cover
Contact Name
Errissya Rasywir
Contact Email
errissya.rasywir@gmail.com
Phone
+6285809949385
Journal Mail Official
errissya@unama.ac.ic
Editorial Address
Jl. Jendral Sudirman. Thehok. Kecamatan Jambi Selatan. 36138.Jambi City Jl. A. Tarmizi Kadir. No.04. RT 05. Kelurahan Pakuan Baru. Kecamatan Jambi Selatan. 36138.Jambi City
Location
Kota jambi,
Jambi
INDONESIA
Jurnal Informatika dan Rekayasa Komputer
ISSN : 28085469     EISSN : 28085000     DOI : https://doi.org/10.33998/jakakom.v3i1
Core Subject : Science,
Jurnal Informatika Dan Rekayasa Komputer (JAKAKOM) merupakan jurnal yang berada dibawah naungan Lembaga Penelitian dan Pengabdian Masyarakat (LPPM) Universitas Dinamika Bangsa dan diterbitkan oleh Universitas Dinamika Bangsa Jambi. Jurnal Informatika Dan Rekayasa Komputer (JAKAKOM) menerbitkan jurnal 2 kali dalam setahun yaitu pada bulan September dan April. Misi dari Jurnal Informatika Dan Rekayasa Komputer (JAKAKOM) adalah untuk menyebarluaskan, mengembangkan dan memfasilitasi hasil penelitian bidang informatika dan rekayasa komputer.
Articles 181 Documents
Model Delone Dan Mclean Untuk Mengukur Kesuksesan Pada Aplikasi PeduliLindungi Dimasa Pandemi Covid-19 Rilis Pebriyanti Siringo Ringo; Kurniabudi; Hendri HENDRI
Jurnal Informatika Dan Rekayasa Komputer(JAKAKOM) Vol 2 No 2 (2022): JAKAKOM Vol 2 No 2 September 2022
Publisher : LPPM Universitas Dinamika Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1292.648 KB) | DOI: 10.33998/jakakom.2022.2.2.98

Abstract

Aplikasi PeduliLindungi adalah aplikasi yang dikembangkan oleh pemerintah untuk membantu melakukan pelacakan terkait penyebaran Covid-19 di negara Indonesia. Pada Aplikasi PeduliLindungi terdapat permasalahan seperti waktu koneksi sudah habis saat pengguna memasukkan nama lengkap, terjadi kesalahan saat pengisian tanggal lahir dan juga NIK, kode OTP (One Time Password) sering terlambat dikirim, dan sertifikat vaksin yang berubah identitas menjadi identitas pengguna lain. Hal tersebut sangat mempengaruhi keinginan pengguna untuk menggunakan aplikasi PeduliLindungi. Maka dari itu penelitian ini bertujuan untuk mengetahui seberapa besar tingkat kesuksesan aplikasi PeduliLindungi terhadap pengguna. Model DeLone dan McLean merupakan model yang dihasilkan dari pengukuran keberhasilan IS, dimana pengukuran dilakukan dengan 6 variabel yaitu Kualitas Sistem, Kualitas Informasi, Kualitas Layanan, Penggunaan, Kepuasan Pengguna, dan Manfaat Bersih. Data yang diambil dari 100 (seratus) responden yang dikumpulkan melalui google form, kemudian di analisis menggunakan metode Structural Equation Model (SEM) serta aplikasi Smartpls 3.0. Peneliti menggunakan 9 (sembilan) buah hipotesis dan hasil penelitian ini menunjukkan terdapat 5 (lima) hipotesis yang diterima antara lain (H1, H2, H6, H7, H9) dan 4 (empat) hipotesis ditolak antara lain (H3, H4, H5, H8). Kata Kunci: Aplikasi PeduliLindungi, DeLone dan McLean.
Implementasi Sistem Informasi Penerimaan Peserta Didik Baru (PPDB) di SMA N 6 Tanjung Jabung Timur Muhammad Ismail; Renaldi Yulvianda
Jurnal Informatika Dan Rekayasa Komputer(JAKAKOM) Vol 2 No 2 (2022): JAKAKOM Vol 2 No 2 September 2022
Publisher : LPPM Universitas Dinamika Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1179.79 KB) | DOI: 10.33998/jakakom.2022.2.2.102

