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 365 Documents
 21   22   23   24   25 
Analisis Variasi Implementasi Algoritma Analytical Hierarchy Process (AHP) Dalam Menentukan Prioritas Produk Kalibrasi Ivan Michael Siregar; Lydia Wulandari Budi Putri
Jurnal Nasional Teknologi dan Sistem Informasi Vol 10, No 1 (2024): April 2024
Publisher : Jurusan Sistem Informasi, Fakultas Teknologi Informasi, Universitas Andalas

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25077/TEKNOSI.v10i1.2024.54-63

Abstract

Pemanfaatan teknologi informasi telah berhasil menolong banyak perusahaan dalam meningkatkan penjualan produknya. Dengan melakukan evaluasi terhadap kinerja penjualan maka akan terlihat dinamika perubahan angka penjualan setiap produk secara lebih akurat untuk membantu pengambil keputusan yang strategis. Oleh karena itu, untuk mengatasi permasalahan ranking dan prioritas produk pada penelitian ini diperlukan suatu algoritma khusus seperti AHP untuk menyelesaikan permasalahan kompleks yang memiliki banyak kriteria. Banyak penelitian yang berhasil menggunakan algoritma AHP untuk menentukan peringkat produk seperti produk yang laris di minimarket dan beberapa studi kasus lainnya. Namun dalam penerapan AHP terdapat beberapa cara berbeda dalam menghitung bobot dan rasio konsistensi. Menggunakan AHP, melakukan pengujian dengan variasi proses AHP yang sering digunakan untuk menentukan prioritas kalibrasi produk dan membandingkannya, kemudian mengimplementasikan metode terbaik ke dalam Python. Kriterianya adalah jumlah pelanggan, jumlah alat yang masuk, harga per alat, waktu penyelesaian, dan review pelanggan. Berdasarkan hasil penelitian, bobot masing-masing cara berbeda-beda, namun prioritas yang dihasilkan sama. Produk terlaris adalah plug gauge dengan bobot tertinggi dan terburuk adalah instrumen. Hasilnya juga menunjukkan bahwa cara terbaik dalam proses normalisasi adalah dengan membagi setiap nilai kolom dengan total kolom yang bersangkutan dan memiliki nilai konsistensi yang lebih akurat. Hasil pemeringkatan akan memudahkan pengambil keputusan menganalisis prioritas produk dan menggunakan cara yang efektif.
Perancangan User Interface (UI) dan User Experience (UX) pada Sistem Informasi PT. XYZ Prima Fithri; Asmuliardi Muluk; Rahmad Haret Rayhanda
Jurnal Nasional Teknologi dan Sistem Informasi Vol 9, No 3 (2023): Desember 2023
Publisher : Jurusan Sistem Informasi, Fakultas Teknologi Informasi, Universitas Andalas

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25077/TEKNOSI.v9i3.2023.280-289

Abstract

Penelitian ini bertujuan untuk merancang sistem informasi User Interface (UI) dan User Experience (UX) pada PT. XYZ. Perancangan ini berfokus pada desain sistem informasi yang tersedia dalam website Camille Beauty, mengidentifikasi kebutuhan pengguna terkait dengan UI dan UX dalam sistem informasi perusahaan, merancang perbaikan dan pengembangan UI dan UX yang lebih baik, serta menganalisis sistem informasi untuk meningkatkan kualitas UI dan UX. Hasil penelitian yang telah didapatkan adalah perancangan UI dan UX yang baik sangat penting dalam menciptakan pengalaman pengguna yang memuaskan. Tata letak yang intuitif, navigasi yang mudah dipahami, penggunaan warna dan visual yang tepat, serta responsivitas terhadap perangkat mobile merupakan faktor penting untuk memastikan pengguna dapat dengan mudah mengakses informasi dan produk yang ditawarkan oleh Camille Beauty dan pemodelan UML membantu dalam memahami struktur dan alur kerja sistem. Diagram use case, class, sequence, dan activity membantu menggambarkan interaksi pengguna dengan sistem, struktur data yang diperlukan, urutan tindakan, dan alur kerja yang terlibat. Pemodelan UML dapat menjadi panduan yang berguna dalam pengembangan dan pemeliharaan website Camille Beauty.
Dynamic Time Warping Pada Metode K-Means Untuk Pengelompokan Data Trend Penjualan Produk Wijaya, Fairizal Aaron Wahyu Tanamas Satria; Prasetyo, Eko; Tias, Rahmawati Febrifyaning
Jurnal Nasional Teknologi dan Sistem Informasi Vol 10, No 2 (2024): Agustus 2024
Publisher : Jurusan Sistem Informasi, Fakultas Teknologi Informasi, Universitas Andalas

