cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
ARIS SUSANTO
Contact Email
arissusantoh@gmail.com
Phone
+6282345148092
Journal Mail Official
jurnal@stmikbinsa.ac.id
Editorial Address
Jln. Jend. A. H. Nasution No. 105 Kendari
Location
Kota kendari,
Sulawesi tenggara
INDONESIA
Jurnal Sistem Informasi dan Sistem Komputer
Published by Sekolah Tinggi Manajemen Informatika Dan Komputer Bina Bangsa
ISSN : 25811614     EISSN : 2715906X     DOI : -
Core Subject : Science, Education, Engineering,
Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Other
Jurnal SIMKOM menerbitkan jurnal akses terbuka penuh, yang berarti bahwa semua artikel tersedia di internet untuk semua pengguna segera setelah publikasi, penggunaan non-komersial dan distribusi dalam media apapun diperbolehkan, dengan syarat penulis dan jurnal tersebut dikreditkan dengan benar. Manfaat akses terbuka bagi penulis, meliputi: - Akses gratis untuk semua pengguna di seluruh dunia - Penulis memegang hak cipta atas karya mereka - Peningkatan visibilitas dan pembaca - Publikasi cepat - Tidak ada batasan spasial Fokus dan Scop 1. Sistem Informasi 2. Informatika 3. Multimedia 4. Jaringan 6. Keamanan 7. Algoritma dan Pemrograman 8. Penelitian Lain Terkait Bidang Komputer
Arjuna Subject : Ilmu Komputer (semua kategori) - Ilmu Komputer (Lain-Lain)
Articles 131 Documents
 10   11   12   13   14 
Analisis Sentimen Terhadap Game Clash of Clans Berdasarkan Ulasan Pemain Menggunakan Metode Support Vector Machine Agustian, Satria Bayu; Tengku Pasyah, Ahmad Dani; Vinaro, Lahenda; Santoso, Rame; Purwandani, Indah
Jurnal Sistem Informasi dan Sistem Komputer Vol 11 No 1 (2026): Vol 11 No 1 - 2026
Publisher : STIMIK Bina Bangsa Kendari

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51717/simkom.v11i1.1163

Abstract

Popularitas game Clash of Clans menghasilkan volume ulasan yang besar pada platform Google Play Store hingga saat ini. Studi ini mengevaluasi opini pemain menggunakan pendekatan Support Vector Machine (SVM) terhadap 3.287 data ulasan yang dihimpun pada periode April-Mei 2025. Serangkaian tahapan preprocessing diterapkan, mulai dari pembersihan data hingga stemming. Selanjutnya, ulasan dikategorikan ke dalam label sentimen positif dan negatif. Data tersebut kemudian diproses melalui pembobotan teks TF-IDF untuk selanjutnya diklasifikasikan menggunakan algoritma SVM. Hasil pengujian menunjukkan dominasi sentimen positif dengan tingkat akurasi mencapai 89%. Temuan ini memberikan wawasan bagi pengembang dalam memetakan preferensi serta aspirasi pemain, sekaligus mengonfirmasi keandalan teknik machine learning untuk analisis sentimen yang presisi.
Penerapan Arsitektur Convolutional Neural Network Untuk Klasifikasi Biner Pada Objek Daun Mangga dan Jambu Harahap, Lailan Sofinah; Dharmawan, Kaka Davi
Jurnal Sistem Informasi dan Sistem Komputer Vol 11 No 1 (2026): Vol 11 No 1 - 2026
Publisher : STIMIK Bina Bangsa Kendari

