cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Fajril Akbar
Contact Email
ijab@fti.unand.ac.id
Phone
+627517770
Journal Mail Official
teknosi@fti.unand.ac.id
Editorial Address
Jurusan Sistem Informasi, Fakultas Teknologi Informasi Universitas Andalas Kampus Limau Manis, Padang 25163, Sumatera Barat
Location
Kota padang,
Sumatera barat
INDONESIA
Jurnas Nasional Teknologi dan Sistem Informasi
Published by Universitas Andalas
ISSN : 24768812     EISSN : 24603465     DOI : https://dx.doi.org/10.25077/TEKNOSI
Core Subject : Science,
Computer Science & IT Decision Sciences, Operations Research & Management
Jurnal ini menerbitkan artikel penelitian (research article), artikel telaah/studi literatur (review article/literature review), laporan kasus (case report) dan artikel konsep atau kebijakan (concept/policy article), di semua bidang : Geographical Information System, Enterpise Application, Bussiness Intelligence, Data Warehouse, Network Computer Security, Data Mining, Computer Architecture Design, Mobile Computing, Computing Theory, Embedded system, Decision Support System
Arjuna Subject : Ilmu Komputer (semua kategori) - Sistem Informasi
Articles 20 Documents
 1   2 
Search results for , issue "Vol 11 No 3 (2025): Desember 2025" : 20 Documents clear
Implementasi Web Scraping Dalam Pengembangan Aplikasi Super Untuk Menunjang Kegiatan Tugas Akhir Hanifah, Faridah; Rahmatulloh, Alam; Shofa, Rahmi Nur
Jurnal Nasional Teknologi dan Sistem Informasi Vol 11 No 3 (2025): Desember 2025
Publisher : Departemen Sistem Informasi, Fakultas Teknologi Informasi, Universitas Andalas

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25077/TEKNOSI.v11i3.2025.369-376

Abstract

Jurusan Informatika Universitas Siliwangi, telah menyediakan sebuah sistem informasi yang dinamai SUPER, yang mendukung proses tugas akhir. Namun, fokus aplikasi ini terbatas pada tahapan pemilihan dosen pembimbing. Penelitian ini bertujuan untuk memberikan solusi dalam meningkatkan efisiensi dan efektivitas proses kegiatan tugas akhir di Jurusan Informatika Universitas Siliwangi, dengan mengembangkan aplikasi yang terintegrasi dengan fitur-fitur yang diperlukan. Metode pengembangan yang digunakan dalam pengembangan aplikasi yaitu Extreme Programming dengan tahapan Planning, Design, Coding, dan Testing. Salah satu fitur yang ditambahkan pada pengembangan aplikasi SUPER yaitu pencarian referensi jurnal, dimana data yang diperoleh berasal dari website SINTA. Karena SINTA tidak menyediakan API resmi, peneliti menggunakan teknik web scraping sebagai alternatif umum untuk mengambil data. Hasil implementasi web scraping menunjukkan bahwa total 884 artikel berhasil diambil, yang kemudian diintegrasikan ke dalam menu referensi jurnal pada aplikasi SUPER. Pengujian dilakukan melalui Alpha Beta Testing untuk menguji fungsionalitas dan usability dari aplikasi yang dikembangkan. Alpha Testing dilakukan menggunakan Black Box dan didapatkan hasil bahwa semua menu pada aplikasi yang dikembangkan sudah berjalan dengan baik dan sudah sesuai harapan. Pengujian Beta dilakukan melalui penyebaran kuesioner kepada 84 responden, dengan hasil rata-rata skor SUS sebesar 71,1, menunjukkan bahwa aplikasi mendapat grade C+ dalam kategori baik (Good).
Factors Determining Consumer Purchase Intention on TikTok Shop: A Literature Review Ridha, Rizkillah; Nadlifatin, Reny
Jurnal Nasional Teknologi dan Sistem Informasi Vol 11 No 3 (2025): Desember 2025
Publisher : Departemen Sistem Informasi, Fakultas Teknologi Informasi, Universitas Andalas

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25077/TEKNOSI.v11i3.2025.294-301

