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
SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN E-COMMERCE TERBAIK MENGGUNAKAN METODE WEIGHTED PRODUCT Faris Adi Pratama
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.v15i2.463

Abstract

Teknologi informasi telah mendorong pertumbuhan e-commerce yang pesat di Indonesia. Ini telah memberi masyarakat banyak platform belanja. Namun, ketika ada banyak pilihan, seringkali sulit bagi pengguna untuk memilih platform mana yang paling cocok dengan preferensi mereka dalam hal harga, kualitas, dan layanan. Tujuan penelitian ini adalah untuk membuat Sistem Pendukung Keputusan (SPK) terbaik untuk pemilihan ecommerce. Metode yang digunakan adalah Product Weighted (WP), yang dipilih karena efisiensi dalam menghubungkan rating atribut, di mana rating setiap atribut dipangkatkan dengan bobot atribut yang bersangkutan. Faktor-faktor seperti Harga, Kualitas, Promosi, Layanan, dan Ulasan digunakan. Dengan nilai vektor V sebesar 0,1915, sistem merekomendasikan Lazada sebagai opsi terbaik berdasarkan hasil pengujian terhadap enam opsi. Sebagai kesimpulan, pendekatan WP berhasil memberikan rekomendasi yang objektif kepada pelanggan.
Analisis Kesiapan Keamanan Siber dan Perlindungan Data Pribadi pada Sektor Ekonomi Digital di Indonesia Maulana Javier
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.v15i2.470

Abstract

Pertumbuhan ekonomi digital di Indonesia mengalami akselerasi yang signifikan, namun hal ini berbanding lurus dengan peningkatan ancaman siber. Penelitian ini bertujuan untuk menganalisis lanskap keamanan siber (cybersecurity) di Indonesia, mengidentifikasi kerentanan utama pada platform digital, dan mengevaluasi efektivitas regulasi perlindungan data yang ada. Metode penelitian yang digunakan adalah kualitatif deskriptif dengan studi literatur dan analisis data sekunder dari laporan Badan Siber dan Sandi Negara (BSSN) serta studi kasus kebocoran data terkini. Hasil penelitian menunjukkan bahwa human error dan lemahnya infrastruktur enkripsi menjadi faktor utama kerentanan. Selain itu, implementasi Undang-Undang Perlindungan Data Pribadi (UU PDP) masih menghadapi tantangan berat, terutama bagi sektor UMKM yang memiliki keterbatasan sumber daya. Penelitian ini merekomendasikan pendekatan defense in depth dan peningkatan literasi digital sebagai strategi mitigasi utama
Prediksi Penjualan Barang Komputer Terlaris Menggunakan Metode Support Vector Machine Lusiano; Mariska Putri Pratiwi
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.v15i2.476

Abstract

Toko komputer biasanya memberikan kedatangan produk lebih banyak sesuai dengan permintaan pengguna, namun perencanaan tersebut dilaksanakan secara kurang matang. Permasalahan ini akan memunculkan suatu solusi yaitu memprediksi penjualan barang komputer paling laris yang didasarkan oleh implementasi metode Support Vector Machine (SVM). Penelitian ini memerlukan data mining mengenai penjualan komponen komputer yang dilalui oleh model regresi yang didasarkan oleh berbagai kernel yang diketahui. Peneliti memerlukan studi literatur dan sampling sebagai pengumpulan indikator penjualan komponen komputer. Indikator dalam penelitian ini dikategorikan sebagai data sekunder yang dikoleksi melalui web scraping mengenai banyaknya penjualan komponen komputer pada periode 2019 hingga 2021, ditetapkan sebesar 564 dari 5901 indikator beserta 23 kolom pengaruh dari basis data yang diketahui. Hasil pertimbangan tersebut sangat cocok dengan atribut perhitungan pemesananan (count_orders) yang diberikan korelasi sejumlah 0.86. Perolehan tersebut menunjukkan bahwa kernel linear sangat unggul dalam memprediksi tingkat kelarisan komponen komputer pada periode yang akan datang meskipun ditetapkan dengan parameter yang tetap (C=10). Perancangan ini mampu memvisualisasikan dalam bentuk situs sebagai informasi mengenai kelarisan komponen komputer yang dipertimbangkan melalui setiap kernel regresi SVM.
Penerapan Naïve Bayes dalam Klasifikasi Sentimen Twitter Terhadap Kinerja Gubernur Sumut 2024 Wahyu Hidayat; Zulfahmi Indra
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.v15i2.479

