cover
Contact Name
Nahya Nur
Contact Email
nahya.nur@unsulbar.ac.id
Phone
+6289656657447
Journal Mail Official
jcis@unsulbar.ac.id
Editorial Address
Jl. Prof. Dr. Baharuddin Lopa, S.H., Talumung, Majene. Sulawesi Barat
Location
Kab. majene,
Sulawesi barat
INDONESIA
Journal of Computer and Information System (J-CIS)
ISSN : 26225859     EISSN : 26220881     DOI : https://doi.org/10.31605/jcis.v1i1
Core Subject : Science,
Journal of Computer and Information System (J-CIS) adalah Jurnal Ilmu Komputer dan Sistem Informasi yang diterbitkan oleh Program Studi Informatika Universitas Sulawesi Barat. Bidang garapan jurnal J-CIS meliputi: Software Engineering, Networking, Data Mining and Big Data, Artificial Intelligence, Web and Database, Image Processing, Human Computer Interaction, Parallel Programming, Cloud Computing, Information System, Information Retrieval, Computer Graphics, Soft Computing, Internet of Things, dan Smart System.
Articles 91 Documents
Implementasi Metode RAD pada Sistem Manajemen Berita Desa Berbasis Web Muh. Irsan Sabir; Farid Wajidi
Journal of Computer and Information System ( J-CIS ) Vol. 9 No. 1 (2026): J-CIS Vol. 9 No. 1 Tahun 2026
Publisher : Universitas Sulawesi Barat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31605/jcis.v9i1.6204

Abstract

Penelitian ini bertujuan untuk merancang, mengimplementasikan, dan mengevaluasi sistem manajemen berita berbasis web untuk Desa Tinambung guna meningkatkan transparansi informasi dan partisipasi publik. Sistem dikembangkan menggunakan metode Rapid Application Development (RAD) yang menekankan iterasi cepat dan umpan balik langsung dari pengguna. Aplikasi yang dihasilkan terdiri dari portal berita publik dan dashboard backend untuk administrator, dengan fungsionalitas inti berupa publikasi berita, pengelolaan kategori, registrasi pengguna, dan pengajuan berita oleh warga. Pengujian fungsional menggunakan metode Black Box Testing dengan 28 partisipan (4 admin dan 24 warga) dalam 52 peran pengujian menghasilkan tingkat keberhasilan 100% untuk seluruh 280 skenario uji. Selanjutnya, evaluasi usabilitas menggunakan kuesioner adaptasi System Usability Scale (SUS) menunjukkan persepsi pengguna yang sangat positif, dengan skor rata-rata 4,49 dari 5,00. Implementasi sistem ini memungkinkan pemerintah desa menyebarkan informasi terkait kegiatan, anggaran, dan program pembangunan secara lebih cepat dan efisien. Penelitian ini menyimpulkan bahwa adopsi teknologi web yang sederhana, terfokus, dan berpusat pada pengguna dapat secara signifikan meningkatkan kualitas layanan informasi publik.
Sistem Absensi Smart Class Berbasis Deteksi dan Pengenalan Wajah Menggunakan Haar Cascade dan LBPH Fitria Claudya Lahinta
Journal of Computer and Information System ( J-CIS ) Vol. 9 No. 1 (2026): J-CIS Vol. 9 No. 1 Tahun 2026
Publisher : Universitas Sulawesi Barat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31605/jcis.v9i1.6304