Abstract

The trend of commerce through mobile apps has encouraged many social commerce companies to capitalize on this lucrative market opportunity. As a social commerce platform, TikTok Shop significantly influences consumer behavior, especially regarding purchase intention. Purchase intention has been a topic of interest in marketing and consumer behavior for many years. However, most of the previous studies used more quantitative approaches. This research aims to fill the gap in the literature by exploring the factors that influence consumer purchase intention in TikTok Shop social commerce. The method used is a literature study, which summarizes findings from 36 relevant articles. The results show that twenty factors influence consumer purchase intention. These factors include various aspects, ranging from trust to technical features of the TikTok Shop platform. As such, this research makes an essential contribution to understanding the dynamics of consumer purchase intentions in the growing era of digital commerce.
Analisis Risiko Banjir Berdasarkan Hasil Prediksi Curah Hujan Menggunakan Metode SARIMAX di Kabupaten Sumbawa Aprianto, Romi; Tawaqqal, Akbar; Puspitasari, Permata Ayu Dwi
Jurnal Nasional Teknologi dan Sistem Informasi Vol 11 No 3 (2025): Desember 2025
Publisher : Departemen Sistem Informasi, Fakultas Teknologi Informasi, Universitas Andalas

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25077/TEKNOSI.v11i3.2025.207-217

Abstract

Penelitian ini menganalisis risiko banjir di Kabupaten Sumbawa dengan memprediksi curah hujan bulanan menggunakan model SARIMAX (Seasonal AutoRegressive Integrated Moving Average with Exogenous Variables) dengan memasukkan indeks Southern Oscillation Index (SOI) sebagai variabel eksogen. SARIMAX dipilih karena kemampuannya dalam menangkap pola musiman dan tren curah hujan serta mempertimbangkan pengaruh fenomena iklim global seperti El Niño dan La Niña. Data curah hujan dan SOI yang digunakan mencakup periode November 2000 hingga Oktober 2024. Hasil evaluasi model menunjukkan tingkat akurasi yang cukup baik dengan Mean Absolute Error (MAE) sebesar 37,61 mm dan Root Mean Squared Error (RMSE) sebesar 42,84 mm. Prediksi menunjukkan peningkatan curah hujan signifikan pada bulan Desember hingga Februari, yang menandakan periode risiko banjir tertinggi. Berdasarkan hasil prediksi ini, direkomendasikan beberapa langkah mitigasi, termasuk peningkatan infrastruktur penampungan air, pengelolaan waduk, penguatan sistem drainase, serta edukasi masyarakat untuk kesiapsiagaan banjir. Penelitian ini memberikan kontribusi signifikan dalam pengembangan sistem mitigasi banjir yang lebih efektif di Kabupaten Sumbawa dan dapat diaplikasikan di wilayah lain dengan karakteristik serupa.
Optimalisasi DoRA untuk Deteksi Ujaran Kebencian Berbahasa Indonesia Berbasis Transformer Suharjanto, David; Sumarsono, Sumarsono
Jurnal Nasional Teknologi dan Sistem Informasi Vol 11 No 3 (2025): Desember 2025
Publisher : Departemen Sistem Informasi, Fakultas Teknologi Informasi, Universitas Andalas

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25077/TEKNOSI.v11i3.2025.341-349

