Just IT : Jurnal Sistem Informasi, Teknologi Informasi, dan Komputer

Rancang Bangun Sistem Rekomendasi Buku Berbasis Item-Based Collaborative Filtering Menggunakan Algoritma K-Nearest Neighbors

2025-03-06T22:06:14+00:00

Penelitian ini bertujuan untuk merancang dan mengembangkan sistem rekomendasi buku dengan metode item-based collaborative filtering menggunakan algoritma K-Nearest Neighbors. Algoritma K-Nearest Neighbors dipilih karena K-Nearest Neighbors memiliki kemampuan dalam mengukur kesamaan antar item berdasarkan perhitungan jarak, sehingga menghasilkan rekomendasi yang relevan bagi pengguna. Menggunakan metode yang melibatkan pengolahan data rating pengguna terhadap buku, diikuti dengan pembentukan model menggunakan pendekatan item-based untuk menemukan buku-buku yang serupa. Pengujian model dilakukan menggunakan teknik cross-validation dengan evaluasi metrik Root Mean Square Error dan Mean Absolute Error untuk mengukur akurasi rekomendasi. Dari penelitian ini, hasil pengujian menunjukkan bahwa model yang diusulkan memiliki tingkat akurasi yang baik, dengan nilai rata-rata RMSE sebesar 0.8191 dan MAE sebesar 0.6235. Sistem ini diharapkan dapat meningkatkan pengalaman pengguna dalam menemukan buku-buku yang sesuai dengan preferensi pengguna, serta memberikan kontribusi signifikan dalam pengembangan sistem rekomendasi berbasis machine learning

PERANCANGAN UI/UX WEBSITE ARTIFICIAL INTELLIGENCE DETECT ASSISTANT (AIDA) PENGUKURAN BADAN DENGAN METODE DESIGN THINKING

2025-03-06T22:06:14+00:00

Penelitian ini mengangkat tema artificial intelligence berupa perancangan website pengukuran badan yang diberi nama Artificial Intelligence Detect Assistant (AIDA). AIDA adalah sebuah website untuk melakukan pengukuran pada tubuh sehingga dapat menghasilkan ukuran pakaian secara real time. Website ini dirancang karena adanya permasalahan terkait sulitnya mencari ukuran pakaian yang sesuai ketika berbelanja di e-commerce. Penulis membatasi perancangan pada desain User interface (UI) dan User experience (UX) berupa Wireframe, High fidelity (Hi-Fi) dan Prototype serta tools figma dalam membuat rancangannya. Metode yang digunakan dalam perancangan adalah metode Design Thinking yang berpusat pada pengguna. Metode ini memiliki beberapa fase yaitu Emphatize, Define, Ideate, Prototype, dan Test. Dari hasil testing yang telah dilakukan, didapatkan hasil berupa tampilan dari website AIDA dengan feedback yang positif dari 5 pengguna yang menjadi partisipan menggunakan skala likert dengan nilai 4 atau puas.

PENGGUNAAN METODE TOGAF ADM PADA USAHA MIKRO, KECIL, DAN MENENGAH (UMKM) TOKO BAN “ MR TOP BAN”

2025-03-06T22:06:14+00:00

Pertumbuhan bisnis di era digital memerlukan adaptasi cepat, terutama bagi UMKM yang menjadi tulang punggung perekonomian Indonesia. Transformasi digital membuka peluang besar bagi UMKM untuk meningkatkan efisiensi operasional dan jangkauan pasar, namun juga menimbulkan tantangan persaingan. Toko ban “MR TOP BAN” menghadapi berbagai tantangan dalam aspek keuangan, pelanggan, proses bisnis internal, dan pengembangan karyawan. Oleh karena itu, penelitian ini bertujuan untuk menyelidiki penerapan Metode TOGAF ADM dalam mendukung transformasi digital UMKM, khususnya pada toko ban “MR TOP BAN”. Metode penelitian ini melibatkan teknik kualitatif dengan pengumpulan data melalui observasi, wawancara, dan studi literatur. Proses bisnis yang ada dianalisis menggunakan Value Chain dan SWOT untuk mengidentifikasi masalah dan kebutuhan infrastruktur SI/TI yang diperlukan. Selanjutnya, dilakukan pemodelan arsitektur menggunakan TOGAF ADM yang mencakup Preliminary, Architecture Vision, Business Architecture, Information Systems Architecture, dan Technology Architecture. Hasil penelitian menunjukkan bahwa penerapan TOGAF ADM dapat membantu Toko Ban “MR TOP BAN” dalam merancang dan mengimplementasikan kerangka kerja arsitektur teknologi informasi yang mendukung efisiensi operasional. Metode ini juga memberikan solusi dalam mengatasi masalah keuntungan, jumlah pelanggan yang stagnan, proses bisnis manual, dan kurangnya program pengembangan karyawan.

