JUSTINDO (Jurnal Sistem dan Teknologi Informasi Indonesia)
JUSTINDO is a scientific journal managed by the informatics engineering study program at the University of Muhammadiyah Jember as a publication media for research articles in the field of systems and information technology which covers the following topics: Software engineering, Games, Information Retrieval, Computer networks, Telecommunication, Internet, Internet of Things, Cloud Computing, Wireless technology, Network security, Multimedia technology, Mobile Computing, Parallel / Distributed Computing, Development, management and utilization of Information Systems, Organizational Governance, Enterprise Resource Planning, Enterprise Architecture Planning, e-Businness, e-Commerce, e-Learning, Data mining, Text mining, Machine Learning, Data warehouse, Online Analytical Processing, Artificial Intelligence, Decision Support System, and Mathematics. JUSTINDO is issued twice a year in February and August. The editor invites research lecturers, reviewers, practitioners, industry, and observers to contribute to this journal. JUSTINDO provides a platform for scientists and academics throughout Indonesia to promote, share and discuss new issues and the development of information systems and information technology. JUSTINDO aims to achieve the theory and application of this sophisticated field. In 2017, JUSTINDO already has an ISSN both printed and online, for ISSN (Print) is 2502 - 5724 and for ISSN (Online) is 2541 - 5735
Articles
7 Documents
Search results for
, issue
"Vol. 8 No. 1 (2023): JUSTINDO"
:
7 Documents
clear
<![CDATA[Klasifikasi Citra Lesi Kulit Serupa Virus Monkeypox Menggunakan VGG-19 Convolutional Neural Network ]]>
<![CDATA[Susanto, Luban Abdi]]>;
<![CDATA[Nilogiri, Agung]]>;
<![CDATA[Handayani, Luluk]]>
<![CDATA[ JUSTINDO (Jurnal Sistem dan Teknologi Informasi Indonesia) Vol. 8 No. 1 (2023): JUSTINDO ]]>
Publisher : <![CDATA[Universitas Muhammadiyah Jember ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.32528/justindo.v8i1.168
<![CDATA[Pasca wabah covid19, muncul lagi ancaman penyakit menular yaitu cacar monyet dengan nama lain virus monkeypox. Cacar monyet adalah penyakit yang ditularkan melalui virus hewan yang tergolong ke dalam genus orthopoxvirus dan memiliki gejala serupa dengan penyakit cacar dan cacar air. Salah satu cara mendiagnosis monkeypox adalah dengan mengklasifikasikan gambar lesi kulit serupa, untuk menentukan apakah pasien benar menderita monkeypox atau bukan. Metode yang umum digunakan untuk klasifikasi citra adalah Convolutional Neural Network (CNN). CNN merupakan pengembangan dari Multi-Layer Perceptron (MLP) yang ditujukan untuk mengolah data dua dimensi seperti gambar dan audio. Arsitektur CNN yang digunakan pada penelitian ini yaitu VGG-19 dengan 16-convolution layer + relu, 5-pooling layer, dan fully connected layer. Dataset yang digunakan berjumlah 1.000 citra lesi kulit serupa virus monkeypox untuk diukur tingkat persentase akurasi, sensitivitas, dan spesifisitas. Hasil pengujian menggunakan unseen data diperoleh tingkat akurasi sebesar 76%, sensitivitas sebesar 76%, dan spesifisitas sebesar 92%.]]>
<![CDATA[Penentuan E-Wallet Terbaik Menggunakan Metode Additive Ratio Assessment (ARAS) ]]>
<![CDATA[Sholihaningtias, Dian Nur]]>
<![CDATA[ JUSTINDO (Jurnal Sistem dan Teknologi Informasi Indonesia) Vol. 8 No. 1 (2023): JUSTINDO ]]>
Publisher : <![CDATA[Universitas Muhammadiyah Jember ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.32528/justindo.v8i1.188
