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 492 Documents
 27   28   29   30   31 
Rancang Bangun IoT Otomatis Berbasis Sensor PIR untuk Menghemat Energi Listrik pada saat Ruangan Kosong Okman Tampubolon, Juan Renhard; Ramadan, Wahyu; Buulolo, Julianus; Purba, Piona Pricilia; Siregar, Saut Dohot
Jurnal Sistem Komputer dan Informatika (JSON) Vol 6, No 4 (2025): Juni 2025
Publisher : Universitas Budi Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30865/json.v6i4.8805

Abstract

Pemakaian listrik yang tidak efisien, terutama dari lampu yang menyala di ruangan kosong, menyumbang sekitar 30% pemborosan energi di sektor rumah tangga, perkantoran, dan industri menurut Kementerian Energi dan Sumber Daya Mineral Indonesia. Penelitian ini merancang sistem otomatisasi lampu berbasis Internet of Things (IoT) menggunakan sensor PIR (Passive Infrared) dan mikrokontroler Arduino untuk mendeteksi keberadaan manusia. Sistem ini akan mengaktifkan atau mematikan lampu secara otomatis berdasarkan aktivitas di dalam ruangan, sehingga mampu menghemat konsumsi energi listrik. Studi dilakukan di ruang kelas dan laboratorium Universitas Prima Indonesia dengan menganalisis pola penggunaan energi. Hasil pengujian menunjukkan bahwa sistem mampu merespons gerakan dalam ±2 detik, mengurangi konsumsi energi hingga 30–50% tergantung kondisi ruangan. Penelitian ini juga mengisi celah dari studi sebelumnya yang belum mengintegrasikan pemantauan real-time dan fitur override manual. Dengan penggunaan sensor PIR yang lebih akurat dibandingkan sensor cahaya (LDR), sistem ini mendukung efisiensi energi yang lebih adaptif dan berkelanjutan. Rancang bangun ini berpotensi diterapkan luas dalam lingkungan akademik maupun industri.
KOMBINASI MOORA DAN ORESTE DALAM MENGEVALUASI PERPANJANGAN KONTRAK PEGAWAI Nayang, Chintya; Ikhwan, Ali
Jurnal Sistem Komputer dan Informatika (JSON) Vol 6, No 4 (2025): Juni 2025
Publisher : Universitas Budi Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30865/json.v6i4.8645

Abstract

Penelitian ini bertujuan untuk mengembangkan sistem pendukung keputusan berbasis web yang mengimplementasikan kombinasi metode MOORA dan ORESTE untuk mengevaluasi perpanjangan kontrak pegawai di Kantor Walikota Bagian Protokol dan Komunikasi Pimpinan Sekretariat Daerah Kota Pematang Siantar. Metode MOORA digunakan untuk menentukan nilai kriteria aleternatif dan bobot , selanjutnya melakukan normalisasi terhadap data alternatif, sementara metode ORESTE digunakan untuk menghitung Distance Score, Nilai Preferensi, dan perankingan. Hasil evaluasi menunjukkan bahwa pegawai dengan peringkat tertinggi dan direkomendasikan untuk perpanjangan kontrak adalah N2, N9, N8, dan N10. Pegawai dengan peringkat menengah, yaitu N5, N1, N6, N4, dan N7, perlu dipertimbangkan kembali. Sementara itu, pegawai N3 memerlukan evaluasi lebih lanjut terkait kinerja mereka. Penelitian ini menunjukkan bahwa metode kombinasi MOORA dan ORESTE dapat menghasilkan evaluasi yang objektif dan terukur, dengan hasil akhir berupa peringkat preferensi dari setiap alternatif.
Implementasi Metode Weighted Product (WP) Dengan Pembobotan Rank Order Centroid (ROC) Dalam Menentukan Karyawan Terbaik (Studi Kasus : Pt. Konveksi Dian Jaya) Rais, Amin
Jurnal Sistem Komputer dan Informatika (JSON) Vol 6, No 2 (2024): Desember 2024
Publisher : Universitas Budi Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30865/json.v6i2.8757

