cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Adli Abdillah Nababan
Contact Email
admitechsolutions@gmail.com
Phone
+62 811 6556 192
Journal Mail Official
sisfotekjar@journal.itisd.org
Editorial Address
Jl. Pintu Air Gg. Langgar, Siti Rejo I, Kec. Medan Kota, Kota Medan, Sumatera Utara 20219
Location
Unknown,
Unknown
INDONESIA
Jurnal Sistem Informasi dan Teknologi Jaringan
Published by CV. ADMITECH SOLUTIONS
ISSN : 28087917     EISSN : 28079259     DOI : https://doi.org/10.63703/sisfotekjar
Core Subject : Science,
Computer Science & IT
Jurnal SISFOTEKJAR adalah jurnal yang diterbitkan oleh CV. ADMITECH SOLUTIONS yang bertujuan untuk mewadahi hasil penelitian tentang Sistem Informasi dan Teknologi Jaringan . Jurnal SISFOTEKJAR (Sistem Informasi dan Teknologi Jaringan) adalah wadah informasi berupa hasil penelitian, studi kepustakaan, gagasan, aplikasi teori dan kajian analisis kritis dibidang berbagai ilmu. Jurnal SISFOTEKJAR (Sistem Informasi dan Teknologi Jaringan) terbit 2 kali dalam satu tahun yaitu di bulan Maret dan September.
Arjuna Subject : Ilmu Komputer (semua kategori) - Sistem Informasi
Articles 8 Documents
 1 
Search results for , issue "Vol 7 No 1 (2026): Maret" : 8 Documents clear
Pengembangan Decision Support System untuk Rekomendasi Pekerjaan Menggunakan Machine Learning Berbasis Dataset Rekrutmen Online Sagala, Jijon Raphita
Jurnal Sistem Informasi dan Teknologi Jaringan Vol 7 No 1 (2026): Maret
Publisher : CV. ADMITECH SOLUTIONS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.63703/sisfotekjar.v7i1.136

Abstract

Transformasi digital dalam proses rekrutmen mendorong kebutuhan akan sistem cerdas yang mampu memberikan rekomendasi pekerjaan secara akurat dan efisien. Penelitian ini bertujuan untuk mengembangkan Decision Support System (DSS) rekomendasi pekerjaan berbasis machine learning dengan memanfaatkan dataset rekrutmen daring. Penelitian ini menggunakan pendekatan kuantitatif–eksperimental dengan explanatory research untuk menjelaskan pengaruh kualitas data dan kinerja model machine learning terhadap efektivitas DSS. Dataset terdiri dari 12.450 data pelamar dan 8.732 lowongan pekerjaan yang setelah preprocessing menghasilkan 10.286 entri valid. Tiga algoritma diuji, yaitu Random Forest, Support Vector Machine (SVM), dan Naïve Bayes menggunakan 10-fold cross validation. Hasil menunjukkan bahwa Random Forest memberikan performa terbaik dengan akurasi 92,87%, presisi 91,22%, recall 93,41%, F1-score 92,30%, dan ROC-AUC 0,964. Evaluasi sistem menunjukkan peningkatan akurasi rekomendasi sebesar 24,75% dibandingkan sistem rule-based konvensional serta penurunan error rate 24,75%. Evaluasi kepuasan pengguna (n=30) menghasilkan User Satisfaction Index sebesar 89,8% (kategori sangat puas). Analisis regresi menunjukkan kualitas data (β=0,387; sig=0,000) dan kinerja model (β=0,521; sig=0,000) berpengaruh signifikan terhadap efektivitas DSS dengan R²=0,781. Temuan ini menegaskan bahwa integrasi machine learning dalam DSS berbasis dataset rekrutmen daring mampu meningkatkan akurasi, efisiensi, dan kualitas pengambilan keputusan pada sistem rekomendasi pekerjaan.
Analisis Kepuasan Pelanggan Percetakan Berkat Dengan Metode Service Quality Dedi Candro Parulian Sinaga; Nurika Sari Siregar; Shadiq Arif Musyaffa; Br Tarigan, Nera Mayana
Jurnal Sistem Informasi dan Teknologi Jaringan Vol 7 No 1 (2026): Maret
Publisher : CV. ADMITECH SOLUTIONS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.63703/sisfotekjar.v7i1.139

