Jurnal Ilmiah Intech : Information Technology Journal of UMUS
Jurnal Ilmiah Intech : Information Technology Journal of UMUS terbit 2 (dua) kali dalam satu tahun yaitu Mei dan November yang berisi hasil pemikiran dan penelitian pada bidang Ilmu Komputer dan Informatika, dnegan fokus dan ruang lingkup: 1. ilmu komputer: Artificial Intelligence, Machine Learning, Data Mining, Expert System, Decission Support System 2. Informatika : Web Programming, Mobile Computing, Computer Network, Pembuatan Sistem Informasi, Database System, Security System.
Articles
111 Documents
<![CDATA[Sistem Informasi Poin Pelanggaran Siswa Dengan Notifikasi Whatsapp ]]>
<![CDATA[Anang Widianto]]>;
<![CDATA[Retno Wahyusari]]>
<![CDATA[ Jurnal Teknik Informatika UMUS Vol 4 No 02 (2022): November ]]>
Publisher : <![CDATA[Universitas Muhadi Setiabudi ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.46772/intech.v4i02.735
<![CDATA[Pengelolaan jumlah poin pelanggaran di sekolah sangat penting dalam mengawasi sikap siswa. Pengelolaan poin pelanggaran di SMK PGRI Cepu masih dicatat secara manual di sebuah buku. Akibatnya dalam proses penjumlahan poin, pencarian data akan memakan cukup waktu. Dari masalah tersebut akan dibuat suatu sistem informasi poin pelanggaran siswa yang nantinya akan efektif dalam pengelolaan data pelanggaran. Sistem informasi ini dibuat dengan menggunakan metode waterfall. Bahasa pemograman yang digunakan adalah Php serta Mysql sebagai databasenya. Hasil penelitian ini adalah dimudahkannya dalam pengelolaan data, pencarian data, cetak laporan, pembuatan surat pemanggilan, dan pengiriman pesan whatsapp.]]>
<![CDATA[SISTEM INFORMASI MONITORING PROGRAM PENELITIAN INTERNAL BERBASIS WEB PADA P3M POLITEKNIK NSC SURABAYA ]]>
<![CDATA[Saeful Bachri, Otong]]>;
<![CDATA[Fitro, Achmad]]>;
<![CDATA[Rudianto, Rudianto]]>
<![CDATA[ Jurnal Teknik Informatika UMUS Vol 4 No 01 (2022): Mei ]]>
Publisher : <![CDATA[Universitas Muhadi Setiabudi ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.46772/intech.v4i01.747
<![CDATA[Sistem Informasi Monitoring Program Inovasi Lokal Berbasis Web merupakan sistem yang bersifat memantau dan menyajikan informasi mengenai program inovasi lokal di P3M Politeknik NSC Surabaya yang meliputi pengajuan proposal, review proposal, upload laporan kemajuan hingga laporan akhir, upload foto dan video produk inovasi, serta monev. Sistem Informasi Monitoring Program Inovasi Lokal ini membantu staff P3M Politeknik NSC Surabaya untuk mengelola dan menyampaikan informasi kepada para inovator NSC mengenai Program Inovasi Lokal untuk TKT 6 – 8.]]>
<![CDATA[Penerapan Algoritma K-Nearest Neighbor (KNN) untuk Prediksi Penyakit Stroke ]]>
<![CDATA[Naja Maskuri, Muhammad]]>;
<![CDATA[Harliana, Harliana]]>;
<![CDATA[Sukerti, Kadek]]>;
<![CDATA[Herdian Bhakti, Raden Mohamad]]>
<![CDATA[ Jurnal Teknik Informatika UMUS Vol 4 No 01 (2022): Mei ]]>
Publisher : <![CDATA[Universitas Muhadi Setiabudi ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.46772/intech.v4i01.751
<![CDATA[Stroke merupakan gangguan fungsi otak yang disebabkan oleh terganggunya aliran darah ke otak. Penyakit stroke dapat menyebabkan kecacatan pada penderitanya atau bahkan kematian. Data Organisasi Stroke Dunia menyatakan bahwa setiap tahun terdapat 13,7 juta penderita stroke dan 5,5 juta kasus kematian akibat stroke. Penyakit ini merupakan penyakit mematikan nomor tiga dunia. Berdasarkan hal tersebut maka penelitian ini bertujuan untuk melakukan penerapan algoritma K-Nearest Neighbor dalam memprediksi penyakit stroke serta dapat mengetahui akurasi yang dihasilkan algoritma KNN dalam memprediksi penyakit stroke. Melalui hasil perhitungan klasifikasi-prediksi pada data penyakit stroke dengan data latih sebanyak 80 data dan data uji sebanyak 20 data dapat diketahui bahwa algoritma KNN dapat melakukan prediksi penyakit stroke berdasarkan jenis kelamin, umur, hipertensi, riwayat penyakit jantung, status menikah, tipe pekerjaan, tipe tempat tinggal, rerata kadar glukosa , bmi dan status merokok dengan akurasi yang didapatkan sebesar 95% dengan nilai k=9.]]>
