JSM (Jurnal SIFO Mikroskil)
Jurnal SIFO Mikroskil (JSM) is a journal that published by Lembaga Penelitian & Pengabdian kepada Masyarakat (LPPM) Universitas Mikroskil Medan, Indonesia. JSM published a journal twice a year, in April and October. The mission of JSM to share, develop and facilitate the output of research paper about Informatics, Information Systems and Information Technology. The scope of Journal of Information Systems Mikroskil (JSM) are: information systems, computer science, knowledge management, business & IT alignment, IT Governance, CRM, SCM, enterprise resource planning, enterprise architecture, business process management, business process reengineering, modeling and simulation, information retrieval, artificial intelligence, images processing, information security, data mining, cryptography, social network, cloud computing, data science, IoT, and others.
Articles
225 Documents
<![CDATA[Sistem Informasi Geografis Daerah Rawan Banjir Untuk Wilayah Kota Medan ]]>
<![CDATA[Sunaryo Winardi]]>;
<![CDATA[Charles Charles]]>;
<![CDATA[Steven Steven]]>;
<![CDATA[Rizki Abdul Azis]]>;
<![CDATA[Arwin Halim]]>
<![CDATA[ Jurnal SIFO Mikroskil Vol 20, No 1 (2019): JSM Volume 20 Nomor 1 Tahun 2019 ]]>
Publisher : <![CDATA[Lembaga Penelitian & Pengabdian pada Masyarakat (LPPM) Mikroskil ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (955.551 KB)
|
DOI: 10.55601/jsm.v20i1.660
<![CDATA[Flooding is as an event of the overflow of water from a river or drainage because unable to accommodate the amount of water flow. Medan is one area that is often flooded. GIS can be used to visualize the flood maps that are useful as disaster management and decision-making. GIS is used to enter, store, recall, process, analyze, and produce data on the condition of flood in geospatial of medan city based on websites. Web-based software built with the Waterfall method as a method of system development and system testing is performed using blackbox testing testing and using Likert scale to determine the calculation of the time scale given questionnaire. The result is a system capable of providing convenience to the user in finding areas (mapping) in the visualization of color QGIS flood area of Medan city and the developed system can help users with an index value of percentage of 66.67%.]]>
<![CDATA[Evaluasi Keberhasilan Penerapan Project Information Management System (PIMS) Pada PT. Rifansi Dwi Putra Dengan Menggunakan Model Hot-Fit ]]>
<![CDATA[Mutiara Sinaga]]>;
<![CDATA[Verdy Simbolon]]>;
<![CDATA[Roni Yunis]]>;
<![CDATA[Hita Tan]]>
<![CDATA[ Jurnal SIFO Mikroskil Vol 20, No 2 (2019): JSM Volume 20 Nomor 2 Tahun 2019 ]]>
Publisher : <![CDATA[Fakultas Informatika ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (505.462 KB)
|
DOI: 10.55601/jsm.v20i2.701
<![CDATA[PIMS (Project Information Management System) adalah salah satu aplikasi terintegrasi berbasis web yang digunakan oleh tim proyek untuk menyelesaikan kegiatan - kegiatan manajemen proyek dalam proses bisnisnya secara online menggunakan web browser. Penelitian ini dilakukan dengan mengadopsi model HOT-Fit, dengan mengambil variabel kualitas sistem, kualitas informasi, kualitas layanan, penggunaan sistem, kepuasan pengguna, struktur organisasi, lingkungan organisasi dan manfaat bersih. Tujuan dari penelitian ini adalah untuk mengukur tingkat kesuksesan penerapan sistem informasi PIMS pada PT. Rifansi Dwi Putra dengan karyawan pengguna PIMS sebagai sampel. Teknik pengambilan sampel yang digunakan adalah nonprobability sampling dan menggunakan metode sampling jenuh. .Data dalam penelitian ini didapatkan dari 163 kuesioner yang kembali serta layak untuk diolah melalui penyebaran kuesioner kepada ??? 