cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Herdian Bhakti
Contact Email
nfo@idpublishing.org
Phone
+62813133 32424
Journal Mail Official
jacis@idpublishing.org
Editorial Address
Gg. Broto Manunggal V, Brajan, Tamantirto, Kec. Kasihan, Bantul, Daerah Istimewa Yogyakarta 55184
Location
Kab. bantul,
Daerah istimewa yogyakarta
INDONESIA
Journal Automation Computer Information System (JACIS)
Published by Indonesian Journal Publisher
ISSN : -     EISSN : 27978443     DOI : https://doi.org/10.47134/jacis
Core Subject : Science, Engineering,
Computer Science & IT Control & Systems Engineering
JACIS: Journal Automation Computer Information System is officially registered in the Centre for Data and Scientific Documentation (PDDI), Indonesia Institute of Science with ISSN Number 2797-8443 (online). JACIS: Journal Automation Computer Information System is published twice, in May and November. JACIS accept and publish the result of research in the field of Computer Science and Informatics. JACIS has a focus and scope : 1. computer science: Artificial Intelligence, Machine Learning, Data Mining, Expert System, Decision Support System 2. Informatics: Web Programming, Mobile Computing, Computer Networks, information system, Database Systems, Security Systems. JACIS: Journal Automation Computer Information System is Open - Access Journal indexed by Google Scholar. Every article submitted to the JACIS: Journal Automation Computer Information System will be reviewed within 8-10 weeks and published when the similarity/plagiarism index is under 25% checked by Ithenticate/Turnitin. To submit article to JACIS: Journal Automation Computer Information System, please kindly follow our guidelines: Author Guidelines
Arjuna Subject : Teknik (semua kategori) - Teknik Kontrol dan Sistem
Articles 120 Documents
 8   9   10   11   12 
Optimasi Strategi Digital Website Menggunakan WebQual 4.0, IPA dan Model SVM Felisberto Pereira; Ema Utami
Journal Automation Computer Information System Vol. 6 No. 2 (2026): November (In Progress Issue)
Publisher : Indonesian Journal Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47134/jacis.v6i2.194

Abstract

Website memiliki peran penting dalam manajemen akademik dan meningkatkan reputasi suatu institusi pendidikan. Kualitas layanan website merupakan faktor krusial yang memengaruhi kepuasan pengguna platform digital. Universitas Dili (UNDIL) merupakan salah satu perguruan tinggi yang memanfaatkan website resmi sebagai sarana utama penyedia informasi akademik bagi mahasiswanya. Penelitian ini bertujuan untuk mengevaluasi kualitas layanan website UNDIL melalui pendekatan hibrida (hybrid approach) dengan mengintegrasikan metode kuantitatif Importance-Performance Analysis (IPA) dan pendekatan Text Mining berbasis Support Vector Machine (SVM). Data kuantitatif diperoleh dari 400 responden mahasiswa melalui kuesioner berbasis dimensi WebQual 4.0. Melalui uji validitas dan reliabilitas instrumen yang ketat, diperoleh 11 indikator valid yang siap diujikan. Hasil pemetaan Diagram Kartesius IPA menunjukkan bahwa Atribut Q23 (Tampilan website tetap rapi saat diakses melalui smartphone) menjadi satu-satunya parameter yang terisolasi di Kuadran I (Prioritas Utama). Untuk memvalidasi temuan spasial tersebut secara tekstual dan kontekstual, algoritma SVM dilatih menggunakan korpus data berupa 174 ulasan terbuka dari mahasiswa. Hasil pengujian komputasi pada lingkungan Google Colab menunjukkan bahwa model SVM berbasis pembobotan TF-IDF mampu mengklasifikasikan sentimen opini pengguna dengan tingkat performa yang optimal, mencapai akurasi sebesar 96,30%. Integrasi kedua metode ini membuktikan secara ilmiah bahwa kendala utama platform terletak pada aspek mobile-responsiveness, sehingga memberikan landasan objektif bagi manajemen IT UNDIL untuk memprioritaskan rekayasa ulang antarmuka (UI/UX design) yang ramah seluler demi mengoptimalkan kualitas layanan digital
Memprediksi Keberhasilan Proyek ERP Menggunakan Indikator Kinerja Multi-Domain dan Machine Learning Ahmad Ghozi Waridi; Muhammad Haikal Fikri; Muhammad Ainul Yaqin
Journal Automation Computer Information System Vol. 6 No. 2 (2026): November (In Progress Issue)
Publisher : Indonesian Journal Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47134/jacis.v6i2.195

