Decision Tree algorithms. The Naïve Bayes method is applied to calculate the probability of symptoms associated with potential diseases, while the Decision Tree generates diagnostic rules that are more transparent and interpretable. The research stages include a literature review, data collection and validation of disease symptoms from medical experts, development of the hybrid model, implementation into an Android application, and system testing using cross-validation and a confusion matrix. The expected outcomes include a prototype Android application for oral disease diagnosis with a minimum accuracy of 85%, a scientific article published in a nationally accredited journal indexed in Sinta, and additional outputs such as copyright registration of the application and publication of a book. This study is expected to improve public access to early diagnosis of oral diseases, support early detection, and contribute to the advancement of digital health systems based on artificial intelligence in Indonesia.
Web-Based Academic Information and Monitoring System at Kudus State Madrasah Ibtidaiyah Putri, Sevara Humaira; Rhoedy Setiawan; Yudie Irawan
Jurnal Sistem Komputer dan Informatika (JSON) Vol. 7 No. 1 (2025): September 2025
Publisher : Universitas Budi Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30865/json.v7i1.9070

Abstract

This research is based on the needs of Madrasah Ibtidaiyah Negeri Kudus to improve communication and academic management in the digital age. The main issues raised are suboptimal grade recording systems, absenteeism, and the rapid and structured dissemination of important information. The objective of this research is to create and develop a web-based academic information system that can be monitored via WhatsApp. This system will enable teachers, parents, and school administrators to easily access information. The Waterfall software development model, which consists of the stages of needs analysis, design, implementation, testing, and maintenance, is the methodology used in this research. Data was collected through interviews and direct observation of academic activities on the school campus. This system enables the recording of student grades and attendance data on a daily basis. It also allows parents to receive automatic notifications about learning activities, class schedules, and other important information. This research resulted in a web-based application that has the ability to improve academic recording and reporting, enhance communication between schools and parents, and support real-time transparency of academic information. By using this system, the State Elementary School in Kudus is expected to be better prepared to face the digital transformation occurring in the world of education.
Pengembangan Program Alternatif untuk Proses Konsolidasi Multiple Database Menggunakan Pandas dan MongoDB Forgaritenzo, Joshe; Wibowo, Argo; Wijana, Katon
Jurnal Sistem Komputer dan Informatika (JSON) Vol. 7 No. 1 (2025): September 2025
Publisher : Universitas Budi Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30865/json.v7i1.8320

Abstract

E-Commerce merupakan salah satu bidang bisnis yang sangat besar di Indonesia yang menghasilkan transaksi daring yang besar jumlahnya, sehingga ribuan hingga ratusan ribu data harus dikelola setiap harinya oleh pihak perusahaan melalui proses konsolidasi. Konsolidasi merupakan sebuah proses penggabungan data antar dua database. Perusahaan yang diteliti untuk mengelola proses konsolidasi menggunakan program pihak ketiga bernama Pentaho, namun program ini sering mengalami maintenance sehingga mengganggu proses bisnis yang berjalan. Penelitian ini dilakukan untuk membuat sebuah program alternatif yang dapat digunakan ketika Pentaho mengalami kendala. Program yang dikembangkan memanfaatkan proses loading yang merupakan metode dalam dunia pengelolaan database, dimana data yang dimiliki kemudian dimasukkan ke dalam database tujuan. Pengembangan program ini akan memanfaatkan library python pandas dan database relational serta NoSQL untuk melakukan proses loading dan proses konsolidasi. Penelitian ini akan mencoba menganalisis dan membuat program berjalan dengan lebih efisien dan memberikan pengembangan agar proses loading dan konsolidasi secara keseluruhan dapat menjadi lebih baik. Rata-rata proses loading program hasil pengembangan yang menggunakan database relational menunjukkan peningkatan sekitar 8% atau 20 - 30 detik lebih cepat untuk data berjumlah sekitar 500.000. Pengembangan proses loading menggunakan database NoSQL menunjukkan adanya peningkatan sekitar 6,5 - 9,6% untuk jumlah data yang berkisar dari 20 – 500.000 data. Proses ini juga menunjukkan peningkatan sekitar 17.5% dari program yang digunakan perusahaan sebelumnya untuk proses 500.00 data.
SPK Pemilihan Pengadaan Barang dan Jasa Pemerintah Menggunakan Metode SAW Rosi, Novriansyah; Witanti, Arita
Jurnal Sistem Komputer dan Informatika (JSON) Vol. 7 No. 1 (2025): September 2025
Publisher : Universitas Budi Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30865/json.v7i1.8750

