cover
Contact Name
Nelfiyanti
Contact Email
nelfiyanti@ftumj.ac.id
Phone
+6281363155951
Journal Mail Official
-
Editorial Address
Jl. Cempaka Putih Tengah 27 Jakarta Pusat
Location
Kota adm. jakarta selatan,
Dki jakarta
INDONESIA
JISI UMJ (Jurnal Integrasi Sistem Industri UMJ)
ISSN : 23552085     EISSN : 2550083X     DOI : 10.24853/jisi
Core Subject : Engineering,
JISI: Jurnal Integrasi Sistem Industri Jurusan Fakultas Teknik Universitas Muhammadiyah Jakarta mengundang para dosen, peneliti, pengkaji, praktisi, industri, dan pemerhati serta mahasiswa S1/S2/S3, untuk mengirimkan paper atau artikel ilmiahnya. JISI: Jurnal Integrasi Sistem Industri bersifat terbuka. Paper yang masuk akan di-review secara peer-review. Setelah proses review selesai, hasil review akan diinformasikan kepada penulis paper melalui sistem Open Journal System (OJS). JISI: Jurnal Integrasi Sistem Industri terbit 2 kali dalam setahun. Secara berkala JISI UMJ: Jurnal Integrasi Sistem Industri terbit setiap bulan Februari dan Agustus.
Articles 13 Documents
Search results for , issue "Vol. 12 No. 1 (2025): JISI UMJ" : 13 Documents clear
Analisis Faktor-Faktor yang Berpengaruh Terhadap Intensi Membeli Melalui Live Shopping pada Generasi Z Indah, Putri Dwi; Zunaidi, Rizqa Amelia; Putra, Perdana Suteja
JISI: Jurnal Integrasi Sistem Industri Vol. 12 No. 1 (2025): JISI UMJ
Publisher : Fakultas teknik Universitas Muhammadiyah Jakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24853/jisi.12.1.13-22

Abstract

Live Shopping adalah konsep yang menggabungkan fitur streaming langsung dengan transaksi pembelian secara real-time. live shopping lebih interaktif karena pelaku bisnis dapat memberikan keterangan secara detail mengenai sebuah produk. Penelitian ini bertujuan untuk mengetahui faktor apa saja yang mempengaruhi intensi dan perilaku generasi Z dalam berbelanja melalui live shopping. Penelitian ini dilakukan menggunakan metode Structural Equation Modelling (SEM) untuk menguji hubungan korelasi antar variabel. Teknik pengambilan sampel yang digunakan adalah purposive samping dengan jumlah sampel sebanyak 200 responden. Teknik pengumpulan data dilakukan dengan penyebaran kuesioner secara online kepada pengguna live shopping. Dalam penelitian ini menggunakan variabel trust, online live shopping experience, attitude, subjective norm, perceived behavior control, intention to live shopping, dan online live shopping behavior. Hasil penelitian ini menunjukkan bahwa trust memiliki pengaruh terhadap attitude, attitude dan subjective norm memiliki pengaruh terhadap intention to live shopping, intention to live shopping memiliki pengaruh terhadap online live shopping behavior. Namun, online live shopping experience tidak memiliki pengaruh terhadap attitude, dan perceived behavior control juga tidak memiliki pengaruh terhadap intention to live shopping. Kata kunci: Live shopping, intention to live shopping, theory of planned behavior
ANALISA PERBAIKAN BENANG KUSUT AKIBAT RING TOUCH PADA PROSES PENGGULUNGAN DI MESIN RING SPINNING FRAME Harianto, Dedy; Pujianto, Hendri; Bintang, Hamdan S; Alfanti, Dita
JISI: Jurnal Integrasi Sistem Industri Vol. 12 No. 1 (2025): JISI UMJ
Publisher : Fakultas teknik Universitas Muhammadiyah Jakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24853/jisi.12.1.67-78

Abstract

Cacat pada benang dalam industri pemintalan tekstil dapat mempengaruhi kualitas produk serta efisiensi produksi. Salah satu cacat yang umum terjadi adalah ring touch pada mesin Ring Spinning Frame (RSF), yang disebabkan oleh gesekan berlebihan antara cincin (ring) dan traveller. Cacat ini dapat meningkatkan tingkat kecacatan produk akhir serta mengganggu stabilitas proses produksi. Penelitian ini mengeksplorasi penggunaan metode 5W+1H sebagai alat diagnostik dalam perbaikan kualitas benang yang mengalami cacat akibat ring touch. Cause and Effect Diagram digunakan untuk mengidentifikasi penyebab utama permasalahan, diikuti oleh penerapan metode 5W+1H dalam perencanaan tindakan perbaikan. Hasil analisis menunjukkan bahwa penyebab utama adalah ketidaksesuaian posisi spindle, yang dipengaruhi oleh perubahan pengaturan ring flange dan kendornya mur di bawah spindle. Langkah perbaikan meliputi pengencangan baut pengunci ring flange, penyetelan ulang sesuai spesifikasi, serta pemeriksaan dan penggantian mur yang kendur. Perbaikan dilakukan oleh tim pemeliharaan RSF selama jadwal perawatan mesin. Implementasi tindakan ini terbukti meningkatkan stabilitas operasional mesin, mengurangi tingkat benang kusut secara signifikan, serta menghasilkan benang dengan keseragaman yang lebih baik. Hasil penelitian ini menunjukkan bahwa pendekatan berbasis metode 5W+1H dapat menjadi strategi diagnostik yang efektif dalam mengoptimalkan kualitas benang dan meningkatkan efisiensi produksi di industri tekstil
PEMILIHAN PEMASOK MENGGUNAKAN METODE K-MEANS KLUSTERING BERBASIS PYTHON Zaen, Miftakhul; Boru Butar Butar, Maulida; Nasution, Syarifuddin; Mohamad Noor, Asep
JISI: Jurnal Integrasi Sistem Industri Vol. 12 No. 1 (2025): JISI UMJ
Publisher : Fakultas teknik Universitas Muhammadiyah Jakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Supplier selection is a decision-making process that is complex and carries a lot of risks. Therefore, in order to make decisions more precise, decision-making requires tools that are scientific, logical and structured. Currently, most supplier selection is done using manual calculations, so it requires accuracy in doing so. With current technological advances supplier selection can be implemented with artificial intelligence. Implementing artificial intelligence by selecting suppliers can reduce errors in manual calculations and hopefully get better suppliers. The purpose of this research is to implement artificial intelligence into supplier selection with the method used, namely K-means clustering with the criteria used are quality, price, and delivery time. The data used in this research is secondary data sourced from Kaggle so the weight of each criterion is unknown. The results of this study show that the best suppliers are supplier 19 in cluster 0, supplier 8 in cluster 1, and supplier 20 in cluster 3.

Page 2 of 2 | Total Record : 13