cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Kamil Erwansyah
Contact Email
erwansyah.kamil@gmail.com
Phone
+62811656784
Journal Mail Official
prpmtgd@gmail.com
Editorial Address
Jl. Pintu Air I/Jend. AH Nasution No. 73, Medan Johor Sumatera Utara - Indonesia
Location
Kota medan,
Sumatera utara
INDONESIA
Jurnal SAINTIKOM (Jurnal Sains Manajemen Informatika dan Komputer)
Published by STMIK Triguna Dharma
ISSN : 19786603     EISSN : 26153475     DOI : https://doi.org/10.53513/jis.v19i2.2329
Core Subject : Science,
Computer Science & IT
Computer Science, Computer Engineering, and Informatics Computer Network Embedded System Computer Security Software Engineering (Software: Lifecycle, Management, Engineering Process, Engineering Tools and Methods) Programming (Programming Methodology and Paradigm) Data Engineering (Data and Knowledge level Modeling, Information Management (DB) practices, Knowledge Based Management System, Knowledge Discovery in Data) Computer Security IT Governance Robotic Instrumentation Mobile Processing Artificial intelligence & soft computing and their applications Neural Networks Machine Learning Reasoning and Evolution Intelligence Applications Computer Vision and Speech Understanding Multimedia and Cognitive Informatics Data Mining and Machine Learning Tools, Heuristic and AI Planning Strategies and Tools, Computational Theories of Learning
Arjuna Subject : Ilmu Komputer (semua kategori) - Sistem Informasi
Articles 250 Documents
 17   18   19   20   21 
Perancangan Sistem Informasi Pada Pembayaran Pajak Di Kabupaten Bengkalis Bebasis Website Nabilah, Sri; Atika, Nurul; Permata, Selvia Putri; Rahmayani, Mentari Tri Indah
Jurnal SAINTIKOM (Jurnal Sains Manajemen Informatika dan Komputer) Vol 23 No 1 (2024): Februari 2024
Publisher : PRPM STMIK TRIGUNA DHARMA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.53513/jis.v23i1.9540

Abstract

Samsat adalah singkatan dari system administrasi manunggal satu atap yang merupakan system administrasi pajak kendaraan bermotor diindonesia,pada saat ini bagian pelayanan pajak kendaraan diperoleh informasi bahwa dalam proses pelayanan pajak belum menggunakan system infromasi yang dapat mempercepat proses pelayanan. Dengan adanya permasalahan tersebut maka penulis akan membangun perancangan sistem informasi pada pembayaran pajak berbasis Website dengan menggunakan metode SDLC, berdasarkan permasalahan tersebut hasil dari rancangan ini dapat mempermudah proses pembayaran, pendataan pada proses pembayaran pajak kendaraan, Tujuan perancangan SAMSAT ini adalah untuk menyediakan sistem yang efisien dan terintegrasi dalam pengelolaan administrasi kendaraan bermotor, dengan melakukan pembayaran pajak secara online dapat mengurangi waktu yang diperlukan dalam menyelesaikan proses pembayaran.
Perancangan Sistem Informasi Pada Pembelian Tiket Batam JET (Bengkalis – Batam) di Bandar Sri Laksamana Kabupaten Bengkalis Mardhiah, Siti; Syahrizal, MHD; Wahyuni, Fitri; Rahmayani, Mentari Tri Indah
Jurnal SAINTIKOM (Jurnal Sains Manajemen Informatika dan Komputer) Vol 23 No 1 (2024): Februari 2024
Publisher : PRPM STMIK TRIGUNA DHARMA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.53513/jis.v23i1.9542

