cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
-
Contact Email
-
Phone
-
Journal Mail Official
-
Editorial Address
-
Location
Kota yogyakarta,
Daerah istimewa yogyakarta
INDONESIA
Jurnal Buana Informatika
Published by Universitas Atma Jaya Yogyakarta
ISSN : 20872534     EISSN : 20897642     DOI : -
Core Subject : Science,
Computer Science & IT
Arjuna Subject : -
Articles 594 Documents
 11   12   13   14   15 
Implementasi Data Mining Dalam Menganalisis Tingkat Kepuasan Pelanggan Menggunakan Metode Rough Set Sari, Febrina
Jurnal Buana Informatika Vol 8, No 1 (2017): Jurnal Buana Informatika Volume 8 Nomor 1 Januari 2017
Publisher : Universitas Atma Jaya Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24002/jbi.v8i1.1071

Abstract

Abstract. PT. Pusako Tarinka is a company engaged in lodging services. The company always tries to maintain a good reputation for its customers. Good quality service will give better satisfaction to the customers who use the services of the company. However, the company does not have a measuring tool to determine the level of customer satisfaction with the services rendered. Rough set is one method of data mining related to analysis and data classification categories and aims to synthesize approach to the concept of a table of data obtained. Rough set discovers hidden relationships of the data set and reduct classification attributes of a series of attributes, and reduct will produce general rule. The results illustrate that the level of customer satisfaction confidence is a major factor in determining the level of customer satisfaction which is then supported by the integrity, pride, and passion.Keywords: Data Mining, Rough Set, Customer Satisfaction.Abstrak. PT. Pusako Tarinka merupakan perusahaan yang bergerak di bidang jasa. Kegiatan utama PT. Pusako Tarinka adalah memberikan pelayanan jasa penginapan. Perusahaan selalu berusaha untuk mempertahankan reputasi yang baik di mata pelanggannya. Kualitas pelayanan yang baik akan memberikan kepuasan lebih kepada pelanggan yang menggunakan jasa perusahaan tersebut. Namun perusahaan tidak memiliki alat ukur untuk mengetahui tingkat kepuasan pelanggan terhadap pelayanan yang telah diberikan. Rough Set merupakan salah satu metode data mining yang berkaitan dengan analisis kategori dan klasifikasi data dan bertujuan untuk mensintesis pendekatan konsep dari tabel data yang diperoleh. Rough set menemukan hubungan tersembunyi dari kumpulan data dan reduct atribut dari serangkaian klasifikasi atribut, dan reduct tersebut akan menghasilkan general rule. Hasil rule tingkat kepuasan pelanggan menggambarkan bahwa confidence (kepercayaan) adalah dimensi utama dalam penentuan tingkat kepuasan pelanggan yang kemudian didukung oleh integrity (integritas), pride (kebanggaan), dan passion (keinginan).Kata kunci: Data Mining, Rough Set, Kepuasan Pelanggan.
Analisis Strategi Pemasaran Dengan Media Sosial Produk Kuliner Usaha Kecil dan Menengah di Pekanbaru Sukri, Sukri; Arisandi, Diki
Jurnal Buana Informatika Vol 8, No 4 (2017): Jurnal Buana Informatika Volume 8 Nomor 4 Oktober 2017
Publisher : Universitas Atma Jaya Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (350.925 KB) | DOI: 10.24002/jbi.v8i4.1447

