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
 28   29   30   31   32 
Pengukuran Kualitas Layanan Perpustakaan dengan Metode Service Quality dan Deepface Menggunakan Ekspresi Wajah Purwawijaya, Ellanda; Singarimbun, Roy Nuary
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.v6i1.8460

Abstract

Abstrak? Kualitas layanan merupakan salah satu bagian terpenting dalam pemasaran baik itu barang maupun jasa. Kualitas layanan yang baik tentunya akan memberikan persepsi positif bagi masyarakat, namun sebaliknya jika layanan yang buruk maka akan memberikan persepsi negatif. Layanan yang baik akan memberikan kepuasan bagi pelanggan/pengunjung. Kepuasan layanan produk/jasa merupakan faktor-faktor yang memberikan pengaruh pada sebuah perusahaan. Pengukuran kualitas layanan perpustakaan di Universitas Battuta masih menggunakan kuesioner dengan media kertas. Pada pelaksanaannya, kuesioner ini sering kali diabaikan oleh pengunjung karena pengisian dan waktu pemrosesan yang membutuhkan waktu yang cukup lama serta Universitas Battuta belum memiliki sistem atau perangkat lunak pengukuran kualitas layanan. Sehingga Universitas Battuta mengalami kesulitan dalam memperoleh informasi maupun feedback dari pengunjung terhadap layanan yang telah berjalan selama ini. Penelitian berfokus pada pengembangan dan perancangan sebuah sistem yang mampu mengukur kualitas layanan perpustakaan menggunakan ekspresi wajah pengunjung. Penelitian ini menggunakan metode service quality, dimana pengukuran dilakukan dengan membandingkan antara harapan pengunjung dengan layanan yang diterima oleh pengunjung. Sedangkan metode Deepface digunakan sebagai deteksi ekspresi wajah pengunjung yang mampu mengenali dan menganalisa ekspresi emosional wajah pengunjung ketika memberikan penilaian kunjungan perpustakaan, apakah sangat puas, puas, tidak puas dan sangat tidak puas. Hasil pengujian dari penelitian ini menggunakan 510 sampel wajah menunjukkan hasil akurasi yang sangat baik dengan jarak wajah ke webcam sebesar kurang dari 50 cm. Hasil deteksi ekspresi wajah pengujung menunjukkan hasil yang cukup akurat dalam mengenali ekspresi wajah pengunjung.
Deteksi Kelainan Jantung Berdasarkan Sinyal EKG Menggunakan Deep Neural Network Robert, Michael; yennimar, Yennimar; wyjaya, Andy; Ebert, Steven; Ali Ramadhan, Mhd
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.v6i4.8662

Abstract

Penyakit jantung merupakan salah satu penyebab utama kematian di dunia, termasuk di Indonesia. Deteksi dini kelainan jantung melalui sinyal elektrokardiogram (EKG) sangat penting, namun interpretasi manual oleh tenaga medis sering kali memerlukan keahlian khusus dan rentan terhadap kesalahan. Penelitian ini bertujuan untuk mengembangkan sistem deteksi otomatis kelainan jantung menggunakan metode Deep Neural Network (DNN) berdasarkan sinyal EKG. Dataset yang digunakan berasal dari PTB Diagnostic ECG Database (PTBDB) yang diperoleh dari Kaggle, dengan dua kategori data: normal dan abnormal. Data diproses melalui tahap balancing, normalisasi, dan pembagian menjadi data latih dan uji. Model DNN dilatih menggunakan data terstruktur berdurasi pendek dengan 187 fitur, dan dievaluasi menggunakan metrik akurasi, precision, recall, f1-score, ROC, serta Precision-Recall Curve. Hasil pelatihan menunjukkan bahwa model mampu mencapai akurasi validasi sebesar 95% dan nilai AUC sebesar 0,98, yang mengindikasikan kemampuan klasifikasi yang sangat baik. Dengan performa tersebut, model ini memiliki potensi besar untuk diterapkan dalam sistem pendukung diagnosis medis secara real-time, terutama untuk membantu deteksi dini gangguan jantung secara efisien dan akurat
Deteksi Dark patterns Biaya Layanan E-commerce Berdasarkan Perspektif Konsumen Menggunakan Algoritma Support Vector Machine Salmalina, Divana Taricha; Umam, Khothibul; Handayani, Maya Rini
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.v6i4.8563