Abstract

Penelitian ini bertujuan untuk mengkaji Pelabuhan Bandar Sri Laksamana Bengkalis 2003-2017.Hal ini karena menjadi pelabuhan penting di Kabupaten Bengkalis dan Provinsi Kepulauan Riau,Pelabuhan Bandar Sri Laksamana Bengkalis melayani rute melalui pesisir pantai timur sumatera, Demikian juga dengan adanya Pelabuhan Bandar Sri Laksamana telah berkontribusi terhadap pendapatan bagi daerah bengkalis.  Penelitian ini menggunakan metode penelitian SDLC, badan perancangan pembangunan daerah (bappeda),badan pusat statistic,badan pendapatan daerah (bapenda),  unit pelaksana teknis, syahbandar, dan untuk mempertajam penghasilan kajian ini telah dilakukan penelitian kepustakaan dan penelitian lapangan.Sedangkan sumber lisan diperoleh melalui wawancara dengan 10 orang informan dengan kategori  pimpinan,staf dan masyarakat.
Sistem Pakar Mendiangosa Penyakit Kulit Pada Manusia Menggunakan Metode Demphster Shafer Ishak, Ishak; Prayudha, Jaka; Setiawan, Dedi; Azmi, Zulfian; Giawa, Supriani
Jurnal SAINTIKOM (Jurnal Sains Manajemen Informatika dan Komputer) Vol 23 No 1 (2024): Februari 2024
Publisher : PRPM STMIK TRIGUNA DHARMA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.53513/jis.v23i1.9544

Abstract

Organ terluas menutupi seluruh permukaan tubuh manusia adalah Kulit. Kulit memiliki peran penting untuk menunjang hidup manusia, salah satunya sebagai indera peraba manusia. Karena letaknya paling luar, Kulit merupakan secara langsung akan menerima rangsangan seperti sentuhan, rasa sakit dan pengaruh lainnya dari luar, sehinga berbagai penyakit sering kali menyerang kulit.  Agar mudah dalam melakukan penyelesaian masalah terkait mendiagnosa penyakit kulit maka dibuatlah sebuah program Sistem Pakar. Sistem Pakar atau Expert System ialah suatu sistem yang memiliki kemampuan dalam melakukan sesuatu dengan mengadopsi pikiran dari seorang pakar.. Sistem ini berguna dalam mendiagnosa suatu penyakit atau kerusakan. Program Sistem Pakar memerlukan sebuah metode dalam melakukan perhitungannya dan metode yang digunakan dalam penyelesaian masalah terkait mendiagnosa penyakit kulit Menggunakan Metode Dempster Shafer. Hasil dari penelitian ini : Berdasarkan Permasalahan yang di bahas maka di bangunlah Sistem Pakar yang mengadopsi metode Dempster Shafer dalam pemecahan masalah mendiagnosa penyakit kulit pada RS. Mitra Sejati. Dari masalah-masalah yang ada.
The Role of Information and Communication Technology in Interactive Learning Elmi, Hafiz; Ambiyar, Ambiyar; Huda, Yasdinul; Novaliendry, Dony
Jurnal SAINTIKOM (Jurnal Sains Manajemen Informatika dan Komputer) Vol 23 No 1 (2024): Februari 2024
Publisher : PRPM STMIK TRIGUNA DHARMA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.53513/jis.v23i1.9549

Abstract

This article is the result of an in-depth literature review on the role of Information and Communication Technology (ICT) in the context of interactive learning. Education has undergone a significant transformation with the adoption of ICT, transforming the traditional way of learning into a more dynamic and participatory learning experience. The purpose of this literature review is to analyse the positive impact of ICT in shaping interactive learning environments, explore the use of multimedia in the learning process, and identify the challenges and opportunities associated with the application of ICT in education. This literature review describes the transformation of learning through ICT, explaining the paradigm shift from conventional approaches to more adaptive and collaborative interactive learning. The results of this literature review illustrate how important the role of ICT is in shaping the future of education that is more interactive, inclusive and relevant to the demands of the times. Through collaboration between educational institutions, government, and the technology industry, as well as a careful pedagogical approach, ICT can be a catalyst to optimise the learning process and empower students to face the complexities of the modern world.
Implementasi Algoritma K-Means Clustering Dengan Pendekatan Active Learning Pada Siswa SMA Untuk Menentukan Jurusan Ke Perguruan Tinggi Palevi, Muhammad Rheza; Indra, Zulfahmi
Jurnal SAINTIKOM (Jurnal Sains Manajemen Informatika dan Komputer) Vol 23 No 1 (2024): Februari 2024
Publisher : PRPM STMIK TRIGUNA DHARMA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.53513/jis.v23i1.9553

