cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Agus Junaidi
Contact Email
agus.asj@bsi.ac.id
Phone
+6221231170
Journal Mail Official
jurnal.insan@bsi.ac.id
Editorial Address
Jl. Kramat Raya No 98, Senen
Location
Kota adm. jakarta barat,
Dki jakarta
INDONESIA
Jurnal Insan
Published by Universitas Bina Sarana Informatika
ISSN : -     EISSN : 27771385     DOI : https://doi.org/10.31294/jinsan
Core Subject : Science,
Computer Science & IT
Jurnal INSAN (Journal of Information System Management Innovation) merupakan jurnal yang diterbitkan oleh Program Studi Sistem Informasi Universitas Bina Sarana Informatika. Jurnal INSAN terbit 2 kali setahun (Juni dan Desember) dalam bentuk elektronik. Jurnal INSAN (Journal of Information System Management Innovation) pertama publikasi tahun 2021 dengan ISSN (Elektronik) No 2777-1385 dari Lembaga Ilmu Pengetahuan Indonesia. Redaksi menerima naskah berupa artikel ilmiah dan penelitian pada bidang: 1. Bidang Sistem Terintegrasi (Integration System) 2. Bidang Penunjang Keputusan (Decision Support System) 3. Bidang Sistem Pakar(Artificial Intelegent) dan Data Science 4.Bidang Technopreneur(E-Business).
Arjuna Subject : Ilmu Komputer (semua kategori) - Ilmu Komputer (Lain-Lain)
Articles 8 Documents
 1 
Search results for , issue "Vol. 5 No. 2 (2025): Desember 2025" : 8 Documents clear
Prediksi Kualitas Udara Daerah Tangerang Selatan Melalui Parameter ISPU dengan Metode LSTM Andriansyah, Doni; Hertyana, Hylenarti; mufida, elly
Jurnal INSAN Journal of Information System Management Innovation Vol. 5 No. 2 (2025): Desember 2025
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/j-insan.v5i2.10352

Abstract

Indeks Standar Pencemar Udara (ISPU) adalah angka yang tidak mempunyai satuan yang menggambarkan kondisi mutu udara ambien di suatu lokasi, berdasarkan dampaknya terhadap kesehatan manusia, estetika, serta makhluk hidup lainnya. Tanggerang Selatan adalah salah satu kota di Provinsi Banten, Indonesia, yang merupakan bagian dari wilayah Jabodetabek. Tangerang Selatan berkembang pesat sebagai kota urban dan satelit Jakarta, dan menjadi area industri ringan dan komersial. Penelitian ini menggunakan model Long Short-Term Memory (LSTM) untuk memprediksi angka ISPU pada kota Tanggerang Selatan. Berdasarkan hasil penelitian, model LSTM mampu memprediksi kualitas udara di Tangerang Selatan dengan akurasi yang cukup tinggi. Model berhasil mengikuti pola data historis selama 30 hari dengan baik dan menghasilkan prakiraan 7 hari ke depan yang cukup mendekati nilai aktual. Hal ini ditunjukkan oleh nilai evaluasi yang memuaskan, yaitu MSE sebesar 15,15, RMSE sebesar 3,89, dan MAE sebesar 2,86, mengindikasikan rata-rata kesalahan prediksi yang relatif kecil. Perbedaan antara nilai prediksi dan aktual kualitas udara harian berada dalam rentang yang dapat diterima.
Analisis Pemilihan Sneakers Lokal Terbaik Dengan Metode Analytical Hierarchy Process (AHP) Irfiani, Eni; Prihartanto, Dio; Wardana, Ferry Putra; Hadiansyah, Ilham Yofrie; Nurlaela, Dini; Hidayat, Miwan Kurniawan
Jurnal INSAN Journal of Information System Management Innovation Vol. 5 No. 2 (2025): Desember 2025
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/j-insan.v5i2.10397