Abstract

Tujuan penelitian ini adalah untuk mengembangkan sistem absensi smart class yang menggunakan deteksi dan pengenalan wajah untuk meningkatkan pencatatan kehadiran siswa secara lebih efisien dan akurat. Sistem absensi manual yang masih banyak digunakan memiliki beberapa kelemahan, termasuk sensitif terhadap manipulasi data, membutuhkan waktu yang cukup lama, dan tidak efektif dalam mengelola informasi kehadiran. Dalam penelitian ini, algoritma Haar Cascade digunakan sebagai metode deteksi wajah, dan Local Binary Pattern Histogram (LBPH) sebagai metode pengenalan wajah. Maksimal 200 foto wajah siswa dikumpulkan, dan 100 foto terbaik dipilih untuk pelatihan model. Sebagai hasil dari integrasi semua data identitas siswa dalam database MySQL, proses absensi mahasiswa dapat dilakukan secara otomatis setiap sesi kuliah. Hasil pengujian menunjukkan bahwa sistem dapat mengidentifikasi wajah siswa dengan akurasi rata-rata 70% dari 21 siswa. Terbukti bahwa sistem ini lebih cepat dan akurat daripada metode absensi manual, dan itu juga mampu mengurangi kemungkinan kecurangan. Meskipun demikian, kondisi pencahayaan rendah dan wajah yang tertutup sebagian masih memengaruhi kinerja sistem. Hasil penelitian menunjukkan bahwa sistem absensi yang menggunakan pengenalan wajah memiliki potensi besar untuk digunakan sebagai solusi modern untuk penerapan smart class.
Deteksi Realtime Notification Pada Sistem Deteksi Kebakaran Berbasis Internet of Things Wawan Firgiawan; Fahmi Rustan; Purnama
Journal of Computer and Information System ( J-CIS ) Vol. 7 No. 2 (2024): J-CIS Vol. 7 No. 2 Tahun 2024
Publisher : Universitas Sulawesi Barat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31605/jcis.v7i2.3825

Abstract

Kebakaran adalah bencana yang dapat menyebabkan kerugian besar, baik material maupun korban jiwa. Untuk meningkatkan respons dan kesadaran terhadap kebakaran, dikembangkan sistem deteksi kebakaran berbasis Internet of Things (IoT) yang terintegrasi dengan platform Telegram sebagai sarana notifikasi. Sistem ini menggunakan NodeMCU sebagai platform utama, dilengkapi dengan sensor api dan sensor MQ-2 untuk mendeteksi keberadaan api dan gas berbahaya. Metode pengembangan yang digunakan adalah blackbox testing, yang menguji fungsi tanpa memperhatikan struktur internal sistem. Data dari sensor diproses oleh NodeMCU dan diteruskan ke buzzer untuk peringatan suara serta dikirimkan ke aplikasi Telegram untuk notifikasi real-time. Hasil pengujian menunjukkan sistem ini efektif dalam memberikan notifikasi dengan respons cepat dan informasi lokasi yang akurat, sehingga dapat meningkatkan kesiapsiagaan dan tindakan cepat dalam menghadapi kebakaran.
Implementasi Fuzzy Logic untuk Mendeteksi Kelelahan Pengemudi Mobil Heliawaty Hamrul; Rafly Rasyid; Nur Aynun
Journal of Computer and Information System ( J-CIS ) Vol. 8 No. 2 (2025): J-CIS Vol. 8 No. 2 Tahun 2025
Publisher : Universitas Sulawesi Barat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31605/jcis.v8i2.5063

Abstract

Penelitian ini mengusulkan sistem pendeteksi kelelahan pengemudi dengan menggunakan konsep computer vision yang memanfaatkan kamera webcam untuk pengambilan gambar secara real-time. Data yang diperoleh kemudian diolah menggunakan library Python (mediapipe face mesh) untuk memetakan 468 titik wajah 3D dan dianalisis menggunakan algoritma fuzzy logic untuk mendeteksi kelelahan pengemudi. Sistem yang diusulkan difokuskan pada pendeteksian bagian wajah, terutama mata dan mulut. Variabel input yang digunakan adalah frekuensi kedipan, ukuran mulut terbuka, dan kondisi wajah normal, serta aturan fuzzy yang telah ditentukan sebelumnya. Sistem dapat menghasilkan skor deteksi yang dapat menunjukkan tingkat kelelahan pengemudi. Alarm akan aktif ketika pengemudi terdeteksi mengantuk. Evaluasi meliputi kesesuaian antara prediksi dengan tingkat kewaspadaan pengemudi, kesesuaian antara prediksi dengan skor deteksi, dan analisis potensi kelelahan pengemudi yang tidak terdeteksi. Hasil yang diperoleh adalah Fuzzy Logic dapat digunakan dengan baik dan akurat dalam mendeteksi kelelahan pengemudi
Metode Optimasi Cerdas Untuk Pencarian Jalur Evakuasi Bencana di Kabupaten Mamuju Menggunakan Ant Colony Optimization Nur Halisah Lisa; Nurmadinah; Ariqah Maheswari Artalaysia Paturusi; Wawan Firgiawan
Journal of Computer and Information System ( J-CIS ) Vol. 8 No. 2 (2025): J-CIS Vol. 8 No. 2 Tahun 2025
Publisher : Universitas Sulawesi Barat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31605/jcis.v8i2.5120

