Articles
9 Documents
Search results for
, issue
"Vol 4 No 2 (2018): Desember"
:
9 Documents
clear
<![CDATA[ANALISIS KEBUTUHAN SISTEM INFORMASI PADA SIKAP DENGAN KOMBINASI SERVQUAL DAN METODE KANO DALAM QFD ]]>
<![CDATA[Agustina Srirahayu]]>;
<![CDATA[Ema Utami]]>;
<![CDATA[Asro Nasiri]]>
<![CDATA[ Jurnal Informa : Jurnal Penelitian dan Pengabdian Masyarakat Vol 4 No 2 (2018): Desember ]]>
Publisher : <![CDATA[Politeknik Indonusa Surakarta ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (596.971 KB)
|
DOI: 10.46808/informa.v4i2.35
<![CDATA[SIKAP adalah sistem informasi yang digunakan untuk manajemen proses skripsi, TA dan Kerja Pratik (KP), hanya proses manajemen KP saja yang digunakan. Penelitian bertujuan untuk mengetahui atribut yang menjadi prioritas terhadap kebutuhan SIKAP dengan pendekatan sesuai kebutuhan pengguna melalui kombinasi Servqual, metode Kano, dan Quality Function Deployment (QFD). Batasan penelitian antara lain identifikasi atribut penelitian menggunakan Servqual dengan 5 dimensi, yaitu : tangible, reliability, responsiveness, assurance, dan empathy untuk menghasilkan atribut dari SIKAP. Servqual dikombinasikan dengan metode Kano yang mempunyai 5 kategori, dengan hasil berupa kuesioner. Pengumpulan data dari 123 responden melalui kuesioner functional menghasilkan nilai harapan, sedangkan kuesioner dysfunctional menghasilkan nilai persepsi. Selisih dari nilai harapan dan nilai persepsi menghasilkan gap score. Gap score dikombinasikan dengan kategori dari Kano menghasilkan atribut perbaikan (weak attribute). Respon teknis dari QFD menghasilkan atribut yang akan diprioritaskan perbaikan terlebih dahulu. Hasil perhitungan gap score terdapat 27 atribut pelayanan masuk dalam kualitas weak. Penentuan kategori dengan Blauth’s formula menghasilkan 4 atribut masuk kategori attractive, 6 atribut masuk kategori one dimentional dan 15 atribut masuk kategori must-be yang artinya diperlukan improve. Hanya 1 atribut yang masuk dalam kategori indifferent.]]>
<![CDATA[IMPLEMENTASI RADIO FREQUENCY IDENTIFICATION (RFID) UNTUK SISTEM INFORMASI PRESENSI PERKULIAHAN ]]>
<![CDATA[Canggih Ajika Pamungkas]]>
<![CDATA[ Jurnal Informa : Jurnal Penelitian dan Pengabdian Masyarakat Vol 4 No 2 (2018): Desember ]]>
Publisher : <![CDATA[Politeknik Indonusa Surakarta ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (720.563 KB)
|
DOI: 10.46808/informa.v4i2.36
<![CDATA[Situasi dalam era revolusi industri 4.0 ini membuat banyak perguruan tinggi berusaha mengimplementasikan teknologi informasi untuk meningkatkan daya saing yang kompetitif. Perguruan Tinggi yang memiliki mobilitas tinggi dalam kegiatan operasional tentunya sangat membutuhkan perangkat dengan database terintegrasi. Salah satu kegiatan dalam perguruan tinggi adalah kegiatan pembelajaran yang di dalamnya ada kegiatan presensi kehadiran mahasiswa. Salah satu perguruan tinggi yang sudah memanfaatkan peranan teknologi infomasi adalah Politeknik Indonusa Surakarta. Saat ini Politeknik Indonusa Surakarta dalam pelaksanaan presensi pembelajaran masih menggunakan sistem presensi perkuliahan manual. Sistem presensi manual memiliki banyak kelemahan diantaranya sistem presensi manual tidak praktis, sehingga membutuhkan waktu dan sering terjadi kesalahan dalam rekap