cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Mujito
Contact Email
mujito@ummetro.ac.id
Phone
+6281288042180
Journal Mail Official
jmsi@ummetro.ac.id
Editorial Address
Jl. Iringmulyo, Kec. Metro Tim., Kota Metro, Lampung 34381
Location
Kota metro,
Lampung
INDONESIA
Jurnal Mahasiswa Sistem Informasi (JMSI)
Published by Universitas Muhammadiyah Metro
ISSN : 27159426     EISSN : 27209849     DOI : https://doi.org/10.24127
Core Subject : Science,
Computer Science & IT
Jurnal Mahasiswa Sistem Informasi (JMSI) merupakan jurnal yang diterbitkan oleh program studi DIII Sistem Informasi fakultas ilmu komputer Universitas Muhammadiyah Metro. Fokus dan Scope dari JMSI yaitu : - Information System -Management Information system -business intelligence -Security and Networking -E-Learning, E-Business, E-Government, E-Commerce -Mobile Computing -Software Engineering -Computer Software and Applications -Database, Data Mining, Data Warehouse -Intelligent Systems -Decision Support and Expert System
Arjuna Subject : Ilmu Komputer (semua kategori) - Sistem Informasi
Articles 144 Documents
 7   8   9   10   11 
KINERJA ALGORITMA MACHINE LEARNING DALAM ANALISIS SENTIMEN ULASAN PENGGUNA APLIKASI LIVIN’ BY MANDIRI PADA GOOGLE PLAY STORE Ovelina Devi Kurnia; Erna Daniati; Aidina Ristyawan
Jurnal Mahasiswa Sistem Informasi (JMSI) Vol. 6 No. 2 (2025): Jurnal Mahasiswa Sistem Informasi (JMSI)
Publisher : Program Studi DIII Sistem Informasi - Universitas Muhammadiyah Metro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24127/jmsi.v6i2.8993

Abstract

Analisis sentimen menjadi pendekatan penting dalam memahami opini pengguna terhadap suatu produk digital, termasuk aplikasi mobile banking. Penelitian ini bertujuan untuk mengklasifikasikan sentimen ulasan pengguna terhadap aplikasi Livin’ by Mandiri yang diperoleh dari Google Play Store. Data dikumpulkan melalui teknik scraping dan diproses menggunakan metode stratified balancing berbasis perhitungan Slovin untuk menangani ketidakseimbangan kelas. Sebanyak 1925 data ulasan digunakan sebagai sampel penelitian. Representasi fitur dilakukan dengan teknik TF-IDF, dan model klasifikasi dibangun menggunakan tiga algoritma pembelajaran mesin, yaitu Support Vector Machine (SVM), Logistic Regression (LR), dan Naive Bayes (NB). Hasil evaluasi menunjukkan bahwa algoritma SVM memberikan performa terbaik dengan akurasi 82%, diikuti oleh LR (81%), dan NB (62%). Evaluasi dilakukan menggunakan metrik akurasi, presisi, recall, dan F1-score. Temuan ini menunjukkan bahwa pemilihan algoritma yang tepat berperan besar dalam efektivitas klasifikasi sentimen, khususnya pada data teks yang besar dan tidak seimbang. Penelitian ini memberikan kontribusi dalam pengembangan sistem evaluasi otomatis berbasis ulasan pengguna untuk mendukung peningkatan kualitas layanan aplikasi perbankan digital
RANCANG BANGUN SISTEM INFORMASI PRESENSI KEHADIRAN SISWA BERBASIS WEBSITE: STUDI KASUS SMP NEGERI 1 KERTOSONO Ferlita Putri Anugerah Illahi; Erna Daniati; Dwi Harini
Jurnal Mahasiswa Sistem Informasi (JMSI) Vol. 6 No. 2 (2025): Jurnal Mahasiswa Sistem Informasi (JMSI)
Publisher : Program Studi DIII Sistem Informasi - Universitas Muhammadiyah Metro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24127/jmsi.v6i2.8995