Abstract

Pengadaan barang dan jasa pemerintah adalah proses strategis dalam mendukung pembangunan nasional, mulai dari infrastruktur hingga layanan publik yang diatur dalam Peraturan Presiden (Perpres) Nomor 12 Tahun 2021. Peraturan tersebut memberi dasar dalam penetapan metode pengadaan seperti Tender, Pengadaan Langsung, Penunjukan Langsung, Seleksi, E-Purchasing, dan Swakelola berdasarkan parameter nilai anggaran, kompleksitas pekerjaan, ketersediaan pasar, urgensi dan risiko. Proses Pemilihan metode pengadaan barang dan jasa pemerintah pada proses perencanaan pengadaan cenderung kurang tepat dan tidak sesuai dengan regulasi. Penelitian ini mengembangkan model sistem pendukung keputusan SPK) untuk memilih metode pengadaan dengan metode Simple Additive Weighting (SAW) dengan tujuan untuk membantu aparatur pemerintah dengan memberikan rekomendasi dalam menentukan metode pengadaan pada paket pengadaan. Melalui kombinasi analisis regulasi, diskusi mendalam dengan praktisi pengadaan, pengetahuan pengadaan dan penerapan riil, sistem ini dirancang untuk mengolah data secara matematis sehingga menghasilkan rekomendasi yang selaras dengan batasan hukum dan kebutuhan praktis. Sistem menunjukan tingkat akurasi mencapai 90% dari jumlah data uji terhadap data riil. Hasil perhitungan tersebut menunjukan bahwa sistem yang dibuat menggunakan metode SAW memiliki tingkat akurasi sistem yang tinggi sehingga dapat digunakan untuk merekomendasikan pemilihan metode pengadaan.
Sistem Informasi Kepegawaian Menggunakan Metode Key Performance Indicator untuk Penilaian Kinerja Pegawai Nugroho, Mochamad Bagus Iqbal Adi; Setiaji, Pratomo; Nugraha, Fajar
Jurnal Sistem Komputer dan Informatika (JSON) Vol. 7 No. 1 (2025): September 2025
Publisher : Universitas Budi Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30865/json.v7i1.8832

Abstract

Perkembangan teknologi informasi mempengaruhi berbagai aspek operasional perusahaan, termasuk dalam pengelolaan sumber daya manusia. PT Lautan Snack Indonesia, perusahaan makanan ringan yang merupakan salah satu terbesar di Kudus, menghadapi kendala dalam pengelolaan kepegawaian dikarenakan sistem yang masih terfragmentasi. Meskipun telah menggunakan sistem absensi berbasis sidik jari, pengajuan cuti, pengelolaan surat peringatan, serta penilaian kinerja pegawai masih dilakukan secara yang menyebabkan ketidakefisienan dan potensi kehilangan data. Penelitian ini bertujuan untuk merancang dan mengembangkan sistem informasi kepegawaian berbasis web dengan metode Key Performance Indicator (KPI) guna mengintegrasikan berbagai proses kepegawaian, termasuk penilaian kinerja pegawai secara objektif dan terstandarisasi berdasarkan indikator tertentu. Sistem dikembangkan menggunakan metode waterfall dengan bahasa pemrograman PHP dan basis data MySQL, sehingga menghasilkan data real-time yang dapat diakses oleh Admin HRD, Manajer, maupun Pegawai. Pengujian sistem dilakukan menggunakan metode black box testing yang menunjukkan seluruh fungsi berjalan dengan baik dan sesuai perancangan. Sistem ini dilengkapi dengan fitur pelaporan kinerja, validasi cuti, pemberian peringatan maupun penghargaan secara otomatis berdasarkan hasil penilaian. Hasil implementasi menunjukkan bahwa sistem berbasis web ini dapat meningkatkan efisiensi operasional, transparansi, dan kepuasan pegawai, serta mendukung proses transformasi digital di PT Lautan Snack Indonesia.
Analisis Penyeimbangan Data pada Penyakit Stroke Menggunakan SMOTE Khoiruddin, Muhammad Ubay; Nafiiyah, Nur
Jurnal Sistem Komputer dan Informatika (JSON) Vol. 7 No. 1 (2025): September 2025
Publisher : Universitas Budi Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30865/json.v7i1.8847

