cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Jati Sasongko Wibowo
Contact Email
jatisw@edu.unisbank.ac.id
Phone
+6281325297663
Journal Mail Official
dinamik@edu.unisbank.ac.id
Editorial Address
Jl. Tri Lomba Juang No. 1 Semarang
Location
Kota semarang,
Jawa tengah
INDONESIA
Dinamik
Published by Universitas Stikubank
ISSN : 08549524     EISSN : 26231786     DOI : 10.35315/dinamik.v28i1
Core Subject : Science,
Computer Science & IT
The Jurnal DINAMIK aims to: Promote a comprehensive approach to informatics engineering and management incorporating viewpoints of different applications (computer graphics, computer networks and security, computer vision, computational intelligence, databases, big data, IT project management, and other fields relevant to information technology. Encourage scientists, practicing engineers, and others to conduct research and similar activities.
Arjuna Subject : Ilmu Komputer (semua kategori) - Ilmu Komputer (Lain-Lain)
Articles 32 Documents
 1   2   3   4 
Search results for , issue "Vol 30 No 2 (2025)" : 32 Documents clear
Implementasi E-SCM sebagai Mekanisme Kontrol Stok di Teha Coffee Corner Salsadilah, Nadya; Maharani, Dewi; Rahayu, Elly
Dinamik Vol 30 No 2 (2025)
Publisher : Universitas Stikubank

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35315/dinamik.v30i2.10203

Abstract

Bisnis adalah kegiatan ekonomi yang dilakukan untuk menghasilkan, membeli, atau menjual barang atau jasa dengan tujuan mendapatkan keuntungan. Bisnis dapat dilakukan oleh individu, kelompok, perusahaan besar, atau usaha kecil. Di suatu dunia bisnis, yang dimaksud dengan sistem informasi manajemen adalah piranti yang dipakai untuk mengatasi suatu proses, operasional, evaluasi, serta teknologi dan informasi. Usaha bisnis yang bergerak dalam bidang makanan ringan snack dijalankan dengan modal usaha berskala kecil ialah pelaku bisnis berskala rumah tangga yang mempunyai kesempatan sangat bagus untuk berkembang dengan pesat dengan keterbatasan yang dimiliki seperti SDM, skill, pengetahuan, ketrampilan, dan pengelolaan bidang managementyang seadanya Penelitian ini dilakukan di Teha Coffee Corner, sebuah kedai kopi yang berlokasi di Jl. Imam Bonjol, Tebing Kisaran, Kec. Kota Kisaran Barat, Kabupaten Asahan, Sumatera Utara 21211. Kedai ini didirikan pada Maret 2021 oleh Thierry Henry, tepat di tengah masa pandemi COVID-19. Supply Chain Management (SCM) adalah pengintegrasian sumber bisnis yang kompeten dalam penyaluran barang, mencakup perencanaan dan pengelolaan aktivitas pengadaan dan logistik serta informasi terkait mulai dari tempat bahan baku sampai tempat konsumsi, termasuk koordinasi dan kolaborasi dengan jaringan mitra usaha (pemasok, manufaktur, retailer, distributor, pergudangan, transportasi dan konsumen) untuk memenuhi kebutuhan pelanggan. Sebuah model rantai pasokan sederhana terdiri dari empat komponen yaitu supplier, produsen, gudang atau pusat distribusi dan pengguna akhir. Seiring dengan pertumbuhan bisnisnya, Teha Coffee Corner mulai menghadapi berbagai tantangan, terutama dalam pengelolaan stok bahan baku dan pencatatan transaksi. Saat ini, pencatatan masih dilakukan secara manual, baik dalam menghitung jumlah stok maupun dalam mencatat transaksi harian. Setiap akhir operasional atau saat closing, Dengan adopsi sistem E-SCM, aliran informasi dan data pembelian antara Teha Coffee Corner dan pemasok menjadi lebih efisien. Ini menghasilkan kejelasan dan ketepatan dalam transaksi pembelian, yang berkontribusi pada menghindari kesalahan dan mengurangi risiko keterlambatan dalam pengiriman toko.
Analisis Sentimen Indihome dan Starlink menggunakan Metode Naïve Bayes bagi PT. Sarimelati Kencana, Tbk dalam Pengambilan Keputusan Gitawijaya, Dhea; Siswandi, Arif; Afrianto, Irfan
Dinamik Vol 30 No 2 (2025)
Publisher : Universitas Stikubank