Kata Kunci: Transformasi Digital, UMKM, TOGAF ADM, Efisiensi Operasional, Arsitektur Teknologi Informasi.

PENERAPAN ALGORITMA C4.5 UNTUK MEMPREDIKSI HARGA RUMAH

2025-03-06T22:06:14+00:00

Pasar properti yang dinamis sering kali menghadirkan tantangan dalam menentukan harga rumah secara akurat akibat berbagai faktor yang kompleks. Ketidakakuratan harga dapat merugikan pihak penjual maupun pembeli. Penelitian ini mengimplementasikan algoritma C4.5, sebuah algoritma berbasis pohon keputusan yang menggunakan information gain untuk memilih atribut utama dalam membangun model prediksi. Algoritma ini unggul dalam menangani data numerik maupun kategorikal, menjadikannya cocok untuk menganalisis atribut rumah seperti luas tanah, luas bangunan, jumlah kamar tidur, jumlah kamar mandi, dan luas garasi. Dengan membagi dataset berdasarkan atribut yang memberikan gain ratio tertinggi, algoritma C4.5 menghasilkan model yang dapat memprediksi harga rumah dengan akurasi mencapai 85,70%. Kemampuan algoritma ini dalam memberikan struktur pohon keputusan yang mudah dipahami oleh manusia juga menjadi keunggulan dalam mendukung interpretasi hasil. Hasil penelitian ini menunjukkan bahwa algoritma C4.5 dapat diimplementasikan secara efektif untuk membantu meningkatkan efisiensi dan transparansi di pasar properti, khususnya di wilayah Jakarta Selatan

Sistem Pemantauan Gudang Berbasis ESP32-Cam untuk Deteksi Gerakan dan Keberadaan Objek

2025-03-06T22:06:14+00:00

Sistem pemantauan gudang berbasis IoT ini dikembangkan untuk meningkatkan keamanan dengan menggunakan ESP32-CAM, sensor PIR HC-SR602 untuk deteksi gerakan, dan sensor suara KY-038 untuk mendeteksi suara mencurigakan. Data visual dari ESP32-CAM diproses menggunakan model deteksi objek YOLOv8s yang diimplementasikan pada server Flask, dengan notifikasi hasil deteksi dikirimkan melalui bot Telegram. Pelatihan model dilakukan dengan menggunakan dataset yang relevan yang diolah di Roboflow dan dilatih di Google Colab. Hasil implementasi menunjukkan sistem dapat mendeteksi aktivitas manusia dengan akurasi tinggi dan mengirimkan notifikasi dalam rata-rata waktu 5 detik. Sistem ini terbukti efektif, efisien, dan dapat diandalkan untuk pemantauan gudang secara real-time, dengan potensi pengembangan lebih lanjut untuk meningkatkan performa pada kondisi cahaya rendah dan mempercepat proses notifikasi.