Abstract

Staff / karyawan merupakan peran yang sangat penting untuk pendukung dan penopang sebuah Perusahaan. Karena dengan adanya Staff / karyawan perusahaan akan beroperasi. Diantara semua karyawan tentunya ada yang terbaik atau punya prestasi yang gemilang. Untuk memperoleh informasi yang cepat dan akurat akan karyawan terbaik atau berprestasi dan memenuhi kriteria yang diharapkan, tentunya dibutuhkan Sistem Pendukung Keputusan (SPK) pemilihan Staff terbaik. Pemilihan Staff Terbaik Pada PT. Konveksi Dian Jaya merupakan suatu proses pemilihan Staff yang mana akan memilih dan menentukan Staff berdasarkan dengan kriteria yang telah ditentukan. Dalam proses pemilihan Staff terbaik di     PT. Konveksi Dian Jaya masih menggunakan perhitungan manual. Berdasarkan sistem pemilihan Staff terbaik  yang berjalan saat ini tentunya kurang efisien dalam pemilihan Staff terbaik. Untuk membantu proses pemilihan Staff terbaik pada           PT. Konveksi Dian Jaya digunakan sebuah Sistem Pendukung Keputusan (SPK) dimana metode yang digunakan adalah Implementasi WP (Weighted Product) dengan pembobotan ROC (Rank Order Centroid). Pada penelitian ini dibahas mengenai pemilihan Staff terbaik menggunakan Sistem Pendukung Keputusan (SPK) Perangkingan nya menggunakan metode Implementasi WP (Weighted Product) dan Proses perhitungan pembobotan menggunakan metode ROC ROC (Rank Order Centroid) berdasarkan kriteria yang telah ditentukan. Sistem Pendukung Keputusan (SPK) yang dihasilkan dalam penelitian ini dapat menampilkan peringkat hasil penelitian berupa keaktipan, jenjang karir, indeks perestasi, leadership dan teamwork. sehingga didapatkan kandidat Staff terbaik pada PT. Dian Jaya Konveksi.
Penerapan Algoritma Genetika Pada Optimasi Penjadwalan Matakuliah Pada Perguruan Tinggi STMIK Mulia Darma Sihombing, Monang Juanda Tua; M.Rajagukguk, Denni; Panjaitan, Muhammad Iqbal; Manalu, Mamed Rofendi; Simangunsong, Pandi Barita Nauli; Sridewi, Nurmala
Jurnal Sistem Komputer dan Informatika (JSON) Vol 6, No 1 (2024): September 2024
Publisher : Universitas Budi Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30865/json.v6i1.8457

Abstract

This research aims to produce an optimal course schedule at STMIK Mulia Darma, with the aim of reducing the number of conflicting courses, equalizing the student burden, and maximizing the use of classrooms. The optimization process is carried out through determining the course schedule using a genetic algorithm. Genetic algorithms were chosen because of their ability to solve large-scale and complex problems, making them suitable for handling complex course scheduling problems that involve many variables and constraints. It is hoped that the results of this study will produce an optimal course schedule, taking into account course clashes, student loads, and classroom use efficiency. After research, the optimal course schedule was obtained.
Pengembangan Model Klasifikasi Jenis Pisang Menggunakan Convolutional Neural Network Dengan Arsitektur VGG16 Habibah, Nur Habibah; Mudzakir, Tohirin Al; Novita, Hilda Yulia; Fauzi, Ahmad
Jurnal Sistem Komputer dan Informatika (JSON) Vol 6, No 4 (2025): Juni 2025
Publisher : Universitas Budi Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30865/json.v6i4.8616

Abstract

Indonesia memiliki kekayaan varietas pisang yang melimpah, namun permasalahan utama yang dihadapi adalah kesulitan dalam mengidentifikasi dan mengklasifikasikan jenis-jenis pisang secara akurat, terutama karena kemiripan visual antar varietas. Proses identifikasi secara manual dinilai kurang efisien dan rawan kesalahan, terutama dalam skala besar. Penelitian ini bertujuan untuk mengembangkan sistem klasifikasi untuk lima jenis pisang, yaitu pisang ambon, pisang kapas, pisang nangka, pisang siam, dan pisang tanduk, menggunakan metode CNN berbasis arsitektur VGG16. Dataset yang digunakan terdiri dari 634 gambar pisang yang diperoleh melalui kamera smartphone dan telah melalui proses augmentasi serta normalisasi untuk meningkatkan keragaman data. Model dilatih dengan parameter learning rate 0,0001 batch size 32, dan epoch sebanyak 50. Hasil pelatihan akurasi mencapai 99,60% dan akurasi validasi sebesar 98,48%. Hasil evaluasi performa menggunakan confusion matrix dan matrix klasifikasi presisi, recall, dan F1-score menunjukan model memiliki kemampuan yang baik dalam menglasifikasikan jenis pisang dengan tingkat akurasi yang tinggi.
Implementasi Data Mining Pada Penjualan Handphone Menggunakan Algoritma Apriori Bagariang, Luhut F Afriando; Fadlina, Fadlina
Jurnal Sistem Komputer dan Informatika (JSON) Vol 6, No 3 (2025): Maret 2025
Publisher : Universitas Budi Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30865/json.v6i3.8813