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35315/dinamik.v30i2.10252

Abstract

Perkembangan teknologi layanan internet di Indonesia memengaruhi berbagai sektor industri, termasuk sektor makanan di PT Sarimelati Kencana Tbk. Perusahaan awalnya menggunakan layanan IndiHome, namun menghadapi tantangan seperti tingginya biaya dan ketidakstabilan jaringan yang berdampak pada efisiensi operasional. Sebagai alternatif, layanan Starlink hadir dengan jaringan satelit yang menjangkau wilayah luas dan mendapat respons publik yang lebih positif. Penelitian ini bertujuan untuk menganalisis sentimen masyarakat terhadap IndiHome dan Starlink menggunakan metode Naïve Bayes yang dievaluasi melalui K-Fold Cross Validation. Data dikumpulkan dari media sosial X (sebelumnya Twitter) dengan total 14.200 tweet (7100 tweet untuk IndiHome dan 7100 untuk Starlink), yang kemudian diproses melalui tahapan preprocessing seperti cleansing, tokenizing, stopword removal, dan stemming. Hasil pengujian menunjukkan bahwa metode Naïve Bayes memberikan akurasi terbaik pada data Starlink sebesar 83,74%, sedangkan pada IndiHome sebesar 73,31%. Analisis preferensi menunjukkan bahwa sentimen positif terhadap IndiHome sebesar 34%, sedangkan Starlink mencapai 47%.Temuan ini menunjukkan bahwa Starlink lebih unggul dalam persepsi publik dibandingkan IndiHome. Oleh karena itu, hasil penelitian ini dapat menjadi dasar pertimbangan strategis bagi PT Sarimelati Kencana Tbk. dalam memilih penyedia layanan internet yang lebih stabil, efisien, dan mendukung kelancaran operasional perusahaan.
Analisis Perbandingan Nextcloud Server dan Google Drive sebagai Layanan Cloud Storage Utami, Anggita Fadhila; Supron, Muhamad; Triono, Triono; Setiyanto, Rudi
Dinamik Vol 30 No 2 (2025)
Publisher : Universitas Stikubank

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35315/dinamik.v30i2.10253

Abstract

Perkembangan teknologi informasi yang pesat telah mendorong adopsi layanan cloud storage sebagai solusi utama dalam penyimpanan dan pengelolaan data digital. Kemudahan akses, skalabilitas, dan efisiensi biaya menjadi alasan utama banyak individu maupun organisasi beralih ke layanan ini. Studi ini bertujuan untuk melakukan analisis perbandingan antara dua layanan cloud storage populer, yaitu Google Drive sebagai layanan komersial berbasis cloud publik, dan Nextcloud Server sebagai solusi open-source berbasis self-hosted. Penelitian ini menggunakan metode eksperimen kuantitatif deskriptif, dengan fokus pada pengujian parameter teknis seperti kecepatan unggah dan unduh, efisiensi penggunaan bandwidth, kestabilan koneksi, serta estimasi biaya operasional tahunan. Pengujian dilakukan dalam tiga skenario akses: jaringan lokal (intranet), akses publik melalui layanan Cloudflare, dan koneksi ke cloud komersial. Hasil pengujian menunjukkan bahwa Google Drive unggul dalam performa kecepatan dan kemudahan penggunaan, didukung oleh infrastruktur global dan optimisasi jaringan. Sementara itu, Nextcloud lebih menonjol dari sisi fleksibilitas konfigurasi, kontrol data secara penuh, serta efisiensi biaya jangka panjang. Berdasarkan analisis Total Cost of Ownership (TCO), Nextcloud menjadi pilihan ekonomis untuk penggunaan jangka panjang, terutama bagi institusi pendidikan dan organisasi dengan infrastruktur lokal. Penelitian ini diharapkan dapat menjadi referensi bagi pengguna dalam memilih layanan cloud storage yang paling sesuai dari sisi teknis, ekonomi, maupun kebijakan privasi data.
Analisa Komparasi dengan Algoritma K-Nearest Neighbor (KNN) dan Support Vector Machine (SVM) untuk Prediksi Penyakit Jantung Nainggolan, Johannes Kristian; Sinaga, Ferdinand; Sitorus, Andriani M.; Khairia, Anisa; Wijaya, Bayu Angga
Dinamik Vol 30 No 2 (2025)
Publisher : Universitas Stikubank