Abstract

SMA N 6 Tanjung Jabung Timur menerapkan sistem penerimaan peserta didik baru (PPDB) secara manual/ konvensional yaitu para siswa yang ingin mendaftar harus mengisi data diri/identitas di google form (link pendaftaran didapat di website SMA N 6 TJT ataupun disebar melalui media sosial), setelah proses pengisian selesai para calon siswa harus melakukan registrasi ulang dengan datang langsung ke sekolah sesuai jadwal yang ditentukan dan melakukan pembayaran lainnya. Hal tersebut menjadi kendala untuk para pendaftar yang memiliki lokasi yang sangat jauh dari sekolah dan termasuk pihak pengelola data pendaftar yang rentan terjadi kesalahan saat validasi data pendaftar. Dengan permasalahan tersebut maka perlu adanya sistem yang terkomputerisasi terkait penerimaan peserta didik baru (PPDB) yang dapat diakses kapan dan dimana saja. Adapun tujuan penelitian ini adalah menghasilkan sistem dengan interface yang memudahkan dengan menggunakan metode waterfall yang mengacu kepada rekayasa perangkat lunak (memiliki tahapan yang jelas dan terstruktur serta memudahkan). Penelitian ini menghasilkan sistem penerimaan peserta didik baru (PPDB) SMA N 6 Tanjung Jabung Timur dengan menu login, menu informasi, menu pendaftaran, menu pengolahan data profil, menu pengolahan informasi, menu pengolahan data pendaftar, menu pengolahan data periode dan menu cetak laporan. Kata Kunci: Sistem Informasi; Penerimaan Peserta Didik Baru (PPDB); SMA N 6 Tanjung Jabung Timur; Waterfall; Use Case Diagram
Implementasi Data Mining Untuk Penjualan Mobil Menggunakan Metode Naive Bayes Luthfi Rifky; Zahlan Nugraha; Bayu saputra; Dimas Pratama; Errissya Raswir; yovi pratama
Jurnal Informatika Dan Rekayasa Komputer(JAKAKOM) Vol 2 No 2 (2022): JAKAKOM Vol 2 No 2 September 2022
Publisher : LPPM Universitas Dinamika Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (647.39 KB) | DOI: 10.33998/jakakom.2022.2.2.109

Abstract

Abstrak- Mobil adalah salah satu kendaraan yang paling sering dijumpai dengan berbagai type dan merek. Mobil memiliki spesifikasi yang beraneka ragam. Metode Naive Bayes adalah salah satu metode klasifikasi dan percabangan dari artificial intellegence. Bermacam merek tersebut akan dibentuk suatu Classify yaitu Laris dan Tidak Laris, sehingga para konsumen, produsen, dan peneliti dapat mengetahui merek mobil manakah yang paling laris berdasarkan kategori maupun output-nya. Naive bayes merupakan metode klasifikasi yang banyak digunakan karena sederhana dan akurasi yang tinggi dalam mengklasifikasi data. Penelitian ini menganalisis data sebanyak 639 data menjadi 511 data training dan 128 data testing, data ini didapatkan dari situs “Gabungan Industri Kendaraan Bermotor Indonesia”(GAIKINDO). Dengan atribut 19, untuk memudahkan penulis dalam penelitian, maka atribut yang digunakan adalah 8 (termasuk 1 atribut Classify yang ditambahkan penulis untuk memudahkan dalam pencarian mobil terlaris). Hasil penelitian yang dilakukan memberikan klasifikasi pembeda merek mobil yang paling banyak diminati para konsumen dan Kategori yang paling laris. Tingkat akurasi klasifikasi dengan Metode Naive Bayes menghasilkan nilai accuracy sebesar 92,19%, nilai Precision: 98,39% dan nilai Recall: 87,14% sehingga Metode Naive Bayes merupakan metode yang cukup baik dalam penelitian ini. Kata kunci: Brand Mobil, Klasifikasi, Naive Bayes, Accuracy Abstract- Cars are one of the vehicles most often found in various types and brands. Carshave various specifications. The Naive Bayes method is one of the classification and branching methods of artificial intelligence. The various brands will be in theform of a Class that are Selling and Not Selling, so that consumers, producers, and researchers can find out which car brands are best selling based on their category and output. Naive bayes is a widely used classification method because of its simple and high accuracy in classifying data. This study analyzed data as many as 639 data into 511 training data and 128 testing data, data was obtained from “the Indonesian Automotive Industries Association” (IAIS) site. With attribute 19, tofacilitate the writer in the study the attributes used were 8 (including 1 Class attribute that author added to facilitate the search for the best-selling car). Theresults of the conducted research gave the classification of car brand different that were most in demand by consumers and the best-selling categories. The level of classification accuracy with the Naive Bayes Method produces accuracy valuesof 92, 19%, Precision values: 98, 39% and Recall values: 87, 14% so that the Naive Bayes Method is a pretty good method in this research. Keywords: Car Brand, Classification, Naive bayes, Accuracy
Implementasi Algoritma K-Nearst Neighbor Untuk Memprediksi Penyakit Diabetes asih asmarani; ilham permana; Annisa putri; M.Rizky Wijaya; Errissya Rasywir; Despita Meisak; Yovi Pratama
Jurnal Informatika Dan Rekayasa Komputer(JAKAKOM) Vol 2 No 2 (2022): JAKAKOM Vol 2 No 2 September 2022
Publisher : LPPM Universitas Dinamika Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (929.833 KB) | DOI: 10.33998/jakakom.2022.2.2.110

