cover
Contact Name
Oris Krianto Sulaiman
Contact Email
ilmubersamacenter@gmail.com
Phone
+6282369783801
Journal Mail Official
jurnalsudo@gmail.com
Editorial Address
Jl. Imam Bonjol No. 9 Forum 9th Floor, Kota Medan, Sumatera Utara 20112
Location
Kota medan,
Sumatera utara
INDONESIA
sudo Jurnal Teknik Informatika
Published by Ilmu Bersama Center
ISSN : -     EISSN : 28297342     DOI : https://doi.org/10.56211/sudo
sudo Jurnal Teknik Informatika merupakan jurnal yang membahas ilmu dibidang teknik informatika, jurnal ini sebagai wadah untuk menuangkan hasil penelitian baik secara konseptual maupun teknis yang berkaitan dengan teknik informatika. sudo Jurnal Teknik Informatika terbit 4 kali dalam setahun yaitu pada bulan Maret, Juni, September dan Desember. terbitan pertama adalah bulan Maret 2022. Naskah yang masuk akan diterima oleh editor untuk kemudian kan dilakukan pemeriksaan kemiripan naskah dengan aplikasi Plagiarism Checker. Proses review dilakukan dengan menggunakan peer review. sudo Jurnal Teknik Informatika memuat tentang artikel hasil penelitian dan kajian konseptual bidang Teknik Informatika. Secara garis besar topik utama yang diterbitkan adalah : Sistem Pendukung Keputusan, Sistem Pakar, Sistem Informasi, Kecerdasan Buatan, Data Mining, Pemodelan dan Simulasi Jaringan Komputer Cloud Computing Pengolahan Citra Computer Vision Dan lain-lain (topik lainnya yang berhubungan dengan Teknik Informatika)
Articles 110 Documents
Analisis Tingkat Kepuasan Pelanggan terhadap Kualitas Pelayanan pada Restoran Mutiara Baru dengan Menggunakan Metode SERVQUAL (Service Quality) Ajum, Gemma Galgani; P., Nur Nawaningtyas
sudo Jurnal Teknik Informatika Vol. 4 No. 4 (2025): Edisi Desember
Publisher : Ilmu Bersama Center

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56211/sudo.v4i4.1429

Abstract

Penelitian ini bertujuan untuk menganalisis kepuasan pelanggan terhadap kualitas pelayanan di Restoran Mutiara Baru dengan menggunakan metode Service Quality (SERVQUAL), yang terdiri dari lima dimensi kualitas pelayanan, yaitu Bukti Fisik (Tangibles), Keandalan (Reliability), Daya Tanggap (Responsiveness), Jaminan (Assurance), dan Empati (Empathy). Penelitian ini menggunakan teknik accidental sampling dengan melibatkan 100 responden. Pengumpulan data dilakukan melalui kuesioner yang berisi 20 indikator SERVQUAL. Hasil penelitian menunjukkan bahwa nilai rata-rata kesenjangan (gap) SERVQUAL sebesar 0,0265, yang mengindikasikan bahwa secara umum kinerja pelayanan restoran telah memenuhi harapan pelanggan. Dimensi Jaminan (Assurance) memperoleh nilai gap positif tertinggi, yang mencerminkan tingginya apresiasi pelanggan terhadap profesionalisme serta rasa aman yang diberikan oleh staf. Sebaliknya, dimensi Daya Tanggap (Responsiveness) menunjukkan nilai gap negatif terbesar, dengan indikator A13 memperoleh skor –0,24, yang menandakan bahwa kecepatan respons dan perhatian staf masih perlu ditingkatkan. Secara keseluruhan, penelitian ini menyimpulkan bahwa meskipun kualitas pelayanan di Restoran Mutiara Baru tergolong baik, perbaikan tetap diperlukan, khususnya pada aspek daya tanggap, guna meningkatkan kepuasan pelanggan secara lebih optimal.
Perancangan Aplikasi Monitoring Kehadiran Pegawai Menggunakan RFID Zulherry, Andi; Sari, Indah Purnama; Basri, Mhd.
sudo Jurnal Teknik Informatika Vol. 4 No. 4 (2025): Edisi Desember
Publisher : Ilmu Bersama Center

