cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Dien Novita
Contact Email
jtsi@mdp.ac.id
Phone
+62895323203168
Journal Mail Official
dien@mdp.ac.id
Editorial Address
Jalan Rajawali No. 14 Palembang 30113
Location
Kota palembang,
Sumatera selatan
INDONESIA
Jurnal Teknologi Sistem Informasi
Published by Universitas Multi Data Palembang
ISSN : -     EISSN : 2722631X     DOI : https://doi.org/10.35957/jtsi.v3i1
Core Subject : Science,
Computer Science & IT
Jurnal Teknologi Sistem Informasi adalah jurnal nasional berbahasa Indonesia yang dikelola oleh Program Studi Sistem Informasi, Universitas Multi Data Palembang. Jurnal ini memuat hasil penelitian dengan topik penelitian yang berasal dalam cakupan rumpun ilmu Sistem Informasi seperti: • Sistem Informasi Manajemen • Sistem Pendukung Keputusan • Knowledge Management • E-Learning • E- Business • E-Government • Penelitian (statistik) • Bidang-bidang lainnya yang termasuk ke dalam rumpun ilmu tersebut.
Arjuna Subject : Ilmu Komputer (semua kategori) - Sistem Informasi
Articles 205 Documents
 17   18   19   20   21 
Sistem Pendukung Keputusan Pemeliharaan Mesin Menggunakan RCM dan Fuzzy FMEA di PG Rajawali II Unit Tersana Baru Sinsin Kuraesin; Lena Magdalena; Mesi Febima
Jurnal Teknologi Sistem Informasi Vol 7 No 2 (2026): Jurnal Teknologi Sistem Informasi (on Process)
Publisher : Program Studi Sistem Informasi, Universitas Multi Data Palembang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35957/jtsi.v7i2.17358

Abstract

Pemeliharaan mesin pada proses giling tebu memerlukan prioritas yang terukur karena kegagalan satu komponen dapat menghentikan rangkaian produksi. Penelitian ini mengembangkan Sistem Pendukung Keputusan berbasis web untuk mengolah catatan downtime menjadi urutan risiko dan rekomendasi pemeliharaan dengan mengintegrasikan Reliability Centered Maintenance (RCM) dan Fuzzy Failure Mode and Effect Analysis (Fuzzy FMEA). Data penelitian mencakup lima stasiun produksi pada musim giling 2024 dan 2025. Sebanyak 73 kejadian tahun 2024 dikelompokkan menjadi 50 mode kegagalan, sedangkan 83 kejadian tahun 2025 menjadi 56 mode kegagalan. Fuzzy FMEA menghasilkan prioritas berdasarkan Severity, Occurrence, Detection, nilai FRPN, defuzzifikasi, dan MTTR. Proporsi mode berisiko tinggi meningkat dari 2% menjadi 18%. Matriks RCM berisi 27 kombinasi menghasilkan Scheduled On-Condition Task, Scheduled Restoration Task, atau Scheduled Discard Task; tindakan restorasi mendominasi sebesar 62% pada 2024 dan 70% pada 2025. Sistem REMIND (Recommendation Maintenance Decision System) dibangun menggunakan Laravel, MySQL, dan Python. Pengujian black-box terhadap 67 skenario pada akses Admin Maintenance dan Supervisor seluruhnya valid. Sistem mampu menyajikan prioritas dan rekomendasi secara konsisten sebagai dasar keputusan pemeliharaan pada masa off-season.
Analisis Penerimaan Teknologi Live Streaming terhadap Pembelian Fashion di TikTok Shop pada Mahasiswa Tegal Affa Muntazah; R. Bangkit Indarmawan N.; Sarif Surorejo
Jurnal Teknologi Sistem Informasi Vol 7 No 2 (2026): Jurnal Teknologi Sistem Informasi (on Process)
Publisher : Program Studi Sistem Informasi, Universitas Multi Data Palembang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35957/jtsi.v7i2.17359

