cover
Contact Name
Firdiyan Syah
Contact Email
dinamikainformatika@upy.ac.id
Phone
+6285856635257
Journal Mail Official
dinamikainformatika@upy.ac.id
Editorial Address
Jl. PGRI I Sonosewu No. 117 Daerah Istimewa Yogyakarta 55182 Indonesia
Location
Kota yogyakarta,
Daerah istimewa yogyakarta
INDONESIA
Jurnal Dinamika Informatika (JDI)
ISSN : 19781660     EISSN : 25498517     DOI : 10.31316
Core Subject : Science,
Enterprise Systems (ES) Enterprise Resource Planning Business Process Management Customer Relationship Management Marketing Analytics System Dynamics E-business and e-Commerce Marketing Analytics Supply Chain Management and Logistics Business Analytics and Knowledge Discovery Production Management Task Analysis Process Mining Discrete Event Simulation Service Science and Innovation Innovation in the Digital Economy Information Systems Management (ISM) Software Engineering Software Design Pattern System Analysis and Design Software Quality Assurance Green Technology Strategies Strategic Information Systems IT Governance and Audits E-Government IT Service Management IT Project Management Information System Development Research Methods of Information Systems Adoption and Diffusion of Information Technology Health Information Systems and Technology Accounting Information Systems Human Behavior in Information System Social Technical Issues and Social Inclusion Domestication of Information Technology ICTs and Sustainable Development Information System in developing countries Software metric and cost estimation IT/IS audit IT Risk and Management Data Acquisition and Information Dissemination (DAID) Open Data Social Media Knowledge Management Social Networks Big Data Web Services Database Management Systems Semantics Web and Linked Data Visualization Information Social Information Systems Social Informatics Spatial Informatics Systems Geographical Information Systems Data Engineering and Business Intelligence (DEBI) Business Intelligence Data Mining Intelligent Systems Artificial Intelligence Autonomous Agents Intelligent Agents Multi-Agent Systems Expert Systems Pattern Recognition Machine Learning Soft Computing Optimization Forecasting Meta-Heuristics Computational Intelligence Decision Support Systems IT Infrastructure and Security (ITIS) Information Security and Privacy Digital Forensics Network Security Cryptography Cloud and Virtualization Emerging Technologies Computer Vision and Image Ethics in Information Systems Human Computer Interaction Wireless Sensor Networks Medical Image Analysis Internet of Things Mobile and Pervasive Computing Real-time Systems and Embedded Systems Parallel and Distributed Systems
Articles 145 Documents
Perbandingan Kinerja Naive Bayes dan KNN Dalam Klasifikasi Sentimen Ulasan Film Horor Cantriya Simbolon; Maria Angelina Lubis; Sardo Pardingotan Sipayung
Jurnal Dinamika Informatika Vol. 15 No. 1 (2026): Vol. 15 No. 1 (2026)
Publisher : Program Studi Informatika Universitas PGRI Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31316/jdi.v15i1.464

Abstract

Lonjakan ulasan film horor di platform digital memerlukan sistem klasifikasi otomatis untuk memahami sentimen penonton secara efisien. Penelitian ini bertujuan membandingkan kinerja algoritma Naive Bayes dan K-Nearest Neighbors (KNN) dalam mengklasifikasikan sentimen ulasan film horor berbahasa Inggris. Metodologi penelitian melibatkan pengolahan 3.000 data dari Kaggle menggunakan perangkat lunak RapidMiner, dengan tahapan pra-pemrosesan meliputi pembobotan TF-IDF, tokenization, filtering, dan stemming. Pengujian dilakukan melalui skema 10-fold cross validation untuk menjamin stabilitas hasil. Temuan penelitian menunjukkan perbedaan performa yang signifikan, di mana Naive Bayes meraih akurasi sebesar 88,53%, jauh mengungguli KNN yang hanya mencapai 40,47%. Rendahnya akurasi KNN disebabkan oleh kompleksitas perhitungan jarak pada data teks berdimensi tinggi. Disimpulkan bahwa Naive Bayes merupakan model yang lebih reliabel dan efektif untuk klasifikasi sentimen ulasan film horor. Hasil ini memberikan kontribusi berupa rekomendasi algoritma optimal bagi pengembangan sistem analisis opini otomatis.
Analisis Visualisasi Data Pengangguran Di Indonesia Tahun 2018-2024 Dengan Menggunakan Dashboard Tableau Nur ELISKA
Jurnal Dinamika Informatika Vol. 15 No. 1 (2026): Vol. 15 No. 1 (2026)
Publisher : Program Studi Informatika Universitas PGRI Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31316/jdi.v15i1.475

