cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Afdhil Hafid
Contact Email
afdhilhafid@uinib.ac.id
Phone
+6282226067308
Journal Mail Official
admin-insearch@uinib.ac.id
Editorial Address
Gedung Fakultas Sains dan Teknologi Kampus III Universitas Islam Negeri Imam Bonjol Padang Sungai Bangek, Kec. Koto Tangah, Kota Padang, Sumatera Barat
Location
Kota padang,
Sumatera barat
INDONESIA
Insearch: Information System Research Journal
Published by Universitas Islam Negeri Imam Bonjol Padang
ISSN : -     EISSN : 27754669     DOI : 10.15548
Core Subject : Science, Education, Social, Engineering,
Computer Science & IT Decision Sciences, Operations Research & Management Electrical & Electronics Engineering Social Sciences Other
Insearch focus on the dissemination of scientific research in the field of Information System and Information Technology. The journals scope includes but not limited to the following fields IS Development and Management, IS Project Management, IS Quality and Satisfaction Analysis, Enterprise Resource Planning System, Customer Relationship Management System, Supply Chain Management System, IT Audit and its Methodology, IT Governance and its Methodology, Human Computer Interaction, Social Informatics, Information Security and Risk Management, Cryptography and its application, Distance Learning and its application, Geographic Information System, Decision Support System, Expert System, Data Mining, Big Data and its application.
Arjuna Subject : Ilmu Komputer (semua kategori) - Sistem Informasi
Articles 47 Documents
 1   2   3   4   5 
Pengembangan Sistem Informasi Monitoring Dana Desa Menggunakan Pendekatan Feature-Driven Development Tanniewa, Adam M; Nurnaningsih, Desi; Sulastri, Winda; Nugroho, Nurhasan
Insearch: Information System Research Journal Vol 4, No 02 (2024): Insearch (Information System Research) Journal
Publisher : Fakultas Sains dan Teknologi UIN Imam Bonjol Padang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15548/isrj.v4i02.9535

Abstract

Pemerintah Indonesia telah mengalokasikan dana desa untuk meningkatkan pembangunan di wilayah pedesaan. Namun, pengelolaan dana desa secara manual sering menghadapi berbagai masalah, seperti kesalahan pencatatan, waktu pengolahan yang lama, dan kurangnya transparansi. Untuk mengatasi masalah tersebut, penelitian ini mengembangkan Sistem Informasi Monitoring Dana Desa menggunakan pendekatan Feature-Driven Development (FDD). Metode FDD dipilih karena mampu mengembangkan perangkat lunak secara cepat dan terstruktur dengan fokus pada fitur-fitur spesifik yang bernilai bagi pengguna. FDD memungkinkan pengembangan perangkat lunak secara terstruktur dan iteratif, sehingga setiap fitur yang dihasilkan dapat langsung digunakan dan dievaluasi oleh pengguna. Penelitian ini menunjukkan bahwa implementasi FDD berhasil menyelesaikan pengembangan sistem dalam waktu singkat, yaitu 3 bulan dengan 6 iterasi. Sistem ini menyediakan fungsionalitas inti seperti pengelolaan dana masuk dan keluar, serta penyajian laporan dana desa. Evaluasi melalui usability testing menghasilkan skor rata-rata 86,25%, yang menunjukkan kesiapan sistem untuk implementasi praktis.
Perancangan Decision Support System Pemilihan Platform Jual Beli Online sebagai Media Transaksi Ekonomi Ramadhan, Rizal Furqan; Almais, Agung Teguh Wibowo; Kusuma, Selvia Ferdiana; Mukminna, Halimahtus
Insearch: Information System Research Journal Vol 4, No 01 (2024): Insearch (Information System Research) Journal
Publisher : Fakultas Sains dan Teknologi UIN Imam Bonjol Padang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15548/isrj.v4i01.8683