Abstract

Pemilihan Gubernur Sumatera Utara tahun 2024 menarik perhatian masyarakat terhadap kinerja gubernur terpilih, Bobby Nasution. Media sosial X (Twitter) menjadi sarana utama bagi publik untuk mengekspresikan opini, baik berupa dukungan, kritik, maupun sikap netral terhadap kebijakan dan kinerja pemerintah daerah. Penelitian ini bertujuan untuk menganalisis dan mengklasifikasikan sentimen publik terhadap kinerja Bobby Nasution ke dalam kategori positif, netral, dan negatif menggunakan algoritma Multinomial Naïve Bayes. Data tweet dikumpulkan melalui proses crawling dan dilakukan pembersihan dengan menghapus tweet duplikat, akun buzzer, serta tweet yang bersifat informatif. Tahapan preprocessing teks meliputi normalisasi, tokenisasi, stopword removal, dan stemming, kemudian dilanjutkan dengan pelabelan sentimen otomatis menggunakan TextBlob. Ekstraksi fitur dilakukan menggunakan metode Term Frequency–Inverse Document Frequency (TFIDF). Dataset dibagi menjadi data latih dan data uji dengan perbandingan 80:20. Evaluasi model dilakukan menggunakan confusion matrix serta metrik akurasi, precision, recall, dan F1-score. Hasil penelitian menunjukkan bahwa sentimen publik didominasi oleh kategori netral dan positif dengan akurasi model sebesar 62,99%. Namun, performa klasifikasi sentimen negatif masih relatif rendah sehingga diperlukan pengembangan metode lanjutan untuk meningkatkan kualitas
PERANCANGAN SISTEM PENDUKUNG KEPUTUSAN REKRUTMEN KARYAWAN MENGGUNAKAN METODE TOPSIS BERBASIS WEB Shoppyani; Ellbert Hutabri
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.v15i2.480

Abstract

Proses rekrutmen karyawan, khususnya pada tahap seleksi akhir, seringkali menghadapi tantangan subjektivitas dan kompleksitas dalam membandingkan banyak kandidat berdasarkan beragam kriteria. Penelitian ini bertujuan untuk merancang dan mengimplementasikan Sistem Pendukung Keputusan (SPK) berbasis web yang menerapkan metode Technique for Order Preference by Similarity to Ideal Solution (TOPSIS) untuk membantu pemilihan kandidat karyawan terbaik secara objektif. Metode pengembangan sistem menggunakan model agile, sedangkan algoritma intinya adalah TOPSIS. Data uji terdiri dari data hipotesis 12 kandidat untuk posisi Admin Accounting yang dievaluasi berdasarkan delapan kriteria: pendidikan, ekspektasi gaji, tes ketelitian, tes logika, tes Army Alpha, tes working style, tes team role, dan tes admin accounting yang ditentukan oleh PT Sumber Cipta Moda. Penelitian menghasilkan aplikasi web fungsional yang berhasil memproses data, melakukan screening awal, melakukan perhitungan TOPSIS, dan menampilkan peringkat kandidat. Pengujian black-box mengkonfirmasi semua fungsi beroperasi sempurna. Simulasi seleksi menghasilkan peringkat yang logis dan dapat dipertanggungjawabkan berdasarkan bobot kriteria yang ditetapkan. Kesimpulannya, SPK berbasis TOPSIS ini efektif dalam membantu proses pengambilan keputusan rekrutmen dengan meningkatkan objektivitas, konsistensi, dan efisiensi waktu. Pengembangan di masa depan dapat melibatkan penambahan lebih banyak kriteria dan integrasi dengan sistem HR yang ada
Perancangan Sistem Penerimaan Beasiswa Berbasis Web Menggunakan Metode Saw LUCKY PRIMANDA SAPUTRA UNIVERSITAS PANCASAKTI TEGAL
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.v15i2.481

