cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Wagino
Contact Email
fti.jssi@gmail.com
Phone
+6281351250727
Journal Mail Official
fti.jssi@gmail.com
Editorial Address
Jl. Adhyaksa No.2 Kayutangi, Banjarmasin, Kalimantan Selatan
Location
Kota banjarmasin,
Kalimantan selatan
INDONESIA
Jurnal Sains Sistem Informasi
Published by Universitas Islam Kalimantan Muhammad Arsyad Al Banjari
ISSN : -     EISSN : 29855748     DOI : 10.31602/jssi
Core Subject : Science,
Computer Science & IT
Jurnal Sains Sistem Informasi adalah media yang menyebarluaskan, mengembangkan dan menfasilitasi hasil penelitian mengenai Ilmu Sistem Informasi, menjadi wadah bagi para dosen, guru, peneliti, mahasiswa dan para praktisi dalam bidang sistem informasi dari seluruh Indonesia, dalam melakukan pertukaran informasi tentang hasil-hasil penelitian terbaru yang telah dilakukan. Diterbitkan dibawah pengawasan UPT Publikasi dan Pengelolaan Jurnal UNISKA. e-ISSN : 2985-5748 dengan Frekuensi terbitan 3 kali dalam setahun yaitu pada bulan Januari, Mei, dan September.
Arjuna Subject : Ilmu Komputer (semua kategori) - Sistem Informasi
Articles 64 Documents
 3   4   5   6   7 
IMPLEMENTASI SISTEM PENDUKUNG KEPUTUSAN SELEKSI CALON ATLET BERBAKAT TERBAIK MENGGUNAKAN METODE SAW (SIMPLE ADDITIVE WEIGHTING) BERBASIS WEB Hidayat, Muhammad Taufiq; Muin, Agus Alim
Jurnal Sains Sistem Informasi Vol 4, No 2 (2026): JSSI (Mei)
Publisher : Universitas Islam Kalimantan Muhammad Arsyad Al Banjari

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31602/jssi.v4i2.22150

Abstract

Seleksi calon atlet berbakat merupakan proses kompleks yang memerlukan evaluasi multi-kriteria untuk mengidentifikasi kandidat terbaik. Proses manual sering kali subjektif dan tidak konsisten, sehingga diperlukan sistem yang dapat memberikan keputusan objektif dan terstruktur. Penelitian ini mengusulkan implementasi Sistem Pendukung Keputusan (SPK) menggunakan metode Simple Additive Weighting (SAW) untuk seleksi calon atlet berbakat. Metode SAW dipilih karena kemampuannya menangani masalah Multi-Criteria Decision Making (MCDM) secara efektif dengan normalisasi matriks dan penjumlahan terbobot. Sistem dikembangkan menggunakan PHP dan MySQL dengan fitur manajemen alternatif, kriteria penilaian (keterampilan teknis, kondisi fisik, prestasi akademik, disiplin latihan, dan usia), input nilai evaluasi, perhitungan normalisasi, dan ranking hasil. Evaluasi sistem dilakukan melalui pengujian fungsional dan validasi perhitungan SAW dengan data sample 8 kandidat atlet. Hasil pengujian menunjukkan sistem berhasil menghasilkan ranking objektif dengan nilai preferensi tertinggi 10 untuk kandidat terbaik. Sistem ini memberikan solusi praktis untuk otomatisasi proses seleksi atlet dengan tingkat akurasi tinggi dan transparansi perhitungan yang dapat dipertanggungjawabkan.
APLIKASI PENGELOLAAN USULAN MUSRENBANG DAERAH BERBASIS WEB PADA BAPPELITBANG KABUPATEN BARITO KUALA Huda, Akhmad Sirajul; Maulani, Jauhari; Raharjo, Mokhamad Ramdhani
Jurnal Sains Sistem Informasi Vol 4, No 2 (2026): JSSI (Mei)
Publisher : Universitas Islam Kalimantan Muhammad Arsyad Al Banjari

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31602/jssi.v4i2.22585

Abstract

Musyawarah Perencanaan Pembangunan (Musrenbang) merupakan forum partisipatif yang mempertemukan masyarakat dengan pemerintah dalam merumuskan prioritas pembangunan daerah agar lebih aspiratif dan sesuai kebutuhan. Namun, di Kabupaten Barito Kuala, pengelolaan usulan Musrenbang masih dilakukan secara manual sehingga sering menimbulkan keterlambatan verifikasi, risiko kesalahan pencatatan, serta keterbatasan transparansi. Untuk menjawab tantangan tersebut, penelitian ini merancang aplikasi pengelolaan usulan Musrenbang berbasis web yang dapat diakses oleh masyarakat, perangkat desa, kecamatan, petugas survei, hingga Bappelitbang sebagai pengambil kebijakan. Sistem dibangun dengan pendekatan model Waterfall melalui empat tahapan, yaitu analisis kebutuhan, desain, implementasi, dan pengujian. Pengujian menggunakan metode blackbox guna memastikan setiap fitur dapat berjalan sesuai dengan fungsinya. Aplikasi yang dihasilkan mampu mengakomodasi proses pengusulan program, verifikasi secara berjenjang, pelaporan berbasis grafik, serta pencatatan hasil survei dan rapat koordinasi secara terintegrasi. Kehadiran sistem ini tidak hanya mempermudah pengguna dalam memantau status usulan, tetapi juga mendukung Bappelitbang dalam perencanaan pembangunan daerah yang lebih efektif, efisien, transparan, serta terdokumentasi dengan baik, sehingga proses Musrenbang menjadi lebih modern dan akuntabel.
PERANCANGAN APLIKASI PENCEKLISTAN DAN MONITORING KESIAPAN KAPAL BERBASIS WEB Hayyuni, Cahya; Agus, Rahmadi; Hidayah, Rizqi Elmuna
Jurnal Sains Sistem Informasi Vol 4, No 2 (2026): JSSI (Mei)
Publisher : Universitas Islam Kalimantan Muhammad Arsyad Al Banjari