presensi. Sistem Informasi Presensi Perkuliahan (SIMPRESKUL) yang dibangun menggunakan RFID reader dan kartu RFID sebagai alat identifikasi. Radio Frequency Identification (RFID) merupakan teknologi identifikasi berbasis gelombang. Metdode pengemangan sistem menggunakan model waterfall. Dalam implementasinya bahasa pemrograman yang digunakan adalah HTML, PHP , CSS dan javascript. Hasil yang dicapai dalam penelitian ini adalah Berhasil dibangunnya Sistem Informasi Presensi Perkuliahan (SIMPRESKUL) berbasis web dengan media identifikasi data menggunakan RFID reader dan kartu RFID. Dari penelitian dihasilkan kesimpulan bahwa Jarak identifikasi RFID reader maksimal 8 cm dengan kecepatan identifikasi 1 detik.]]>
<![CDATA[SISTEM REKOMENDASI PRODUK ONLINE STORE MENGGUNAKAN METODE APRIORI ]]>
<![CDATA[Chavid Syukri Fatoni]]>;
<![CDATA[ema utami]]>;
<![CDATA[Ferry Wahyu Wibowo]]>
<![CDATA[ Jurnal Informa : Jurnal Penelitian dan Pengabdian Masyarakat Vol 4 No 2 (2018): Desember ]]>
Publisher : <![CDATA[Politeknik Indonusa Surakarta ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (711.7 KB)
|
DOI: 10.46808/informa.v4i2.37
<![CDATA[Online Store tumbuh sangat cepat. Online Store membantu orang membeli produk daring yang diinginkan. Persaingan yang berat di antara penyedia Online Store memberikan peningkatan pada pengembangan teknologi. Banyak sistem Online Store tidak hanya menampilkan produk produk tetapi juga perlu didukung oleh pemilihan produk yang tepat untuk menarik perhatian pengunjung situs web. Akibatnya, banyak pengunjung situs web yang bingung ketika mereka akan membeli produk di Online Store. Jumlah variasi produk yang ditawarkan kepada pelanggan ketika ia membeli barang terkadang lebih dari satu produk. Masalah ini mengarah pada ide mengembangkan sistem rekomendasi produk. Data historis dari pengunjung dan pelanggan dapat digunakan untuk menganalisis kebutuhan pengguna dan preferensi produk. Aturan ascociation menggunakan pengetahuan Apriori akan dapat menangkap preferensi pengguna. Dengan mengidentifikasi preferensi pengguna, rekomendasi produk yang valid dapat dikembangkan. Penelitian ini akan menganalisis aturan dalam data historis pembelian dari pengunjung Online Store untuk mendapatkan rekomendasi produk yang akan ditampilkan. Menurut hasil eksperimen, aturan ascociation mampu untuk menduplikasi rekomendasi yang tepat dengan nilai confidence 76.92%.]]>
<![CDATA[IMPLEMENTASI METODE K-NEAREST NEIGHBOR (KNN) UNTUK MEMPREDIKSI VARIETAS PADI YANG COCOK UNTUK LAHAN PERTANIAN ]]>
<![CDATA[Reflan Nuari]]>;
<![CDATA[Aflahah Apriliyani]]>;
<![CDATA[Juwari Juwari]]>;
<![CDATA[Kusrini Kusrini]]>
<![CDATA[ Jurnal Informa : Jurnal Penelitian dan Pengabdian Masyarakat Vol 4 No 2 (2018): Desember ]]>
Publisher : <![CDATA[Politeknik Indonusa Surakarta ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (317.392 KB)
|
DOI: 10.46808/informa.v4i2.39