Abstract

Penelitian ini bertujuan mengembangkan model prediksi keberhasilan implementasi Enterprise Resource Planning (ERP) menggunakan pendekatan Neural Network berbasis indikator kinerja multidomain. Tingginya tingkat kegagalan implementasi ERP dipengaruhi oleh kompleksitas proyek, ketidakseimbangan distribusi data, serta interaksi faktor teknis dan manajerial yang sulit dimodelkan menggunakan pendekatan konvensional. Penelitian ini memanfaatkan 4.000 data proyek ERP dengan 50 indikator kinerja yang dipetakan ke dalam delapan Performance Domains PMBOK Guide Edisi ke-7. Tahap preprocessing meliputi normalisasi data dan penerapan Synthetic Minority Over-sampling Technique (SMOTE) untuk mengatasi ketidakseimbangan kelas. Model kemudian dioptimalkan melalui delapan skenario hyperparameter dan dievaluasi menggunakan sepuluh skenario pengujian untuk mengukur kemampuan generalisasi pada berbagai kondisi implementasi ERP. Hasil penelitian menunjukkan bahwa Neural Network memberikan performa terbaik dibandingkan algoritma pembanding dan menghasilkan konfigurasi model yang mampu mempertahankan keseimbangan antara akurasi, kemampuan deteksi proyek berisiko tinggi, dan kompleksitas model. Pengujian lanjutan menunjukkan bahwa model memiliki performa yang stabil pada berbagai karakteristik proyek, meskipun sensitivitas terhadap kompleksitas proyek, metodologi pengembangan, dan karakteristik industri masih memengaruhi tingkat akurasi. Temuan ini menunjukkan bahwa integrasi indikator multidomain, optimasi hyperparameter, dan evaluasi berbasis berbagai skenario mampu menghasilkan model prediksi yang robust dan berpotensi diterapkan sebagai mekanisme early warning system untuk mendukung pengambilan keputusan pada implementasi ERP
GeoApotek untuk Pemetaan Celah Pasar dan Penentuan Lokasi Strategis Jaringan Apotek Kota Makasar Siti Faradiba Anwar; Syamsu Alam; Valentino Aris
Journal Automation Computer Information System Vol. 6 No. 2 (2026): November (In Progress Issue)
Publisher : Indonesian Journal Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47134/jacis.v6i2.196

Abstract

Ketimpangan distribusi apotek di Kota Makassar menunjukkan bahwa pertumbuhan fasilitas farmasi belum sepenuhnya sejalan dengan kebutuhan masyarakat. Beberapa wilayah mengalami konsentrasi apotek yang tinggi, sedangkan wilayah lain masih memiliki keterbatasan akses terhadap layanan farmasi. Penelitian ini bertujuan mengembangkan WebGIS GeoApotek sebagai sistem pemetaan celah pasar dan pendukung penentuan lokasi strategis jaringan apotek. Metode yang digunakan adalah Research and Development dengan model ADDIE yang meliputi tahap analysis, design, development, implementation, dan evaluation. Sistem dikembangkan menggunakan data spasial dan nonspasial yang dianalisis melalui pendekatan network analysis, overlay difference, serta pembobotan kriteria menggunakan Analytical Hierarchy Process (AHP). Pengujian fungsional dilakukan menggunakan black box testing untuk memastikan seluruh fitur berjalan sesuai rancangan. Hasil penelitian menunjukkan bahwa GeoApotek mampu mengidentifikasi distribusi apotek, wilayah yang belum terlayani, dan celah pasar, serta menghasilkan rekomendasi lokasi strategis secara interaktif. Hasil black box testing menunjukkan seluruh fitur berfungsi dengan baik, sedangkan pembobotan AHP menghasilkan nilai konsistensi yang memenuhi kriteria. Kepadatan penduduk dan kedekatan dengan rumah sakit menjadi faktor yang paling berpengaruh dalam penentuan lokasi strategis. Dengan demikian, GeoApotek dapat mendukung pengambilan keputusan lokasi jaringan apotek secara lebih objektif dan berbasis data untuk mendukung ekspansi bisnis sekaligus pemerataan akses layanan farmasi
Estimasi Biaya Website UMKM Travel Menggunakan Metode FPA, UCP, dan Hybrid Cellina Avrilia Angel; Renny Sari Dewi
Journal Automation Computer Information System Vol. 6 No. 2 (2026): November (In Progress Issue)
Publisher : Indonesian Journal Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47134/jacis.v6i2.198