Abstract

Berkembangnya zaman berbasis teknologi, pola komunikasi dapat dilakukan dengan perantara aplikasi. Dengan perantara aplikasi, pelaku komunikasi tidak perlu melakukan tatap muka. Pengaruh perkembangan teknologi informasi tersebut merambah pada bidang ekonomi. Salah satu kegiatan yang umum dilakukan pada bidang ekonomi adalah transaksi jual beli. Transaksi jual beli yang dilakukan berbasis aplikasi begitu mempermudah para pelaku pasar antara lain para penjual dan pembeli. Teknologi internet menambah kemudahan dan daya dukung dari kegiatan transaksi jual beli disebabkan kegiatan tersebut dilakukan oleh orang yang tidak di lokasi yang sama. Seiring dengan berbagai keunggulan dari platform jual beli menimbulkan dampak munculnya berbagai platform jual beli online dengan berbagai fitur yang berbeda. Beberapa platform yang beredar memiliki kelebihan dan kekurangan jika diperhatikan dari beberapa kriteria tertentu seperti pelayanan, keamanan dan lain-lain. Dari pemaparan tersebut perlu dikembangkan sebuah penelitian dalam bentuk perancangan aplikasi yang berfungsi untuk menentukan atau memilih platform jual beli online yang ideal berdasarkan dari kriteria penelitian untuk digunakan pegiat belanja online khususnya generasi Z. Metode yang digunakan pada penelitian adalah Simple Additve Weighting dengan menerapkan pembobotan pada masing-masing kriteria.Hasil keluaran platform jual beli online dengan nilai tertinggi adalah Shopee yakni 23,73 kemudian platform selanjutnya adalah Tokopedia yakni 23,33. Sehingga dapat disimpulkan bahwa Decision Support System menggunakan metode Simple Additive Weighting baik.
Students' Perceptions of the Future of Devin AI: A Case Study at IPB University Hardika, Bagus; Valencia, Cindy; Adzani, Rivanka Marsha; Barus, Irma Rasita Gloria; Fami, Amata
Insearch: Information System Research Journal Vol 4, No 02 (2024): Insearch (Information System Research) Journal
Publisher : Fakultas Sains dan Teknologi UIN Imam Bonjol Padang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15548/isrj.v4i02.9266

Abstract

Devin AI is an autonomous artificial intelligence assistant referred to as an "AI software developer" and claimed to be capable of building websites and applications, completing complex programming, and training its own AI models. Cognition Labs has released a trailer for Devin AI on YouTube. This research analyzes the responses of Software Engineering Technology students from the Vocational School of IPB University regarding the Devin AI trailer. Responses were collected via Google Forms from students of classes 59, covering familiarity, benefits, and concerns about using Devin AI. The responses varied, with both positive and negative feedback. Devin AI is considered capable of accelerating the software development process and allowing developers to focus on strategic and creative elements. 60% of respondents are not afraid that Devin AI will replace the position of Developer, seeing it as a companion or considering it a scam. Conversely, 40% are concerned that the Developer position will be replaced by Devin AI.
Penerapan Pendekatan Composite Performance Index Pada Sistem Pendukung Keputusan Pemilihan Supplier Fatmayati, Fryda; Alamsyah, Dedy; Riyanto, Umbar; Dartono, Dartono
Insearch: Information System Research Journal Vol 4, No 02 (2024): Insearch (Information System Research) Journal
Publisher : Fakultas Sains dan Teknologi UIN Imam Bonjol Padang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15548/isrj.v4i02.9484