Abstract

     Rendahnya minat beli masyarakat terhadap sepatu brand lokal. Hal ini dipengaruhi oleh beberapa faktor seperti, persepsi konsumen terhadap kualitas produk lokal yang buruk, faktor gengsi konsumen, serta dominasi produk impor di pasar Indonesia. Dengan menggunakan pendekatan sistematis, seperti metode Analytical Hierarchy Process (AHP), penelitian ini bertujuan untuk menganalisis brand sepatu sneakers lokal terbaik. Metode Analytical Hierarchy Process (AHP) pada penelitian ini digunakan untuk menilai tiga brand sepatu sneaker lokal yang sudah ditentukan, seperti NAH Project, Compass, dan Geoff Max Footwear berdasarkan kriteria harga, desain, dan bahan. Penelitian ini menggunakan 100 data dari responden di wilayah JABODETABEK. Data tersebut dikumpulkan melalui kuesioner yang dibagikan kepada konsumen yang berada di wilayah  JABODETABEK yang disebarkan secara online melalui media sosial. Hasil penelitian menunjukkan bahwa kriteria harga merupakan faktor utama konsumen dalam dalam pengambilan keputusan dalam membeli sepasang sepatu sneakers brand lokal. Hal ini bisa dilihat dari bobot kriteria harga sebesar (0,42), diikuti oleh kriteria bahan (0,32) dan desain (0,26). Dari ketiga alternatif yang diuji, alternatif NAH Project mendapatkan nilai prioritas sebesar (0,37). Nilai ini menempatkan NAH Project di peringkat pertama sebagai brand sepatu sneakers lokal terbaik. Diharapkan bahwa penelitian ini akan memberikan referensi bagi konsumen dalam memilih sepatu sneaker brand lokal yang terbaik sesuai preferensinya, serta untuk produsen dalam meningkatkan daya saing produknya melalui inovasi, efesiensi, dan kualitas produk.
Pengembangan Sistem Informasi Keuangan Sekolah Berbasis Web dengan Model Rapid Application Development Brawijaya, Herlambang; Rahmawati, Eva
Jurnal INSAN Journal of Information System Management Innovation Vol. 5 No. 2 (2025): Desember 2025
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/j-insan.v5i2.9731

Abstract

Pengelolaan keuangan sekolah yang efektif penting untuk menjaga transparansi dan akuntabilitas penggunaan dana. Banyak sekolah, khususnya tingkat SMP, masih menggunakan pencatatan manual sehingga rentan terhadap kesalahan, keterlambatan laporan, dan sulit memantau arus kas secara real-time. Penelitian ini bertujuan merancang Sistem Informasi Pengelolaan Keuangan Berbasis Web guna membantu pencatatan pemasukan, pengeluaran, dan pembuatan laporan secara cepat dan akurat. Metode pengembangan yang digunakan adalah Rapid Application Development (RAD) melalui tahapan requirements planning, user design, constructuon, dan cutover. Hasil pengujian menunjukkan sistem mampu mengelola data keuangan dengan baik dan menghasilkan laporan otomatis, serta memudahkan akses informasi bagi bendahara dan kepala sekolah. Kesimpulannya, metode RAD dapat mempercepat pengembangan dan menghasilkan aplikasi yang sesuai kebutuhan pengguna.
Analisis Sistem Informasi Aplikasi Shopee Menggunakan Metode Pieces Santika, Ega; Puspita Sari, Eka
Jurnal INSAN Journal of Information System Management Innovation Vol. 5 No. 2 (2025): Desember 2025
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/j-insan.v5i2.9908

Abstract

Penelitian ini bertujuan untuk menganalisis kinerja sistem informasi aplikasi Shopee dengan pendekatan metode PIECES (Performance, Information, Economy, Control, Efficiency, dan Service). Shopee dipilih karena merupakan salah satu platform e-commerce terbesar di Indonesia yang sangat bergantung pada kualitas sistem informasi untuk mendukung layanan pengguna. Data penelitian dikumpulkan melalui kuesioner berbasis skala Likert yang disebarkan kepada 100 responden pengguna aktif aplikasi Shopee. Analisis dilakukan menggunakan perangkat lunak SPSS melalui uji validitas, reliabilitas, uji t, uji F, serta regresi linier berganda. Hasil penelitian menunjukkan bahwa secara simultan, seluruh dimensi PIECES berpengaruh signifikan terhadap kinerja sistem, dengan nilai F-hitung 68,609 > F-tabel 2,311 dan signifikansi < 0,001. Secara parsial, variabel Economy (X2), Control (X3), dan Service (X5) berpengaruh signifikan, sedangkan Information (X1) dan Efficiency (X4) tidak signifikan. Penelitian ini menegaskan pentingnya aspek biaya, keamanan, dan pelayanan dalam meningkatkan kinerja aplikasi Shopee.
Penerapan Metode Algoritma XGBoost untuk Prediksi Risiko Penyakit Jantung Adani, Fadia Izni; Amalia, Hilda
Jurnal INSAN Journal of Information System Management Innovation Vol. 5 No. 2 (2025): Desember 2025
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/j-insan.v5i2.10000

