cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Ibnu Rusydi
Contact Email
ibnurusydi@dharmawangsa.ac.id
Phone
+6282362606572
Journal Mail Official
admin_syntax@dharmawangsa.ac.id
Editorial Address
Kampus I, Universitas Dharmawangsa, Jl. K.L Yos Sudarso No. 244 Medan, Sumatera Utara, Indonesia
Location
Unknown,
Unknown
INDONESIA
Syntax: Journal of Software Engineering, Computer Science and Information Technology
Published by Universitas Dharmawangsa
ISSN : 27767027     EISSN : 27230538     DOI : DOI: https://doi.org/10.46576/syntax
Core Subject : Science, Engineering,
Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering
Syntax: Journal of Software Engineering, Computer Science and Information Technology adalah Jurnal ilmiah yang dikelola dan diterbitkan oleh Program Studi Rekayasa Perangkat Lunak, Fakultas Teknik dan Ilmu Komputer, Universitas Dharmawangsa, Medan, Indonesia. Jurnal ini membahas tentang topik-topik yang berkenaan dengan bidang rekayasa perangkat lunak, ilmu komputer, sistem informasi, teknologi informasi dan komunikasi.
Arjuna Subject : Ilmu Komputer (semua kategori) - Ilmu Komputer (Lain-Lain)
Articles 17 Documents
 1   2 
Search results for , issue "Vol 6, No 1 (2025): Juni 2025" : 17 Documents clear
SISTEM INFORMASI HARMONIZE FAMILY SPA BERBASIS WEBSITE Octaviani, Rini; Mayasari, Nova
Syntax : Journal of Software Engineering, Computer Science and Information Technology Vol 6, No 1 (2025): Juni 2025
Publisher : Universitas Dharmawangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46576/syntax.v6i1.6918

Abstract

Pada era global saat ini, teknologi berkembang dengan cepat, terutama di bidang sistem informasi. Setiap organisasi, perusahaan, pemerintah, dan sekolah pasti membutuhkan teknologi informasi untuk mengelola data dan menyebarkannya. Oleh karena itu, sangat penting bagi organisasi, perusahaan, pemerintah, dan sekolah untuk menggunakan sistem informasi yang terpercaya untuk mengatur proses data dengan lancar serta membantu dan meningkatkan kecepatan penerimaan data. Spa adalah cara terbaik untuk meremajakan tubuh dengan luluran, pemijatan, dan semua aktivitas lainnya. Istilah "spa" berasal dari nama kota di Belgia "spa", yang berarti "solus per aqua", yang berarti "solus perawatan" atau "solus per pengobatan", dengan "per" berarti "dengan" dan "aqua" berarti "air." Spa menggunakan air untuk memberikan perawatan atau pengobatan. Harmonize Family Spa merupakan sebuah badan usaha yang bergerak di bidang jasa pelayanan kesehatan yang beralamat di Jl. Adam Malik No.82 Medan. Di Harmonize Family Spa memiliki body massage yang beragam yaitu, Harmonize massage, Refleksi boy massage. Mokza massage, dan Hot oil massage.
ANALISIS BRAND LAYANAN AKADEMIK PERGURUAN TINGGI INDONESIA MENGGUNAKAN KLASIFIKASI TEKS DI MEDIA SOSIAL Hayati, Hashri; Alifi, Muhammad Riza
Syntax : Journal of Software Engineering, Computer Science and Information Technology Vol 6, No 1 (2025): Juni 2025
Publisher : Universitas Dharmawangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46576/syntax.v6i1.6924