<![CDATA[Sistem Pendukung Keputusan Pemilihan Saham Terbaik Untuk Portofolio Investasi Syariah Menggunakan Metode SAW ]]>
<![CDATA[Fatchan, Muhamad]]>;
<![CDATA[Pengestu, Rayendra]]>;
<![CDATA[Firmansyah, Andri]]>
<![CDATA[ Jurnal Teknik Informatika UMUS Vol 4 No 01 (2022): Mei ]]>
Publisher : <![CDATA[Universitas Muhadi Setiabudi ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.46772/intech.v4i01.806
<![CDATA[Pada era sekarang investasi saham makin banyak di perbincangkan oleh generasi muda. Bursa Efek Indonesia juga mendorong masyarakat untuk mulai berinvestasi melalui program yuk nabung saham.Namun permasalahan literiasi yang kurang, memberikan dampak negatif bagi investor pemula. pemilihan saham yang tidak dilandasi dengan kualitas perusahaan yang bagus memberikan kerugian yang besar bagi mereka. Tujuan dari penelitian ini adalah untuk membantu memberikan rekomendasi dalam pemilihan saham dengan kinerja yang bagus kepada investor saham. Dalam penelitian ini dirumuskan masalah tentang bagaimana melakukan implementasi metode Simple Additive Weighting (SAW) dalam memecahkan masalah melalui perhitungan bobot kriteria dan mampu menyeleksi alternatif terbaik dari semua alternatif. Hasil penelitian ini adalah sebuah aplikasi sistem pendukung keputusan yang memberi output berupa perankingan dari 70 data saham yang tergabung didalam indeks JII70. Sehingga didapatkan hasil saham yang palik baik dari segi kinerja keuangan untuk menjadi pilihan investasi oleh investor.]]>
<![CDATA[Analisis Sentimen Menggunakan Metode Naïve Bayes Untuk Mengetahui Respon Masyarakat Terhadap Vaksinasi ]]>
<![CDATA[Egia Rosi Subhiyakto]]>;
<![CDATA[Yani Parti Astuti]]>;
<![CDATA[Nathaniel Alexander]]>;
<![CDATA[Etika Kartikadarma]]>
<![CDATA[ Jurnal Teknik Informatika UMUS Vol 4 No 02 (2022): November ]]>
Publisher : <![CDATA[Universitas Muhadi Setiabudi ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.46772/intech.v4i02.864
<![CDATA[Media sosial merupakan suatu media yang sulit untuk lepas dari kehidupan sehari-hari saat ini, dimana setiap orang dapat dengan bebas berekspresi dan mengeluarkan isi pikirannya secara meluas di internet, dalam menghadapi pandemi COVID-19, Vaksinasi merupakan hal yang wajib dilakukan sebagai salah satu untuk memutuskan rantai penyebaran virus COVID-19, oleh karena itu informasi yang tersebar di media sosial mengenai vaksinasi juga perlu terjaga untuk mengurangi kekhawatiran masyarakat terhadap pandemi serta menjaga kelancaran vaksinasi yang sedang berjalan. Untuk mengetahui hal tersebut, diperlukan suatu studi analisis sentimen mengenai tanggapan masyarakat mengenai “vaksinasi”, dengan penelitian yang dilakukan ini untuk mengetahui bagaimana tanggapan masyarakat terhadap vaksinasi didapatkan bahwa banyak masyarakat yang mendukung serta menerima dengan baik vaksinasi dan hanya sedikit masyarakat yang menolak vaksinasi, pengukuran confusion matrix pada hasil klasifikasi juga dilakukan dengan hasil accuracy 84%, precision 95%, recall 85%, dan specificity 80%.]]>
<![CDATA[Analisis Sentimen Ulasan Aplikasi Flip Menggunakan Naïve Bayes dengan Seleksi Fitur PSO ]]>
<![CDATA[Oky Irnawati]]>;
<![CDATA[Kusmayanti Solecha]]>
<![CDATA[ Jurnal Teknik Informatika UMUS Vol 4 No 02 (2022): November ]]>
Publisher : <![CDATA[Universitas Muhadi Setiabudi ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.46772/intech.v4i02.868