<![CDATA[Pada zaman era teknologi dan informasi yang sekarang berkembang sangat pesat ini, masyarakat dituntut untuk rutinitas harian yang segalanya serba online, salah satunya yaitu kegiatan berbagai transaksi pembayaran dengan uang tunai (cash based) menjadi pembayaran non tunai yang sekarang ini populer di Indonesia yaitu electronic wallet atau sering disebut dengan e-wallet. Tetapi dengan segala fenomena e-wallet saat ini, ada beberapa masalah salah satunya adalah menentukan aplikasi e-wallet mana yang terbaik dengan menggunakan metode Additive Ratio Assessment (ARAS). E-Wallet yang akan menjadi alternatif pemilihan dalam penelitian ini yaitu OVO, Gopay, Dana, Shopeepay, LinkAja. Adapun kriteria yang digunakan dalam proses penilian ini adalah keamanan, manfaat, kepercayaan, promosi dan kemudahan. Dalam perhitungan dengan menggunakan metode ARAS didapatkan hasil untuk urutan nilai bobot tertinggi yaitu DANA, menjadi alternatif yang memiliki nilai utility degree (Ki) tebesar bernilai 0,81 disusul OVO (0,78), LinkAja (0,77), Gopay (0,71) dan Shopeepay (0,67). Hasil penelitian bisa digunakan sebagai referensi untuk masyarakat dalam pemilihan e-wallet terbaik.]]>
<![CDATA[Implementasi Sistem Pendukung Keputusan Penerimaan Beasiswa Kurang Mampu dengan Menggabungkan Metode Analytical Hierarchy Process dan Simple Additive Weighting pada SMA Tunas Bangsa Bontang ]]>
<![CDATA[Ramadhani, Fajar]]>;
<![CDATA[Tandi, Yospin]]>;
<![CDATA[Nurhuda, Asep]]>;
<![CDATA[Franz, Annafi]]>
<![CDATA[ JUSTINDO (Jurnal Sistem dan Teknologi Informasi Indonesia) Vol. 8 No. 1 (2023): JUSTINDO ]]>
Publisher : <![CDATA[Universitas Muhammadiyah Jember ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.32528/justindo.v8i1.202
<![CDATA[Beasiswa merupakan solusi untuk meningkatkan kapasitas sumber daya manusia melalui pendidikan dengan membantu meringankan biaya studi bagi siswa yang kurang mampu. SMA Tunas Bangsa Bontang merupakan sekolah swasta di Bontang, Kalimantan Timur yang menyediakan beasiswa bagi siswa, namun proses seleksi beasiswa yang dilakukan secara manual sering menimbulkan keluhan dari siswa yang tidak puas dengan hasilnya. Oleh karena itu, dibutuhkan sebuah sistem pendukung keputusan yang dapat membantu dalam proses seleksi beasiswa dengan menggunakan metode Analytical Hierarchy Process (AHP) dan Simple Additive Weighting (SAW). Tujuan dari penelitian ini adalah untuk merancang dan membuat sistem pendukung keputusan yang dapat memudahkan proses seleksi beasiswa dengan tingkat akurasi yang tinggi serta mempermudah Admin dalam mengelola data siswa. Melalui hasil pengujian metode, sistem pendukung keputusan yang diterapkan dalam studi ini telah berhasil menghasilkan keputusan yang sama dengan metode manual, hal ini menunjukkan bahwa sistem pendukung keputusan yang diterapkan telah dapat digunakan sebagai alat bantu dalam proses penerimaan beasiswa kurang mampu di SMA Tunas Bangsa Bontang. Selain itu, sistem ini juga dapat meningkatkan efisiensi dalam proses seleksi beasiswa dan memberikan hasil yang lebih transparan. Dengan demikian, diharapkan sistem pendukung keputusan yang diterapkan dapat meningkatkan kepuasan siswa terhadap proses seleksi beasiswa dan memberikan dukungan yang lebih baik dalam membantu siswa yang kurang mampu untuk mendapatkan pendidikan yang lebih baik.]]>
<![CDATA[Seleksi Penerimaan Beasiswa Dengan Metode K-Means Clustering Menggunakan Orange ]]>
<![CDATA[Silvana Nazuah]]>;
<![CDATA[Shofa Shofia Hilabi]]>;
<![CDATA[Agustia Hananto]]>;
<![CDATA[Baenil Huda]]>;
<![CDATA[Tukino]]>
<![CDATA[ JUSTINDO (Jurnal Sistem dan Teknologi Informasi Indonesia) Vol. 8 No. 1 (2023): JUSTINDO ]]>