Abstract

Menentukan jurusan tepat yang akan diambil pada jenjang perguruan tinggi sangatlah penting diperhatikan oleh siswa SMA. Kesalahan dalam memilih jurusan akan menyebabkan siswa tidak maksimal selama berada di perguruan tinggi. Oleh karena itu, penelitian ini dilakukan untuk membantu siswa dalam menentukan jurusan ke perguruan tinggi menggunakan algoritma K-Means Clustering dengan penerapan Active Learning in Machine Learning. K-Means Clustering dengan penerapan Active Learning digunakan untuk menentukan jurusan yang tepat dengan menggunakan data kuesioner dan nilai rapot yang didapat dari pihak sekolah. Pada penelitian ini, didapat hasil bahwa 113 siswa yang menjadi responden terbagi kedalam 12 kategori atau klaster pada bidang ilmu yang berbeda-beda. Secara singkat, penerapan algoritma K-Means Clustering dengan pendekatan Active Learning menghasilkan akurasi 0,059 dan membutuhkan perbaikan terhadap data yang digunakan agar mencapai akurasi yang lebih baik
Klasifikasi Emosi Pengguna Twitter Terhadap Bakal Calon Presiden Pada Pemilu 2024 Menggunakan Algoritma Naïve Bayes Arifin, Khusnul; Al-Idrus, Said Iskandar
Jurnal SAINTIKOM (Jurnal Sains Manajemen Informatika dan Komputer) Vol 23 No 1 (2024): Februari 2024
Publisher : PRPM STMIK TRIGUNA DHARMA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.53513/jis.v23i1.9558

Abstract

Tahun 2024 mendatang akan menjadi tahun politik. Terdapat tiga bakal calon presiden yang namanya telah muncul di masyarakat, yaitu Anies Baswedan, Ganjar Pranowo, dan Prabowo Subianto. Banyak berseliweran di media sosial terkhususnya Twitter respon mengenai para tokoh politik tersebut. Beragamnya respon para pengguna Twitter terhadap bakal calon presiden di pemilu 2024 mengakibatkan juga banyaknya jenis dari emosi “cuitan” para penggunanya, oleh karena itu diperlukan adanya analisis untuk mengetahui pandangan masyarakat terhadap para bakal calon presiden tersebut berdasarkan klasifikasi emosinya. Klasifikasi emosi pada proses penelitian ini menggunakan algoritma Multinomial Naïve Bayes dengan melibatkan beberapa tahapan proses, seperti preprocessing data, pelabelan data, ekstraksi fitur, pembagian dataset, klasifikasi, dan evaluasi model. Menggunakan pembagian data dengan metode 80:20, yaitu data latih dibagi menjadi 80% dan data uji menjadi 20%. Hasil pelabelan emosi dari tiap bakal calon presiden menunjukkan nilai yang berbeda satu sama lain. Tahapan pengujian dilakukan dan dibagi dengan beberapa tahap, yaitu pengujian menggunakan label netral, tanpa label netral, dan random sampling. Performa model algoritma Naïve Bayes tanpa menggunakan label netral menunjukkan performa yang lebih baik, dengan nilai akurasi model sebesar 58% pada data Anies Baswedan, 58% pada data Prabowo Subianto, dan 76% pada data Ganjar Pranowo, serta gabungan 69%. Klasifikasi pada skenario pengujian menggunakan label netral menunjukkan akurasi sebesar 55% pada data Anies Baswedan, 60% pada data Ganjar Pranowo, dan 53% pada data Prabowo Subianto, sedangkan untuk gabungan semuanya nilai akurasi sebesar 51%. 
Prediksi Keberhasilan Penanganan Stunting Menggunakan Seleksi Fitur PSO Dengan SaaS Cloud Computing Sinaga, Anita Sindar; Ramen, Sethu; Mulyani, Sri
Jurnal SAINTIKOM (Jurnal Sains Manajemen Informatika dan Komputer) Vol 23 No 1 (2024): Februari 2024
Publisher : PRPM STMIK TRIGUNA DHARMA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.53513/jis.v23i1.9561