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56211/sudo.v4i4.1571

Abstract

Kehadiran pegawai merupakan aspek penting dalam manajemen sumber daya manusia yang berpengaruh terhadap produktivitas dan kinerja organisasi. Sistem pencatatan kehadiran manual yang masih digunakan pada banyak instansi memiliki kelemahan seperti rentan terhadap manipulasi data, membutuhkan waktu lama dalam pengolahan, dan tingkat akurasi yang rendah. Penelitian ini bertujuan merancang aplikasi monitoring kehadiran pegawai berbasis teknologi Radio Frequency Identification (RFID) yang dapat meningkatkan efisiensi dan akurasi pencatatan kehadiran. Metode pengembangan sistem menggunakan pendekatan waterfall yang meliputi tahap analisis kebutuhan, perancangan sistem, implementasi, dan pengujian. Sistem yang dirancang terdiri dari perangkat keras berupa RFID reader, kartu RFID sebagai identitas pegawai, dan perangkat lunak berbasis web untuk monitoring dan pelaporan. Hasil perancangan menunjukkan bahwa sistem dapat melakukan pencatatan kehadiran secara otomatis, real-time, dan akurat. Data kehadiran tersimpan dalam database yang dapat diakses oleh administrator untuk keperluan monitoring dan pembuatan laporan. Sistem ini diharapkan dapat membantu manajemen dalam pengambilan keputusan terkait kehadiran pegawai dan meningkatkan kedisiplinan pegawai melalui sistem monitoring yang lebih efektif dan transparan.
Analisis Sentimen Keefektifan Belajar Bahasa Asing di Aplikasi Duolingo dengan Algoritma Naïve Bayes Tratama, Muhammad Aqshal Anindya; Murmita, Fadli Santoso; Maulana, Dimas Arsya; Renata, Cindy; Ailsa, Raras; Hasan, Fuad Nur
sudo Jurnal Teknik Informatika Vol. 5 No. 1 (2026): Edisi Maret
Publisher : Ilmu Bersama Center

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56211/sudo.v5i1.1354

Abstract

Aplikasi pembelajaran bahasa Duolingo telah diunduh lebih dari 500 juta kali, namun terdapat perdebatan mengenai keefektifannya. Ulasan pengguna di Google Play Store merupakan sumber data masif untuk mengevaluasi persepsi ini, namun volumenya terlalu besar untuk dianalisis secara manual. Penelitian ini bertujuan untuk menganalisis sentimen pengguna guna memahami lebih dalam persepsi efektivitas Duolingo sebagai media pembelajaran bahasa asing. Penelitian ini menggunakan 5.000 ulasan yang dikumpulkan melalui scraping dari Google Play Store. Metode Natural Language Processing (NLP) diterapkan, meliputi text pre-processing serta vektorisasi TF-IDF. Sebuah model klasifikasi sentimen biner yang telah dilabeli positif dan negatif dibangun menggunakan algoritma Multinomial Naïve Bayes. Hasil analisis data menunjukkan sentimen keseluruhan sangat positif, dimana 85.34% ulasan diklasifikasikan sebagai positif. Analisis kualitatif mengidentifikasi pendorong sentimen positif adalah efektivitas ("mudah paham", "bantu ajar") dan aspek gamifikasi ("seru"). Sebaliknya, sentimen negatif didominasi oleh keluhan pada fitur "sistem hati" dan "iklan" yang mengganggu. Model Naïve Bayes yang telah dilatih berhasil mencapai akurasi 92.81% dalam mengklasifikasikan data uji, membuktikan efektivitasnya untuk tugas ini terutama dalam tugas klasifikasi sentimen positif. Hasil ini mengonfirmasi persepsi positif terhadap keefektifan Duolingo, sekaligus memberikan masukan kritis mengenai model bisnis freemium-nya dan kekurangan lain yang dimiliki aplikasi pembelajaran ini.
Efektivitas Google Classroom sebagai Infrastruktur Pembelajaran Digital pada Mahasiswa Baru Jurusan Teknik Informatika UPR Kapuas, Emmanuelo Novada; Novianoor, Muhammad Raihan; Ahnafi, M. Qois; Silitonga, Jonatan Rizky Aprilius; Irfon, Benediktus Yohanes; Widiatry, Widiatry
sudo Jurnal Teknik Informatika Vol. 5 No. 1 (2026): Edisi Maret
Publisher : Ilmu Bersama Center

