cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Surya Guntur
Contact Email
guntur@polgan.ac.id
Phone
+6282363800909
Journal Mail Official
guntur@polgan.ac.id
Editorial Address
Jl. Veteran No. 194 Medan Pasar 6 Manunggal
Location
Kota medan,
Sumatera utara
INDONESIA
Jurnal Minfo Polgan (JMP)
Published by Politeknik Ganesha Medan
ISSN : 20899424     EISSN : 27973298     DOI : -
Core Subject : Science, Education, Social,
Computer Science & IT Library & Information Science Mathematics Social Sciences
Jurnal Minfo Polgan (JMP) merupakan jurnal nasional yang diterbitkan oleh Program Studi Manajemen Informatika Politeknik Ganesha Medan terbit berkala (satu tahun dua kali yaitu Maret dan September) dengan tujuan untuk menyebarluaskan hasil riset bidang teknologi dan informasi kepada para akademisi, praktisi, mahasiswa, dan lain-lain. Jurnal Minfo Polgan (JMP) menerima kiriman artikel hasil riset bidang teknologi dan informasi yang ditulis dalam Bahasa Indonesia. Agar hasil riset bidang teknologi dan informasi yang dimuat dapat bermanfaat untuk pengembangan bidang teknologi dan informasi. Adapun ruang lingkup Jurnal Minfo Polgan adalah: 1. Sistem Pendukung Keputusan (SPK/DSS) 2. Sistem Informasi Geografis (GIS/SIG) 3. Sistem informasi skala enterprise (ERP, EAI, CRM, SCM) 4. Keamanan Sistem Informasi 5. Sistem Informasi Berbasis Web 6. Sistem Berbasis Pengetahuan & Data mining 7. Mobile Computing 8. Multimedia
Arjuna Subject : Ilmu Komputer (semua kategori) - Ilmu Komputer (Lain-Lain)
Articles 1,052 Documents
 42   43   44   45   46 
Penerapan Metode Algoritma Simpleks Pada Optimalisasi Produksi Busi Firdaus, Ridwan Awalian; DU , Hagung Dika; P, Fauline Adella; Pamungkas, Galih P.
Jurnal Minfo Polgan Vol. 13 No. 1 (2024): Artikel Penelitian
Publisher : Politeknik Ganesha Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33395/jmp.v13i1.13598

Abstract

Penelitian ini bertujuan untuk mengetahui penerapan metode algoritma simpleks pada optimalitas produksi busi. Optimalisasi terhadap jumlah busi yang harus diproduksi supaya memenuhi target dan menghasilkan keuntungan maksimum. Data yang digunakan pada penelitian ini bersumber dari salah satu produsen busi nasional meliputi data target produksi 6 tipe busi bulan Oktober 2023, persediaan bahan baku pada akhir bulan September 2023, kebutuhan raw material tiap tipe busi, dan harga. Penelitian ini menggunakan metode analisis kuantitatif. Sumber data yang digunakan dalam penelitian ini adalah data sekunder yang didapatkan melalui wawancara. Teknik analisis data menggunakan linear programming dengan metode simpleks dibantu dengan software LINGO. Adapun yang menjadi variabel keputusan adalah 6 jenis busi yang diproduksi yaitu: B9ES (X1), CPR8EA-09 (X2), KR6A-10 (X3), LMAR8L9 (X4), BPM6A (X5), dan D6HS (X6). Untuk fungsi kendala menggunakan constraint yaitu 4 jenis raw material yaitu: gasket, wire packing, sheet packing, dan dynacast. Berdasarkan hasil perhitungan didapatkan keuntungan maksimum sebesar Rp 3.038.500.000 dengan memproduksi X1=30000, X2= 52000, X3=42000, X4=48000, X5=40000, X6=48000
Implementasi Sistem Pakar Forward Chaining pada Deteksi Penyakit Tanaman Selada Ainah, Saripah; Khotimah, Yusie Nur Chusnul; Maharani, Audry; Pranatawijaya, Viktor Handrianus; Priskila, Ressa
Jurnal Minfo Polgan Vol. 13 No. 1 (2024): Artikel Penelitian
Publisher : Politeknik Ganesha Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33395/jmp.v13i1.13613