Abstract

Abstrak- Diabetes melitus tipe 2 sering juga disebut diabetes life style karena penyebabnya selain faktor keturunan, faktor lingkungan meliputi usia, obesitas, resistensi insulin, makanan, aktifitas fisik, dan gaya hidup juga menjadi penyebab diabetes melitus. Maka dari itu untuk dapat menghimbau dan mengurangi jumlah diabetes di Indonesia, penulis ingin mengimplementasikan algoritma untuk memprediksi penyakit diabetes agar dapat memantau, memberi tau, dan menghimbau masyarakat untuk menjaga polah hidup sehat. Untuk memecahkan suatu permasalahan tersebut, diterapkan suatu metode dengan cara mengimplementasi data diabetes agar dapat menghasilkan suatu informasi yang dapat dijadikan untuk memprediksi penyakit diabetes yaitu dengan menggunakan metode K-Nearest Neighbor. Data yang penulis gunakan berjumlah 100 data dan terdiri dari 9 atribut yaitu pregnan, plasma-glucose, diastolic blood-pressure, tricepts skin fold thicknesthickness, insulin, body mass index, diabetes pedigree function, age, dan class variable. Hasil dari penelitian ini berupa data dengan test option percentage split 70% atau 70 data digunakan sebagai data training sebagai pembentuk model, dan 30% dari dataset atau sebanyak 30 data sebagai data testing yang akan diujikan terhadap model yang dibentuk, dengan k = 5 pada data diabetes untuk mendeteksi penyakit diabetes dan memperoleh hasil prediksi benar sebanyak 20 dan salah 10 dengan tingkat akurasi sebesar 66,6667 % dengan jarak k = 5. Kata Kunci : Algoritma, Implementasi, K-Nearest Neighbor, Diabetes Abstract- The type 2 diabetes mellitus is often also called diabetes lifestyle because the causes other than heredity, environmental factors including age, obesity, insulin resistance, food, physical activity, and lifestyle are also causes of diabetes mellitus. Therefore, to be able to encourage and reduce the number of diabetes in Indonesia, the author wants to implement an algorithm to predict diabetes in order to monitor, inform, and encourage the public to maintain a healthy lifestyle. To solve this problem, a method is applied by implementing diabetes data so that it can produce information that can be used to predict diabetes by using the K-Nearest Neighbor method. The data that the author uses is 100 data and consists of 9 attributes, namely pregnan, plasma-glucose, diastolic blood-pressure, tricepts skin fold thickness, insulin, body mass index, diabetes pedigree function, age, and class variables. The results of this study are in the form of data with a test option percentage split of 70% or 70 data is used as training data as a model constructor, and 30% of the dataset or as many as 30 data as testing data to be tested against the formed model, with k = 5 on the data diabetes to detect diabetes and get 20 correct predictions and 10 wrong predictions with an accuracy rate of 66.6667% with a distance of k = 5. Keywords: Algoritma, Implementasi, K-Nearest Neighbor, Diabetes
Penerapan Data Mining Algoritma Naive Bayes Clasifier Untuk Mengetahui Minat Beli Pelanggan Terhadap INDIHOME Adi Wahyudi; Silvia Ovelia Tampubolon; Nurul afrilia Putri; Aji Ghassa; Errisya Rasywir; Desi Kisbianty
Jurnal Informatika Dan Rekayasa Komputer(JAKAKOM) Vol 2 No 2 (2022): JAKAKOM Vol 2 No 2 September 2022
Publisher : LPPM Universitas Dinamika Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1240.111 KB) | DOI: 10.33998/jakakom.2022.2.2.111