Abstract

Abstract.Pekanbaru is a big city with many culinary businesses. To increase the sales income, enterprises utilize social media as their marketing strategy. This research was about a social media analysis for marketing culinary products in small and medium enterprises by using Structural Equation Modelling. Variables in this research are social media selection, information update, response to buyer, quality and price as variable x to culinary business marketing as variable y. The primary data were collected  from questionnaires filled by culinary entrepreneurs in Pekanbaru. The results show that the RMSEA = 0.08, AGFI = 0.705, CMIN / DF = 1.834, TLI = 0.813 and CFI = 0.843. From the results of these measurements, it can be concluded that there are six components of measurement values that are acceptable, so the final result in this study is all the variables X has a positive influence on the variable Y.Keywords: Social Media, Culinary Product, Small and Medium Businesses, Structural Equation Modelling Abstrak. Analisis Strategi Pemasaran Dengan Media Sosial Produk Kuliner Usaha Kecil dan Menengah di Pekanbaru. Pekanbaru merupakan kota besar yang banyak bisnis kulinernya. Untuk meningkatkan penjualan, pengusaha kuliner memanfaatkan media sosial sebagai strategi pemasarannya. Penelitian ini tentang analisis media sosial untuk pemasaran produk kuliner pada usaha kecil dan menengah dengan menggunakan metode pemodelan persamaan struktural. Variabel yang digunakan adalah pemilihan media sosial, update informasi, respon terhadap pembeli, kualitas dan harga sebagai variabel x terhadap pemasaran bisnis kuliner sebagai variabel y. Pengambilan data dari kuesioner yang diisi oleh pengusaha kuliner di Pekanbaru. Hasil penelitian menunjukkan bahwa nilai RMSEA=0,08, AGFI=0,705, CMIN / DF=1,834, TLI=0,813 dan CFI=0,843. Dari hasil pengukuran tersebut dapat disimpulkan bahwa ada enam komponen nilai pengukuran dapat dinyatakan dapat diterima, sehingga hasil akhir dalam penelitian ini adalah semua variabel X memiliki pengaruh positif terhadap variabel Y.Kata kunci: Media Sosial, Produk Kuliner, Usaha Kecil dan Menengah, Structural Equation Modelling
Average Weight Information Gain Untuk Menangani Data Berdimensi Tinggi Menggunakan Algoritma C4.5 Suntoro, Joko; Indah, Cahya Nurani
Jurnal Buana Informatika Vol 8, No 3 (2017): Jurnal Buana Informatika Volume 8 Nomor 3 Juli 2017
Publisher : Universitas Atma Jaya Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (300.453 KB) | DOI: 10.24002/jbi.v8i3.1315

Abstract

Abstract. In the recent decades, a large data are stored by companies and organizations. In terms of use, big data will be useless if not processed into information according to the usability. The method used to process data into information is called data mining. The problem in data mining especially classification is data with a number of attributes that many and each attribute are irrelevant. This study proposes attribute weighting method using weight information gain method, then the attribute weights calculates the average value. Having calculated the average value of the attribute selection, the selected attributes are those with a value weights above average value. Attributes are selected then performed using an algorithm C4.5 classification, this method is named Average Weight Information Gain  C4.5 (AWEIG-C4.5). The results show that AWEIG-C4.5 method is better than C4.5 method with the accuracy of the average value of each is 0.906 and 0.898. Keywords: data mining, high dimensional data, weight information gain, C4.5 algorithmAbstrak. Dalam beberapa dekade terakhir, data yang besar disimpan oleh perusahaan dan organisasi. Dari segi penggunaan, data besar tersebut akan menjadi tidak berguna jika tidak diolah menjadi informasi yang sesuai dengan kegunaan. Metode yang digunakan untuk mengolah data menjadi informasi adalah data mining. Masalah dalam data mining khususnya klasifikasi adalah data dengan jumlah atribut yang banyak atau dalam bahasa komputer disebut data berdimensi tinggi. Pada penelitian ini diusulkan metode pembobotan atribut menggunakan metode weight information gain, kemudian bobot atribut tersebut dihitung nilai rata-rata. Setelah dihitung nilai rata-rata dilakukan pemilihan atribut, atribut yang dipilih adalah atribut dengan nilai bobot di atas nilai rata-rata. Atribut yang terpilih kemudian dilakukan klasifikasi menggunakan algoritma C4.5, metode ini diberi nama Average Weight Information Gain C4.5 (AWEIG-C4.5). Hasil penelitian menunjukkan metode AWEIG-C4.5 lebih baik daripada metode C4.5 dengan nilai rata-rata akurasi masing-masing adalah 0,906 dan 0,898. Dari uji paired t-Test terdapat perbedaan signifikan antara metode AWEIG C4.5 dengan metode C4.5.Kata Kunci: data mining, data berdimensi tinggi, weight information gain, algoritma C4.5
Perbandingan Performa Relational, Document-Oriented dan Graph Database Pada Struktur Data Directed Acyclic Graph Setialana, Pradana; Adji, Teguh Bharata; Ardiyanto, Igi
Jurnal Buana Informatika Vol 8, No 2 (2017): Jurnal Buana Informatika Volume 8 Nomor 2 April 2017
Publisher : Universitas Atma Jaya Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24002/jbi.v8i2.1079

