cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Farid Wahyudi
Contact Email
faridstifler@gmail.com
Phone
+6285755817853
Journal Mail Official
faridstifler@gmail.com
Editorial Address
Fakultas Sains dan Teknologi Universitas Islam Raden Rahmat, Malang Office: C 2.1 Lantai II, Gedung KH. Tolchah Hasan Jalan Raya Mojosari No. 02, Kepanjen - Malang, Jawa Timur
Location
Kota malang,
Jawa timur
INDONESIA
JUSIFOR : Jurnal Sistem Informasi dan Informatika
Published by Universitas Islam Raden Rahmat Malang
ISSN : 28303393     EISSN : 28302443     DOI : https://doi.org/10.33379/jusifor.v1i2.1444
Core Subject : Science, Engineering,
Computer Science & IT Decision Sciences, Operations Research & Management Engineering Library & Information Science
JUSIFOR adalah jurnal akses terbuka di bidang Informatika dan Sistem Informasi. Jurnal ini tersedia bagi para peneliti yang ingin meningkatkan pengetahuan mereka dibidang tertentu dan dimaksudkan untuk menyebarkan pengalaman hasil studi. JUSIFOR merupakan Jurnal penelitian ilmiah bidang informatika dan system informasi. Terbuka bagi siapa saja yang ingin mengembangkan ilmu pengetahuan berdasarkan penelitian yang berkualitas dibidang apapun. Artikel penelitian yang dikirimkan ke jurnal online ini akan di-peer-review. Jurnal ini diterbitkan oleh Prodi Sistem Informasi dan Teknik Informatika Fakultas Sains dan Teknologi, Universitas Islam Raden Rahmat. Jurnal ini diterbitkan sebanyak 2 kali dalam satu tahun, yaitu di bulan Juni dan Desember.
Arjuna Subject : Ilmu Komputer (semua kategori) - Sistem Informasi
Articles 87 Documents
 5   6   7   8   9 
Performa Algoritma Naïve Bayes Dan C4.5 dalam Perbandingan Evaluasi Paket Trip Terlaris Bromocreative Najmulaili, Puspita; Tri Utomo, Listanto Tri
JUSIFOR : Jurnal Sistem Informasi dan Informatika Vol 4 No 1 (2025): JUSIFOR - Juni 2025
Publisher : Fakultas Sains Dan Teknologi, Universitas Raden Rahmat Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70609/jusifor.v4i1.6491

Abstract

Perkembangan yang pesat dalam industry pariwasata telah membuka peluang bagi para agen tour perjalanan untuk menawarkan berbagai paket wisata. Salah satu penyedia layanan wisatanya yaitu Bromocreative, dengan menghadapi tantangan dalam menentukan paket trip yang paling laris sebagai acuan untuk strategi pemasaran. Peneliti akan melakukan pengujian pada dua metode klasifikasi yaitu menggunakan metode algoritma Naïve Bayes dan C4.5. untuk melakukan evaluasi pada paket-paket wisata yang paling diminati atau terlaris. Dalam melakukan analisis ini akan dilakukan menggunakan dataset yang mencakup 1000 data pelanggan pada Bromocreative, yang meliputi jenis paket, jumlah peserta, harga, status, dan kategori (murah, sedang dan mahal. Untuk mengambil keputusan, proses pengambilan keputusan sebaiknya menggunakan aplikasi Orange sebagai basis dari kedua algoritma tersebut, dengan fokus pada akurasi, presisi, dan recall. Hasil evaluasi yang disajikan melalui confusion matrix akan mendapatkan keakuratan pada masing-masing metode. Agar diharapkan peneliti akan membantu Bomocreative dalam melakukan strategi pemasaran yang lebih efektif serta memberikan wawasan yang berharga bagi peneliti lainnya.
Prediksi Volume Penjualan Gadget Berdasarkan Promo dan Channel Penjualan Menggunakan Random Forest Agustina, Alvi; Tukino, Tukino; Huda, Baenil; Novalia, Elfina
JUSIFOR : Jurnal Sistem Informasi dan Informatika Vol 4 No 1 (2025): JUSIFOR - Juni 2025
Publisher : Fakultas Sains Dan Teknologi, Universitas Raden Rahmat Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70609/jusifor.v4i1.6962