Abstract

Stroke tidak hanya mempengaruhi kesehatan individu tetapi juga membebani sistem kesehatan nasional secara signifikan. Oleh karena itu, upaya deteksi dan pencegahan dini sangat penting. Penelitian ini bertujuan untuk membandingkan kinerja klasifikasi data penyakit stroke asli dan data berimbang menggunakan algoritma Support Vector Machine (SVM) dan Naive Bayes. Dataset yang digunakan adalah data publik dari Kaggle. Hasil klasifikasi pada data asli menunjukkan bahwa metode SVM dan Naive Bayes Bernoulli memiliki akurasi tertinggi sebesar 0,945. Namun, presisi tertinggi dan nilai recall masing-masing sebesar 0,584 dan 0,699 dicapai dengan metode Naive Bayes Gaussian. Sedangkan pada data berimbang, akurasi Naive Bayes Bernoulli turun menjadi 0,806, namun nilai presisi dan recall meningkat menjadi 0,808 dan 0,806. Hasil ini menunjukkan bahwa penyeimbangan data dapat meningkatkan kinerja klasifikasi dalam hal presisi dan sensitivitas.
Pengembangan Arsitektur CNN untuk Sistem Identifikasi Penyakit Daun pada Tanaman Padi ., Ichsan Yudistura; Nafiiyah, Nur
Jurnal Sistem Komputer dan Informatika (JSON) Vol. 7 No. 1 (2025): September 2025
Publisher : Universitas Budi Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30865/json.v7i1.8849

Abstract

Penelitian ini bertujuan untuk mengembangkan arsitektur CNN dalam sistem identifikasi penyakit daun pada tanaman padi. Penyakit seperti blast, blight, dan tungro merupakan ancaman serius bagi produktivitas padi di Indonesia. Identifikasi penyakit secara manual membutuhkan keahlian khusus dan tidak selalu akurat, sehingga dibutuhkan solusi otomatis berbasis teknologi. Penelitian ini menggunakan dataset citra daun padi dari tiga kelas penyakit, masing-masing sebanyak 80 gambar. Proses augmentasi citra dilakukan dengan metode peningkatan kontras menggunakan histogram equalization dan CLAHE, untuk memperjelas fitur visual pada citra. Struktur CNN dibangun menggunakan sejumlah lapisan konvolusi dan pooling yang dirancang khusus untuk menangkap pola visual dari gambar daun.. Model diuji menggunakan data validasi dan menghasilkan akurasi sebesar 75%. Evaluasi lebih lanjut melalui confusion matrix menunjukkan bahwa model dapat mengenali penyakit blight dengan sangat baik, meskipun masih terdapat kekeliruan dalam membedakan antara blast dan tungro. Hasil penelitian ini menunjukkan bahwa pengembangan CNN dengan pendekatan yang tepat dapat menjadi solusi efektif dalam mendukung deteksi penyakit tanaman secara otomatis dan akurat.
Heart Disease Classification Based on Medical Record Data Using the Logistic Regression Method Iswari, Syahyana; Dinata, Rozzi Kesuma; Aidilof, Hafizh Al Kautsar
Jurnal Sistem Komputer dan Informatika (JSON) Vol. 7 No. 1 (2025): September 2025
Publisher : Universitas Budi Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30865/json.v7i1.8867

Abstract

Heart disease remains one of the primary causes of mortality globally and poses a significant public health concern, including in Indonesia. Early identification of individuals at risk is essential for lowering death rates and enhancing the success of medical interventions. This research focuses on developing a classification model for heart disease using the Logistic Regression technique, utilizing data extracted from patient medical records. The dataset comprises 100 entries, each containing six key features: age, gender, blood pressure, heart rate, respiratory rate, and chest pain. The model was trained on 80% of the data and evaluated using the remaining 20%. Model performance was assessed using several metrics, including accuracy, precision, recall (sensitivity), F1-score, confusion matrix, and the ROC (Receiver Operating Characteristic) curve. The evaluation results revealed an accuracy of 95%, precision of 100%, recall of 88.89%, F1-score of 94.12%, and an AUC score of 0.99. These outcomes suggest that Logistic Regression is highly effective for classifying heart disease risk and can serve as a valuable tool in early detection systems supported by medical record data.
Pemetaan Disparitas Stunting di Jawa Timur dengan Spatial Autoregressive Model (SAR) dan Spatial Error Model (SEM) Haris, M Syauqi; Risqy Siwi Pradini; Ahsanun Naseh Khudori
Jurnal Sistem Komputer dan Informatika (JSON) Vol. 7 No. 1 (2025): September 2025
Publisher : Universitas Budi Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30865/json.v7i1.8877

