cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Kamil Erwansyah
Contact Email
erwansyah.kamil@gmail.com
Phone
+62811656784
Journal Mail Official
prpmtgd@gmail.com
Editorial Address
Jl. Pintu Air I/Jend. AH Nasution No. 73, Medan Johor Sumatera Utara - Indonesia
Location
Kota medan,
Sumatera utara
INDONESIA
Jurnal Sistem Informasi Triguna Dharma (JURSI TGD)
Published by STMIK Triguna Dharma
ISSN : 28281004     EISSN : 28282566     DOI : https://doi.org/10.53513/jursi.v1i2.4814
Core Subject : Science,
Computer Science & IT
Jurnal Sistem Informasi Triguna Dharma merupakan Jurnal yang menampung hasil penelitian dari Mahasiswa khususnya mahasiswa di Program Studi Sistem Informasi juga menerima hasil penelitian dari kampus berbeda dengan bidang keilmuan yang sama. Jurnal ini menampung publikasi dibidang ilmu komputer khususnya Sistem Informasi, Sistem Pendukung Keputusan, Sistem Pakar, Pengolahan Citra, Jaringan Saraf Tiruan, Data Mining, Security Computer dan seluruh keilmuan dibidang komputer
Arjuna Subject : Ilmu Komputer (semua kategori) - Sistem Informasi
Articles 529 Documents
 49   50   51   52   53 
Integrasi Multi Factor Evaluation Process (MFEP) Untuk Prioritisasi Kanal Pemasaran Digital UMKM Idaman, Akbar; Sunjaya, Muit; Tar Muhammad Raja Gunung; Aurlani, Febry
Jurnal Sistem Informasi Triguna Dharma (JURSI TGD) Vol. 5 No. 2 (2026): EDISI MARET 2026
Publisher : STMIK Triguna Dharma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.53513/jursi.v5i2.12328

Abstract

Penelitian ini mengintegrasikan Multi Factor Evaluation Process (MFEP) sebagai kerangka evaluasi multikriteria untuk prioritisasi kanal pemasaran digital UMKM pada konteks Indonesia yang ditandai keterbatasan anggaran, SDM, dan kompetensi digital. Lima kriteria inti digunakan, yaitu Reach–Fit, efisiensi biaya/CPA, potensi konversi, kecepatan dampak (time-to-result), serta kemudahan eksekusi & pengukuran. Data mencakup 13 alternatif kanal yang dinilai pada skala 1–5 dan dibobotkan sesuai skema penelitian. Capaian utama menunjukkan 7 kanal melampaui ambang kelulusan TNE ≥ 3,50, yaitu: TikTok Ads (3,95), Facebook Local Awareness Ads (3,85), Influencer Mikro (3,85), Instagram Feed Ads Conversion (3,60), WhatsApp Click-to-Chat (3,55), Instagram Reels Organic + Light Ads (3,50), dan Marketplace Ads (3,50); kanal lain berada pada rentang 2,85–3,30 dan direkomendasikan sebagai pendukung/optimalisasi. Hasil ini menegaskan bahwa keputusan yang menimbang kelima kriteria lebih konsisten, hemat, dan actionable dibanding pemilihan berbasis intuisi, karena langsung diturunkan menjadi urutan eksekusi, alokasi anggaran awal, dan fokus peningkatan kapabilitas tim. Kerangka MFEP yang diusulkan bersifat sederhana, transparan, dan dapat dijelaskan, sehingga layak diadopsi sebagai sistem pendukung keputusan bagi pendampingan UMKM.
Pengembangan Sistem Informasi Pelayanan Rumah Sakit Berbasis Web dengan Pendekatan Agile Development Kusmawati, Yeli
Jurnal Sistem Informasi Triguna Dharma (JURSI TGD) Vol. 5 No. 2 (2026): EDISI MARET 2026
Publisher : STMIK Triguna Dharma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.53513/jursi.v5i2.12484