Abstract

Volume penjualan gadget dipengaruhi oleh berbagai faktor seperti harga, rating pengguna, keberadaan promo, serta channel distribusi yang digunakan. Pemahaman terhadap pengaruh faktor-faktor tersebut sangat penting untuk merumuskan strategi pemasaran yang efektif. Penelitian ini bertujuan untuk memprediksi volume penjualan gadget menggunakan algoritma Random Forest berdasarkan fitur promo dan channel penjualan. Data yang digunakan merupakan catatan transaksi aktual dari sebuah toko gadget yang melayani penjualan secara online dan offline di wilayah Jabodetabek dalam periode tertentu. Tahapan penelitian meliputi data preprocessing, pembentukan target klasifikasi volume penjualan menjadi tiga kategori (rendah, sedang, dan tinggi), pelatihan model Random Forest, serta evaluasi performa model menggunakan metrik akurasi, precision, recall, dan F1-score. Pembagian data latih dan data uji dilakukan dengan teknik stratified sampling untuk menjaga keseimbangan distribusi kelas. Hasil evaluasi menunjukkan bahwa model Random Forest mencapai akurasi sebesar 49,5%, dengan performa terbaik dalam mengklasifikasikan kategori volume penjualan "sedang". Angka ini mengindikasikan bahwa akurasi prediksi model masih terbatas, dengan hanya sekitar separuh dari keseluruhan data uji yang dapat diprediksi dengan benar. Meskipun demikian, temuan ini menunjukkan bahwa penerapan algoritma machine learning, khususnya Random Forest, berpotensi mendukung pengambilan keputusan berbasis data dalam meningkatkan efektivitas penjualan gadget.
Implementasi Simple Additive Weighting pada Sistem Pendukung Keputusan Pemilihan Kegiatan Ekstrakurikuler Sekolah Lutfi, Maula Raditya; Christanto, Febrian Wahyu; Suasana, Iman Saufik
JUSIFOR : Jurnal Sistem Informasi dan Informatika Vol 4 No 1 (2025): JUSIFOR - Juni 2025
Publisher : Fakultas Sains Dan Teknologi, Universitas Raden Rahmat Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70609/jusifor.v4i1.7088

Abstract

Kegiatan ekstrakurikuler adalah merupakan wadah siswa untuk mengembangkan bakat dan minat diluar akademik. SMP Negeri 15 Semarang memiliki 9 kegiatan ektrakurikuler yang terdiri dari 8 kegiatan ekstrakurikuler pilihan dan 1 kegiatan ekstrakurikuler wajib. Permasalahan yang timbul adalah dari 305 siswa angkatan 2023 di SMP N 15 Semarang masih terdapat 70 siswa yang belum mengikuti kegiatan ekstrakurikuler karena kesulitan dan kebimbangan dalam pemilihan kegiatan ekstrakurikuler yang akan diikuti. Sistem Pendukung Keputusan (SPK) menggunakan metode Simple Additive Weighting (SAW) adalah solusi yang dapat digunakan untuk membantu pengambilan keputusan pemilihan kegiatan ekstrakurikuler siswa berdasar pada kriteria bakat, minat, pengalaman, dan prestasi karena metode ini dapat mencari jumlah terbobot dari nilai kinerja seluruh alternatif di semua kriteria. Penelitian ini bertujuan untuk mengimplementasikan prototype sistem pemilihan kegiatan ekstrakurikuler siswa. Hasil penelitian ini adalah Sistem Pendukung Keputusan (SPK) pemilihan kegiatan ekstrakurikuler siswa di SMP N 15 Semarang. Pengujian kepuasan pengguna mendapatkan hasil sebesar 66,7% responden menyatakan sistem ini sangat membantu dalam pengambilan keputusan pemilihan ekstrakurikuler. Diharapkan dari hasil penelitian ini dapat menghasilkan sebuah cara baru pemilihan kegiatan ekstrakurikuler yang tepat bagi siswa.
Penggunaan Pola Singleton dalam Dependency Injection Dagger Hilt pada Pengembangan Aplikasi Android Fathir, Muhammad Sutan; Marcellina, Nabilla Pasha
JUSIFOR : Jurnal Sistem Informasi dan Informatika Vol 4 No 1 (2025): JUSIFOR - Juni 2025
Publisher : Fakultas Sains Dan Teknologi, Universitas Raden Rahmat Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70609/jusifor.v4i1.7089