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56211/sudo.v5i1.1446

Abstract

Penelitian ini bertujuan menilai sejauh mana Google Classroom berperan sebagai infrastruktur pembelajaran digital bagi mahasiswa baru Program Studi Teknik Informatika Universitas Palangka Raya. Perubahan pola belajar di perguruan tinggi yang semakin bergeser menuju sistem daring dan campuran membuat platform ini banyak digunakan, namun efektivitasnya pada mahasiswa yang berada di tahap awal adaptasi akademik belum sepenuhnya dipahami. Penelitian ini menggunakan pendekatan campuran, dimulai dengan survei kuantitatif untuk mengukur pengalaman mahasiswa dalam menggunakan Google Classroom, kemudian dilanjutkan dengan pendalaman kualitatif untuk menjelaskan temuan yang muncul. Hasil survei menunjukkan bahwa sebagian besar mahasiswa menilai Google Classroom mudah dioperasikan, membantu mengakses materi, serta mempermudah pengelolaan tugas dan tenggat waktu. Fitur notifikasi dinilai sangat membantu menjaga keteraturan belajar, meskipun masih ditemukan keluhan mengenai kejelasan instruksi dosen, keterlambatan umpan balik, dan hambatan teknis seperti koneksi internet. Temuan wawancara mendukung hasil tersebut dengan menampilkan kebutuhan akan bimbingan lebih lanjut, baik dalam aspek metodologis maupun penggunaan fitur platform. Secara keseluruhan, penelitian ini menyimpulkan bahwa Google Classroom cukup efektif mendukung proses pembelajaran mahasiswa baru, tetapi kualitas implementasinya sangat dipengaruhi oleh pola komunikasi dosen serta kesiapan infrastruktur pendukung.
Pengembangan Aplikasi Desktop Ayo Menabung Berbasis Python untuk Pengelolaan Keuangan Pribadi Janah, Intan Nur; Tabrani, Ahmad
sudo Jurnal Teknik Informatika Vol. 5 No. 1 (2026): Edisi Maret
Publisher : Ilmu Bersama Center

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56211/sudo.v5i1.1510

Abstract

Pengelolaan keuangan pribadi yang belum teratur sering kali menyulitkan seseorang dalam mencatat pemasukan, pengeluaran, serta memantau pencapaian target tabungan. Penelitian ini bertujuan untuk mengembangkan aplikasi desktop Ayo Menabung berbasis Python sebagai sarana pencatatan dan perencanaan keuangan pribadi yang sederhana dan mudah digunakan. Aplikasi ini dikembangkan menggunakan bahasa pemrograman Python dengan antarmuka grafis berbasis Tkinter, serta menerapkan penyimpanan data secara lokal dalam format JSON. Pengujian sistem dilakukan menggunakan metode Black Box Testing untuk memastikan setiap fungsi aplikasi berjalan sesuai dengan kebutuhan fungsional. Hasil pengujian menunjukkan bahwa fitur pencatatan pemasukan dan pengeluaran, perhitungan saldo, pengelolaan target tabungan, serta proses penyimpanan data dapat berfungsi dengan baik dan menghasilkan keluaran yang sesuai dengan yang diharapkan. Berdasarkan hasil tersebut, aplikasi Ayo Menabung dapat digunakan sebagai alternatif media pengelolaan keuangan pribadi yang bersifat mandiri dan mudah dioperasikan oleh pengguna.
Sistem Pendukung Keputusan Perencanaan Kelas Pelatihan IT Menggunakan Metode Simple Additive Weighting: Studi Kasus pada Perusahaan Pelatihan IT di Kota Yogyakarta Fajriansyah, Dede; Akbar, Mutaqin
sudo Jurnal Teknik Informatika Vol. 5 No. 1 (2026): Edisi Maret
Publisher : Ilmu Bersama Center