Abstract

Manajemen Standar Pelayanan Minimal (SPM) merupakan pilar krusial dalam menjamin kualitas layanan kesehatan. Penelitian ini berfokus pada penyelesaian masalah utama di sebuah RSUD, yaitu ketiadaan integrasi data antara sistem mutu eksisting (SimMuTer) dengan Sistem Informasi Manajemen Rumah Sakit (SIM-RS). Kondisi ini secara langsung menyebabkan duplikasi input data secara manual, proses pelaporan yang lambat, dan peningkatan risiko human error pada data SPM. Solusi yang dikembangkan adalah Sistem Informasi Pelaporan Mutu dan Indikator (SisPeMin) berbasis web, yang dirancang dan diimplementasikan menggunakan Metode Agile Development dan Framework CodeIgniter 4 dengan basis data MySQL. Tujuan utama SisPeMin adalah menyediakan platform yang terfokus, efisien, dan terintegrasi sebagai jembatan data.
Rancang Bangun Aplikasi Pengarsipan Dokumen Berbasis Website Pada PT ABC Dewi, Khema; Crysostomus, Niko; Sihotang, Fransiska Prihatini
Jurnal Sistem Informasi Triguna Dharma (JURSI TGD) Vol. 5 No. 2 (2026): EDISI MARET 2026
Publisher : STMIK Triguna Dharma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.53513/jursi.v5i2.12493

Abstract

PT ABC mengalami hambatan dalam manajemen dokumen dan administrasi operasional, khususnya terkait pemantauan masa berlaku kontrak, risiko hilangnya berkas fisik, serta proses penyusunan surat jalan dan invoice yang kurang efisien. Guna mengatasi permasalahan tersebut, dikembangkan "Rancang Bangun Aplikasi Pengarsipan Dokumen Berbasis Website pada PT ABC". Sistem ini berfungsi mendigitalisasi penyimpanan dokumen, memberikan notifikasi otomatis untuk masa berlaku kontrak, serta mengintegrasikan pembuatan surat jalan dengan faktur secara otomatis. Pengembangan sistem dilakukan dengan metodologi iterasi yang mencakup fase perencanaan, analisis, implementasi, hingga pengujian. Secara teknis, aplikasi ini dibangun menggunakan bahasa pemrograman PHP dengan framework Laravel dan basis data MySQL, serta dirancang melalui permodelan Use Case Diagram, ERD, dan DFD. Kehadiran aplikasi ini diharapkan mampu mengoptimalkan pengelolaan kontrak digital serta mempercepat alur kerja administrasi perusahaan.
Analisis Perbandingan Optimasi Seleksi Fitur Logistic Regression dan SVM untuk Prediksi PCOS Annisa Ashari; Lumi Krismona; Nurhayati
Jurnal Sistem Informasi Triguna Dharma (JURSI TGD) Vol. 5 No. 2 (2026): EDISI MARET 2026
Publisher : STMIK Triguna Dharma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.53513/jursi.v5i2.12476

