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
 41   42   43   44   45 
Analisis Sentimen Publik Terhadap Kenaikan Pajak Pertambahan Nilai (PPN) Sebesar 12% Menggunakan Naïve Bayes Classifier Lu'luil Jannah; Sriani
Jurnal Sistem Komputer dan Informatika (JSON) Vol. 7 No. 2 (2025): Desember 2025
Publisher : Universitas Budi Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30865/json.v7i2.9151

Abstract

Perkembangan teknologi digital membuka peluang yang semakin luas bagi masyarakat untuk menyampaikan pendapat secara bebas melalui berbagai platform media sosial. Salah satu isu yang banyak menarik perhatian publik adalah kebijakan pemerintah terkait kenaikan Pajak Pertambahan Nilai (PPN) menjadi 12%. Ragam opini yang muncul dari masyarakat dapat dimanfaatkan sebagai bahan pertimbangan dalam proses evaluasi maupun pengambilan keputusan. Penelitian ini bertujuan untuk mengidentifikasi sentimen publik terhadap kebijakan kenaikan PPN dengan memanfaatkan algoritma Naïve Bayes Classifier. Tahapan penelitian meliputi pengumpulan data dari media sosial, pra-pemrosesan teks seperti case folding, tokenisasi, stopword removal, dan stemming serta pengubahan data teks ke bentuk numerik menggunakan metode TF-IDF. Dari total 600 data yang berhasil dihimpun dari media social X, dengan 80% digunakan sebagai data pelatihan dan 20% data sebagai data pengujian. Hasil penelitian menunjukkan adanya 51 tweet yang bernada positif, 352 bernada netral, dan 197 bernada negatif. Model Naïve Bayes menghasilkan performa klasifikasi yang cukup baik dengan akurasi 81,36%, presisi rata-rata 88%, recall 79%, dan F1-Score 82%. Temuan ini membuktikan bahwa Naïve Bayes merupakan algoritma yang efektif dan layak diandalkan untuk mengklasifikasikan opini publik secara cepat dan sistematis. Dengan demikian, model ini berpotensi menjadi alat pendukung dalam menganalisis persepsi masyarakat terhadap kebijakan pemerintah secara berbasis data.
Analisis Perbandingan Model Transfer Learning untuk Klasifikasi Bentuk Wajah pada Rekomendasi Bingkai Kacamata Fitria, Nanda Anis; Purwaamijaya, Btari Mariska; Guntara, Rangga Gelar
Jurnal Sistem Komputer dan Informatika (JSON) Vol. 7 No. 2 (2025): Desember 2025
Publisher : Universitas Budi Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30865/json.v7i2.9155