Abstract

Penelitian ini bertujuan untuk membandingkan kinerja tiga algoritma pencarian jalur evakuasi, yaitu Breadth-First Search (BFS), Depth-First Search (DFS), dan Ant Colony Optimization (ACO), dalam menemukan jalur evakuasi yang paling efisien. Sebanyak 20 dataset digunakan dalam pengujian ini, dengan menguji setiap algoritma terhadap jalur optimal yang diperoleh secara manual sebagai data aktual. Tiga skenario pengujian diterapkan dalam penelitian ini, yaitu Single Vertex Single Goal (SVSG) dan Single Vertex Multi Goals (SVMG). Hasil pengujian menunjukkan bahwa algoritma ACO secara konsisten menghasilkan jalur yang identik dengan jalur optimal, dengan nilai Root Mean Square Error (RMSE) sebesar 0.0, menandakan bahwa algoritma ini memberikan performa terbaik tanpa penyimpangan dari jalur aktual. Algoritma DFS mencatatkan RMSE sebesar 4.72, menunjukkan kinerja yang lebih baik daripada BFS, namun masih terdapat penyimpangan pada beberapa dataset. Sementara itu, BFS memiliki RMSE tertinggi sebesar 6.91, yang menunjukkan bahwa algoritma ini sering kali menghasilkan jalur yang lebih panjang dan kurang efisien. Hasil pengujian ini membuktikan bahwa algoritma ACO terbukti menjadi pilihan paling efisien untuk optimasi jalur evakuasi dalam ketiga skenario pengujian.
Sistem Monitoring Kualitas Air Pada Tambak Ikan Bandeng Menggunakan Fuzzy Sugeno Imam Quraisy; Ismaun Rusman; Fahril Hidayat; Farid Wajidi
Journal of Computer and Information System ( J-CIS ) Vol. 8 No. 2 (2025): J-CIS Vol. 8 No. 2 Tahun 2025
Publisher : Universitas Sulawesi Barat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31605/jcis.v8i2.5588

Abstract

Kualitas udara merupakan faktor krusial dalam budidaya ikan bandeng (Chanos chanos) untuk mendukung pertumbuhan optimal sekaligus meminimalkan risiko kematian. Fluktuasi parameter utama seperti pH, suhu, kekeruhan, dan Total Dissolved Solids (TDS) pada tambak menjadi tantangan yang memerlukan sistem pemantauan Andal. Penelitian ini bertujuan merancang sistem pemantauan kualitas udara berbasis Internet of Things (IoT) dengan metode Fuzzy Sugeno. Sistem ini mengintegrasikan sensor-sensor yang terhubung ke NodeMCU untuk membaca parameter udara, kemudian memproses data menggunakan logika fuzzy guna mengklasifikasikan kondisi udara menjadi kategori LAYAK atau TIDAK LAYAK. Hasil implementasi menunjukkan bahwa sistem mampu menyajikan informasi secara real-time melalui aplikasi Android, sehingga mendukung petambak dalam pengambilan keputusan yang cepat dan tepat. Namun akurasi sensor pH masih perlu ditingkatkan agar hasil pemantauan lebih optimal. Dengan demikian, sistem ini berpotensi menjadi solusi teknologi yang efektif dalam mendukung akuakultur berkelanjutan serta mengurangi risiko kerugian ekonomi pada budidaya bandeng.
Perancangan Sistem Deteksi dan Pelacakan Objek untuk Pendeteksian PCB di Industri Manufaktur Berbasis Kamera Syaeful Anas Aklani; Nanda Salsabila; Hendi Sama
Journal of Computer and Information System ( J-CIS ) Vol. 8 No. 2 (2025): J-CIS Vol. 8 No. 2 Tahun 2025
Publisher : Universitas Sulawesi Barat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31605/jcis.v8i2.5793