Abstract

Abstract.Directed Acyclic Graph (DAG) is a directed graph which is not cyclic and is usually employed in social network and data genealogy. Based on the characteristic of DAG data, a suitable database type should be evaluated and then chosen as a platform. A performance comparison among relational database (PostgreSQL), document-oriented database (MongoDB), and graph database (Neo4j) on a DAG dataset are then conducted to get the appropriate database type. The performance test is done on Node.js running on Windows 10 and uses the dataset that has 3910 nodes in single write synchronous (SWS) and single read (SR). The access performance of PostgreSQL is 0.64ms on SWS and 0.32ms on SR, MongoDB is 0.64ms on SWS and 4.59ms on SR, and Neo4j is 9.92ms on SWS and 8.92ms on SR. Hence, relational database (PostgreSQL) has better performance in the operation of SWS and SR than document-oriented database (MongoDB) and graph database (Neo4j).Keywords: database performance, directed acyclic graph, relational database, document-oriented database, graph database Abstrak.Directed Acyclic Graph (DAG) adalah graf berarah tanpa putaran yang dapat ditemui pada data jejaring sosial dan silsilah keluarga. Setiap jenis database memiliki performa yang berbeda sesuai dengan struktur data yang ditangani. Oleh karena itu perlu diketahui database yang tepat khususnya untuk data DAG. Tujuan penelitian ini adalah membandingkan performa dari relational database (PostgreSQL), document-oriented database (MongoDB) dan graph database (Neo4j) pada data DAG. Metode yang dilakukan adalah mengimplentasi dataset yang memiliki 3910 node dalam operasi single write synchronous (SWS) dan single read (SR) pada setiap database menggunakan Node.js dalam Windows 10. Hasil pengujian performa PostgreSQL dalam operasi SWS sebesar 0.64ms dan SR sebesar 0.32ms, performa MongoDB pada SWS sebesar 0.64ms dan SR sebesar 4.59ms sedangkan performa Neo4j pada operasi SWS sebesar 9.92ms dan SR sebesar 8.92ms. Hasil penelitian menunjukan bahwa relational database (PostgreSQL) memiliki performa terbaik dalam operasi SWS dan SR dibandingkan document-oriented database (MongoDB) dan graph database (Neo4j).Kata Kunci: performa database, directed acyclic graph, relational database, document-oriented database, graph database
SISTEM CERDAS PENDUGAAN SALINITAS AIR LAUT BERDASARKAN CITRA LANDSAT MENGGUNAKAN METODE Adaptive Neuro Fuzzy Inference System ( ANFIS ) Walid, Miftahul; Darmawan, Aang Kisnu
Jurnal Buana Informatika Vol 9, No 1 (2018): Jurnal Buana Informatika Volume 9 Nomor 1 April 2018
Publisher : Universitas Atma Jaya Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24002/jbi.v9i1.1283

Abstract

Abstract. The purpose of this research is to predict the sea surfce salinity, so that it can be used as refractory material for salt production. Salinity is the soluble salt content in water and the suitable the salinity standard in salt industry will give an impact on the quality of the salt produced. The method of this research is Adaptive Neuro Fuzzy Inference System (ANFIS). The system in this research works by extracting landsat 8 image to produce some value variable which is used as dataset in ANFIS system such as red , green, blue, Longitude and Latitude value. Its dataset will be divided to training and testing data. Training data is used to train the ANFIS system while testing data is used to measure the prediction accuracy resulted by ANFIS. in order to know the level of accuracy by using Root Means Square Error ( RMSE ) method is used to measure the accuracy level. The system has been able to make predictions with error rate of 2,0267 in average.Keywords: Salinity, Landsat Image, Smart System, ANFIS.Abstrak. Penelitian ini bertujuan untuk memprediksi salinitas air laut yang bisa dijadikan sebagai bahan refrensi untuk produksi garam. Salinitas adalah kadar garam terlarut dalam air, dengan salinitas yang sesuai standart dalam industri garam akan berdampak pada kualitas garam yang dihasilkan. Metode yang digunakan dalam penelitian ini adalah Adaptive Neuro Fuzzy Inference System ( ANFIS ). Sistem kerja dalam penelitian ini dengan mengekstraksi citra landsat 8 sehingga menghasilkan beberapa variabel yang dijadikan sebagai dataset dalam sistem ANFIS diantaranya adalah variabel red, green, blue, Longitude dan Latitude. Dataset tersebut akan dibagi menjadi data Training dan data Testing. Data Training digunakan untuk melatih sistem ANFIS sedangkan data Testing digunakan untuk mengukur akurasi prediksi yang dihasilkan oleh ANFIS. Pengukuran tingkat akurasi menggunakan metode Root Means Square Error ( RMSE ). Sistem yang dibuat telah mampu melakukan prediksi dengan tingkat error rata – rata 2,0267.Kata Kunci: Salinitas, Citra Landsat, Sistem Cerdas, ANFIS.
Segmentasi Citra Sapi Berbasis Deteksi Tepi Menggunakan Algoritma Canny Edge Detection Mustafid, Ahmad; 'Uyun, Shofwatul
Jurnal Buana Informatika Vol 8, No 1 (2017): Jurnal Buana Informatika Volume 8 Nomor 1 Januari 2017
Publisher : Universitas Atma Jaya Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24002/jbi.v8i1.1074