Abstract

Abstrak− Persaingan yang terjadi dalam dunia bisnis memaksa para pelakunya untuk selalu memikirkan strategi-strategi dan terobosan yang dapat menjamin kelangsungan dari bisnis yang dijalankannya. Hal ini akan memunculkan persaingan antar sesama provider kartu terhadap kartu internet. Para provider kartu internet berlomba-lomba menarik minat pelanggan dengan berbagai macam strategi pemasaran agar tidak kalah saing dan tetap eksis. Dan perusahaan ingin selalu meluncurkan kartu internet terbaru tanpa memikirkan kartu internet tersebut akan laku atau tidak dipasaran. Maka, metode klasifikasi mampu menemukan model yang membedakan konsep atau kelas data, dengan tujuan untuk dapat memperkirakan kelas dari suatu objek yang labelnya tidak diketahui. Oleh sebab itu, algoritma naive bayes dapat memprediksi peluang di masa depan berdasarkan pengalaman dimasa sebelumnya. Hasil dari penelitian ini agar dapat memprediksi atau memperkirakan laku atau tidak kartu internet yang baru, sehingga pemilik usaha dapat mengambil keputusan dan meningkatkan strategi pemasaran. Kata Kunci: Data Mining; Kartu Internet; Klasifikasi; Algoritma Naïve Bayes Abstract− Competition is happening in the business world to force the perpetrators to always think of the strategy - and a breakthrough strategy that can guarantee the continuity of the business being operated. This leads to competition among card providers on the internet card. The provider of internet card race-the race to attract customers with a variety of marketing strategies in order not to lose competitiveness and still exist. And the company wants to always launch the latest internet card without thinking of internet cards will be sold in the market or not. Thus, the classification method is able to find a model that distinguishes the concept or class of data, in order to be able to predict the class of an unknown object label. Therefore, Naive Bayes algorithm can predict future opportunities based on the experience of earlier. Results from this study in order to predict or estimate the behavior or the new Internet card, so that the bussines owner can make decisions and improve marketing strategy. Keywords: Data Mining; Internet Cards; Classification; Naïve Bayes Algorithm
Implementasi Algoritma Naive Bayes Untuk Memprediksi zona dan Tingkat Penyebaran Covid-19 Di Provinsi Jambi Jopi Mariyanto; Sandi Pramadi; Kholil Ikhsan; Imelda Yose; Errissya Rasywir; Marrylinteri Istoningtyas; Yovi Pratama
Jurnal Informatika Dan Rekayasa Komputer(JAKAKOM) Vol 2 No 2 (2022): JAKAKOM Vol 2 No 2 September 2022
Publisher : LPPM Universitas Dinamika Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (546.835 KB) | DOI: 10.33998/jakakom.2022.2.2.115

Abstract

Abstrak - Pada masa pandemi Virus Corona (Covid-19), Informasi merupakan hal yang sangat penting bagi masyakarat. Salah satu sumber informasi yang digunakan melalui internet yaitu website berita seperti kompas.com, detik.com, tribunnews.com. Namun, artikel berita terkait topik pembahasan kematian pasien, pasien yang sembuh dari Virus Corona dan zona pada suatu tempat belum dapat dikelompokan. Hal ini dikarenakan angka pasien yang meninggal dan angka pasien yang sembuh akibat virus corona terus bertambah. Oleh karena itu, dibutuhkannya sistem yang dapat mengelompokan berita berdasarkan data yang telah ada sebelumnya. Hal ini dapat diatasi menggunakan text mining, salah satunya metode klasifikasi pada text mining dapat mengelompokan data pada suatu objek yang belum diketahui sebelumnya. Kata Kunci : covid-19, klasifikasi, algoritma naïve bayes Abstract - During the Corona Virus (Covid-19) pandemic, information is very important for the community. One source of information used through the internet is news websites such as kompas.com, detik.com, tribunnews.com. However, news articles related to the topic of discussing patient deaths, patients recovering from the Corona Virus and zones in one place cannot be grouped. This is because the number of patients who died and the number of patients who recovered from the corona virus continued to increase. Therefore, we need a system that can classify news based on pre-existing data. This can be overcome using text mining, one of which classification methods in text mining can group data on an object that has not been previously known. Keywords : covid-19, classification, nave bayes algorithm
Implementasi Algoritma K-Means Clustering Untuk Mengetahui Minat Pembeli di Agen Buah Melon Yudi Nanda Ghina; Najmul Laila; Marrylinteri Istoningtyas; Mayang Ruza; Errissya Rasywir; Maria Rosario Borroek; Yovi Pratama
Jurnal Informatika Dan Rekayasa Komputer(JAKAKOM) Vol 2 No 2 (2022): JAKAKOM Vol 2 No 2 September 2022
Publisher : LPPM Universitas Dinamika Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1032.104 KB) | DOI: 10.33998/jakakom.2022.2.2.116

