cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Wahyuddin S
Contact Email
wahyu@amiklps.ac.id
Phone
+6285299583927
Journal Mail Official
wahyu@amiklps.ac.id
Editorial Address
Kampus STMIK Amika Soppeng, Jalan bukit tujuh wali-wali salotungo, Kota Watansoppeng (90812), Provinsi Sulawesi Selatan, Indonesia.
Location
Kab. soppeng,
Sulawesi selatan
INDONESIA
Jurnal Manajemen Informatika, Sistem Informasi dan Teknologi Komputer (JUMISTIK)
Published by Sekolah Tinggi Manajemen Informatika dan Komputer Amika Soppeng
ISSN : 29643988     EISSN : 29643953     DOI : https://doi.org/10.70247/jumistik.v3i1.76
Core Subject : Economy, Science, Engineering,
Computer Science & IT Economics, Econometrics & Finance Electrical & Electronics Engineering
Jurnal Manajemen Informatika, Sistem Informasi dan Teknologi Komputer (JUMISTIK) di terbitkan oleh Kampus STMIK Amika Soppeng. JUMISTIK terbit 2 edisi per tahun pada bulan Juni dan bulan Desember dengan scope ilmu komputer yang mencakup manajemen informatika, sistem informasi dan teknologi komputer.
Arjuna Subject : Ilmu Komputer (semua kategori) - Ilmu Komputer (Lain-Lain)
Articles 81 Documents
 3   4   5   6   7 
Perancangan Aplikasi Pendataan UMKM berbasis Web di Kabupaten Gorontalo Utara K. Dunggio, Zufrianto; Rustam, Suhardi
Jurnal Manajemen Informatika, Sistem Informasi dan Teknologi Komputer (JUMISTIK) Vol 4 No 1 (2025): Jurnal Manajemen Informatika, Sistem Informasi dan Teknologi Komputer (JUMISTIK)
Publisher : STMIK Amika Soppeng

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70247/jumistik.v4i1.135

Abstract

Keberadaan UMKM di Kabupaten Gorontalo Utara belum didukung oleh pengaturan data yang memadai. Banyak masyarakat yang kurang memahami detail informasi mengenai UMKM tersebut, dalam proses pendaftaran umkm terdapat beberapa informasi yang harus di penuhi oleh pemilik umkm yaitu jenis umkm, pemilik umkm, nomor induk kependudukan, no telepon, alamat, kecamatan, desa, lokasi, serta jumlah omset pertahun. Dan beberapa masalah yang dihadapi oleh dinas dalam mendata UMKM termasuk,teknologi yang tidak memadai,kesulitan mendapatkan data yang akurat. Oleh karena itu, diperlukan metode penyajian informasi pemetaan UMKM yang lebih efektif dan mampu menampilkan lokasi berbagai UMKM beserta informasi terkaitnya.Sistem informasi layanan usaha mikro kecil menengah berbasis web yang mampu memberikan informasi dan pendataan mengenai layanan pendataan umkm yang ada di kabupaten gorontalo utara, sehingga dapat membantu pihak dinas perdagangan, perindustrian, dan ukm dalam melakukan pendataan umkm. Penelitian ini menggunakan metode Research and Development atau yang dikenal dengan metode
Pengembangan E-Arsip pada Kesekretariatan SDM PT. Taspen Cabang Bukit Tinggi berbasis Web Arman, Arman; Elizamiharti, Elizamiharti; Efendy, Zainul; Putra, Lakry Maltaf; Cani Dachi, Mona Afriyani
Jurnal Manajemen Informatika, Sistem Informasi dan Teknologi Komputer (JUMISTIK) Vol 4 No 1 (2025): Jurnal Manajemen Informatika, Sistem Informasi dan Teknologi Komputer (JUMISTIK)
Publisher : STMIK Amika Soppeng

