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 457 Documents
 35   36   37   38   39 
Pengembangan Prototype Figma Untuk Sistem Point Of Sales (POS) Menggunakan Metode Design Thinking Ronovan, Kevin Almando; Jonathan, Calvin; Leonardi, Rio; Ompusunggu, Elvis Sastra
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.v6i3.8605

Abstract

The increasing use of technology in retail operations emphasizes the importance of efficient Point of Sales (POS) systems to manage transactions, inventory, and financial reporting in real-time. Although previous research has used the Figma method for UI/UX design, there are still gaps in understanding user needs and the application of theoretical design approaches such as Design Thinking. This research aims to develop a Figma-based POS prototype by applying five stages of Design Thinking: Empathize, Define, Ideate, Prototype, and Test, to ensure user-centered problem-solving and iterative design improvement. Through this approach, the study resulted in an intuitive and efficient POS prototype, addressing challenges identified in previous studies, such as limitations in user engagement and lack of iterative validation.
Penerapan Metode SAW dengan Pembobotan ROC Dalam Sistem Pendukung Keputusan Penerimaan Beasiswa KIP Kuliah Rahmi, Elvika; Sari, Ika Yusnita; Khairunnisa, Khairunnisa
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.v6i3.8606

Abstract

Penelitian ini bertujuan untuk menyeleksi calon penerima beasiswa KIP dari Pemerintah di Universitas Imelda Medan dengan menggunakan metode Simple Additive Weighting (SAW) dengan pembobotan metode Rank Order Centroid (ROC). Hasil dari penelitian ini adalah sebuah sistem pendukung keputusan untuk menilai kelayakan calon penerima beasiswa Kartu Indonesia Pintar (KIP). Hal ini dapat mengatasi permasalahan dalam proses seleksi manual yang membutuhkan banyak waktu dan menangani banyaknya pendaftar dengan cara yang lebih efisien. Metode penelitian ini menggunakan metode observasi, wawancara dan studi pustaka, sehingga dengan teknik model ini memungkinkan penilaian yang lebih objektif dan sesuai dengan kriteria yang telah di tetapkan. Sehingga, hasil dari penelitian ini dapat diperoleh mahasiswa yang disetujui untuk mendapatkan beasiswa KIP sebanyak 2 mahasiswa dengan nilai terbaik mencapai 0.8289
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.
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.
Segmentasi Provinsi di Indonesia Berdasarkan Akses Fasilitas Dasar dan Pengeluaran Rumah Tangga Menggunakan K-Means Saputri, Devi; Mustafidah, Hindayati; Wibowo, Feri; Hakim, Dimara Kusuma
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.v6i4.8630

Abstract

Pemerataan akses terhadap fasilitas dasar dan peningkatan kesejahteraan masyarakat di Indonesia masih menjadi tantangan besar, khususnya antarprovinsi. Meskipun dalam satu dekade terakhir telah terjadi kemajuan pembangunan, ketimpangan antarwilayah masih tampak nyata. Ketimpangan ini tercermin dari perbedaan signifikan dalam akses terhadap air minum layak, sanitasi, listrik, tempat tinggal yang layak, serta pengeluaran rumah tangga per kapita per bulan. Penelitian ini bertujuan untuk mengelompokkan 34 provinsi di Indonesia berdasarkan indikator akses terhadap fasilitas dasar dan pengeluaran rumah tangga guna mengidentifikasi pola ketimpangan pembangunan wilayah. Metode yang digunakan adalah algoritma K-Means Clustering dengan variabel mencakup kepemilikan rumah, akses air minum layak, sanitasi, listrik, penggunaan gas, serta pengeluaran rumah tangga yang berkaitan dengan fasilitas tersebut. Hasil segmentasi menunjukkan terbentuknya dua klaster: Klaster 1 terdiri dari 29 provinsi dengan akses yang lebih baik terhadap fasilitas dasar dan tingkat pengeluaran rumah tangga yang lebih tinggi, namun dengan tingkat kepemilikan rumah yang relatif lebih rendah. Klaster 2 mencakup 5 provinsi dengan akses terbatas terhadap infrastruktur dasar dan tingkat pengeluaran yang lebih rendah, namun dengan tingkat kepemilikan rumah yang lebih tinggi. Temuan ini memberikan gambaran mengenai ketimpangan pembangunan antarprovinsi di Indonesia yang dapat menjadi acuan bagi pemerintah dalam perumusan kebijakan pembangunan wilayah yang lebih merata.
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.
Optimalisasi UX Aplikasi Penyewaan Peralatan Bayi dengan Design Thinking dan Evaluasi SUS Ismail, Dimas Shafa Malik; Saputro, Rujianto Eko
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.v6i4.8657

Abstract

Penyewaan perlengkapan bayi menjadi solusi praktis bagi orang tua yang membutuhkan alat dalam jangka waktu terbatas. Namun, dalam praktiknya, masih banyak layanan penyewaan yang berjalan secara manual dan belum efisien, sehingga menimbulkan kendala seperti keterbatasan informasi, proses pemesanan yang rumit, serta waktu layanan yang tidak fleksibel. Penelitian ini bertujuan untuk merancang dan meningkatkan kualitas antarmuka pengguna (UI) serta pengalaman pengguna (UX) melalui pengembangan aplikasi mobile berbasis metode Design Thinking, guna meningkatkan efisiensi layanan dan kepuasan pengguna. Proses perancangan mengikuti lima tahap, yaitu Empathize, Define, Ideate, Prototype, dan Test, dengan diawali wawancara serta observasi untuk memahami kebutuhan pengguna, kemudian dilanjutkan dengan perancangan wireframe, alur navigasi, hingga pengujian prototipe low-fidelity dan high-fidelity. Evaluasi dilakukan dengan metode System Usability Scale (SUS) terhadap 15 responden yang merepresentasikan target pengguna. Hasil pengujian menunjukkan skor rata-rata SUS sebesar 77,17, yang menandakan aplikasi memiliki tingkat kegunaan tinggi dan respons positif dari pengguna. Temuan ini membuktikan bahwa pendekatan Design Thinking efektif dalam menghasilkan desain aplikasi penyewaan yang intuitif, ramah pengguna, dan mampu meningkatkan pengalaman digital pelanggan secara signifikan.
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
Clustering of the Best Senior High Schools in Serdang Bedagai Regency Using the K-Means Method Siagian, Tania Annisa; Nurdin, Nurdin; Ula, Munirul
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.v6i4.8669

Abstract

This study aims to cluster the best Senior High Schools (SMA) in Serdang Bedagai Regency using the K-Means method. Five evaluation indicators were used in the clustering process: accreditation, school status, number of teachers, achievements, and facilities. A total of 41 schools were analyzed using a non-hierarchical approach, with the optimal number of clusters determined through the Elbow Method, resulting in three groups: excellent, good, and fair. Data normalization was performed using the Min-Max method to ensure equal scaling among variables. The clustering results using the K-Means algorithm formed three clusters that represent the quality of schools based on transformed numerical data. The K-Means method proved capable of providing a general overview of school quality grouping, which can serve as a basis for policy-making to improve the quality of education in the region.
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.

Page 37 of 46 | Total Record : 457

 35   36   37   38   39 

Filter by Year

2019 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