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35315/dinamik.v30i2.10254

Abstract

Tingkat keberhasilan deteksi penyakit jantung sangat bergantung pada akurasi model klasifikasi yang digunakan. Penelitian ini bertujuan membandingkan kinerja dua algoritma klasifikasi, yaitu K-Nearest Neighbor (KNN) dan Support Vector Machine (SVM), dalam mendeteksi penyakit jantung menggunakan dataset berjumlah 1025 sampel dengan dua kelas target, yakni sehat dan penyakit jantung. Proses pra-pemrosesan data meliputi pembersihan dan normalisasi fitur medis seperti usia, tekanan darah, serta kadar kolesterol. Evaluasi performa model dilakukan menggunakan metode Confusion Matrix, K-Fold Cross Validation, kurva Receiver Operating Characteristic (ROC), dan kurva Precision-Recall untuk mengukur akurasi, presisi, recall, serta keseimbangan antara presisi dan recall. Hasil pengujian menunjukkan bahwa algoritma KNN unggul dalam menghasilkan akurasi tinggi yaitu 99% dengan AUC ROC sempurna 1.00 dan presisi yang hampir konsisten sepanjang recall, sementara SVM menunjukkan performa stabil dengan akurasi 91%, AUC ROC 0.97, dan AP Precision-Recall sebesar 0.96. Penelitian ini menegaskan efektivitas KNN dalam menghasilkan prediksi penyakit jantung yang sangat akurat dengan potensi risiko overfitting pada parameter k kecil, sedangkan SVM memberikan kestabilan model dengan kemampuan generalisasi yang lebih baik. Temuan ini diharapkan dapat menjadi referensi dalam pemilihan algoritma klasifikasi yang sesuai untuk mendukung diagnosis penyakit jantung secara klinis.
Analisis Sinyal EKG untuk Deteksi Gangguan Jantung pada Mahasiswa dengan Gangguan Tidur Menggunakan Algoritma K-Nearest Neighbor (KNN) Anugrah Putri, Gustie Vaniest; Damanik, Melky Eka Putra; Hendiko, Kennyzio; Simarmata, Harry Binur Pratama; Husein, Amir Mahmud
Dinamik Vol 30 No 2 (2025)
Publisher : Universitas Stikubank