Abstract

Permasalahan stunting merupakan tugas pokok setiap pemerintahan dari perkotaan sampai desa-desa. Deep Learning dapat mengenal pola rumit yan ada pada gambar, dokumen, video, dan data lain untuk menghasilkan prediksi yang akurat. Pengolahan data tidak terstruktur seperti kata, kalimat dapat diekstrak menerapkan Particle Swarm Optimization (PSO). Pengolahan data tidak terstruktur pada kata dan kalimat bersumber dari media online diekstrak menerapkan Particle Swarm Optimization (PSO) mencakup swarm, partikel, Pbest, Gbest, dan Velocity. Melalui empat tahapan algoritma PSO dimulai dari Inisialisasi, Evaluation fungsi fitness, update dan Termination. Prediksi capaian penanganan program stunting berdasarkan dampak, pencegahan, dan penyebab stunting yang diekstrak dari berbagai media online menggunakan Neural Network Particle Swarm Optimization (PSO) yang dibangun pada layanan perangkat lunak SaaS Cloud menghasilkan persentase baik akurasi Seleksi Fitur PSO sebesar 85.36%. Aplikasi SaaS dapat menginformasikan tingkat keberhasilan penanganan program stunting dari pencarian kalimat tidak terstruktur yang terhubung dengan internet
Perbandingan Metode Ensemble Untuk Meningkatkan Akurasi Algoritm Machine Learning Dalam Memprediksi Penyakit Breast Cancer (Kanker Payudara) Majid, Annisa Maulana; Nawangsih, Ismasari
Jurnal SAINTIKOM (Jurnal Sains Manajemen Informatika dan Komputer) Vol 23 No 1 (2024): Februari 2024
Publisher : PRPM STMIK TRIGUNA DHARMA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.53513/jis.v23i1.9563

Abstract

Machine Learning merupakan suatu teknologi pembelajaran mesin yang dapat digunakan untuk memudahkan pekerjaan berbagai bidang, salah satunya yaitu pada bidang kesehatan.  Machine Learning dalam bidang kesehatan dapat digunakan dalam memprediksi atau mendiagnosa suatu penyakit yang dihasilkan berdasarkan dataset. Kanker payudara (breast cancer) merupakan salah satu penyakit yang mematikan khususnya banyak diderita oleh wanita, oleh karena itu perlu adanya diagnosa dini terkait penyakit kanker payudara agar penanganan dapat dilakukan dengan tepat serta mencegah adanya penyebaran kanker pada tubuh. Penelitian sebelumnya telah membahas tentang diagnosa penyakit kanker payudara namun tingkat akurasi masih rendah sehingga perlu adanya teknik peningkatan akurasi untuk dapat memberikan informasi yang akurat. Tujuan dalam penelitian ini yaitu membandingkan metode Ensemble menggunakan algoritma Machine Learning yaitu Decision Tree, Naïve Bayes, dan K-Nearest Neighbor (KNN), untuk meningkatkan akurasi dalam memprediksi penyakit Kanker Payudara. Metode ensemble yang digunakan dalam penelitian ini yaitu Adaboost dan Bagging. Hasil penelitian menunjukan bahwa terdapat peningkatan pada algoritma klasifikasi menggunakan metode ensemble. Metode paling unggul yaitu Algoritma Decision Tree dan Metode ensamble yang menghasilkan akurasi sebesar yaitu 82.76%. Pada nilai AUC tertinggi diperoleh dari algoritma KNN yang dikombinasikan dengan metode Bagging yaitu sebesar 0.950 dengan kategori sangat baik.
Sistem Pendukung Keputusan Menentukan Pegawai Terbaik Dengan Metode Multi Atribut Utility Theory Andika, Beni; Yakub, Suardi; Calam, Ahmad; Siregar, Do’idola
Jurnal SAINTIKOM (Jurnal Sains Manajemen Informatika dan Komputer) Vol 23 No 1 (2024): Februari 2024
Publisher : PRPM STMIK TRIGUNA DHARMA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.53513/jis.v23i1.9567