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70247/jumistik.v4i1.136

Abstract

Pengolahan arsip secara manual di lingkungan kesekretariatan SDM PT. Taspen Cabang Bukittinggi masih menghadapi berbagai kendala, seperti keterbatasan ruang penyimpanan, kesulitan pencarian dokumen, dan risiko kehilangan data. Penelitian ini bertujuan untuk mengembangkan sistem E-arsip berbasis web yang dirancang dengan prinsip antarmuka pengguna dan pengalaman pengguna (UI/UX) guna meningkatkan efisiensi kerja dan kemudahan dalam pengelolaan arsip digital. Dalam perancangan system, metode pengembangan menggunakan SDLC model Watelfall dan alat bantu perncangan system menggunakan UML. Selain itu aga juga menggunakan model Design Thinking, yang mencakup tahap empati, definisi, ideasi, prototipe, dan pengujian. Hasil dari penelitian sistem aplikasi E-arsip yang sudah dirancang dilengkapi berbagai fitur untuk membantu mendapatkan informasi e-arsip lebih efektif dan lebih cepat untuk pencarian seperti layanan arsip surat masuk, surat keluar. Selain itu system E-arsip dilihat dari perancangan UI / UX, system sesuai dengan pengguna. Selanjutnya system di uji dengan metode (SUS) System Usability Scale, bersasarkan hasil analisis dari metode SUS, maka diperoleh nilai nilai rata-rata Skor SUS sebesar 72,75 dengan karegori Baik. Dengan adanya sistem ini, diharapkan proses administrasi SDM menjadi lebih efektif, efisien, dan terdigitalisasi dengan optimal
Pengembangan Sistem Absensi Mahasiswa berbasis QR-Code di Prodi Teknologi Informasi Marsehan, Ahmad; Ardilla, Santi; Novia Putri, Amelda
Jurnal Manajemen Informatika, Sistem Informasi dan Teknologi Komputer (JUMISTIK) Vol 4 No 1 (2025): Jurnal Manajemen Informatika, Sistem Informasi dan Teknologi Komputer (JUMISTIK)
Publisher : STMIK Amika Soppeng

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70247/jumistik.v4i1.138

Abstract

Absensi mahasiswa merupakan aspek penting dalam sistem pendidikan tinggi. Proses absensi yang dilakukan secara manual seringkali memakan waktu dan rawan kecurangan, seperti titip absen. Teknologi QR-Code telah digunakan untuk mempercepat proses absensi, namun masih memiliki celah keamanan jika digunakan tanpa validasi tambahan. Oleh karena itu, penelitian ini mengembangkan sistem absensi berbasis QR-Code yang dikombinasikan dengan teknologi Time-based One-Time Password (TOTP) untuk meningkatkan keamanan dan validitas data kehadiran. TOTP digunakan sebagai metode autentikasi keduayang hanya dapat diakses oleh pengguna terdaftar melalui aplikasi autentikator. Metode pengembangan sistem menggunakan pendekatan waterfall, dimulai dari analisis kebutuhan hingga tahap pengujian. Hasil pengujian menunjukkan bahwa sistem ini efektif dalam meningkatkan efisiensi dan keamanan proses absensi. Implementasi sistem dilakukan menggunakan PHP, MySQL, dan library TOTP berbasis RFC 6238.
Analisis Sentimen Ulasan Film pada Dataset IMDB menggunakan Algoritma Naive Bayes Zhafira, Alya; Afifah, Nurul; Anditya Putri, Shifa; Marhalatun, Viva; Surya Saputra, Dhanar Intan
Jurnal Manajemen Informatika, Sistem Informasi dan Teknologi Komputer (JUMISTIK) Vol 4 No 1 (2025): Jurnal Manajemen Informatika, Sistem Informasi dan Teknologi Komputer (JUMISTIK)
Publisher : STMIK Amika Soppeng