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35315/dinamik.v30i2.10256

Abstract

Gangguan tidur pada mahasiswa merupakan permasalahan yang dapat berdampak pada kesehatan jantung, khususnya melalui perubahan aktivitas listrik jantung yang terekam dalam sinyal EKG. Penelitian ini bertujuan mengembangkan sistem klasifikasi otomatis untuk mendeteksi kondisi jantung berdasarkan sinyal EKG menggunakan algoritma K-Nearest Neighbor (KNN) dan reduksi fitur dengan Principal Component Analysis (PCA). Dataset yang digunakan terdiri dari 159 citra sinyal EKG yang dibagi menjadi dua kelas, yaitu Good Heart dan Bad Heart. Citra diproses melalui tahap preprocessing, reduksi dimensi menggunakan PCA, dan diklasifikasikan menggunakan KNN dengan berbagai nilai parameter. Model terbaik diperoleh pada kombinasi 20 komponen PCA dan nilai K = 6, dengan akurasi mencapai 96,23%, precision 98,46%, recall 92,75%, dan f1-score 95,50%. Hasil penelitian menunjukkan bahwa metode ini mampu mengenali kondisi jantung dengan baik dan efisien. Sistem ini berpotensi dikembangkan sebagai alat bantu deteksi dini gangguan jantung, khususnya pada kelompok mahasiswa yang mengalami gangguan tidur.
Analisis dan Prediksi Tingkat Kemiskinan di Sumatera Utara menggunakan Model LSTM berbasis Google Earth Engine Hutabarat, Lerry Yos Santa Angelina; Juliandra, Vella; Pratama, Febryan; Indra, Evta
Dinamik Vol 30 No 2 (2025)
Publisher : Universitas Stikubank

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35315/dinamik.v30i2.10243

Abstract

This study analyzes the prediction of poverty levels in North Sumatra Province by applying the Long Short-Term Memory (LSTM) method based on time series integrated with Google Earth Engine (GEE). Historical poverty data of districts/cities were obtained from the Central Statistics Agency (BPS) and processed using Python in Google Colab for LSTM model training. The prediction results are visualized spatially in the form of thematic maps through GEE to identify areas with high poverty rates. The evaluation model was carried out by calculating MAE, RMSE, MAPE, and prediction accuracy, with most areas having an accuracy above 80%. These findings indicate that this approach is effective in mapping poverty trends and supporting data-driven policies. This predictive model can be the basis for more targeted social interventions and strategies for developing inclusive and sustainable regional development.
Peningkatan Kinerja K-Means dengan Normalisasi Min-Max dan PSO untuk Penentuan Pusat Awal Klaster Terbaik pada Data Pamsimas nikus, Domi; Muljono, Muljono; Himawan, Heribertus
Dinamik Vol 30 No 2 (2025)
Publisher : Universitas Stikubank

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35315/dinamik.v30i2.10221

Abstract

K- means termasuk kedalam algoritma partisi yang memiliki tujuan untuk membagi data kedalam jumlah klaster yang ditentukan, hasil dari algoritma K means tergantung pada pemilihan pusat klater awal namun permasalahan yang sering terjadi jika pada pemilihan centroid awal yang masih dilakukan secara acak jauh dari solusi maka kemungkinan hasil dari pengelompokan tersebut kurang tepat. Untuk mengatasi masalah tersebut akan menggunakan tahapan preprocessing berupa normalisasi minmax untuk mengatasi skala pengukuran berbeda pada dataset, setelah itu menggunakan algoritma PSO dalam pemilihan centroid awal untuk algoritma K- means, dalam penelitian ini juga dibandingkan pemilihan centroid dengan 3 cara yang pertama sesuai dengan acak, kedua sesuai standar pemerintah untuk nilai kualitas air minum yang tingi, menengah dan rendah kemudian yang ketiga dengan metode yang diusulkan algortima PSO dan kemudian akan diuji dengan Index Davies Bouldin. Hasil pengujian berupa tersebut metode K-means dengan pemilihan centroid awal acak dengan nilai 0,208856082, metode K-means dengan pemilihan centroid sesuai dengan standar pemerintah tentang kondisi SAM sebesar 0,280077, dan terakhir metode pemilihan yang terbaik adalah dengan menggunakan normalisasi minmax K-means PSO dengan nilai 0,177796. Sehingga pengujian data PAMSIMAS menggunakan normalisasi minmax k-means PSO yang didapat bahwa metode tersebut lebih optimal
Analisis Pemetaan Spasial Berbasis Sistem Informasi Geografis pada Komoditas Padi di Kabupaten Sidoarjo Ardiansyah, Reza; Roidah, Ida Syamsu; Syah, Mirza Andrian
Dinamik Vol 30 No 2 (2025)
Publisher : Universitas Stikubank