Abstract

Abstrak - Penelitian ini dilakukan untuk mempelajari K-Means Clustering dalam pencarian knowledge (pengetahuan). Tujuan dari penelitian ini kemungkinan dapat membantu pihak Agen Buah Yudi untuk menentukan cluster minat pembeli banyak, sedang, dan sedikit diletakkan sesuai urutan minat pembeli buah yang bayak, sedang, dan sedikit di Agen Buah Yudi. Untuk itu dalam metode K-Means Clustering dimungkinkan adanya solusi dan analisa terhadap pengolahan data dan parameter-parameter yang menjadi acuan untuk mengambil keputusan. Di dalam metode ini terdapat langkah-langkah penyelesaian masalah. Adapun tools bantu untuk mengimplementasikan metode tersebut adalah Weka akan mengolah data secara tersusun atas operator-operator yang langsung didapatkan hasil secara akurat selanjutnya pada tahapan terakhir akan didapatkan knowledge baru. Kata kunci : Buah Melon, klasifikasi, Algoritma, K-means Clustering, Weka Abstract - This research was conducted to study K-Means Clustering in the search for knowledge (knowledge). The purpose of this research may be to help the Yudi Fruit Agent to determine the interest of many, medium, and few buyers according to the order of high, medium, and little interest of the Yudi Fruits Agent. For this reason, in the K-Means Clustering method, it is possible to provide solutions and analyzes for data processing and the parameters that become the reference for making decisions. In this method there are steps to solve the problem. As for the tools to implement this method, Weka will process data in an organized manner consisting of operators which immediately get accurate results, then in the last stage new knowledge will be obtained. Keywords : Buah Melon, klasifikasi, Algoritma, K-means Clustering, Weka
Penerapan Algoritma Naïve Bayes Untuk Mengetahui Pasien Penyakit Gagal Jantung farchan akbar; fiqri ansyah; virginia casanova andiko andiko; khalil gibran ahmad; Errissya Rasywir; Despita Meisak; Yovi Pratama; Ayu Feranika
Jurnal Informatika Dan Rekayasa Komputer(JAKAKOM) Vol 2 No 2 (2022): JAKAKOM Vol 2 No 2 September 2022
Publisher : LPPM Universitas Dinamika Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1353.753 KB) | DOI: 10.33998/jakakom.2022.2.2.117

Abstract

Abstrak – Setiap tahunnya lebih dari 36 juta orang meninggal karena Penyakit Tidak Menular (PTM) (63% dari seluruh kematian). Lebih dari 9 juta kematian yang disebabkan oleh penyakit tidak menular terjadi sebelum usia 60 tahun, dan 90% dari kematian “dini” tersebut terjadi di negara berpenghasilan rendah dan menengah. Secara Global PTM penyebab kematian nomor satu setiap tahunnya adalah penyakit kardiovaskuler. Penyakit Kardiovaskuler adalah penyakit yang disebabkan gangguan fungsi jantung dan pembuluh darah, seperti : penyakit coroner, penyakit gagal jantung atau payuh jantung, hipertensi dan stroke. Diperkirakan sebanyak 17,3 juta kematian disebabkan oleh penyakit kardiovaskuler. Kata Kunci : data Pasien; algoritma naïve bayes; WEKA; klasifikasi; akurasi Abstract - Every year more than 36 million people die from non-communicable diseases (NCD) (63% of all deaths). More than 9 million deaths are caused by non-communicable diseases before the age of 60, and 90% of these “early” deaths occur in low- and middle-income countries. Globally, PTM is the number one cause of death every year is cardiovascular disease. Cardiovascular disease is a disease caused by impaired function of the heart and blood vessels, such as coronary disease, heart failure or heart failure, hypertension and stroke. It is estimated that 17.3 million deaths are caused by cardiovascular disease. Keywords: patient data; naïve Bayes algorithm; WEKA; classification; accuracy
Perancangan Sistem Informasi Akademik Berbasis Web Pada SMP N 1 Muaro Jambi Tia Putri Rahmadani; Agus Siswanto; Herti Yani; Masgo; Santoso
Jurnal Informatika Dan Rekayasa Komputer(JAKAKOM) Vol 2 No 2 (2022): JAKAKOM Vol 2 No 2 September 2022
Publisher : LPPM Universitas Dinamika Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1255.722 KB) | DOI: 10.33998/jakakom.2022.2.2.146