Abstract

Estimasi biaya yang tidak akurat pada tahap awal pengembangan perangkat lunak dapat menyebabkan pembengkakan anggaran, terutama bagi UMKM yang memiliki keterbatasan sumber daya. Penelitian ini bertujuan membandingkan performa metode Function Point Analysis (FPA), Use Case Points (UCP), dan Hybrid FPA-UCP dalam mengestimasi biaya pengembangan website UMKM Travel. Penelitian menggunakan pendekatan kuantitatif komparatif berbasis studi kasus dengan mengonversi ukuran fungsional sistem menjadi effort dan biaya, kemudian membandingkannya dengan biaya aktual proyek. Hasil penelitian menunjukkan bahwa FPA menghasilkan estimasi biaya sebesar Rp16.195.220 dengan deviasi 9,52% (underestimate), sedangkan UCP menghasilkan estimasi Rp19.604.740 dengan deviasi 9,52% (overestimate). Model Hybrid FPA-UCP menghasilkan estimasi Rp17.900.000 dengan deviasi mendekati 0% terhadap biaya aktual. Pada studi kasus website UMKM Travel, pendekatan Hybrid FPA-UCP memberikan estimasi biaya yang paling mendekati biaya aktual dibandingkan FPA dan UCP. Temuan ini menunjukkan bahwa pendekatan hybrid berpotensi menjadi alternatif estimasi biaya untuk proyek website UMKM dengan karakteristik serupa, meskipun masih memerlukan validasi pada lebih banyak proyek
Model Bisnis Website Rekomendasi Perjalanan Berbasis Sistem Multi Agen Rafael Simson Riston; Muhammad Jamil; Valentino Aris
Journal Automation Computer Information System Vol. 6 No. 2 (2026): November (In Progress Issue)
Publisher : Indonesian Journal Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47134/jacis.v6i2.201

Abstract

Perencanaan perjalanan internasional masih menghadapi kendala akibat fragmentasi informasi dan information overload yang menghambat pengambilan keputusan wisatawan. Penelitian ini bertujuan mengembangkan DrTrips, website rekomendasi perjalanan berbasis Multi Agent System (MAS) dan Large Language Model (LLM), serta merumuskan model bisnisnya. Penelitian menggunakan metode Research and Development (R&D) model 4D yang meliputi Define, Design, Develop, dan Disseminate. Sistem dikembangkan dengan arsitektur Orchestrator–Workers yang terdiri atas satu agen orkestrasi dan empat agen spesialis untuk mengelola destinasi, logistik, regulasi perjalanan, dan penyusunan itinerary. Hasil Black-box Testing pada 15 skenario menunjukkan tingkat keberhasilan 100%. Evaluasi menggunakan 180 skenario TravelPlanner menghasilkan Final Pass Rate 48,9%, lebih tinggi dibandingkan konfigurasi single-agent, sedangkan evaluasi usabilitas menggunakan USE Questionnaire memperoleh skor 86,85% dalam kategori Sangat Bermanfaat. Model bisnis disusun menggunakan Lean Canvas dan divalidasi melalui Cost Benefit Analysis berbasis Discounted Cash Flow selama lima tahun yang menghasilkan NPV sebesar Rp2,7 miliar, BCR 1,21, IRR 50,44%, dan Discounted Payback Period 48 bulan. Dalam cakupan evaluasi dan asumsi yang digunakan, hasil penelitian menunjukkan bahwa integrasi MAS dan LLM tidak hanya meningkatkan kualitas rekomendasi perjalanan, tetapi juga mendukung pengembangan platform yang layak secara teknis dan memiliki prospek bisnis yang positif
Klasifikasi Performa Video Free Fire di YouTube Menggunakan Pelebelan Otomatis Berbasis K-Means, Random Forest, dan SHAP Wayan Praka; Erik Iman Heri Ujianto
Journal Automation Computer Information System Vol. 6 No. 2 (2026): November (In Progress Issue)
Publisher : Indonesian Journal Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47134/jacis.v6i2.203