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35315/dinamik.v30i2.10279

Abstract

Produksi padi di Indonesia, termasuk Kabupaten Sidoarjo, menghadapi berbagai tantangan seperti alih fungsi lahan, perubahan iklim, dan keterbatasan infrastruktur. Penelitian ini bertujuan untuk memetakan potensi produksi padi secara spasial di Kabupaten Sidoarjo dengan memanfaatkan pendekatan Sistem Informasi Geografis (SIG). Metode yang digunakan meliputi analisis spasial untuk menggambarkan sebaran luas baku sawah, tanam, panen, irigasi, dan produktivitas di tingkat kecamatan, serta analisis deskriptif untuk menafsirkan hasil pemetaan. Hasil penelitian menunjukkan bahwa wilayah dengan sistem irigasi teknis dan luas baku sawah yang masih terjaga, seperti Kecamatan Tarik, Sukodono, dan Wonoayu, memiliki produktivitas yang relatif tinggi. Pemetaan spasial berbasis SIG terbukti efektif dalam mengidentifikasi wilayah potensial yang mendukung pengelolaan produksi padi secara lebih terarah. Penelitian ini merekomendasikan pemanfaatan SIG sebagai alat strategis dalam perencanaan pertanian dan pengambilan kebijakan yang berbasis data spasial untuk meningkatkan ketahanan pangan di Kabupaten Sidoarjo.
Systematic Literature Review: Penggunaan Sensor dalam Deteksi Nyeri Wajah berdasarkan Database Publik Azibi, Ahmad Izzu; Hutabarat, Emy Priyanka; Tarigan, Juan Kevin Timothi; Sitorus, Zeremia Armando; HS, Christnatalis
Dinamik Vol 30 No 2 (2025)
Publisher : Universitas Stikubank

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35315/dinamik.v30i2.10282

Abstract

Deteksi nyeri objektif merupakan tantangan dalam dunia medis, terutama bagi pasien yang tidak mampu mengungkapkan rasa sakit secara verbal. Dengan kemajuan teknologi sensor dan kecerdasan buatan, sistem otomatis untuk mendeteksi nyeri berbasis sinyal fisiologis dan ekspresi wajah mulai dikembangkan. Studi ini bertujuan mengidentifikasi tren, metode, dan kualitas metodologis dari penelitian yang menggunakan database publik seperti BioVid Heat Pain, UNBC-McMaster, dan SenseEmotion dalam pengembangan sistem deteksi nyeri berbasis sensor. Penelitian dilakukan dengan pendekatan Systematic Literature Review (SLR) berdasarkan protokol PRISMA 2020 melalui pencarian artikel di Google Scholar dalam rentang tahun 2015–2024. Setelah seleksi berdasarkan kriteria inklusi dan eksklusi, 26 studi dimasukkan ke dalam sintesis naratif. Data dianalisis berdasarkan jenis sensor, metode algoritma, akurasi, dan ukuran sampel, serta dievaluasi menggunakan pendekatan GRADE. Hasil menunjukkan bahwa BioVid dan UNBC-McMaster adalah database paling sering digunakan, dengan sensor EDA, EMG, dan ekspresi wajah sebagai modalitas dominan. Metode klasifikasi umum mencakup CNN, SVM, dan Random Forest. Studi menyimpulkan bahwa pendekatan multimodal dan deep learning meningkatkan akurasi deteksi nyeri, namun validasi klinis dan perhatian terhadap keragaman demografis masih dibutuhkan.
Penerapan Metode AHP dan ELECTRE untuk Pemilihan Hotel di Bandar Lampung Pratama, Farhan Rizki; Sulistiani, Heni
Dinamik Vol 30 No 2 (2025)
Publisher : Universitas Stikubank