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56211/sudo.v5i1.1543

Abstract

Proses perencanaan kelas mingguan (Rencana Kelas Mingguan/RKM) pada lembaga pelatihan teknologi informasi masih banyak dilakukan secara manual, sehingga rawan terhadap kesalahan manusia seperti kelelahan, keterlambatan, dan ketidaktepatan dalam pengambilan keputusan. Penelitian ini bertujuan untuk membangun Sistem Pendukung Keputusan (SPK) berbasis metode Simple Additive Weighting (SAW) guna membantu menentukan prioritas kelayakan kelas pelatihan IT. Metode SAW digunakan karena mampu menyelesaikan permasalahan multikriteria secara efektif melalui proses normalisasi dan penjumlahan terbobot dari setiap kriteria penilaian. Sistem dikembangkan dengan tahapan analisis kebutuhan, perancangan, implementasi, dan pengujian fungsional menggunakan metode black box testing. Sistem difokuskan pada tahap pra-perencanaan RKM (Pre-RKM) yang mencakup pengelolaan data prospek kelas, penentuan kriteria dan bobot, serta perhitungan dan pemeringkatan kelayakan kelas. Hasil penelitian menunjukkan bahwa sistem mampu menghasilkan peringkat kelayakan kelas pelatihan berdasarkan kriteria yang telah ditentukan dan memberikan rekomendasi kelas yang dapat digunakan sebagai bahan pertimbangan dalam proses pengambilan keputusan. Hasil pengujian Black Box Testing menunjukkan bahwa seluruh fungsi sistem berjalan sesuai dengan kebutuhan pengguna dengan tingkat keberhasilan sebesar 100%.
Analisis Pengaruh Jumlah Data Latih terhadap Kinerja Convolutional Neural Network pada Klasifikasi Citra Atmaja, Niko Surya; Harahap, Sahyunan; Harahap, Muhammad Khoiruddin
sudo Jurnal Teknik Informatika Vol. 5 No. 1 (2026): Edisi Maret
Publisher : Ilmu Bersama Center

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56211/sudo.v5i1.1572

Abstract

Convolutional Neural Network (CNN) merupakan salah satu metode deep learning yang banyak digunakan dalam tugas klasifikasi citra karena kemampuannya dalam mengekstraksi fitur secara otomatis. Meskipun demikian, kinerja CNN sangat dipengaruhi oleh karakteristik data latih, khususnya jumlah data yang digunakan dalam proses pelatihan. Jumlah data latih yang tidak memadai dapat menyebabkan model gagal melakukan generalisasi dengan baik, sedangkan peningkatan jumlah data latih tidak selalu menjamin peningkatan kinerja model secara signifikan. Penelitian ini bertujuan untuk menganalisis pengaruh jumlah data latih terhadap kinerja model Convolutional Neural Network pada klasifikasi citra. Metode penelitian dilakukan dengan melakukan eksperimen terkontrol menggunakan satu arsitektur CNN yang sama, sementara jumlah data latih divariasikan dalam beberapa skenario, yaitu 20%, 40%, 60%, 80%, dan 100% dari total dataset. Kinerja model dievaluasi berdasarkan nilai akurasi dan loss pada data pelatihan dan data pengujian. Hasil penelitian menunjukkan bahwa peningkatan jumlah data latih cenderung meningkatkan kinerja dan stabilitas model CNN, serta mengurangi kecenderungan overfitting. Temuan ini memberikan gambaran empiris mengenai hubungan antara jumlah data latih dan kinerja CNN pada tugas klasifikasi citra.
Sistem Manajemen Aset dan Penggantian Barang Inventaris di Persatuan Ahli Bedah Umum Indonesia (PABI) Menggunakan Metode Weighted Product Berbasis Website Lorenza, Okky Dwita; Kusnanto, Geri
sudo Jurnal Teknik Informatika Vol. 5 No. 1 (2026): Edisi Maret
Publisher : Ilmu Bersama Center

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56211/sudo.v5i1.1119

Abstract

Manajemen aset dan inventaris merupakan bagian penting dalam operasional perkantoran, terutama bagi organisasi seperti PABI (Persatuan Dokter Spesialis Bedah Umum Indonesia). Pengelolaan aset yang tepat dapat mempengaruhi efisiensi dan produktivitas organisasi. Dalam konteks ini, pengelolaan barang inventaris yang akurat dan tepat waktu menjadi faktor penting untuk mendukung kinerja organisasi, termasuk dalam penggantian barang yang sudah tidak layak pakai atau habis masa pakainya. Penggunaan metode Weighted Product dalam penentuan prioritas penggantian barang menjadi relevan karena metode ini dapat memberikan perhitungan objektif berdasarkan berbagai kriteria yang mempengaruhi, meliputi, kritikalitas, efektivitas pemakaian, frekuensi pemakaian dan penyusutan. Metode ini membantu organisasi memaksimalkan penggunaan anggaran, sehingga investasi pada aset baru dilakukan secara bijak dan tepat sasaran. Hasil dari penelitian ini adalah membangun sistem manajemen aset yang efektif dan efesien serta mempercepat proses pengambilan keputusan terkait penggantian barang inventaris.
Smart Gate Guardian: Purwarupa Gerbang Rumah Otomatis Berbasis IoT dengan Kontrol Telegram dan Sensor Ultrasonik Gymnasdiar, Abdullah Nur Afghani; Hani, Oktania Putri; Sulistiyo, Aria Rohmat; Apriliyanto, Erwin
sudo Jurnal Teknik Informatika Vol. 5 No. 1 (2026): Edisi Maret
Publisher : Ilmu Bersama Center