Abstract

Perkembangan platform YouTube mendorong kreator konten Free Fire untuk memahami faktor-faktor yang memengaruhi performa video untuk meningkatkan strategi publikasi yang lebih efektif. Namun, penelitian yang mengintegrasikan pelebelan otomatis, klasifikasi, dan interpretabilitas model untuk mengungkap faktor penentu masih terbatas. Penelitian ini bertujuan mengembangkan model klasifikasi performa video menggunakan pelabelan otomatis berbasis K-Means, algoritma Random Forest, dan Explainable Artificial Intelligence berbasis SHAP. Dataset yang digunakan terdiri atas 4.000 video Free Fire dari kanal YouTube Indonesia. Proses pelabelan menggunakan algoritma K-Means berdasarkan evaluasi Elbow Method, Silhouette Score, Calinski-Harabasz Index, dan Davies-Bouldin Index. Hasil evaluasi menunjukkan bahwa K=2 memberikan kualitas klaster terbaik dengan nilai Silhouette Score tertinggi, dipilih untuk membentuk dua label, yaitu High Performance sebesar 74,23% dan Low Performance sebesar 25,77%. Selanjutnya, model Random Forest yang dioptimalkan dengan GridSearchCV serta pembagian 80% data pelatihan dan 20% data pengujian. Hasil dari pengujian Random Forest mencapai akurasi sebesar 92,37% dan akurasi 10-Fold Cross Validation rata-rata sebesar 91,59%. Analisis SHAP menunjukkan bahwa Subscriber_Channel merupakan faktor yang paling berpengaruh, diikuti oleh Duration_Sec, Title_Length, Video_Age_Days, Upload_Hour_WIB dan Upload_day_WIB. Kebaruan penelitian ini terletak pada integrasi pelabelan otomatis berbasis K-Means, optimasi Random Forest menggunakan GridSearchCV, serta interpretasi model menggunakan SHAP dalam analisis performa video YouTube. Penelitian ini masih terbatas pada video Free Fire dari kanal YouTube Indonesia sehingga generalisasi terhadap kategori konten maupun wilayah lain memerlukan penelitian lanjutan
Penerapan Convolutional Neural Network untuk Klasifikasi Penyakit Paru-Paru Berbasis Citra X-Ray Dada Green Ferry Mandias; Reynoldus Andrias Sahulata; Ivanna Junamel Manoppo
Journal Automation Computer Information System Vol. 6 No. 2 (2026): November (In Progress Issue)
Publisher : Indonesian Journal Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47134/jacis.v6i2.204

Abstract

Penelitian ini bertujuan mengembangkan model Convolutional Neural Network (CNN) untuk mengklasifikasikan citra X-ray dada ke dalam tiga kategori, yaitu Lung Opacity, Normal, dan Viral Pneumonia. Model dikembangkan menggunakan dataset citra X-ray yang melalui tahap pra-pemrosesan meliputi normalisasi, augmentasi data, dan penyesuaian ukuran citra sebelum proses pelatihan. Evaluasi performa dilakukan menggunakan confusion matrix, precision, recall, F1-score, dan akurasi. Hasil penelitian menunjukkan bahwa model mencapai akurasi sebesar 89%, dengan performa terbaik pada kelas Viral Pneumonia yang memperoleh F1-score sebesar 95%. Meskipun masih ditemukan kesalahan klasifikasi antara kelas Lung Opacity dan Normal, model mampu menunjukkan kemampuan generalisasi yang baik dalam membedakan karakteristik visual ketiga kelas. Hasil penelitian menunjukkan bahwa arsitektur CNN yang diusulkan berpotensi digunakan sebagai baseline model untuk sistem computer-aided diagnosis (CAD) berbasis citra X-ray paru
Kerangka Multi-Tahap WSM dan PROMETHEE II untuk Seleksi Vendor Cloud Bank Digital Andri Yudha Pratama; Rianto Rianto
Journal Automation Computer Information System Vol. 6 No. 2 (2026): November (In Progress Issue)
Publisher : Indonesian Journal Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47134/jacis.v6i2.205

Abstract

Transformasi digital perbankan mendorong adopsi cloud computing sebagai infrastruktur utama layanan keuangan modern. Pemilihan vendor cloud pada bank digital merupakan tantangan multidimensi yang mencakup aspek keamanan, ketersediaan layanan, latensi, kapasitas, dan biaya operasional, serta kepatuhan terhadap regulasi Otoritas Jasa Keuangan (OJK) dan Bank Indonesia. Penelitian ini mengusulkan kerangka sistem rekomendasi multi-tahap berbasis Multi-Criteria Decision Making (MCDM) yang mengintegrasikan Weighted Sum Model (WSM) dan PROMETHEE II. Dataset sintetis 100.000 kandidat vendor direduksi menjadi 50.000 sampel melalui stratified sampling proporsional dengan 256 strata. Pada Fase 1, WSM menyaring 10.000 vendor terbaik menggunakan ambang batas skor 0,633624. Pada Fase 2, PROMETHEE II menghasilkan peringkat berbasis Net Flow (Φ). Vendor CLOUD_071856 meraih peringkat pertama dengan Φ = +0,6295, Security Index 10,00/10, dan SLA Uptime 99,854%. Kerangka yang diusulkan terbukti efektif, skalabel secara komputasional, dan relevan dengan kebutuhan regulasi nasional dalam mendukung pengambilan keputusan pemilihan vendor cloud pada sektor perbankan digital Indonesia
Prediksi Harga Beras di Sulawesi Utara Menggunakan Metode Long Short-Term Memory Green Ferry Mandias; Marchel Thimoty Tombeng; Reynoldus Andrias Sahulata; Rolly Junius Lontaan
Journal Automation Computer Information System Vol. 6 No. 2 (2026): November (In Progress Issue)
Publisher : Indonesian Journal Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47134/jacis.v6i2.206