Abstract

Pengembangan sistem inspeksi kualitas pada industri manufaktur, khususnya pada Printed Circuit Board (PCB), menghadapi tantangan signifikan akibat proses manual yang memakan waktu dan berpotensi menimbulkan kesalahan. Penelitian ini bertujuan untuk merancang dan mengembangkan sistem object detection dan tracking berbasis kamera yang mampu mendeteksi serta melacak pergerakan PCB secara otomatis dengan tingkat akurasi tinggi pada kondisi produksi yang dinamis. Metode penelitian yang digunakan adalah research and development (R&D) melalui tahapan analisis kebutuhan, perancangan, implementasi, pengujian, dan evaluasi sistem. Model deteksi dilatih menggunakan algoritma Convolutional Neural Network (CNN) dengan framework YOLO untuk klasifikasi PCB dan Non-PCB, sedangkan pelacakan dilakukan secara real-time. Hasil pengujian menunjukkan bahwa model mencapai akurasi pelatihan dan validasi sebesar 100% dengan nilai precision, recall, dan F1-score sebesar 1.00 pada kedua kelas. Sistem yang dikembangkan terbukti mampu meningkatkan efisiensi proses inspeksi, meminimalkan kesalahan produksi, serta berkontribusi pada upaya transformasi digital di sektor manufaktur Indonesia.
Analisis Penjualan Terhadap Durasi Live Dan Jumlah Penonton Aktif Melalui Metode Optimasi Dengan Algoritma Stochastic Gradient Descent (Sgd) Ginda M. A. Siregar; Muhammad Farid Fitriansyah; Rizalul Akram; Irwanda Syahputra; Ade Zulkarnain Hasibuan
Journal of Computer and Information System ( J-CIS ) Vol. 9 No. 1 (2026): J-CIS Vol. 9 No. 1 Tahun 2026
Publisher : Universitas Sulawesi Barat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31605/jcis.v9i1.6329

Abstract

Live streaming commerce menjadi strategi pemasaran digital yang memungkinkan interaksi langsung antara penjual dan konsumen secara real-time. Namun, peningkatan durasi siaran dan jumlah penonton aktif tidak selalu diikuti peningkatan jumlah produk terjual. Penelitian ini bertujuan membangun model prediksi jumlah produk terjual berdasarkan durasi live (X₁) dan jumlah penonton aktif (X₂) menggunakan regresi linear yang dioptimasi dengan algoritma Stochastic Gradient Descent (SGD). Dataset historis aktivitas live streaming digunakan sebagai data pelatihan dan evaluasi model. Kinerja model diukur menggunakan metrik R², Mean Absolute Error (MAE), Root Mean Square Error (RMSE), dan Mean Absolute Percentage Error (MAPE). Hasil pengujian menunjukkan model memperoleh nilai R² sebesar 0,4995, MAE sebesar 10,0113, RMSE sebesar 14,0243, dan MAPE sebesar 66,94%. Model kemudian diimplementasikan dalam dashboard berbasis Streamlit untuk menyediakan simulasi prediksi penjualan secara real-time guna mendukung perencanaan strategi live streaming yang lebih efektif dan berbasis data.
Analisis Clustering Data Penyakit Pasien Berbasis Algoritma K-Means Pada RSUD Majene Aulia Rahman; Irfan AP; Milasari; Gusna Mayang Sari
Journal of Computer and Information System ( J-CIS ) Vol. 9 No. 1 (2026): J-CIS Vol. 9 No. 1 Tahun 2026
Publisher : Universitas Sulawesi Barat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31605/jcis.v9i1.6607

