cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Erlangga, S.Kom., M.Kom
Contact Email
jurnalfik@ubl.ac.id
Phone
+628978957357
Journal Mail Official
jurnalfik@ubl.ac.id
Editorial Address
Pusat Studi Teknologi Informasi - Fakultas Ilmu Komputer Universitas Bandar Lampung Gedung Business Center Lt.2 Jl. Zainal Abidin Pagar Alam No.26 Labuhan Ratu Bandar Lampung
Location
Kota bandar lampung,
Lampung
INDONESIA
EXPERT: Jurnal Manajemen Sistem Informasi dan Teknologi
Published by Universitas Bandar Lampung
ISSN : 20885555     EISSN : 27457265     DOI : http://dx.doi.org/10.36448/jmsit.v10i1.1490
Core Subject : Science,
Computer Science & IT
EXPERT: Jurnal Manajemen Sistem Informasi dan Teknolologi menyajikan artikel/naskah dalam bidang teknologi informasi khususnya dalam Fokus pada 5 kelompok keilmuan di bidang sistem informasi yaitu: Sistem Informasi, Rekayasa Perangkat Lunak (RPL), Jaringan, Multimedia, Security, Teknologi Web dan Mobile serta Kecerdasan Buatan dan Game, serta tidak membatasi terhadap kajian-kajian sistem informasi lainnya meliputi: Information System, Business Intelligence, Logistic and Supply Chain Management, Customer Relationship Management, Human Resource Management, Intelligent Decision Support Systems, Enterprise Systems, Business Process Modelling, System Modelling, Management Information Systems, Economic Models for Information Systems, Mobile e-Business, Web Services for e-Business, Knowledge Management, Strategic Information Systems, Artificial Intelligence and Expert Systems, Balanced Scorecard, e-Commerce, Business Forecasting Process, Information Systems Change Management, Innovation in Information Systems and Change Management, Total Quality Management, Six Sigma for Performance Improvement, General Information Systems Related to Business Competitiveness.
Arjuna Subject : Ilmu Komputer (semua kategori) - Sistem Informasi
Articles 215 Documents
 18   19   20   21   22 
Penerapan Naive Bayes Classifier untuk Prediksi Kelayakan Penerima Bantuan Program Indonesia Pintar (PIP) Hidayat, Zulfy; Kurniawan. R, Rakhmat
EXPERT: Jurnal Manajemen Sistem Informasi dan Teknologi Vol 15, No 1 (2025): June
Publisher : Universitas Bandar Lampung (UBL)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36448/expert.v15i1.4326

Abstract

Penelitian ini dilatarbelakangi oleh ketidaktepatan dalam proses seleksi manual penerima bantuan Program Indonesia Pintar (PIP) di MTs Al-Hasanah, yang belum berbasis data objektif sehingga berpotensi menyalurkan bantuan tidak tepat sasaran. Berdasarkan masalah tersebut, rumusan penelitian ini adalah bagaimana penerapan algoritma Naïve Bayes dalam meramalkan kelayakan siswa sebagai penerima bantuan PIP, serta seberapa akurat metode ini dalam proses prediksi. Tujuan dari penelitian ini adalah untuk membangun model klasifikasi berbasis Naïve Bayes yang mampu memprediksi kelayakan siswa penerima bantuan berdasarkan atribut seperti status keluarga, kepemilikan KIP, jumlah tanggungan, dan penghasilan orang tua. Model dikembangkan menggunakan pendekatan data mining dengan algoritma Naïve Bayes pada platform Google Colab, dengan preprocessing menggunakan teknik Label Encoding dan pembagian data dengan rasio 80:20, menghasilkan 84 data latih dan 21 data uji. Hasil evaluasi menunjukkan nilai akurasi, presisi, recall, dan F1-score sebesar 1.0 atau 100%. Kinerja sempurna ini menunjukkan keberhasilan model dalam mengklasifikasikan seluruh data uji secara tepat. Namun demikian, nilai metrik yang sangat tinggi juga mengindikasikan potensi overfitting, mengingat ukuran dataset yang terbatas dan homogenitas data yang digunakan. Oleh karena itu, generalisasi model terhadap data yang lebih luas belum dapat dipastikan. Penelitian ini bermanfaat dalam mendukung pengambilan keputusan berbasis data dalam distribusi bantuan PIP secara lebih objektif dan adil, serta menjadi kontribusi awal dalam pengembangan sistem berbasis kecerdasan buatan untuk sektor pendidikan.
Rancang Bangun Sistem Pakar Deteksi Penyakit Daun Jeruk Menggunakan Arsitektur YOLOv9 Isma, Ahmad Hidayat Nur; Satria, Fiqih; Kesuma, Mezan el-Khaeri
EXPERT: Jurnal Manajemen Sistem Informasi dan Teknologi Vol 15, No 1 (2025): June
Publisher : Universitas Bandar Lampung (UBL)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36448/expert.v15i1.4273