<![CDATA[Bahan pangan pokok di Indonesia adalah beras, seiring dengan bertambahnya jumlah penduduk di Indonesia maka kebutuhan akan beras juga meningkat. Proses pencapaian swasembada pangan tidak lepas dari penerapan serta inovasi teknologi yang dikembangkan oleh pemerintah melalui petani. Tahapan yang sangat penting adalah proses budidaya padi, dimana pemilihan varietas padi yang sesuai dengan lahan yang tersedia. Dengan pemilihan varietas yang tepat maka hasil produksi padi akan meningkat sesuai dengan harapan. Untuk mendapatkan informasi tentang jenis varietas padi yang sesuai membutuhkan ahli atau pakar varietas padi. Kendala yang sering dihadapi adalah keterbatasan para ahli khususnya di bidang varietas padi yang sangat membutuhkan perhatian. Untuk itu dikembangkanlah suatu sistem yang dapat membantu para petani, penyuluh maupun masyarakat dalam menentukan varietas yang sesuai dengan lahan yang ada. sistem pakar varietas padi pertama kali dikembangkan oleh Prof.Dr.Ir. Abdul Karim Makarim, MSc. dengan menggunakan aplikasi microsoft excel. Untuk mempermudah dalam pemilihan varietas padi peneliti membuat sistem pakar dengan mengimplementasikan metode K-Nearest Neighbor (KNN). Di dalam KNN dalam pengujiannya adalah menggunakan data lama kemudian membandingkan dengan data baru sehingga dihasilkan data yang lebih akurat.]]>
<![CDATA[OPTIMALISASI PENGGUNAAN HARDWARE SERVER MEMPERGUNAKAN VIRTUALISASI SERVER DI SMAN 1 WONOSARI ]]>
<![CDATA[Sriyanta Sriyanta]]>;
<![CDATA[Wing Wahyu Winarno]]>;
<![CDATA[Sudarmawan Sudarmawan]]>
<![CDATA[ Jurnal Informa : Jurnal Penelitian dan Pengabdian Masyarakat Vol 4 No 2 (2018): Desember ]]>
Publisher : <![CDATA[Politeknik Indonusa Surakarta ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (408.454 KB)
|
DOI: 10.46808/informa.v4i2.40
<![CDATA[The development of computer hardware progress is faster than software development, thus optimizing the use of hardware to achieve effectiveness and efficiency without reducing service to be things to consider. Schools with high specification hardware can be optimized for their use. One of the steps that can be taken to optimize the hardware is using virtual machine technology known as hypervisor. Virtual machine that functioned as a server called a virtual server. There are services from several independent server units that can be used in this technology. In addition to running it’s own service, the host server also run the virtual server services. The results of this study provide data from optimization of server utilization using virtual server as performance analysis, either from server host or virtual server. In general words by using virtual server technology can made server management by the school is relatively more simple and easier. It tend affects to the effective and efficient use of school resources in providing the services.]]>
<![CDATA[PEMODELAN SISTEM INFORMASI KALENDER AKADEMIK UNTUK MONITORING PROSES BELAJAR MENGAJAR PERGURUAN TINGGI ]]>
<![CDATA[Tanto Tanto]]>;
<![CDATA[Sigit Kurniawan]]>
<![CDATA[ Jurnal Informa : Jurnal Penelitian dan Pengabdian Masyarakat Vol 4 No 2 (2018): Desember ]]>
Publisher : <![CDATA[Politeknik Indonusa Surakarta ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (393.198 KB)
|
DOI: 10.46808/informa.v4i2.41