Abstract

Penelitian ini didasari oleh permasalahan yang dihadapi oleh RSUD Majene terkait peningkatan jumlah data pasien di RSUD Majene yang belum dimanfaatkan secara optimal untuk menghasilkan informasi strategis, sehingga menyulitkan pihak rumah sakit dalam mengidentifikasi pola penyakit serta penentuan prioritas pelayanan kesehatan. Oleh karena itu, diperlukan suatu pendekatan berbasis data mining untuk mengelompokkan data penyakit pasien secara efektif. Penelitian ini menggunakan metode K-Means Clustering dengan data sebanyak 1.417 pasien tahun 2023 yang mencakup variabel diagnosis penyakit, usia, dan jenis kelamin. Tahapan penelitian meliputi data cleaning, transformasi data, serta proses clustering. Penentuan jumlah cluster optimal dilakukan menggunakan metode Elbow dengan nilai SSE pada k=3 sebesar 6.835.033,99 yang menunjukkan hasil paling optimal. Hasil penelitian menghasilkan tiga cluster utama, yaitu cluster pertama didominasi oleh penyakit pulpitis irreversibel dan nekrosis pulpa pada usia 5–24 tahun, cluster kedua didominasi oleh periodontitis kronis dan pericoronitis pada usia 25–64 tahun, serta cluster ketiga mencakup kasus penyakit dengan tingkat kompleksitas tinggi pada usia lanjut (≥65 tahun). Hasil ini menunjukkan bahwa metode K-Means mampu mengidentifikasi pola distribusi penyakit pasien secara efektif. Dengan demikian, penelitian ini penting sebagai dasar pengambilan keputusan dalam peningkatan kualitas layanan kesehatan dan perencanaan strategi pencegahan penyakit secara lebih tepat sasaran.
Pengembangan Sistem Rekomendasi Produk Oleh Oleh Batam Berbasis Machine Learning untuk Mendukung Personalisasi Pengguna Eryc, S.E., M.M.,; Erved Ang; Surya Tjahyadi, S.T., M.M.
Journal of Computer and Information System ( J-CIS ) Vol. 9 No. 1 (2026): J-CIS Vol. 9 No. 1 Tahun 2026
Publisher : Universitas Sulawesi Barat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31605/jcis.v9i1.6294

Abstract

Penelitian ini mengembangkan prototipe sistem rekomendasi oleh-oleh khas Batam berbasis machine learning dalam ekosistem Grab untuk meningkatkan relevansi rekomendasi produk dan menganalisis dampaknya pada pengguna. Evaluasi dilakukan melalui eksperimen offline pada dataset tabular berisi 17.343 interaksi dari 1.000 pengguna terhadap 300 produk, dengan atribut utama user_id, item_id, rating, nama_produk, kategori, deskripsi, harga, dan lokasi_beli. Sistem membandingkan tiga algoritma rekomendasi, yaitu user-based collaborative filtering, item-based collaborative filtering, dan content-based filtering berbasis TF–IDF pada skenario top-k recommendation sebanyak 1.000 kasus uji. Hasil menunjukkan precision yang sama pada seluruh algoritma (1,00), dengan perbedaan pada recall dan F1-score; content-based memiliki recall tertinggi (0,020) dan F1-score 0,0392. Selain itu, model klasifikasi segmen harga menggunakan random forest untuk kelas budget, standard, dan premium mencapai accuracy 92,71% pada data uji. Dampak pada pengguna dianalisis melalui survei (n=385) dan regresi linear berganda, yang menunjukkan bahwa ekspektasi, persepsi manfaat, kemudahan penggunaan, niat menggunakan, dan technology acceptance berpengaruh positif dan signifikan terhadap potensial kepuasan, dengan kelayakan model yang kuat (R²=0,970; F=2482,287; Sig.=0,000).

Page 9 of 10 | Total Record : 91