Abstract

Penelitian ini bertujuan untuk menganalisis tingkat kepuasan pelanggan terhadap kualitas pelayanan pada Percetakan Berkat menggunakan metode Service Quality (SERVQUAL). Penelitian ini menggunakan pendekatan kuantitatif deskriptif dengan teknik pengumpulan data melalui penyebaran kuesioner kepada pelanggan Percetakan Berkat. Instrumen penelitian disusun berdasarkan lima dimensi SERVQUAL yaitu tangibles, reliability, responsiveness, assurance, dan empathy. Data yang diperoleh kemudian dianalisis menggunakan metode gap analysis untuk mengetahui perbedaan antara persepsi pelanggan terhadap pelayanan yang diterima dengan harapan pelanggan terhadap pelayanan yang diinginkan. Hasil penelitian menunjukkan bahwa tingkat kepuasan pelanggan pada dimensi reliability berada pada kategori baik. Persentase kepuasan pelanggan pada setiap variabel yaitu Q1 sebesar 61,6%, Q2 sebesar 57%, Q3 sebesar 54,6%, Q4 sebesar 64,7%, dan Q5 sebesar 63,5%. Nilai kepuasan tertinggi terdapat pada ketepatan waktu pelayanan, sedangkan nilai terendah terdapat pada kesesuaian layanan dengan kebutuhan pelanggan. Meskipun sebagian besar pelanggan merasa puas, masih terdapat responden yang merasa tidak puas dan netral, yang menunjukkan bahwa kualitas pelayanan masih perlu ditingkatkan. Penelitian ini diharapkan dapat menjadi bahan evaluasi bagi Percetakan Berkat dalam meningkatkan kualitas pelayanan secara berkelanjutan serta meningkatkan loyalitas pelanggan. Selain itu, penelitian ini juga diharapkan dapat memberikan kontribusi ilmiah dalam pengembangan penelitian kualitas pelayanan pada sektor jasa percetakan skala UMKM menggunakan metode SERVQUAL.
Sistem Pendukung Keputusan Pemilihan Supplier Percetakan Berkat Menggunakan Metode Weighted Product Dedi Candro Parulian Sinaga; Nurika Sari Siregar; Shadiq Arif Musyaffa; Br Tarigan, Nera Mayana
Jurnal Sistem Informasi dan Teknologi Jaringan Vol 7 No 1 (2026): Maret
Publisher : CV. ADMITECH SOLUTIONS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.63703/sisfotekjar.v7i1.140

Abstract

Dalam era persaingan industri percetakan yang semakin ketat, pemilihan supplier bahan baku menjadi faktor penting dalam menjaga kualitas produk dan kelancaran proses produksi. Percetakan Berkat masih menggunakan metode manual dalam menentukan supplier, sehingga berpotensi menimbulkan subjektivitas dan ketidakkonsistenan dalam pengambilan keputusan. Penelitian ini bertujuan untuk merancang dan mengimplementasikan Sistem Pendukung Keputusan (SPK) dalam pemilihan supplier terbaik menggunakan metode Weighted Product. Metode ini digunakan karena mampu melakukan perhitungan multikriteria dengan mempertimbangkan bobot kepentingan setiap kriteria. Kriteria yang digunakan dalam penelitian ini meliputi harga, kualitas bahan baku, waktu pengiriman, pelayanan, dan konsistensi pasokan. Data penelitian diperoleh melalui wawancara, observasi, dan studi dokumentasi pada Percetakan Berkat. Sistem yang dibangun mampu melakukan proses penilaian supplier secara otomatis dan menghasilkan perankingan berdasarkan nilai preferensi tertinggi. Hasil penelitian menunjukkan bahwa metode Weighted Product dapat memberikan hasil penilaian yang objektif dan akurat dalam menentukan supplier terbaik. Implementasi sistem ini membantu manajemen dalam mengambil keputusan secara cepat, tepat, dan konsisten. Selain itu, sistem juga mampu meningkatkan efisiensi operasional perusahaan serta mengurangi risiko keterlambatan produksi akibat kesalahan pemilihan supplier. Dengan demikian, penerapan SPK berbasis Weighted Product dapat menjadi solusi efektif dalam mendukung pengambilan keputusan strategis pada Percetakan Berkat.
Penerapan Data Mining Dengan Algoritma Apriori Untuk Menentukan Tingkat Peminjaman Buku Amran Sitohang; Simanjorang, R. Mahdalena; M. Rifan Afandi; Sutanto, Eko
Jurnal Sistem Informasi dan Teknologi Jaringan Vol 7 No 1 (2026): Maret
Publisher : CV. ADMITECH SOLUTIONS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.63703/sisfotekjar.v7i1.141