Abstract

The unemployment is still a problem in Indonesia. Unemployment has an impact on society and the country. The unemployment rate has fluctuated from year to year, indicating that there is still no stability in this situation. Data from the Central Statistics Agency (BPS) shows that Indonesia still has an unresolved unemployment problem. The available data is so vast and complex that it poses a challenge in receiving this information. The method used is qualitative. Researchers need to visualize the data to see the distribution of unemployment rates in Indonesia. This data visualization uses a Tableau dashboard. Tableau is an interactive platform that aims to facilitate the delivery of information related to unemployment rates in a more practical, fast, and accurate manner. The highest unemployment rate occurred in 2020, then decreased in 2023 and increased again in 2024. The highest unemployment rate was in the West Java region. Thus, the use of a Tableau dashboard for such a large amount of data makes it easier to receive information and understand the unemployment rate in Indonesia, which aims to address this condition Keywords: Data Visualization, Unemployment of Indonesia, Tableau
Sistem Informasi Pengelolaan Asrama Putra Universitas Katolik Santo Thomas Berbasis Web Dengan Metode Waterfall Sephia Sari Peranginangin; Andy Paul Harianja
Jurnal Dinamika Informatika Vol. 15 No. 1 (2026): Vol. 15 No. 1 (2026)
Publisher : Program Studi Informatika Universitas PGRI Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31316/jdi.v15i1.517

Abstract

This study examines the management system of the Santo Thomas Catholic University Men's Dormitory, which is still manual and conventional. This conventional method often causes problems, such as the risk of data errors, loss of archives, and administrative inefficiency. The main objective of this study is to design and implement a web-based dormitory management information system by applying the Waterfall Method. This development method was chosen because of its structured and systematic nature, from needs analysis to testing. The results of the implementation show that the resulting system is capable of automating the registration process, room management, payment recording, and report generation. System testing proves that this system runs according to user needs and significantly improves the speed and accuracy of dormitory management administration. These findings have important implications for the transformation of campus facility management to be more structured, efficient, and accessible.
Analisis Sentimen Publik Terhadap RUU KUHAP di Platform X Menggunakan Metode TF-IDF dan Naïve Bayes Junaidy; Muhammad Fauzan; Roberto Kaban
Jurnal Dinamika Informatika Vol. 15 No. 1 (2026): Vol. 15 No. 1 (2026)
Publisher : Program Studi Informatika Universitas PGRI Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31316/jdi.v15i1.518

Abstract

The rapid development of social media has established Platform X as one of the primary channels for the public to express opinions on public policy issues, including the Draft Criminal Procedure Code (RUU KUHAP). This study aims to analyze public sentiment toward the RUU KUHAP based on tweet data collected from Platform X. A total of 2,273 valid data points were obtained and utilized in this research. The selected data underwent several preprocessing stages, including case folding, cleansing, tokenizing, stopword removal, and stemming. Feature extraction was performed using the Term Frequency–Inverse Document Frequency (TF-IDF) method, while the sentiment classification process employed the Multinomial Naive Bayes algorithm, with the dataset split into training and testing sets. Model performance was evaluated using a confusion matrix alongside precision, recall, and F1-score metrics. The results indicate that public sentiment toward the RUU KUHAP is dominated by negative sentiment at 45.5%, followed by neutral sentiment at 32.0%, and positive sentiment at 22.5%. Performance evaluation shows that for the negative class, the model achieved a precision of 0.71, recall of 0.93, and F1-score of 0.80. For the neutral class, the precision was 0.74, recall 0.44, and F1-score 0.55, while the positive class reached a precision of 0.85, recall 0.80, and F1-score 0.82. Overall, the model achieved an accuracy of 74.07%, demonstrating that the application of TF-IDF and Naïve Bayes is effective in classifying public sentiment, despite persistent limitations in identifying neutral sentiment.
Analisis Transisi Sistem Informasi O2O Dalam Memitigasi Perceived Risk Jasa Sewa Peralatan Bayi Annisa Tuzahra; Firdiyan Syah
Jurnal Dinamika Informatika Vol. 15 No. 1 (2026): Vol. 15 No. 1 (2026)
Publisher : Program Studi Informatika Universitas PGRI Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