Abstract

Dependency Injection merupakan teknik penting dalam pengembangan aplikasi Android modern untuk meningkatkan modularitas dan kemudahan pengujian, terutama saat menerapkan Clean Architecture. Salah satu library yang umum digunakan adalah Dagger Hilt. Namun, penggunaan Dagger Hilt dapat menimbulkan tantangan terkait efisiensi objek yang dikelola dalam siklus hidup aplikasi. Dalam penelitian ini, dilakukan penerapan dan evaluasi pola Singleton pada implementasi Dagger Hilt dalam konteks Clean Architecture guna meningkatkan efisiensi pengelolaan objek. Metode yang digunakan adalah pendekatan studi kasus, dengan mengimplementasikan pola Singleton pada modul aplikasi Android yang telah dikembangkan sebelumnya. Aplikasi ini berfungsi sebagai media pengujian untuk menganalisis dampak penerapan terhadap efisiensi memori, kecepatan inisialisasi objek, serta keterbacaan dan pemeliharaan kode. Hasil pengujian menunjukkan bahwa integrasi pola Singleton dalam Dagger Hilt mendukung prinsip Clean Architecture dengan mengurangi penggunaan memori dan mempercepat proses inisialisasi tanpa mengorbankan kualitas struktur kode.
Klasifikasi Sentimen Ulasan Aplikasi Claude Menggunakan Naive Bayes dan Support Vector Machine Mubarok, Muhammad Zidna; Rizqi, Saiful; Rizal, Ramadhan Muchamad; Syalim, Andhita Bagus Noor; Iksan, Nur
JUSIFOR : Jurnal Sistem Informasi dan Informatika Vol 4 No 1 (2025): JUSIFOR - Juni 2025
Publisher : Fakultas Sains Dan Teknologi, Universitas Raden Rahmat Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70609/jusifor.v4i1.7054

Abstract

Analisis sentimen adalah teknik penting yang digunakan untuk memproses data tekstual untuk mengetahui pendapat pengguna mengenai suatu produk. Penelitian ini menggunakan teknik machine learning, khususnya Multinomial Naive Bayes dan Support Vector Machine (SVM) Linear, untuk mengkategorikan sentimen ulasan untuk aplikasi Claude yang tersedia di Google Play Store. Data ulasan diperoleh melalui web scraping dan kemudian dibersihkan dan diproses untuk ekstraksi fitur menggunakan metode TF-IDF. Evaluasi model dilakukan dengan menggunakan matriks seperti akurasi, presisi, recall, dan f1-score. Temuan menunjukkan bahwa kedua model menunjukkan kemampuan klasifikasi yang kuat, dengan SVM Linear mencapai akurasi tertinggi sebesar 99,8%, presisi 99,9008%, recall 99,7446%, dan f1-score 99,8221%. Visualisasi melalui WordCloud dan analisis frekuensi kata membantu dalam mengidentifikasi istilah-istilah kunci yang terkait dengan setiap kategori sentimen. Hasil ini menggambarkan bahwa teknik machine learning efektif dalam menangkap sentimen pengguna dan menjadi dasar untuk menciptakan aplikasi berbasis AI yang lebih berorientasi pada pengguna.
Deteksi Dini Penyakit Kulit Pada Wajah Berdasarkan Citra Dengan Pendekatan Convolutional Neural Network (CNN) Apriyani, Sisi; Lestari, Novi; Aviani, Tri Hasanah Bimastari; Daulay, Nelly Kahirani
JUSIFOR : Jurnal Sistem Informasi dan Informatika Vol 4 No 1 (2025): JUSIFOR - Juni 2025
Publisher : Fakultas Sains Dan Teknologi, Universitas Raden Rahmat Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70609/jusifor.v4i1.7058