Publisher : <![CDATA[Universitas Muhammadiyah Jember ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.32528/justindo.v8i1.212
<![CDATA[Beasiswa adalah insentif keuangan yang ditawarkan oleh pemerintah, industri swasta, kedutaan ataupun Lembaga pendidikan. Proses penyeleksian penerimaan beasiswa secara tidak terintegrasi sistem butuh waktu yang lama, tidak efektif dan butuh ketelitian yang tinggi. Oleh karena itu diperlukan suatu metode untuk membantu pihak sekolah dan staf TU dalam menentukan siswa yang layak menerima beasiswa pada tahun berikutnya. Penelitian ini menggunakan metode K-Means clustering dengan tools orange data mining dan mengelompokkannya menjadi 3 cluster. Data yang digunakan adalah data sampel sebanyak 120 data yang telah direkap dari setiap program keahlian. Hasil yang diperoleh penelitian ini adalah setiap cluster akan memiliki anggota masing-masing yaitu cluster 1 dengan presentase 48% memiliki 58 anggota, cluster 2 dengan presentase 33% memiliki 39 anggota dan cluster 3 dengan presentase 19% memiliki 23 anggota. Penelitian ini bertujuan untuk mengetahui jumlah siswa yang termasuk berhak menerima beasiswa, tidak berhak menerima, dan dipertimbangkan.]]>
<![CDATA[Model Awal Untuk Optimalisasi Kualitas Learning Management System Dalam Upaya Mendukung Transfer Of Knowledge Pada Penyelenggaraan Hybrid Learning Program Organisasi Penggerak ]]>
<![CDATA[R Reza El Akbar]]>;
<![CDATA[Herawati, Linda]]>;
<![CDATA[Sulastri, Heni]]>
<![CDATA[ JUSTINDO (Jurnal Sistem dan Teknologi Informasi Indonesia) Vol. 8 No. 1 (2023): JUSTINDO ]]>
Publisher : <![CDATA[Universitas Muhammadiyah Jember ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.32528/justindo.v8i1.215
<![CDATA[Kegiatan POP (Program Organisasi Penggerak) dilaksanakan selama tiga tahun dan saat ini telah selesai di tahun kedua. Kegiatan ini merupakan salah satu program kementerian Pendidikan dan Kebudaayaan Episode Keempat, dimana pemerintah berupaya untuk mendapatkan praktik baik dibidang Pendidikan dari organisasi masyarakat yang nantinya akan diterapkan di skala kabupaten atau kota, skala provinsi atau skala nasional. YSIC (Yayasan Sakata Innovation center) merupakan salah satu Yayasan yang mendapatkan kesempatan untuk berbagi praktik baik untuk melakukan Transfer of Knowledge dari Tim POP YSIC kepada guru dan kepala sekolah, untuk selanjutnya diterapkan kepada siswa di seolahnya masing-masing. Salah satu hal yang paling menetukan pada kegiatan ini yaitu adanya keberhasilan Transfer of Knowledge tersebut. Metode yang digunakan dalam Transfer of Knowledge yaitu menggunakan Model Hybrid Learning dengan menggunakan LMS (Learning Management System) yang telah dibuat pada tahun pertama kegiatan. Optimalisasi Kualitas LMS bisa dijadikan salah satu faktor yang akan mendukung proses Transfer of Knowledge. Tujuan penelitian pada tahap awal ini adalah membentuk model awal untuk pengukuran optimalisasi LMS pada platform LMS yang dibuat oleh YSIC pada tahun pertama. Penelitian ini merupakan rangkaian awal penelitian, yang sangat berkaitan dengan POP yang dilaksanakan oleh YSIC. Penelitian ini menggunakan metode pendekatan observasi dan wawancara dengan stakeholder dan perumusan model awal sebagai output pada penelitian ini menggunakan pendekatan Metode prototype. Hasil yang diperoleh berupa model awal pengukuran optimalisai LMS pada POP yang dilaksanakan oleh YSIC, model ini akan menjadi acuan pada penelitian lanjutan.]]>
<![CDATA[Penilaian Risiko Keamanan Informasi pada Website dengan Metode DREAD dan ISO 27005:2018 ]]>