<![CDATA[Perguruan tinggi mempunyai tugas pokok yaitu menjalankan tridarma salah satunya yaitu pendidikan, tugas pokok yang harus dijalankan dan jadwalkan, dalam perguruan tinggi disebut dengan kalender akademik. Untuk menjalankannya perlu sebuah sistem informasi monitoring yang bertujuan untuk memonitor kalender akademik. Proses pengembangan sistem informasi membutuhkan alat bantu yang disebut dengan pemodelan, yang akan terlihat bagaimana masterplan sebuah sistem informasi dan mempermudah memahami sebuah sistem informasi yang akan dibuat. Pemodelan dapat dilakukan dengan cara pemodelan visual menggunakan unified modeling language (UML). Untuk itu penelitian ini melakukan pemodelan Sistem Informasi Kalender Akademik Untuk Evaluasi Proses Belajar Mengajar Perguruan Tinggi. Prosedur pelaksanaan dimulai dari menentukan spesifikasi sistem informasi berdasarkan kebutuhan pengguna, dilanjutkan dengan pembuatan pemodelan sesuai spesifikasi. Hasil akhir didapat yaitu sebuah prototype sistem informasi yang dapat data kalender akademik di input oleh admin pada server kemudian oleh server akan ditampilkan di monitor sebagai informasi kegiatan akademik yang harus dilaksanakan pada waktu itu, berikut status kegiatan apakah dalam kondisi “terjadwal, ditunda, telaksana atau gagal”. Sedangkan dengan aplikasi client yang dirancang, memungkinkan semua unit yang terkait dengan jadwal akademik dapat memverifikasi kegiatan yang telah dilakukannya sehingga status kegiatan yang ditampilkan pada monitor akan berubah. Jika data yang diinputkan pada server sesuai dengan waktu yang ada pada Standar Operational Prosedure (SOP) untuk tiap kegiatan akademik maka secara tidak langsung Sistem Informasi Kalender Akademik dapat digunakan untuk memonitoring pelaksanaan penjaminan mutu internal Perguruan Tinggi.]]>
<![CDATA[IMPLEMENTASI TEKNIK SELEKSI FITUR FORWARD SELECTION PADA ALGORITMA KLASIFIKASI DATA MINING UNTUK PREDIKSI MASA STUDI MAHASISWA POLITEKNIK INDONUSA SURAKARTA ]]>
<![CDATA[Wiwit Supriyanti]]>;
<![CDATA[Norma Puspitasari]]>
<![CDATA[ Jurnal Informa : Jurnal Penelitian dan Pengabdian Masyarakat Vol 4 No 2 (2018): Desember ]]>
Publisher : <![CDATA[Politeknik Indonusa Surakarta ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (392.125 KB)
|
DOI: 10.46808/informa.v4i2.42
<![CDATA[Berlimpahnya data mahasiswa dan data jumlah kelulusan mahasiswa, informasi yang tersembunyi dapat diketahui dengan cara melakukan pengolahan terhadap data mahasiswa sehingga berguna bagi pihak perguruan tinggi. Pengolahan data mahasiswa perlu dilakukan untuk mengetahui informasi penting berupa pengetahuan baru (knowledge discovery), misalnya informasi mengenai pengklasifikasian data mahasiswa berdasarkan profil dan data akademik. Pengetahuan baru tersebut dapat membantu pihak perguruan tinggi untuk melakukan klasifikasi mengenai tingkat kelulusan mahasiswa guna menentukan strategi untuk meningkatkan kelulusan pada tahun-tahun berikutnya. Diketahui bahwa Politeknik Indonusa Surakarta belum memanfaatkan database tersebut dan dalam menentukan prediksi kelulusan masih menggunakan metode manual dengan tingkat subyektifitas yang tinggi. Algoritma klasifikasi data mining dapat diusulkan sebagai salah satu pendekatan yang dapat dilakukan untuk memprediksi masa studi mahasiswa berdasarkan data akademik mahasiswa yang tersedia. Implementasi seleksi fitur forward selection pada algoritma klasifikasi bertujuan untuk mencari atribut-atribut yang signifikan dalam prediksi masa studi serta menghilangkan atribut-atribut yang tidak signifikan, sehingga dapat meningkatkan akurasi hasil penghitungan. Hasil penelitian didapat bahwa algoritma k-nearest neighbor menunjukkan nilai akurasi tertinggi dibandingkan algoritma klasifikasi data mining yang lain, yaitu sebesar 59,52% (tanpa tambahan seleksi fitur forward selection) dan 58,19% (menggunakan tambahan seleksi fitur forward selection).]]>