Abstract

Perkembangan teknologi informasi menyebabkan peningkatan jumlah data yang tersimpan dalam berbagai bidang, termasuk pada sistem perpustakaan sekolah. Data transaksi peminjaman buku yang tersimpan dalam jumlah besar dapat dimanfaatkan untuk memperoleh informasi penting melalui teknik data mining. Penelitian ini bertujuan untuk menerapkan data mining menggunakan algoritma Apriori dalam menentukan tingkat peminjaman buku di perpustakaan SMK Al-Washliyah 8 Perbaungan. Metode penelitian yang digunakan adalah pendekatan kuantitatif dengan teknik Association Rule Mining. Data yang digunakan merupakan data transaksi peminjaman buku siswa yang kemudian melalui tahap preprocessing sebelum dilakukan proses analisis menggunakan aplikasi RapidMiner. Proses analisis dilakukan dengan menentukan nilai minimum support sebesar 13% dan minimum confidence sebesar 50% untuk menghasilkan aturan asosiasi yang relevan. Hasil penelitian menunjukkan bahwa algoritma Apriori mampu menemukan pola keterkaitan peminjaman buku berdasarkan frequent itemset yang terbentuk. Beberapa buku menunjukkan hubungan peminjaman yang cukup kuat sehingga dapat digunakan sebagai dasar dalam pengelolaan koleksi perpustakaan. Informasi yang dihasilkan dari penelitian ini diharapkan dapat membantu pihak perpustakaan dalam meningkatkan kualitas pelayanan, mengoptimalkan pengadaan buku, serta menyusun tata letak buku berdasarkan pola kebutuhan siswa. Dengan demikian, penerapan data mining menggunakan algoritma Apriori dapat menjadi solusi dalam mendukung pengambilan keputusan berbasis data pada pengelolaan perpustakaan sekolah.
Penerapan Data Mining Untuk Memprediksi Tren Pasar Dalam Market Base Analysis Dengan Algoritma Fp Growth Simangungsong, Agustina; Rizki Fadila Nasution; Jelita Ananda Putri Br Manjorang; Kristin M. Pardede; Hasugian, Penda Sudarto
Jurnal Sistem Informasi dan Teknologi Jaringan Vol 7 No 1 (2026): Maret
Publisher : CV. ADMITECH SOLUTIONS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.63703/sisfotekjar.v7i1.142

Abstract

Perkembangan teknologi informasi mendorong pemanfaatan data dalam jumlah besar untuk menghasilkan informasi yang bermanfaat bagi pengambilan keputusan bisnis. Salah satu teknik yang dapat digunakan adalah data mining dengan pendekatan Market Basket Analysis untuk mengetahui pola pembelian konsumen. Penelitian ini bertujuan untuk menerapkan algoritma FP-Growth dalam memprediksi tren pasar berdasarkan data transaksi penjualan. Data yang digunakan meliputi atribut Transaction ID, jenis produk, jumlah pembelian, dan harga produk. Proses pengolahan data dilakukan menggunakan software RapidMiner melalui tahapan preprocessing data, pembentukan frequent itemset, serta pembentukan association rule. Pada penelitian ini digunakan parameter minimum support sebesar 0,3 dan minimum confidence sebesar 0,8 untuk menghasilkan aturan asosiasi yang relevan. Hasil penelitian menunjukkan bahwa algoritma FP-Growth mampu mengidentifikasi hubungan keterkaitan antar produk secara efektif dan efisien. Beberapa produk memiliki tingkat asosiasi yang tinggi, dimana produk Air Mineral sering muncul sebagai produk pendamping dalam berbagai transaksi pembelian. Hal ini menunjukkan bahwa Air Mineral merupakan salah satu produk dengan tingkat permintaan tinggi di pasar. Penerapan metode ini dapat membantu pelaku usaha dalam menentukan strategi pemasaran, pengelolaan persediaan barang, serta penentuan penempatan produk. Dengan demikian, penerapan data mining menggunakan algoritma FP-Growth dapat digunakan sebagai alat bantu dalam memprediksi tren pasar dan mendukung pengambilan keputusan bisnis berbasis data.
Penerapan Metode Fuzzy Time Series Dalam Memprediksi Jumlah Peserta Didik Baru Endra A. P. Marpaung; Martua Sitorus; Dedi Candro Parulian Sinaga; Rodiah Hannum Lubis; Dwi Novi Amalia
Jurnal Sistem Informasi dan Teknologi Jaringan Vol 7 No 1 (2026): Maret
Publisher : CV. ADMITECH SOLUTIONS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.63703/sisfotekjar.v7i1.143

