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
 42   43   44   45   46 
Pengembangan Aplikasi Perkuliahan Interaktif dengan Fitur Pemilihan Posisi Duduk Mahasiswa untuk Meningkatkan Interaksi Insan Taufik; Kana Saputra S; Fevi Rahmawati Suwanto
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.v7i2.9308

Abstract

Penelitian ini mengembangkan sistem manajemen pembelajaran digital dengan fitur pemilihan posisi duduk mahasiswa secara manual berbasis antarmuka visual untuk meningkatkan efektivitas interaksi dosen-mahasiswa dalam lingkungan hybrid. Sistem yang dikembangkan mengintegrasikan tiga peran utama (admin, dosen, dan mahasiswa) dengan fitur unggulan pemantauan posisi duduk mahasiswa melalui grid interaktif. Metode pengembangan menggunakan pendekatan Agile melalui tahapan analisis kebutuhan, perancangan sistem, implementasi, dan pengujian. Hasil penelitian menunjukkan bahwa sistem berhasil dibangun dengan arsitektur multi-role yang mencakup modul manajemen kursus, sesi interaktif, presensi real-time, dan dashboard pemantauan. Pengujian fungsional dengan 44 responden mahasiswa menunjukkan semua modul berjalan dengan baik, sementara kuesioner kepuasan pengguna menghasilkan skor rata-rata 4,6 (dari skala 5). Sistem ini memberikan solusi inovatif untuk menciptakan lingkungan pembelajaran yang lebih personal dan interaktif, khususnya dalam konteks kelas besar perguruan tinggi.
Sistem Absensi Otomatis Menggunakan RFID dan ESP32-CAM dengan Real-Time Notification Azmi, Falah Ilhan; Ujianto, Erik Iman Heri
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.v7i2.9312

Abstract

Masih banyak sekolah di Indonesia yang menerapkan sistem absensi manual, seperti mencatat kehadiran siswa menggunakan tanda tangan di atas kertas. Metode ini dinilai kurang efisien, memakan waktu, serta rentan terhadap kecurangan seperti titip absen atau pemalsuan data. Untuk mengatasi permasalahan tersebut, penelitian ini mengembangkan sistem absensi otomatis berbasis Internet of Things (IoT) dengan menggunakan teknologi Radio Frequency Identification (RFID) dan ESP32-CAM. Sistem ini memanfaatkan kartu RFID sebagai identitas unik siswa dan ESP32-CAM sebagai verivikasi visual berupa pengambilan foto saat absensi dilakukan. Peneitian ini menggunakan metode rekayasa perangkat lunak yang mencakup analisis kebutuhan, perancangan sistem, implementasi, dan pengujian sistem. Hasil sementara menunjukan bahwa sistem ini mampu mencatat kehadiran siswa secara otomatis dan real-time, serta menyimpan bukti kehadiran dalam bentuk gambar, sehingga meningkatkan efisiensi dan meminimalisir potensi kecurangan. Sistem juga menyediakan notifikasi ke orang tua melalui Whatsapp sebagai bentuk transparansi kehadiran siswa
Implementasi Metode SAW untuk Pemilihan Siswa dalam Mengikuti Olimpiade Bahasa Inggris Irgi Leon Farel; 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.v7i2.9315

Abstract

SMK Bina Satria menghadapi kendala dalam menyeleksi siswa untuk mengikuti Olimpiade Bahasa Inggris, terutama karena proses seleksi masih dilakukan secara manual dan sering hanya mempertimbangkan nilai akademik. Padahal, kemampuan olimpiade memerlukan penilaian lebih komprehensif, seperti kecakapan bahasa Inggris, pengalaman kompetisi, dan motivasi siswa. Penelitian ini bertujuan merancang Sistem Pendukung Keputusan (SPK) berbasis web menggunakan metode Simple Additive Weighting (SAW) untuk membantu proses seleksi agar lebih objektif dan terstandar. Metode SAW digunakan untuk melakukan normalisasi, pembobotan, dan perangkingan berdasarkan lima kriteria utama. Hasil penelitian menunjukkan bahwa sistem mampu menghitung nilai akhir setiap siswa secara otomatis dan menghasilkan rekomendasi peserta yang layak. Dari 50 siswa yang dianalisis, sistem menetapkan lima peserta dengan nilai tertinggi, yaitu: Sami Aziz Ipatonah Damanik (0,9375), Khaliqul Mufti Sidiq (0,9225), Dearil Frizi (0,9225), Wildan Argiyudha (0,8975), dan Muhammad Anggara (0,8875). Implementasi sistem SAW terbukti dapat mempercepat proses seleksi, meningkatkan akurasi penilaian, serta mengurangi subjektivitas guru dalam pengambilan keputusan.
Model Klasifikasi Penyakit Kulit pada Kucing dengan Metode Machine Learning Alvian Julianto Hutajulu; 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