Abstract

Penyakit kulit wajah seperti jerawat dan melasma dapat memengaruhi kesehatan serta kepercayaan diri seseorang. Deteksi dini sangat penting untuk mendukung penanganan yang lebih cepat dan efektif. Penelitian ini bertujuan mengembangkan sistem klasifikasi penyakit kulit wajah berbasis citra digital menggunakan pendekatan Convolutional Neural Network (CNN). Model dikembangkan untuk mengklasifikasikan lima kategori: jerawat, flek hitam, herpes, kutil, dan tahi lalat, dengan total 380 citra. Data melalui tahapan pra-pemrosesan seperti pengubahan ukuran, normalisasi, dan augmentasi. Arsitektur CNN terdiri dari dua lapisan konvolusi, dua max pooling, dan dua fully connected. Hasil evaluasi menunjukkan akurasi rata-rata sebesar 90,58%, presisi 82,28%, recall 76%, dan F1-score 74,82%. Meskipun model menunjukkan performa baik pada beberapa kelas, masih ditemukan indikasi overfitting dan kesalahan klasifikasi antar kategori. Keterbatasan utama terletak pada jumlah data dan kemampuan generalisasi model. Dengan demikian, model CNN memiliki potensi dalam mendukung diagnosis awal penyakit kulit wajah, namun masih memerlukan pengembangan lanjutan melalui penggunaan dataset yang lebih besar dan arsitektur yang lebih kompleks.
Bibliometrik Analisis Sentimen: Tren Metode Penelitian dan Domain Implementasi Zein, Aldiki Farhan; Putra, Syopiansyah Jaya; Aini, Qurrotul
JUSIFOR : Jurnal Sistem Informasi dan Informatika Vol 4 No 1 (2025): JUSIFOR - Juni 2025
Publisher : Fakultas Sains Dan Teknologi, Universitas Raden Rahmat Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70609/jusifor.v4i1.7275

Abstract

Perkembangan teknologi digital telah mendorong peningkatan penelitian dalam analisis sentimen di berbagai platform digital. Penelitian ini bertujuan untuk memvisualisasikan tren analisis sentimen. Metode Penelitian yang digunakan merupakan analisis bibliometrik dengan data yang diperoleh dari database Scopus. Pencarian data dilakukan dengan kata kunci utama “sentiment” dan “analysis”, kemudian dianalisis menggunakan perangkat lunak seperti R Studio, Biblioshiny, dan VOSviewer. Hasil penelitian menunjukkan bahwa penelitian analisis sentimen mengalami peningkatan signifikan dalam rentang tahun 2020-2025, dengan metode berbasis kecerdasan buatan seperti BERT, Long Short-Term Memory (LSTM), dan Lexicon sebagai teknik yang paling dominan. Selain itu, analisis tren topik mengungkapkan bahwa pendekatan terbaru, seperti aspect-based sentiment analysis dan deep reinforcement learning, semakin banyak digunakan. Hasil penelitian juga menunjukan bahwa Domain atau area implementasi penelitian analisis sentimen pada Teknologi, Ilmu Sosial, dan Bisnis sebagai domain paling dominan.
Penerapan Convolutional Neural Network Dalam Klasifikasi Daun Tanaman Obat Menggunakan Pendekatan Transfer Learning Yolanda, Herliya; Hakim, Lukman; Satriansyah, Satriansyah; Aviani, Tri Hasanah Bimastari
JUSIFOR : Jurnal Sistem Informasi dan Informatika Vol 4 No 2 (2025): JUSIFOR - Desember 2025
Publisher : Fakultas Sains Dan Teknologi, Universitas Raden Rahmat Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70609/jusifor.v4i2.7056