Abstract

Abstract. The determination of the cattle price is generally agreed through bargaining, it is not based on the weight of the cows being sold. Most people mainly use rough calculation. There are formulas to calculate the weight but they require perimeter information of chest size and body length. It is necessary to measure the cow manually, but in reality it is not easy to do because the cow is difficult to control. Therefore, it requires a tool that can help measure easily. This article represents the early stages of research to determine the weight of cows from the cow image acquisition. It focuses on segmentation and image processing. The image acquisition results are processed using five scenarios. The results of the evaluation show that scenario 3 (Median Blur and Canny) has the best result with the value of 230,051 MSE and 24,524 dB PSNR.Keywords: Edge Detection, Canny, Segmentation, Cow, Image Processing Abstrak. Penentuan harga sapi umumnya disepakati melalui tawar menawar bukan didasarkan pada bobot sapi yang dijual. Kebanyakan menggunakan perhitungan secara kasar maupun secara kira-kira. Terdapat rumus untuk menghitung bobot sapi, rumus yang ada memerlukan informasi terkait lingkar dada dan panjang badan. Untuk mendapatkan nilai lingkar dada dan panjang badan perlu dilakukan pengukuran secara manual, namun di lapangan hal tersebut tidak mudah dilakukan karena sapi sulit dikondisikan. Oleh karena itu diperlukan alat yang dapat mengukur secara mudah. Tulisan ini merupakan tahap awal dari penelitian untuk menentukan bobot sapi dari hasil akuisisi citra sapi. Oleh sebab itu pada tahap awal ini difokuskan pada segmentasi serta pengolahan citra sapi untuk menentukan deteksi tepi terbaik yang nantinya digunakan pada penelitian selanjutnya. Citra sapi hasil akuisisi diproses menggunakan lima buah skenario deteksi tepi. Hasil evaluasi menujukkan bahwa Skenario 3 (Median Blur dan Canny) memiliki hasil yang terbaik dengan nilai MSE sebesar 230.051 dan PSNR sebesar 24.524 dB.Kata Kunci: Deteksi Tepi, Canny, Segmentasi, Sapi, Pengolahan Citra Digital.
Analisis Perubahan Tata Guna Lahan di Kabupaten Bantul Menggunakan Metode Global Moran’s I Rumetna, Matheus Supriyanto; Sediyono, Eko; Hartomo, Kristoko Dwi
Jurnal Buana Informatika Vol 8, No 4 (2017): Jurnal Buana Informatika Volume 8 Nomor 4 Oktober 2017
Publisher : Universitas Atma Jaya Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (528.568 KB) | DOI: 10.24002/jbi.v8i4.1446