Abstract

Tren data mining, didorong AI dan ML, berkembang pesat dengan adopsi luas di berbagai industri. Algoritma Apriori efisien menemukan pola asosiatif dalam dataset besar, khususnya analisis transaksi penjualan produk. Implementasi data mining pada penjualan handphone meningkatkan keputusan bisnis, memahami pola pembelian, dan memprediksi tren pasar masa depan. Penelitian ini bertujuan memahami signifikansi kontribusi algoritma Apriori dalam menetapkan strategi penjualan handphone oleh suatu bisnis. Data yang digunakan adalah transaksi penjualan unit handphone Infinix pada periode Maret hingga April 2020 oleh merchant di Jakarta. Tujuan penggunaan data adalah untuk mengetahui merek handphone Infinix yang laris dijual. Berdasarkan hasil analisis algoritma Apriori, yang meninjau menurut aturan asosiasi, disimpulkan bahwa merek Infinix S5, Infinix S5 Lite, dan Infinix Hot 8, merupakan merek handphone yang paling laris terjual oleh bisnis tersebut, dengan nilai confidence mencapai 100%. Penjual handphone dapat menggunakan data untuk melakukan pemasaran produk terkait, dalam meningkatkan jumlah transaksi di masa mendatang.
Implementation of DBSCAN Algorithm for Grouping Poverty Levels in Central Java Province Fahmi, Amiq; Tsani, Maulida Aristia
Jurnal Sistem Komputer dan Informatika (JSON) Vol 6, No 4 (2025): Juni 2025
Publisher : Universitas Budi Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30865/json.v6i4.8553

Abstract

Poverty is a complex problem that hampers socio-economic development in Indonesia, especially in Central Java Province, which encounters significant challenges, with a poverty rate reaching 10.77% in 2023. This study aims to identify spatial patterns of poverty in 35 districts/cities in Central Java Province by grouping areas based on the number of poor individuals reported by the Central Java Province Statistics Agency (BPS) in 2023. The Density-Based Spatial Clustering of Applications with Noise (DBSCAN) algorithm groups districts/cities based on poverty data density with optimized parameters to produce statistically significant clusters. The results of the analysis reveal four clusters, specifically cluster 0 (moderate poverty), cluster 1 (high poverty), cluster 2 (very high poverty), and cluster 3 (low poverty). Model validation was executed using the Silhouette Score (0.447) and Davies-Bouldin Index (0.441), which showed the validity of the clustering. This study is anticipated to provide strategic implications for the Central Java Provincial Government in formulating more effective poverty alleviation policies, such as resource allocation adjusted to each cluster's characteristics. In addition, this study enables future exploration of additional socio-economic factors influencing poverty, such as the Human Development Index, education, health, infrastructure, resource accessibility, and comparative analysis of clustering algorithms for enhanced accuracy.
Analisis Kinerja Komparatif Metode Machine Learning Dalam Klasifikasi Sentimen Terhadap Ulasan Aplikasi Dompet Digital Yanto, Willi; Panjaitan, Mega Lastarida; Khosandy, Vincent; Banjarnahor, Jepri
Jurnal Sistem Komputer dan Informatika (JSON) Vol 6, No 4 (2025): Juni 2025
Publisher : Universitas Budi Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30865/json.v6i4.8831

Abstract

Saat ini, kemajuan teknologi telah merambah di berbagai aspek kehidupan, termasuk sektor keuangan. Salah satu teknologi keuangan yang populer digunakan di Indonesia adalah dompet digital. Penggunaan aplikasi dompet digital memungkinkan transaksi keuangan dilakukan secara daring tanpa perlu menggunakan uang tunai atau kartu fisik, mendukung sistem pembayaran non-tunai (cashless). Aplikasi dompet digital yang sangat populer saat ini, seperti Dana, OVO, dan Gopay, memiliki banyak pengguna, sehingga sering kali terdapat ulasan yang tidak relevan dengan aplikasi serta rating yang diberikan di Google Play Store. Tujuan penelitian ini adalah untuk membandingkan performa empat algoritma machine learning, yaitu Random Forest, K-Nearest Neighbors (KNN), Support Vector Machine (SVM), dan Naïve Bayes dalam melakukan analisis sentimen pada ulasan aplikasi dompet digital. Data ulasan dompet digital diperoleh melalui teknik data scraping dan selanjutnya dilakukan text preprocessing untuk membersihkan teks agar dapat dieksekusi dengan baik. Hasil penelitian menunjukkan bahwa algoritma Naïve Bayes dan Random Forest memiliki performa terbaik dalam analisis sentimen aplikasi dompet digital. Naïve Bayes mencapai akurasi tertinggi pada aplikasi Gopay dengan nilai 84.44%, recall 84.44%, dan F1-score 82.44%. Sementara itu, Random Forest menunjukkan performa yang konsisten dengan akurasi terbaik pada aplikasi OVO sebesar 81.82% dan recall 81.82%, serta pada aplikasi Gopay dengan akurasi 83.06% dan F1-score 80.84%. Hal ini menunjukkan bahwa kedua algoritma tersebut memiliki potensi yang baik dalam menganalisis sentimen ulasan aplikasi dompet digital
Prediksi Harga Gabah Kering Panen menggunakan Metode Autoregressive Integrated Moving Average Ria, Canda; Wajidi, Farid; Nur, Nahya
Jurnal Sistem Komputer dan Informatika (JSON) Vol 6, No 4 (2025): Juni 2025
Publisher : Universitas Budi Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30865/json.v6i4.8614