Penelitian ini membahas pengembangan sistem klasifikasi penyakit kulit pada kucing menggunakan metode K-Nearest Neighbor (KNN). Latar belakang penelitian ini didasari oleh tingginya kasus penyakit kulit pada kucing serta keterbatasan akses terhadap layanan medis hewan saat klinik tidak tersedia. Sistem yang dirancang bertujuan untuk membantu pemilik kucing maupun dokter hewan dalam mendiagnosis penyakit berdasarkan gejala yang muncul. Data penelitian diperoleh melalui pengumpulan dataset gejala penyakit kulit kucing, kemudian dilakukan pra-pemrosesan data, transformasi, dan klasifikasi menggunakan algoritma KNN. Evaluasi dilakukan menggunakan confusion matrix dengan hasil akurasi sebesar 86%, presisi 80%, recall 86%, dan F1-score 83%. Hasil ini menunjukkan bahwa metode KNN cukup efektif dalam mengklasifikasikan jenis penyakit kulit kucing, seperti infeksi bakteri, alergi kulit, scabies, ringworm, dan feline acne. Sistem ini diharapkan dapat menjadi alternatif solusi dalam membantu pengambilan keputusan medis pada hewan peliharaan.
Klasifikasi Sentimen terhadap Layanan BPJS Menggunakan Model Hybrid IndoBERT dan Random Forest Ciam, Steven; Panjaitan, Erwin
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.v7i2.9321

Abstract

Analisis sentimen terhadap opini publik di media sosial merupakan alat yang krusial bagi penyedia layanan seperti BPJS Kesehatan untuk mengevaluasi kualitas layanannya. Pendekatan yang akurat seperti fine-tuning model transformer IndoBERT seringkali terkendala oleh kebutuhan sumber daya komputasi yang tinggi. Penelitian ini membandingkan dua pendekatan berbasis IndoBERT: fine-tuning end-to-end dan transfer learning dengan ekstraksi fitur yang diklasifikasikan menggunakan Random Forest (RF). Eksperimen menggunakan 3.059 komentar berbahasa Indonesia terkait layanan BPJS yang telah dilabeli. Hasilnya menunjukkan bahwa model hybrid IndoBERT + RF secara signifikan mengungguli model fine-tuning secara keseluruhan. Model hybrid mencapai akurasi 98% dan F1-score tertimbang 0,98, dibandingkan dengan model fine-tuning yang hanya mencapai 92% dan 0,92. Selain itu, model hybrid menunjukkan peningkatan kinerja yang mencolok pada kelas minoritas (netral dan positif) serta jauh lebih efisien dalam waktu komputasi, dengan waktu pelatihan dan evaluasi hanya 33 detik berbanding 206 detik pada model end-to-end. Temuan ini membuktikan bahwa strategi transfer learning ringan berbasis IndoBERT tidak hanya mempertahankan akurasi tinggi tetapi juga menawarkan efisiensi sumber daya yang luar biasa, sehingga menjadi solusi yang sangat layak untuk implementasi sistem pemantauan opini publik di institusi dengan infrastruktur terbatas.
Analisis Kecanduan Pornography Berdasarkan Signal Electroencephalogram Menggunakan Algoritma Deep Learning wijaya, william owen; Fernando; Dhanny Rukmana Manday; Allwin M. Simarmata; Adli Abdillah Nababan
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.v7i2.9326