<![CDATA[Ulasan mengenai sebuah aplikasi dapat menjadi referensi bagi pengguna lain, dapat juga menjadi masukan bagi perusahaan aplikasi untuk evaluasi guna perbaikan dan peningkatan layanan. Aplikasi bidang perbankan yang saat ini banyak digunakan karena penggunaannya dapat memangkas biaya admin transaksi transfer antar bank yaitu aplikasi flip. Ulasan mengenai aplikasi flip ini dapat di ekstrak sehingga informasi didalamnya dapat dipelajari dengan menggunakan analisis sentimen data mining klasifikasi. Salah satu algoritma yang dapat diterapkan adalah naïve bayes. Namun data dalam bentuk text memiliki permasalahan fitur yang menyebabkan data menjadi tidak relevan dan dapat mengurangi akurasi. Hal inilah yang menyebabkan dibutuhkannya seleksi fitur untuk peningkatan akurasi naïve bayes yaitu menggunakan Particle Swarm Optimization (PSO). Pada penelitian ini ulasan mengenai aplikasi flip yaitu 200 dataset yang dibagi menjadi 100 data positif dan 100 data negatif diolah menggunakan rapid miner dengan menerapkan metode naïve bayes yang dioptimasi dengan PSO. Hasil pengolahan menggunakan naïve bayes 82,00%, kemudian di optimasi dengan PSO dan didapatkan hasil 88,24%.]]>
<![CDATA[Klasifikasi dan Monitoring Status Gizi Balita Melalui Penerapan Metode Naïve Bayes Classification Berbasis GIS ]]>
<![CDATA[Harliana Harliana]]>;
<![CDATA[Rizqi Darma Rusdiyan Yusron]]>;
<![CDATA[Imam Machfud]]>
<![CDATA[ Jurnal Teknik Informatika UMUS Vol 4 No 02 (2022): November ]]>
Publisher : <![CDATA[Universitas Muhadi Setiabudi ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.46772/intech.v4i02.869
<![CDATA[Secara definisi status gizi merupakan suatu kondisi tubuh sebagai dampak penyerapan zat gizi dari makanan yang telah dikonsumsi berdasarkan tinggi badan, berat badan dan umur balita berdasarkan indeks Antropometri. Menurut data ePPGBM Seksi Kesehatan Keluarga dan Gizi Masyarakat Dinas Kesehatan Kota Blitar berhasil menekan sekitar 2,5% balita yang mengalami gizi kurang. Penurunan ini dilakukan dengan melakukan analisa - situasi kondisi balita yang dimulai dari kondisi saat ibu hamil sampai dengan kondisi lingkungan balita tersebut tinggal. Kondisi balita yang mengalami gizi kurang dan diikuti pendek serta kurus dapat berpotensi menjadi balita yang mengalami stunting. Berdasarkan hal tersebut, maka penelitian ini akan melakukan klasifikasi terhadap status gizi balita berdasarkan indeks Antropometrinya, apakah akan masuk kedalam gizi kurang, pendek (stunting), kurus (wasting) bahkan obesitas. Untuk memudahkan proses pelaporan dan analisis, maka hasil klasifikasi ini selanjutnya ditampilkan melalui suatu peta berdasarkan hasil analisa – situasi 7 indikator penyebab tertinggi sampai dengan penyebab terendah dari status gizi balita yang ada di Kota Blitar. Penelitian ini akan menggunakan algoritma Naïve Bayes Classification untuk melakukan classification. Berdasarkan hasil penelitian diketahui bahwa akurasi yang dihasilkan oleh Naïve Bayes Classification adalah 86% dengan perbandingan antara data testing dan training yang digunakan 70:30]]>
<![CDATA[Perancangan Sales Prediction Model Menggunakan Metode Neural Network ]]>
<![CDATA[Kristiawan Nugroho]]>;
<![CDATA[Wiwien Hadi Kurniawati]]>;
<![CDATA[Raden Mohamad Herdian Bhakti]]>
<![CDATA[ Jurnal Teknik Informatika UMUS Vol 4 No 02 (2022): November ]]>
Publisher : <![CDATA[Universitas Muhadi Setiabudi ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.46772/intech.v4i02.870