Abstract

Abstrak - Penyakit jantung masih menjadi salah satu penyebab utama kematian di dunia, termasuk di Indonesia, sehingga deteksi dini terhadap faktor risikonya menjadi sangat penting untuk menekan angka kematian dan meningkatkan kualitas hidup pasien. Penelitian ini menerapkan algoritma XGBoost untuk membangun model prediksi risiko penyakit jantung menggunakan dataset cardio_train.csv dari Kaggle, yang berisi data kesehatan pasien meliputi usia, jenis kelamin, tekanan darah, kolesterol, serta variabel lain yang relevan. Tahapan penelitian meliputi pra-pemrosesan data, pelatihan model, evaluasi performa menggunakan metrik akurasi dan AUC, serta analisis feature importance. Hasil menunjukkan bahwa model XGBoost mampu mencapai precision sebesar 0,72, recall sebesar 0,77, F1-score sebesar 0,74, akurasi sebesar 73%, serta nilai AUC sebesar 0,795, yang menandakan kemampuan klasifikasi yang cukup baik. Fitur-fitur seperti tekanan darah sistolik (ap_hi), usia (age), dan kolesterol merupakan faktor dominan dalam proses prediksi. Dengan hasil ini, XGBoost dapat direkomendasikan sebagai metode dalam pengembangan sistem pendukung keputusan untuk deteksi dini penyakit jantung secara otomatis.
Prototipe Chatbot Terapi Kognitif Perilaku (CBT): TemanBatin Berbasis UX untuk Mendukung Kesehatan Mental Gen Z Sastra, Ricki; Watmah, Sri; Putri, Destiana; Aditama, Krisna; Ristiyanto, Nur
Jurnal INSAN Journal of Information System Management Innovation Vol. 5 No. 2 (2025): Desember 2025
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/j-insan.v5i2.11073

Abstract

Penelitian ini berfokus pada perancangan dan pengembangan TemanBatin, sebuah prototipe chatbot yang dirancang khusus untuk intervensi kesehatan mental Generasi Z (Gen Z) melalui penerapan Cognitive Behavioral Therapy (CBT). Gen Z menghadapi tantangan kesehatan mental yang signifikan, namun seringkali terhambat oleh stigma, biaya, dan aksesibilitas layanan terapi tradisional. Tujuan utama dari penelitian ini adalah menciptakan solusi digital yang mudah dijangkau dan efektif, dengan menekankan pada kualitas pengalaman pengguna (User Experience atau UX). Pendekatan yang diadopsi adalah Research and Development (R&D) dalam kerangka rekayasa perangkat lunak. Tahapan penelitian meliputi studi literatur ekstensif tentang efektivitas CBT digital, analisis kebutuhan spesifik Gen Z, serta perancangan prototipe yang mengintegrasikan alur percakapan yang empatik dan personalisasi konten terapi. Untuk memvalidasi kualitas interaksi dan desain, evaluasi usability prototipe dilakukan secara ketat menggunakan metode System Usability Scale (SUS). SUS digunakan untuk mengukur tingkat ketergunaan dan penerimaan sistem oleh calon pengguna, dengan ekspektasi hasil skor yang berada dalam kategori "Good" hingga "Excellent" (di atas 75). Selain itu, prototipe dirancang untuk dapat diuji efektivitas klinisnya di masa mendatang menggunakan instrumen baku seperti PHQ-9 dan GAD-7. Diharapkan TemanBatin dapat menjadi dasar bagi pengembangan aplikasi mobile yang berkontribusi pada pencegahan dan penanganan dini isu kesehatan mental di Indonesia, dengan menjaga aspek etika dan privasi data pengguna.
Analisa Komparasi Kinerja Model Logistic Regression dan Random Forest dalam Memprediksi Risiko Turnover Karyawan Pahlevi, Omar; Yuni Fitriani; Dewi Ayu Nur Wulandari; Handini Widyastuti; Sri Utami; Astriana Mulyani
Jurnal INSAN Journal of Information System Management Innovation Vol. 5 No. 2 (2025): Desember 2025
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/j-insan.v5i2.11111