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35315/dinamik.v30i2.10283

Abstract

Kota Bandar Lampung merupakan sebuah kota yang terletak di Provinsi Lampung, Lampung merupakan Provinsi yang terletak di ujung selatan Pulau Sumatera sekaligus menjadi pintu gerbang antar Pulau Jawad an Pulau Sumatera dan dijuluki sebagai kota “Tapis Berseri” menggambarkan kota yang aman, patuh, sejahtera, bersih, sehat dan indah. Pada tahun 2023 jumlah wisatawan mencapai 13,7 juta jiwa meningkat 25% dibandingkan tahun 2022. Berdasarkan dari data Badan Pusat Statistik (BPS) kunjungan wisatawan tahun 2024 tercatat sejumlah 17,8 juta jiwa dengan peningkatan 25% dari target yang di tetapkan oleh pemerintah Provinsi Lampung. Dengan ini menunjukan bahwa perkembangan sektor pariwisata di Lampung terus menunjukan tren positif dalam beberapa tahun terakhir, dengan ini hotel-hotel berbintang dan penginapan terus bertambah sering kali membuat wisatawan sulit dalam menentukan pilihan hotel. Dengan adanya penelitian ini bertujuan untuk mempermudah wisatawan dalam memilih hotel dengan menerapkan metode Analythic Hierarchy Process (AHP) dan Elimination and Choice Expressing Reality (ELECTRE) dalam proses pemilihan hotel yang relavan di Bandar Lampung. Pemilihan hotel yang tepat membutuhkan pertimbangan berbagai kriteria seperti harga, fasilitas, lokasi, dan pelayanan. Dengan menggunakan metode AHP dan ELECTRE hasil yang diperoleh nanti yaitu memberikan rekomendasi hotel yang optimal berdasarkan perbandingan alternatif yang ada. Penelitian ini diharapakan dapat memberikan kontribusi dalam Sistem Pengambilan Keputusan (SPK) yang lebih efisien dan objektif dalam pemilihan hotel di Bandar Lampung.

Page 3 of 4 | Total Record : 32

 1   2   3   4 

Filter by Year

2025 2025


Reset
Filter By Issues
All Issue Vol 31 No 1 (2026) Vol 30 No 2 (2025) Vol 30 No 1 (2025) Vol 29 No 2 (2024) Vol 29 No 1 (2024) Vol 28 No 2 (2023) Vol 28 No 1 (2023) Vol 27 No 2 (2022) Vol 27 No 1 (2022) Vol 26 No 2 (2021) Vol 26 No 1 (2021) Vol 25 No 2 (2020) Vol 25 No 1 (2020) Vol 24 No 2 (2019) Vol 24 No 1 (2019) Vol 23 No 2 (2018) Vol 23 No 1 (2018) Vol 22 No 2 (2017) Vol 22 No 1 (2017) Vol 21 No 2 (2016) Vol 21 No 1 (2016) Vol 20 No 2 (2015) Vol 20 No 1 (2015) Vol 19 No 2 (2014) Vol 19 No 1 (2014) Vol 18 No 2 (2013) Vol 18 No 1 (2013) Vol 17 No 2 (2012) Vol 17 No 1 (2012) Vol 16 No 2 (2011) Vol 16 No 1 (2011) Vol 15 No 2 (2010) Vol 15 No 1 (2010) Vol 14 No 2 (2009) Vol 14 No 1 (2009) Vol 13 No 2 (2008) Vol 13 No 1 (2008) Vol 12 No 2 (2007) Vol 12 No 1 (2007) Vol 11 No 2 (2006) Vol 11 No 1 (2006) Vol 10 No 3 (2005) Vol 10 No 2 (2005) Vol 10 No 1 (2005) Vol 9 No 2 (2004) Vol 8 No 2 (2003) Vol 8 No 1 (2003) Vol 7 No 2 (2002) Vol 7 No 1 (2002) More Issue