<![CDATA[Datamining merupakan fenomena penting pada bidang ilmu teknologi informasi yang telah membantu manusia pada berbagai bidang kehidupan. Datamining merupakan bidang ilmu yang menarik untuk diteliti apalagi pada saat ini dimana Big Data yang dihaslilkan dalam berbagai kehidupan manusia mempunyai volume yang sangat besar namun kurang memberikan arti bagi kehidupan. Penelitian datamining mengenai sales prediction memberikan kontribusi positif bagi para pengambil keputusan dalam melakukan prediksi penjualan barang yang dilakukan secara online berdasarkan beberapa fitur antara lain usia,jenis kelamin,minat,impresi maupun jumlah uang yang dibelanjakan. Penelitian ini berkontribusi dalam membangun sebuah model regresi sales prediction menggunakan metode Neural Network yang dapat dipergunakan sebagai alat bantu dalam pengambilan keputusan untuk menjual jenis produk yang diminati berbagai macam segment pada toko online. Metode Neural Network yang merupakan salah satu metode yang bekerja berdasar pola berpikir syaraf manusia terbukti memberikan hasil terbaik dalam membangun model sales prediction dibandingkan metode Random Forest dan AdaBoost. Sales prediction model menggunakan Neural Network menunjukkan hasil kinerja yang diukur dengan Mean Squared Error (MSE) sebesar 0.831, Root Mean Square Error (RMSE) sebesar 0,911 dan Mean Absolute Error (MAE) sebesar 0,650.]]>
<![CDATA[Game Edukasi Pengenalan Huruf Alfabet Sebagai Media Pembelajaran Untuk Anak Usia Dini ]]>
<![CDATA[Erick Erianto]]>;
<![CDATA[Wahyu Hadikrisanto]]>;
<![CDATA[Suherman Suherman]]>
<![CDATA[ Jurnal Teknik Informatika UMUS Vol 4 No 02 (2022): November ]]>
Publisher : <![CDATA[Universitas Muhadi Setiabudi ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.46772/intech.v4i02.871
<![CDATA[Selama ini, belajar adalah hal yang dianggap paling membosankan bagi anak-anak, mereka akan lebih suka bermain daripada belajar. Masalah utama dalam belajar adalah metode yang digunakan atau cara penyampain yang kurang menarik, sehingga menciptakan rasa bosan pada anak untuk belajar. Kurangnya minat anak dalam mengikuti pembelajaran ini akan mengakibatkan tujuan pembelajaran tidak dapat tercapai secara optimal. Tujuan dari penelitian ini adalah membuat game edukasi untuk anak usia dini menggunakan metodologi MDLC (Multimedia Development Life Cyrcle). Tahapan pengujian sistem menggunakan black box test yang bertujuan untuk menguji kebutuhan fungsional pada aplikasi. Hasil pengujian black box mendapatkan hasil 100% menunjukkan bahwa aplikasi sudah sesuai dengan kebutuhan pengguna dan semua fungsi sudah berjalan sesuai dengan kebutuhan fungsional. Dapat disimpulkan bahwa game ini sangat efektif dan efisien serta sangat menarik untuk anak-anak sehingga mampu meningkatkan mutu dan kemampuan anak-anak dalam belajar huruf alfabet.]]>
<![CDATA[Penerapan Algoritma Naïve Bayes Dalam Memprediksi Tingkat Penjualan Mobil Tahun 2022 ]]>
<![CDATA[Abdul Hasyim]]>;
<![CDATA[Muhamad Fatchan]]>;
<![CDATA[Wahyu Hadikristanto]]>
<![CDATA[ Jurnal Teknik Informatika UMUS Vol 4 No 02 (2022): November ]]>
Publisher : <![CDATA[Universitas Muhadi Setiabudi ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.46772/intech.v4i02.872
<![CDATA[Persaingan industri otomotif terutama pada sektor roda empat atau mobil setiap bulan semakin kompetitif. Berbagai merk mobil saling berlomba untuk menjadi primadona bagi konsumennya terutama masyarakat indonesia. Tidak dipungkiri hal ini membuat pabrikan atau perusahaan roda empat saling berlomba untuk meningkatkan penjualan mobilnya di sepanjang tahun 2020, tercatat lebih dari 10 merk mobil yang laku dimasyarakat seperti Toyota, Hino, Honda dan yang lainnya. Hal ini mendorong penelitian dengan konsep data mining menggunakan algoritma naive bayes yang bertujuan untuk dapat mengklasifikasikan setiap merk mobil berdasarkan kriteria tertentu. Algoritma ini mencatatkan akurasi sebesar 95,38 % dengan nilai precission 94,96% dan recal sebesar 90,21 %.]]>