Abstract

Pemilihan bingkai kacamata yang sesuai dengan bentuk wajah masih menjadi tantangan, terutama dalam pembelian online yang tidak memungkinkan pengguna untuk mencoba produk secara langsung. Penelitian ini bertujuan menganalisis dan membandingkan performa beberapa arsitektur transfer learning berbasis Convolutional Neural Network (CNN) dalam klasifikasi bentuk wajah serta penerapannya pada sistem rekomendasi bingkai kacamata berbasis knowledge-based recommender system. Dataset yang digunakan diperoleh dari Kaggle dan terdiri atas 11.457 citra wajah yang terbagi ke dalam lima kelas bentuk wajah. Pendekatan yang digunakan dalam penelitian ini yaitu CRISP-DM yang meliputi tahapan business understanding, data understanding, data preparation, modeling, evaluation, dan deployment. Empat arsitektur yang dibandingkan adalah MobileNetV2, MobileNetV3, DenseNet121, dan InceptionV3. Hasil penelitian menunjukkan bahwa MobileNetV2 memberikan akurasi terbaik sebesar 86,32% dengan konsistensi prediksi yang baik tanpa indikasi overfitting. Sistem rekomendasi yang dikembangkan mampu memberikan saran bingkai sesuai bentuk wajah pengguna berdasarkan rule mapping. Temuan ini menunjukkan bahwa MobileNetV2 merupakan arsitektur paling optimal dalam penelitian ini dan berpotensi dikembangkan lebih lanjut menjadi sistem rekomendasi hybrid yang mempertimbangkan preferensi pengguna serta diintegrasikan dengan fitur interaktif seperti virtual try-on berbasis Augmented Reality (AR) untuk meningkatkan pengalaman pengguna dalam pemilihan kacamata secara daring.
Sistem Pendukung Keputusan Perpanjang Kontrak Karyawan dengan Algoritma Decision tree Handoko, Muhammad Yan Handoko Putra F; Lili, Lili Tanti
Jurnal Sistem Komputer dan Informatika (JSON) Vol. 7 No. 2 (2025): Desember 2025
Publisher : Universitas Budi Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Proses perpanjangan kontrak kerja di perusahaan sering kali menimbulkan kompleksitas karena melibatkan kesejahteraan karyawan serta kelangsungan produktivitas organisasi. PT. Duta Agung Jaya, sebagai perusahaan outsourcing di Kota Medan, masih mengalami hambatan dalam menentukan karyawan yang memenuhi syarat untuk perpanjangan kontrak. Hingga saat ini, proses penentuan dilakukan secara manual atau semi-komputerisasi menggunakan Microsoft Excel, yang berpotensi menimbulkan kesalahan perhitungan, kecenderungan subjektivitas, serta kurangnya pertimbangan komprehensif terhadap aspek-aspek kinerja. Variabel independen yang diterapkan mencakup absensi, pendidikan, kuantitas kerja, disiplin, masa kerja, prestasi, komunikasi, dan tanggung jawab, sedangkan variabel dependen adalah kelayakan perpanjangan kontrak karyawan (layak/tidak layak). Data penelitian terdiri dari 1000 dataset karyawan kontrak, yang kemudian diproses dan diuji untuk menghasilkan model keputusan yang lebih objektif. Dengan pendekatan ini, penelitian diharapkan dapat menyediakan sistem yang akurat dalam memberikan rekomendasi keputusan, mengurangi kesalahan akibat subjektivitas, serta memfasilitasi manajemen dalam mengevaluasi kinerja karyawan secara transparan dan terukur. Secara keseluruhan, hasil penelitian ini diharapkan memberikan kontribusi signifikan dalam meningkatkan kualitas pengambilan keputusan di PT. Duta Agung Jaya, serta menjadi referensi bagi penelitian serupa di bidang penerapan Sistem Pendukung Keputusan dengan algoritma ID3 pada kasus manajemen sumber daya manusia. Algoritma ID3 atau Iterative Dichotomiser 3 merupakan salah satu algoritma yang dapat digunakan untuk membangun decision tree dengan mencari semua kemungkinan dalam pohon keputusan melalui struktur hierarki untuk pembelajaran terawasi.
Penerapan Metode ROC dan CPI Seleksi Siswa Penerimaan Beasiswa Prestasi di MTSS Hidayatus Shibyan Rizky, Rizky Hamdani; Adil, Adil Setiawan
Jurnal Sistem Komputer dan Informatika (JSON) Vol. 7 No. 2 (2025): Desember 2025
Publisher : Universitas Budi Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30865/json.v7i2.9158