Abstract

Penelitian ini bertujuan untuk merancang dan membangun sistem informasi presensi kehadiran siswa berbasis website yang terintegrasi dengan teknologi GPS dan WhatsApp API di SMP Negeri 1 Kertosono. Sistem ini dikembangkan menggunakan metode Waterfall dan bahasa pemrograman Node.js serta pustaka NLP.js untuk mendukung fitur chatbot. Kehadiran siswa dapat diverifikasi secara real-time melalui lokasi GPS, dan notifikasi kehadiran dikirim langsung kepada orang tua melalui WhatsApp. Hasil implementasi menunjukkan bahwa sistem mampu meningkatkan efisiensi, transparansi, dan pengawasan kehadiran siswa, serta mempercepat komunikasi antara sekolah dan orang tua. Sistem ini diharapkan menjadi solusi efektif terhadap permasalahan presensi manual yang selama ini digunakan.
ANALISIS POLA KECELAKAAN LALU LINTAS MENGGUNAKAN ALGORITMA APRIORI DAN FP-GROWTH STUDI KASUS : SATLANTAS POLRESTABES SURABAYA M Aldan Adiar Firdaus; Dhian Satria Yudha Kartika; Abdul Rezha Efrat Najaf
Jurnal Mahasiswa Sistem Informasi (JMSI) Vol. 6 No. 2 (2025): Jurnal Mahasiswa Sistem Informasi (JMSI)
Publisher : Program Studi DIII Sistem Informasi - Universitas Muhammadiyah Metro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24127/jmsi.v6i2.8997

Abstract

Kota Surabaya merupakan wilayah dengan tingkat kecelakaan lalu lintas yang tinggi, dengan tren peningkatan hampir setiap tahun. Penelitian ini bertujuan menganalisis pola kecelakaan menggunakan association rule mining dengan algoritma Apriori dan FP-Growth. Data yang digunakan mencakup 711 kejadian kecelakaan periode Januari–Juni 2023. Preprocessing dan analisis dilakukan menggunakan Anaconda Jupyter, dengan parameter minimum support 10% dan 30% serta minimum confidence 80% menghasilkan 62 dan 8 aturan. Hal ini membuktikan semakin tinggi nilai support dan confidence maka aturan yang dihasilkan semakin sedikit sehingga pilihan untuk menganalisis aturan terbatas. Kedua algoritma menghasilkan aturan serupa, dengan temuan dominan berupa korelasi kuat antara jalan lurus dan tingkat keparahan kecelakaan ringan. Hal ini mengindikasikan bahwa meskipun jalan lurus dianggap aman, lokasi ini justru menjadi titik rawan kecelakaan dengan dampak ringan. Penelitian ini juga mengembangkan sistem berbasis web menggunakan Flask untuk memvisualisasikan aturan asosiasi, guna mendukung evaluasi kebijakan keselamatan jalan. Temuan ini dapat menjadi acuan bagi pemangku kepentingan dalam meningkatkan pengawasan di ruas jalan rawan.
PERAN CLOUD COMPUTING DALAM MENINGKATKAN EFISIENSI SISTEM INFORMASI DI PERUSAHAAN Lintang Aprillia; Maisarah Febiyana; Shalsa Sabrina Pungkasari
Jurnal Mahasiswa Sistem Informasi (JMSI) Vol. 6 No. 2 (2025): Jurnal Mahasiswa Sistem Informasi (JMSI)
Publisher : Program Studi DIII Sistem Informasi - Universitas Muhammadiyah Metro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24127/jmsi.v6i2.9000

Abstract

Cloud computing telah merevolusi cara perusahaan mengelola sistem informasi mereka dengan menyediakan fleksibilitas, skalabilitas, serta efisiensi biaya yang lebih baik dibandingkan model infrastruktur tradisional. Penelitian ini menganalisis peran cloud computing dalam meningkatkan efisiensi sistem informasi perusahaan, dengan menyoroti manfaat seperti pengurangan biaya TI, optimalisasi operasional, serta peningkatan mobilitas dan kolaborasi kerja. Temuan menunjukkan bahwa implementasi cloud computing memungkinkan perusahaan mengadopsi strategi digital yang lebih adaptif dan responsif terhadap perubahan pasar. Namun, tantangan seperti keamanan data, regulasi, serta ketergantungan pada penyedia layanan masih menjadi hambatan utama. Untuk mengatasi hal ini, diperlukan strategi mitigasi risiko yang mencakup adopsi hybrid cloud, peningkatan kebijakan keamanan siber, serta investasi dalam pelatihan tenaga kerja. Selain itu, dukungan pemerintah dalam penyediaan regulasi yang jelas dan infrastruktur digital yang memadai menjadi faktor penting dalam mempercepat adopsi cloud computing di Indonesia. Penelitian ini berkontribusi dalam memberikan wawasan bagi perusahaan dan pembuat kebijakan dalam merancang strategi transformasi digital berbasis cloud yang efektif dan berkelanjutan.
PENERAPAN MACHINE LEARNING UNTUK PENGENALAN SIDIK JARI MENGGUNAKAN DECISION TREE Tsirwatun Nisail Khasanah; Najwa Hanindya Putri; Syifa Amalia; Revanda Putri Rahmadani; Arif Setiawan
Jurnal Mahasiswa Sistem Informasi (JMSI) Vol. 6 No. 2 (2025): Jurnal Mahasiswa Sistem Informasi (JMSI)
Publisher : Program Studi DIII Sistem Informasi - Universitas Muhammadiyah Metro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24127/jmsi.v6i2.9004