Abstract

Pada bagian Dinas Pendidikan di Kantor Bupati Labuhan Batu Selatan dalam pemilihan pegawai terbaik masih dilakukan secara manual. Tidak adanya sebuah sistem yang mampu memberikan sebuah pertimbangan dalam memilih pegawai terbaik. Dengan demikian Sistem Pemilihan Pegawai terbaik menjadi tidak akurat, dan sangat subjektif. Dengan masalah tersebut di atas maka dibutuhkan sebuah sistem yang mampu memberikan saran atau sebuah pertimbangan kepada pihak perusahaan dalam menentukan pegawai terbaiknya. Sistem pendukung keputusan adalah sistem informasi yang khusus ditujukan untuk dapat membantu manajemen dalam menagambil sebuah keputusan terkait permasalahan dengan memanfaatkan data dan model tertentu untuk memecahkan berbagai permasalahan. Pada sistem pendukung keputusan terdapat banyak metode yang umum digunakan. salah satu diantaranya adalah metode Multi Attribute Utility Theory. Metode Multi Attribute Utility Theory (MAUT) merupakan suatu metode perbandingan kuantitatif yang biasanya mengkombinasikan pengukuran atas biaya resiko dan keuntungan yang berbeda.. Berdasarkan hasil perangkingan pada tabel 3.9 diatas maka Pegawai yang berada pada peringkat pertama dengan nilai 0,950, yaitu Pegawai yang bernama Ratna Sari Dewi. Berdasarkan hasil analisa, metode Multi Attribute Utility Theory (MAUT) dalam menentukan pegawai terbaik pada bagian Dinas Pendidikan di Kantor Bupati Labuhan Batu Selatan, mampu memberikan hasil yang cukup baik. 
Implementasi Neural Network 1-Dimensi Dalam Identifikasi Malware Android Hidayat, Rofik; Koprawi, Muhammad; Ferdiansyah, Pramudhita
Jurnal SAINTIKOM (Jurnal Sains Manajemen Informatika dan Komputer) Vol 23 No 1 (2024): Februari 2024
Publisher : PRPM STMIK TRIGUNA DHARMA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.53513/jis.v23i1.9587

Abstract

Permasalahan malware setiap saat menjadi ancaman serius pada keamanan sistem informasi sehingga perlu adanya penanganan. Dengan meningkatnya penggunaan perangkat mobile ponsel pintar android menjadikannya target yang rentan terkena serangan malware. Untuk mencegah terjadinya serangan malware maka perlu adanya deteksi dini aplikasi yang berpotensi malware. Tiap aplikasi android memiliki permission untuk membuka hak akses agar aplikasi tersebut dapat mengakses informasi pada perangkat android, begitu juga dengan malware yang juga mempunyai permission tersebut. Teknologi Machine Learning dapat menyelesaikan masalah masalah yang rumit dengan meniru kecerdasan pada manusia. Salah satu teknologi tersebut adalah Neural Network yang merupakan Teknik Machine learning dengan strukturnya meniru cara kerja otak manusia, jenis neural network diantaranya adalah Convolutional Neural Network 1-Dimensi. Dengan menggunakan dataset sebanyak 510 aplikasi, model Convolutional Neural Network 1-Dimensi mampu mendapatkan 92.1% untuk tingkat akurasi, 93.4% untuk recall dan 89.5% untuk precision, dapat dikatakan model yang diusulkan sudah cukup baik dalam mengidentifikasi malware berdasarkan permission.

Page 19 of 25 | Total Record : 250

 17   18   19   20   21 

Filter by Year

2016 2025


Reset
Filter By Issues
All Issue Vol 24 No 2 (2025): Agustus 2025 Vol 24 No 1 (2025): Februari 2025 Vol 23 No 2 (2024): Agustus 2024 Vol 23 No 1 (2024): Februari 2024 Vol 22 No 2 (2023): Agustus 2023 Vol 22, No 2 (2023): Agustus 2023 Vol 22, No 1 (2023): Februari 2023 Vol 21, No 2 (2022): AGUSTUS 2022 Vol 21, No 1 (2022): Februari 2022 Vol 20, No 2 (2021): AGUSTUS 2021 Vol 20, No 1 (2021): FEBRUARI 2021 Vol 19, No 2 (2020): Agustus 2020 Vol 19, No 1 (2020): Februari 2020 Vol 18, No 2 (2019): AGUSTUS 2019 Vol 18, No 1 (2019): Februari 2019 Vol 17, No 2 (2018): AGUSTUS 2018 Vol 17, No 1 (2018): Februari 2018 A Vol 16, No 2 (2017): Agustus 2017 Vol 15, No 2 (2016): Agustus 2016 Vol 15, No 1 (2016): Februari 2016 Vol 15, No 1 (2016): Januari 2016 More Issue