Abstract

Perkembangan industri e-commerce di Indonesia belakangan ini dibayangkan pada fenomena meningkatnya keluhan konsumen terkait kebijakan biaya layanan yang dinilai kurang transparan, termasuk indikasi adanya praktik pola gelap . Penelitian ini bertujuan mengkaji persepsi konsumen terhadap isu tersebut melalui pendekatan analisis sentimen berbasis machine learning dan deteksi pola manipulatif. Data penelitian diperoleh dari ulasan pengguna di platform media sosial X yang kemudian diproses melalui serangkaian tahapan text mining meliputi pembersihan data, tokenisasi, stopword removal , dan stemming . Analisis sentimen menggunakan algoritma Support Vector Machine (SVM) menunjukkan hasil yang signifikan, dimana 55-78% ulasan di platform ketiga e-commerce (Shopee, Tokopedia, Lazada) tergolong negatif. Analisis TF-IDF mengidentifikasi kata kunci seperti "biaya", "layan" (layanan), dan "mahal" sebagai istilah paling dominan dalam ulasan negatif. Model SVM menunjukkan kinerja yang cukup baik dengan akurasi mencapai 87% dalam mengklasifikasikan sentimen negatif. Lebih lanjut, analisis tematik terhadap ulasan negatif berhasil mengidentifikasi indikasi pola gelap , khususnya dalam kategori biaya tersembunyi (biaya tersembunyi) dan menyelinap ke keranjang (penambahan produk tanpa disadari) yang muncul secara konsisten di semua platform. Temuan ini tidak hanya menegaskan adanya pola manipulatif yang berulang dalam industri e-commerce Indonesia, tetapi juga menegaskan urgensi bagi para pelaku industri untuk meningkatkan transparansi dalam kebijakan biaya. Secara praktis, hasil penelitian ini dapat menjadi bahan pertimbangan penting bagi regulator dalam merumuskan kebijakan perlindungan konsumen di era digital yang lebih komprehensif.
Sistem Pendukung Keputusan Penerimaan Perawat Menggunakan Metode Entropy dan TOPSIS (Studi Kasus: RSU Muhammadiyah Sumut) Wijaya, Imam
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.v6i2.8753

Abstract

Kebutuhan sumber daya manusia (SDM) yang berkualitas sangat berpengaruh terhadap pelayanan sebuah rumah sakit. Salah satu SDM yang memiliki peranan penting dalam sebuah pelayanan di rumah sakit adalah seorang perawat. Seorang perawat memiliki tugas memberikan pelayanan keperawatan dan bertanggung jawab atas kondisi peningkatan kesehatan dan pelayanan bagi pasien. Begitu besarnya tugas dan tanggung jawab perawat, maka pihak rumah sakit harus memiliki perawat yang berkualitas untuk menjamin tugas dan tanggung jawab tersebut dapat terlaksanakan. Untuk mendapatkan seorang perawat yang berkualitas, dalam proses penyeleksian penerimaan perawat pihak rumah sakit harus menyeleksi calon pelamar secara objektif sehingga akan didapatkan calon perawat baru yang sesuai dengan kriteria yang telah ditetapkan oleh pihak rumah sakit. Hal yang tersulit dalam proses penyeleksian penerimaan perawat adalah meminimalkan faktor subjektifitas dari HRD rumah sakit sehingga setiap pilihan yang dibuat tidak bersifat objektif dengan berdasarkan pada kriteria-kriteria yang diharapkan pihak Rumah Sakit . Salah satu solusi untuk permasalahan tersebut yang tepat dengan menggunakan Sistem Pendukung Keputusan (SPK) dan menerapkan metode Entropy dan Topsis. Metode Entropy dan Topsis itu sendiri merupakan salah satu dari metode sistem pengambilan keputusan, dimana kegunaan dari metode entropy adalah untuk mendapatkan nilai bobot dari setiap kriteria yang digunakan dan metode topsis sendiri metode yang mengambil keputusan berdasarkan perangkingan atau nilai tertinggi. Dengan adanya Sistem Pendukung Keputusan (SPK) dan metode ini diharapkan dapat membantu pihak rumah sakit dalam mengambil keputusan penerimaan perawat yang tepat dan meningkatkan efesiensi dan objektif dari keputusan tersebut.
A Comparative Study of K-Means and K-Medoids for Clustering Dengue Fever Risk Areas in Medan Fitri, Anisa Amelia; Ula, Munirul; Agusniar, Cut
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.v6i4.8702