180 responden. Data diolah dengan menggunakan tools SPSS19 sebagai alat pengujian. Dari 25 hipotesis yang diajukan terdapat 18 hipotesis yang diterima, 12 diantaranya berpengaruh positif dan signifikan, 6 diantaranya uji mediasi yang terbukti memediasi hubungan antara variabel independen dengan dependen, serta ditolaknya 7 hipotesis yang terbukti tidak berpengaruh positif dan signifikan dan 4 hipotesis uji mediasi yang terbukti tidak memediasi hubungan antara variabel independen dengan dependen.]]>
<![CDATA[Sistem Pengenalan Iris Mata Menggunakan Metode Wavelet Packets Decomposition dan Euclidean Distance ]]>
<![CDATA[Kristian Telaumbanua]]>;
<![CDATA[Pahala Sirait]]>;
<![CDATA[Asima Rohana]]>;
<![CDATA[Bezaro Gea]]>
<![CDATA[ Jurnal SIFO Mikroskil Vol 20, No 2 (2019): JSM Volume 20 Nomor 2 Tahun 2019 ]]>
Publisher : <![CDATA[Fakultas Informatika ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (731.682 KB)
|
DOI: 10.55601/jsm.v20i2.668
<![CDATA[Biometrik merupakan ciri-ciri unik yang di miliki manusia untuk membedakan antara orang yang satu dengan yang lainnya. Salah satu biometrik yang lebih akurat adalah citra berbasis iris mata untuk proses pengenalan. Namun didalam proses pengenalan iris mata kehadiran bulu mata dapat mengganggu proses pengenalan dan mengurasi tingkat keakurasiannya. Pada penelitian ini, pengenalan biometrik berbasis iris mata yang akan dilakukan suatu kajian dengan menambahkan proses pra-pengolahan yaitu cropping untuk memotong bagian atas iris mata yang tidak terkena bulu mata. Citra yang akan di olah sebelumnya akan melewati proses Grayscale, Filter median, deteksi tepi Canny, Circle hough, Cropping, dan ekstraksi ciri Wavelet Packets Decomposition (WPD). Hasil ekstraksi ciri di klasifikasi menggunakan Euclidean Distance untuk melakukan pengenalan pada citra dengan cara membandingkan nilai citra uji dengan nilai citra di database. Pengujian dilakukan dengan 150 data set citra, 120 citra sebagai data latih dan 30 citra sebagai data uji. Hasil pengujian pada citra yang dikenali memiliki nilai akurasi 93,33% dan 6,66% citra tidak dapat dikenali karena bulu mata terlalu panjang dan posisi iris mata tidak ditengah sehingga pada proses transformasi circle hough tidak dapat melakukan deteksi lingkaran pada iris mata.]]>
<![CDATA[Implementasi CNN dan SVM untuk Identifikasi Penyakit Tomat via Daun ]]>
<![CDATA[Felix Felix]]>;
<![CDATA[Said Faisal]]>;
<![CDATA[Theresia F M Butarbutar]]>;
<![CDATA[Pahala Sirait]]>
<![CDATA[ Jurnal SIFO Mikroskil Vol 20, No 2 (2019): JSM Volume 20 Nomor 2 Tahun 2019 ]]>
Publisher : <![CDATA[Fakultas Informatika ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (1148.154 KB)
|
DOI: 10.55601/jsm.v20i2.670
<![CDATA[Tanaman tomat sangat rentan terhadap serangan penyakit, penyakit pada tanaman tomat dapat diketahui dari bercak yang terdapat pada daun. Penyakit dapat dikenali secara visual karena memiliki ciri warna dan tekstur yang unik. Tetapi pengenalan secara visual memiliki kekurangan yaitu sulit dalam mengenali kemiripan antara satu jenis penyakit dengan penyakit lain sehingga berdampak pada kurang akuratnya penyakit yang diidentifikasi. Pada penelitian ini, dibangun suatu sistem yang dapat menentukan penyakit serta memberikan informasi berupa solusi penanganan dalam mencegah atau menangani penyakit yang menyerang daun tomat melalui identifikasi citra digital menggunakan supervised classification. Citra yang akan diidentifikasi sebelumnya melewati proses transformasi warna RGB (Red Green Blue) ke HSV (Hue Saturation Value), HSV (Hue Saturation Value) ke Grayscale, dan