<![CDATA[ANALISIS KNOWLEDGE SHARING MENGGUNAKAN METODE FOCUS GROUP DISCUSSION (FGD) ]]>
<![CDATA[Wreda Agung Kuncoro]]>
<![CDATA[ Jurnal Informa : Jurnal Penelitian dan Pengabdian Masyarakat Vol 4 No 2 (2018): Desember ]]>
Publisher : <![CDATA[Politeknik Indonusa Surakarta ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (122.243 KB)
|
DOI: 10.46808/informa.v4i2.43
<![CDATA[Sekolah Tinggi Elektronika dan Komputer (STEKOM) merupakan salah satu kampus di wilayah Salatiga yang memiliki beberapa program studi yang mendukung integrasi pengembangan keilmuan berbasis teknologi komputer. Penting adanya knowledge sharing yang mutlak dibutuhkan dalam organisasi pendidikan seperti kampus. Peran stakeholder dalam knowledge sharing sangat dipengaruhi oleh faktor organisasi, faktor individu, dan faktor teknologi. Penulis mencoba meniliti pengaruh ketiga faktor yang mempengaruhi knowledge sharing pada responden dosen STEKOM Salatiga menggunakan metode FGD. Berdasarkan hasil analisis, penelitian ini menunjukkan bahwa sebagian besar responden STEKOM Salatiga menyatakan sangat setuju bahwa faktor teknologi merupakan faktor yang paling mempengaruhi proses knowledge sharing dengan persentase 70%. Hasil dari penelitian bisa dijadikan acuan dan pertimbangan dalam pengambilan keputusan oleh pimpinan kampus dalam meningkatkan mutu dan kualitas kampus STEKOM kedepan.]]>
<![CDATA[SISTEM PAKAR PENYAKIT DEMAM BERDARAH MENGGUNAKAN DEPTH FIRST SEARCH DAN CERTAINLY FACTOR ]]>
<![CDATA[Yudha Christianto F]]>;
<![CDATA[Uli Rizki]]>;
<![CDATA[Muhamad Riza Eko]]>
<![CDATA[ Jurnal Informa : Jurnal Penelitian dan Pengabdian Masyarakat Vol 4 No 2 (2018): Desember ]]>
Publisher : <![CDATA[Politeknik Indonusa Surakarta ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (198.264 KB)
|
DOI: 10.46808/informa.v4i2.45
<![CDATA[Demam Berdarah Dengue (DBD) adalah penyakit yang disebabkan oleh virus dengue yang ditularkan melalui gigitan nyamuk dari genus Aedes, terutama Aedes aegypti. Demam berdarah merupakan salah satu penyakit berbahaya yang sudah banyak menimbulkan korban. Indonesia menempati peringkat ke dua negara endemis demam berdarah. Artificial Intelegent merupakan bidang teknologi yang bisa dimanfaatkan sebagai media konsultasi pasien terhadap gejala penyakit DBD. Dalam AI, terdapat banyak metode dan algoritma yang bisa digunakan untuk menunjang ketepatan dan kecepatan dalam mendignosis penyakit DBD layaknya seorang pakar. Depth First Search menjadi salah satu algoritma untuk mempercepat dalam menemukan konklusi atas gejala-gelaja yang dialami oleh pasien. Namun, kecepatan dalam menemukan konklusi bukan menjadi jaminan tingkat kepercayaan atau ketepatan diagnosis. Untuk itu, tingkat akurasi akan dihitung menggunakan Certainty Factor. Dengan menggunakan Depth First Search dan Certainty Factor akan menghasilkan tingkat akurasi diagnosis dapat ditampilkan nilai presentase. Selain itu, pasien lebih mudah menggunakan karena tidak harus mengisi semua gejala yang harus ditampilkan.]]>