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70247/jumistik.v4i1.139

Abstract

ABSTRACT This study examines sentiment analysis of movie reviews from online platforms using a dataset obtained from Kaggle. The dataset consists of 50,000 reviews spanning various films, which are used to identify user sentiment, either positive or negative. After preprocessing the data to clean and prepare it, the Naïve Bayes algorithm is applied to classify the reviews based on their sentiment. Naïve Bayes was chosen due to its proven capability in text classification and its simplicity in implementation. The model’s evaluation was conducted using a confusion matrix and a classification report, resulting in an accuracy of 86.25%. Furthermore, the precision, recall, and F1-score values, each reaching 86%, indicate a good balance in the model’s ability to classify both positive and negative sentiments. These results confirm that Naïve Bayes is an efficient and effective algorithm for sentiment analysis of movie reviews. This research provides a valuable contribution to the field of sentiment analysis, particularly in understanding public opinion towards cinematic works. Additionally, the findings open up the potential use of this model in the development of sentiment-based recommendation systems, which can be applied across various online entertainment platforms. Keywords:Sentiment Analysis, Movie Reviews, Naïve Bayes, Kaggle Dataset   ABSTRAK   Penelitian ini mengkaji analisis sentimen terhadap ulasan film daring menggunakan dataset yang diperoleh dari platform Kaggle. Dataset ini terdiri dari 50.000 ulasan yang mencakup berbagai film, yang digunakan untuk mengidentifikasi sentimen pengguna, apakah positif atau negatif. Setelah melalui tahap preprocessing untuk membersihkan dan mempersiapkan data, algoritma Naïve Bayes diterapkan untuk mengklasifikasikan ulasan berdasarkan sentimennya. Naïve Bayes dipilih karena kemampuannya yang terbukti dalam klasifikasi teks dan kesederhanaannya dalam implementasi. Evaluasi model dilakukan menggunakan confusion matrix dan classification report, yang menghasilkan akurasi sebesar 86,25%. Selain itu, nilai precision, recall, dan F1-score yang masing-masing mencapai 86% menunjukkan keseimbangan yang baik dalam kemampuan model untuk mengklasifikasikan sentimen positif dan negatif. Hasil ini mengonfirmasi bahwa Naïve Bayes adalah algoritma yang efisien dan efektif dalam analisis sentimen ulasan film. Penelitian ini memberikan kontribusi penting dalam bidang analisis sentimen, khususnya dalam memahami opini publik terhadap karya sinematik. Selain itu, hasil yang diperoleh membuka potensi penggunaan model ini dalam pengembangan sistem rekomendasi berbasis sentimen, yang dapat diterapkan di berbagai platform hiburan online.     Kata kunci: Analisis Sentimen, Ulasan Film, Naïve Bayes, Dataset Kaggle
Bacana : Encouraging Digital Literacy Through Local Books in Your Hand Philemon, Hany; Zakiyabarsi, Furqan; Paramita, Andi Jamiati; Farha Mahdi, Farizah; Alfaritzy, Dimas Aditya; Tri Anindhiya, Nur Agni
Jurnal Manajemen Informatika, Sistem Informasi dan Teknologi Komputer (JUMISTIK) Vol 4 No 1 (2025): Jurnal Manajemen Informatika, Sistem Informasi dan Teknologi Komputer (JUMISTIK)
Publisher : STMIK Amika Soppeng

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70247/jumistik.v4i1.141

Abstract

Di era digital, terdapat peningkatan permintaan terhadap platform membaca yang mudah diakses, relevan, dan berbasis budaya, terutama di kalangan pembaca muda. Untuk menjawab tantangan tersebut, Bacana dikembangkan sebagai aplikasi membaca digital yang diintegrasikan dengan konten lokal yang dilengkapi dengan fitur interaktif untuk mendorong literasi digital. Dirancang dengan pendekatan yang berpusat pada pengguna, Bacana banyak fitur penting yang diharapkan dapat memenuhi kebutuhan pengguna, seperti Pelacakan progress, pengingat cerdas, ringkasan konten dan forum diskusi yang bertujuan untuk mendukung pengalaman membaca yang lebih efektif dan bermakna bagi pembaca. Meskipun aplikasi ini menerima umpan balik yang positif, beberapa hal masih memerlukan peningkatan untuk menyempurnakan aplikasi di masa mendatang. Studi ini menegaskan adanya peran Bacana sebagai inovasi teknologi dan intervensi budaya, yang dapat berkontribusi untuk meningkatkan minat membaca yang lebih reflektif, inkulsi, dan menarik bagi Masyarakat Indonesia.
Penerapan Sistem Pemerintahan Berbasis Elektronik pada Instansi Daerah: Studi Kasus Disdukcapil Kabupaten Donggala Syafaat, Fizar; Azhar, Ryfial; Aminah, Siti; Zakiyabarsih, Furqan
Jurnal Manajemen Informatika, Sistem Informasi dan Teknologi Komputer (JUMISTIK) Vol 4 No 1 (2025): Jurnal Manajemen Informatika, Sistem Informasi dan Teknologi Komputer (JUMISTIK)
Publisher : STMIK Amika Soppeng