proses ekstraksi fitur tekstur GLCM (Gray Level Co-occurrence Matrix). Hasil ekstraksi fitur tekstur diklasifikasi dengan SVM (Support Vector Machine) dan CNN (Convolutional Neural Network) untuk menentukan penyakit yang diderita oleh daun tomat. Pengujian dilakukan dengan 200 sampel citra daun tomat, 160 citra sebagai data latih dan 40 citra sebagai data uji. Hasil pengujian menunjukkan metode CNN memiliki persentase rata- rata accuracy 97.5%, precision 95.45%, recall 95% dan error 5%. Sedangkan SVM menghasilkan rata- rata accuracy 95%, precision 90.83%, recall 90% dan error 10%. Dari hasil pengujian dapat dinyatakan bahwa pada penelitian ini CNN adalah classifier yang lebih baik dibandingkan SVM.]]>
<![CDATA[Klasifikasi Citra Multi Wajah Menggunakan Domain Adaptive Faster Region Convolutional Neural Network ]]>
<![CDATA[Ali Akbar Lubis]]>;
<![CDATA[Pahala Sirait]]>;
<![CDATA[Albert -]]>;
<![CDATA[Andrya Tanrisiono]]>;
<![CDATA[Andy -]]>
<![CDATA[ Jurnal SIFO Mikroskil Vol 20, No 2 (2019): JSM Volume 20 Nomor 2 Tahun 2019 ]]>
Publisher : <![CDATA[Fakultas Informatika ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (525.458 KB)
|
DOI: 10.55601/jsm.v20i2.673
<![CDATA[Wajah merupakan bagian dari identifikasi biometrik karena wajah merupakan bagian langsung dari tubuh manusia yang tidak mudah untuk dicuri atau diduplikasi. Metode yang diterapkan dalam klasifikasi wajah seringkali hanya mampu mengklasifikasi citra yang di dalamnya hanya terdapat satu wajah, namun mengalami kesulitan dalam mengklasifikasi beberapa wajah dalam sebuah citra. Belakangan ini banyak dilakukan penelitian untuk mengatasi masalah pengenalan wajah ini menggunakan metode deep learning, salah satunya adalah Faster R-CNN dimana algoritma ini melakukan pencocokan menggunakan dataset kumpulan wajah manusia dengan mengekstraksi ciri-ciri yang membedakan setiap wajah dan dijadikan perbandingan untuk mengenali identitas wajah dengan akurat. Faster R-CNN tidak dilengkapi dengan pendeteksi wajah, oleh karena itu kita menggabungkannya dengan segmentasi warna kulit manusia untuk mengekstraksi bagian wajah untuk selanjutnya diidentifikasi menggunakan algoritma Faster R-CNN ini. Pengujian dilakukan dengan menggunakan citra yang di dalamnya terdapat lebih dari 1 wajah dengan berbagai posisi hadap wajah dan ekspresi wajah. Hasil dari pengujian yang telah dilakukan dengan rata-rata recall, presicion dan accuracy adalah recall sebesar 90.33%, presicion sebesar 85.33% dan accuracy sebesar 78.33%.]]>
<![CDATA[Perbaikan Citra Gelap dan Pembesaran Objek Citra Menggunakan Gradient Based Low-Light Image Enhancement dan Rational Ball Cubic B-Spline With Genetic Algorithm ]]>
<![CDATA[Irpan Adiputra Pardosi]]>;
<![CDATA[Pahala Sirait]]>;
<![CDATA[Kevin -]]>;
<![CDATA[Steven Goh]]>;
<![CDATA[Ricky Chandra]]>
<![CDATA[ Jurnal SIFO Mikroskil Vol 20, No 2 (2019): JSM Volume 20 Nomor 2 Tahun 2019 ]]>
Publisher : <![CDATA[Fakultas Informatika ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (459.078 KB)
|
DOI: 10.55601/jsm.v20i2.674
<![CDATA[Citra yang berkontras rendah (gelap) serta citra yang memiliki objek tidak jelas menyebabkan objek pada citra sulit diidentifikasi baik secara sistem ataupun oleh pengamat. Salah satu solusi dalam mengatasi masalah ini dengan menambahkan proses untuk perbaikan kualitas citra (image enhancement). Perbaikan kualitas citra berbasis gradient mempunyai hasil yang cukup baik karena unsur gradient dipercaya lebih sensitif terhadap sistem visual manusia dengan metode Gradient Based Low-Light Image Enhancement mampu memperbaiki kualitas citra gelap dan metode Rational Ball Cubic B-Spline with Genetic Algorithm untuk memperbesar objek tidak jelas pada citra terbukti memiliki hasil yang bagus dalam implementasinya. Pengujian untuk metode Gradient Based menggunakan metode SSIM dalam membandingkan citra hasil dan citra raw yang menghasilkan rata-rata nilai SSIM baik yaitu 7.0077 sedangkan pengujian untuk metode Rational Ball menggunakan persepsi dari user dengan hasil yang relatif lebih baik.]]>
