Garuda - Garba Rujukan Digital

Article Per Year (5 Year)

All

Journal of Information Systems Engineering and Business Intelligence

JISEBI
Website

Published by Universitas Airlangga

ISSN : - EISSN : - DOI : -

Core Subject : Science,

Computer Science & IT

Jurnal ini menerima makalah ilmiah dengan fokus pada Rekayasa Sistem Informasi ( Information System Engineering) dan Sistem Bisnis Cerdas (Business Intelligence) Rekayasa Sistem Informasi ( Information System Engineering) adalah Pendekatan multidisiplin terhadap aktifitas yang berkaitan dengan pengembangan dan pengelolaan sistem informasi dalam pencapaian tujuan organisasi. ruang lingkup makalah ilmiah Information Systems Engineering meliputi (namun tidak terbatas): -Pengembangan, pengelolaan, serta pemanfaatan Sistem Informasi. -Tata Kelola Organisasi, -Enterprise Resource Planning, -Enterprise Architecture Planning, -Knowledge Management. Sistem Bisnis Cerdas (Business Intelligence) Mengkaji teknik untuk melakukan transformasi data mentah menjadi informasi yang berguna dalam pengambilan keputusan. mengidentifikasi peluang baru serta mengimplementasikan strategi bisnis berdasarkan informasi yang diolah dari data sehingga menciptakan keunggulan kompetitif. ruang lingkup makalah ilmiah Business Intelligence meliputi (namun tidak terbatas): -Data mining, -Text mining, -Data warehouse, -Online Analytical Processing, -Artificial Intelligence, -Decision Support System.

Arjuna Subject : -

Articles 5 Documents

Search results for , issue "Vol. 1 No. 1 (2015): April" : 5 Documents clear

Sistem Pencarian Hotel Berdasarkan Rute Perjalanan Terpendek Dengan Mempertimbangkan Daya Tarik Wisata Menggunakan Algoritma Greedy Audrey Maximillian Herli; Indra Kharisma Raharjana; Purbandini Soeparman
Journal of Information Systems Engineering and Business Intelligence Vol. 1 No. 1 (2015): April
Publisher : Universitas Airlangga

Abstrak— Pencarian hotel merupakan hal yang penting dilakukan wisatawan dalam melakukan perjalanan wisata. Wisatawan akan mempertimbangkan kriteria hotel seperti kelas, harga dan review hotel. Selain itu faktor jarak hotel dan tempat wisata yang dikunjunginya adalah hal yang penting untuk dipertimbangkan. Pada penelitian ini dibangun sistem untuk melakukan pencarian hotel berdasarkan rute perjalanan wisata terpendek dengan daya tarik wisata mengunakanalgoritma greedy untuk memudahkan wisatawan dalam melakukan efisensi jarak perjalanan wisata serta membantu dalam pemilihan hotel. Penelitian ini dilakukan melalui empat tahap, tahap pertama adalah pengumpulan data dan informasi daya tarik wisata dan hotel. Tahap kedua adalah analisa data dengan algoritma greedy serta melakukan penyesuian pengunaan algoritma berdasarkan karakteristik perjalanan yang dilakukan wisatawan. Tahap ketiga adalah pembangunan sistem, dan tahap terakhir adalah melakukanevaluasi sistem bersama para ahli yang telah berpengalaman dalam bidang pariwisata dan calon penguna aplikasi ini.Hasil dari penelitian ini adalah sistem yang dapat memberikan rekomendasi rute dan urutan perjalanan terpendek antara hotel dan daya tarik wisata berdasarkan algoritma greedy. Kata Kunci— Hotel, Daya Tarik Wisata, Algoritma Greedy, Rute Perjalanan TerpendekAbstract— Hotel search was an important thingfor travelers in their traveling journey. Travelers would consider criteria such as class, price and review of the hotel.Beside those things, distance between Hotel and tourist attractionswasalsoimportant factor to be considered. In this research, system was constructed to perform a hotels search by shortest travelling route using Greedy Algorithm. This research was conducted through four stages, the first stage wasdata and information collectingof tourist attraction and hotel. Second stagewasdata analysis with greedy algorithm in purpose to classify the data and implementing greedy algorithm with manual calculation to the problem research. The third stage was the development of the system, and the last stage wasevaluating the system with the experts who are experienced in the field of tourism and the prospective user of this application. Results from this study was the system can provide recommendations and sequence the shortest journey between the hotel and tourist attraction based on the greedy algorithm. Keywords— Hotel, Tourist Attraction, Greedy Algorithm, Travelling Salesman Problem