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70247/jumistik.v4i1.142

Abstract

Penelitian ini mengevaluasi tingkat kematangan penerapan Sistem Pemerintahan Berbasis Elektronik (SPBE) pada Dinas Kependudukan dan Pencatatan Sipil Kabupaten Donggala berdasarkan Perpres No. 132 Tahun 2022 dan Permenpan-RB No. 59 Tahun 2020. Metode yang digunakan adalah pendekatan kuantitatif melalui kuesioner yang disebarkan kepada staf pengelola SPBE, khususnya pengguna Sistem Informasi Administrasi Kependudukan (SIAK). Evaluasi dilakukan pada enam domain utama SPBE. Hasil analisis menunjukkan bahwa nilai indeks SPBE instansi adalah 3,602 dan berada pada kategori “Sangat Baik”. Domain layanan mencatat skor tertinggi, sedangkan domain aplikasi menjadi yang terendah. Temuan ini menunjukkan bahwa digitalisasi layanan sudah berjalan dengan baik, namun masih terdapat tantangan dalam audit dan integrasi aplikasi. Rekomendasi yang diberikan meliputi peningkatan kualitas aplikasi, penguatan infrastruktur, serta pengembangan kompetensi SDM.
Perbandingan Algoritma Naive Bayes dan SVM dalam Analisis Sentimen Twitter terhadap Isu Ijazah Jokowi Palsu Wulandari, Oca Meilika; Maulana, Irvan; Syamsudin, Fatih; Waluyo, Retno
Jurnal Manajemen Informatika, Sistem Informasi dan Teknologi Komputer (JUMISTIK) Vol 4 No 1 (2025): Jurnal Manajemen Informatika, Sistem Informasi dan Teknologi Komputer (JUMISTIK)
Publisher : STMIK Amika Soppeng

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70247/jumistik.v4i1.145

Abstract

Media sosial, khususnya Twitter, telah berkembang menjadi forum publik yang dinamis untuk membahas berbagai isu sosial dan politik. Salah satu topik yang banyak diperdebatkan adalah dugaan ijazah palsu milik mantan Presiden Joko Widodo. Penelitian ini membandingkan kinerja dua algoritma klasifikasi, yaitu Support Vector Machine dan Naïve Bayes, dalam menganalisis sentimen pengguna Twitter terhadap isu dugaan ijazah palsu tersebut. Analisis dimulai dengan pengumpulan data menggunakan teknik crawling, dilanjutkan dengan proses pra-pemrosesan, pelabelan data, implementasi algoritma, dan evaluasi model. Dari total 3.055 komentar Twitter berbahasa Indonesia yang berkaitan dengan dugaan ijazah palsu Presiden Jokowi, diperoleh 1.453 komentar negatif, 942 komentar positif, dan 660 komentar netral. Hasil penelitian menunjukkan bahwa algoritma Naïve Bayes mencapai akurasi sebesar 65%, sementara Support Vector Machine menghasilkan akurasi yang lebih tinggi, yaitu 69,23%.
Inovasi Perpustakaan Digital dengan AI Gemini 2.0 Flash dan Rekomendasi Adaptif Alvansyah, Oka; Yolandari, Nezza Anggraini; Zulfi, M. Fikri; Nasution, Afifah Naila; Perdana, Adidtya
Jurnal Manajemen Informatika, Sistem Informasi dan Teknologi Komputer (JUMISTIK) Vol 4 No 1 (2025): Jurnal Manajemen Informatika, Sistem Informasi dan Teknologi Komputer (JUMISTIK)
Publisher : STMIK Amika Soppeng

