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 146 Documents
 11   12   13   14   15 
Penerapan Metode Support Vector Machine Untuk Analisis Sentimen Ulasan Aplikasi Threads di Google Play Store Rijald Djonedhi Elimanafe; Sapriani Gustina; Selvi Dwi Hartiyani; Agung Prayogo
Jurnal Sistem Informasi dan Sistem Komputer Vol 11 No 2 (2026): Vol 11 No 2 - 2026
Publisher : STIMIK Bina Bangsa Kendari

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51717/simkom.v11i2.1386

Abstract

Pertumbuhan penggunaan media sosial mendorong meningkatnya jumlah ulasan pengguna yang mencakup pendapat dan pengalaman terhadap suatu aplikasi. Dengan menggunakan algoritma Support Vector Machine (SVM), penelitian ini menyelidiki persepsi pengguna aplikasi Threads di Google Play Store. Data diperoleh melalui teknik scraping sebanyak 5.000 ulasan berbahasa Indonesia. Data tersebut kemudian diproses melalui tahap prapemrosesan teks yang mencakup pembersihan data, case folding, normalisasi, tokenisasi, stopword removal, stemming, serta penghapusan data kosong. Proses pelabelan sentimen dilakukan secara semi-otomatis berdasarkan nilai rating dan dikelompokkan ke dalam tiga kategori, yaitu positif, netral, dan negatif. Metode Frequency-Inverse Document Frequency (TF-IDF) dipakai untuk membangun representasi fitur. Kemudian, klasifikasi dilakukan menggunakan model SVM dengan kernel Radial Basis Function (RBF), dan metrik akurasi dan confusion matrix digunakan untuk mengevaluasi. Hasil penelitian menunjukkan tingkat akurasi 96,29% pada data pelatihan dan 77,68% pada data pengujian, sehingga menunjukkan bahwa kombinasi TF-IDF dan SVM efektif dalam analisis sentimen ulasan aplikasi berbahasa Indonesia.
Perbandingan Sentimen Ulasan Aplikasi Gemini Pada Google Play Store Menggunakan Metode SVM dan Naive Bayes Dimas Pungky Eprianza; Mochamad Agung Laksono; Aria Farhan Qur’ani; Susliansyah; Hendro Priyono
Jurnal Sistem Informasi dan Sistem Komputer Vol 11 No 2 (2026): Vol 11 No 2 - 2026
Publisher : STIMIK Bina Bangsa Kendari

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51717/simkom.v11i2.1334

Abstract

Teknologi kecerdasan buatan (AI) berkembang pesat dan telah diterapkan di berbagai aspek kehidupan masyarakat, termasuk chatbot seperti Gemini AI dari Google. Meskipun memiliki banyak fitur menarik, beberapa pengguna telah mengungkapkan ketidakpuasan terhadap fungsionalitas aplikasi tersebut. Berdasarkan ulasan dari Google Play Store, penelitian ini menyelidiki persepsi pengguna terhadap aplikasi Gemini. Metode Support Vector Machine dan Naive Bayes digunakan untuk menganalisis 1.000 ulasan yang dikumpulkan melalui proses scraping. Pra-pemrosesan, pembobotan TF-IDF, pemisahan data, implementasi algoritma, dan evaluasi model Google Colab merupakan bagian dari fase penelitian. Berdasarkan temuan penelitian ini, SVM mencapai akurasi 81,4%, sedangkan teknik Naive Bayes mencapai akurasi terbaik sebesar 82,4%. Hasil analisis mengindikasikan bahwa kedua metode memiliki kemampuan yang lebih baik dalam klasifikasi sentimen positif relatif terhadap sentimen negatif.
Autentikasi Kehadiran Mahasiswa Menggunakan Teknik Pengenalan Wajah Dengan Metode Eigenface Studi Kasus STMIK Bina Bangsa Kendari Asmira Asmira; Rahmat Inggi; La Ode Bakrim; Iin Santia
Jurnal Sistem Informasi dan Sistem Komputer Vol 11 No 2 (2026): Vol 11 No 2 - 2026
Publisher : STIMIK Bina Bangsa Kendari

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51717/simkom.v11i2.1371

Abstract

Perkembangan teknologi informasi mendorong penggunaan sistem komputer dalam berbagai bidang, termasuk sistem absensi berbasis pengenalan wajah. Penelitian ini bertujuan membangun sistem autentikasi kehadiran mahasiswa menggunakan metode Eigenface pada STMIK Bina Bangsa Kendari. Metode yang digunakan meliputi proses registrasi wajah, penyimpanan dataset, training citra wajah, dan proses identifikasi wajah saat absensi melalui kamera webcam. Sistem bekerja dengan membandingkan citra wajah yang diambil dengan data wajah yang telah dilatih sebelumnya. Hasil pengujian dilakukan terhadap 21 citra wajah, dengan 9 wajah berhasil dikenali dan 12 wajah tidak terdeteksi, sehingga diperoleh tingkat akurasi sistem 42,85 %. Berdasarkan hasil pengujian, seluruh fitur sistem telah berjalan sesuai dengan fungsinya. Namun tingkat akurasi tersebut menunjukkan bahwa sistem masih memerlukan pengembangan lebih lanjut, terutama pada aspek kualitas citra, pencahayaan, dan jumlah data latih agar dapat diterapkan secara optimal sebagai sistem absensi berbasis pengenalan wajah.
Sistem Informasi Pengelolaan Dan Monitoring Kegiatan Siswa Pada SMA Negeri 1 Runjung Agung Elvisa Dwian; Fathiyah Nopriani; Sri Rahayu
Jurnal Sistem Informasi dan Sistem Komputer Vol 11 No 2 (2026): Vol 11 No 2 - 2026
Publisher : STIMIK Bina Bangsa Kendari