Abstract

Ujaran kebencian (UK) merupakan fenomena meresahkan yang cepat menyebar melalui media sosial, menimbulkan dampak negatif pada kohesi sosial dan kesehatan mental individu. Di Indonesia, peningkatan kasus UK menuntut pengembangan sistem deteksi otomatis yang cepat dan akurat. Penelitian sebelumnya telah memanfaatkan model transformer, namun sering kali disertai dengan penambahan arsitektur deep learning seperti CNN atau BiLSTM, yang justru meningkatkan kompleksitas model. Penelitian ini bertujuan untuk mengoptimalkan kinerja deteksi UK berbahasa Indonesia dengan menerapkan teknik Weight-Decomposed Low-Rank Adaptation (DoRA) pada model transformer pre-trained IndoBERT-Base, IndoBERT-Large, dan IndoBERTweet-Base. Efektivitas DoRA dibandingkan dengan teknik full fine-tuning dievaluasi menggunakan dataset berisi 13.169 twit berbahasa Indonesia yang telah dianotasi. Hasil eksperimen menunjukkan bahwa DoRA secara konsisten meningkatkan kinerja pada semua model yang diuji. Model IndoBERTweet-Base dengan DoRA mencapai F1-score tertinggi sebesar 89,64%, melampaui full fine-tuning IndoBERTweet (88,18%) serta hasil terbaik dari studi sebelumnya yang menggunakan arsitektur lebih kompleks, seperti IndoBERTweet + CNN (87,60%) dan IndoBERTweet + BiLSTM (88,30%). Temuan ini menunjukkan bahwa fine-tuning model transformer menggunakan DoRA merupakan strategi yang efektif untuk deteksi UK dalam Bahasa Indonesia, tanpa memerlukan penambahan arsitektur deep learning yang kompleks.
Segmentasi Pelanggan menggunakan Metode K-means Clustering Berdasarkan Model RFM pada Bisnis Food and Beverage (Studi Kasus: Coffee shop X) Nurlathifa, Anggita; Sucahyati , Diarany
Jurnal Nasional Teknologi dan Sistem Informasi Vol 11 No 3 (2025): Desember 2025
Publisher : Departemen Sistem Informasi, Fakultas Teknologi Informasi, Universitas Andalas

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25077/TEKNOSI.v11i3.2025.218-225

Abstract

Data tidak bisa dipisahkan dari bidang industri yang semakin maju. Analisis ini menyoroti kekuatan big data dalam industri food and beverages. Dengan menggunakan profil pelanggan dan analisis transaksi, bisnis dapat memperoleh wawasan pelanggan yang mendalam dan mengoptimalkan pemasaran, produk, dan operasi. Salah satu aplikasi analisis data ini adalah dengan melakukan segementasi pelanggan untuk menentukan kebijakan terutama dalam bidang penjualan. Penelitian ini mengklasifikasikan pelanggan Coffee Shop X menggunakan segmentasi RFM (Recency, Frequency, Monetary) dengan algoritma K-means. Hasil menunjukkan bahwa segmentasi optimal terdiri dari 2 atau 3 cluster. Pelanggan terbagi menjadi golongan pasif, aktif, dan loyal, masing-masing dengan strategi pemasaran yang berbeda seperti edukasi produk, kampanye promosi, dan program loyalitas.
Analisis Pola Belajar Mahasiswa Pada Platform Pembelajaran Daring (Studi Kasus: LeADS UPNVJ) Irzavika, Nindy; Gusti, Kharisma Wiati; Abdurachman , Mohamad Thoriq; Saputra , Bima
Jurnal Nasional Teknologi dan Sistem Informasi Vol 11 No 3 (2025): Desember 2025
Publisher : Departemen Sistem Informasi, Fakultas Teknologi Informasi, Universitas Andalas

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25077/TEKNOSI.v11i3.2025.226-234