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70247/jumistik.v4i1.146

Abstract

Perkembangan teknologi informasi dan komunikasi telah mendorong digitalisasi layanan pendidikan, termasuk sistem perpustakaan yang kini mengalami transformasi menuju platform digital berbasis kecerdasan buatan (AI). Meskipun demikian, rendahnya minat baca dan kesulitan siswa dalam menemukan referensi yang sesuai masih menjadi tantangan. Penelitian ini bertujuan untuk merancang dan mengimplementasikan sebuah sistem perpustakaan digital yang dilengkapi dengan fitur chatbot AI guna menjadi asisten virtual bagi siswa. Metode penelitian yang digunakan adalah Research and Development (RnD) dengan pendekatan Design and Development Research dan model pengembangan Waterfall. Sistem dibangun menggunakan framework CodeIgniter dan Flask, serta mengintegrasikan teknologi AI Gemini 2.0 Flash untuk mendukung fitur chatbot interaktif yang merekomendasikan buku berdasarkan riwayat dan preferensi pengguna. Hasil pengujian menunjukkan bahwa chatbot mampu memberikan rekomendasi secara kontekstual, memahami pertanyaan pengguna, dan meningkatkan akses terhadap bahan bacaan secara efisien. Keunggulan sistem ini adalah kecepatan dalam pemrosesan teks dan ketepatan proses dari pertanyaan yang diajukan, serta integrasi yang masih jarang diterapkan secara langsung pada sistem perpustakaan pendidikan. Hasil ini menunjukkan bahwa sistem ini tidak hanya memberikan kemudahan akses informasi, tetapi juga menjadi inovasi edukatif dalam mendukung kebiasaan membaca dan peningkatan literasi digital siswa. Kata kunci: Chatbot, Kecerdasan Buatan, Perpustakaan Digital, Sistem Rekomendasi
Analisis Pendukung Keputusan Aplikasi Produktivitas Akademik Mahasiswa: Pencatatan, Penjadwalan, Dan Kolaborasi Dengan Metode Topsis Firmansyah, Tirta Wahyu; Sasongko, Rafli Zudha; Muzid, Syafiul
Jurnal Manajemen Informatika, Sistem Informasi dan Teknologi Komputer (JUMISTIK) Vol 4 No 1 (2025): Jurnal Manajemen Informatika, Sistem Informasi dan Teknologi Komputer (JUMISTIK)
Publisher : STMIK Amika Soppeng

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70247/jumistik.v4i1.148

Abstract

Makalah penelitian ini menganalisis dukungan pengambilan keputusan untuk memilih aplikasi produktivitas bagi mahasiswa menggunakan metode TOPSIS. Penelitian ini menyoroti kebutuhan yang semakin meningkat akan manajemen waktu yang efektif dan pengorganisasian tugas di kalangan mahasiswa, yang menghadapi berbagai tantangan akademik dan ekstrakurikuler. Temuan menunjukkan bahwa aplikasi TickTick muncul sebagai alat produktivitas yang paling sesuai, unggul dalam fitur-fitur seperti manajemen tugas yang komprehensif, sistem pengingat, pelacakan kebiasaan, integrasi kalender, kolaborasi tim, antarmuka yang ramah pengguna, kompatibilitas lintas perangkat, dan harga yang terjangkau. Metode TOPSIS memberikan pendekatan yang obyektif dan sistematis untuk mengevaluasi alternatif dengan menghitung jarak ke solusi ideal terbaik dan terburuk. Uji sensitivitas mengonfirmasi stabilitas peringkat TickTick meskipun terjadi perubahan bobot kriteria, memastikan keandalan hasil. Namun, penelitian ini juga mengakui keterbatasan metode TOPSIS, termasuk risiko perubahan peringkat dan ketergantungan pada penetapan bobot yang subjektif. Secara keseluruhan, penelitian ini menekankan pentingnya pengambilan keputusan yang terstruktur dalam memilih aplikasi produktivitas yang memenuhi kebutuhan beragam mahasiswa, yang pada akhirnya meningkatkan kinerja akademik dan pengembangan soft skill mereka.
Analisis Sentimen terhadap Terorisme pada Platform Twitter menggunakan Support Vector Machine Rahayu, Novriza; Indri Yani, Sylvia; Marwah, Marwah; Pratama, Andre
Jurnal Manajemen Informatika, Sistem Informasi dan Teknologi Komputer (JUMISTIK) Vol 4 No 1 (2025): Jurnal Manajemen Informatika, Sistem Informasi dan Teknologi Komputer (JUMISTIK)
Publisher : STMIK Amika Soppeng