Abstract

Pemberian beasiswa prestasi merupakan bentuk penghargaan bagi siswa yang menunjukkan pencapaian akademik maupun non-akademik. Namun, dalam proses seleksi penerima beasiswa, sering kali muncul kesulitan dalam menentukan siswa yang benar-benar memenuhi syarat. Oleh karena itu, diperlukan Sistem Pendukung Keputusan (SPK) untuk mendukung proses seleksi agar lebih objektif dan efisien. Penelitian ini mengkaji pengembangan SPK dalam seleksi penerima beasiswa prestasi di MTs Hidayatus Shibyan dengan menggunakan metode Rank Order Centroid (ROC) untuk menentukan bobot kriteria dan metode Composite Performance Index (CPI) untuk melakukan perangkingan alternatif. Metode ROC dipilih karena kemampuannya memberikan bobot kriteria secara proporsional berdasarkan tingkat kepentingannya, sedangkan metode CPI membantu dalam mengintegrasikan nilai dari berbagai kriteria ke dalam satu indeks komposit yang menjadi dasar pengambilan keputusan. Hasil penelitian menunjukkan bahwa sistem yang dikembangkan dapat mendukung pihak sekolah dalam menyeleksi siswa penerima beasiswa secara lebih akurat dan transparan. Dengan adanya SPK ini, proses seleksi menjadi lebih sistematis dan mengurangi subjektivitas dalam pengambilan keputusan.
Implementasi Metode Apriori dalam Data Mining Penentuan Minat Beli Makanan dan Minuman Dinda, Dinda Ayu Alifa; Adil, Adil Setiawan
Jurnal Sistem Komputer dan Informatika (JSON) Vol. 7 No. 2 (2025): Desember 2025
Publisher : Universitas Budi Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30865/json.v7i2.9159

Abstract

Perkembangan teknologi informasi memungkinkan pelaku usaha di bidang kuliner untuk memanfaatkan data transaksi dalam memahami pola perilaku konsumen. Belawan Cafe sebagai salah satu penyedia makanan dan minuman menghadapi tantangan dalam mengidentifikasi minat beli pelanggan secara efektif, sehingga diperlukan sistem yang dapat mengolah data transaksi untuk menghasilkan informasi yang bermanfaat. Penelitian ini mengimplementasikan metode Apriori dalam teknik data mining guna menentukan pola keterkaitan antar produk makanan dan minuman yang sering dibeli secara bersamaan. Analisis dilakukan terhadap 130 transaksi dengan parameter minimum support 20% dan minimum confidence 30%. Hasil penelitian menunjukkan bahwa beberapa menu memiliki tingkat kemunculan tinggi, seperti Ayam Penyet (65%), Indomie Goreng (65%), dan Kentang Goreng (58%). Aturan asosiasi terbaik yang terbentuk yaitu “Jika membeli Kentang Goreng maka membeli Ayam Penyet” dengan nilai support 43% dan confidence 73,68%, serta kombinasi “Es Jeruk dan Ayam Geprek maka membeli Ayam Penyet” dengan confidence 75,61%. Temuan ini menunjukkan adanya pola pembelian yang kuat dan konsisten di antara konsumen, sehingga dapat dimanfaatkan untuk strategi promosi, pengelolaan stok, dan peningkatan layanan di Belawan Cafe. Sistem berbasis website yang dibangun juga memudahkan pengelola untuk melakukan analisis secara cepat, praktis, dan interaktif. Dengan demikian, penerapan metode Apriori terbukti efektif dalam membantu pengambilan keputusan terkait pengembangan bisnis kuliner di Belawan Cafe.
Klasifikasi Kelayakan Penerima Program Indonesia Pintar (PIP) Menggunakan Teknik Data Mining Naive Bayes Ahmad, Ahmad Syah Lubis; Lili, Lili Tanti; Ratih, Ratih Puspasari
Jurnal Sistem Komputer dan Informatika (JSON) Vol. 7 No. 2 (2025): Desember 2025
Publisher : Universitas Budi Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30865/json.v7i2.9160

