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 133 Documents
Sistem Pendukung Keputusan Evaluasi Kinerja Karyawan Menggunakan Komparasi Metode SAW dan MPE: Tinjauan Literatur Sistematis Ayu Lestari; Yasmalitha Salsa Nabila; Laila Mukaromah; Saiful Ulya
sudo Jurnal Teknik Informatika Vol. 5 No. 3 (2026): Edisi September
Publisher : Ilmu Bersama Center

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56211/sudo.v5i3.2008

Abstract

Evaluasi kinerja karyawan merupakan komponen inti manajemen sumber daya manusia, digunakan untuk mengukur sejauh mana karyawan memenuhi standar yang ditetapkan organisasi serta menjadi dasar kebijakan terkait reward. Namun, praktik evaluasi konvensional kerap bersifat subjektif dan memakan waktu. Penelitian ini menggunakan pendekatan Tinjauan Literatur Sistematis (Systematic Literature Review/SLR) untuk mengkaji dan membandingkan dua metode Multi-Attribute Decision Making (MADM) yang umum diterapkan pada Sistem Pendukung Keputusan (SPK) untuk evaluasi kinerja, yaitu Simple Additive Weighting (SAW) dan Metode Perbandingan Eksponensial (MPE). Tinjauan ini mensintesis literatur yang ada untuk membandingkan kedua metode dari segi karakteristik komputasi, sensitivitas pemeringkatan, dan akurasi. Sintesis menunjukkan bahwa MPE lebih sesuai untuk menyelesaikan persaingan skor yang ketat karena perhitungan eksponensialnya memperlebar gap antarnilai alternatif, sedangkan SAW lebih sesuai untuk aplikasi yang membutuhkan prosedur linier yang sederhana, efisien, dan transparan secara komputasi. Temuan ini diharapkan dapat menjadi panduan bagi praktisi dalam memilih metode MADM yang paling sesuai dengan kebutuhan organisasinya.
Analisis Algoritma K-Nearest Neighbors dengan Teknik SMOTE untuk Klasifikasi Kepuasan Pelanggan pada Layanan Laundry Dea Syahfira Hasibuan; Sriani Sriani
sudo Jurnal Teknik Informatika Vol. 5 No. 3 (2026): Edisi September
Publisher : Ilmu Bersama Center

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56211/sudo.v5i3.2014

Abstract

Zayn Laundry menghadapi persaingan bisnis laundry yang semakin ketat di Kota Medan sehingga diperlukan pengukuran kepuasan pelanggan secara objektif. Penelitian ini bertujuan menerapkan algoritma K-Nearest Neighbors (KNN) untuk mengklasifikasikan tingkat kepuasan pelanggan, mengetahui tingkat kepuasan berdasarkan data kuesioner, dan mengetahui akurasi model yang dihasilkan. Data penelitian diperoleh dari 250 pelanggan melalui kuesioner yang terdiri dari 15 pernyataan dengan skala Likert 1–4 yang mencakup lima variabel, yaitu kualitas pelayanan, harga, kemudahan akses, pengalaman pelanggan, dan kualitas hasil layanan. Data melalui tahap pra-pemrosesan, uji validitas dan reliabilitas, kemudian dikelompokkan menjadi tiga kategori, yaitu Tidak Puas, Cukup Puas, dan Puas dengan kategori Puas sebagai kategori mayoritas. Ketidakseimbangan kelas ditangani menggunakan Synthetic Minority Over-sampling Technique (SMOTE). Klasifikasi dilakukan menggunakan KNN dengan Euclidean Distance, sedangkan nilai K terbaik ditentukan melalui Stratified K-Fold Cross Validation. Hasil penelitian menunjukkan K=3 sebagai nilai terbaik. Model KNN sebelum SMOTE menghasilkan akurasi sebesar 96%, precision sebesar 0,96%, recall sebesar 0,96%, dan F1-score sebesar 0,95%. Setelah menggunakan SMOTE, model memperoleh accuracy sebesar 98%, precision, recall, dan F1-score masing-masing sebesar 0,98%. Hasil tersebut menunjukkan KNN dengan SMOTE dapat meningkatkan akurasi model klasifikasi.
Klasifikasi Kesiapan Petani dalam Penerapan Teknologi Digital Pencatatan Hasil Panen Menggunakan Algoritma K-Nearest Neighbor Zakia Ulfa; Taufiq Taufiq; Said Fadlan Anshari
sudo Jurnal Teknik Informatika Vol. 5 No. 3 (2026): Edisi September
Publisher : Ilmu Bersama Center

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56211/sudo.v5i3.2055

Abstract

Kesiapan petani menerapkan teknologi digital pencatatan hasil panen menjadi faktor penting bagi transformasi pertanian berbasis data di Kecamatan Makmur, Kabupaten Bireuen. Penelitian ini mengklasifikasikan tingkat kesiapan petani menggunakan algoritma K-Nearest Neighbor (K-NN) serta mengevaluasi akurasi hasil klasifikasinya. Pendekatan yang digunakan adalah kuantitatif dengan metode eksperimen. Data diperoleh melalui kuesioner terhadap 500 petani dengan sembilan variabel, yaitu usia, jenis kelamin, tingkat pendidikan, pengalaman bertani, kepemilikan perangkat digital, luas lahan, pendapatan petani, keikutsertaan penyuluhan, dan literasi digital. Data tersebut dibagi menjadi 400 data latih dan 100 data uji. Pada tahap klasifikasi, data latih diseimbangkan menggunakan Synthetic Minority Over-sampling Technique (SMOTE), kemudian dilakukan pengujian 5-fold cross validation untuk menentukan nilai K terbaik, yaitu K=3. Dari 500 data petani, sebanyak 88,80% termasuk kategori "Siap", 9,60% kategori "Cukup Siap", dan 1,60% kategori "Belum Siap". Pengujian confusion matrix terhadap 100 data uji menghasilkan akurasi sebesar 69%, dengan performa terbaik pada kelas "Siap" berupa F1-Score 0,827, sedangkan kelas "Cukup Siap" hanya 0,063 akibat data yang terbatas. Selain itu, penelitian ini menghasilkan sistem informasi berbasis web bernama "PanenKu" yang menyediakan fitur pencatatan data tanaman, lahan, hasil panen, riwayat, laporan, grafik, dan analisis, serta diuji menggunakan black box testing pada 20 skenario dengan seluruh fitur berjalan sesuai harapan.