Abstract

Perkembangan teknologi informasi di bidang keamanan biometrik telah mendorong penggunaan sidik jari sebagai salah satu cara otentikasi yang efektif dan efisien [1]. Sidik jari memiliki keunikan dan kestabilan seumur hidup yang menjadikannya ideal untuk identifikasi individu. Penelitian ini bertujuan mengembangkan sistem pengenalan sidik jari berbasis citra menggunakan algoritma Decision Tree [2]. Dataset yang digunakan adalah SOCOFing, yang terdiri dari ribuan gambar sidik jari dengan label identitas pengguna [1]. Citra diolah menggunakan metode ekstraksi fitur Local Binary Pattern (LBP) [3], dan model Decision Tree dilatih menggunakan data yang telah diproses. Hasil evaluasi menunjukkan bahwa akurasi model mencapai 84,6% dengan nilai f1-score rata-rata 0,85, menunjukkan bahwa algoritma ini efektif digunakan dalam sistem identifikasi sidik jari. Sistem ini cocok diterapkan pada lingkungan terbatas dengan kebutuhan identifikasi cepat dan interpretasi model yang jelas
RANCANG BANGUN SISTEM INFORMASI PENENTUAN SISWA PENERIMA BEASISWA DI SDIT AL-YASMIN 2 BOGOR MENGGUNAKAN METODE SIMPLE ADDITIVE WEIGHTING (SAW) Ady Wisma Putra Wardana; Bima Cahya Putra; Dian Anubhakti; Jan Everhard Riwurohi
Jurnal Mahasiswa Sistem Informasi (JMSI) Vol. 6 No. 2 (2025): Jurnal Mahasiswa Sistem Informasi (JMSI)
Publisher : Program Studi DIII Sistem Informasi - Universitas Muhammadiyah Metro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24127/jmsi.v6i2.9033

Abstract

Penelitian yang berjudul “Rancang Bangun Sistem Informasi Penentuan Siswa Penerima Beasiswa di SDIT AL-YASMIN 2 BOGOR Menggunakan Metode Simple Additive Weighting (SAW)” ini bertujuan untuk menghasilkan Sistem Pendukung Keputusan yang objektif dan sistematis dalam memberikan rekomendasi penerima beasiswa dengan kualifikasi terbaik. Metode yang digunakan sebagai tahapan penelitian ini adalah metode SAW yang merupakan metode rancang bangun perangkat lunak yang menekankan pada daur pengembangan yang singkat. Data yang dijadikan sebagai acuan persyaratan kebutuhan sistem yang dibangun didapatkan dari wawancara terhadap Staff Tata Usaha. Dari data hasil wawancara tersebut didapatkan masalah sulitnya untuk menyeleksi siswa yang layak mendapatkan beasiswa. Dikarenakan belum adanya sebuah sistem yang digunakan dalam penentuan penerima beasiswa dan hanya menggunakan cara pemilihan manual sehingga penerima beasiswa ditentukan secara subyektif. Dengan latar belakang tersebut, maka diperlukan Sistem Pendukung Keputusan yang dapat menjadi alat penunjang bagi proses penentuan penerima beasiswa
EVALUASI KINERJA PROYEK TI MENGGUNAKAN METODE EARNED VALUE MANAGEMENT (EVM): PENDEKATAN NARRATIVE RIVIEW Bagus Dwi Rakhmawan; Shendy Filanzi; Ilham Albana
Jurnal Mahasiswa Sistem Informasi (JMSI) Vol. 6 No. 2 (2025): Jurnal Mahasiswa Sistem Informasi (JMSI)
Publisher : Program Studi DIII Sistem Informasi - Universitas Muhammadiyah Metro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24127/jmsi.v6i2.9061