Abstract

Pemilihan supplier yang tepat menjadi faktor kunci dalam keberhasilan operasional perusahaan. Supplier yang berkualitas berperan penting dalam menjaga kontinuitas produksi dan kualitas produk akhir. Namun, pemilihan supplier secara manual seringkali menghadapi kendala, seperti proses yang memakan waktu, kesulitan dalam mengintegrasikan berbagai kriteria penilaian, serta potensi kesalahan atau bias dalam penilaian subjektif. Tujuannya penelitian ini dilakukan yakni guna mengembangkan Sistem Pendukung Keputusan (SPK) berbasis pendekatan Composite Performance Index (CPI) yang dapat membantu manajemen dalam mengevaluasi dan memilih supplier dengan lebih tepat. Metode CPI memiliki kelebihan dalam mengintegrasikan berbagai aspek kinerja menjadi satu indeks komposit yang mudah dipahami dan digunakan untuk perbandingan. Studi kasus pemilihan supplier menunjukkan bahwa PT Dikatama Putra Perkasa (A2) memperoleh skor indeks gabungan tertinggi sebesar 116,67. Hasil perhitungan dari SPK yang dikembangkan konsisten dengan hasil hitung secara manual, memperlihatkan perolehan yang sama dan valid. Uji dengan black box testing juga mengonfirmasi bahwa sistem beroperasi sesuai dengan yang diharapkan pada seluruh fitur utama yang diuji.
Sistem Pendukung Keputusan Menggunakan Pendekatan Additive Ratio Assessment pada Penentuan Lokasi Usaha untuk UMKM Heriyani, Nofitri; Yanuardi, Yanuardi; Handayani, Nurdiana; Mulyadi, Mulyadi
Insearch: Information System Research Journal Vol 4, No 02 (2024): Insearch (Information System Research) Journal
Publisher : Fakultas Sains dan Teknologi UIN Imam Bonjol Padang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15548/isrj.v4i02.9495

Abstract

Usaha Mikro, Kecil, dan Menengah (UMKM) memegang peranan penting dalam perekonomian Indonesia. Akan tetapi, UMKM sering menghadapi tantangan dalam pemilihan lokasi usaha yang strategis, yang merupakan faktor kunci kesuksesan. Metode tradisional yang digunakan dalam menentukan lokasi usaha sering kali subjektif dan kurang sistematis, sehingga diperlukan pendekatan yang lebih objektif dan terstruktur. Penelitian ini bertujuan membangun Sistem Pendukung Keputusan (SPK) dengan menerapkan pendekatan Additive Ratio Assessment (ARAS) untuk membantu pemilik UMKM memilih lokasi usaha yang optimal. Pendekatan ARAS memiliki keunggulan dalam memberikan hasil yang lebih objektif dengan mempertimbangkan berbagai kriteria secara simultan dan menilai alternatif sesuai dengan tingkat kepentingannya. Dalam penelitian ini, menghasilkan SPK yang dapat memberikan rekomendasi alternatif lokasi usaha terbaik melalui perangkingan nilai kinerja relatif. Konsistensi antara output sistem dan perhitungan manual menunjukkan validitas perhitungan yang dihasilkan oleh sistem. Hasil uji usability dengan rata-rata skor 91,25% mengindikasikan bahwa SPK yang dikembangkan berhasil mengintegrasikan fungsionalitas yang dibutuhkan dengan antarmuka yang intuitif dan mudah digunakan.
Pengembangan Sistem Pakar untuk Diagnosa Gangguan Disosiatif Menggunakan Pendekatan Case-Based Reasoning Rusliyawati, Rusliyawati; Tonggiroh, Mursalim; Nurhayati, Siti; Jusmawati, Jusmawati
Insearch: Information System Research Journal Vol 4, No 02 (2024): Insearch (Information System Research) Journal
Publisher : Fakultas Sains dan Teknologi UIN Imam Bonjol Padang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15548/isrj.v4i02.9608