Abstract

Stunting masih menjadi masalah kesehatan masyarakat yang signifikan di Indonesia, khususnya di Provinsi Jawa Timur, di mana terdapat disparitas yang mencolok dalam prevalensi stunting. Penelitian ini bertujuan untuk mengevaluasi distribusi spasial stunting dan mengidentifikasi faktor-faktor yang mempengaruhinya, dengan mempertimbangkan perbedaan geografis antarwilayah. Untuk mencapai tujuan tersebut, penelitian menggunakan pendekatan analisis spasial dengan menggunakan data sekunder dari 38 kabupaten dan kota di Jawa Timur. Analisis ini melibatkan beberapa tahap, termasuk eksplorasi pola geografis melalui indeks autokorelasi global Moran's I dan analisis LISA, diikuti dengan pemodelan regresi spasial menggunakan Spatial Autoregressive Model (SAR) dan Spatial Error Model (SEM) berdasarkan matriks bobot tetangga terdekat. Klaster hotspot diidentifikasi di wilayah Tapal Kuda, sementara klaster outlier ditemukan di Sampang dan Tulungagung. Selain itu, model regresi spasial menunjukkan kinerja yang lebih baik dibandingkan dengan model Ordinary Least Squares (OLS), dengan nilai pseudo R² SAR sebesar 0,7203 dan penurunan Akaike Information Criterion (AIC) menjadi 259,05. Hasil analisis menunjukkan bahwa inisiasi menyusui dini, cakupan ibu hamil, dan pemberian tablet tambah darah merupakan faktor signifikan yang mempengaruhi prevalensi stunting (p <0,05). Secara keseluruhan, model spasial memberikan representasi yang lebih akurat tentang pengaruh spasial di seluruh wilayah dibandingkan dengan regresi linier biasa, sehingga dapat menjelaskan variasi geografis stunting dengan lebih baik. Temuan ini menyoroti kebutuhan mendesak untuk mengembangkan kebijakan berbasis wilayah yang disesuaikan dengan karakteristik spasial yang unik di setiap wilayah. Penelitian ini berkontribusi pada bidang studi spasial dalam epidemiologi gizi dan menawarkan dasar ilmiah untuk mengimplementasikan intervensi kesehatan masyarakat yang lebih tepat sasaran.
Implementasi Metode Naive Bayes Classifier dalam Menentukan Diagnosa Kerusakan pada Smartphone Septyana, Adam Perdana; Esa Fauzi
Jurnal Sistem Komputer dan Informatika (JSON) Vol. 7 No. 1 (2025): September 2025
Publisher : Universitas Budi Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30865/json.v7i1.8926

Abstract

Kerusakan pada smartphone merupakan permasalahan umum yang sering dialami oleh pengguna, namun tidak semua pengguna memahami solusi yang tepat atas permasalahan tersebut. Oleh karena itu, dibutuhkan suatu sistem yang dapat membantu dalam mendiagnosa kerusakan smartphone secara cepat dan akurat. Teknologi machine learning dapat dimanfaatkan untuk membantu teknisi dalam proses diagnosis dengan menggunakan metode Naive Bayes Classifier. Metode ini menggunakan empat atribut utama dalam menentukan probabilitas kerusakan, yaitu kronologi, merek smartphone, konsumsi arus listrik, dan gejala. Naive Bayes dipilih karena kesederhanaannya, kemampuannya dalam menangani data yang tidak seimbang, serta kinerjanya yang baik dalam klasifikasi. Data gejala dan jenis kerusakan diperoleh dari teknisi smartphone dan literatur relevan. Sistem ini diharapkan dapat menjadi alat bantu bagi pengguna maupun teknisi dalam melakukan identifikasi awal terhadap kerusakan smartphone secara lebih efisien dan akurat.

Page 1 of 3 | Total Record : 23

 1   2   3 

Filter by Year

2025 2025


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