Abstract

 Penelitian ini bertujuan untuk menganalisis persepsi komunitas eksternal terhadap brand akademik perguruan tinggi di Indonesia melalui media sosial, khususnya Twitter/X. Seiring dengan tingginya jumlah perguruan tinggi dan angka partisipasi kasar (APK), kompetisi antar institusi pendidikan tinggi semakin kuat, mendorong perlunya diferensiasi brand yang disampaikan ke publik. Dalam studi ini, dikumpulkan post dari 30 akun resmi X perguruan tinggi di Indonesia yang kemudian diklasifikasikan ke dalam lima kategori brand akademik: Innovative, Global Impact, Student Engagement, Career Focused, dan Research Excellent. Proses klasifikasi dilakukan dengan membangun model pembelajaran menggunakan algoritma Naïve Bayes, yang diimplementasikan melalui pustaka pemrosesan bahasa alami di lingkungan Node.js. Untuk mengevaluasi kinerja model, dilakukan pengujian terhadap dataset uji terpisah, dan dihitung metrik evaluasi berupa precision, recall, dan accuracy berdasarkan nilai True Positive, False Positive, dan False Negative yang diperoleh melalui confusion matrix untuk setiap kelas. Hasil evaluasi menunjukkan bahwa model yang dikembangkan memiliki performa nilai rata-rata precision sebesar 80,8%, recall sebesar 78,8%, dan accuracy sebesar 80%, sehingga dapat diandalkan sebagai alat bantu untuk memahami kesesuaian antara brand yang dikomunikasikan dan persepsi publik secara daring. Kata Kunci— brand akademik, brand perguruan tinggi, klasifikasi teks, naïve bayes, media sosial. ABSTRACTThis study aims to analyze the perceptions of external communities regarding the academic branding of Indonesian universities through social media, particularly Twitter/X. With the growing number of higher education institutions and rising gross enrollment rates, competition among universities has intensified—prompting the need for more distinct and strategic public brand positioning. In this study, posts were collected from 30 official university X accounts in Indonesia and categorized into five academic brand themes: Innovative, Global Impact, Student Engagement, Career Focused, and Research Excellent. The classification process involved building a supervised machine learning model using the Naïve Bayes algorithm, implemented with a natural language processing library in the Node.js environment. To evaluate the model's performance, a separate test dataset was used, and evaluation metrics—namely precision, recall, and accuracy—were calculated for each class based on values of True Positive, False Positive, and False Negative derived from a confusion matrix. The results indicate that the developed model performs well, achieving average scores of 80,8% for precision, 78,8% for recall, and 80% for accuracy, making it a reliable tool for assessing the alignment between institutional brand communication and public perception in online discourse. Keywords—academic brand, university brand, text classification, naïve bayes, social media.  
RANCANG BANGUN APLIKASI PENJUALAN PRODUK PRODUK ELEKTRONIK PADA PT. MEGAH JAYA PLASINDO BERBASIS ANDROID Dewa, Imam Syafa; Kurniawan, Helmi
Syntax : Journal of Software Engineering, Computer Science and Information Technology Vol 6, No 1 (2025): Juni 2025
Publisher : Universitas Dharmawangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46576/syntax.v6i1.6252

Abstract

PT. Megah Jaya Plasindo merupakan perusahaan yang bergerak di bidang penjualan alat elektronik. Sekarang ini, masih banyak penulisan / pencatatan data-data penjualan pada PT. Megah Jaya Plasindo yang dilakukan secara konvensional. Sistem yang masih digunakan adalah sistem konvensional yaitu melakukan pencatatan, baik itu transaksi penjualan ataupun pembelian barang ke dalam sebuah buku. Karena sistem konvensional tersebut membuat kinerja PT. Megah Jaya Plasindo menjadi kurang efektif dan efisien. Dan untuk proses kalkulasi penjualan obat yang hanya menggunakan cara konvensional yaitu dengan alat penghitung kalkulator. Penjualan secara konvensional tidak terlalu banyak membantu penjualan karena sulitnya dalam berpromosi. Melakukan promosi secara langsung mendatangi calon pembelinya yang sudah pasti akan memakan biaya yang cukup besar. Dalam pembuatan laporan penjualan produk juga mengalami kendala. Memerlukan waktu dan tenaga untuk mengolah laporan untuk data-data yang masih berbentuk kertas sehingga laporan - laporan yang diperlukan tidak dapat langsung disediakan.
SISTEM MONITORING SISWA BERBASIS DSS TERHADAP PELANGGARAN SEKOLAH PADA MTS.S AL WASLIYAH TEMBUNG Ramadhani, Nur; -, Suherman; Amin, Muhammad
Syntax : Journal of Software Engineering, Computer Science and Information Technology Vol 6, No 1 (2025): Juni 2025
Publisher : Universitas Dharmawangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46576/syntax.v6i1.6958