Abstract

Penelitian ini membahas implementasi Sistem Pakar menggunakan algoritma Forward Chaining untuk mendeteksi penyakit pada tanaman selada. Metode penelitian mengadopsi model Software Development Life Cycle, dengan metode waterfall. Algoritma Forward Chaining digunakan untuk logika inferensi dalam menentukan penyakit berdasarkan gejala. Proses pengembangan melibatkan analisis kebutuhan, perancangan sistem, implementasi, pengujian, dan pemeliharaan. Pada pengujian, penelitian ini menggunakan pendekatan blackbox dengan berbagai skenario uji gejala penyakit tanaman selada. Hasil pengujian mengevaluasi keakuratan, kecepatan, dan ketepatan sistem. Dengan pendekatan Software Development Life Cycle metode waterfall dan pengujian blackbox, penelitian ini memberikan kontribusi pada pengembangan sistem pakar yang handal dalam mendukung pertanian modern. Kesimpulannya, implementasi Sistem Pakar Forward Chaining dalam deteksi penyakit tanaman selada menawarkan solusi terstruktur dan dapat diandalkan. Penerapan algoritma Forward Chaining dalam logika inferensi meningkatkan akurasi diagnosa penyakit tanaman, menunjukkan kehandalan dan keefektifan metode yang digunakan.
Toward Competitive Advantage: Harnessing Artificial Intelligence for Business Innovation and Entrepreneurial Success Harahap, Muhammad Ade Kurnia; Ausat, Abu Muna Almaududi; Kurniawan, Muhammad Sani
Jurnal Minfo Polgan Vol. 13 No. 1 (2024): Artikel Penelitian
Publisher : Politeknik Ganesha Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33395/jmp.v13i1.13615

Abstract

The digital revolution of the past few decades has significantly transformed the business paradigm. One of the technologies dominating this change is artificial intelligence (AI). AI has opened new opportunities in the business field with its ability to process data rapidly and detect previously unseen patterns. The aim of this research is to identify the potential utilization of AI in enhancing operational efficiency and business innovation. The research method employed is a literature review with a qualitative approach. Data used are sourced from Google Scholar for the period from 2017 to 2024. The findings of this research indicate that in an increasingly competitive and dynamic digital era, artificial intelligence (AI) has become a key driver for companies aiming to remain relevant and successful in a constantly changing environment. The use of AI opens new opportunities and stimulates business innovation by enabling companies to optimize strategies, enhance operational efficiency, and create more personalized customer experiences. However, the utilization of AI also brings challenges and risks, including data privacy and security concerns, as well as biases in AI decision-making. To address these challenges, companies must focus on talent development, collaboration among stakeholders, and cultural and organizational paradigm shifts.
Penerapan Metode Simple Moving Average Dan Analytic Hierarcy Process Untuk Prediksi Tingkat Kerawanan Banjir Rob Di Brebes Septiadi, Mohamad Rifki; Nugroho, Bangkit Indarmawan; Santoso, Nugroho Adhi; Gunawan , Gunawan
Jurnal Minfo Polgan Vol. 13 No. 1 (2024): Artikel Penelitian
Publisher : Politeknik Ganesha Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33395/jmp.v13i1.13618

Abstract

Banjir rob yang terjadi pada area Kabupaten Brebes dikarenakan luapan air laut ketika pasang yang masuk ke daratan, baik secara langsung maupun secara tidak langsung yaitu melalui luapan air sungai. Area daratan yang terdampak banjir rob semakin lama semakin luas, sehingga perlu ada analisa terhadap zonasi tingkat kerawanan terjadi banjir rob agar upaya penanganan dan pencegahan dapat tepat sasaran. Penentuan zonasi dengan tingkat kerawanan banjir rob ini melibatkan berbagai kriteria, untuk itu digunakan model Simple Moving Average dan model Analytic Hierarcy Process. Dari hasil yang sudah diperoleh maka dapat diambil kesimpulan bahwa dari ketiga parameter yang digunakan, parameter curah hujan, jenis tanah, dan kemiringan lereng memiliki pengaruh paling besar terhadap banjir dengan bobot sebesar 50%. Hasil ini didapatkan dari perhitungan model Analytical Hierarchy Process dengan nilai yang didapat dari 3 narasumber. Kabupaten Brebes cenderung fluktuatif. Model yang cocok digunakan untuk memprediksi jumlah bencana banjir di Kabupaten Brebes adalah model Single Moving Average dengan rata-rata bergerak 3 tahun dengan nilai MAE sebesar 30,6666 dan nilai MSE sebesar 1584, 0740.
Penerapan Algoritma Support Vector Machine untuk Klasifikasi Stunting pada Balita di Kabupaten Enrekang Gaffar, Andi Widya Mufila; Halis, Andi Muhammad; Purnawansyah; Jabir, Sitti Rahmah
Jurnal Minfo Polgan Vol. 13 No. 1 (2024): Artikel Penelitian
Publisher : Politeknik Ganesha Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33395/jmp.v13i1.13620