Abstract

Perkembangan teknologi digital telah mendorong perubahan perilaku belanja melalui fitur live streaming TikTok Shop. Penelitian ini dilakukan untuk mengkaji pengaruh live streaming terhadap keputusan pembelian produk fashion pada mahasiswa Kota Tegal menggunakan pendekatan Technology Acceptance Model (TAM), dengan variabel Perceived Usefulness dan Perceived Ease of Use. Penelitian menggunakan metode kuantitatif asosiatif terhadap 100 responden yang dipilih melalui purposive sampling. Data penelitian diperoleh melalui kuesioner skala Likert dengan dianalisis menggunakan regresi linear berganda, uji t, uji F, serta koefisien determinasi. Hasil menunjukkan bahwa Perceived Usefulness berpengaruh positif serta signifikan terhadap keputusan pembelian (t=4,568; p=0,000), demikian pula Perceived Ease of Use (t=3,360; p=0,001). Secara simultan, kedua variabel berpengaruh signifikan (F=58,054; p=0,000) dengan kontribusi sebesar 53,5% (Adjusted R²=0,535). Perceived Usefulness menjadi faktor yang lebih dominan. Temuan ini menunjukkan bahwa manfaat serta kemudahan live streaming dapat mendorong keputusan membeli produk fashion di TikTok Shop.
Sistem Pendukung Keputusan Pemilihan Supplier Bahan Baku Menggunakan Metode Hybrid RECA dan MAUT Intan Widara; Lena Magdalena; Ridho Taufiq Subagio
Jurnal Teknologi Sistem Informasi Vol 7 No 2 (2026): Jurnal Teknologi Sistem Informasi (on Process)
Publisher : Program Studi Sistem Informasi, Universitas Multi Data Palembang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35957/jtsi.v7i2.17369

Abstract

Evaluasi pemasok pada perusahaan manufaktur masih dilakukan secara manual sehingga pembobotan kriteria tidak konsisten dan keputusan rentan dipengaruhi subjektivitas. Penelitian ini bertujuan membangun sistem pendukung keputusan berbasis web yang mengintegrasikan Respond to Criteria Weighting (RECA) untuk menghasilkan bobot objektif dan Multi-Attribute Utility Theory (MAUT) untuk memeringkat alternatif pemasok. Data penelitian mencakup 58 pemasok pada 16 kelompok produk bahan baku dan bahan kemasan. Tahapan penelitian meliputi pengumpulan data pembelian tahun 2025, pembersihan dan kategorisasi, pembentukan matriks keputusan, pembobotan RECA, normalisasi dan agregasi utilitas MAUT, perankingan, serta implementasi sistem. Hasil menunjukkan bobot kriteria berubah mengikuti karakteristik kelompok produk; Kualitas Produk mencapai 0,3115 pada perisa makanan, Harga 0,2323 pada gula kristal, dan Kapasitas Pemenuhan 0,4866 pada toples plastik. Sistem menghasilkan rekomendasi utama pada 14 kelompok dan menandai dua kelompok sebagai sumber tunggal. Skor tertinggi 1,0000 diperoleh pada beberapa kelompok produk, sedangkan seluruh 19 skenario pengujian fungsional berhasil. Integrasi RECA-MAUT membuat evaluasi pemasok lebih terukur, transparan, dan spesifik terhadap kebutuhan produk.
AYUNDA: Hybrid Agentic AI dan Sistem Multi-Agen dengan LSTM untuk Prediksi Pembelian Layanan dan Optimalisasi Kebutuhan Bisnis ISP Dwi Pasha Anggara Putra; Lena Magdalena; Muhammad Hatta
Jurnal Teknologi Sistem Informasi Vol 7 No 2 (2026): Jurnal Teknologi Sistem Informasi (on Process)
Publisher : Program Studi Sistem Informasi, Universitas Multi Data Palembang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35957/jtsi.v7i2.17381