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25077/TEKNOSI.v10i2.2024.100-109

Abstract

Pasar swalayan menghasilkan transaksi penjualan dengan pelanggan dengan laju pertumbuhan data tinggi. Data transaksi sejumlah barang memiliki pola berbeda, ada yang tinggi dan ada yang rendah. Perbedaan ini mengakibatkan pola penjualan antar satu produk dengan produk lainnya berbeda. Pola ini juga mengakibatkan pengelolaan stok dan promosi juga berbeda. Maka, untuk memudahkan pengelolaan barang, perlu dilakukan pengelompokan trend penjualan otomatis menggunakan K-Means. Namun, metode perhitungan jarak (dissimilarity) standar tidak tepat digunakan pada data periodik. Penelitian ini bereksperimen mengelompokkan data periodic trend penjualan produk menggunakan metode K-Means dan DTW (Dynamic Time Warping) untuk perhitungan jarak. DTW melakukan perhitungan jarak dengan memperhatikan data histori periode sebelum dan setelah data yang sedang dihitung. Pelibatan data disekitarnya akan membentuk jarak sesuai dengan pola data periodik. Hasil pengelompokan data tahun 2021, Cluster 1 dengan 417 data memiliki pola naik dari awal tahun kemudian menurun, selanjutnya perlahan naik kembali di pertengahan hingga akhir tahun. Cluster 2 dengan 2403 data memiliki pola stabil di awal tahun, ketika di pertengahan tahun mulai naik, kemudian di akhir tahun turun namun kembali naik. Cluster 3 dengan 289 data memiliki pola menurun saat awal tahun, namun terlihat stabil hingga akhir tahun. Hasil ekeperimen pengelompokan trend penjualan menggunakan metode K-Means dengan jarak DTW menunjukkan hasil yang baik dan memiliki pola data dalam kelompok yang sesuai karakteristik alami. Hal ini didukung oleh validitas Davies-Bouldin index -1.215 dimana nilai yang semakin kecil mendekati nol menunjukkan kualitas cluster yang dicapai baik.
Comparative Analysis of User Satisfaction Levels of Threads and X Applications Using the PIECES Method Nurul Rahmayani; Dolly Indra; Muhammad Arfah Asis
Jurnal Nasional Teknologi dan Sistem Informasi Vol 10, No 1 (2024): April 2024
Publisher : Jurusan Sistem Informasi, Fakultas Teknologi Informasi, Universitas Andalas

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25077/TEKNOSI.v10i1.2024.17-26

Abstract

Technology and information systems are high-speed in their application in helping community activities in the digital era. People's desire to access the Internet has increased to provide opportunities for companies to provide technology services, namely the Internet. One of the latest platforms to gain popularity among young users is Threads, which Instagram launched. X is an online social networking and microblogging service that allows users to send and receive text-based messages or posts. To determine whether Threads and X can be used to the best of their ability to access information, an analysis of the performance of the applications was conducted. This study uses the PIECES method to determine user satisfaction with the Threads and X applications. This research uses the PIECES analysis method, which consists of several assessment indicators (Performance, Information and Data, Economics, Control, Security, Efficiency, and Service) by distributing questionnaires to active users of Threads and X from various regions to get 1002 respondents. The results of this study show that Threads receives an average score of 3.61, indicating that users are satisfied, while X gets an average score of 4.37, indicating that users are satisfied. So, the results of this study show that the average level of satisfaction of X users is more significant than Threads. This shows that X's average level of user satisfaction is superior to that of Threads.
Perancangan Sistem Identifikasi Jenis Sampah Menggunakan Tensorflow Object Detection Dan Transfer Learning Aulia Anshari Fathurrahman; Fajril Akbar
Jurnal Nasional Teknologi dan Sistem Informasi Vol 10, No 1 (2024): April 2024
Publisher : Jurusan Sistem Informasi, Fakultas Teknologi Informasi, Universitas Andalas