Abstract

Program Indonesia Pintar (PIP) merupakan inisiatif bantuan pendidikan dari pemerintah yang ditujukan bagi siswa dari keluarga kurang mampu. Namun, dalam pelaksanaannya, proses seleksi penerima PIP sering kali dilakukan secara manual dan subjektif, sehingga rentan terhadap kesalahan dan ketidaktepatan sasaran. Penelitian ini bertujuan untuk mengembangkan sistem klasifikasi kelayakan penerima PIP dengan menggunakan teknik data mining melalui algoritma Naive Bayes. Pengujian dilakukan dengan data historis siswa di SMA Laksamana Martadinata. Hasil evaluasi menunjukkan bahwa metode Naive Bayes menghasilkan performa yang memuaskan, dengan akurasi sebesar 95% pada data pengujian dan 90% pada data baru. Sistem ini diharapkan dapat mendukung pihak sekolah dalam proses seleksi penerima PIP secara lebih objektif, efisien, dan akurat.
Penerapan Metode Combined Compromise Solution (CoCoSo) Dalam Penentuan Kelayakan Pemberian Insentif Karyawan Anggi, Anggi Canita Simanjuntak; Lili, Lili Tanti
Jurnal Sistem Komputer dan Informatika (JSON) Vol. 7 No. 2 (2025): Desember 2025
Publisher : Universitas Budi Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30865/json.v7i2.9161

Abstract

Penilaian kelayakan pemberian insentif kepada karyawan merupakan salah satu aspek penting dalam manajemen sumber daya manusia, guna mendorong motivasi dan produktivitas kerja. Penelitian ini bertujuan untuk membangun sistem pendukung keputusan berbasis website dengan menerapkan metode CoCoSo dalam menentukan kelayakan insentif karyawan di PT. Bolon Jaya Karya. Metode CoCoSo digunakan karena kemampuannya dalam menggabungkan beberapa kriteria penilaian menjadi satu skor akhir yang objektif dan adil. Proses evaluasi dilakukan terhadap 200 data karyawan, dan hasil pengujian menggunakan confusion matrix menunjukkan nilai akurasi sebesar 85%, presisi 89%, recall 82%, specificity 88%, dan F1-score sebesar 85%. Hasil ini menunjukkan bahwa sistem yang dibangun mampu memberikan hasil klasifikasi yang akurat dan andal. Implementasi sistem ini memberikan manfaat signifikan bagi perusahaan, antara lain mempercepat proses evaluasi, mengurangi bias subjektif, serta meningkatkan transparansi dan kepercayaan karyawan terhadap sistem insentif yang berlaku.
Pengoptimalan Penjadwalan Rute Pengiriman Barang dengan Algoritma Genetika pada Logistik Terpadu Jasri, Jasri Ramadhan; Lili, Lili Tanti
Jurnal Sistem Komputer dan Informatika (JSON) Vol. 7 No. 2 (2025): Desember 2025
Publisher : Universitas Budi Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30865/json.v7i2.9169

Abstract

Pengiriman barang yang efisien merupakan faktor penting dalam sistem logistik terpadu, terutama dalam penentuan rute pengiriman yang optimal untuk meminimalkan jarak tempuh dan biaya operasional. Penelitian ini mengembangkan sistem penjadwalan rute pengiriman barang menggunakan Algoritma Genetika (AG). Proses optimasi dilakukan melalui tahapan seleksi, crossover, dan mutasi terhadap populasi awal berisi 5 kandidat rute. Hasil pengujian menunjukkan bahwa algoritma genetika berhasil menurunkan total jarak tempuh rute pengiriman dari rute awal 90 km menjadi 70 km, atau terjadi efisiensi jarak sebesar 22,2%. Selain itu, algoritma mampu menghasilkan beberapa konfigurasi rute optimal yang konsisten dengan nilai fitness tertinggi pada tiap generasi. Dengan pengurangan jarak tersebut, estimasi biaya operasional dapat ditekan hingga 20–25%, bergantung pada konsumsi bahan bakar kendaraan. Sistem penjadwalan rute yang dihasilkan juga mampu menyesuaikan secara dinamis terhadap perubahan jumlah titik tujuan dan kondisi operasional. Dengan demikian, penerapan Algoritma Genetika terbukti meningkatkan efisiensi distribusi dan mendukung proses pengambilan keputusan pada perusahaan logistik terpadu.
Model Pengelompokkan Penerima Bantuan Sosial PKH dengan Teknik Data Mining Dhooni, Dhoni Briliant; Lili, Lili Tanti
Jurnal Sistem Komputer dan Informatika (JSON) Vol. 7 No. 2 (2025): Desember 2025
Publisher : Universitas Budi Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30865/json.v7i2.9170