Abstract

Stunting adalah salah satu bentuk gizi yang kurang yang ditandai dengan tinggi badan berdasarkan umur dan diukur dengan standar deviasi referensi WHO yang dapat dilihat pada Indikator TB/U (tinggi badan dengan usia). Salah satu kabupaten dengan jumlah penduduk stunting terbanyak di provinsi Sulawesi Selatan adalah Kabupaten Enrekang. Metode yang digunakan pada penelitian ini yaitu klasifikasi stunting menggunakan algoritma Support Vector Machine (SVM) dengan kernel polynomial yang bertujuan untuk mengelompokkan data anak balita di bawah 60 bulan apakah mengalami stunting atau tidak (normal). Klasifikasi Stunting pada balita memiliki signifikansi penting karena menjadi landasan untuk merancang program pencegahan Stunting. Untuk menilai performa dan cara kerja model Support Vector Machine pada data anak balita di Kabupaten Enrekang, digunakan metode pengujian cross validation. Selain itu, hasil prediksi model dibandingkan dengan fakta aktual menggunakan confusion matrix. Pada pengujian dengan 10 K-Fold Cross Validation menggunakan Support Vector Machine menunjukkan hasil dengan nilai tertinggi berada pada fold ke-4 dengan tingkat accuracy 99.13% precision 99.13% recall 99.13% f1-score 99.13%. sedangkan nilai terendah berada pada fold ke-0 dengan tingkat accuracy 95.63% precision 95.74% recall 95.63% f1-score 95.51%. Untuk rata-rata dari pengujian fold menunjukkan hasil accuracy 96.98% precision 96.99% recall 96.98% f1-score 96.94%. Sedangkan untuk hasil dari Confusion Matrix dengan nilai accuracy sebanyak 98% secara total.
Rancang Bangun Game Zombie Menggunakan Kodular Berbasis Android Indah Purnama Sari; Al-Khowarizmi; Oris Krianto Sulaiman; Dicky Apdilah
Jurnal Minfo Polgan Vol. 13 No. 1 (2024): Artikel Penelitian
Publisher : Politeknik Ganesha Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33395/jmp.v13i1.13622

Abstract

Game Zombie merupakan game yang menggunakan komputer untuk melakukan simulasi menembak. Dalam penelitian ini, dilakukan implementasi game tembak dengan Kodular. Kodular memungkinkan untuk membuat game tembak dengan mudah dengan menggunakan antarmuka drag- and-drop yang intuitif. Metode yang digunakan meliputi pembuatan konsep game, implementasi, pengujian, dan evaluasi. Tujuan dari penelitian ini adalah untuk membuat sebuah game zombie online berbasis android yang menarik, menyenangkan, dan memberikan pengalaman bermain yang memuaskan. Hasil dari penelitian ini adalah sebuah game zombie berbasis android dengan fitur seperti kontrol, karakter, senjata, dan musik. Game ini diimplementasikan dengan platform kodular dan diuji untuk mengevaluasi kinerjanya. Hasilnya menunjukkan bahwa game zombie online berbasis android yang dibangun telah mencapai tujuan yang ditetapkan.
Kompleksitas Fungsional Perangkat Lunak Menggunakan Serangkaian Kriteria Baru dalam Unified Modeling Language (UML) Purwawijaya, Ellanda
Jurnal Minfo Polgan Vol. 13 No. 1 (2024): Artikel Penelitian
Publisher : Politeknik Ganesha Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33395/jmp.v13i1.13623