Abstract

Kebutuhan pembelajaran jarak jauh mendorong pemanfaatan platform pembelajaran daring sebagai media utama yang mendukung proses belajar mengajar di perguruan tinggi. Salah satu tantangan dalam implementasi sistem ini adalah kemampuan untuk memahami pola belajar mahasiswa secara objektif dan berbasis data. Penelitian ini bertujuan untuk mengidentifikasi dan menganalisis pola belajar mahasiswa pada Learning Management System (LMS) LeADS di Universitas Pembangunan Nasional Veteran Jakarta melalui pendekatan analisis big data. Data penelitian berupa log aktivitas mahasiswa pada LMS yang mencakup interasi akadeik seperti melihat materi, mengumpulkan tugas, mengerjakan kuis, dan partisipasi diskusi selama empat semester di program studi Sistem Informasi. Metode penelitian menggunakan pendekatan kuantiatif sesuai dengan siklus hidup big data. Algoritma Random Forest digunakan untuk mengklasifikasikan waktu belajar mahasiswa dengan optimasi parameter menggunakan metode Grid Search. Hasil penelitian menunjukkan bahwa partisipasi aktif relatif rendah yang mengindikasi pola belajar cenderung pasif. Konsistensi dan keterlibatan mahasiswa dalam LMS memiliki pengaruh yang lebih signifikan pada prestasi akademik dibandingkan waktu belajar dominan mahasiswa. Model Random Forest yang dibangun memiliki akurasi 88%, namun performanya belum optimal dalam mengklasifikasi kelas dengan jumlah terbatas. Hail pemenillitian ini menunjukkan pentingnya pemanfaatan data log LMS untuk memahami perilaku belajar mahasiswa secara lebih komprehensif serta membuka peluang pengembangan strategi pembelajaran adaptif berbasis data. Selain itu, hasil penelitian ini memberikan dasar bagi institusi pendidikan untuk merancang intervensi pembelajaran yang lebih efektif dan personal sesuai kebutuhan mahasiswa.
Redesigning the SKK Website Using User-Centered Design and WEBUSE for Enhanced Usability Putra, Kurnia Ramadhan; Umaroh, Sofia; Yudianto, Fauzi
Jurnal Nasional Teknologi dan Sistem Informasi Vol 11 No 3 (2025): Desember 2025
Publisher : Departemen Sistem Informasi, Fakultas Teknologi Informasi, Universitas Andalas

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25077/TEKNOSI.v11i2.2025.244-252

Abstract

The Student Credit System (SKK) website plays a crucial role in managing students' extracurricular activities. However, usability issues in its previous design, such as inconsistent color schemes, confusing document uploads, unclear information tables, and unintuitive workflows, hindered user experience. This study aims to enhance usability and user satisfaction through a redesign using the User-Centered Design (UCD) method. The UCD methodology follows four structured stages: Specify the Context of Use, Specify User and Organization Requirements, Produce Design Solutions, and Evaluate Design Against User Requirements. To assess usability improvements, an evaluation was conducted using Website Usability Evaluation (WEBUSE), measuring four key aspects: Content, Organization, and Readability, Navigation and Links, User Interface Design, and Performance and Effectiveness. The results indicate substantial improvements. Usability scores increased from 0.45 to 0.93 for Content Organization, and Readability, 0.46 to 0.92 for Navigation and Links, 0.39 to 0.97 for User Interface Design, and 0.62 to 0.91 for Performance and Effectiveness, all reaching excellent usability levels. User feedback confirmed a more intuitive, visually cohesive, and user-friendly experience, enhancing accessibility and efficiency in managing SKK activities. In conclusion, applying UCD effectively enhances usability, validated by WEBUSE evaluation and user feedback. Despite these improvements, the study is currently limited to a Figma-based prototype, requiring further development for full implementation and real-world validation.
Analisis Bibliometrik Terhadap Tren dan Pertumbuhan Penelitian Quantum Machine Learning Yudistira, Raka; Setyowati, Endah
Jurnal Nasional Teknologi dan Sistem Informasi Vol 11 No 3 (2025): Desember 2025
Publisher : Departemen Sistem Informasi, Fakultas Teknologi Informasi, Universitas Andalas

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25077/TEKNOSI.v11i3.2025.361-368