Abstract

Sulitnya melindungi tanaman pohon jeruk dikarenakan Jeruk termasuk kedalam pohon yang rentan terkena serangan penyakit yang terlihat seperti bercak pada daun jeruk, kesehatan jeruk bergantung pada petani dalam menjaga lahan pertaniannyaSalah satu manfaat penelitian ini yaitu menghasilkan sistem informasi untuk petani kebun jeruk dalam pendeteksian penyakit daun jeruk guna mencegah penurunan hasil panen dan kematian pohon jeruk, di mana ketepatan tingkat deteksi penyakit daun jeruk dapat ditentukan dengan cepat dan presisi tinggi dibandingkan klasifikasi manusia.penelitian Research and Development (RnD) dengan menggunakan metode Yolov9 sebagai metode pengembangannya. Pendekatan pada penelitian ini bertujuan agar dapat mengimplementasikan metode YOLOv9 dan menghasil sistem dalam mendeteksi penyakit daun jeruk dengan tingkat akurasi yang cukup baik fokus pada penelitian ini adalah mendeteksi penyakit daun jeruk yang diman apenyakut yang di jadikan penelitian yaitu karat, canker dan moss.temuan pada penelitian yang telah dilakukan oleh peneliti maka peneliti menemukan pada model yang telah dilatih pada penelitian ini denggan pelatihan 100 epoch menghasilkan nilai precision 0.86, recall sebesar 0.844, dengan kriteria bounding box melebihi 50% (mAP50) mencapai 0.90 dan rata-rata overlap pada setiap IoU (mAP50-95) sebesar 0.75. Sehingga nilai akurasi yang dihasilkan sebesar 87% dengan waktu pemrosesan rata-rata pergambar 34.2 ms. Dengan demikian dapat disimpulkan sistem berjalan dengan baik dalam mendeteksi penyakit daun jeruk.
Analisis Deforestasi Lahan Karet Menggunakan Google Earth Engine Romadhan, Dwi; Hastanto, Dika; Susanty, Wiwin
EXPERT: Jurnal Manajemen Sistem Informasi dan Teknologi Vol 15, No 1 (2025): June
Publisher : Universitas Bandar Lampung (UBL)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36448/expert.v15i1.4283