Pengelompokan Wilayah Madura Berdasar Indikator Pemerataan Pendidikan Menggunakan Partition Around Medoids Dan Validasi Adjusted Random Index Budi Dwi Satoto; Bain Khusnul Khotimah; Iswati Iswati
Journal of Information Systems Engineering and Business Intelligence Vol. 1 No. 1 (2015): April
Publisher : Universitas Airlangga

Abstrak— Pemerataan pendidikan di Indonesia telah menjadi perhatian pemerintah sejak lama. Namun hingga saat ini, pendidikan di Indonesia masih belum merata. Hal tersebut dapat dilihat dari rendahnya nilai Angka Partisisipasi Kasar (APK) dan Angka Partisipasi Murni (APM) di daerah-daerah tertentu serta belum meratanya sarana dan prasarana pendidikan. Adapun tujuan penelitian ini adalah memberikan informasi kepada pemerintah setempat mengenai kondisi pendidikan di wilayahnya sehingga dapat menghasilkan kebijakan yang tepat mengenai pengembangan infrastuktur pendidikan dan distribusi guru bantu. Clustering adalah metode data mining yang membagi data kedalam kelompok yang mempunyai objek yang karakteristik sama. Penelitian ini menggunakan metode clustering Partition Around Medoids (PAM) dengan 3 distance measure: Manhattan, Euclidean dan Canberra distance. Untuk mengukur kualitas hasil clustering, digunakan nilai Adjusted Rand Index (ARI). Semakin besar nilai ARI, semakin baik kualitas cluster. Dari 3 kali ujicoba diperoleh rata-rata nilai ARI untuk Euclidean distance sebesar 0.799, Manhattan distance dengan rata-rata sebesar 0.738 dan Canberra distance sebesar 0.163. Sedangkan pengelompokan terbaik diperoleh menggunakan Euclidean distance dengan nilai ARI sebesar 0.825 dan kecocokan dengan label asli sebesar 83.33%. Dari pengelompokan terbaik menghasilkan kelompok pemerataan tinggi terdiri dari 11 kecamatan, kelompok pemerataan sedang terdiri dari 15 kecamatan dan kelompok pemerataan rendah terdiri dari 46 kecamatan. Kata Kunci— indikator pemerataan pendidikan, clustering, Partition Around Medoid, distance measure, Adjusted Random IndexAbstract—Distribution of education in Indonesia has become government's attention for a long time. But until now, education in Indonesia is still not evenly distributed. This can be seen from the low value of Participation Rough figures and net enrollment ratio in certain areas as well as uneven educational facilities. The purpose of this research is to provide information to local authorities about the state of education in local region to produce an appropriate policy regarding development of educational infrastructure and teachers assistant distribution. Clustering is a data mining method that divides data into several groups with the same object characteristics. This research used Partition Around Medoids methods with 3 distance measure that contain Manhattan, Euclidean and Canberra distance. Adjusted Random Index used to measure the quality of clustering results. From 3 times sampling, better value of ARI Euclidean distance 0.799, Manhattan distance 0.738 and Canberra distance 0.163 while the best clustering obtained is Euclidean distance with value of ARI 0.825 and compatibility with the original label 83.33%. it is produces high equity group composed of 11 districts with equity groups are composed of 15 districts and low equity group consists of 46 sub-districts. Keywords—Indicator of Educational Equity, Clustering, Partition Around Medoid, Distance Measure, Adjusted Random Index .

Penerapan Reverse Engineering Dalam Penentuan Pola Interaksi Sequence Diagram Pada Sampel Aplikasi Android Vierdy Sulfianto Rahmadani; Indra Kharisma Raharjana; Taufik Taufik
Journal of Information Systems Engineering and Business Intelligence Vol. 1 No. 1 (2015): April
Publisher : Universitas Airlangga

Abstrak—Tujuan penelitian ini adalah penerapan reverse engineering untuk penentuan pola interaksi Sequence diagram yang bisa digunakan oleh sistem analis sebagai pola templateuntuk mendesain UML sequence diagram. Aplikasi yang digunakan sebagai data dasar berasal dari aplikasi contoh milik Android, aplikasi inilah yang mengalami proses reverse engineering dan teridentifikasi polanya. Tahap pertama yang dilakukan dalam penentuan pola interaksi ini adalah pengumpulan aplikasi dataset. Tahapan selanjutnya adalah identifikasi fitur dan aktifitas aplikasi, melakukan reverse engineeringsehingga didapatkan model sequence diagram,kemudian melakukan sistesis semua model tersebut menjadi pola interaksi sequence diagram. Langkah terakhir adalah menguji pola tersebut dengan menerapkannya dalam pembangunan aplikasi studi kasus. Berdasarkan hasil evaluasi, disimpulkan bahwa pola interaksi pada sequence diagram yang didapatkan dari penelitian ini dapat diterapkan pada perancangan perangkat lunak yang memiliki fitur-fitur yang sama dengan fitur-fitur yang terdapat pada penelitian ini. Kata Kunci— Reverse Engineering, Pola Interaksi, Sequence Diagram, AndroidAbstract—The purpose of this research is to apply the application of reverse engineering to determine interaction patterns of the Sequence diagram that can be used by system analysts as a template for designing UML sequence diagrams. Sample applications from android are used as dataset for reverse engineering and pattern identification. The first step is collecting application datasets. The next stage is identifying the features and applications activity, reverse engineering to obtain a sequence diagram model, and then synthesize all of the models into an interaction pattern of sequence diagram. The final step is to test the patterns by implementing it in an application development case stud. The evaluation results concludes that interaction patterns of sequence diagram designs obtained in reverse engineering steps is able to be implemented in software development that contained similar features with the obtained features in this research. Keywords— Reverse Engineering, Interaction Pattern, Sequence Diagram, Android