PERBANDINGAN METODE MACHINE LEARNING UNTUK SENTIMEN ANALISIS REVIEW PENJUALAN PRODUK

2025-03-06T22:06:14+00:00

Toko online atau e-commerce menurut Moossa Giant dan Samuel Ikate adalah operasi bisnis yang dilakukan secara dunia maya atau online. Pada saat pandemi di tahun 2020 sampai Mei 2023 kegiatan masyarakat dibatasi masyarakat membeli barang di toko online agar tidak terkena virus corona, akan tetapi calon konsumen membeli barang melihat ulasan pada barang yang ingin mereka tuju apakah barang yang mereka beli bagus atau pengirimannya lambat. Salah satu toko online yang memiliki ulasan komentar pelanggan yang sudah membeli barang sebagai petunjuk calon konsumen untuk membeli atau tidak, maka peneliti melakukan analisis sentimen terhadap ulasan konsumen membeli barang di produk elektronik dan produk pakaian, data ulasan konsumen dikumpulkan dari data elektronik sebanyak 925 data, dan data pakaian sebanyak 1575 data, setelah mengumpulkan data dilakukan preprocessing, pembobotan kata, pemodelan dengan supervised learning, yaitu naives bayes, decision tree, k nearest neighbor, melakukan berbagai skenario dengan pembagian data dari 10% data uji 90% data latih, 20% data uji 80% data latih, 30% data uji 70% data latih, 40% data uji 60% data latih. Hasil terbaik pengujian dengan data pakaian menggunakan decision tree dengan split data 10% data uji dan 90% data latih menghasilkan hasil akurasi 66%, recall 66%, dan precision 65%, hasil terbaik pengujian dengan data elektronik menggunakan decision tree dengan split data 40% data uji dan 60% data latih menghasilkan hasil akurasi 66%, recall 66%, dan precision 65%

Perbandingan Metode Simple Linear Regression, Polynomial Regression, dan K-Nearest Neighbors (KNN) untuk Prediksi Transaksi Perbankan

2025-03-06T22:06:14+00:00

Dalam era digital, sektor perbankan menghadapi tantangan kompleks dalam mengelola data transaksi dan pengambilan keputusan strategis. Bank XYZ, seperti banyak bank lain, mengumpulkan banyak data transaksi harian yang mencakup volume, waktu, jenis transaksi, dan profil pelanggan. Meskipun data ini memiliki potensi besar untuk memberikan wawasan berharga, seringkali belum dimanfaatkan optimal untuk mendukung pengambilan keputusan yang lebih cerdas dan responsif. Penelitian ini membahas keefektifan tiga metode prediksi dalam analisis transaksi perbankan, yaitu Simple Linear Regression, Polynomial Regression, dan K-Nearest Neighbors (KNN). Data transaksi dikumpulkan dan diproses melalui data cleaning. Setelah itu, model prediksi dibangun dan diuji menggunakan data training dan testing data. Hasil prediksi dari ketiga model dibandingkan menggunakan Root Mean Square Error (RMSE) untuk menentukan model dengan performa terbaik. Berdasarkan hasil pengujian ketiga metode menunujkan bahwa metode Polynomial Regression memiliki hasil yang lebih baik untuk nilai RMSE 0,1724, sedangkan untuk metode Simple Linear Regression mendapatkan nilai RMSE 0,1844, dan metode K-Nearest Neighbors (KNN) mendapatkan nilai RMSE 0,1739. Kesimpulan nya adalah berdasarkan nilai RMSE 3 metode diatas, Polynomial Regression lebih unggul dibandingkan metode Simple Linear Regression dan K-Nearest Neighbors (KNN).

Kata Kunci: Simple Linear Regression, Polynomial Regression, K-Nearest Neighbors (KNN), Prediksi, Data Cleaning, RMSE

PEMANFAATAN METODE PIECES UNTUK MENGANALISIS KINERJA SISTEM PENDATAAN ONLINE PADA APLIKASI FASIH

2025-03-06T22:06:14+00:00

FASIH adalah aplikasi survei yang dikembangkan oleh Badan Pusat Statistik (BPS) untuk mempermudah proses pengumpulan data dengan metode Computer-Assisted Web Interviewing (CAWI) dan Computer-Assisted Personal Interviewing (CAPI). Aplikasi ini memungkinkan pengisian data melalui perangkat seluler atau situs web, mendukung inisiatif ramah lingkungan dengan sistem tanpa kertas (paperless), serta mempermudah pengiriman data langsung dari lokasi responden. FASIH telah digunakan dalam berbagai survei, seperti PODES, SAKERNAS, dan IMK. Meskipun demikian, penggunaan FASIH masih menghadapi kendala, seperti beban sistem saat mengunggah data dan validasi data setelah survei selesai. Penelitian ini bertujuan untuk mengevaluasi kinerja aplikasi FASIH menggunakan metode PIECES (Performance, Information, Economics, Control, Efficiency, Service). Berdasarkan analisis, diperoleh nilai rata-rata untuk setiap variabel sebagai berikut: Performance (4,35), Information (4,26), Economics (4,51), Control (4,29), Efficiency (4,25), dan Service (4,20). Dari hasil tersebut, nilai rata-rata keseluruhan adalah 4,31, yang menunjukkan bahwa kinerja FASIH sudah baik menurut skala Likert. Akan tetapi, variabel Efficiency dan Service perlu ditingkatkan karena memiliki nilai terendah dibandingkan variabel lainnya.