Abstract

Abstract. Bantul Regency is a part of Yogyakarta Special Province Province which experienced land use changes. This research aims to assess the changes of shape and level of land use, to analyze the pattern of land use changes, and to find the appropriateness of RTRW land use in Bantul District in 2011-2015. Analytical methods are employed including Geoprocessing techniques and analysis of patterns of distribution of land use changes with Spatial Autocorrelation (Global Moran's I). The results of this study of land use in 2011, there are thirty one classifications, while in 2015 there are thirty four classifications. The pattern of distribution of land use change shows that land use change in 2011-2015 has a Complete Spatial Randomness pattern. Land use suitability with the direction of area function at RTRW is 24030,406 Ha (46,995406%) and incompatibility of 27103,115 Ha or equal to 53,004593% of the total area of Bantul Regency.Keywords: Geographical Information System, Land Use, Geoprocessing, Global Moran's I, Bantul Regency. Abstrak. Analisis Perubahan Tata Guna Lahan di Kabupaten Bantul Menggunakan Metode Global Moran’s I. Kabupaten Bantul merupakan bagian dari Provinsi Daerah Istimewa Yogyakarta yang mengalami perubahan tata guna lahan. Penelitian ini bertujuan untuk mengkaji perubahan bentuk dan luas penggunaan lahan, menganalisis pola sebaran perubahan tata guna lahan, serta kesesuaian tata guna lahan terhadap RTRW yang terjadi di Kabupaten Bantul pada tahun 2011-2015. Metode analisis yang digunakan antara lain teknik Geoprocessing serta analisis pola sebaran perubahan tata guna lahan dengan Spatial Autocorrelation (Global Moran’s I). Hasil dari penelitian ini adalah penggunaan tanah pada tahun 2011, terdapat tiga puluh satu klasifikasi, sedangkan pada tahun 2015 terdapat tiga puluh empat klasifikasi. Pola sebaran perubahan tata guna lahan menunjukkan bahwa perubahan tata guna lahan tahun 2011-2015 memiliki pola Complete Spatial Randomness. Kesesuaian tata guna lahan dengan arahan fungsi kawasan pada RTRW adalah seluas 24030,406 Ha atau mencapai 46,995406 % dan ketidaksesuaian seluas 27103,115 Ha atau sebesar 53,004593 % dari total luas wilayah Kabupaten Bantul. Kata Kunci: Sistem Informasi Georafis, tata guna lahan, Geoprocessing, Global Moran’s I, Kabupaten Bantul.
Location-Based Service Pada Aplikasi Pemesanan Cokelat Untuk Pengelolaan Stok dan Pemantauan Merchandiser Romanov, Arroyando Pristison; Dewi, Findra Kartika Sari; Sidhi, Thomas Adi Purnomo
Jurnal Buana Informatika Vol 8, No 3 (2017): Jurnal Buana Informatika Volume 8 Nomor 3 Juli 2017
Publisher : Universitas Atma Jaya Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (627.578 KB) | DOI: 10.24002/jbi.v8i3.1316

Abstract

Abstract. In marketing chocolate products, PT Anugerah Mulia Indobel has a showroom to display products manufactured. It also cooperates with several merchants to market their products. The products are distributed to those merchants periodically. To manage the stock at the merchants, the company has special staff that merchants can visit on a predefined schedule. Recording of the stock and order transaction, as well as reporting were still done manually, and there was no system to monitor the merchandiser. Therefore, it required an application to record stock, order transaction, order reports, and monitor merchandiser. Application built for these purposes is a mobile-based application on Android platform that uses location-based services to help the process of transactions recording and merchandiser monitoring.Keywords: product ordering, recording stock, transaction reporting, monitoring merchandisers, Location-Based ServiceAbstrak. Dalam memasarkan produk cokelatnya, PT Anugerah Mulia Indobel memiliki showroom untuk menampilkan produk yang diproduksi serta melakukan kerjasama dengan beberapa merchant untuk memasarkan produknya. Produk didistribusikan ke merchant-merchant tersebut secara berkala. Untuk mengelola data stok pada merchant, perusahaan menugaskan staff khusus yaitu Merchandiser yang akan mengunjungi setiap merchant pada jadwal yang sudah ditetapkan. Pencatatan stok, pemesanan produk, serta pelaporan masih dilakukan secara manual, dan belum ada sistem untuk memantau Merchandiser. Oleh karena itu, dibutuhkan aplikasi yang dapat membantu mengelola data stok, mencatat transaksi pemesanan, membuat laporan order, dan memantau Merchandiser. Aplikasi yang dibuat merupakan aplikasi berbasis mobile pada platform Android yang menggunakan Location-Based Service untuk membantu proses pencatatan transaksi serta pemantauan Merchandiser.Kata kunci: pemesanan produk, pencatatan stok, pelaporan transaksi, pemantauan merchandiser, Location-Based Service
Autonomous Cognitive Leveling Game Pada Serious Game Menggunakan Particle Swarm Optimization Subiyantoro, Eko; Azhari, Azhari
Jurnal Buana Informatika Vol 8, No 2 (2017): Jurnal Buana Informatika Volume 8 Nomor 2 April 2017
Publisher : Universitas Atma Jaya Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24002/jbi.v8i2.1080