<![CDATA[Gina Cahya Utami]]>;
<![CDATA[Aden Bahtiar Supramaji]]>;
<![CDATA[Khairunnisak Nur Isnaini]]>
<![CDATA[ JUSTINDO (Jurnal Sistem dan Teknologi Informasi Indonesia) Vol. 8 No. 1 (2023): JUSTINDO ]]>
Publisher : <![CDATA[Universitas Muhammadiyah Jember ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.32528/justindo.v8i1.219
<![CDATA[Risiko keamanan informasi dapat terjadi dimana saja, termasuk di dalam sebuah website. Salah satunya yaitu di website IITC. Risiko yang terjadi pada website IITC salah satunya didapati kesalahan dalam sistem upload berkas peserta yang mana berkas tersebut tidak masuk ke dalam penyimpanan, masalah ini masuk ke dalam aspek availability atau ketersediaan data, apabila data hilang maka dapat berpotensi mengakibatkan kerugian berupa proses bisnis dan penyelenggaraan acara terhambat . Dari risiko-risiko tersebut dilakukan penelitian yang bertujuan untuk melakukan penilaian risiko keamanan informasi pada website IITC. Metode yang digunakan yaitu DREAD dan ISO 27005:2018. Metode DREAD digunakan untuk melakukan penilaian risiko pada website yang terdiri dari proses identifikasi ancaman, dokumentasi ancaman, dan penilaian risiko. Metode ISO 27005:2018 dalam penelitian ini melengkapi proses dalam identifikasi ancamannya. Dari hasil penelitian, risiko paling tinggi pada website IITC ditemukan pada aspek keamanan informasi availability dengan kerusakan bagian upload berkas. Penilaian risiko mendapatkan nilai rata-rata sebesar 11,5 yang artinya masuk ke dalam tingkat sedang, sehingga dapat diartikan bahwa website IITC masih dapat digunakan namun butuh beberapa prioritas perbaikan. Saran penelitian selanjutnya yaitu membahas risiko keamanan informasi berdasarkan aset-aset pada website, identifikasi risiko menggunakan tools atau software, dan proses penilaian menggunakan framework lain.]]>
<![CDATA[Deteksi Kemacetan dengan Deep Learning YOLOv4 dan Euclidean Distance Tracker pada Jalan Raya di Kota Medan ]]>
<![CDATA[Manurung, Jeremia]]>;
<![CDATA[Azizi, Nur]]>;
<![CDATA[Anastasya, Disty]]>;
<![CDATA[Valentino, Nicholas]]>;
<![CDATA[Sanjaya, Aditia]]>;
<![CDATA[Saputra, Kana]]>
<![CDATA[ JUSTINDO (Jurnal Sistem dan Teknologi Informasi Indonesia) Vol. 8 No. 1 (2023): JUSTINDO ]]>
Publisher : <![CDATA[Universitas Muhammadiyah Jember ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.32528/justindo.v8i1.220
<![CDATA[Kemacetan lalu lintas di Kota Medan menyebabkan waktu yang hilang sebesar 35,6 menit per hari untuk sepeda motor dan 48,5 menit per hari untuk mobil. Total biaya kemacetan di Kota Medan mencapai Rp. 22.535.355.867/tahun. Dengan adanya pendeteksian kemacetan secara realtime maka diharapkan dapat mengurangi kemacetan lalu lintas apabila diintegrasikan dengan sistem pengatur lalu lintas. Penelitian ini menerapkan metode Deep Learning YOLO versi 4 Euclidean Distance Tracker. YOLOv4 digunakan untuk mendeteksi objek seperti mobil, motor, bus, dan becak. Euclidean Distance Tracker digunakan untuk melacak perpindahan objek yang telah dideteksi oleh YOLOv4. Adapun data yang digunakan adalah data lalu lintas berupa video dari CCTV yang disediakan oleh Pemerintah Kota Medan, Sumatera Utara. Dari hasil penelitian ini dapat diambil kesimpulan YOLOv4 dapat digunakan untuk mendeteksi kendaraan yang memiliki jarak kendaraan yang cukup antara kendaraan yang satu dengan kendaraan yang lainnya (Akurasi 61,3%). Dengan mengintegrasikan Euclidean Distance Tracker, pendeteksi kemacetan memiliki hasil akurasi maksimum (Akurasi 100%) pada sample frame yang diuji.]]>