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51717/simkom.v11i2.1403

Abstract

Pengelolaan kegiatan kesiswaan non-kurikulum di SMA Negeri 1 Runjung Agung saat ini masih mengandalkan prosedur manual, sehingga proses pendataan, pemantauan, dan penyusunan laporan kegiatan belum dapat dilakukan secara optimal. Untuk mengatasi permasalahan tersebut, penelitian ini merancang dan mengimplementasikan Sistem Informasi Monitoring Kegiatan Siswa (SIMKS) berbasis web dengan menerapkan metode Rapid Application Development (RAD) menggunakan Framework Laravel. Pengelolaan hak akses dirancang berdasarkan konsep Role-Based Access Control (RBAC) yang membedakan kewenangan enam jenis pengguna, yaitu administrator, wakil kepala dekolah bidang kesiswaan, wakil kepala sekolah bidang kurikulum, guru, siswa, dan orang tua. Evaluasi sistem melalui Blackbox Testing menunjukkan fungsional setiap fitur berjalan sesuai rancangan. Sementara itu, pengujian User Acceptance Test (UAT) menghasilkan skor penerimaan pengguna sebesar 91,06%, yang mengindikasikan bahwa sistem telah memenuhi kebutuhan pengguna. Dengan demikian, SIMKS mampu mendukung pengelolaan dan monitoring kegiatan siswa melalui platform yang terintegrasi, terpusat, dan mudah diakses oleh pihak sekolah maupun orang tua.
Prediksi Kegagalan Build Real-Time Pada Pipeline CI/CD Menggunakan Pendekatan Machine Learning Berbasis Data Streaming Hirmayanti Hirmayanti; Harianto Harianto; Rooy Marthen Thaniket
Jurnal Sistem Informasi dan Sistem Komputer Vol 11 No 2 (2026): Vol 11 No 2 - 2026
Publisher : STIMIK Bina Bangsa Kendari

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51717/simkom.v11i2.1414

Abstract

Kegagalan proses build pada lingkungan Continuous Integration/Continuous Deployment (CI/CD) dapat menghambat rilis perangkat lunak, meningkatkan biaya perbaikan, dan menurunkan efisiensi pengembangan. Hal ini menunjukkan perlunya sistem prediksi yang cepat, adaptif, serta mampu menangani data yang terus mengalir secara real-time. Penelitian ini bertujuan untuk menganalisis dan membandingkan kinerja beberapa algoritma online machine learning dalam memprediksi kegagalan build pada pipeline CI/CD. Dataset yang digunakan berasal dari TravisTorrent yang mencakup aktivitas repositori, perubahan kode, metrik pengujian, serta riwayat build. Tahapan penelitian meliputi preprocessing data, pembentukan skema data streaming, penerapan model Hoeffding Tree, Adaptive Random Forest (ARF), dan Online Logistic Regression, serta evaluasi menggunakan metrik accuracy. Hasil eksperimen menunjukkan model terbaik mencapai accuracy 97,35%, lebih tinggi dibandingkan penelitian sebelumnya sebesar 95,9%. Peningkatan absolut sebesar 1,45 poin persentase atau sekitar 1,51% ini membuktikan bahwa pendekatan yang digunakan lebih efektif dalam mengenali pola kegagalan build pada lingkungan CI/CD berbasis streaming data.
Perancangan Aplikasi Financial Technology Dengan Metode Mobile Application Development Lifecycle Berdasarkan Analisis Kebutuhan Pengguna Ignatius Adrian Mastan; Fendyanto Fendyanto; Kosasi Kosasi
Jurnal Sistem Informasi dan Sistem Komputer Vol 11 No 2 (2026): Vol 11 No 2 - 2026
Publisher : STIMIK Bina Bangsa Kendari

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51717/simkom.v11i2.1478

Abstract

Perkembangan Financial Technology (FinTech) sebagai integrasi layanan keuangan dan teknologi digital telah memberikan dampak signifikan dalam aktivitas ekonomi modern. Penggunaan FinTech semakin meningkat seiring tingginya penetrasi smartphone di Indonesia, sehingga memudahkan masyarakat dalam melakukan berbagai transaksi secara daring. Namun, implementasi FinTech masih menghadapi kendala dalam aspek efisiensi, kemudahan penggunaan, dan pemenuhan kebutuhan pengguna. Penelitian ini bertujuan untuk merancang solusi aplikasi FinTech yang berorientasi pada kebutuhan pengguna melalui pendekatan survei terhadap 204 responden. Hasil penelitian menunjukkan sebanyak 143 responden (70,1%) membutuhkan aplikasi e-wallet yang merupakan layanan FinTech yang paling banyak digunakan, dengan fitur utama yang diharapkan meliputi kemudahan transaksi, kecepatan, serta pembayaran tagihan. Berdasarkan hasil analisis, dikembangkan prototipe aplikasi e-wallet bernama Collec yang menyediakan fitur transaksi, riwayat keuangan, reward, dan akun merchant. Evaluasi melalui User Acceptance Testing menunjukkan bahwa aplikasi ini mampu meningkatkan efektivitas dan efisiensi serta memberikan pengalaman pengguna yang lebih baik, dengan success rate sebesar 98%.

Page 15 of 15 | Total Record : 146

 11   12   13   14   15 

Filter by Year

2017 2026


Reset
Filter By Issues
All Issue Vol 11 No 2 (2026): Vol 11 No 2 - 2026 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