The development of technology drives business transformation from pure online marketing information systems toward a hybrid information system architecture based on Online-to-Offline (O2O) strategy. This study aims to analyze the role of integrating O2O Information Systems (digital catalogs and online communication) with physical store display verification in reducing perceived risk and building consumer trust. This qualitative case study focuses on the implementation of O2O Information Systems at a baby equipment rental MSME, KennayaRenttoys in Yogyakarta. Primary data were gathered through in-depth interviews with 1 system/business manager and 6 customers (a mix of new and existing clients), structured observations, and transaction data flow analysis. Data were analyzed using the interactive model by Miles, Huberman, and Saldana. The findings indicate that pure online transactions trigger high perceived risk due to temporary ownership issues, recurring hygiene concerns, and transaction certainty. The presence of a physical display store integrated with digital information channels serves as a credibility anchor and physical evidence. The integration of O2O Information Systems with flexible fulfillment options (direct pickup or local courier/ojol delivery) effectively mitigates risk, enhances trust, and drives positive Word-of-Mouth recommendations.
Sistem Rekomendasi Menu Sushi Berbasis Analisis Preferensi Rasa Menggunakan Metode Artificial Intelligence Nurhidayati; M. Khalil Gibran; Intan Widya Saputri Nst Nst; Ahmad Fahreza
Jurnal Dinamika Informatika Vol. 15 No. 2 (2026): Vol. 15 No. 2 (2026)
Publisher : Program Studi Informatika Universitas PGRI Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31316/jdi.v15i2.447

Abstract

Perkembangan teknologi kecerdasan buatan (Artificial Intelligence/AI) terus mendorong lahirnya berbagai inovasi di beragam bidang, termasuk di dunia kuliner. Salah satu penerapan AI yang semakin berkembang adalah sistem saran makanan yang mampu menyesuaikan rekomendasi menu berdasarkan preferensi pengguna. Penelitian ini bertujuan untuk mengembangkan Sistem Saran Menu Sushi yang memanfaatkan preferensi rasa pengguna dengan menggunakan metode Artificial Intelligence berbasis aturan (rule-based AI). Sistem ini dikembangkan menggunakan bahasa pemrograman PHP dan CSS, serta dijalankan melalui lingkungan pengembangan Visual Studio Code (VSCode) dan server lokal XAMPP. Metode rule-based AI diterapkan dengan cara memetakan kata kunci preferensi rasa yang dimasukkan oleh pengguna, seperti spicy, creamy, savory, salty, dan sweet, ke dalam daftar menu sushi yang sesuai. Setiap aturan dirancang untuk menghubungkan karakteristik rasa tertentu dengan jenis sushi yang memiliki profil cita rasa serupa. Hasil pengujian menunjukkan bahwa sistem mampu memberikan rekomendasi menu sushi yang cukup akurat sesuai dengan input preferensi pengguna. Selain itu, sistem juga dilengkapi dengan fitur pendukung berupa tampilan gambar menu, deskripsi singkat, serta fitur text to speech untuk meningkatkan interaktivitas dan kenyamanan pengguna. Dengan kemampuan tersebut, sistem saran menu sushi ini berpotensi diterapkan pada restoran Jepang, platform pemesanan makanan daring, maupun aplikasi edukasi kuliner guna memberikan pengalaman pengguna yang lebih personal dan informatif.
Rancang Bangun Aplikasi "Indonesian Revolutionary Hero" Berbasis Android Syahrani; Revalita Tafitri; Tarisa Dwi Riyani; Yulia Safitri; Iwan Fitrianto Rahmad
Jurnal Dinamika Informatika Vol. 15 No. 2 (2026): Vol. 15 No. 2 (2026)
Publisher : Program Studi Informatika Universitas PGRI Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31316/jdi.v15i2.450

