cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Viska Mutiawani
Contact Email
viska.mw@usk.ac.id
Phone
+6285132239480
Journal Mail Official
jsign@usk.ac.id
Editorial Address
Jalan Syech Abdurrauf Nomor 3, Darussalam, Banda Aceh 23111, Gedung A Lt. 3
Location
Kab. aceh besar,
Aceh
INDONESIA
J-SIGN (Journal Of Informatics, Information System, And Artificial Intelligence)
Published by Universitas Syiah Kuala
ISSN : 29881846     EISSN : 30249635     DOI : 10.24815/j-sign.v1i01.XXXXX
Core Subject : Science, Engineering,
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management
J-SIGN is an open access, peer-reviewed journal that will consider any original scientific article that expands the field of information technology and various other related applied computer sciences themes. The journal publishes articles of interest to information technology, researchers and practitioners. Manuscripts must be original and educationally interesting to the audience in the field. The goal is to promote concepts and ideas developed in this area of study by publishing relevant, peer-reviewed scientific information and discussion. This will help information technology practitioners advance their knowledge for greater benefit and output in their professional contexts. The focus and scope are Software Engineering, Network and Communication Technology, Geospatial Cloud Computing, Computer Vision, Data Science, Machine Learning, Bioinformatics, Fuzzy Systems, Natural Language Processing , and Multimedia
Arjuna Subject : Ilmu Komputer (semua kategori) - Aplikasi Ilmu Komputer
Articles 5 Documents
 1 
Search results for , issue "Vol 3, No 2 (2025): November" : 5 Documents clear
Analisis Penerapan Teknologi Digital dalam Edukasi Perikanan kepada Masyarakat oleh Dinas Kelautan dan Perikanan Provinsi Jawa Barat Sitanggang, Andri Sahata; Salsabila, Arifa; Zahra, Wahdana Lathifa; Harly, Jason; Putra, Daffa Anugrah
J-SIGN (Journal of Informatics, Information System, and Artificial Intelligence) Vol 3, No 2 (2025): November
Publisher : Department of Informatics, Universitas Syiah Kuala

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24815/j-sign.v3i2.47806

Abstract

Penelitian ini menganalisis bagaimana Dinas Kelautan dan Perikanan (DKP) Provinsi Jawa Barat memanfaatkan media sosial sebagai sarana edukasi perikanan bagi masyarakat perkotaan dan semi-perkotaan. Dengan pendekatan kualitatif, data dikumpulkan melalui wawancara dengan staf DKP serta observasi konten pada platform Instagram, TikTok, YouTube, dan Facebook selama Januari hingga April 2025. Hasil penelitian menunjukkan bahwa strategi konten visual yang disesuaikan dengan karakteristik tiap platform berhasil menarik keterlibatan pengguna, dengan Facebook mencapai engagement tertinggi (5.000+ pengikut), Instagram menunjukkan daya tarik visual yang kuat (rata-rata 4.000 likes), dan YouTube berfungsi sebagai repositori konten edukatif mendalam. Strategi ini efektif mendorong praktik budidaya ikan sederhana di kalangan masyarakat perkotaan yang sebelumnya tidak familiar dengan sektor perikanan. Media sosial dinilai efektif oleh DKP karena kemudahan akses dan tingginya penetrasi penggunaan smartphone. Penelitian menyimpulkan bahwa pendekatan digital yang konsisten dan responsif mampu memperluas literasi perikanan secara efisien tanpa terkendala hambatan teknologi yang berarti, dengan syarat penerapan manajemen produksi konten yang terstruktur meliputi perencanaan editorial, koordinasi alur kerja tim, dan evaluasi kinerja berbasis data.
Perancangan Website Sistem Informasi Sekolah Berbasis Laravel (Studi Kasus : Alhazen School Kendari) Muntarti, Yun; NurAfiah, Siti; Abbas, Muhammad Akram; Statiswaty, Statiswaty; Isnawaty, Isnawaty
J-SIGN (Journal of Informatics, Information System, and Artificial Intelligence) Vol 3, No 2 (2025): November
Publisher : Department of Informatics, Universitas Syiah Kuala

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24815/j-sign.v3i2.49676

Abstract

Kemajuan pesat teknologi informasi telah mendorong lembaga pendidikan untuk mengadopsi layanan berbasis digital. Alhazen School Kendari, di bawah naungan Alhazen Academy, merupakan lembaga pendidikan Islam modern yang mengintegrasikan pembelajaran agama dengan teknologi. Namun, sekolah ini masih menghadapi ketidakefisienan dalam sistem konvensional, terutama dalam penyebaran informasi, dokumentasi kegiatan, dan penerimaan peserta didik baru (PPDB). Penelitian ini bertujuan untuk mengembangkan sistem informasi sekolah berbasis web guna mendukung pengelolaan data yang terstruktur, efisien, dan profesional. Proses pengembangan mengikuti model Waterfall, yang mencakup analisis kebutuhan, perancangan sistem, implementasi, pengujian, dan pemeliharaan. Laravel digunakan sebagai kerangka kerja backend, Tailwind CSS untuk antarmuka yang modern dan responsif, serta MySQL sebagai basis data. Sistem yang dihasilkan bersifat fungsional, informatif, dan mudah diakses, meningkatkan efisiensi staf, memperluas penyebaran informasi, serta memperkuat identitas teknologi dan nilai-nilai Islam Alhazen School Kendari. Selain itu, sistem ini juga berfungsi sebagai media dakwah digital dan sarana pendidikan Al-Quran berbasis teknologi, sejalan dengan visi dan misi Alhazen Academy dalam mendukung transformasi digital pendidikan Islam modern
Perbandingan Performa Arsitektur Machine Learning untuk Deteksi Dini Depresi Berbasis Natural Language Processing dalam Bahasa Indonesia Pangestu, Amora Antonio; Purnajaya, Akhmad Rezki
J-SIGN (Journal of Informatics, Information System, and Artificial Intelligence) Vol 3, No 2 (2025): November
Publisher : Department of Informatics, Universitas Syiah Kuala