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25077/TEKNOSI.v10i1.2024.64-71

Abstract

Penanganan sampah menjadi tantangan utama dalam menjaga kebersihan dan kelestarian lingkungan. Identifikasi jenis sampah secara efisien sangat penting untuk meningkatkan pemilahan dan pengelolaan sampah. Penelitian ini berfokus pada penerapan teknologi deep learning menggunakan TensorFlow Object Detection API dan transfer learning untuk mengidentifikasi jenis sampah berdasarkan citra. Tujuan penelitian adalah mengembangkan model deep learning yang mampu mengidentifikasi sampah umum di Indonesia, serta mengevaluasi kinerjanya. Penelitian ini menggunakan TensorFlow Object Detection API dan transfer learning untuk melatih model identifikasi sampah dengan dataset yang telah dikumpulkan. Hasil penelitian menunjukkan tingkat akurasi yang tinggi dalam mengenali sampah seperti kaca, karton, kertas, logam, dan plastik. Dalam pengujian, model mencapai nilai Mean Average Precision (mAP) sebesar 0.858 dan Average Recall (AR) sebesar 0.91 pada data uji, dengan menggunakan nilai Intersection over Union (IoU) sebesar 0.841. Hasil ini menunjukkan kemampuan yang baik dalam mengenali dan membedakan jenis sampah. Penelitian ini berfokus pada Tempat Pengelolaan Sampah Nagari Tanjuang Gadang, yang mengalami peningkatan produksi sampah akibat pertumbuhan populasi dan urbanisasi. Infrastruktur yang tidak memadai dan pemilahan sampah manual yang masih dominan menimbulkan masalah lingkungan dan kesehatan. Dengan mengaplikasikan teknologi deep learning, penelitian ini mengusulkan solusi untuk meningkatkan efisiensi pengelolaan sampah dan mengurangi dampak negatif. Hasil penelitian ini diharapkan menjadi landasan bagi pengembangan sistem identifikasi jenis sampah yang lebih luas dan dapat diimplementasikan di berbagai fasilitas pengelolaan sampah, termasuk tempat pemilahan sampah di komunitas.
Improving Multi-label Classification Performance on Imbalanced Datasets Through SMOTE Technique and Data Augmentation Using IndoBERT Model Leno Dwi Cahya; Ardytha Luthfiarta; Julius Immanuel Theo Krisna; Sri Winarno; Adhitya Nugraha
Jurnal Nasional Teknologi dan Sistem Informasi Vol 9, No 3 (2023): Desember 2023
Publisher : Jurusan Sistem Informasi, Fakultas Teknologi Informasi, Universitas Andalas

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25077/TEKNOSI.v9i3.2023.290-298

Abstract

Sentiment and emotion analysis is a common classification task aimed at enhancing the benefit and comfort of consumers of a product. However, the data obtained often lacks balance between each class or aspect to be analyzed, commonly known as an imbalanced dataset. Imbalanced datasets are frequently challenging in machine learning tasks, particularly text datasets. Our research tackles imbalanced datasets using two techniques, namely SMOTE and Augmentation. In the SMOTE technique, text datasets need to undergo numerical representation using TF-IDF. The classification model employed is the IndoBERT model. Both oversampling techniques can address data imbalance by generating synthetic and new data. The newly created dataset enhances the classification model's performance. With the Augmentation technique, the classification model's performance improves by up to 20%, with accuracy reaching 78%, precision at 85%, recall at 82%, and an F1-score of 83%. On the other hand, using the SMOTE technique, the evaluation results achieve the best values between the two techniques, enhancing the model's accuracy to a high 82% with precision at 87%, recall at 85%, and an F1-score of 86%.
Perbandingan Algoritma Support Vector Machine, Decision Tree, dan Logistic Regresion Pada Analisis Sentimen Ulasan Aplikasi Netflix Ramadani, Nevita Cahaya; Tahyudin, Imam; Shouni Barkah, Azhari
Jurnal Nasional Teknologi dan Sistem Informasi Vol 10, No 2 (2024): Agustus 2024
Publisher : Jurusan Sistem Informasi, Fakultas Teknologi Informasi, Universitas Andalas

