cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Sarifah Putri Raflesia
Contact Email
sarifah@unsri.ac.id
Phone
+628112017224
Journal Mail Official
jsi.fasilkom.unsri@gmail.com
Editorial Address
-
Location
Kab. ogan ilir,
Sumatera selatan
INDONESIA
JSI: Jurnal Sistem Informasi (E-Journal)
Published by Universitas Sriwijaya
ISSN : 20851588     EISSN : 23554614     DOI : -
Core Subject : Science, Education,
Computer Science & IT Decision Sciences, Operations Research & Management Library & Information Science Other
Journal Of Information Systems or abbriviated as JIS is a jorunal that published by Major Of Information Systems Faculty of Computer Science Sriwijaya University. JSI start published in April 2009, which is VOL 1 NO 1 2009. JSI published a journal twice in year , that is on April and October. The mission of JSI are to share, develop and facilitate the output of research paper about Information Systems. JSI also can be place for lectures, teachers, researchers, and all practitioners in the field of Information Technology througout Indonesia, to exchange information about the outputs of recent research that has been done. The scope of JSI’s Journal are : Decission Support System (DSS), Geography Information Systems (GIS), Information System-scale Enterprise (ERP, EAI, CRM, SCM), E-Commerce, E-Government, Information Systems of Hospital, Information Systems of Banking, Information Systems of Industry, Retrieval Information, Information System Secuirity, Information System Web Based, Knowledge based Systems, Mobile Computing, Data Mining, Databases, Data Warehouse, Mutimedia.
Arjuna Subject : -
Articles 13 Documents
 1   2 
Search results for , issue "Vol 12, No 2 (2020)" : 13 Documents clear
IMPLEMENTASI ALGORITMA BOYER-MOORE PADA APLIKASI KAMUS ISTILAH KOMPUTER BERBASIS ANDROID Muhammad Husni Rifqo; Andi Lala
Jurnal Sistem Informasi Vol 12, No 2 (2020)
Publisher : Universitas Sriwijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (335.793 KB) | DOI: 10.36706/jsi.v12i2.9182

Abstract

String Matching merupakan proses pencocokan string untuk menemukan kesamaan antara teks dan pattern. Pada proses pencarian kata pada aplikasi Kamus android terbilang sulit, dikarenakan banyaknya data didalam database, sehingga proses pencarian tersebut cukup lama jika dicari satu persatu. Untuk pemecahan masalah tersebut, salah satu algoritma string matching yang digunakan adalah algoritma Boyer-Moore karena algoritma ini merupakan algoritma string matching yang paling efesien dibandingkan algoritma-algoritma string matching lainnya. Tujuan penelitian ini ialah menerapkan algoritma Boyer-Moore pada aplikasi kamus komputer. Adapun manfaat penelitian ini diharapkan dapat mempermudah khususnya bagi mahasiswa Fakultas Teknik untuk mencari kata-kata istilah komputer untuk media pembelajaran. Diharapkan aplikasi ini mendapat tanggapan yang baik bagi pengguna supaya bisa dikembangkan lagi kedepannya. Aplikasi ini masih terdapat kekurangan dan dapat dikembangkan lagi kedepannya, seperti pencariannya tidak otomatis huruf besar dan kecilnya, bisa juga dikembangkan berbagai macam kamus lainnya seperti kamus obat, beladiri, bahasa daerah dan lain sebagainya. Kata Kunci :Implementasi, Boyer-Moore, Aplikasi, Kamus, Android
SPK BERBASIS WEB MENGGUNAKAN LOGIKA FUZZY UNTUK DIAGNOSA PENYAKIT JANTUNG Ria Astriratma; Mayanda Mega Santoni; Helena Nurramdhani Irmanda
Jurnal Sistem Informasi Vol 12, No 2 (2020)
Publisher : Universitas Sriwijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (439.705 KB) | DOI: 10.36706/jsi.v12i2.10788

Abstract

Penelitian ini dilakukan untuk membuat sebuah sistem pengambilan keputusan berbasis web menggunakan logika fuzzy untuk mendiagnosa penyakit jantung pada seseorang. Untuk membangun sistem ini digunakan Fuzzy Inference System dari pengetahuan yang ada pada dokter sehingga diperoleh aturan (rule) untuk melakukan diagnosa. Langkah pada Fuzzy Inference System yaitu Fuzzifier, Fuzzy Inference Engine dan Defuzzifier. Fungsi keanggotaan segitiga dan trapesium digunakan untuk mendapatkan nilai derajat keanggotaan pada setiap variabel. Root Sum Square (RSS) digunakan untuk mendapatkan nilai fuzzy dari aturan yang memenuhi kondisi suatu pasien. Nilai RSS yang diperoleh akan dipetakan ke nilai tunggal (crisp) dengan menggunakan teknik Centroid of Area (CoA) untuk mendapatkan hasil diagnosa penyakit jantung. Penelitian ini menggunakan dataset Cleveland dari Machine Learning Repository. Hasil diagnosa pada sistem ini menghasilkan akurasi 64% dengan tingkat sensitivitas sebesar 89.83% dan tingkat spesifisitas sebesar 73.17%. Kata kunci: SPK, Logika Fuzzy, Diagnosa Jantung
METODE NAÏVE BAYES CLASSIFIER (NBC) UNTUK MEMPREDIKSI TINGKAT KELULUSAN MAHASISWA TEPAT WAKTU Muhamad - Kadafi
Jurnal Sistem Informasi Vol 12, No 2 (2020)
Publisher : Universitas Sriwijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (303.544 KB) | DOI: 10.36706/jsi.v12i2.12179