Abstract

Deforestasi global terus menjadi isu kritis karena konversi hutan ke lahan pertanian dan Perkebunan. Di Indonesia, implementasi EUDR (European Union Deforestation Regulation) menuntut pemantauan deforestasi lahan produksi, termasuk lahan karet. Penelitian ini bertujuan mengevaluasi luasan deforestasi pada dua kebun karet masyarakat di wilayah PT Mardec Way Kanan, Lampung, menggunakan platform Google Earth Engine (GEE) dan dataset Hansen Global Forest Change. Area objek ditentukan berdasarkan polygon (masing-masing empat koordinat) di sekitar kebun karet. Metode meliputi pengambilan citra tutupan hutan awal (treecover2000) dan data kehilangan hutan (loss) dari Hansen (2000–2023), perhitungan luas deforestasi dengan fungsi reduceRegion(), serta perhitungan loss area untuk kedua kebun. Hasil simulasi menunjukkan bahwa kebun 1 mengalami deforestasi sebesar 1,54 ha dari total 33,07 ha (sekitar 4,6%), sementara kebun 2 mengalami deforestasi 1,24 ha dari total 21,95 ha (sekitar 5,6%) yang menggambarkan proporsi deforestasi terhadap luas total kebun. Dapat disimpulkan GEE efektif mendeteksi deforestasi lahan karet secara spasial dan kuantitatif. Temuan ini relevan untuk kepatuhan EUDR, mendorong pemantauan deforestasi berbasis GEE secara berkala dan pengembangan sistem monitoring otomatis.
Sistem Informasi Penjualan Berbasis Web dengan Metode FAST pada Toko Bonsmerch Zaandami, Muhammad Naufalrio; Azhar, Nur Chalik
EXPERT: Jurnal Manajemen Sistem Informasi dan Teknologi Vol 15, No 1 (2025): June
Publisher : Universitas Bandar Lampung (UBL)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36448/expert.v15i1.4308

Abstract

Pencatatan barang secara manual di Toko Bonsmerch sering menyebabkan kesalahan data, kesulitan dalam melacak stok secara real-time, serta keterlambatan dalam pemantauan penjualan. Selain itu, metode manual juga memakan waktu, tidak efisien, dan berisiko tinggi terhadap kehilangan data. Berdasarkan permasalahan tersebut, penelitian ini bertujuan untuk membangun sistem informasi penjualan berbasis web yang lebih efektif, efisien, dan fleksibel guna mendukung kegiatan operasional toko secara optimal. Sistem dikembangkan menggunakan metode Framework for the Application of System Thinking (FAST) karena metode ini memiliki tahapan yang terstruktur dan umum digunakan dalam pengembangan sistem informasi, serta memberikan fleksibilitas dalam proses perancangan. Hasil penelitian menunjukkan bahwa sistem yang dibangun mampu memantau stok secara real-time, meminimalkan kesalahan pencatatan, mempercepat proses transaksi, dan meningkatkan efisiensi operasional secara menyeluruh. Pengujian dilakukan menggunakan pendekatan User Acceptance Testing (UAT) dengan melibatkan pengguna utama, yaitu staf dan owner. Berdasarkan hasil evaluasi terhadap empat aspek utama, sistem memperoleh rata-rata tingkat kepuasan sebesar 91,9%, yang termasuk dalam kategori Sangat Baik. Hal ini menunjukkan bahwa sistem telah sesuai dengan kebutuhan pengguna serta siap digunakan untuk mendukung pengambilan keputusan bisnis secara lebih cepat, tepat, dan terstruktur.
Pengembangan Aplikasi Business Intelligence Berbasis Artificial Intelligence untuk Prediksi Keberhasilan Penjualan Produk dan Keberlanjutan UMKM Romahdoni, Muhammad Reza; Wardana, M.Azka Kesuma; Saputra, Gustrio
EXPERT: Jurnal Manajemen Sistem Informasi dan Teknologi Vol 15, No 2 (2025): December
Publisher : Universitas Bandar Lampung (UBL)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36448/expert.v15i2.4620