Sistem Pendukung Keputusan Peramalan Jumlah Kunjungan Pasien Menggunakan Metode Extreme Learning Machine (Studi Kasus : Poli Gigi Rsu Dr. Wahidin Sudiro Husodo Mojokerto) Delia Putri Fardani; Eto Wuryanto; Indah Werdiningsih
Journal of Information Systems Engineering and Business Intelligence Vol. 1 No. 1 (2015): April
Publisher : Universitas Airlangga

Abstrak— Penelitian ini bertujuan merancang dan membangun sistem pendukung keputusan untuk meramalkan jumlah kunjungan pasien RSU Dr. Wahidin Sudiro Husodo Kota Mojokerto dengan menggunakan metode Extreme Learning Machine (ELM). Dengan adanya sistem pendukung keputusan ini direktur Rumah Sakit dapat meramalkan jumlah kunjungan pasien dan membantu dalam pembuatan kebijakan rumah sakit, mengatur sumber daya manusia dan keuangan, serta mendistribusikan sumber daya material dengan benar khususnya pada poli gigi. Dalam rancang bangun sistem pendukung keputusan ini dilakukan dalam beberapa tahap. Tahap yang pertama, pengumpulan data untuk mengidentifikasi inputan yang dibutuhkan dalam penghitungan metode ELM. Tahap kedua, pengolahan data, data dibagi menjadi data training dan data testing dengan komposisi data training sebanyak 80% (463 data) dari total 579 data dan 20% (116 data) sisanya sebagai data testing yang kemudian di normalisasi. Tahap ketiga, peramalan jumlah kunjungan pasien menggunakan metode ELM. Tahap terakhir, perancangan sistem menggunakan sysflow dan pembangunan sistem berbasis desktop serta evaluasi sistem. Hasil penelitian berupa aplikasi sistem pendukung keputusan untuk meramalkan jumlah kunjungan pasien. Dan melalui uji coba menggunakan 116 data testing berdasarkan fungsi aktivasi sigmoid biner dengan jumlah hidden layer sebanyak 7 unit dan Epoch 500 diperoleh hasil optimal MSE sebesar 0.027 Kata Kunci— Sistem Pendukung Keputusan, Peramalan, Jaringan Syaraf Tiruan, Extreme Learning MachineAbstract— In this research, a decision support system to predict the number of patients visit RSU Dr. Wahidin Sudiro Husodo Kota Mojokerto was designed and developed using Extreme Learning Machine (ELM) method which aims to assist director in making decision for the hospital, managing human and financial resource, as well as distributing material resource properly especially in the Department of Dentistry. The design of this decision support system to predict the number of patients visit with ELM method is divided into several stages. The first stage is to identify the input data collection needed in the calculation method of ELM. The next stage is processing the data; the data is divided into training data and testing data and then normalized, in which training data is 80% (452 data) and testing 579 data 20% (116 data). The third stage is problem solving using ELM. The last stage is the design and development of systems using sysflow and desktop-based system that includes the implementation and evaluation of the system. The result of this research is an application of decision supporting system to predict number of patients. By using 116 testing data based on the binary sigmoid activation function using 7 units of hidden layer and 500 Epoch then Optimal MSE value that was obtained is 0.027. Keywords— Decision Supporting System, Prediction, Artificial Neural Network, Extreme Learning Machine

Aturan Asosiasi Dengan Standar Storet Pada Model Prediksi Parameter Pendukung Uji Kualitas Air Baku Diana Purwitasari; Oktaviandra Pradita Putri; Wijayanti Nurul Khotimah
Journal of Information Systems Engineering and Business Intelligence Vol. 1 No. 1 (2015): April
Publisher : Universitas Airlangga