Abstract

Menjaga kedisiplinan siswa sangat penting untuk menumbuhkan lingkungan belajar yang kondusif, namun banyak sekolah tidak memiliki pendekatan sistematis untuk mengatasi pelanggaran. Studi kami di Sekolah Al Wasliyah Tembung mengidentifikasi tren peningkatan pelanggaran siswa, yang disebabkan oleh tidak adanya sistem pemantauan yang terstandarisasi. Untuk mengurangi hal ini, kami mengusulkan dan mengevaluasi Sistem Pendukung Keputusan (DSS) yang dirancang untuk melacak pelanggaran siswa secara sistematis dan menginformasikan sanksi akademis. Dengan menggunakan metode Simple Additive Weighting (SAW), DSS mengklasifikasikan pelanggaran ke dalam kategori ringan, sedang, dan berat. Sistem ini menyediakan ikhtisar terstruktur dari data disiplin siswa, yang memfasilitasi pengambilan keputusan berdasarkan data untuk sanksi. DSS ini menawarkan alternatif penting untuk metode saat ini, yang bertujuan untuk meningkatkan efektivitas manajemen disiplin siswa. Hasil dari penelitian ini menunjukkan data siswa secara terstruktur dengan tingkat kategori, sehingga dapat mempermudah pemberian sangsi dengan berbasis data. Sistem monitoring ini diharapkan menjadi suatu alternatif, dari begitu banyak sistem yang sudah ada. 
ANALISIS KOMPARATIF KLASIFIKASI MACHINE LEARNING UNTUK MEMPREDIKSI STUNTING PADA ANAK USIA DI BAWAH LIMA TAHUN Saputra, Yudhi Fajar; Al-Khasawneh, Mahmoud Ahmad; Milkhatun, Milkhatun; Asthiningsih, Ni Wayan Wiwin; Rahmah, Sitti
Syntax : Journal of Software Engineering, Computer Science and Information Technology Vol 6, No 1 (2025): Juni 2025
Publisher : Universitas Dharmawangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46576/syntax.v6i1.6852

Abstract

Stunting merupakan salah satu permasalahan kesehatan masyarakat yang bisa berdampak jangka panjang terhadap kualitas sumber daya manusia di Indonesia. Deteksi dini terhadap status stunting anak usia di bawah lima tahun menjadi langkah dalam mencegah gangguan pertumbuhan kronis akibat stunting, sehingga penelitian ini bertujuan untuk membangun model klasifikasi status stunting dengan memanfaatkan pendekatan data mining menggunakan algoritma Decision Tree dan Random Forest. Data yang digunakan diperoleh dari hasil survei terhadap ibu yang memiliki anak dibawah umur lima tahun dengan sejumlah 193 responden, data tersebut mencakup variabel antropometri dan sosial ekonomi, seperti tinggi badan, berat badan, usia anak, pendidikan orang tua, pendapatan keluarga, dan urutan kelahiran. data tersebut diproses melalui tahapan Knowledge Discovery in Databases (KDD) meliputi seleksi atribut, imputasi, encoding, dan klasifikasi melalui proses permodelan data mining, selanjutnya evaluasi dilakukan dengan metrik klasifikasi Classification Accuracy(CA) dan Area Under the Curve (AUC) dari kurva Receiver Operating Characteristic (ROC). Hasil penelitian menunjukkan bahwa model Random Forest memiliki performa lebih baik dibandingkan Decision Tree dengan nilai CA 71% dan AUC 0.74. dibandingkan Decision Tree dengan nilai CA 67% dan AUC 0.68. Peneliti berharap bahwa Model prdiksi ini berpotensial dapat digunakan sebagai sistem deteksi dini stunting berbasis data atau sebagai rujukan untuk penelitian berikutnyaKata Kunci—Stunting, Machine Learning, Random Forest, Decision Tree, Classification Model, ROC Curve. ABSTRACTStunting is one of the public health issues that can have long-term impacts on the quality of human resources in Indonesia. Early detection of stunting status among children under five years of age is a critical step in preventing chronic growth disorders. Therefore, this study aims to develop a classification model for stunting status using a data mining approach with Decision Tree and Random Forest algorithms. The dataset was obtained from a survey of 193 mothers with children under five, encompassing anthropometric and socioeconomic variables such as height, weight, child’s age, parental education, family income, and birth order. The data were processed through the stages of Knowledge Discovery in Databases (KDD), including attribute selection, imputation, encoding, and classification modeling. The model performance was evaluated using classification metrics: Classification Accuracy (CA) and the Area Under the Curve (AUC) from the Receiver Operating Characteristic (ROC) curve. The results show that the Random Forest model outperformed the Decision Tree, achieving a CA of 71% and an AUC of 0.74, compared to the Decision Tree with a CA of 67% and an AUC of 0.68. This predictive model is expected to be useful as a data-driven early detection system for stunting or serve as a reference for future research.Keywords—Stunting, Machine Learning, Random Forest, Decision Tree, Classification Model, ROC Curve.
IMPLEMENTASI METODE AHP PADA SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN CLEANING SERVICE TERBAIK Pratiwi, Indah; Zulham, Zulham; Rusydi, Ibnu; Solihin Hasugian, Buyung
Syntax : Journal of Software Engineering, Computer Science and Information Technology Vol 6, No 1 (2025): Juni 2025
Publisher : Universitas Dharmawangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46576/syntax.v6i1.7161