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51717/simkom.v11i1.1196

Abstract

Identifikasi klasifikasi jenis tumbuhan secara otomatis berdasarkan citra daun masih menjadi tantangan tersendiri di bidang botani dan pertanian. Untuk mengatasi masalah ini, arsitektur Convolutional Neural Network (CNN) diterapkan untuk melakukan tugas klasifikasi biner, yaitu membedakan antara objek daun mangga (Mangifera indica) dan daun jambu biji (Psidium guajava) berdasarkan citranya. Dataset terdiri dari 1004 citra (502 mangga dan 502 jambu), dibagi menjadi 80% data latih dan 20% data validasi. Arsitektur CNN yang dibangun mencakup tiga lapisan konvolusi untuk ekstraksi fitur otomatis, diikuti lapisan pooling, flatten, dropout, dan dense untuk klasifikasi. Model dilatih menggunakan data latih yang telah di augmentasi selama 15 epoch dengan optimizer Adam dan fungsi loss binary crossentropy. Hasil evaluasi pada data validasi menunjukkan model mencapai akurasi 95.02%, membuktikan kemampuan dalam mempelajari pola pembeda dan melakukan klasifikasi biner pada objek daun secara efektif.
Implementasi Mobilenetv2 Untuk Aplikasi Edukasi Sejarah Monumen Nasional Berbasis Computer Vision Rahman, Ryan; Maharani, Sherly; Toni, Maria Igniosa; Rizal, Khairul; Susliansyah, Susliansyah; Hidayat, Rahmat
Jurnal Sistem Informasi dan Sistem Komputer Vol 11 No 1 (2026): Vol 11 No 1 - 2026
Publisher : STIMIK Bina Bangsa Kendari

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51717/simkom.v11i1.1200

Abstract

Kemajuan teknologi mobile dan kecerdasan buatan telah membuka peluang baru dalam penyediaan materi pendidikan interaktif pada ranah sejarah dan pariwisata. Penelitian ini mengembangkan aplikasi mobile edukatif untuk Monumen Nasional dengan menerapkan model MobileNetV2 dalam tugas computer vision. Aplikasi memungkinkan pengunjung memindai objek sejarah dari Monas menggunakan kamera smartphone dan memperoleh informasi secara instan. Model MobileNetV2 dipilih karena efisiensi komputasi, ukuran ringan, dan akurasi tinggi yang sesuai untuk perangkat mobile. Penelitian ini melibatkan lima tahap utama berdasarkan metode CRISP-DM: analisis kebutuhan, pengumpulan data, pra-pemrosesan citra, pelatihan model, serta integrasi model ke aplikasi. Hasil pengujian menunjukkan akurasi klasifikasi sebesar 99%, nilai loss 0,02, dan nilai loss saat validasi 0,06, menandakan model mencapai konvergensi stabil dengan indikasi overfitting yang ringan. Temuan ini menunjukkan efektivitas MobileNetV2 dalam aplikasi edukatif berbasis computer vision yang efisien di perangkat mobile, serta berkontribusi pada pelestarian budaya melalui media edukatif interaktif.
Klasifikasi Jamur Beracun dan Tidak Beracun Menggunakan Transfer Learning Model Mobilenetv2 Pada Tensorflow di Indonesia Hidayatullah, Syafiq; Insan Cemerlang, Adinda Gadis; Permana, Rifaldi Bagas; Rizal, Khairul; Hidayat, Rahmat; Susliansyah, Susliansyah
Jurnal Sistem Informasi dan Sistem Komputer Vol 11 No 1 (2026): Vol 11 No 1 - 2026
Publisher : STIMIK Bina Bangsa Kendari

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51717/simkom.v11i1.1211

Abstract

Jamur memiliki peran penting dalam pangan dan kesehatan, tetapi kesamaan morfologis antara jamur beracun dan tidak beracun menyulitkan identifikasi akurat. Penelitian ini mengklasifikasikan jamur beracun dan tidak beracun di Indonesia menggunakan Transfer Learning dengan arsitektur MobileNetV2 pada TensorFlow. Metode penelitian mengikuti tahapan CRISP-DM yang mencakup pengumpulan data, pra-pemrosesan citra, pelatihan model, serta evaluasi kinerja. Model MobileNetV2 mencapai akurasi 99,13%, precision 99,49%, recall 98,97%, dan F1-score 99%. Grafik akurasi dan loss menunjukkan peningkatan kinerja yang stabil tanpa overfitting. Hasil ini menegaskan efektivitas Transfer Learning menggunakan MobileNetV2 dalam identifikasi fitur visual jamur. Model ini berpotensi diaplikasikan pada platform web atau aplikasi mobile sebagai alat bantu identifikasi jamur otomatis, mengurangi risiko keracunan.
Identifikasi Pengenalan Tanda Tangan Menggunakan Algoritma Backpropagation dan GLCM (Grey Level Co-Occurrence Matrix) Alya, Dea; Harahap, Lailan Sofinah; Fahlome, Dodyk
Jurnal Sistem Informasi dan Sistem Komputer Vol 11 No 1 (2026): Vol 11 No 1 - 2026
Publisher : STIMIK Bina Bangsa Kendari