Abstract

AbstrakUntuk membantu menjaga kualitas penyelenggaraan program studi dalam hal ini adalah layanan akademik, maka penyeimbangan ratio antara penerimaan mahasiswa yang masuk dengan sarana dan prasana merupakan salah satu upaya yang perlu di lakukan oleh perguruan tinggi caranya adalah dengan memprediksi jumlah tingkat kelulusan mahasiswa yang tepat waktu, dengan mengetahui hal tersebut maka pimpinan dapat menetapkan ratio penerimaan mahasiswa baru pada tahun berikutnya berdasarkan data prediksi yang di dapat. Penelitian ini bertujuan untuk menganalisis data akademik yaitu dengan melakukan klasifikasi data kelulusan mahasiswa sebelumnya dan menggunakan pola yang terbentuk untuk memprediksi besaran persentase tingkat kelulusan mahasiswa serta mencari parameter apa saja yang mempengaruhi tingkat kelulusan. Metode yang digunakan adalah teknik klasifikasi data mining dengan Naïve Bayes Classifier (NBC). Hasil penelitian ini adalah jumlah rata – rata persentase keseluruhan kelulusan mahasiswa tepat waktu yaitu sebesar 73.44% kelulusan dan parameter yang mempengaruhi kelulusan mahasiswa tepat waktu adalah IPK, IPS4, IPS3, IPS2. Hasil penelitian dapat dijadikan landasan bagi pimpinan untuk menentukan ratio penerimaan mahasiswa baru pada tahun berikutnya, dan sebagai bahan evaluasi dalam membantu mahasiswa untuk lulus tepat waktu. Kata kunci: Naïve Bayes Classifier (NBC); Data Mining.  AbstractTo help maintain the quality of the implementation of the study program in this case is academic services, then balancing the ratio between admission of students with facilities and infrastructures is one of the efforts that need to be done by university by means of predicting the number of student graduation rates on time, with knowing this, the leadership can determine the ratio of new student admissions in the following year based on the prediction data obtained. This study aims to analyze academic data by classifying the graduation data of previous students and using patterns that are formed to predict the percentage of student graduation rates and to find out what parameters affect graduation rates. The method used is the classification of data mining techniques with Naïve Bayes Classifier (NBC). The results of this study are the average number of percentages of overall students graduation on time that is equal to 73.44% graduation and the parameters that affect students' graduation on time are IPK, IPS4, IPS3, IPS2. The results of the study can be used as a basis for leaders to determine the ratio of new student admissions in the following year, and as an evaluation material in helping students to graduate on time. Keywords: Naïve Bayes Classifier (NBC); Data Mining.

Page 2 of 2 | Total Record : 13

 1   2 

Filter by Year

2020 2020


Reset
Filter By Issues
All Issue Vol 17 No 1 (2025): Vol 17, No 1 (2025) Vol 15, No 2 (2023) Vol 15, No 1 (2023) Vol 14, No 2 (2022) Vol 14, No 1 (2022) Vol 13, No 2 (2021) Vol 13, No 1 (2021) Vol 12, No 2 (2020) Vol 12, No 1 (2020) Vol 11, No 2 (2019) Vol 11, No 1 (2019) Vol 10, No 2 (2018): Oktober Vol 10, No 2 (2018) Vol 10, No 1 (2018) Vol 10, No 1 (2018): April Vol 9, No 2 (2017): Oktober Vol 9, No 2 (2017) Vol 9, No 1 (2017) Vol 8, No 2 (2016) Vol 8, No 1 (2016) Vol 7, No 2 (2015) Vol 7, No 1 (2015) Vol 6, No 2 (2014) Vol 6, No 1 (2014) Vol 6, No 1 (2014): - Vol 3, No 1 (2011) Vol 5, No 2 (2013): - Vol 5, No 2 (2013) Vol 5, No 1 (2013) Vol 4, No 2 (2012): Oktober Vol 4, No 2 (2012) Vol 4, No 2 (2012): - Vol 4, No 1 (2012) Vol 3, No 2 (2011) Vol 2, No 2 (2010) Vol 2, No 1 (2010) Vol 1, No 3 (2009) Vol 1, No 2 (2009) Vol 1, No 1 (2009) More Issue