<![CDATA[Analisis Faktor-Faktor yang Mempengaruhi Penerimaan E-Filling Menggunakan Model UTAUT di Kecamatan Balige ]]>
<![CDATA[Salsalina Br Sembiring]]>;
<![CDATA[Hanes -]]>;
<![CDATA[Maria Indriyani Pardede]]>;
<![CDATA[Trinita Rajagukguk]]>
<![CDATA[ Jurnal SIFO Mikroskil Vol 20, No 2 (2019): JSM Volume 20 Nomor 2 Tahun 2019 ]]>
Publisher : <![CDATA[Fakultas Informatika ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (303.198 KB)
|
DOI: 10.55601/jsm.v20i2.677
<![CDATA[Tujuan dari penelitian ini untuk menguji tingkat penerimaan sistem e-filling pada wajib pajak perorangan di kecamatan Balige menggunakan variabel ekspektansi kinerja, ekspektansi usaha, pengaruh sosial terhadap minat keperilakuan, dan kondisi-kondisi pemfasilitasi terhadap perilaku penggunaan, dan variabel moderasi age, gender, experience pada pengguna sistem e-filling dikecamatan Balige. Penelitian ini menggunakan model UTAUT (Unified of Theory Acceptance and Use of Technology). Data penelitian ini diperoleh melalui kuesioner dengan jumlah sampel sebanyak 347 pengguna e-filling perorangan dari jumlah populasi 2.068 pengguna E-filling. Model analisis data yang digunakan dalam penelitian ini yaitu pengujian uji t untuk menguji pengaruh variabel independen terhadap variabel dependen secara parsial dan variabel moderasi dengan metode residual. Tools yang digunakan untuk membantu menganalisis adalah software SPSS versi 19. Hasil dari penelitian ini dari 16 hipotesis yang diajukan terdapat 5 hipotesis yang diterima yaitu ekspektansi kinerja, ekspektansi usaha, pengaruh sosial, kondisi-kondisi pemfasilitasi berepengaruh positif dan signifikan terhadap minat keperilakuan dan perilaku penggunaan. 4 hipotesis moderasi yang diterima, 7 hipotesis moderasi ditolak]]>
<![CDATA[Perancangan Tutorial Teknik-Teknik Dasar Merajut Berbasis Website ]]>
<![CDATA[Dias Ayu Budi Utami]]>;
<![CDATA[Debby Ummul Hidayah]]>
<![CDATA[ Jurnal SIFO Mikroskil Vol 20, No 2 (2019): JSM Volume 20 Nomor 2 Tahun 2019 ]]>
Publisher : <![CDATA[Fakultas Informatika ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (390.445 KB)
|
DOI: 10.55601/jsm.v20i2.709
<![CDATA[Merajut adalah seni tradisional mengaitkan benang dengan pola-pola rajut sehingga menghasilkan hasil karya yang bukan lagi sekedar menjadi hobi, tetapi sudah mulai dijadikan lahan bisnis yang sangat menjanjikan. Untuk dapat membuat hasil karya dari rajutan, harus memiliki kemampuan teknik-teknik dasar dalam merajut. Fungsi website diantaranya sebagai media promosi, media pemasaran, media informasi, media pendidikan, media komunikasi. Metode pengembangan sistem yang digunakan dalam pembuatan website tutorial merajut ini menggunakan metode waterfall yang meliputi : analisis, desain, pengkodingan dan pengujian. Pembuatan tutorial merajut berbasis website diharapkan dapat mempermudah belajar merajut khususnya bagi para pemula.]]>
<![CDATA[Implementasi Convolutional Neural Network Untuk Identifikasi Jenis Tanaman Melalui Daun ]]>
<![CDATA[Felix Felix]]>;
<![CDATA[Jeffry Wijaya]]>;
<![CDATA[Stephen Putra Sutra]]>;
<![CDATA[Pyter Wahyu Kosasih]]>;
<![CDATA[Pahala Sirait]]>
<![CDATA[ Jurnal SIFO Mikroskil Vol 21, No 1 (2020): JSM VOLUME 21 NOMOR 1 TAHUN 2020 ]]>