Abstract

Micro, Small, and Medium Enterprises (MSMEs) in Pesawaran Regency face significant challenges, particularly the reliance on traditional sales methods, limited innovation, and minimal use of information technology. Most entrepreneurs still determine sales strategies based on personal experience, often resulting in inaccurate sales forecasts and stock imbalances that disrupt financial stability and business continuity. To address this issue, an Artificial Intelligence based Business Intelligence application was developed using the Agile Software Development methodology. The system employs the Random Forest algorithm to predict product sales success. Evaluation results demonstrate that the model achieved an accuracy of 86%, with a precision of 0.88, recall of 0.93, and F1-score of 0.90, indicating strong predictive performance. To further improve system reliability, it is recommended to increase training data particularly in the “Failed” class and optimize Random Forest parameters, such as the number of decision trees, tree depth, and feature selection, to achieve better predictive outcomes.
Business Intelligence untuk Segmentasi Pelanggan dengan Metode K-Means di Mizumi Onsen Hananta, M. Kemal Aditya; Susanto, Eko Budi; Sugianti, Devi
EXPERT: Jurnal Manajemen Sistem Informasi dan Teknologi Vol 15, No 2 (2025): December
Publisher : Universitas Bandar Lampung (UBL)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36448/expert.v15i2.4452

Abstract

Strategi pemasaran yang lebih responsif dan berbasis data sangat penting untuk sektor perhotelan mengingat persaingan yang semakin ketat. Mizumi Onsen sebagai hotel onsen yang terletak di Wonosobo, meskipun memiliki banyak informasi tentang pelanggan, belum berhasil memanfaatkan data tersebut secara optimal untuk mendapatkan segmentasi pasar yang akurat. Penelitian ini bertujuan untuk menggunakan algoritma K-Means Clustering yang dikombinasikan dengan Business Intelligence, tidak hanya untuk mengenali segmen pelanggan, tetapi juga untuk memperbaiki strategi pemasaran digital agar lebih efisien dan tepat sasaran. Data dalam penelitian ini mencakup 1.049 transaksi pelanggan dari Januari hingga Juli 2025 dengan 753 transaksi yang valid setelah proses pembersihan, serta data eksternal dari Instagram Insight untuk membandingkan profil audiens. Proses penelitian mencakup pengumpulan data, pembersihan, rekayasa fitur menggunakan Python, segmentasi dengan K-Means, dan visualisasi hasil melalui Google Looker Studio. Analisis mengindikasikan adanya empat segmen utama: High Value (17,4%) yang didominasi oleh perempuan berusia 35-44 tahun dari Jakarta; Medium-High Value (10,3%) dengan dominasi serupa berasal dari Jakarta dan Semarang; Medium-Low Value (42,8%) yang merupakan segmen terbesar dengan sebagian besar perempuan berusia 25-44 tahun dari Jakarta; dan Low Value (29,7%) yang juga didominasi oleh perempuan berusia 25-34 tahun dari Jakarta. Visualisasi dasbor Business Intelligence memberikan pemahaman mendalam terkait demografi, geografi, perilaku, dan nilai pelanggan. Temuan penelitian ini menekankan bahwa penggabungan K-Means dengan Business Intelligence tidak hanya meningkatkan ketepatan segmentasi pelanggan, tetapi juga menyediakan dasar strategis dalam merancang promosi digital yang responsif, efektif, dan berkelanjutan di dunia perhotelan.
Implementasi Algoritma First Fit Decreasing (FFD) Pada Perhitungan Cutting Plan Material Berbasis Panjang (Studi Kasus PT Bukaka Teknik Utama) Wibawa, Condro; Tri Anggraeni, Dessy
EXPERT: Jurnal Manajemen Sistem Informasi dan Teknologi Vol 15, No 2 (2025): December
Publisher : Universitas Bandar Lampung (UBL)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36448/expert.v15i2.4623