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51717/simkom.v11i1.1215

Abstract

Tanda tangan adalah salah satu biometrik berbasis perilaku yang sering digunakan dalam proses autentikasi. Namun, berbagai jenis tanda tangan menyebabkan proses identifikasi menjadi kompleks, sehingga memerlukan penggunaan teknologi komputer yang baik. Studi ini dibuat sebagai upaya untuk menganalisis tanda tangan yang dimiliki oleh pemilik tanda tangan berdasarkan tekstur citra menggunakan metode ekstraksi Grey Level Co-occurrence Matrix (GLCM) dan klasifikasi Backpropagation. Empat fitur GLCM (contrast, correlation, energy, homogeneity) dihitung dalam empat arah (0°, 45°, 90°, 135°). Data terdiri dari sekitar 80 data dari 4 kelas, dibagi menjadi 20 data uji dan 60 data latih. Pengujian dilakukan lima kali untuk setiap konfigurasi neuron guna memperoleh hasil rata-rata. Hasil penelitian ini menunjukkan bahwa konfigurasi lapisan tersembunyi dengan 50 neuron memberikan kinerja terbaik dengan akurasi rata-rata sekitar 80%. Meningkatkan jumlah neuron cenderung mengurangi akurasi karena kemungkinan overfitting. Meskipun demikian, kombinasi GLCM dan Backpropagation dapat mengidentifikasi tanda tangan dengan cukup baik.
Implementasi Sistem Presensi Mahasiswa Berbasis Pengenalan Wajah Menggunakan Model Facenet (CNN Backbone) dan Metode KNN Maliki, Maliki; Lestari, Lintang Aisah; Rizal, Khairul; Susliansyah, Susliansyah; Hidayat, Rahmat
Jurnal Sistem Informasi dan Sistem Komputer Vol 11 No 1 (2026): Vol 11 No 1 - 2026
Publisher : STIMIK Bina Bangsa Kendari

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51717/simkom.v11i1.1217

Abstract

Kemajuan teknologi kecerdasan buatan dan pemrosesan citra mendorong pengembangan sistem presensi yang lebih efektif dan akurat pada lingkungan perguruan tinggi. Penelitian ini difokuskan untuk menyusun dan mengimplementasikan sistem presensi mahasiswa menggunakan pengenalan wajah menggunakan FaceNet (CNN Backbone) sebagai ekstraktor fitur, sedangkan metode K-Nearest Neighbors (KNN) untuk klasifikasi identitas. Penelitian dilakukan melalui delapan tahapan, yaitu data collecting, exploratory data analysis, data preprocessing, model training, model evaluation, deployment, system testing, dan monitoring. Dataset yang digunakan terdiri dari 325 citra wajah dari 13 kelas mahasiswa dengan variasi pose, ekspresi, dan kondisi pencahayaan. Pengujian sistem dilakukan pada beberapa skenario utama, termasuk variasi intensitas cahaya dan jarak wajah ke kamera. Hasil pengujian menunjukkan akurasi pengenalan wajah sebesar 97% pada dataset yang digunakan dengan performa sistem yang stabil. Hasil ini menunjukkan bahwa kombinasi FaceNet (CNN Backbone) dan KNN efektif untuk mendukung presensi mahasiswa otomatis di lingkungan perguruan tinggi.
Pengembangan Sistem Informasi Terpadu Untuk Pengelolaan Aset, IT dan Laboratorium di Sekolah Kejuruan Achmad, Refi Riduan; Hermawanto, Dwi Fiqkri; Agung , Rafi
Jurnal Sistem Informasi dan Sistem Komputer Vol 11 No 1 (2026): Vol 11 No 1 - 2026
Publisher : STIMIK Bina Bangsa Kendari