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70247/jumistik.v4i1.152

Abstract

This research aims to classify public sentiment regarding terrorism issues using the Support Vector Machine (SVM) algorithm. This topic is important because text-based sentiment analysis plays a significant role in understanding public opinion on critical issues. Initial data in the form of Indonesian text was processed through preprocessing stages, translated into English, and labeled using VADER. Data imbalance was addressed using Random Over Sampling methods, while numerical data representation was obtained through feature extraction using TF-IDF. The SVM model was evaluated using confusion matrix with accuracy, precision, recall, and F1-score metrics. The results show that the model achieved 98.02% accuracy, 98.09% precision, 98.02% recall, and 98.01% f1-score, demonstrating excellent performance in classifying sentiment into negative, neutral, and positive categories. Some prediction errors were still found in the negative and positive categories. This research demonstrates that the combination of preprocessing methods, data balancing, and TF-IDF feature extraction effectively produces an accurate sentiment classification model. This research contributes significantly to the development of text-based sentiment analysis technology to support decision making. Keywords: Sentiment Analysis, Support Vector Machine, Terrorism, Twitter Penelitian ini bertujuan mengelompokkan sentimen masyarakat terkait isu terorisme menggunakan algoritma Support Vector Machine (SVM). Topik ini penting karena analisis sentimen berbasis teks berperan signifikan dalam memahami opini publik terhadap isu-isu kritis. Data awal berupa teks berbahasa Indonesia diproses melalui tahap preprocessing, diterjemahkan ke bahasa Inggris, dan dilabeli menggunakan VADER. Ketidakseimbangan data diatasi dengan metode Random Over Sampling, sementara representasi data numerik diperoleh melalui ekstraksi fitur TF-IDF. Model SVM dievaluasi menggunakan confusion matrix dengan metrik accuracy, precision, recall, dan f1-score. Hasilnya, model mencapai akurasi 98,02%, precision 98,09%, recall 98,02%, dan F1-score 98,01%, menunjukkan performa sangat baik dalam mengklasifikasikan sentimen ke dalam kategori negatif, netral, dan positif. Beberapa kesalahan prediksi masih ditemukan pada kategori negatif dan positif. Penelitian ini menunjukkan bahwa kombinasi metode preprocessing, penyeimbangan data, dan ekstraksi fitur TF-IDF efektif menghasilkan model klasifikasi sentimen yang akurat. Penelitian ini berkontribusi secara signifikan terhadap pengembangan teknologi analisis sentimen berbasis teks untuk mendukung pengambilan keputusan. Kata kunci: Analisis Sentimen, Support Vector Machine, Terorisme, Twitter

Page 5 of 9 | Total Record : 81

 3   4   5   6   7 

Filter by Year

2022 2025


Reset
Filter By Issues
All Issue Vol 4 No 2 (2025): Jurnal Manajemen Informatika, Sistem Informasi dan Teknologi Komputer (JUMISTIK) Vol 4 No 1 (2025): Jurnal Manajemen Informatika, Sistem Informasi dan Teknologi Komputer (JUMISTIK) Vol 3 No 2 (2024): Jurnal Manajemen Informatika, Sistem Informasi dan Teknologi Komputer (JUMISTIK) Vol 3 No 1 (2024): Jurnal Manajemen Informatika, Sistem Informasi dan Teknologi Komputer (JUMISTIK) Vol 2 No 2 (2023): Jurnal Manajemen Informatika, Sistem Informasi dan Teknologi Komputer (JUMISTIK) Vol 2 No 1 (2023): Jurnal Manajemen Informatika, Sistem Informasi dan Teknologi Komputer (JUMISTIK) Vol 1 No 1 (2022): Jurnal Manajemen Informatika, Sistem Informasi dan Teknologi Komputer (JUMISTIK)