Abstract

Penerimaan beasiswa merupakan proses penting dalam dunia pendidikan untuk memberikan bantuan finansial kepada mahasiswa yang memenuhi persyaratan. Namun, seleksi manual berpotensi menimbulkan subjektivitas, kurangnya transparansi, serta membutuhkan waktu yang relatif lama. Penelitian ini merancang dan mengembangkan sistem penerimaan beasiswa berbasis web dengan menerapkan metode Simple Additive Weighting (SAW) untuk menghasilkan perankingan yang lebih objektif pada kasus pengambilan keputusan multicriteria. Kriteria yang digunakan meliputi IPK (0,30), Jumlah Prestasi (0,15), Nilai Tes (0,20), Jumlah Penghasilan Orang Tua (0,15), dan Jumlah Tanggungan Orang Tua (0,20). Pengembangan sistem dilakukan melalui tahapan analisis, perancangan, implementasi, dan pengujian. Hasil menunjukkan bahwa sistem menghasilkan perankingan otomatis yang konsisten dengan perhitungan manual, sehingga dapat mendukung proses seleksi yang lebih objektif dan efisien.
KLASIFIKASI KEBERHASILAN UKM MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBOR (KNN) BERDASARKAN KARAKTERISTIK PEMILIK DAN BISNIS Della Novita Butarbutar; Paskalia Br Barus; Sardo Pardingotan Sipayung
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.v15i2.482

Abstract

Usaha Mikro, Kecil, dan Menengah (UMKM) memainkan peran strategis dalam mendorong pertumbuhan ekonomi nasional dan penciptaan lapangan kerja. Namun, tingkat kegagalan yang tinggi menunjukkan bahwa keberhasilan UMKM dipengaruhi oleh faktor-faktor kompleks yang membutuhkan analisis mendalam. Studi ini bertujuan untuk mengklasifikasikan keberhasilan UMKM dengan menerapkan algoritma K-Nearest Neighbor (KNN) berdasarkan karakteristik pemilik seperti usia, pendidikan, dan pengalaman dan karakteristik bisnis, termasuk modal awal, catatan keuangan, dan pemanfaatan internet. Metodologi penelitian melibatkan beberapa tahapan: pengumpulan 250 data UMKM dari Kaggle, pra-pemrosesan data, dan evaluasi model menggunakan Matriks Konfusi. Analisis dilakukan dengan menguji berbagai nilai k untuk menentukan hasil prediksi yang paling optimal.
PENERAPAN ALGORITMA K-NEAREST NEIGHBOR (KNN) UNTUK ANALISIS SENTIMEN PUBLIK TERHADAP SHOPPE Naomi Lisnaria Simatupang; Wirma Naibaho; Sardo Pardingotan Sipayung
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.v15i2.489

Abstract

Media sosial, khususnya Twitter, menjadi sarana penting bagi masyarakat dalam menyampaikan pendapat dan pengalaman mereka terhadap layanan e-commerce seperti Shopee. Informasi yang tersaji dalam bentuk cuitan mengandung sentimen yang dapat dianalisis untuk memahami persepsi publik. Penelitian ini bertujuan untuk menerapkan algoritma K-Nearest Neighbor (KNN) dalam menganalisis sentimen pengguna Twitter terhadap Shopee. Data diperoleh dari cuitan yang relevan, kemudian diproses melalui tahapan preprocessing yang meliputi pembersihan data, penyeragaman huruf, tokenisasi, stemming, serta penghapusan stopword. Data teks selanjutnya direpresentasikan dalam bentuk numerik menggunakan metode Term Frequency Inverse Document Frequency (TF-IDF) sebelum dilakukan klasifikasi sentimen. Hasil penelitian menunjukkan bahwa algoritma K-Nearest Neighbor (KNN) menghasilkan performa klasifikasi yang sangat tinggi, dengan nilai akurasi, precision, recall, dan F1-score mencapai 1,00 pada seluruh kelas sentimen. Hasil ini dipengaruhi oleh karakteristik dataset yang relatif homogen, jumlah data latih yang terbatas, serta pola kalimat yang memiliki kemiripan tinggi antar kelas sentimen, sehingga model mampu mengklasifikasikan data uji secara optimal. Oleh karena itu, hasil ini perlu dipahami dalam konteks keterbatasan dataset yang digunakan
IMPLEMENTASI LONG SHORT-TERM MOMORY DALAM PREDIKSI HARGA SAHAM BANK BERDASARKAN DATA TIME SERIES BERBASIS WEBSITE Fadlan Azmi; Elmanani Simamora; Said Iskandar Al Idrus; Sudianto Manullang; Zulfahmi Indra
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.v15i2.496