Abstract

Turnover karyawan merupakan salah satu nilai tolak ukur bagi keberhasilan suatu perusahaan dalam menjalankan kegiatan bisnisnya. Memprediksi turnover karyawan merupakan kegiatan signifikan yang penting bagi setiap perusahaan yang berkelanjutan, dimana informasi dini tentang status turnover karyawan memungkinkan organisasi untuk mengambil langkah-langkah pencegahan. Pada penelitian ini peneliti akan mengaplikasikan dan membandingkan dua buah model algoritma supervised learning, diantaranya model algoritma Logistic Regression dan Random Forest untuk memprediksi risiko turnover karyawan, kemudian membandingkan mana dari dua model algoritma tersebut yang paling akurat. Berdasarkan hasil pengukuran kinerja kedua model dengan menggunakan metode Confusion Matrix. Berdasarkan hasil penelitian, diketahui bahwa model Logistic Regression memiliki tingkat akurasi sebesar 84,64% serta F1-Score yang baik dengan nilai sebesar 0,89, nilai presisi sebesar 0,82, dan nilai recall sebesar 0,96. Performa model Random Forest memiliki tingkat akurasi sebesar 80,12%, F1-Score sebesar 0,85 menunjukkan keseimbangan antara presisi sebesar 0,80 dan recall dengan nilai 0,92. Hal ini membuktikan bahwa model algoritma Logistic Regression adalah yang paling baik untuk untuk prediksi risiko turnover karyawan.
Klasterisasi Donatur Lembaga Sosial Menggunakan Algoritma K-Means Berbasis RFM Dengan Evaluasi Silhouette dan Davies–Bouldin Anwar, Syaiful; Siahaan, Fernando B.; Handono, Felix Wuryo
Jurnal INSAN Journal of Information System Management Innovation Vol. 5 No. 2 (2025): Desember 2025
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/j-insan.v5i2.11217

Abstract

Donatur memiliki peran penting dalam mendukung keberlangsungan lembaga sosial, namun banyak organisasi belum memiliki sistem analisis yang efektif untuk memahami perilaku donasi. Penelitian ini bertujuan mengelompokkan donatur Pais Foundation menggunakan algoritma K-Means yang dipadukan dengan model RFM (Recency, Frequency, Monetary). Data primer diperoleh dari website resmi Pais Foundation periode 5 Januari–31 Desember 2024. Tahapan penelitian meliputi pengumpulan, pembersihan, transformasi data ke format RFM, normalisasi dengan metode Z-Score, serta klasterisasi menggunakan perangkat lunak RapidMiner. Jumlah klaster optimal ditentukan dengan metode Davies-Bouldin Index (DBI) dan menghasilkan lima kelompok donatur: Pasif, Sekali, Loyal, Rutin, dan Aktif. Kebaruan penelitian ini terletak pada integrasi RFM dengan algoritma K-Means yang dioptimalkan melalui DBI dalam konteks lembaga sosial di Indonesia. Pendekatan ini jarang diterapkan pada organisasi nirlaba lokal sehingga memberikan kontribusi praktis berupa model segmentasi donatur yang lebih akurat. Hasil penelitian menunjukkan perbedaan karakteristik tiap kelompok dalam hal frekuensi, waktu terakhir donasi, dan jumlah kontribusi. Temuan ini dapat digunakan Pais Foundation untuk merancang strategi penggalangan dana yang lebih efektif dan personal.

Page 1 of 1 | Total Record : 8

 1 

Filter by Year

2025 2025


Reset
Filter By Issues
All Issue Vol. 5 No. 2 (2025): Desember 2025 Vol. 5 No. 1 (2025): Juni 2025 Vol. 4 No. 2 (2024): Desember 2024 Vol. 4 No. 1 (2024): Juni 2024 Vol. 3 No. 2 (2023): Desember 2023 Vol. 3 No. 1 (2023): Juni 2023 Vol. 2 No. 2 (2022): Desember 2022 Vol. 2 No. 1 (2022): Juni 2022 Vol. 1 No. 2 (2021): Desember 2021 Vol. 1 No. 1 (2021): Juni 2021