Abstract

Gangguan disosiatif merupakan kelompok gangguan mental yang ditandai oleh gangguan fungsi memori, kesadaran, identitas, atau persepsi, sering kali sebagai respons terhadap trauma berat atau tekanan psikologis yang ekstrem.Diagnosa yang akurat dan tepat waktu sangat penting untuk penanganan gangguan ini, namun kompleksitas dan tumpang tindihnya gejala dengan gangguan mental lainnya membuat proses diagnosa menjadi tantangan besar. Selain itu, kurangnya spesialisasi dan pengalaman tenaga medis dalam mengenali gangguan ini juga menghambat proses diagnosa. Penelitian ini bertujuan untuk mengembangkan sistem pakar berbasis pendekatan Case-Based Reasoning (CBR) untuk mendiagnosa gangguan disosiatif. Algoritma CBR bekerja dengan memanfaatkan pengalaman dari kasus-kasus sebelumnya, sehingga dapat memberikan diagnosa yang lebih cepat dan akurat serta membantu pengguna dalam menentukan langkah penanganan yang tepat. Teknik weighted similarity digunakan untuk menyesuaikan pengaruh setiap fitur terhadap kemiripan total. Penelitian ini menghasilkan sistem pakar yang dikembangkan berbasis web dengan memiliki fitur utama yaitu menampilkan hasil diagnosis berdasarkan gejala yang dipilih pasien, penjelasan tentang penyakit, serta solusi atau penanganannya. Hasil pengujian menunjukkan bahwa sistem ini memiliki tingkat akurasi sebesar 90%. Hal ini menunjukkan bahwa sistem pakar yang dibangun sangat andal dalam mendiagnosa gangguan disosiatif.
Penerapan Algoritma Klasifikasi untuk Menentukan Segmentasi Pelanggan Berbasis Machine Learning Lestari, Novia; Julianti, Julianti; Fathan, M. Rafly Syahrul
Insearch: Information System Research Journal Vol 4, No 02 (2024): Insearch (Information System Research) Journal
Publisher : Fakultas Sains dan Teknologi UIN Imam Bonjol Padang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15548/isrj.v4i02.9927

Abstract

Customer segmentation is a very important marketing concept in the context of relationship marketing that can improve understanding of customer needs to create a more effective and personalized marketing strategy. Therefore, an appropriate analysis is needed to determine customer segmentation according to the existing characteristics. In this research, three classification algorithms are used to identify hidden patterns and automatically segment customers: Random Forest, Support Vector Machine (SVM), and Gradient Boosting. The results show that customer segmentation successfully divides consumers into four different groups: A, B, C, and D, each with unique characteristics. The Gradient Boosting model has the best performance in cross-validation with 54% accuracy, although all models show a decrease in accuracy on test data. The customer segmentation results in this study can provide valuable insights for automotive companies to design more targeted and effective marketing strategies to increase profitability.Abstrak (Indonesia):Segmentasi pelanggan merupakan konsep pemasaran yang sangat penting dalam konteks relationship marketing yang dapat meningkatkan pemahaman tentang kebutuhan pelanggan yang lebih baik untuk menciptakan strategi pemasaran yang lebih efektif dan personal. Oleh karena itu dibutuhkan analisis yang tepat sesuai karakteristik yang ada untuk menentukan segmentasi pelanggan tersebut. Pada penelitian ini, untuk mengidentifikasi pola tersembunyi dan secara otomatis mengelompokkan pelanggan digunakan tiga algoritma klasifikasi yaitu Random Forest, Support Vector Machine (SVM), dan Gradient Boosting. Hasilnya menunjukkan bahwa segmentasi pelanggan berhasil membagi konsumen ke dalam empat kelompok yang berbeda: A, B, C, dan D, masing-masing dengan karakteristik yang unik. Model Gradient Boosting memiliki kinerja terbaik dalam validasi silang dengan akurasi 54%, meskipun semua model menunjukkan penurunan akurasi pada data uji. Hasil segmentasi pelanggan pada penelitian ini dapat memberikan wawasan yang berharga bagi perusahaan otomotif untuk merancang strategi pemasaran yang lebih tepat sasaran dan efektif untuk meningkatkan profitabilitas.

Page 5 of 5 | Total Record : 47

 1   2   3   4   5 

Filter by Year

2021 2024


Reset
Filter By Issues
All Issue Vol 4, No 02 (2024): Insearch (Information System Research) Journal Vol 4, No 01 (2024): Insearch (Information System Research) Journal Vol 3, No 02 (2023): Insearch (Information System Research) Journal Vol 3, No 01 (2023): Insearch (Information System Research) Journal Vol 2, No 02 (2022): Insearch (Information System Research) Journal Vol 2, No 01 (2022): Insearch (Information System Research) Journal Vol 1, No 02 (2021): Insearch (Information System Research) Journal Vol 1, No 01 (2021): Insearch (Information System Research) Journal