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51717/simkom.v11i1.1224

Abstract

Pengelolaan sarana prasarana, teknologi informasi, dan laboratorium di sekolah kejuruan memerlukan sistem yang mampu mengelola data secara terintegrasi dan terstruktur. Pada praktiknya, pengelolaan aset di sekolah masih banyak dilakukan menggunakan beberapa file dan aplikasi terpisah, sehingga berpotensi menimbulkan duplikasi data, kesalahan pencatatan, dan kesulitan dalam monitoring. Penelitian ini bertujuan untuk mengembangkan sistem informasi terpadu berbasis web yang mendukung pengelolaan aset, teknologi informasi, dan laboratorium sebagai studi kasus di SMK Tamansiswa Kota Mojokerto. Metode pengembangan sistem yang digunakan adalah Rational Unified Process (RUP) karena bersifat iteratif dan sistematis. Sistem dikembangkan menggunakan framework CodeIgniter 4 dengan arsitektur Model–View–Controller (MVC) serta basis data MySQL. Pengujian sistem dilakukan melalui Black Box Testing untuk memastikan fungsi sistem berjalan sesuai kebutuhan, serta User Acceptance Testing (UAT) untuk mengetahui tingkat penerimaan pengguna. Hasil pengujian menunjukkan bahwa seluruh fungsi utama sistem dapat berjalan dengan baik dan UAT memperoleh tingkat kepuasan pengguna sebesar 92% dengan kategori Sangat Baik. Dengan demikian, sistem yang dikembangkan mampu mendukung pengelolaan aset sekolah secara terintegrasi dan diterima dengan baik oleh pengguna.
Klasifikasi Resiko Drop Out Mahasiswa ITAF Kupang Menggunakan Random Forest Sebagai Sistem Peringatan Dini Ulumando, Mohamad Iqbal
Jurnal Sistem Informasi dan Sistem Komputer Vol 11 No 1 (2026): Vol 11 No 1 - 2026
Publisher : STIMIK Bina Bangsa Kendari

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51717/simkom.v11i1.1255

Abstract

Penelitian ini bertujuan untuk mengembangkan model klasifikasi resiko drop out mahasiswa pada Institut Teknologi Alberth Foenay (ITAF) Kupang menggunakan algoritma Random Forest. Dataset yang digunakan terdiri dari 200 mahasiswa dengan beberapa variabel akademik seperti IPK, jumlah SKS, rata-rata nilai, kehadiran, mata kuliah ulang, durasi studi, dan jumlah mata kuliah tidak lulus. Tahap preprocessing dilakukan melalui pembersihan data, imputasi nilai hilang, standarisasi tipe data, serta penanganan ketidakseimbangan kelas. Model Random Forest kemudian dilatih menggunakan data training dan dievaluasi menggunakan data testing. Hasil evaluasi menunjukkan bahwa model mampu melakukan klasifikasi risiko drop out dengan performa sangat baik, dengan akurasi 91%, precision 83%, recall 78%, F1-Score 0.80, dan ROC-AUC 0.94. Analisis feature importance menunjukkan bahwa IPK, kehadiran, dan jumlah mata kuliah tidak lulus merupakan variabel yang paling berpengaruh dalam penentuan risiko. Secara keseluruhan, penelitian ini menunjukkan bahwa Random Forest efektif digunakan sebagai sistem peringatan dini untuk mengklasifikasikan mahasiswa berpotensi drop out sehingga dapat membantu institusi dalam melakukan intervensi akademik secara lebih tepat sasaran.
Analisis Usability Aplikasi Bale By BTN di Provinsi Gorontalo Menggunakan System Usability Scale Gawa, Muhamad Agung; Majid, Regita Cahyani; Saputro, Teguh Dwi; Timumun, Suci Ramadani; Tolinggi, Galang Khairi Imawan; Katili, Muhammad Rifai
Jurnal Sistem Informasi dan Sistem Komputer Vol 11 No 1 (2026): Vol 11 No 1 - 2026
Publisher : STIMIK Bina Bangsa Kendari