Abstract

Earned Value Management (EVM) merupakan pendekatan kuantitatif yang digunakan untuk mengukur dan mengevaluasi kinerja proyek berdasarkan integrasi antara waktu, biaya, dan ruang lingkup pekerjaan. Penelitian ini bertujuan untuk mengkaji efektivitas EVM dalam proyek teknologi informasi (TI) menggunakan pendekatan narrative review. Literatur dikumpulkan dari berbagai database ilmiah seperti IEEE Xplore, ScienceDirect, dan Google Scholar dengan rentang tahun 2020–2024. Hasil kajian menunjukkan bahwa EVM mampu memberikan gambaran objektif terhadap kinerja biaya dan waktu proyek. Indikator seperti Cost Performance Index (CPI) dan Schedule Performance Index (SPI) terbukti efektif dalam mendeteksi deviasi proyek sejak dini. Meskipun demikian, penerapan EVM masih menghadapi tantangan, terutama dalam proyek berbasis agile yang membutuhkan penyesuaian dalam metode penilaian nilai pekerjaan. Beberapa studi juga menunjukkan bahwa integrasi EVM dengan teknologi seperti dashboard monitoring dan machine learning mampu meningkatkan akurasi estimasi dan pengambilan keputusan manajerial. Penelitian ini menyimpulkan bahwa EVM merupakan alat penting dalam evaluasi proyek TI, namun implementasinya perlu disesuaikan dengan karakteristik proyek yang dinamis.
SISTEM PENDUKUNG KEPUTUSAN UNTUK PEMERINGKATAN MAHASISWA BERPRESTASI MENGGUNAKAN METODE SIMPLE ADDITIVE WEIGHTING Dwita Amalia Rizki; Fadiya Agustina; Rakha Adhi Nugraha; Soni Adiyono
Jurnal Mahasiswa Sistem Informasi (JMSI) Vol. 6 No. 2 (2025): Jurnal Mahasiswa Sistem Informasi (JMSI)
Publisher : Program Studi DIII Sistem Informasi - Universitas Muhammadiyah Metro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24127/jmsi.v6i2.9068

Abstract

Pemeringkatan mahasiswa berprestasi merupakan bagian penting dalam dunia pendidikan untuk memberikan penghargaan dan memotivasi pencapaian akademik. Namun, proses pemeringkatan yang dilakukan secara manual sering kali menimbulkan ketidakakuratan dan subjektivitas. Penelitian ini bertujuan untuk membangun sistem pendukung keputusan menggunakan metode Simple Additive Weighting (SAW) guna melakukan pemeringkatan mahasiswa secara objektif dan terstruktur. Data yang digunakan mencakup lima kriteria utama, yaitu IPK, IPS, jumlah SKS, nilai mutu, dan jumlah mata kuliah. Proses analisis dilakukan melalui tahapan normalisasi dan pembobotan terhadap setiap kriteria untuk menghasilkan skor akhir dari masing-masing mahasiswa. Hasil perhitungan menunjukkan bahwa mahasiswa atas nama Mustafa memperoleh skor tertinggi sebesar 0,933. Nilai mutu terbukti menjadi kriteria paling berpengaruh dengan bobot tertinggi 30%. Sistem ini berhasil menghasilkan peringkat mahasiswa secara adil, efisien, dan sesuai dengan kriteria yang telah ditentukan. Dengan demikian, penerapan metode SAW dalam sistem pendukung keputusan ini dapat membantu institusi pendidikan dalam melakukan seleksi atau pemeringkatan secara transparan dan akuntabel.
ANALISIS KLASIFIKASI KELULUSAN SISWA MENGGUNAKAN METODE KNN (K-NEAREST NEIGHBOR) RANDOM FOREST PADA DATASET "STUDENTS PERFORMANCE" Muhammad Rizki Arrohman; Nikmatul Khoiriyah; Arina Fawaida; Diana Laily Fithri
Jurnal Mahasiswa Sistem Informasi (JMSI) Vol. 6 No. 2 (2025): Jurnal Mahasiswa Sistem Informasi (JMSI)
Publisher : Program Studi DIII Sistem Informasi - Universitas Muhammadiyah Metro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24127/jmsi.v6i2.9102