Abstract

Polycystic Ovary Syndrome (PCOS) merupakan gangguan endokrin pada wanita usia reproduktif yang ditandai ketidakteraturan menstruasi, hiperandrogenisme dan perubahan morfologi ovarium, serta berpotensi menimbulkan infertilitas dan komplikasi metabolik (WHO, 2025). Penelitian ini bertujuan menganalisis secara komparatif kinerja algoritma Logistic Regression dan Support Vector Machine (SVM) yang dioptimasi dengan feature selection untuk prediksi PCOS berbasis data klinis. Dataset berisi 1.000 data pasien dengan lima atribut klinis, yaitu umur, indeks massa tubuh (BMI), ketidakteraturan menstruasi, kadar testosteron dan jumlah folikel antral, serta label biner diagnosis PCOS. Data dibagi menggunakan stratified train-test split 80:20 dan seluruh fitur numerik dinormalisasi. Optimasi dilakukan dengan mengintegrasikan Recursive Feature Elimination (RFE) dan Grid Search pada Logistic Regression untuk menentukan kombinasi jumlah fitur dan parameter regulasi terbaik, sementara pada SVM dilakukan penalaan parameter C, jenis kernel dan gamma menggunakan GridSearchCV dengan 5-fold stratified cross-validation dan F1-score sebagai metrik acuan, mengikuti praktik optimasi model yang banyak digunakan pada penelitian PCOS berbasis machine learning. Hasil eksperimen menunjukkan bahwa Logistic Regression terbaik mencapai akurasi 0,915, F1-score kelas PCOS 0,80 dan AUC 0,978, sedangkan SVM memberikan kinerja lebih tinggi dengan akurasi 0,97, F1-score kelas PCOS 0,92 dan AUC 0,998. Secara keseluruhan, hasil ini mengindikasikan bahwa SVM dengan fitur terpilih lebih efektif dibanding Logistic Regression, selaras dengan beberapa studi yang melaporkan keunggulan model SVM dalam deteksi PCOS.
Penerapan Algoritma Linear Regression dalam Prediksi Harga Mobil Bekas Berbasis Machine Learning Pepti Kumala Dewi; Yoviapridiansyah
Jurnal Sistem Informasi Triguna Dharma (JURSI TGD) Vol. 5 No. 2 (2026): EDISI MARET 2026
Publisher : STMIK Triguna Dharma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.53513/jursi.v5i2.12494

Abstract

Penentuan harga mobil bekas sering menjadi permasalahan dalam proses jual beli kendaraan karena masih banyak dilakukan berdasarkan penilaian subjektif dan belum sepenuhnya memanfaatkan data. Penelitian ini bertujuan untuk memanfaatkan algoritma Linear Regression berbasis machine learning sebagai pendekatan dalam memprediksi harga mobil bekas secara lebih objektif dan terukur. Data kajian ini diperoleh dari platform Kaggle dengan total 8.128 data kendaraan bekas yang memuat atribut seperti tahun kendaraan, jarak tempuh, kapasitas mesin, daya maksimum, dan jumlah tempat duduk. Tahapan penelitian mencakup pengumpulan data, proses preprocessing, dataset pada penelitian ini dibagi ke dalam data latih dan data uji dengan rasio 80:20. Proses pelatihan model dilakukan menggunakan algoritma Multiple Linear Regression, sedangkan evaluasi performa model dilaksanakan setelah tahap pemodelan selesai. Seluruh tahapan pemodelan dan pengujian dijalankan menggunakan Google Colab sebagai lingkungan komputasi. Penilaian kinerja model dilakukan dengan memanfaatkan beberapa metrik evaluasi, meliputi Mean Absolute Error (MAE), Mean Squared Error (MSE), Root Mean Squared Error (RMSE), serta koefisien determinasi (R²). Hasil uji memperlihatkan bahwasannya model mempunyai performa yang baik, ditunjukkan oleh nilai MAE sebesar 96.477, RMSE sebesar 215.746, serta nilai R² sebesar 0,9289. Nilai tersebut mendefinsikan bahwasannya model mampu mendeskripsikan sebesar 92,89% variasi harga mobil bekas. Oleh karena itu, model prediksi yang dibangun dapat dimanfaatkan sebagai sistem pendukung keputusan dalam membantu penentuan harga mobil bekas secara lebih akurat.
Pipeline ETL Big Data sebagai Solusi Integrasi Data Perguruan Tinggi dengan Evaluasi Validitas Otomatis Pradesan, Iis; Dorie Pandora Kesuma
Jurnal Sistem Informasi Triguna Dharma (JURSI TGD) Vol. 5 No. 2 (2026): EDISI MARET 2026
Publisher : STMIK Triguna Dharma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.53513/jursi.v5i2.12504