Abstract

Perencanaan penerimaan peserta didik baru merupakan aspek kritis dalam manajemen pendidikan karena berpengaruh langsung terhadap alokasi sumber daya, kualitas layanan, dan keberlanjutan institusi. Ketidakpastian jumlah pendaftar setiap tahun menjadi tantangan utama bagi pihak sekolah. Penelitian ini bertujuan menerapkan metode Fuzzy Time Series untuk memprediksi jumlah peserta didik baru berdasarkan data historis yang bersifat fluktuatif dan tidak pasti. Metode FTS dipilih karena kemampuannya dalam memodelkan data berbasis linguistik dan mengakomodasi ketidakpastian. Tahapan penelitian meliputi penentuan universe of discourse, pembentukan interval fuzzy, fuzzifikasi, pembentukan Fuzzy Logical Relationship (FLR) dan FLRG, serta defuzzifikasi. Data yang digunakan adalah jumlah peserta didik baru selama lima tahun akademik terakhir. Hasil prediksi dievaluasi menggunakan Mean Absolute Percentage Error (MAPE). Hasil penelitian menunjukkan metode FTS mampu memberikan prediksi yang akurat dengan nilai MAPE sebesar 2.89%, mengindikasikan tingkat kesalahan yang rendah. Simulasi prediksi untuk tahun berikutnya menghasilkan 146 peserta didik. Dengan demikian, penerapan metode FTS dapat menjadi alternatif solusi yang efektif bagi institusi pendidikan dalam mendukung perencanaan strategis penerimaan peserta didik baru berbasis data.
Crop Yield Prediction Using Artificial Neural Network with Principal Component Analysis Dimensionality Reduction Bosker Sinaga; Harefa, Ade May Luky; Adrianta Pandia; Agil Alfarezi
Jurnal Sistem Informasi dan Teknologi Jaringan Vol 7 No 1 (2026): Maret
Publisher : CV. ADMITECH SOLUTIONS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.63703/sisfotekjar.v7i1.144

Abstract

Accurate crop yield prediction is essential to support agricultural planning, food supply stability, and decision-making in modern precision agriculture. Agricultural production is influenced by many complex and nonlinear factors such as rainfall, temperature, humidity, soil conditions, and fertilizer usage. Traditional statistical methods often face limitations in handling high-dimensional and nonlinear agricultural datasets. Therefore, this study proposes a crop yield prediction model using Artificial Neural Network (ANN) combined with Principal Component Analysis (PCA) for dimensionality reduction. PCA is applied in the preprocessing stage to reduce redundant and correlated input variables while preserving the most important data variance. The reduced dataset is then used to train the ANN model to predict crop yield values. The model is implemented using Python with libraries including NumPy, Pandas, Scikit-learn, and TensorFlow/Keras. The dataset used in this research consists of 1000 agricultural records covering three crop commodities, namely maize, barley, and rice. Model performance is evaluated using visualization techniques including histogram error, histogram predicted, PCA explained variance, predicted vs actual plot, residual plot, and training history graph. Experimental results show that the PCA-ANN model produces accurate and stable prediction results with low prediction error and strong agreement between predicted and actual values. The integration of PCA and ANN improves prediction performance, reduces computational complexity, and minimizes overfitting risk. This research demonstrates that the PCA-ANN approach is effective for crop yield prediction and can support data-driven agricultural decision-making.
Penerapan Sistem Informasi Akuntansi Digital Terhadap Efektifitas pengelolaan Keuangan Pada UMKM Desa Rumah Sumbul di Era Bisnis Digital Eviyanti Br Barus; Petti Indrayati Sijabat; Dina Luvita; Mirna Taria; Br Tarigan, Nera Mayana
Jurnal Sistem Informasi dan Teknologi Jaringan Vol 7 No 1 (2026): Maret
Publisher : CV. ADMITECH SOLUTIONS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.63703/sisfotekjar.v7i1.146

Abstract

Penelitian ini bertujuan untuk menganalisis penerapan sistem informasi akuntansi digital terhadap efektivitas pengelolaan keuangan pada UMKM di Desa Rumah Sumbul pada era bisnis digital. Penelitian menggunakan pendekatan kuantitatif dengan metode survei melalui penyebaran kuesioner kepada 30 pelaku UMKM yang dipilih menggunakan teknik purposive sampling. Data dianalisis menggunakan analisis deskriptif kuantitatif. Hasil penelitian menunjukkan bahwa penerapan sistem informasi akuntansi digital berada pada kategori tinggi dengan nilai rata-rata indikator penggunaan software akuntansi sebesar 4.1, efisiensi pelaporan keuangan sebesar 4.3, akurasi informasi keuangan sebesar 4.2, kemudahan akses data sebesar 4.0, dan dukungan pengambilan keputusan sebesar 4.4. Penerapan sistem akuntansi digital terbukti mampu meningkatkan efisiensi waktu pencatatan hingga 60%, mengurangi biaya administrasi keuangan, meningkatkan akurasi data keuangan, serta mendukung pengambilan keputusan usaha secara lebih cepat dan tepat. Penelitian ini menunjukkan bahwa sistem informasi akuntansi digital memiliki peran penting dalam mendukung transformasi digital dan peningkatan daya saing UMKM. Hasil penelitian diharapkan dapat menjadi referensi bagi pelaku UMKM dan pemangku kebijakan dalam mengembangkan pengelolaan keuangan berbasis digital.

Page 1 of 1 | Total Record : 8

 1 

Filter by Year

2026 2026


Reset
Filter By Issues
All Issue Vol 7 No 1 (2026): Maret Vol 6 No 1 (2025): Maret Vol 5 No 2 (2024): September Vol 5 No 1 (2024): Maret