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56211/sudo.v5i1.1523

Abstract

Perkembangan teknologi Internet of Things (IoT) mendorong penggunaan sistem otomasi pada lingkungan rumah untuk meningkatkan keamanan dan kenyamanan akses. Gerbang rumah sebagai akses utama keluar dan masuk masih banyak dioperasikan secara manual atau semi otomatis, yang dapat menyebabkan ketidakefisienan serta resiko keselamatan akibat kelalaian pengguna dan ketiadaan mekanisme halangan. Penelitian ini berfokus pada perancangan dan implementasi sistem Smart Gate Guardian, yaitu sistem gerbang otomatis berbasis IoT yang dikendalikan melalui aplikasi Telegram dan dilengkapi mekanisme keselamatan aktif. Metode penelitian yang digunakan adalah prototyping, dengan sistem direalisasikan dalam bentuk prototipe miniatur sebagai model pengujian skala laboratorium. ESP32 digunakan sebagai pengendali utama untuk mengatur motor DC, servo, sensor ultrasonik, dan LED indikator. Sistem dirancang memiliki 2 mode operasi, yaitu mode manual dan otomatis. Hasil pengujian menunjukkan bahwa sistem dapat berfungsi dengan baik pada kedua mode tersebut. Sensor ultrasonik yang dikonfigurasi dengan ambang deteksi 30 cm mampu mendeteksi keberadaan objek pada jarak pengujian antara 15 cm hingga 26 cm selama proses penutupan gerbang dan secara otomatis memicu auto-reverse secara real-time sehingga gerbang kembali membuka ke posisi aman. Dengan demikian, sistem yang dikembangkan mampu meningkatkan keamanan dan keandalan pengoperasian gerbang rumah pada skala prototipe miniatur.
Sistem Klasifikasi Perubahan Lahan pada Ekosistem Pesisir Berbasis Deep Learning Menggunakan Citra Sentinel-2: Studi Kasus: Tanjung Tiram, Sulawesi Tenggara Nurfadilah, Annisa; Saputra, Rizal; Sarita, Muhammad Ihsan
sudo Jurnal Teknik Informatika Vol. 5 No. 1 (2026): Edisi Maret
Publisher : Ilmu Bersama Center

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56211/sudo.v5i1.1635

Abstract

Perubahan tutupan lahan pada ekosistem pesisir merupakan isu lingkungan global yang signifikan karena berdampak langsung terhadap fungsi ekologis dan keberlanjutan hayati. Tanjung Tiram, Sulawesi Tenggara, merupakan kawasan pesisir yang rentan terhadap degradasi akibat tekanan aktivitas antropogenik, sehingga memerlukan pendekatan pemantauan yang otomatis dan akurat. Penelitian ini mengembangkan sistem klasifikasi dan kuantifikasi perubahan tutupan lahan pesisir yang berfokus pada ekosistem mangrove, terumbu karang, dan padang lamun. Data utama menggunakan citra Sentinel-2 Level-2A yang diproses melalui Google Earth Engine, dengan penerapan arsitektur Deep Learning hybrid UNet–ResNet34 untuk melakukan segmentasi semantik tingkat piksel. Hasil penelitian menunjukkan kinerja klasifikasi yang kuat dengan nilai akurasi sebesar 84,31% untuk mangrove, 95,99% untuk terumbu karang, dan 89,41% untuk padang lamun. Kemampuan segmentasi model dinilai representatif dengan capaian Mean IoU sebesar 0,6124 secara keseluruhan. Analisis multi-temporal periode 2018–2025 mengungkapkan dinamika spasial yang signifikan, ditandai dengan peningkatan luas mangrove sebesar 35,53% (95,20 ha), namun terjadi penurunan luas terumbu karang dan padang lamun masing-masing sebesar 32,39% (29,20 ha) dan 26,68% (98,76 ha). Temuan ini menegaskan bahwa integrasi Sentinel-2 dan Deep Learning mampu menyediakan informasi spasial yang andal untuk mendukung pengelolaan pesisir berkelanjutan. Sistem ini dapat diadopsi oleh pemerintah daerah sebagai platform pemantauan ekosistem pesisir secara real-time guna mendukung pengambilan keputusan konservasi yang responsif dan berbasis data.

Page 11 of 11 | Total Record : 110