Abstract

Kemajuan teknologi dan informasi membuat banyak organisasi maupun lembaga pendidikan menggunakan teknologi siakad berbasis website untuk membantu pengolahan data dan penyampaian informasi akademik. Sistem informasi akademik merupakan sistem yang memberikan layanan informasi berupa data dalam hal yang berhubungan dengan akademik. Dalam pengolahan dan penyampaian informasi akademik pada SMP N 1 Muaro Jambi masih menggunakan cara konvensional dimana hal ini juga memperlambat proses pencarian data jika dibutuhkan sewaktu-waktu, oleh karena itu untuk memaksimalkan pekerjaan tersebut maka diperlukan sebuah sistem informasi akademik yang dapat mempermudah dalam proses pengolahan data akademik disekolah tersebut. Sistem informasi akademik ini dirancang dengan menggunakan bahasa pemrograman PHP dengan didukung data dasar MySQL. Dalam penelitian ini metode pengembangan sistem yang digunakan adalah metode air terjun. Pemanfaatan sistem informasi akademik ini nantinya dapat difungsikan sebagai pelengkap maupun tambahan sebagai media penyampaian informasi sehingga nantinya mendapatkan informasi siswa maupun guru dapat mengakses sistem informasi akademik ini dimana saja dan kapan saja tentunya dengan siakad ini akan mengatasi permasalahan yang di sekolah tersebut. Penelitian ini nantinya menghasillkan sistem informasi akademik yang dapat membantu dan mempermudah dilingkungan sekolah dalam pengolahan data akademik dan juga mempermudah dalam penyampaian informasi akademik. Kata Kunci: Perancangan, Sistem Informasi Akademik, Website, PHP, MySQL
Perancangan Forum Diskusi Mahasiswa Berbasis Website ( Studi Kasus Universitas Dinamika Bangsa Jambi) Saud Maruli Panjaitan; Hendri; Ronald Naibaho
Jurnal Informatika Dan Rekayasa Komputer(JAKAKOM) Vol 2 No 2 (2022): JAKAKOM Vol 2 No 2 September 2022
Publisher : LPPM Universitas Dinamika Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1106.053 KB) | DOI: 10.33998/jakakom.2022.2.2.156

Abstract

Universitas Dinamika Bangsa disingkat UNAMA, merupakan perguruan tinggi swasta terbesar di daerah Provinsi Jambi. Kampus utama terletak di pusat kota Jambi, Jln. Jendral Sudirman, Thehok dan memiliki kampus lain di Jalan M.Kukuh, Paal Lima, Kec. Kotabaru, Kota Jambi. Rata-rata ada di program studi Fakultas Ilmu Komputer Universitas Dinamika Bangsa Jambi khususnya jurusan Teknik. Media informatika yang digunakan untuk diskusi adalah Learning Management System (LMS) berbasis Model, Facebook dan WhatsApp dalam diskusi. Dimana moodle dan whatsapp saat ini lebih mengarah pada diskusi satu arah yang dipandu oleh dosen dalam kelompok diskusi, yang membuat beberapa mahasiswa saya merasa malu dan membuat diskusi menjadi kurang hidup. Maka diperlukan sebuah aplikasi website untuk menjadi wadah bertukar informasi dan dapat berkolaborasi antar mahasiswa dalam rangka meningkatkan kualitas dan membiasakan bekerja sama dalam membuat sesuatu yang bernilai bagi lingkungan sekitar.

Page 3 of 19 | Total Record : 181