Abstract

Kebutuhan raw material pada industri manufaktur merupakan faktor yang sangat penting. Pada berbagai proyek, kebutuhan material terhadap budget proyek mencapai 30-60%. Oleh karenanya perencanaan pengadaan material harus dihitung dengan benar. Cutting plan adalah metode untuk menghitung kebutuhan material dalam sebuah proyek. Untuk optimalisasi perhitungan cutting plan, PT Bukaka Teknik Utama membuat program untuk mengintegrasikan perhitungan cutting plan dengan data BQ yang sudah ada pada program monitoring produksi. Algoritma yang digunakan adalah FFD (First Fit Decreasing). Algoritma ini digunakan untuk menghitung material berbasis panjang (length based), seperti steel angle, H-beam, steel round bar, dan lain-lain. Perhitungan program menghasilkan luaran yang sama dengan perhitungan manual. Akan tetapi dengan waktu perhitungan yang jauh lebih cepat. Perhitungan manual biasanya membutuhkan waktu 30-180 menit per proyek, bisa direduksi menjadi rata-rata 1,83 detik per proyek. Nilai ini setara dengan 99,89% efisiensi waktu. Perhitungan kinerja algoritma FFD terhadap hasil dan sisa material juga sangat baik. Hal ini terlihat dari nilai Effective Utilization Rate yang tinggi yaitu 95,01% dan nilai fair waste yang cukup kecil yaitu 4,99% per proyek.
Analisis ‘What-if’ Generatif untuk Evaluasi Ketahanan Model Prediksi Pertanian terhadap Perubahan Iklim Qomariyah, Nurul; Afifah, Dian Ayu; Supriyatna, Agiska Ria
EXPERT: Jurnal Manajemen Sistem Informasi dan Teknologi Vol 15, No 2 (2025): December
Publisher : Universitas Bandar Lampung (UBL)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36448/expert.v15i2.4586

Abstract

Global climate change directly affects agricultural productivity and increases uncertainty in crop yield prediction systems. Most machine learning models still rely on historical data that fail to represent extreme climate scenarios. This study proposes a data processing strategy based on generative simulation to evaluate the robustness of crop yield prediction models under synthetic climate perturbations. The Gaussian-based what-if analysis approach was applied to generate synthetic data that preserves the statistical characteristics of the original dataset. The baseline model employed a HistGradientBoostingRegressor, evaluated using R², MAE, RMSE, and Stability Index (SI) metrics. Experimental results achieved an R² of 0.9519, MAE of 1.08 t/ha, and SI values exceeding 0.95 across all simulated rainfall (±15%) and temperature (±2°C) scenarios. The Kolmogorov–Smirnov test confirmed that synthetic data distributions were not significantly different from the original (p > 0.05). These findings demonstrate that Gaussian-based generative simulation effectively enriches agricultural data and enables quantitative sensitivity evaluation of predictive models. The proposed approach aligns with the data-centric AI paradigm and supports the development of resilient, climate-adaptive smart agriculture systems
Perancangan Enterprise Architecture untuk Layanan Helpdesk TI Perguruan Tinggi XYZ Menggunakan TOGAF ADM Ibrahim, Hasbi Aufa
EXPERT: Jurnal Manajemen Sistem Informasi dan Teknologi Vol 15, No 2 (2025): December
Publisher : Universitas Bandar Lampung (UBL)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36448/expert.v15i2.4670

Abstract

Pemanfaatan teknologi informasi di lingkungan perguruan tinggi menuntut ketersediaan layanan pendukung yang handal, di mana helpdesk TI berperan strategis dalam memastikan kelancaran operasional akademik dan administratif. Namun, pengelolaan layanan helpdesk pada Perguruan Tinggi XYZ saat ini masih menghadapi kendala krusial, yaitu pencatatan insiden yang dilakukan secara manual, belum adanya standarisasi prosedur penanganan, serta minimnya integrasi antar sistem yang berdampak pada lambatnya waktu respons. Penelitian ini bertujuan untuk merancang arsitektur enterprise layanan helpdesk TI yang terstruktur guna mengatasi permasalahan tersebut. Metode yang digunakan adalah The Open Group Architecture Framework Architecture Development Method (TOGAF ADM), yang mencakup tahapan Preliminary, Architecture Vision, Business Architecture, Information System Architecture, hingga Technology Architecture, dengan didukung analisis kesenjangan (gap analysis) terhadap kondisi saat ini. Hasil dari penelitian ini adalah sebuah cetak biru (blueprint) arsitektur enterprise yang dapat dijadikan referensi utama dalam pengembangan sistem helpdesk yang terintegrasi. Penelitian ini menyimpulkan bahwa implementasi rancangan tersebut mampu mentransformasi layanan dari pola reaktif menjadi proaktif melalui otomatisasi alur kerja, sentralisasi manajemen pengetahuan (knowledge base), serta modernisasi infrastruktur, sehingga meningkatkan efisiensi dan kepuasan pengguna.
Face Recognition dengan YOLO 8 dan Convolutional Neural Network (CNN) Setiawan, Asep Trisna; Prihatmanto, Ary Setijadi; Erlangga, Erlangga; Ariani, Fenty; Permana, Adi
EXPERT: Jurnal Manajemen Sistem Informasi dan Teknologi Vol 15, No 2 (2025): December
Publisher : Universitas Bandar Lampung (UBL)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36448/expert.v15i2.4658