Abstract

Data akademik di perguruan tinggi, seperti mahasiswa, dosen, mata kuliah, kelas, dan nilai, tersebar di berbagai sumber heterogen, sehingga menimbulkan tantangan besar pada integrasi, dan standar validitas data. Kondisi ini berpotensi menghambat pelaporan, akreditasi, maupun pengambilan keputusan strategis berbasis data. Penelitian ini bertujuan merancang dan mengimplementasikan pipeline Extract, Transform, Load (ETL) berbasis big data untuk mengatasi permasalahan tersebut. Metode penelitian meliputi studi pendahuluan, pengumpulan data, pemetaan rule validasi, dan implementasi pipeline menggunakan Apache NiFi serta Hadoop Distributed File System (HDFS). Hasil implementasi menunjukkan pipeline mampu mengekstrak data multi-sumber secara otomatis, menerapkan validasi berbasis aturan (length, nullable, reference, min-max), dan memuat data tervalidasi ke cluster HDFS dengan high availability dan fault tolerance. Uji coba menemukan sekitar 8% data error berhasil diisolasi, sementara tingkat validitas data pada entitas utama mencapai lebih dari 90%. Kontribusi penelitian ini terletak pada integrasi multi sumber data akademik, penerapan standar, mekanisme otomatis penanganan data invalid, serta pemanfaatan HDFS sebagai penyimpanan terdistribusi. Pipeline yang dihasilkan dapat menjadi blueprint praktis untuk perguruan tinggi di Indonesia dalam mengukur kualitas data dan mendukung tata kelola berbasis big data.
Analisi Pola Pemesanan Pelanggan Menggunakan Algoritma Apriori-Tid Untuk Rekomendasi Paket Bundling Menu Pada Autotec Coffee Maverick; Pradesan, Iis
Jurnal Sistem Informasi Triguna Dharma (JURSI TGD) Vol. 5 No. 2 (2026): EDISI MARET 2026
Publisher : STMIK Triguna Dharma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.53513/jursi.v5i2.12510

Abstract

Penelitian ini bertujuan untuk menganalisis pola pemesanan pelanggan pada Autotec Coffee menggunakan algoritma Apriori-TID guna menghasilkan rekomendasi paket bundling menu. Data yang digunakan merupakan 8.670 transaksi periode Mei 2024 hingga September 2025. Metodologi penelitian mengacu pada CRISP-DM yang meliputi pemahaman bisnis, pemahaman data, persiapan data, pemodelan, evaluasi, dan deployment. Hasil penelitian menunjukkan bahwa algoritma Apriori-TID mampu menemukan aturan asosiasi dengan nilai minimum support 1% dan confidence 25%. Pola keterkaitan menu yang ditemukan dapat dimanfaatkan sebagai dasar strategi promosi berbasis data untuk meningkatkan nilai transaksi dan kepuasan pelanggan.
Analisa Implementasi Algoritma pada Metode Certainty Factor dalam Mendiagnosis Penyakit Eksim Mandasari, Sartika; Riandini, Meisarah; Pranata, Ardianto; Mughnyanti, Mayang; Dalimunthe, Aulia Rahman
Jurnal Sistem Informasi Triguna Dharma (JURSI TGD) Vol. 5 No. 2 (2026): EDISI MARET 2026
Publisher : STMIK Triguna Dharma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.53513/jursi.v5i2.12532

Abstract

Alergi yang terjadi pada kulit dengan tanda-tanda yang timbul berupa warna kemerahan dan menimbulkan rasa gatal secara ilmu kesehatan merupakan salah satu gejala dari penyakit yang diberi nama Eksim. Penyait ini dapat menyerang siapa saja baik usia muda maupun tua, baik laki-laki maupun perempuan. Penyakit ini muncul dikarenakan banyak faktor selain makanan bisa juga dikarenakan deterjen atau bahkan kosmetik. Meski bukan termasuk penyakit ekstrim, namun kondisi yang ditimbulkan memberikan rasa tidak nyaman bagi orang yang terjangkit. Oleh karenanya dengan mengetahui gejala-gejala yang timbul diharapkan dapat mencegah atau setidaknya meringankan penderita penyakit eksim tersebut. Salah satu metode alternatif yang dapat digunakan adalah Certainty Factor, yang merupakan salah satu metode ilmiah dan sistematik dari bidang keilmuan pakar atau sering disebut juga sistem pakar. Metode ini menerpakan algoritma-algoritma sistematik yang mampu meberikan solusi kepastian berdasarkan hasil diagnosa dengan kemampuan yang menyerupai ahli atau pakar dibidangnya. Analisa penerapan algoritma pada Metode Certainty Factor untuk diagnosa penyakit eksim menghasilkan nilai-nilai sistematik dari gejala yang mampu merepresentasikan nilai kepastian sehingga menghasilkan solusi penanganannya.
Sistem E-Healthcare Untuk Mendeteksi Penyakit Inflamasi Kulit Pada Anak Puji Sari Ramadhan; Jaka Tirta Samudra
Jurnal Sistem Informasi Triguna Dharma (JURSI TGD) Vol. 5 No. 2 (2026): EDISI MARET 2026
Publisher : STMIK Triguna Dharma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.53513/jursi.v5i2.12588