Abstract

Abstract. Serious games containing the pedagogical aspects and as part of the device/media e-learning support the learning process. Besides, the learning method uses the game are better than the conventional learning, because learning materials that involve animation in the game will enable long-term memory of students. Particle swarm optimization (PSO) method offers a search procedure based on a population consisting of individuals called particles that change their position with respect to time. PSO, by way of initializing the position and velocity of a particle, calculates the fitness function of the solution and updates the position and velocity of a particle to a stop condition are found. The design of PSO on the problem of autonomous cognitive levels of the game on a serious game with a permutation is proposed by using the fitness function the distance between xi+1 (cognitive level game) with xi (cognitive pre-test). The expected outcome of this research is the sequence of levels completed in accordance with the needs of the learner.Keywords: Serious game, cognitive, pso Abstrak. Serious game sangat mendukung proses pembelajaran melalui permainan yang mengandung aspek pedagogis dan merupakan bagian dari alat/media e-learning. Selain itu metode pembelajaran menggunakan permainan lebih baik dibandingkan dengan pembelajaran konvensional, karena animasi materi pembelajaran dalam permainan akan mengaktifkan ingatan jangka panjang siswa.Metode particle swarm optimization (PSO) menawarkan suatu prose­dur pen­­ca­rian berdasar pada populasi yang terdiri atas individu-individu yang di­se­but par­­tikel, mengubah posisi mereka terhadap waktu. PSO dengan cara melakukan inisialisasi posisi dan kecepatan particle, menghitung fungsi fitness dari solusi dan mengupdate posisi dan kecepatan particle sampai kondisi berhenti ditemukan.Perancanagan PSO pada permasalahan autonomus cognitive level game pada serious game diusulkan menggunakan permutasi dengan fungsi fitness jarak antara xi+1(cognitive level game) dengan xi (cognitive pre-test).Hasil yang diharapkan dari penelitian ini adalah adanya urutan level game yang sesuai dengan kebutuhan pembelajar.Kata Kunci: Serious game, cognitive, pso 
Pengembangan Sistem Informasi Portal Alumni dengan Tracer Study dan Survey Pengguna Alumni Universitas Atma Jaya Yogyakarta Hetty Primasari, Clara
Jurnal Buana Informatika Vol 9, No 1 (2018): Jurnal Buana Informatika Volume 9 Nomor 1 April 2018
Publisher : Universitas Atma Jaya Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (548.606 KB) | DOI: 10.24002/jbi.v9i1.1498

Abstract

Abstract. The role of alumni is very important for the education institution. One of the indicators of the quality of a college is the quality of alumni. Because of the importance of the alumni's role, a university should have a medium to connect alumni with their almamater, either with fellow alumni, with lecturers, or with college students in university. Universitas Atma Jaya Yogyakarta previuosly has a system called SIMPONI to manage the alumni, but the existing system is still limited in terms of functionality and there is no tracer study function to find out educational outcomes and performance of alumni at the company. Development of Alumni Simponi Information Portal System is done by using Microsoft Visual Studio 2010 and Microsoft SQL Server 2008 R2. The programming language used is C #. SIMPONI is expected to be able to contribute in improving the credibility and continuity of educational institution.Keywords: Alumni portal information system, tracer study, alumni user survey.Abstrak. Peran alumni sangat penting untuk lembaga pendidikan. Salah satu indikator kualitas suatu perguruan tinggi adalah kualitas alumninya. Karena pentingnya peran alumni, alangkah baiknya jika perguruan tinggi memiliki sarana untuk menghubungkan alumni dengan almamaternya, baik dengan sesama alumni, dosen, maupun dengan mahasiswa perguruan tinggi yang bersangkutan. Universitas Atma Jaya Yogyakarta telah memiliki sebuah sistem bernama SIMPONI untuk melakukan pengelolaan alumni tersebut, akan tetapi sistem yang ada terbatas dari segi fungsionalitasnya serta belum ada tracer study untuk mengetahui outcome pendidikan dalam bentuk transisi dari dunia pendidikan tinggi ke dunia kerja dan fasilitas survey pengguna alumni yang diisi oleh perusahaan untuk mengetahui kinerja alumni. Sistem Informasi Portal Alumni UAJY dikembangkan dengan menggunakan Microsoft Visual Studio 2010 dan Microsoft SQL Server 2008 R2. Bahasa pemrograman yang digunakan adalah C#. Diharapkan dengan melakukan pengembangan fungsionalitas, SIMPONI sebagai sistem portal alumni Universitas Atma Jaya Yogyakarta mampu memberi sumbangsih dalam peningkatan kredibilitas dan kelangsungan institusi pendidikan tersebut.Kata Kunci: Sistem informasi portal alumni, tracer study, survey pengguna alumni.