Abstract

Pengembangan teknologi yang cepat mengakibatkan kompleksitas dan ukuran desain perangkat lunak yang semakin meningkat, yang mengarah pada beban kerja administratif dan pengembangan yang tinggi. Studi ini fokus pada pengukuran kompleksitas perangkat lunak menggunakan desain database dan diagram Unified Modeling Language (UML) untuk mengambil data terkait. Model Entity Relationship (ER) yang dikembangkan oleh Peter Chen menyediakan kerangka kerja konseptual untuk mengklasifikasikan data dalam konteks relasional. Skema ORS (Object Relationship Schema) yang disempurnakan juga diperkenalkan untuk memberikan pandangan yang lebih baik mengenai persyaratan basis data. Kompleksitas sistem perangkat lunak kontemporer juga harus dinilai dalam pendidikan tinggi, yang dipengaruhi oleh faktor seperti ketergantungan fungsional, keamanan, kompleksitas komputasi, kasus penggunaan, dan struktur komponen. Penelitian ini berkontribusi pada pemahaman tentang kompleksitas perangkat lunak dan pentingnya penilaian dalam pendidikan tinggi.
Penerapan Algortima Convolutional Neural Network (CNN) Untuk Identifikasi Lahan Kosong Di Kota Tegal Berdasarkan Citra Google Earth Triwinanto, Mohammad Amin Triwinanto; Murtopo, Aang Alim; Syefudin, Syefudin; Gunawan, Gunawan
Jurnal Minfo Polgan Vol. 13 No. 1 (2024): Artikel Penelitian
Publisher : Politeknik Ganesha Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33395/jmp.v13i1.13626

Abstract

Lahan kosong memiliki berbagai macam jenis. Setiap jenis lahan kosong memiliki macam-macam tertentu dengan model yang beragam. Dalam menentukan jenis lahan kosong maka perlu dilakukan sebuah klasifikasi dengan menggunakan metode Convolutional Neural Network (CNN). Dengan penggunaan CNN dapat dilakukan ekstraksi sebuah fitur kemudian fitur-fitur tersebut akan menjadi data dalam menentukan klasifikasi jenis lahan kosong. Data gambar lahan kosong yang dikumpulkan dari data augmentasi adalah sebanyak 120 gambar dengan jenis lahan kosong tambak, rawa, pemukiman, dan sawah. Keempat kelas jenis lahan kosong tersebut memiliki perbandingam data latih 70% dan data uji 30%. Masing-masing kelas menggunakan empat convolutional layer dengan filter 32, 32, 64, dan 64 dan menggunakan pool size sebesar 2x2 dengan neuron (hidden layer) sebanyak 512. Pengujian website image classification dengan menggunakan metode confusion matrix didapatkan akurasi sebesar 80,5% dari pengujian yang dilakukan pada data uji.
Analisis Pengelolaan Manajemen Sumber Daya Manusia Dalam Upaya Meningkatkan Motivasi Kerja Melalui Sistem Reward Mintawati, Hesri
Jurnal Minfo Polgan Vol. 13 No. 1 (2024): Artikel Penelitian
Publisher : Politeknik Ganesha Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33395/jmp.v13i1.13629

Abstract

Penelitian ini bertujuan untuk mengidentifikasi pengelolaan manajemen sumber daya manusia (HRM) terhadap motivasi kerja karyawan melalui sistem reward. Metode penelitian menggunakan pendekatan kualitatif dengan studi pustaka, menganalisis literatur terkait HRM, motivasi kerja, dan sistem reward. Hasil analisis menunjukkan bahwa pengelolaan HRM yang efektif, termasuk penggunaan sistem reward yang transparan dan adil, berdampak positif pada motivasi kerja karyawan. Reward yang sesuai dengan kontribusi karyawan dapat meningkatkan produktivitas, mengurangi turnover, dan meningkatkan kualitas sumber daya manusia perusahaan. Kesimpulannya, manajemen sumber daya manusia yang fokus pada Reward System dapat menjadi strategi yang efektif dalam meningkatkan motivasi kerja karyawan dan mendukung pencapaian tujuan perusahaan.
Analisis Sentimen Masyarakat Di Twitter Terhadap Pemerintahan Anies Baswedan Menggunakan Metode Naive Bayes Classifier Kahi, Febriyanti Rambu Bangu; talakua, alfrian; reynaldi
Jurnal Minfo Polgan Vol. 13 No. 1 (2024): Artikel Penelitian
Publisher : Politeknik Ganesha Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33395/jmp.v13i1.13636