Abstract

Fluktuasi harga beras merupakan salah satu tantangan utama dalam menjaga stabilitas pangan dan mendukung pengambilan keputusan pada sektor pertanian. Penelitian ini bertujuan mengembangkan model Long Short-Term Memory (LSTM) untuk memprediksi harga beras harian di Provinsi Sulawesi Utara menggunakan data historis harga sebagai data deret waktu. Sebelum proses pelatihan, data melalui tahap preprocessing yang meliputi pembersihan data, normalisasi, dan pembentukan sliding window selama 30 hari sebagai masukan untuk memprediksi harga pada hari berikutnya. Kinerja model dievaluasi menggunakan Mean Absolute Error (MAE), Mean Squared Error (MSE), dan Root Mean Squared Error (RMSE). Hasil penelitian menunjukkan bahwa model menghasilkan MAE sebesar Rp320,11 dan RMSE sebesar Rp435,25, serta mampu mengikuti tren pergerakan harga dengan baik. Meskipun demikian, model masih mengalami keterlambatan (lagging) ketika menghadapi perubahan harga yang berlangsung secara tiba-tiba. Temuan ini menunjukkan bahwa LSTM memiliki potensi sebagai baseline model untuk prediksi harga beras berbasis data deret waktu, sekaligus menjadi dasar pengembangan model yang mengintegrasikan variabel eksternal guna meningkatkan akurasi prediksi.
Sistem Informasi Manajemen Gudang Berbasis Aplikasi Mobile pada Gudang BULOG Lampung Utara Kurniawan Kurniawan; M Abu Jihad Plaza R
Journal Automation Computer Information System Vol. 6 No. 2 (2026): November (In Progress Issue)
Publisher : Indonesian Journal Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47134/jacis.v6i2.209

Abstract

Pengelolaan inventaris pada Gudang Perum BULOG Kantor Cabang Lampung Utara masih menghadapi kendala berupa pencatatan manual yang menyebabkan keterlambatan pembaruan data, potensi kesalahan pencatatan, dan terbatasnya pemantauan stok secara real-time. Penelitian ini bertujuan mengembangkan Sistem Informasi Manajemen Gudang berbasis aplikasi mobile untuk mendukung proses pengelolaan inventaris secara lebih efektif. Sistem dikembangkan menggunakan metode Waterfall yang meliputi tahapan analisis kebutuhan, perancangan, implementasi, pengujian, dan pemeliharaan. Evaluasi sistem dilakukan menggunakan Black Box Testing untuk memverifikasi kesesuaian fungsi aplikasi terhadap kebutuhan pengguna. Hasil penelitian menunjukkan bahwa seluruh fungsi utama aplikasi berjalan sesuai dengan spesifikasi yang dirancang. Implementasi aplikasi memungkinkan pencatatan barang dilakukan langsung di lokasi aktivitas (point of origin) melalui pemindaian barcode, mendukung sinkronisasi data inventaris secara real-time, serta mengurangi potensi human error dibandingkan mekanisme pencatatan sebelumnya. Selain itu, penerapan Role-Based Access Control (RBAC) mendukung pengelolaan hak akses pengguna sesuai kewenangannya sehingga proses monitoring inventaris menjadi lebih terstruktur. Penelitian ini berkontribusi pada pengembangan sistem informasi pergudangan melalui penerapan pendekatan mobile-driven logistics surveillance untuk mendukung pengelolaan inventaris yang lebih efektif dan responsif

Page 12 of 12 | Total Record : 120

 8   9   10   11   12 

Filter by Year

2021 2026


Reset
Filter By Issues
All Issue Vol. 6 No. 2 (2026): November (In Progress Issue) Vol. 6 No. 1 (2026): Mei Vol. 5 No. 2 (2025): November Vol. 5 No. 1 (2025): Mei Vol. 4 No. 2 (2024): November Vol. 4 No. 1 (2024): Mei Vol. 3 No. 2 (2023): November Vol. 3 No. 1 (2023): Mei Vol. 2 No. 2 (2022): November Vol. 2 No. 1 (2022): Mei Vol. 1 No. 2 (2021): November Vol. 1 No. 1 (2021): Mei More Issue