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31602/jssi.v4i2.23447

Abstract

Kesiapan kapal merupakan aspek penting dalam mendukung kelancaran dan keselamatan operasional perusahaan pelayaran. Pada PT Masada Jaya Lines, proses penceklistan kesiapan kapal masih dilakukan secara manual, sehingga berpotensi menimbulkan keterlambatan, kesalahan pencatatan, dan kesulitan dalam monitoring kondisi kapal. Penelitian ini bertujuan untuk merancang dan membangun aplikasi penceklistan dan monitoring kesiapan kapal berbasis web sebagai sarana pendukung pemeriksaan kapal. Metode yang digunakan dalam pengembangan sistem adalah metode rekayasa perangkat lunak dengan model Waterfall yang meliputi tahap analisis kebutuhan, perancangan sistem, implementasi, pengujian, dan pemeliharaan. Teknik pengumpulan data dilakukan melalui observasi, wawancara, dan studi dokumentasi. Hasil penelitian menunjukkan bahwa aplikasi yang dikembangkan mampu mempermudah proses penceklistan, meningkatkan efektivitas monitoring kesiapan kapal, serta membantu pihak perusahaan dalam mengelola dan mengarsipkan data pemeriksaan kapal secara lebih terstruktur dan sistematis
Komparasi Support Vector Machine dan Random Forest dengan Optimasi GridSearchCV untuk Klasifikasi Kematangan Buah Berbasis Fitur Warna dan Tekstur Hasbi, Muhammad; Sanjaya, Hendra
Jurnal Sains Sistem Informasi Vol 4, No 2 (2026): JSSI (Mei)
Publisher : Universitas Islam Kalimantan Muhammad Arsyad Al Banjari

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31602/jssi.v4i2.23710

Abstract

@font-face {font-family:"Cambria Math"; panose-1:2 4 5 3 5 4 6 3 2 4; mso-font-charset:0; mso-generic-font-family:roman; mso-font-pitch:variable; mso-font-signature:-536870145 1107305727 0 0 415 0;}p.MsoNormal, li.MsoNormal, div.MsoNormal {mso-style-unhide:no; mso-style-qformat:yes; mso-style-parent:""; margin:0cm; mso-pagination:widow-orphan; font-size:11.0pt; font-family:"Times New Roman",serif; mso-fareast-font-family:"Times New Roman";}.MsoChpDefault {mso-style-type:export-only; mso-default-props:yes; font-size:11.0pt; mso-ansi-font-size:11.0pt; mso-bidi-font-size:11.0pt; mso-font-kerning:0pt; mso-ligatures:none;}div.WordSection1 {page:WordSection1;} Klasifikasi kematangan buah secara otomatis merupakan permasalahan penting dalam industri pertanian dan pascapanen. Penelitian ini membandingkan performa algoritma Support Vector Machine (SVM) dengan kernel RBF dan Random Forest (RF) dalam mengklasifikasikan kematangan buah tropis — meliputi apel, pisang, dan jeruk — ke dalam enam kelas: segar dan busuk. Dataset Fruits Fresh and Rotten for Classification dari Kaggle digunakan dengan 2.813 sampel valid. Setiap gambar diekstraksi menjadi 26 fitur warna dan tekstur, mencakup statistik HSV (mean, standar deviasi, skewness), statistik RGB, fitur tekstur (contrast, energy, homogeneity), dan histogram hue 8-bin. Seleksi fitur menggunakan ANOVA F-Test menghasilkan 15 fitur terbaik dengan fitur saturasi sebagai yang paling diskriminatif. Optimasi hyperparameter dilakukan dengan GridSearchCV 5-Fold, dan evaluasi akhir menggunakan 10-Fold Stratified Cross-Validation. Hasil menunjukkan SVM dengan C=100 dan gamma=scale menghasilkan akurasi 90,23%, precision 90,36%, recall 90,23%, dan F1-score 90,24%, mengungguli Random Forest yang memperoleh akurasi 82,42%. SVM terbukti lebih unggul untuk klasifikasi kematangan buah berbasis fitur warna dan tekstur pada dataset berukuran sedang.

Page 7 of 7 | Total Record : 64

 3   4   5   6   7 

Filter by Year

2023 2026


Reset
Filter By Issues
All Issue Vol 4, No 2 (2026): JSSI (Mei) Vol 4, No 1 (2026): JSSI (Januari) Vol 3, No 3 (2025): JSSI (September) Vol 3, No 2 (2025): JSSI (Mei) Vol 3, No 1 (2025): JSSI (Januari) Vol 2, No 3 (2024): JSSI (September) Vol 2, No 2 (2024): JSSI (Mei) Vol 2, No 1 (2024): JSSI (Januari) Vol 1, No 3 (2023): JSSI (September) Vol 1, No 2 (2023): JSSI (Mei) Vol 1, No 1 (2023): JSSI (Januari) More Issue