Abstract

Keberhasilan siswa menjadi indikator penting dalam menilai kualitas sistem pendidikan. Oleh karena itu, prediksi kelulusan siswa berdasarkan data demografis dan akademik sangat penting untuk membantu institusi pendidikan melakukan tindakan pencegahan. Tujuan dari penelitian ini adalah untuk menganalisis dan membandingkan kinerja dua algoritma klasifikasi, K-Nearest Neighbor (KNN) dan Random Forest, ketika digunakan untuk memprediksi kelulusan siswa. Dataset kinerja siswa mencakup informasi seperti jenis kelamin, kelompok etnis, pendidikan orang tua, status makan siang, program persiapan ujian, matematika, membaca, dan nilai ujian menulis. Nilai rata-rata dari ketiga mata pelajaran tersebut digunakan untuk menentukan kelulusan siswa. Hasil penelitian menunjukkan bahwa algoritma Random Forest memiliki akurasi 100% dan KNN memiliki akurasi 90%. Hasil penelitian ini diharapkan dapat digunakan sebagai referensi dalam pengembangan sistem pendukung keputusan berbasis data di bidang pendidikan
PREDIKSI PENJUALAN GAME MENGGUNAKAN ALGORITMA LINEAR REGRESSION Narendra Saputra; Shifaul Akmal Dzauqi; Dwika Mahendra; Diana Laily Fithri
Jurnal Mahasiswa Sistem Informasi (JMSI) Vol. 6 No. 2 (2025): Jurnal Mahasiswa Sistem Informasi (JMSI)
Publisher : Program Studi DIII Sistem Informasi - Universitas Muhammadiyah Metro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24127/jmsi.v6i2.9105

Abstract

Penelitian ini bertujuan untuk meramalkan penjualan global video game menggunakan algoritma Linear Regression berdasarkan beberapa fitur seperti platform, genre, dan tahun rilis. Dataset yang digunakan memiliki 1.659 entri dan 11 atribut. Data mengalami proses preprocessing seperti pembersihan nilai kosong dan one-hot encoding. Hasil pengujian menunjukkan bahwa Linear Regression tidak cocok digunakan pada dataset ini, karena nilai R² yang negatif (-0.1111) dan MSE yang cukup tinggi (7.5634). Penelitian ini merekomendasikan penggunaan algoritma machine learning lain yang lebih kompleks

Page 9 of 15 | Total Record : 144

 7   8   9   10   11 

Filter by Year

2019 2025


Reset
Filter By Issues
All Issue Vol. 7 No. 1 (2025): Jurnal Mahasiswa Sistem Informasi (JMSI) Vol. 6 No. 2 (2025): Jurnal Mahasiswa Sistem Informasi (JMSI) Vol. 6 No. 1 (2024): Jurnal Mahasiswa Sistem Informasi (JMSI) Vol. 5 No. 2 (2024): Jurnal Mahasiswa Sistem Informasi (JMSI) Vol. 5 No. 1 (2023): Jurnal Mahasiswa Sistem Informasi (JMSI) Vol 4 No 2 (2023): Jurnal Mahasiswa Sistem Informasi (JMSI) Vol 4 No 1 (2022): Jurnal Mahasiswa Sistem Informasi (JMSI) Vol. 3 No. 2 (2022): Jurnal Mahasiswa Sistem Informasi (JMSI) Vol 3 No 2 (2022): Jurnal Mahasiswa Sistem Informasi (JMSI) Vol 3 No 1 (2021): JURNAL MAHASISWA SISTEM INFORMASI (JMSI) Vol. 3 No. 1 (2021): JURNAL MAHASISWA SISTEM INFORMASI (JMSI) Vol 2 No 2 (2021): JURNAL MAHASISWA SISTEM INFORMASI (JMSI) Vol 2 No 1 (2020): JURNAL MAHASISWA SISTEM INFORMASI (JMSI) Vol 1 No 2 (2020): JURNAL MAHASISWA SISTEM INFORMASI (JMSI) Vol 1 No 1 (2019): JURNAL MAHASISWA SISTEM INFORMASI (JMSI) More Issue