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51717/simkom.v11i1.1259

Abstract

Transformasi digital pada sektor perbankan mendorong peningkatan penggunaan aplikasi mobile banking, termasuk bale by BTN. Namun, berbagai keluhan mengenai tampilan, navigasi, dan performa aplikasi menunjukkan perlunya evaluasi usability. Penelitian ini bertujuan untuk mengetahui tingkat usability aplikasi bale by BTN berdasarkan pengalaman pengguna di Provinsi Gorontalo menggunakan metode System Usability Scale (SUS), mengidentifikasi fitur yang dinilai kurang optimal, serta memberikan rekomendasi perbaikan bagi pengembang. Penelitian menggunakan pendekatan kuantitatif deskriptif melalui penyebaran kuesioner SUS kepada 50 pengguna aktif. Hasil menunjukkan skor rata-rata 68,95 yang berada pada Grade C atau “OK” dengan tingkat penerimaan marginal. Temuan ini menunjukkan bahwa aplikasi cukup mudah digunakan, namun belum optimal pada aspek navigasi, kecepatan, dan konsistensi antarmuka. Penelitian menyimpulkan perlunya perbaikan UI/UX untuk meningkatkan kenyamanan dan efektivitas penggunaan aplikasi.
Penerapan Model UTAUT Pada Penerimaan Layanan GrabCar dan GrabBike: Studi Kasus Mahasiwa Universitas Negeri Gorontalo Ibrahim, Yusuf Caesaryo Syafrullah; Gani, Yulia Rahmawaty Abdul; Aling, Nursifa B.; Lahay, Sri Nilawaty
Jurnal Sistem Informasi dan Sistem Komputer Vol 11 No 1 (2026): Vol 11 No 1 - 2026
Publisher : STIMIK Bina Bangsa Kendari

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51717/simkom.v11i1.1270

Abstract

Layanan transportasi online telah mengubah lanskap mobilitas masyarakat secara signifikan. Penelitian ini bertujuan untuk menganalisis faktor-faktor yang memengaruhi penerimaan teknologi layanan GrabCar dan GrabBike di kalangan mahasiswa Universitas Negeri Gorontalo dengan menerapkan model Unified Theory of Acceptance and Use of Technology (UTAUT). Penelitian ini menggunakan metode kuantitatif dengan teknik purposive sampling. Sebanyak 100 responden berpartisipasi dalam survei ini. Data dianalisis menggunakan metode Structural Equation Modeling (SEM) berbasis varian atau Partial Least Squares (PLS) dengan bantuan perangkat lunak SmartPLS. Hasil pengujian hipotesis menunjukkan bahwa Performance Expectancy, Effort Expectancy, dan Social Influence memiliki pengaruh yang signifikan terhadap Behavioral Intention. Selanjutnya, Behavioral Intention terbukti berpengaruh signifikan terhadap Use Behavior. Namun, variabel Facilitating Conditions ditemukan tidak memiliki pengaruh signifikan terhadap perilaku penggunaan aktual mahasiswa. Temuan ini mengindikasikan bahwa aspek manfaat, kemudahan, dan pengaruh sosial menjadi pendorong utama adopsi layanan, sementara ketersediaan fasilitas teknis dianggap sebagai kebutuhan dasar yang sudah terpenuhi.

Page 13 of 14 | Total Record : 131

 10   11   12   13   14 

Filter by Year

2017 2026


Reset
Filter By Issues
All Issue Vol 11 No 1 (2026): Vol 11 No 1 - 2026 Vol 10 No 2 (2025): Vol 10 No 2 - 2025 Vol 10 No 1 (2025): Vol 10 No 1 - 2025 Vol 9 No 2 (2024): Vol 9 No 2 - 2024 Vol 9 No 1 (2024): Vol 9 No 1 - 2024 Vol 8 No 2 (2023): Vol 8 No 2 - 2023 Vol 8 No 1 (2023): Vol 8 No 1 - 2023 Vol 7 No 2 (2022): Vol 7 No 2 - 2022 Vol 7 No 1 (2022): Januari 2022 Vol 6 No 2 (2021): Juli 2021 Vol 6 No 1 (2021): Januari 2021 Vol 5 No 2 (2020): Juli 2020 Vol 5 No 1 (2020): Januari 2020 Vol 4 No 2 (2019): Juli 2019 Vol 2 No 3 (2017): Desember 2017 More Issue