Abstract

Penyedia Layanan Internet memerlukan peramalan yang akurat dan optimalisasi bisnis yang cerdas untuk mendukung perencanaan operasional serta alokasi sumber daya. Penelitian ini mengusulkan AYUNDA, platform optimalisasi bisnis cerdas berbasis web yang mengintegrasikan dua model Long Short-Term Memory (LSTM) dengan Collaborative Multi-Agent System untuk memprediksi pembelian layanan internet dan pendapatan perusahaan sekaligus menghasilkan rekomendasi bisnis terintegrasi. Kedua model LSTM tersebut diproses oleh LLM Orchestrator berbasis OpenAI GPT-4o-mini yang mengoordinasikan empat agen khusus, yaitu Marketing Agent, Finance Agent, Network Engineer Agent, dan Technician Agent, untuk menerjemahkan hasil peramalan menjadi rekomendasi bisnis yang dapat ditindaklanjuti. Data transaksi historis PT CIO Network Solution yang diperoleh melalui observasi, wawancara, dokumentasi, dan studi literatur digunakan untuk melatih dan memvalidasi model. Hasil penelitian menunjukkan model peramalan pembelian mencapai MAE 2,94, MSE 12,49, RMSE 3,53, dan MAPE 11,92% dengan akurasi 88,08%, sementara model peramalan pendapatan menghasilkan MAE 3,94, MSE 20,52, RMSE 4,53, dan MAPE 10,65% dengan akurasi 89,35%. Kedua model LSTM menunjukkan kinerja prediktif yang baik dengan tingkat kesalahan rendah. Platform AYUNDA mengintegrasikan peramalan, penalaran multi-agen, dan interaksi bahasa alami dalam satu dashboard untuk menghasilkan rekomendasi estimasi pendapatan, perencanaan infrastruktur, penganggaran operasional, dan alokasi teknisi.
Deteksi Ujaran Kebencian Dalam Domain Politik Pada Media Sosial Dengan Algoritma Long Short-Term Memory (LSTM) Alfiandri Putra Perdana; Ronsen Purba; Muhammad Fermi Pasha
Jurnal Teknologi Sistem Informasi Vol 7 No 2 (2026): Jurnal Teknologi Sistem Informasi (on Process)
Publisher : Program Studi Sistem Informasi, Universitas Multi Data Palembang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35957/jtsi.v7i2.17389

Abstract

Maraknya ujaran kebencian dalam domain politik di media sosial dapat memicu tindakan kekerasan, prasangka negatif bahkan perpecahan. Dengan metode pendeteksian ujaran kebencian dapat membantu menganalisis ujaran antara ujaran kebencian dan bukan ujaran kebencian. Namun, akurasi deteksi ujaran kebencian dibatasi oleh kualitas sumber dataset, penggunaan bahasa informal, definisi yang berbeda tentang apa yang dimaksud dengan ujaran kebencian. Penelitian ini memberikan solusi atas permasalahan ini menggunakan metode Long Short-Term Memory dan teknik pembobotan kata TF-IDF. Dataset yang digunakan akan melalui beberapa tahapan pre-processing, seperti Data Cleaning, Case Folding, Tokenizing, Filtering, dan Stemming. Setelah itu dataset akan dilakukan pembobotan dengan teknik TF-IDF. Kemudian seluruh data dilatih dan divalidasi dengan menggunakan model LSTM. Penelitian ini menghasilkan 12 model yang dilatih menggunakan dataset Alfina, Ibrohim, dataset hasil scrapping penulis, serta gabungan dataset tersebut yang kemudian dapat digunakan untuk menganalisis ujaran kebencian. Hasil pengujian menunjukkan proses deteksi ujaran kebencian lebih akurat, peningkatan akurasi dari 74,47% menjadi 96,58% dibandingkan dengan pengujian tanpa menerapkan metode usulan.

Page 21 of 21 | Total Record : 205

 17   18   19   20   21 

Filter by Year

2020 2026


Reset
Filter By Issues
All Issue Vol 7 No 2 (2026): Jurnal Teknologi Sistem Informasi (on Process) Vol 7 No 1 (2026): Jurnal Teknologi Sistem Informasi Vol 6 No 2 (2025): Jurnal Teknologi Sistem Informasi Vol 6 No 1 (2025): Jurnal Teknologi Sistem Informasi Vol 5 No 2 (2024): Jurnal Teknologi Sistem Informasi Vol 5 No 1 (2024): Jurnal Teknologi Sistem Informasi Vol 4 No 2 (2023): Jurnal Teknologi Sistem Informasi Vol 4 No 1 (2023): Jurnal Teknologi Sistem Informasi Vol 3 No 2 (2022): Jurnal Teknologi Sistem Informasi Vol 3 No 1 (2022): Jurnal Teknologi Sistem Informasi Vol 2 No 2 (2021): Jurnal Teknologi Sistem Informasi Vol 2 No 1 (2021): Jurnal Teknologi Sistem Informasi Vol 1 No 2 (2020): Jurnal Teknologi Sistem Informasi Vol 1 No 1 (2020): Jurnal Teknologi Sistem Informasi More Issue