Abstract

Deteksi objektif kecanduan pornografi masih menjadi tantangan signifikan, seringkali menghambat intervensi klinis yang efektif. Penelitian ini bertujuan mengembangkan model klasifikasi Deep Learning untuk mendeteksi kecanduan pornografi secara non-invasif berdasarkan sinyal Electroencephalography (EEG). Penelitian ini menerapkan arsitektur Gated Recurrent Unit (GRU) untuk menganalisis data EEG yang diperoleh dari 14 responden menggunakan 19 channel. Data mentah diproses melalui tahapan filtering, Independent Component Analysis (ICA) untuk artifact removal, dan normalisasi. Hasil pengujian menunjukkan model GRU yang diusulkan berhasil mencapai akurasi 94,14%, dengan nilai precision dan recall seimbang (94%), serta F1-score 0,94 untuk kedua kelas (kecanduan dan non-kecanduan). Temuan ini menunjukkan bahwa arsitektur GRU sangat efektif untuk membedakan pola aktivitas otak antara individu pecandu dan non-pecandu. Penelitian ini berkontribusi menyediakan landasan ilmiah bagi pengembangan alat bantu diagnosis otomatis yang lebih akurat untuk menunjang program diagnosis dan rehabilitasi.
Penerapan Metode Collaborative Filtering untuk Rekomendasi Pemilihan Bibit Herbal Temulawak Inneke Putri; M. Fakhriza
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.v7i2.9352

Abstract

Budidaya tanaman obat di Indonesia menunjukkan perkembangan signifikan seiring meningkatnya industri obat tradisional dan tren masyarakat terhadap gaya hidup alami. Temulawak (Curcuma xanthorrhiza) merupakan salah satu tanaman herbal unggulan yang memiliki nilai ekonomi tinggi serta manfaat kesehatan karena kandungan kurkuminoid, minyak atsiri, dan senyawa bioaktif lainnya. Namun, pemilihan bibit temulawak berkualitas masih sering dilakukan berdasarkan pengalaman subjektif petani, sehingga berpotensi menghasilkan ketidaktepatan dalam budidaya. Penelitian ini bertujuan menentukan bibit temulawak terbaik dengan menerapkan metode Collaborative Filtering sebagai sistem rekomendasi berbasis preferensi pengguna. Metode yang digunakan adalah pendekatan kuantitatif dengan model pengembangan sistem Rapid Application Development (RAD). Data diperoleh melalui observasi, wawancara, studi pustaka, serta pengumpulan rating bibit dari petani di Desa Pulo Bandring, Kabupaten Asahan. Proses perhitungan rekomendasi dilakukan menggunakan Item-Based Collaborative Filtering yang menghasilkan skor prediksi untuk setiap alternatif bibit. Hasil penelitian menunjukkan bahwa metode Collaborative Filtering mampu memberikan rekomendasi bibit secara lebih objektif. Bibit dengan nilai rekomendasi tertinggi diperoleh oleh Bibit 1 (C1) dengan skor 4,349, sedangkan nilai terendah diperoleh oleh Bibit 4 (C4) dengan skor 1,533. Sistem rekomendasi yang dibangun dapat membantu petani memilih bibit temulawak terbaik secara terukur dan efektif, serta berpotensi meningkatkan hasil panen dan pendapatan.
Sistem Pendukung Keputusan Pemilihan Karyawan Terbaik Menggunakan Metode AHP dan TOPSIS Nyimas Diah Permata Sari; Ali Ibrahim; Fathoni
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.v7i2.9359

Abstract

Evaluasi kinerja karyawan memegang peranan penting dalam menentukan kualitas sumber daya manusia suatu perusahaan. Namun, metode evaluasi manual seringkali subjektif dan memakan waktu, sehingga menghasilkan hasil yang kurang akurat. Untuk mengatasi keterbatasan tersebut, penelitian ini mengembangkan Sistem pendukung keputusan untuk memilih karyawan terbaik dengan mengintegrasikan Analytical Hierarchy Process (AHP) dan Technique for Order Preference by Similarity to Ideal Solution (TOPSIS). Metode AHP digunakan untuk memberikan nilai bobot pada setiap kriteria evaluasi, sedangkan TOPSIS diterapkan untuk memeringkat karyawan berdasarkan kedekatannya dengan solusi positif dan negatif yang ideal. Kriteria evaluasi tersebut meliputi kinerja, loyalitas, disiplin, kerja sama tim, dan jumlah tugas yang belum selesai. Hasil pengujian menunjukkan bahwa Consistency Ratio sebesar 0,0834 (<0,1), yang menunjukkan bahwa proses pembobotan telah konsisten. Berdasarkan perhitungan, karyawan dengan nilai preferensi tertinggi adalah Salma Nurhaliza, dengan skor 0,842882. Studi ini menunjukkan bahwa integrasi metode AHP dan TOPSIS dapat menghasilkan hasil evaluasi yang lebih objektif, tepat, dan efisien, menjadikannya alat yang dapat diandalkan bagi perusahaan untuk menentukan karyawan terbaik secara transparan dan terukur.
Model EPAM-2025 Untuk Analisis Keselarasan Opini Publik dan Kebijakan Literasi Digital Wiyono, Tri; Muhammad Irfan Sarif; Andika Dwi Aryo H; Ahmad Syaukani; Muhammad Zikri Ramadhan
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.v7i2.9367