Page 13 of 60 | Total Record : 594

 11   12   13   14   15 

Filter by Year

2010 2025


Reset
Filter By Issues
All Issue Vol. 16 No. 01 (2025): Jurnal Buana Informatika, Volume 16, Nomor 01, April 2025 Vol. 16 No. 2 (2025): Jurnal Buana Informatika, Volume 16, Nomor 02, Oktober 2025 Vol. 15 No. 01 (2024): Jurnal Buana Informatika, Volume 15, Nomor 01, April 2024 Vol. 15 No. 2 (2024): Jurnal Buana Informatika, Volume 15, Nomor 02, Oktober 2024 Vol. 14 No. 02 (2023): Jurnal Buana Informatika, Volume 14, Nomor 2, Oktober 2023 Vol. 14 No. 01 (2023): Jurnal Buana Informatika, Volume 14, Nomor 1, April 2023 Vol. 13 No. 02 (2022): Jurnal Buana Informatika, Volume 13, Nomor 2, Oktober 2022 Vol. 13 No. 1 (2022): Jurnal Buana Informatika, Volume 13, Nomor 1, April 2022 Vol 12, No 2 (2021): Jurnal Buana Informatika Volume 12 - Nomor 2 - Oktober 2021 Vol. 12 No. 2 (2021): Jurnal Buana Informatika Volume 12 - Nomor 2 - Oktober 2021 Vol 12, No 1 (2021): Jurnal Buana Informatika Volume 12 - Nomor 1 - April 2021 Vol. 12 No. 1 (2021): Jurnal Buana Informatika Volume 12 - Nomor 1 - April 2021 Vol. 11 No. 2: Vol 11, No 2 (2020): Jurnal Buana Informatika Volume 11 - Nomor 2 - Okober 2020 Vol 11, No 2: Vol 11, No 2 (2020): Jurnal Buana Informatika Volume 11 - Nomor 2 - Okober 2020 Vol 11, No 1 (2020): Jurnal Buana Informatika Volume 11 - Nomor 1 - April 2020 Vol. 11 No. 1 (2020): Jurnal Buana Informatika Volume 11 - Nomor 1 - April 2020 Vol. 10 No. 2 (2019): Jurnal Buana Informatika Volume 10 Nomor 2 Oktober 2019 Vol 10, No 2 (2019): Jurnal Buana Informatika Volume 10 Nomor 2 Oktober 2019 Vol 10, No 1 (2019): Jurnal Buana Informatika Volume 10 Nomor 1 April 2019 Vol. 10 No. 1 (2019): Jurnal Buana Informatika Volume 10 Nomor 1 April 2019 Vol 9, No 2 (2018): Jurnal Buana Informatika Volume 9 Nomor 2 Oktober 2018 Vol. 9 No. 2 (2018): Jurnal Buana Informatika Volume 9 Nomor 2 Oktober 2018 Vol. 9 No. 1 (2018): Jurnal Buana Informatika Volume 9 Nomor 1 April 2018 Vol 9, No 1 (2018): Jurnal Buana Informatika Volume 9 Nomor 1 April 2018 Vol. 8 No. 4 (2017): Jurnal Buana Informatika Volume 8 Nomor 4 Oktober 2017 Vol 8, No 4 (2017): Jurnal Buana Informatika Volume 8 Nomor 4 Oktober 2017 Vol 8, No 3 (2017): Jurnal Buana Informatika Volume 8 Nomor 3 Juli 2017 Vol. 8 No. 3 (2017): Jurnal Buana Informatika Volume 8 Nomor 3 Juli 2017 Vol. 8 No. 2 (2017): Jurnal Buana Informatika Volume 8 Nomor 2 April 2017 Vol 8, No 2 (2017): Jurnal Buana Informatika Volume 8 Nomor 2 April 2017 Vol. 8 No. 1 (2017): Jurnal Buana Informatika Volume 8 Nomor 1 Januari 2017 Vol 8, No 1 (2017): Jurnal Buana Informatika Volume 8 Nomor 1 Januari 2017 Vol 7, No 4 (2016): Jurnal Buana Informatika Volume 7 Nomor 4 Oktober 2016 Vol. 7 No. 4 (2016): Jurnal Buana Informatika Volume 7 Nomor 4 Oktober 2016 Vol 7, No 3 (2016): Jurnal Buana Informatika Volume 7 Nomor 3 Juli 2016 Vol. 7 No. 3 (2016): Jurnal Buana Informatika Volume 7 Nomor 3 Juli 2016 Vol 7, No 2 (2016): Jurnal Buana Informatika Volume 7 Nomor 2 April 2016 Vol. 7 No. 2 (2016): Jurnal Buana Informatika Volume 7 Nomor 2 April 