Abstract

Dengue Hemorrhagic Fever (DHF) is a localized disease that continues to contribute to a high number of cases in Medan City. The local health authority faces challenges in identifying priority areas for effective prevention and control. This study applies data clustering techniques to map DHF risk areas by comparing the performance of K-Means and K-Medoids algorithms. The optimal number of clusters was determined using the Silhouette Coefficient, while the clustering quality was assessed using the Davies-Bouldin Index (DBI). The findings indicate that K-Means performs best with four clusters and achieves a lower DBI value compared to K-Medoids. Based on this, the study recommends using K-Means to categorize DHF risk areas into four priority levels: high, medium, low, and very low. This approach is expected to support the Medan City Health Office in implementing more targeted and efficient DHF control strategies.
Implementasi Metode WASPAS dalam Sistem Pendukung Keputusan Penerimaan Guru di TK Adiba Humairoh Harahap, Marmarodiyah; Parinduri, Fuji Yasni
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.v6i1.8808

Abstract

Evaluasi terhadap penerimaan guru merupakan kegiatan yang sangat umum untuk sekolah menengah atas maupun kejuruan. Hal ini berguna untuk mengetahui hasil penerimaan guru terhadap sekolah yang sedang melakukan penerimaan guru. Penilai dan evaluasi dapat dilakukan bertujuan supaya penerimaan guru,bisa menghasilkan calon guru yang memang tepat untuk diterima menjadi guru di sekolah tersebut. Dalam penentuan calon penerimaan guru, sering muncul subjektif dari para pengambil keputusan sehingga terdapat masalah-masalah, hal ini menyebabkan susahnya penentuan keputusan dalam kasus penerimaan guru di sekolah. Untuk menentukan calon penerimaan guru dapat digunakan metode WASPAS (Weighted Aggregated Sum Product Assessment). Metode WASPAS dapat digunakan untuk proses perangkingan penerimaan guru di tk dengan kriteria-kriteria yang telah ditentukan.
Segmentasi Nasabah Bank Pada Data Campuran Menggunakan K-Means Clustering W, Joceline Schellenberg; Budiman, Mohammad Andri; Amalia, Amalia
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.v6i3.8532

Abstract

In order to increase the extension of the use of Local Government Banks’s services, customer segmentation is crucial for banks to develop marketing strategies tailored to specific customer groups. While the RFM model is commonly used, enhancing service usage expansion requires data on customer transaction preferences, which are typically categorical in nature. Therefore, this study segments bank customers based on their transaction history, utilizing not only numerical data but also categorical data representing transaction preferences using K-Means Clustering. The clustering model effectively groups customers into four clusters with distinct characteristics
Implementasi Algoritma Reinforcement Learning dalam Pengelolaan Energi untuk Sistem Smart Grid Khusna, Nor Milatul; Evanita, Evanita; Riadi, Aditya Akbar
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.v6i4.8690

Abstract

Pengelolaan energi pada sistem smart grid merupakan tantangan penting dalam mendukung efisiensi dan keberlanjutan energi, khususnya pada skala rumah tangga. Penelitian ini mengusulkan implementasi algoritma Proximal Policy Optimization (PPO) berbasis Deep Reinforcement Learning (DRL) untuk mengoptimalkan efisiensi penggunaan energi melalui strategi load shifting. Lingkungan simulasi dibangun untuk merepresentasikan konsumsi energi rumah tangga dalam skenario waktu nyata, di mana agen PPO dilatih untuk mengalihkan beban penggunaan listrik ke waktu dengan tarif lebih rendah atau beban sistem yang lebih ringan. Pengujian dilakukan terhadap tiga skema reward dengan dua mode pelatihan, yaitu cepat dan maksimal. Hasil terbaik diperoleh pada kombinasi reward ketiga dengan mode pelatihan maksimal, menghasilkan rata-rata reward sebesar 41690,53 dan efisiensi biaya hingga 95,83% dibandingkan dengan data konsumsi asli. Temuan ini membuktikan bahwa PPO merupakan pendekatan yang efektif dalam pengelolaan energi pada smart grid skala rumah tangga, khususnya dalam mendukung strategi pengalihan beban yang adaptif dan hemat biaya.
Deteksi Penyakit Epilepsi Secara Real-Time Menggunakan Algoritma K-Nearest Neighbors (KNN) Berbasis Sinyal Electroencephalography Tarigan, Maria Elida; Zebua, Aldo Sofyan; Manurung, Firhot; Bintang, Jasmine Mutiara; Manday, Dhanny Rukmana
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.v6i4.8677