Abstract

Transformasi digital yang berlangsung cepat menuntut peningkatan literasi digital yang lebih komprehensif. Namun, berbagai indikator nasional menunjukkan penurunan pada aspek etika digital, keamanan siber, dan kemampuan berpikir kritis. Penelitian ini bertujuan menganalisis kesenjangan antara opini publik dan kebijakan literasi digital nasional melalui pendekatan komputasional berbasis Natural Language Processing (NLP). Untuk tujuan tersebut, dikembangkan model hibrida orisinal EPAM-2025 (Entity–Policy Alignment Model) sebagai kerangka pengukuran keselarasan kebijakan. Dataset penelitian terdiri atas 2.165 tweet berbahasa Indonesia yang diperoleh secara etis melalui API platform X (Twitter). Prosedur analisis mencakup pembersihan data, tokenisasi, ekstraksi entitas menggunakan Named Entity Recognition (NER), analisis sentimen, serta pengukuran kesamaan semantik berbasis TF-IDF cosine similarity. Skor keselarasan dihitung menggunakan formula Sa = αSm + βSs(norm). Hasil penelitian menunjukkan dominasi opini netral (92,24%) serta tingkat kesamaan semantik yang sangat rendah (<0,1), menandakan bahwa terminologi kebijakan digital seperti digital safety dan digital ethics belum terinternalisasi dalam wacana publik. Model EPAM-2025 juga menunjukkan performa evaluatif yang stabil dengan klasifikasi tepat pada dua kategori aktif (“Tidak Selaras” dan “Perlu Analisis Lanjut”). Penelitian ini memberikan kontribusi metodologis melalui pengembangan pendekatan kuantitatif yang objektif untuk mengukur keselarasan opini publik terhadap kebijakan, serta membuka peluang pemanfaatan analitik opini publik dalam mendukung perumusan kebijakan nasional berbasis bukti.
Sistem Pendukung Keputusan Manajemen Training Menggunakan Metode Weighted Product Untuk Menentukan Prioritas Peserta Pelatihan Sibuea, Gunawan; Vira Lintang Septiana
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.v7i2.9370

Abstract

PT Mada Wikri Tunggal merupakan perusahaan manufaktur komponen metal dan plastik yang memiliki program pelatihan karyawan seperti 5R dan On the Job Training (OJT). Proses pelatihan yang masih dilakukan secara manual menimbulkan kendala seperti keterlambatan evaluasi, risiko kehilangan data, serta keterbatasan dalam penilaian objektif terhadap hasil pelatihan. Penelitian ini bertujuan merancang sistem pendukung keputusan berbasis web untuk mempermudah dan mempercepat proses pelatihan karyawan secara digital. Sistem dikembangkan dengan metode prototyping menggunakan PHP (Laravel) dan database MySQL. Metode Weighted Product digunakan untuk menentukan prioritas peserta pelatihan berdasarkan bobot kriteria yang telah ditetapkan. Pemodelan sistem dilakukan menggunakan UMLdan membuat diagram. pengujian dengan Black Box Testing menunjukkan bahwa sistem berjalan sesuai kebutuhan dan meningkatkan efisiensi, transparansi, serta akurasi pengambilan keputusan dalam pelatihan dan penempatan karyawan di PT Mada Wikri Tunggal.

Page 45 of 46 | Total Record : 457

 42   43   44   45   46 

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