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25077/TEKNOSI.v10i2.2024.110-117

Abstract

Penelitian ini bertujuan untuk menganalisis sentimen terhadap ulasan pengguna Netflix menggunakan algoritma machine learning seperti Support Vector Machine (SVM), Decision Tree dan Logistic Regression. Dataset yang terdiri dari 3000 ulasan pengguna diambil dari Google Play Store dan melalui proses preprocessing teks yang mencakup penghapusan karakter, tokenisasi, penghapusan stopword, stemming, serta penyaringan token pendek. Metode TF-IDF digunakan untuk ekstraksi dan pembobotan fitur dalam analisis. Evaluasi hasil menunjukkan bahwa SVM secara konsisten memberikan akurasi yang lebih tinggi dibandingkan Decision Tree dan Logistic Regression dalam klasifikasi sentimen, dengan SVM mencapai akurasi rata-rata 88.18% dan puncak tertinggi 92.69% dalam K-Fold Cross Validation. Implikasi praktis dari penelitian ini adalah Netflix dapat memanfaatkan analisis sentimen untuk meningkatkan pengalaman pengguna dan pengelolaan layanan lebih baik.
Penerapan Business Intelligence dan Prescriptive Analytics pada Mutu Pelayanan Kesehatan Rumah Sakit di Kota Pekanbaru Reysha Irsyalina; Rahmatika Pratama Santi
Jurnal Nasional Teknologi dan Sistem Informasi Vol 10, No 1 (2024): April 2024
Publisher : Jurusan Sistem Informasi, Fakultas Teknologi Informasi, Universitas Andalas

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25077/TEKNOSI.v10i1.2024.27-35

Abstract

Dinas Kesehatan Kota Pekanbaru merupakan lembaga pemerintahan yang berwenang dan bertanggungjawab di bidang kesehatan. Salah satu fungsi dari Dinas Kesehatan Kota Pekanbaru yaitu melakukan pembinaan serta pengawasan mutu Pelayanan Kesehatan Dasar dan Rujukan. Pembinaan dan pengawasan dilakukan sebagai usaha untuk meningkatkan kepatuhan pengukuran dan pelaporan dari indikator mutu termasuk yang bersifat mandatory. Saat ini Dinas Kesehatan Kota Pekanbaru mengalami kendala dalam memanfaatkan data secara optimal karena pengolahan data masih terbatas. Laporan kinerja diunduh dalam bentuk excel dari aplikasi Mutufasyankes kemudian dilakukan analisis secara manual. Kondisi tersebut menyebabkan analisis kualitas layanan kesehatan untuk menyusun strategi pengembangan mutu pelayanan kesehatan memerlukan waktu yang lama karena harus mengolah data secara manual dari rekap data laporan kinerja rumah sakit setiap bulan. Analisa pada laporan kinerja pun tidak seragam sehingga pernyataan pada rencana tindak lanjut berbeda-beda. Oleh karena itu, dibutuhkan sebuah Business Intelligence yang dapat memudahkan dalam pengolahan data dan visualisasi dashboard sehingga menghasilkan informasi untuk membantu pendukung keputusan dalam strategi pengembangan mutu pelayanan kesehatan di Kota Pekanbaru.  Metode yang dilakukan yaitu observasi, wawancara, analisis dokumen, studi literatur dan tahapan Roadmap BI yang terdiri dari justification, planning, business analysis, dan construction. Hasil penelitian berupa dashboard yang terdiri dari dashboard informasi umum, dashboard monitoring, dashboard evaluasi, dashboard analisa capaian, dan dashboard clustering. Hasil pengujian menggunakan metode user acceptance test (UAT) telah menunjukkan bahwa tingkat penerimaan responden sangat tinggi yaitu sebesar 90%. Dengan penerapan business intelligence, informasi mengenai kualitas layanan rumah sakit dari data indikator nasional mutu dapat diakses dan digunakan dalam menyusun strategi pengembangan mutu pelayanan kesehatan.
Perbandingan Performa Algoritma Metode Bagging dan Boosting pada Prediksi Konsentrasi PM10 di Jakarta Utara Elita Rizkiani Putri; Dede Brahma Arianto
Jurnal Nasional Teknologi dan Sistem Informasi Vol 10, No 1 (2024): April 2024
Publisher : Jurusan Sistem Informasi, Fakultas Teknologi Informasi, Universitas Andalas