Kata Kunci : FASIH, BPS, PIECES, Skala Likert

Analisis Perbandingan Model Random Forest dan XGBoost dalam Memprediksi Turnover Karyawan

2025-03-06T22:06:14+00:00

Turnover karyawan merupakan tantangan besar bagi organisasi, karena memengaruhi produktivitas, stabilitas tim, dan menimbulkan biaya besar terkait perekrutan, orientasi, dan pelatihan. Untuk mengatasi masalah ini, analisis prediktif menggunakan machine learning menawarkan pendekatan yang ampuh untuk mengetahui faktor-faktor yang memengaruhi turnover karyawan dan memungkinkan strategi berbasis data untuk retensi karyawan. Studi ini mengevaluasi kinerja prediktif dua model machine learning tingkat lanjut, Random Forest dan XGBoost, menggunakan dataset karyawan. Model-model ini dipilih karena kemampuannya menangani data berdimensi tinggi, menangkap hubungan non-linier, dan memberikan hasil klasifikasi yang andal. Performa model dinilai menggunakan metrik utama seperti accuracy, precision, recall, dan f1-score, dengan peningkatan tambahan yang dicapai melalui tuning hyperparameter. Hasilnya menunjukkan bahwa XGBoost sedikit mengungguli Random Forest, dengan mencapai akurasi 98,83% dibandingkan 98,80%, yang menunjukkan ketangguhannya dalam tugas prediktif. Meskipun terdapat perbedaan kecil, kedua model menunjukkan potensi yang kuat dalam mengatasi prediksi turnover. Hal ini menunjukkan pentingnya pendekatan berbasis data dalam pengambilan keputusan organisasi. Dengan memanfaatkan model ini, perusahaan dapat mengembangkan strategi yang ditargetkan untuk meminimalkan risiko pergantian karyawan, meningkatkan retensi karyawan, dan meningkatkan keberhasilan organisasi.

PERANCANGAN SISTEM INFORMASI REKAPITULASI JUMLAH PELANGGAN PER-TARIF BERBASIS WEB PADA PDAM TIRTA MUSI UNIT PELAYANAN

2025-03-06T22:06:14+00:00

PDAM Tirta Musi merupakan perusahaan yang menyediakan air bersih bagi masyarakat Palembang. PDAM Tirta Musi mempunyai unit pelayanan yang bertugas untuk melayani masyarakat untuk pemasangan baru aliran air, sampai melayani berbagai masalah atau keluhan dari pelanggan. Selain data keluhan, masih banyak lagi data yang dimiliki salah satunya adalah rekapitulasi. Salah satu data rekap yang dilaporkan adalah data jumlah pelanggan per-tarif. Pendataan jumlah pelanggan per-tarif masih dibuat dengan menggunakan Microsoft Excel, hal ini membuat pegawai dari unit lain harus mengontak pusat atau unit pelayanan yang dibutuhkan datanya untuk melihat data tersebut apabila diperlukan. Kemudian terkadang ada pelanggan atau masyarakat yang membutuhkan data rekap tersebut. Maka pengguna atau masyarakat harus datang ke unit pelayanan untuk meminta data tersebut dan hal ini akan memakan waktu dan juga biaya. Maka peneliti akan membuat rancangan sistem informasi rekapitulasi berbasis web untuk mempermudah pegawai PDAM Tirta Musi unit pelayanan dalam melakukan pendataan dan menyimpan data jumlah pelanggan per-tarif dengan aman dan dapat dilihat oleh pengguna, pegawai unit layanan lain, dan masyarakat apabila data tersebut diperlukan. Perancangan dilakukan dengan metode waterfall. Hasil perancangan ini dapat membantu admin dalam melakukan rekapitulasi dan mempermudah pengguna dalam mendapatkan data rekap tanpa perlu datang ke kantor unit pelayanan.

Kata Kunci: Sistem Informasi, Perancangan, Rekapitulasi