Abstract

Pembelajaran sejarah, khususnya mengenai Pahlawan Revolusi Indonesia, masih menghadapi permasalahan rendahnya minat belajar akibat metode penyampaian yang cenderung konvensional dan kurang interaktif. Perkembangan teknologi perangkat bergerak memberikan peluang untuk menghadirkan media pembelajaran yang lebih menarik dan mudah diakses. Oleh karena itu, penelitian ini bertujuan untuk merancang dan membangun aplikasi Indonesian Revolutionary Hero berbasis Android sebagai media pembelajaran sejarah interaktif. Metode penelitian yang digunakan adalah penelitian dan pengembangan (Research and Development) dengan model pengembangan Waterfall, yang meliputi tahapan analisis kebutuhan, perancangan sistem, implementasi, dan pengujian. Aplikasi dikembangkan menggunakan Android Studio dengan bahasa pemrograman Java. Perancangan sistem dilakukan menggunakan use case diagram dan flowchart, sedangkan pengujian sistem dilakukan dengan metode black box testing. Hasil penelitian menunjukkan bahwa aplikasi berhasil diimplementasikan sesuai dengan kebutuhan fungsional yang telah ditetapkan. Seluruh fitur aplikasi, termasuk tampilan informasi pahlawan, navigasi antar halaman, dan kuis evaluatif, dapat berjalan dengan baik. Aplikasi ini diharapkan dapat menjadi alternatif media pembelajaran sejarah yang efektif serta meningkatkan minat dan pemahaman pengguna terhadap materi Pahlawan Revolusi Indonesia.
APPLICATION OF DOUBLE MOVING AVERAGE METHOD TO FORECAST PALM OIL PRODUCTION IN PLANTATION INDUSTRY Pingkan Nurhani Nasution; Asrianda; Lidya Rosnita; Wahyu Fuadi; Cut Agusniar
Jurnal Dinamika Informatika Vol. 15 No. 2 (2026): Vol. 15 No. 2 (2026)
Publisher : Program Studi Informatika Universitas PGRI Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31316/jdi.v15i2.453

Abstract

Indonesia merupakan salah satu negara pemimpin dalam produksi minyak sawit global, di mana peramalan yang akurat sangat krusial untuk mendukung perencanaan strategis dalam industri perkebunan. Penelitian ini menerapkan metode Double Moving Average (DMA) untuk memprediksi produksi minyak sawit menggunakan data internal historis dari PT Perkebunan Nusantara IV Pabatu periode 2019–2024. Cakrawala peramalan ditetapkan untuk lima tahun ke depan (2025–2029) guna memberikan dukungan perencanaan jangka menengah bagi industri. Validasi model dilakukan dengan membagi dataset menjadi data latih (training) periode 2019–2022 dan data uji (testing) periode 2023–2024, dengan akurasi yang diukur menggunakan MAPE, RMSE, dan MPE. Hasil penelitian menunjukkan bahwa model DMA menghasilkan nilai MAPE sebesar 9,23% untuk total produksi dan 6,67% untuk produktivitas per hektar, yang menunjukkan tingkat akurasi peramalan yang tinggi (<10%). Meskipun teridentifikasi adanya sedikit bias peramalan yang lebih rendah dari nilai aktual (underprediction)—yang dapat berimplikasi pada potensi kekurangan pasokan jika tidak dikelola dengan baik—model ini tetap memberikan wawasan berharga mengenai tren produksi. Hasil peramalan ini dapat membantu perusahaan mengoptimalkan alokasi sumber daya, memperbaiki penjadwalan panen, serta mendukung pengambilan keputusan dalam strategi bisnis jangka menengah. Namun, model ini memiliki keterbatasan, terutama saat menghadapi guncangan eksternal seperti cuaca ekstrem atau volatilitas pasar global. Penelitian selanjutnya direkomendasikan untuk membandingkan metode DMA dengan metode alternatif seperti Exponential Smoothing atau ARIMA guna meningkatkan kekokohan (robustness) hasil peramalan
Analisis Komparatif Algoritma Machine Learning dalam Deteksi Anomali Jaringan Menggunakan Dataset CICIDS2018 Alimatu Ma’rifatullah Mubarok; Muhammad Fahmi Mubarok Nahdli
Jurnal Dinamika Informatika Vol. 15 No. 2 (2026): Vol. 15 No. 2 (2026)
Publisher : Program Studi Informatika Universitas PGRI Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31316/jdi.v15i2.455