Abstrak—Uji laboratorium tentang kualitas air baku pada penyediaan dan pengolahan air bersih memperhatikan parameter air terkait faktor fisika, kimia dan biologi. Analisis kualitas air di laboratorium membutuhkan waktu. Usulan sistem akan mempercepat waktu dengan menganalisis catatan dataparameter air yang ada dalam rekam data PDAM. Aturan asosiasi pada sistem digunakan untuk melihat hubungan antara parameter air yang didahului praproses dengan mengubah data numerik ke data kategorikal berdasarkan standar STOrage and RETrievalData Warehouse (STORET).Selanjutnya model prediksi parameter air yang dihasilkan dari data belajar akan diserderhanakan terlebih dahulu sebelum validasi model dengan data uji. Pengujian model menggunakan data belajar menunjukkan rata-rata akurasi 70% dengan minimal support-confidence 30% data. Hasil model hubungan parameter air menggunakan rekam data PDAM dapat menjadi pendukung kebijakan di daerah tersebut dalam penyediaan dan pengolahan air bersih sebelum dilakukan uji kualitas laboratorium. Tanpa ada uji laboratorium beberapa nilai parameter faktor kimia tidak dapat diketahui. Meskipun demikian aturan yang dihasilkan sistem usulan tanpa uji laboratorium dapat memberikan akurasi 80%-95% dengan asumsi missing valuesnilai faktor kimiasetelah dicek manual dari narasumber pemilik data. Data uji coba menggunakan dataset kecil untuk mempermudah cek manual. Kata Kunci— prediksi kualitas air, aturan asosiasi, storetAbstrak—Raw Water (Air Baku) laboratory analysis is testing physical, chemical and bacteriological characteristicsof water to ensure that water supply is clean, safe and ready for drinking water quality. Analyzing raw water quality in laboratorium needs more time. The proposed system could shorten the laboratory processing time by analyzing daily water production log. Association ruleinthe proposed system was used to generate relation model of water characteristicsfrom the data log provided by local government owned water utilities (PDAM, Perusahaan Daerah Air Minum). The data was transformed first from numerical data into categorical data using STOrage and RETrieval Data Warehouse (STORET)standard.Generated model needs to be simplified because some prediction rules could have the same interpretation. The generated parameter prediction modelwas sufficient to be used as the supporting data for any local policy made related to water supply and sanitationwithout additional costs from standard lab testing of water quality. Some water quality values of chemical characteristics need lab testing. Given the missing values of several chemical characteristics, the generated parameter prediction model still could give better accuracy of 80%-95%. Since PDAM staffmanually validated the generated model, the experiments used small data set. Keywords— water quality prediction, association rule, storet

Page 1 of 1 | Total Record : 5

Filter by Year

2015 2015

Filter By Issues

All Issue Vol. 11 No. 2 (2025): June Vol. 11 No. 1 (2025): February Vol. 10 No. 3 (2024): October Vol. 10 No. 2 (2024): June Vol. 10 No. 1 (2024): February Vol. 9 No. 2 (2023): October Vol. 9 No. 1 (2023): April Vol. 8 No. 2 (2022): October Vol. 8 No. 1 (2022): April Vol. 7 No. 2 (2021): October Vol. 7 No. 1 (2021): April Vol. 6 No. 2 (2020): October Vol. 6 No. 1 (2020): April Vol. 5 No. 2 (2019): October Vol. 5 No. 1 (2019): April Vol. 4 No. 2 (2018): October Vol. 4 No. 1 (2018): April Vol. 3 No. 2 (2017): October Vol. 3 No. 1 (2017): April Vol. 2 No. 2 (2016): October Vol 2, No 1 (2016): April Vol. 2 No. 1 (2016): April Vol. 1 No. 2 (2015): October Vol 1, No 2 (2015): October Vol 1, No 1 (2015): April Vol. 1 No. 1 (2015): April More Issue

Home Page

OAI Link

Editorial Team

Contact

Reviewer

Google Scholar

Contact Name
-

Contact Email
-

Phone
-

Journal Mail Official
-

Editorial Address
-

Location
Kota surabaya,

Jawa timur

INDONESIA

Abstract

Abstract

Abstract

Abstract

Abstract

Home Page

OAI Link

Editorial Team

Contact

Reviewer

Google Scholar

Contact Name -

Contact Email -

Phone -

Journal Mail Official -

Editorial Address -

Location Kota surabaya, Jawa timur INDONESIA

Abstract

Abstract

Abstract

Abstract

Abstract

Contact Name
-

Contact Email
-

Phone
-

Journal Mail Official
-

Editorial Address
-

Location
Kota surabaya,

Jawa timur

INDONESIA