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24815/j-sign.v3i2.49873

Abstract

Depresi telah menjadi krisis kesehatan mental global yang mendesak. Pemanfaatan Natural Language Processing (NLP) pada analisis teks digital menawarkan potensi besar untuk deteksi dini depresi secara non-intrusif. Penelitian ini menyajikan analisis komparatif dari tiga arsitektur machine learning, yaitu Naive Bayes, Long Short-Term Memory (LSTM), dan Convolutional Neural Network (CNN) untuk mengklasifikasikan teks berbahasa Indonesia. Metodologi penelitian dimulai dengan akuisisi dan pra-pemrosesan (pembersihan, case folding, tokenisasi, stopword removal) dataset 10.801 teks yang teranotasi psikolog. Model dilatih pada 75% data dan dievaluasi pada 25% data uji menggunakan metrik akurasi, presisi, recall, dan F1-score. Hasil menunjukkan bahwa arsitektur CNN mencapai performa tertinggi dengan F1-score seragam sebesar 94%. Kinerja ini sedikit melampaui model LSTM (93%) dan secara signifikan mengungguli Naive Bayes (86%). Keterbatasan penelitian ini mencakup fokus pada klasifikasi biner dan belum digunakannya arsitektur Transformer. Temuan ini memberikan landasan penting untuk pengembangan deteksi kesehatan mental di Indonesia yang lebih akurat, adaptif, efektif, dan relevan terhadap konteks budaya lokal.
Pengembangan Aplikasi Simulasi Tes TOEFL Berbasis Android Menggunakan Metode Pengembangan Multimedia Luther Aziz, Aulia Syarif; Mursyidin, Mursyidin; Furqan, Arsalna
J-SIGN (Journal of Informatics, Information System, and Artificial Intelligence) Vol 3, No 2 (2025): November
Publisher : Department of Informatics, Universitas Syiah Kuala

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24815/j-sign.v3i2.49739

Abstract

Penelitian ini dilatarbelakangi oleh semakin tingginya kebutuhan terhadap sertifikat TOEFL sebagai salah satu persyaratan utama di berbagai institusi pendidikan, baik di dalam maupun di luar negeri. Menjawab kebutuhan tersebut, kajian ini bertujuan untuk mengembangkan aplikasi simulasi tes TOEFL yang berfungsi sebagai media latihan interaktif guna membantu pengguna dalam meningkatkan skor TOEFL mereka. Dalam proses pengembangannya, studi ini menerapkan metode pengembangan multimedia versi Luther sebagai pendekatan untuk merancang aplikasi secara sistematis. Selanjutnya, untuk mengukur tingkat kegunaan dan penerimaan aplikasi, digunakan metode SUS yang melibatkan 20 responden sebagai pengguna uji coba. Hasil evaluasi menunjukkan bahwa aplikasi berhasil meraih skor SUS sebesar 80,2, yang diklasifikasikan dalam kategori grade B berdasarkan percentile rank dan grade scale pada metode SUS. Skor tersebut juga berada pada adjective rating excellent serta termasuk dalam kategori acceptable pada acceptability range, yang menandakan bahwa aplikasi memiliki tingkat kegunaan dan penerimaan yang sangat baik dari pengguna. Dengan demikian, dapat disimpulkan bahwa aplikasi simulasi tes TOEFL yang dikembangkan layak digunakan dan dapat diterima dengan baik oleh pengguna sebagai sarana latihan untuk meningkatkan kemampuan dan skor TOEFL
WorkoutLife: Penerapan Algoritma K-Nearest Neighbor (KNN) untuk Rekomendasi Workout Berdasarkan Data Gaya Hidup Maulyanda, Maulyanda; Deviani, Rini; Sabrina, Fathia; Afdhaluzzikri, Afdhaluzzikri
J-SIGN (Journal of Informatics, Information System, and Artificial Intelligence) Vol 3, No 2 (2025): November
Publisher : Department of Informatics, Universitas Syiah Kuala

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24815/j-sign.v3i2.50115

Abstract

Current physical activity is no longer viewed merely as a bodily exercise but has become an essential part of the lifestyle. However, the diversity of available workout types often makes it difficult for individuals to determine the most suitable form of exercise based on their personal needs and lifestyle habits. This issue serves as the foundation of this research, which aims to develop a workout recommendation system based on lifestyle data using the K-Nearest Neighbor (KNN) algorithm. The results indicate that the KNN algorithm, with an optimal K value of 107, achieves an accuracy rate of 90% in recommending workout types. The High Intensity Interval Training (HIIT) and Yoga categories were identified as the most accurately recognized exercises by the model, with an F1-score of 95%. These findings demonstrate that the KNN method is effective in identifying lifestyle patterns and providing personalized workout recommendations. Therefore, the KNN-based recommendation system is expected to serve as an adaptive and intelligent solution to assist individuals in selecting workout types that best fit their lifestyles.

Page 1 of 1 | Total Record : 5

 1 

Filter by Year

2025 2025


Reset
Filter By Issues
All Issue Vol 4, No 01 (2026): May Vol 3, No 01 (2025): May Vol 3, No 2 (2025): November Vol 2, No 02 (2024): November Vol 2, No 01 (2024): May Vol 1, No 02 (2023): November Vol 1, No 01 (2023): May