Abstract

Terjadinya peningkatan terhadap serangan siber pada jaringan komputer hingga detik ini, karena itu sistem pendeteksi intrusi akan diperlukan secara adaptif dan akurat untuk kebutuhan perlindungan dari anomali. Penelitian ini memiliki tujuan dalam menganalisis dan membandingkan kinerja dari beberapa algoritma mesin pembelajaran dalam mendeteksi serangan jaringan menggunakan dataset CICIDS2018. Random Forest, Support Vector Machine, dan K-Nearest Neighbor adalah tiga algoritma yang digunakan. Dataset yang dianalisis mencangkup tiga jenis serangan, diantaranya Brute Force-XSS, DoS Hulk, dan Ddos LOIC-HTTP. Data pada penelitian ini diproses melalui tahapan pra-pemrosesan, normalisasi fitur, serta pembagian data menjadi data latih dan data uji. Evaluasi performa model diambil dari nilai matriks kebingungan, akurasi, dan tingkat positif palsu(FPR). Hasil uji menunjukkan algoritma Random Forest memberikan performa konsisten dengan nilai akurasi tinggi dan FPR rendah pada seluruh dataset. Untuk Support Vector Machine menunjukkan sensitivitas terhadap ketidakseimbangan data pada beberapa skenario, dan untuk KNN dengan hasil yang kompetitif pada dataset tertentu. Penelitian ini nantinya diharapkan dapat menjadi referensi dalam pengembangan yang berbasis mesin pembelajaran khususnya pada sistem deteksi intrusi.
Pengembangan Tools Tinjauan Pustaka Otomatis dengan Fitur Analisis Kualitas Jurnal Menggunakan Groq AI Dimas Tri Mulyo
Jurnal Dinamika Informatika Vol. 15 No. 2 (2026): Vol. 15 No. 2 (2026)
Publisher : Program Studi Informatika Universitas PGRI Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31316/jdi.v15i2.457

Abstract

Melakukan tinjauan pustaka yang komprehensif seringkali menjadi tantangan berat bagi peneliti karena volume publikasi ilmiah yang terus meningkat secara eksponensial. Peneliti memerlukan waktu yang signifikan untuk membaca, memilah, dan menentukan kualitas relevansi dari ratusan dokumen. Penelitian ini bertujuan untuk mengembangkan sebuah perangkat lunak (tools) berbasis web bernama "Netraku" yang mampu mengotomatisasi proses ekstraksi informasi dan analisis konten jurnal. Sistem ini dibangun dengan mengintegrasikan teknologi Optical Character Recognition (OCR) Tesseract untuk digitalisasi dokumen citra, serta memanfaatkan kecerdasan buatan melalui Groq AI untuk melakukan analisis semantik dan peringkasan otomatis. Metode pengembangan menggunakan pendekatan waterfall dengan implementasi teknis menggunakan framework Flask dan kontainerisasi Docker. Hasil pengujian menunjukkan bahwa integrasi Groq AI mampu menghasilkan analisis ringkasan yang mencakup tujuan, metode, dan hasil penelitian dengan tingkat akurasi pemahaman konteks yang tinggi dalam waktu rata-rata di bawah 5 detik per dokumen. Aplikasi ini terbukti efektif membantu peneliti dalam menyaring literatur berkualitas secara efisien.