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
 37   38   39   40   41 
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.
Penentuan Strategi dan Tata Letak Barang Berdasarkan Data Penjualan Pada Toko Irian Menggunakan Algoritma Apriori Sihombing, Meli; Antika Tarigan, Febyola Rindi
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.v6i2.8810

Abstract

Tata letak barang dan strategi penjualan yang optimal merupakan faktor penting dalam keberhasilan bisnis toko retail. Selama ini, penentuan tata letak barang dan strategi penjualan di Toko Irian dilakukan secara manual berdasarkan pengalaman dan intuisi pemilik toko. Namun, pendekatan tersebut menjadi kurang efektif dan efisien dengan semakin banyaknya produk yang dijual dan kompleksitas data penjualan. Penelitian ini bertujuan untuk mengimplementasikan algoritma Apriori pada data penjualan Toko Irian untuk menemukan aturan asosiasi yang menggambarkan pola pembelian pelanggan. Aturan asosiasi tersebut kemudian digunakan untuk menentukan strategi dan tata letak barang yang optimal di Toko Irian. Dengan memanfaatkan 113 transaksi dengan 15 jenis produk. Nilai minimum support dan confidance telah ditentukan yaitu nilai minimum support sebesar 40% dan nilai minimum confidance sebesar 75%. Penelitian ini diharapkan dapat membantu Toko Irian dalam menentukan tata letak barang yang memudahkan pelanggan menemukan produk yang diinginkan, serta menentukan strategi penjualan yang tepat seperti promosi, penawaran bundling, atau penempatan produk di lokasi strategis. Adapun atururan pertama yaitu Jika membeli CHITATO LITE NORI SEAWEED 68G maka akan membeli BEAR BRAND ORI CAN 169ML” dengan besar confidence 80,65%, aturan kedua “Jika membeli INDOMIE SOTO MEDAN 70KG maka akan membeli BEAR BRAND ORI CAN 169ML” dengan besar confidence sebesar 77,27%. Hal ini dapat meningkatkan penjualan, loyalitas pelanggan, dan memberikan pengalaman berbelanja yang lebih baik bagi pelanggan Toko Irian.
Implementasi Metode PROMETHEE dalam Menentukan Karyawan Berprestasi dan Pembobotan Menggunakan Metode ROC Matondang, Hasiholan
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.v6i3.8812

Abstract

Penilaian karyawan berprestasi merupakan aspek penting dalam mendukung keberhasilan suatu perusahaan. Namun, proses penilaian yang dilakukan secara manual dan subjektif seringkali menimbulkan bias serta ketidakpuasan. Untuk mengatasi permasalahan tersebut, diperlukan sistem pendukung keputusan (SPK) yang mampu memberikan penilaian secara objektif, terstruktur, dan transparan. Penelitian ini mengusulkan penggunaan metode ROC (Rank Order Centroid) sebagai metode pembobotan kriteria dan metode PROMETHEE (Preference Ranking Organization Method for Enrichment Evaluations) sebagai metode penyeleksian dalam proses penentuan karyawan berprestasi. Penelitian ini juga mengkaji beberapa studi terdahulu yang menunjukkan keberhasilan penerapan berbagai metode SPK, seperti SAW, SMART, dan PROMETHEE dalam konteks penilaian kinerja. Dengan menggabungkan kedua metode tersebut, penelitian ini bertujuan menghasilkan sistem penilaian karyawan yang lebih adil, akurat, dan membantu pengambil keputusan dalam menentukan karyawan terbaik berdasarkan kriteria yang telah ditetapkan. Diharapkan hasil dari penelitian ini dapat memberikan kontribusi nyata terhadap peningkatan efektivitas manajemen sumber daya manusia di perusahaan.
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.
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
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.

Page 39 of 46 | Total Record : 457

 37   38   39   40   41 

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