Publisher : <![CDATA[Lembaga Penelitian & Pengabdian pada Masyarakat (LPPM) Mikroskil ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (796.393 KB)
|
DOI: 10.55601/jsm.v21i1.672
<![CDATA[Setiap tanaman memiliki daun dengan bentuk dan ukuran yang berbeda. Meskipun demikian, matamanusia memiliki kesulitan untuk mengidentifikasi dengan tepat jenis tanaman hanya berdasarkan daridaunnya saja. Pada penelitian ini digunakan "Supervised Learning” untuk membantu mengenali jenistanaman berdasarkan daunnya. Pertama-tama sejumlah daun akan difoto, lalu foto tersebut akan diresizemenjadi citra baru dengan ukuran tertentu, kemudian dimasukkan ke dalam dataset. Lalu citraakan dikonversi menjadi matriks dimana matriks ini akan dimasukkan ke dalam algoritma CNN(Convolutional Neural Network). Pada algoritma CNN, matriks tersebut akan digunakan untukmengekstraksi fitur yang ada pada citra menggunakan beberapa filter yang sebelumnya telahditentukan menggunakan metode konvolusi. Lalu hasil konvolusi tersebut akan digunakan untukpelatihan menggunakan algoritma feedforward dan backpropagation untuk mendapatkan data weightdan bias yang optimal. Setelah itu dilakukan proses test dimana citra uji akan melalui proses konvolusi.Hasil konvolusi akan diklasifikasi menggunakan algoritma feedforward berdasarkan data weight danbias yang sudah didapatkan dari proses training sebelumnya. Pengujian dilakukan dengan 375 gambardaun: 250 citra sebagai data training (latih), dan 125 citra sebagai data test (uji). Hasil pengujianmenunjukkan algoritma CNN memiliki tingkat akurasi yang baik dalam pengidentifikasian piksel dandapat mengenali setiap jenis daun yang ada. Pengujian ini menghasilkan tingkat akurasi 76%. Darihasil pengujian dapat dinyatakan bahwa pada penelitian ini CNN adalah classifier terbaik.]]>
<![CDATA[Penerapan Framework ITIL Untuk Manajemen Bencana dan Pemulihan pada Rumah Sakit ABC ]]>
<![CDATA[Handoko Handoko]]>;
<![CDATA[Catherine Yang]]>
<![CDATA[ Jurnal SIFO Mikroskil Vol 21, No 1 (2020): JSM VOLUME 21 NOMOR 1 TAHUN 2020 ]]>
Publisher : <![CDATA[Lembaga Penelitian & Pengabdian pada Masyarakat (LPPM) Mikroskil ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (189.369 KB)
|
DOI: 10.55601/jsm.v21i1.687
<![CDATA[Penerapan teknologi informasi kini sudah menjadi faktor pendukung organisasi dalam menjalankan proses bisnisnya. Dalam penerapan teknologi informasi tersebut tidak terlepas dari bencana yang menyebabkan gangguan pada aktivitas operasional perusahaan. Rumah Sakit ABC menggunakan bantuan teknologi informasi dalam memberikan layanan kesehatan bagi masyarakat. Penerapaan teknologi informasi di Rumah Sakit ABC ini tentu juga tidak terlepas dari resiko bencana dan gangguan. Dalam kegiatan operasionalnya, gangguan yang sering terjadi berupa gangguan seperti kelumpuhan layanan TI, gangguan integrasi antar komponen TI, dan terjadi bug pada pengembangan sistem yang ada. Gangguan tersebut ditangani oleh staf unit Sistem Informasi pada Rumah Sakit ABC yang terbatas. Keterbatasan ini dikarekan kebijakan dan prosedur yang tidak jelas dan tumpang tindih. Melihat hal ini, rumah sakit ABC memerlukan suatu prosedur manajemen bencana dan pemulihan yang jelas agar dapat memastikan keberlangsungan operasional Rumah Sakit ABC dalam memberikan layanan kesehatan. Penyusunan prosedur manajemen bencana dan pemulihan pada Rumah Sakit ABC dengan menggunakan framework ITIL v3 yang disesuaikan dengan kebutuhan rumah sakit. Tahapan yang dilalui mulai dari tahap persiapan, analisa informasi, penyesuaikan prosedur (fit-in), penyusunan prosedur, dan kemudian melakukan verifikasi dan validasi agar prosedur yang dibangun dapat diiplementasikan secara khusus pada Rumah Sakit ABC.]]>