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25077/TEKNOSI.v10i1.2024.72-81

Abstract

Jakarta Utara merupakan salah satu wilayah di DKI Jakarta yang mengalami peningkatan hari dengan kualitas udara berkategori tidak sehat, yakni 21 hari pada tahun 2017 menjadi 117 hari di 2018, tetapi kemudian menurun menjadi 45 hari pada tahun 2019. Kategori tidak sehat tersebut dipengaruhi oleh polusi udara. Salah satu polutan yang ada di udara adalah PM10. Saat ini, kualitas udara dapat diprediksi menggunakan pendekatan algoritma machine learning. Contoh metode machine learning yang terkenal adalah Metode Bagging dan Boosting yang ada di Metode Ensemble. Contoh algoritma dengan Metode Bagging adalah Random Forest, sedangkan pada Metode Boosting adalah Catboost dan XGBoost. Penelitian ini bertujuan membandingkan performa algoritma Metode Bagging berupa Random Forest dan algoritma Metode Boosting berupa Catboost dan XGBoost dalam memprediksi konsentrasi PM10 di Jakarta Utara. Data yang digunakan adalah data harian tahun 2017—2019 untuk faktor meteorologis dan polutan lainnya di wilayah tersebut. Faktor meteorologis digunakan karena faktor ini dapat memengaruhi konsentrasi dan pembentukan polutan. Sementara itu, faktor polutan digunakan karena beberapa penelitian sebelumnya menggunakan faktor ini dalam memprediksi konsentrasi PM10. Penelitian ini dilakukan dengan studi literatur, pemerolehan data, pra-pemprosesan data, dan pemodelan data. Beberapa metrik evaluasi juga digunakan untuk melihat evaluasi dari pemodelan. Berdasarkan hasil pemodelan, algoritma Random Forest menghasilkan akurasi data testing yang lebih tinggi (R2 = 0,6424) dibandingkan XGBoost (R2 = 0,6340) dan Catboost (R2 = 0,6294).
Evaluasi Sistem Informasi Manajemen Rumah Sakit Menggunakan Framework COBIT 2019 (Studi Kasus: Semen Padang Hospital) Rury Moryanda; Vera Pujani; Yahya Marpaung
Jurnal Nasional Teknologi dan Sistem Informasi Vol 9, No 3 (2023): Desember 2023
Publisher : Jurusan Sistem Informasi, Fakultas Teknologi Informasi, Universitas Andalas

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25077/TEKNOSI.v9i3.2023.299-306

Abstract

Dalam menghadapi transformasi teknologi informasi di rumah sakit, evaluasi sistem informasi manajemen menjadi satu aspek penting untuk memastikan efektivitas, efisiensi dan kesesuaian sistem dalam mendukung operasional dam pelayanan pasien. Penelitian ini bertujuan untuk mengidentifikasi dan menganalisis tujuan teknologi informasi yang relevan di Semen Padang Hospital dengan menggunakan framework COBIT 2019. COBIT 2019 adalah suatu kerangka kerja yang dirancang untuk membantu organisasi dalam mengatur dan mengelola informasi dan teknologi secara efektif.  Metode penelitian dilakukan melalui wawancara dengan pimpinan terkait dalam implementasi SIMRS dengan mengikuti alur desain tata kelola COBIT 2019. Hasil penelitian menunjukkan bahwa objektif proses dengan nilai tertinggi adalah EDM03 (Optimalisasi Risiko), APO12 (Manajemen Risiko) dan APO13 (Manajemen Keamanan). Implikasi dari studi ini memberikan wawasan tentang prioritas tujuan teknologi informasi yang dapat meningkatkan efektivitas pengelolaan SIMRS. Studi ini juga memberikan rekomendasi untuk perbaikan lebih lanjut, serta saran agar penelitian berikutnya dapat melakukan  evaluasi tingkat kemampuan SIMRS berdasarkan proses yang ada pada COBIT 2019.

Page 23 of 37 | Total Record : 365

 21   22   23   24   25 

Filter by Year

2015 2025


Reset
Filter By Issues
All Issue 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