Abstract

Penelitian ini bertujuan untuk menganalisis tren serta perkembangan penelitian dalam bidang Quantum Machine Learning (QML) melalui pendekatan bibliometrik. QML merupakan turunan bidang ilmu dari Machine Learning (ML) yang mengintegrasikan ebberapa prinsip dasar mekanika kuantum seperti superposisi dan entanglement yang memungkinkan komputasi yang lebih kompleks. Dibalik potensinya yang besar, jumlha publikasi ilmiah pada bidang ini masih relative terbatas dibandingkan dengan topik lain yang sering digunakan seperti Artificial Intelligence (AI). Maka dari itu, analisis serta pemetaan yang sistematis melalui pendekatan bibliometrik sangat diperlukan untuk membantu para peneliti untuk mengembangkan penelitian pada topik QML ini. data dikumpulkan dengan menggunakan software publish or perish dengan menggunakan database scopus pada periode 2013-2023 atau rentang 10 tahun terakhir. Didapatkan 200 dokumen yang berupa artikel ilmiah dan konfrensi. Analisis dilakukan terhadap berbagai parameter seperti tren jumlah publikasi dari tahun ke tahun, produktivitas penulis dalam mengembangkan penelitian pada bidang ini, jurnal dengan frekuensi publikasi tertinggi, serta keterikatan kata kunci pada QML. Data yang dianalisis serta divisualisasikan menggunakan Microsoft Excell dan VOSviewer. Hasil penelitian menunjukan hasil yang membantu para peneliti seperti peningkatan publikasi pada rentang tahun 2017-2020, penulis paling produktif pada topik QML adalah M.schuld 6 jurnal ilmiah yang sudah dipublikasikan. Keterikatan kata kunci yang sangat erat dengan QML yakni quantum computing dan deep learning. Serta frekuensi tempat publikasi jurnal ilmiah terbanyak pada topik ini pada Nature Communications. Temuan ini diharapkan dapat menajdi rujuan serta acuan bagi para peneliti untuk yang akan meneliti pada bidang QML
Klasterisasi Wilayah Kemiskinan Jawa Tengah Menggunakan K-Means Berbasis Indikator Sosial-Ekonomi Alif , Moh. Fachri; Fahmi, Amiq
Jurnal Nasional Teknologi dan Sistem Informasi Vol 11 No 3 (2025): Desember 2025
Publisher : Departemen Sistem Informasi, Fakultas Teknologi Informasi, Universitas Andalas

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25077/TEKNOSI.v11i3.2025.302-309

Abstract

Kemiskinan merupakan isu multidimensi yang berdampak signifikan terhadap kualitas pembangunan wilayah, khususnya di Provinsi Jawa Tengah yang menempati urutan ketiga secara nasional. Meskipun data sosial ekonomi tersedia secara melimpah dan terbuka, pemanfaatannya untuk segmentasi wilayah serta perumusan kebijakan berbasis data, informasi, dan pengetahuan masih terbatas. Penelitian ini bertujuan untuk melakukan klasterisasi kabupaten/kota di Provinsi Jawa Tengah menggunakan algoritma K-Means, berdasarkan tujuh indikator utama sosial ekonomi: Indeks Pembangunan Manusia (IPM), proporsi penduduk miskin ekstrem (Prioritas 1), sangat miskin (Prioritas 2), pengeluaran per kapita, upah minimum kabupaten/kota (UMK), tingkat pengangguran terbuka, dan jumlah rumah tidak layak huni (RTLH). Data yang digunakan merupakan data sekunder tahun 2024 yang diperoleh dari Badan Pusat Statistik dan Dinas Sosial Provinsi Jawa Tengah dan telah melalui proses normalisasi. Penentuan jumlah klaster optimal dilakukan dengan metode Elbow, sedangkan Principal Component Analysis (PCA) digunakan sebagai teknik visualisasi. Pendekatan kuantitatif dan interpretatif ini memastikan bahwa klaster yang terbentuk bersifat optimal secara statistik, mudah dijelaskan secara visual, dan relevan untuk ditindaklanjuti dalam kebijakan. Hasil analisis menunjukkan terbentuknya tiga klaster wilayah dengan karakteristik sosial ekonomi yang berbeda secara signifikan, yaitu wilayah berkembang, wilayah transisi, dan wilayah prioritas pengentasan kemiskinan. Temuan hasil penelitian ini, yang mengintegrasikan multi-indikator sosial ekonomi dengan pendekatan visual dan analitis, mampu menghasilkan segmentasi wilayah yang lebih akurat dan aplikatif bagi penyusunan kebijakan pembangunan wilayah yang lebih berkeadilan, dengan penekanan pada intervensi intensif terhadap kabupaten/kota yang memiliki tingkat kemiskinan ekstrem dan sangat miskin.
Knowledge Discovery: Analisis Sentimen dan Emosi WhatsApp Business dengan Machine learning dan Deep Learning Pardede, Eva Theresia; Tania , Ken Ditha; Afrina , Mira
Jurnal Nasional Teknologi dan Sistem Informasi Vol 11 No 3 (2025): Desember 2025
Publisher : Departemen Sistem Informasi, Fakultas Teknologi Informasi, Universitas Andalas