Abstract

Pada pemilihan Cleaning service sering kali memiliki kendala ataupun masalah dalam menangani kinerja yang tidak sesuat dengan kontrak kerja yang diberikan kemereka, maka dalam hal ini pihak PT.Seribu Nusantara Sejahtera dapat mengamati dan melakukan penilaian dengan cepat pada jasa Cleaning service. Dalam suatu perusahaan memerlukan pengambilan keputusan yang maksimal dan cepat, maka dalam pembangunan sistem penilaian yg bisa dan tergi pada memilih kinerja Cleaning service dalam PT.Seribu Nusantara Sejahtera. Oleh karena itu, perusahaan bisa memakai keilmuan pada suatu sistem pendukung keputusan, yg bisa menyimpulkan output keputusan dalam menyelesaikan permasalahan dalam penentuan kinerja Cleaning service dengan menggunakan metode AHP.Permasalahan tersebut dimana suatu perusahaan membutuhkan suatu bidang keilmuan yang dapat membantu dalam pengambilan keputusan yaitu Sistem Pendukung Keputusan engan menggunakan metode AHP lebih akurat dalam perhitungan perangkingan alternatif karena evaluasi kriteria maksimum dan kriteria minimum dilakukan secara terpisah. Hasil penelitian ini mendapatkan hasil yang maksimal dalam menganalisa dan dapat membantu petugas agar dapat menentukan dalam kinerja cleaning service diharapkan dapat membantu pihak PT.Seribu Nusantara SejahteraKata Kunci : AHP, Cleaning Service, Sistem Pendukung Keputusan.Abstract- In the selection of cleaning services, they often have problems or problems in handling performance that is not in accordance with the work contract given to them, so in this case PT. Seribu Nusantara Sejahtera can observe and make a quick assessment of cleaning services. In a company that requires maximum and fast decision making, then in the development of an assessment system that can and is focused on selecting cleaning service performance in PT.Seribu Nusantara Sejahtera. Therefore, companies can use knowledge in a decision support system, which can conclude decision outputs in solving problems in determining cleaning service performance using the AHP method.The problem is where a company needs a scientific field that can assist in decision making, namely the Decision Support System using the AHP method is more accurate in calculating alternative rankings because the evaluation of maximum criteria and minimum criteria is carried out separately. The results of this study get maximum results in analyzing and can help officers to be able to determine the cleaning service performance, which is expected to help PT.Seribu Nusantara SejahteraKeywords : AHP, Cleaning Service, Decision Support System.
ANALISIS SENTIMEN PADA ULASAN PENGGUNA TIKTOK DAN TOKOPEDIA MENGUNAKAN MESIN LEARNING BERBASIS NAIVE BAYES CLASSIFIER -, Mubarak; Ashari, Annisa; Harahap, Gilang; Rosnelly, Rika
Syntax : Journal of Software Engineering, Computer Science and Information Technology Vol 6, No 1 (2025): Juni 2025
Publisher : Universitas Dharmawangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46576/syntax.v6i1.6960