Abstract

Penyakit inflamasi kulit merupakan penyakit yang pada umumnya sering dialami oleh bayi maupun anak-anak, hal ini dikarenakan 1sistem kekebalan tubah pada anak yang belum dapat menghadapi serangan pelemahan imun. Namun pada saat sekarang ini kurangnya pengetahuan masyarakat tentang penyakit inflamasi kulit ini, sehingga mengakibatkan terhambatnya penanganan dini pada anak yang terdeteksi inflamasi kulit. Melihat permasalahan yang telah dikemukakan, maka perlu membangun sebuah sistem E-Healthcare yang mampu mengakuisisi pengetahuan pakar kedalam sebuah sistem layanan konsultasi untuk mendeteksi penyakit inflamasi kulit pada anak berdasarkan gejala-gejala klinis yang dialami dengan menerapkan metode K-Nearest Neighbor yang berfungsi untuk melakukan pengolahan pengetahuan agar dapat menghasilkan analisa diagnosa awal yang nantinya dapat dijadikan referensi bagi masyarakat luas.

Page 53 of 53 | Total Record : 529

 49   50   51   52   53 

Filter by Year

2022 2026


Reset
Filter By Issues
All Issue Vol. 5 No. 2 (2026): EDISI MARET 2026 Vol. 5 No. 1 (2026): EDISI JANUARI 2026 Vol. 4 No. 6 (2025): EDISI NOVEMBER 2025 Vol. 4 No. 5 (2025): EDISI SEPTEMBER 2025 Vol. 4 No. 4 (2025): EDISI JULI 2025 Vol. 4 No. 3 (2025): EDISI MEI 2025 Vol. 4 No. 2 (2025): EDISI MARET 2025 Vol. 4 No. 1 (2025): EDISI JANUARI 2025 Vol. 3 No. 6 (2024): Edisi November 2024 Vol. 3 No. 5 (2024): Edisi September 2024 Vol. 3 No. 4 (2024): Edisi Juli 2024 Vol. 3 No. 3 (2024): Edisi Mei 2024 Vol. 3 No. 2 (2024): EDISI MARET 2024 Vol. 3 No. 1 (2024): EDISI JANUARI 2024 Vol. 2 No. 6 (2023): EDISI NOVEMBER 2023 Vol. 2 No. 5 (2023): EDISI SEPTEMBER 2023 Vol. 2 No. 4 (2023): EDISI JULI 2023 Vol. 2 No. 3 (2023): EDISI MEI 2023 Vol. 2 No. 2 (2023): EDISI MARET 2023 Vol. 2 No. 1 (2023): EDISI JANUARI 2023 Vol 1, No 6 (2022): EDISI NOVEMBER 2022 Vol 1, No 5 (2022): EDISI SEPTEMBER 2022 Vol. 1 No. 4 (2022): EDISI JULI 2022 Vol 1, No 4 (2022): EDISI JULI 2022 Vol 1, No 3 (2022): EDISI MEI 2022 Vol 1, No 2 (2022): EDISI MARET 2022 Vol 1, No 1 (2022): EDISI JANUARI 2022 More Issue