2016 Vol 7, No 1 (2016): Jurnal Buana Informatika Volume 7 Nomor 1 Januari 2016 Vol. 7 No. 1 (2016): Jurnal Buana Informatika Volume 7 Nomor 1 Januari 2016 Vol 6, No 4 (2015): Jurnal Buana Informatika Volume 6 Nomor 4 Oktober 2015 Vol 6, No 4 (2015): Jurnal Buana Informatika Volume 6 Nomor 4 Oktober 2015 Vol. 6 No. 4 (2015): Jurnal Buana Informatika Volume 6 Nomor 4 Oktober 2015 Vol. 6 No. 3 (2015): Jurnal Buana Informatika Volume 6 Nomor 3 Juli 2015 Vol 6, No 3 (2015): Jurnal Buana Informatika Volume 6 Nomor 3 Juli 2015 Vol 6, No 3 (2015): Jurnal Buana Informatika Volume 6 Nomor 3 Juli 2015 Vol 6, No 2 (2015): Jurnal Buana Informatika Volume 6 Nomor 2 April 2015 Vol. 6 No. 2 (2015): Jurnal Buana Informatika Volume 6 Nomor 2 April 2015 Vol 6, No 2 (2015): Jurnal Buana Informatika Volume 6 Nomor 2 April 2015 Vol 6, No 1 (2015): Jurnal Buana Informatika Volume 6 Nomor 1 Januari 2015 Vol 6, No 1 (2015): Jurnal Buana Informatika Volume 6 Nomor 1 Januari 2015 Vol. 6 No. 1 (2015): Jurnal Buana Informatika Volume 6 Nomor 1 Januari 2015 Vol. 5 No. 2 (2014): Jurnal Buana Informatika Volume 5 Nomor 2 Juli 2014 Vol 5, No 2 (2014): Jurnal Buana Informatika Volume 5 Nomor 2 Juli 2014 Vol 5, No 1 (2014): Jurnal Buana Informatika Volume 5 Nomor 1 Januari 2014 Vol. 5 No. 1 (2014): Jurnal Buana Informatika Volume 5 Nomor 1 Januari 2014 Vol 5, No 1 (2014): Jurnal Buana Informatika Volume 5 Nomor 1 Januari 2014 Vol 4, No 2 (2013): Jurnal Buana Informatika Volume 4 Nomor 2 Juli 2013 Vol 4, No 2 (2013): Jurnal Buana Informatika Volume 4 Nomor 2 Juli 2013 Vol. 4 No. 2 (2013): Jurnal Buana Informatika Volume 4 Nomor 2 Juli 2013 Vol. 4 No. 1 (2013): Jurnal Buana Informatika Volume 4 Nomor 1 Januari 2013 Vol 4, No 1 (2013): Jurnal Buana Informatika Volume 4 Nomor 1 Januari 2013 Vol 4, No 1 (2013): Jurnal Buana Informatika Volume 4 Nomor 1 Januari 2013 Vol 3, No 2 (2012): Jurnal Buana Informatika Volume 3 Nomor 2 Juli 2012 Vol 3, No 2 (2012): Jurnal Buana Informatika Volume 3 Nomor 2 Juli 2012 Vol. 3 No. 2 (2012): Jurnal Buana Informatika Volume 3 Nomor 2 Juli 2012 Vol 3, No 1 (2012): Jurnal Buana Informatika Volume 3 Nomor 1 Januari 2012 Vol. 3 No. 1 (2012): Jurnal Buana Informatika Volume 3 Nomor 1 Januari 2012 Vol 3, No 1 (2012): Jurnal Buana Informatika Volume 3 Nomor 1 Januari 2012 Vol. 2 No. 2 (2011): Jurnal Buana Informatika Volume 2 Nomor 2 Juli 2011 Vol 2, No 2 (2011): Jurnal Buana Informatika Volume 2 Nomor 2 Juli 2011 Vol 2, No 2 (2011): Jurnal Buana Informatika Volume 2 Nomor 2 Juli 2011 Vol 2, No 1 (2011): Jurnal Buana Informatika Volume 2 Nomor 1 Januari 2011 Vol 2, No 1 (2011): Jurnal Buana Informatika Volume 2 Nomor 1 Januari 2011 Vol. 2 No. 1 (2011): Jurnal Buana Informatika Volume 2 Nomor 1 Januari 2011 Vol 1, No 2 (2010): Jurnal Buana Informatika Volume 1 Nomor 2 Juli 2010 Vol. 1 No. 2 (2010): Jurnal Buana Informatika Volume 1 Nomor 2 Juli 2010 Vol 1, No 2 (2010): Jurnal Buana Informatika Volume 1 Nomor 2 Juli 2010 Jurnal Buana Informatika Volume 1 Nomor 1 Januari 2010 Jurnal Buana Informatika Volume 1 Nomor 1 Januari 2010 More Issue