Abstract

Abstrak−Analisis sentimen merupakan teknik penting dalam memahami opini dan pengalaman pengguna terhadap layanan atau produk, terutama di platform e-commerce yang berkembang pesat seperti TikTok Shop. Tujuan dari penelitian ini adalah mengetahui dan analisis terhadap sentimen keluhan penjual di TikTok Shop dengan menggunakan algoritma Naive Bayes Classifier. Dataset yang digunakan terdiri dari ulasan penguna TikTok. yang diambil dari dataset kaggle. Penelitian ini bertujuan untuk menganalisis sentimen ulasan pengguna TikTok menggunakan algoritma Naïve Bayes untuk menganalisis data sentimen tersebut. Algoritma Naive Bayes diterapkan untuk mengklasifikasikan sentimen ulasan menjadi dua kategori: positif, dan negatif. Penelitian ini mengunakan Model Algiritma Naive Bayes berhasil mencapai nilai akurasi 97%, nilai CA 82%, nilai F1 82%, nilai Prec 86%, nilai Recall 82% dan nilai MCC 68% tergantung pada pengaturan dataset. Pada penelitian ini jumlah dataset yang digunakan berjumlah 3145 data yang diambil dari dataset kaggle, dengan pengaturan dataset traning sebesar 90% dan dataset test sebesar 10%. Temuan ini memberikan wawasan berharga bagi pengelola TikTok Shop untuk meningkatkan fitur dan layanan mereka berdasarkan umpan balik pengguna. Rekomendasi untuk penelitian selanjutnya mencakup penggunaan dataset yang lebih besar dan penerapan algoritma lain untuk perbandingan efektivitas serta eksplorasi lebih lanjut terhadap faktor-faktor yang mempengaruhi sentimen pengguna. Kata kunci : TikTok, Analisis Sentimen, Algoritma Naive Bayes, Ulasan Pengguna Abstract− Sentiment analysis is an important technique in understanding user opinions and experiences towards services or products, especially on rapidly growing e-commerce platforms such as TikTok Shop. The purpose of this study is to determine and analyze the sentiment of seller complaints on TikTok Shop using the Naive Bayes Classifier algorithm. The dataset used consists of TikTok user reviews. taken from the kaggle dataset. This study aims to analyze the sentiment of TikTok user reviews using the Naive Bayes algorithm to analyze the sentiment data. The Naive Bayes algorithm is applied to classify review sentiment into two categories: positive and negative. This study uses the Naive Bayes Algorithm Model successfully achieving an accuracy value of 97%, a CA value of 82%, an F1 value of 82%, a Prec value of 86%, a Recall value of 82% and an MCC value of 68% depending on the dataset settings. In this study, the number of datasets used was 3145 data taken from the kaggle dataset, with a training dataset setting of 90% and a test dataset of 10%. These findings provide valuable insights for TikTok Shop managers to improve their features and services based on user feedback. Recommendations for further research include the use of larger datasets and the application of other algorithms for comparison of effectiveness as well as further exploration of factors influencing user sentiment. Keywords: TikTok, Sentiment Analysis, Naive Bayes Algorithm, User Reviews

Page 2 of 2 | Total Record : 17

 1   2 

Filter by Year

2025 2025


Reset
Filter By Issues
All Issue Vol 6, No 1 (2025): Juni 2025 Vol 5, No 2 (2024): Desember 2024 Vol 5, No 1 (2024): Juni 2024 Vol 4, No 2 (2023): Desember 2023 Vol 4, No 1 (2023): Juni 2023 Vol 3, No 2 (2022): Desember 2022 Vol 3, No 1 (2022): Juni 2022 Vol 2, No 2 (2021): Desember 2021 Vol 2, No 1 (2021): Juni 2021 Vol 1, No 2 (2020): Desember 2020 Vol 1, No 1 (2020): Juni 2020 More Issue