Abstract

Epilepsi adalah gangguan saraf kronis yang ditandai dengan kejang yang terjadi berulang kali akibat aktivitas listrik yang tidak normal di dalam otak. Menurut informasi dari WHO, lebih dari 50 juta orang di seluruh dunia menderita epilepsi, dengan sekitar 80% dari mereka berada di negara-negara yang sedang berkembang, termasuk Indonesia. Di Indonesia sendiri, diperkirakan ada antara 2,7 sampai 5,4 juta orang yang mengalami epilepsi, sementara fasilitas untuk diagnosis yang cepat dan tepat masih terbatas. Proses untuk mendiagnosis epilepsi umumnya bergantung pada analisis manual dari sinyal EEG yang memerlukan waktu lama dan keahlian khusus. Penelitian ini bertujuan untuk mengembangkan sistem deteksi penyakit epilepsi secara real-time dengan menggunakan algoritma K-Nearest Neighbors (KNN), sebagai opsi yang efisien dan terjangkau. Berbagai metode sebelumnya, seperti SeizureTransformer, CNN-LSTM, serta teknik yang berbasis entropi dan ensemble, telah menunjukkan hasil yang menggembirakan tetapi terhambat oleh kompleksitas dan kebutuhan komputasi yang tinggi. KNN memiliki kelebihan dalam hal kecepatan dan kemudahan implementasi, meskipun pemanfaatannya dalam konteks EEG epilepsi masih cukup minim. Melalui penelitian ini, sistem berbasis KNN dirancang untuk mendeteksi penyakit secara langsung dari sinyal EEG, dengan harapan dapat meningkatkan akurasi diagnosis dan efisiensi waktu dalam layanan kesehatan. Diharapkan sistem ini dapat memberikan alternatif praktis dalam penanganan epilepsi, terutama di daerah-daerah yang memiliki keterbatasan dalam fasilitas medis seperti Kota Medan.
Aplikasi Sistem Pendukung Keputusan Penilaian Kinerja Karyawan Dengan Menggunakan Metode Entropy (Study Kasus: PT. Bank Mandiri Tbk) Mulia, Hasrul Alwi
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.v6i2.8755

Abstract

Bank Mandiri Tbk yakni perusahaan milik BUMN (Badan Usaha Milik Negera).PT. Bank Mandiri bergerak dibidang perbankan selayaknya Bank komersial menawarkan jasa-jasa bisnis terpadu dengan nilai, kualitas, kenyaman dan keamanan yang terbagus untuk nasabah individu maupun korporasi. Untuk penyelesaian permasalahan di atas perlu dibuat sebuah sistem pendukung keputusan penilaian terhadap kinerja karyawan di PT. Bank Mandiri Tbk Zainal Arifin dengan menggunakan metode entropy. Hal ini dilakukan untuk menilai pekerjaan karyawan dengan cepat dan akurat agar karyawan tersebut dapat mempertahankan karir nya. Maka dari itu penyelesaian permasalahan ini dengan membuat sebuah sistem pendukung keputusan dengan metode entropyyang peroleh memberikan penilaian terhadap kinerja para karyawan cara otomatis dan cepat untuk menilai evaluasi pekerjaan karyawan dengan akurat agar karyawan peroleh mempertahankan karir pekerjaan di PT. Bank Mandiri Tbk dan mengunakan aplikasi website. Dalam perhitungan metode entropy, terlebih dahulu harus menentukan kriteria dan bobot awal pada tiap kriteria.

Page 30 of 50 | Total Record : 492

 28   29   30   31   32 

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