Abstract

Pengenalan wajah merupakan teknologi penting dalam biometric authentication untuk sistem keamanan dan identifikasi otomatis, namun metode tradisional masih terkendala oleh variasi pose dan pencahayaan. Penelitian ini bertujuan untuk mengembangkan dan mengintegrasikan arsitektur YOLOv8 sebagai face detector dan Convolutional Neural Network (CNN) sebagai face recognizer ke dalam satu pipeline end-to-end yang efisien. Metodologi yang digunakan melibatkan penggunaan YOLOv8 untuk deteksi dan lokalisasi wajah secara real-time, diikuti proses cropping serta alignment, dan diakhiri dengan klasifikasi identitas menggunakan model CNN berbasis transfer learning. Dataset yang digunakan mencakup 38 individu dengan total 380 citra yang dilatih menggunakan GPU NVIDIA GTX 1070. Hasil penelitian menunjukkan bahwa YOLOv8 mencapai performa sangat baik dengan nilai mean Average Precision (mAP@0.5) sebesar 0,972 dan waktu inferensi hanya 12,5 ms per frame. Sementara itu, model CNN berhasil mencapai akurasi pengujian sebesar 93,8% dengan F1-Score 0,93. Meskipun sistem mengalami penurunan performa pada kondisi pencahayaan rendah (low light) dan oklusi, integrasi kedua model ini terbukti tangguh dan layak diimplementasikan untuk aplikasi praktis seperti kontrol akses dan sistem kehadiran otomatis secara real-time. Pengembangan lanjutan disarankan untuk meningkatkan ketahanan model terhadap pose ekstrem dan hambatan visual yang berat.

Page 20 of 22 | Total Record : 215

 18   19   20   21   22 

Filter by Year

2011 2025


Reset
Filter By Issues
All Issue Vol 15, No 2 (2025): December Vol 15, No 1 (2025): June Vol 14, No 2 (2024): December Vol 13, No 1 (2023): June Vol 12, No 2 (2022): December Vol 12, No 1 (2022): June Vol 11, No 2 (2021): December Vol 11, No 1 (2021): June Vol 10, No 2 (2020): Desember Vol 10, No 1 (2020): Juni Vol 9, No 2 (2019): Desember Vol 9, No 1 (2019): Juni Vol 8, No 2 (2018): Desember Vol 8, No 1 (2018): Juni Vol 7, No 2 (2017): Desember Vol 7, No 1 (2017): Juni Vol 6, No 2 (2016): Desember Vol 6, No 1 (2016): Juni Vol 5, No 2 (2015): Desember Vol 5, No 1 (2015): Juni Vol 4, No 1 (2014): Juni Vol 3, No 2 (2013): Desember Vol 3, No 1 (2013): Juni Vol 2, No 2 (2012): Desember Vol 2, No 1 (2012): Juni Vol 2, No 2 (2011): Desember Vol 1, No 1 (2011): Juni More Issue