Abstract

Medicinal plant leaves hold significant value in health and traditional medicine due to their bioactive compounds, which can be used to treat various diseases. However, identifying and classifying medicinal plant leaves remains challenging due to subtle visual differences that are difficult to recognize manually. Misidentification can hinder the development of herbal medicines and potentially pose risks to users. Therefore, an effective method is needed to accurately classify medicinal plant leaves. The dataset used in this study consists of 3,500 images, which are divided into training, validation, and test sets. The model training process is conducted using the VGG16 architecture, which is known for its effectiveness in feature extraction from images. The training results indicate that the model achieves an accuracy of 97%. Model evaluation is performed using a confusion matrix, which demonstrates that the model effectively distinguishes between 10 classes of medicinal plant leaves. The findings of this study are expected to contribute to the development of a more effective and efficient medicinal plant classification system, making it a potential tool to support decision-making in medicinal leaf classification tasks. This research not only focuses on model development but also highlights the importance of deep learning technology in healthcare, particularly in medicinal plant leaf classificationses.
Pengaruh Gadget Terhadap Minat Belajar Siswa SMK Muhammadiyah 5 Kepanjen Dengan Metode TAM Setyaji, Wahyu Candra; Ratnasari, Novia; Widaningrum, Anisa Hudi; Wahyudi, Farid; Rahmawati, Zurriat Nyndia
JUSIFOR : Jurnal Sistem Informasi dan Informatika Vol 4 No 2 (2025): JUSIFOR - Desember 2025
Publisher : Fakultas Sains Dan Teknologi, Universitas Raden Rahmat Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70609/jusifor.v4i2.7182

Abstract

Technology is developing at a rapid pace, and this significantly affects our daily lives. Gadgets have transformed our lifestyle, particularly in the field of education. One of the aspects impacted is students' learning interest. Students tend to focus more on subjects they are interested in, and less on those they are not. Learning interest is influenced by both internal and external factors, with gadget use being one of the external factors. The purpose of this study is to determine the extent to which gadgets influence students' learning interest at SMK Muhammadiyah 5 Kepanjen, Malang Regency. The data used in this research is primary data collected through questionnaires. The population consists of 275 students, with a sample of 163 tenth-grade students from all vocational programs at SMK Muhammadiyah 5 Kepanjen. The findings indicate that gadgets have a significant influence on students' learning interest, as evidenced by a significance value (sig.) lower than the probability value (0.001 < 0.05) and a t-calculated value greater than the t-table value (10.745 > 1.975).
Peran Gamifikasi dalam Meningkatkan UX Aplikasi Shopee di Indonesia Putra, I Kadek Permana; Pradnyana, I Made Ardwi; Saskara, Gede Arna Jude
JUSIFOR : Jurnal Sistem Informasi dan Informatika Vol 4 No 2 (2025): JUSIFOR - Desember 2025
Publisher : Fakultas Sains Dan Teknologi, Universitas Raden Rahmat Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70609/jusifor.v4i2.7225

Abstract

The implementation of gamification on e-commerce platforms holds the potential to enhance user engagement and satisfaction. However, several studies indicate that the impact of gamification on User Experience (UX) can vary, with gamification elements sometimes only providing short-term effects or even being insignificant. This research aims to analyze how gamification influences the perception of User Experience (UX) among users of the Shopee Games feature in Indonesia. A simple linear regression method was employed in this study. Data collection was conducted through surveys distributed to Shopee Games users. Regression analysis revealed a significant relationship between gamification and UX, with a correlation coefficient (R) of 0.755, indicating a strong relationship. The R Square value of 0.571 confirms that 57.1% of the variance in UX can be explained by gamification. The results of the ANOVA test reinforce these findings with a significance value of < 0.001, proving that the regression model used is valid and that gamification has a statistically significant impact on UX. Furthermore, further analysis found no issues of heteroscedasticity, thus fulfilling the classical regression assumptions. The implications of this research affirm that the effective implementation of gamification elements enhances users' perception of their experience when using the Shopee application. These findings recommend that e-commerce companies further optimize their gamification strategies to increase user engagement.

Page 7 of 9 | Total Record : 87

 5   6   7   8   9 

Filter by Year

2022 2025


Reset
Filter By Issues
All Issue Vol 4 No 2 (2025): JUSIFOR - Desember 2025 Vol 4 No 1 (2025): JUSIFOR - Juni 2025 Vol 3 No 2 (2024): JUSIFOR - Desember 2024 Vol 3 No 1 (2024): JUSIFOR - JUNI 2024 Vol 2 No 2 (2023): JUSIFOR - DESEMBER 2023 Vol 2 No 1 (2023): JUSIFOR - JUNI 2023 Vol 1 No 2 (2022): JUSIFOR - DESEMBER 2022 Vol 1 No 1 (2022): JUSIFOR - JUNI 2022