Abstract

Program Keluarga Harapan (PKH) merupakan bantuan sosial yang diberikan kepada keluarga kurang mampu, namun proses penentuan penerima masih sering menghadapi kendala karena banyaknya data dan belum optimalnya analisis terhadap karakteristik calon penerima. Penelitian ini menerapkan teknik data mining K-Means clustering untuk mengelompokkan penerima bantuan sosial PKH di Kantor Camat Medan Labuhan berdasarkan sejumlah indikator sosial-ekonomi. Metode K-Means digunakan untuk menghasilkan pola pengelompokan yang dapat membantu perangkat kecamatan dalam memetakan tingkat kelayakan penerima bantuan secara lebih objektif. Kontribusi penelitian ini adalah menyediakan model pengelompokan yang dapat dijadikan alat bantu pendukung keputusan dalam proses penentuan prioritas penerima PKH. Hasil penelitian menunjukkan bahwa data dapat terbagi ke dalam beberapa kelompok yang menggambarkan variasi tingkat kebutuhan dan kondisi ekonomi masyarakat. Keterbatasan penelitian ini terletak pada cakupan data yang hanya berasal dari satu kecamatan dan variabel yang digunakan masih terbatas pada data administratif yang tersedia. Hasil pengujian menunjukkan bahwa model menghasilkan akurasi sebesar 92%, presisi 96,67%, recall 90,63%, dan F1-score 93,52%. Dengan penerapan sistem ini, proses seleksi penerima bantuan dapat dilakukan secara lebih cepat, transparan, dan tepat sasaran.
Estimasi Penjualan Sembako Menggunakan Teknik Data Mining Regresi Linear Berganda alya, Alya Rahmadani; Lili, Lili Tanti
Jurnal Sistem Komputer dan Informatika (JSON) Vol. 7 No. 2 (2025): Desember 2025
Publisher : Universitas Budi Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30865/json.v7i2.9171

Abstract

Penelitian ini bertujuan untuk membangun model prediksi penjualan sembako menggunakan teknik data mining dengan metode regresi linear berganda pada CV. Surya Kencana Sembako. Model ini dirancang untuk membantu perusahaan dalam memperkirakan jumlah penjualan secara lebih akurat berdasarkan data historis. Dataset akhir yang digunakan dalam penelitian ini terdiri dari 867 data penjualan setelah melalui proses pembersihan data, seleksi fitur, dan penanganan outlier. Pengujian dilakukan terhadap dua kelompok data, yaitu 30 data baru dan 174 data testing. Hasil pengujian menunjukkan bahwa model memiliki kinerja prediksi yang sangat baik, dengan nilai Mean Squared Error (MSE) sebesar 628.18 dan 520.7, Root Mean Squared Error (RMSE) sebesar 25.06 dan 22.82, serta Mean Absolute Error (MAE) sebesar 13.91 dan 10.21 pada masing-masing pengujian. Nilai koefisien determinasi (R²) yang diperoleh sebesar 0.92 pada data baru dan 0.97 pada data testing menunjukkan bahwa model dapat menjelaskan variasi data penjualan dengan sangat baik. Kontribusi utama penelitian ini adalah menghasilkan model estimasi penjualan berbasis regresi linear berganda yang terintegrasi ke dalam sistem informasi penjualan berbasis web. Implikasi dari penelitian ini adalah perusahaan dapat melakukan perencanaan stok dan pengambilan keputusan operasional secara lebih efisien dan tepat sasaran berdasarkan prediksi penjualan yang akurat.

Page 43 of 46 | Total Record : 457

 41   42   43   44   45 

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