Abstract

Gabah kering panen (GKP) merupakan komoditas pertanian strategis yang berperan signifikan dalam mendukung ketahanan pangan nasional. Fluktuasi harga gabah yang tidak menentu menjadi tantangan serius bagi petani dalam menentukan harga jual hasil panen. Dalam penelitian ini, harga gabah kering panen diprediksi dengan menggunakan metode   Autoregressive Integrated Moving Average (ARIMA). Data yang digunakan diambil dari data bulanan yang dikumpulkan oleh Badan Pusat Statistik (BPS) dari januari 2010 hingga desember 2024. Proses penelitian meliputi tahap pengumpulan data, pengolahan data, uji stasioneritas menggunakan Augmented Dickey-Fuller (ADF), analisis Autocorrelation Function (ACF) dan Partial Autocorrelation Function (PACF), pemilihan parameter optimal (p, d, q) menggunakan pendekatan grid search, pembangunan model ARIMA, prediksi, dan mengevaluasi performa model. Hasil uji ADF menunjukkan bahwa data menjadi stasioner setelah differencing kedua. Berdasarkan hasil grid search dan nilai Akaike Information Criterion (AIC) yang paling rendah. Dengan nilai AIC, model yang paling cocok adalah ARIMA (1,2,2). Sebesar 2188,98. Evaluasi terhadap nilai Mean Absolute Percentage Error (MAPE) sebesar 8,90%, Root Mean Squared Error (RMSE) sebesar 636,97 dan Mean Squared Error (MSE) sebesar 405731,65. Dari hasil penelitian ini, dapat disimpulkan bahwa model ARIMA cukup andal dan akurat dalam memprediksi harga gabah kering panen.
Sistem Pendukung Keputusan Penentuan Penerima Tunjangan Prestasi Karyawan pada PT. Tanjung Timberindo Industry dengan Metode OCRA dan Pembobotan ROC Khairani, Dila; Nabila, Salsa
Jurnal Sistem Komputer dan Informatika (JSON) Vol 6, No 1 (2024): September 2024
Publisher : Universitas Budi Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30865/json.v6i1.8807

Abstract

Tunjangan prestasi kerja merupakan semua pendapatan atau penghasilan maupun balas jasa yang berbentuk uang atau berupa barang langsung atau yang diterima pegawai sebagai imbalan atas jasa yang diberikan kepada instansi. Karyawan merupakan individu yang bekerja untuk suatu perusahaan atau organisasi dengan status sebagai pekerja tetap atau pekerja kontrak. Mereka biasanya menerima gaji atas pekerjaan yang mereka lakukan. Secara umum, karyawan dipekerjakan untuk melakukan tugas dan tanggung jawab tertentu sesuai dengan perjanjian kerja yang telah disepakati. Berdasarkan penelitian yang dilakukan, dapat disimpulkan bahwa metode ROC (Rank Order Centroid) dan metode OCRA (Operational Conpetitivness Rating Analysis) dapat digunakan untuk seleksi penerimaan tunjangan prestasi karyawan. Sistem pendukung keputusan dapat digunakan sebagai alat bantu untuk menetukan calon penerimaan tunjangan prestasi karyawan yang pantas untuk diterima dengan perolehan nilai alternatif terbaik yang berada pada alternatif A2 dengan nama Jenny Novita Sari sebesar 0.355.

Page 29 of 50 | Total Record : 492

 27   28   29   30   31 

Filter by Year

2019 2026


Reset
Filter By Issues
All Issue Vol. 7 No. 3 (2026): Maret 2026 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