Abstract

Prediksi harga saham merupakan tantangan kompleks dalam dunia investasi karena volatilitas pasar yang tinggi. Penelitian ini bertujuan mengembangkan model prediksi harga saham Bank Negara Indonesia menggunakan Metode Long Short Term Memory berbasis data Time Series. Data historis saham BBNI periode Januari 2013 hingga Desember 2023 diperoleh dari Yahoo Finance, meliputi atribut harga pembukaan, penutupan, tertinggi, terendah, volume perdagangan, serta indikator teknikal Average dan Relative Strength Index. Metode penelitian meliputi tahap preprocessing data dengan ekstraksi fitur, normalisasi menggunakan MinMaxScaler, dan pembagian data dengan rasio 80:20 untuk data latih dan data uji. Model LSTM dikonstruksi dengan arsitektur dua lapis tersembunyi masing-masing 50 neuron, dropout layer untuk mencegah overfitting, optimizer Adam, dan fungsi aktivasi ReLU. Hasil evaluasi menunjukkan model mencapai nilai Mean Absolute Percentage Error sebesar 1,89 persen, mengindikasikan tingkat akurasi prediksi yang tinggi. Visualisasi grafik perbandingan antara harga aktual dan prediksi memperlihatkan model mampu mengikuti tren pergerakan harga dengan baik. Model diintegrasikan ke dalam aplikasi web berbasis Flask untuk memudahkan pengguna melakukan prediksi secara interaktif. Penelitian ini memberikan kontribusi signifikan bagi investor dan analis keuangan dalam membuat keputusan investasi yang lebih tepat. Implementasi LSTM terbukti efektif dalam menangkap pola temporal pada data time series saham, sehingga dapat menjadi alat bantu prediksi yang andal untuk mendukung strategi investasi di pasar modal Indonesia.
Pengembangan Sistem Filterisasi Air Sumur Berbasis Internet Of Thigs sujono; Muhammad Jaza Ilham Asy’ari
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.v15i2.497

Abstract

Air bersih merupakan kebutuhan dasar manusia yang sangat penting bagi kesehatan dan kualitas hidup. Di Indonesia, khususnya di wilayah pedesaan, air sumur masih banyak digunakan sebagai sumber utama air bersih, namun kualitasnya sering kali belum memenuhi standar air layak konsumsi akibat tingginya tingkat kekeruhan dan kandungan zat terlarut. Oleh karena itu, penelitian ini berfokus pada pengembangan sistem filterisasi air sumur berbasis Internet of Things (IoT) yang bekerja secara otomatis dan berkelanjutan, dengan prinsip kerja dimulai dari proses filterisasi air sumur, kemudian air hasil filtrasi diuji kualitasnya berdasarkan parameter pH, Total Dissolved Solids (TDS), dan kekeruhan (turbidity) menggunakan sensor yang terintegrasi dengan mikrokontroler ESP8266. Air dinyatakan layak konsumsi apabila memiliki nilai pH berada pada rentang 6,5–8,5, nilai TDS ≤ 600 mg/L, dan tingkat kekeruhan ≤ 5 NTU. Data hasil pengukuran dikirimkan ke sistem monitoring berbasis web untuk ditampilkan secara real-time, dan apabila hasil pengujian menunjukkan air belum memenuhi standar kelayakan tersebut, sistem akan mengulangi proses filterisasi hingga kualitas air berada dalam batas aman. Metode penelitian yang digunakan adalah prototyping yang meliputi tahap analisis kebutuhan, perancangan sistem, implementasi, dan pengujian, dengan hasil pengujian menunjukkan bahwa sistem filterisasi mampu menurunkan nilai kekeruhan dan TDS serta menjaga kestabilan pH setelah proses penyaringan, sehingga sistem ini efektif sebagai solusi filterisasi air sumur berbasis IoT yang dilengkapi dengan monitoring kualitas air secara real-time.