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25077/TEKNOSI.v11i3.2025.310-318

Abstract

WhatsApp Business merupakan salah satu media yang menyediakan layanan komunikasi bisnis secara langsung, cepat, dan efisien. Penelitian ini dilakukan untuk mengevaluasi persepsi pengguna terhadap WhatsApp Business melalui pendekatan analisis sentimen dan klasifikasi emosi secara mendalam terhadap ulasan pengguna. Data yang digunakan sebanyak 3.000 ulasan yang dikumpulkan melalui teknik scraping, kemudian diproses melalui tahapan preprocessing, pelabelan berdasarkan rating, serta klasifikasi emosi secara manual. Klasifikasi emosi menggunakan empat kategori, yaitu bahagia, marah, sedih, dan takut. Penelitian ini mengimplementasikan model Machine learning dan Deep Learning untuk analisis sentimen. Model Machine learning menggunakan metode TF-IDF dengan algoritma SVM dan Random Forest, sedangkan pada model Deep Learning digunakan Tokenizer untuk algoritma LSTM dan CNN. Berdasarkan hasil evaluasi, algoritma SVM mencatatkan akurasi tertinggi sebesar 84,18% dalam klasifikasi sentimen, sementara algoritma LSTM menunjukkan keunggulan pada aspek precision, recall, dan f1-score. Penelitian ini menghasilkan temuan signifikan sebagai bagian dari proses Knowledge Discovery, yakni pola emosi dan sentimen dalam ulasan pengguna yang dapat dimanfaatkan untuk memahami persepsi pengguna secara lebih mendalam serta memberikan masukan relevan pada pengembang untuk meningkatkan kualitas layanan dan fitur aplikasi WhatsApp Business.

Page 1 of 2 | Total Record : 20

 1   2 

Filter by Year

2025 2025


Reset
Filter By Issues
All Issue Vol 11 No 3 (2025): Desember 2025 Vol 11 No 2 (2025): Agustus 2025 Vol 11 No 1 (2025): April 2025 Vol 10 No 3 (2024): Desember 2024 Vol 10, No 2 (2024): Agustus 2024 Vol 10 No 2 (2024): Agustus 2024 Vol 10, No 1 (2024): April 2024 Vol 10 No 1 (2024): April 2024 Vol 9 No 3 (2023): Desember 2023 Vol 9, No 3 (2023): Desember 2023 Vol 9 No 2 (2023): Agustus 2023 Vol 9, No 2 (2023): Agustus 2023 Vol 9, No 1 (2023): April 2023 Vol 9 No 1 (2023): April 2023 Vol 8 No 3 (2022): Desember 2022 Vol 8, No 3 (2022): Desember 2022 Vol 8 No 2 (2022): Agustus 2022 Vol 8, No 2 (2022): Agustus 2022 Vol 8, No 1 (2022): April 2022 Vol 8 No 1 (2022): April 2022 Vol 7 No 3 (2021): Desember 2021 Vol 7, No 3 (2021): Desember 2021 Vol 7 No 2 (2021): Agustus 2021 Vol 7, No 2 (2021): Agustus 2021 Vol 7, No 1 (2021): April 2021 Vol 6, No 3 (2020): Desember 2020 Vol 6, No 2 (2020): Agustus 2020 Vol 6, No 1 (2020): April 2020 Vol 5, No 3 (2019): Desember 2019 Vol 5, No 2 (2019): Agustus 2019 Vol 5, No 1 (2019): April 2019 Vol 5 No 1 (2019): April 2019 Vol 4, No 3 (2018): Desember 2018 Vol 4, No 2 (2018): Agustus 2018 Vol 4, No 1 (2018): April 2018 Vol 3, No 3 (2017): Desember 2017 Vol 3, No 2 (2017): Agustus 2017 Vol 3, No 1 (2017): April 2017 Vol 2, No 3 (2016): Desember 2016 Vol 2, No 2 (2016): Agustus 2016 Vol 2, No 1 (2016): April 2016 Vol 1, No 1 (2015): Oktober 2015 More Issue