Abstract

Twitter adalah platform media sosial yang banyak digunakan di Indonesia. Dengan adanya media sosial dapat dimanfaatkan untuk menggalang opini masyarakat di Twitter mengenai kinerja seorang pemimpin dengan kata-kata yang menyinggung dan provokatif. Banyak cuitan di Twitter yang menjadi berita hangat di Indonesia, salah satunya Anies Baswedan. Anies Baswedan adalah mantan Gubernur Daerah Khusus Ibu Kota Jakarta yang dikenal sikap kepemimpinannya tegas dan membawa perubahan. Saat ini banyak media yang memberikan informasi bahwa Anies Baswedan mencalonkan diri sebagai Presiden Republik Indonesia pada tahun 2024 mendatang. Pencalonan Anies Baswedan sebagai Presiden Indonesia, tidak bisa dipungkiri bahwa banyak masyarakat yang ingin mengetahui program – program apa saja yang sudah menjadi bukti nyata selama masa pemerintahan Anies Baswedan. Dengan demikian, banyak opini dari masyarakat tentang kinerja Anies Baswedan selama masa jabatannya, karena dengan masyarakat mengetahui program dan adanya bukti nyata yang sudah diwujudkan Anies Baswedan pada masa pemerintahannhya. Sehingga karya Anies Baswedan menjadi tolak ukuran bagi masyarakat untuk mempertimbangkan Anies Baswedan layak dipilih menjadi Presiden Republik Indonesia atau tidak. Algoritma yang digunakan dalam analisis ini adalah klasifikasi Naive Bayes. Naïve Bayes Classifier merupakan salah satu metode machine learning yang memanfaatkan perhitungan probabilitas dan statistik yang dikemukakan oleh ilmuwan Inggris Thomas Bayes, yaitu memprediksi probabilitas di masa depan berdasarkan pengalaman di masa sebelumnya. Manfaat penelitian ini untuk mengetahui berapa banyak sentimen opini positif dan negatif masyarakat terhadap Pemerintahan Anies Baswedan selama menjabat sebagai Gubernur Daerah Khusus Ibu Kota Jakarta dan akan mencalonkan diri untuk menjadi caleg Presiden di tahun 2024 mendatang. Performa teknik klasifikasi tingkat akurasi 76,04%, presisi 71,43% recall 81,63 % dan f-measure 76,19%. Hasil akhir dari penelitian ini tanggapan masyarakat berkategori positif sebanyak 746 (47,7%), berkategori negatif lebih banyak dengan jumlah data sebanyak 817 (52,3%). Kata kunci: Anies Baswedan, Analisis Sentimen, Naïve Bayes, Twitter.

Page 44 of 106 | Total Record : 1052

 42   43   44   45   46 

Filter by Year

2020 2026


Reset
Filter By Issues
All Issue Vol. 15 No. 1 (2026): Artikel Penelitian Vol. 14 No. 2 (2025): Artikel Penelitian Vol. 14 No. 1 (2025): Artikel Penelitian Vol. 13 No. 2 (2024): Artikel Penelitian Vol. 13 No. 1 (2024): Artikel Penelitian Vol. 12 No. 2 (2023): Artikel Penelitian 2023 Vol. 12 No. 1 (2023): Artikel Penelitian Juni 2023 Vol. 12 No. 1 (2023): Artikel Penelitian 2023 Vol. 12 No. 1 (2023): Article Research March 2023 Vol. 11 No. 2 (2022): Article Research Vol. 11 No. 1 (2022): Article Research Vol. 10 No. 2 (2021): Article Research Vol. 10 No. 1 (2021): Article Research Vol. 9 No. 2 (2020): Article Research Vol. 9 No. 1 (2020): Article Research More Issue