Jurnal Sistem Informasi, Teknologi Informatika dan Komputer

OPTIMISASI METODE PREDIKSI PADA DATA CUSTOMER ATTACK LIST

2025-02-15T13:42:07+00:00

Kunjungan pelanggan di bengkel resmi TOYOTA untuk servis terdata oleh sistem aplikasi. Pengelolaan data pelanggan /data seranganlist diperlukan oleh tim perbaikan umum , untuk melakukan tindak lanjut berupa konfirmasi pemberitahuan-penjadwalan servis selanjutnya. Proses ini sudah berjalan selama kurun waktu 2 tahun, namun hasil penjadwalan kedatangan kunjungan servis pelanggan belum sesuai dari total data pelanggan ( Attacklist ) yang dikonfirmasi. Penelitian ini dilakukan untuk memprediksi variabel waktu servis, menggunakan metode eksplorasi jarak dan analisa data ( EDA ), membuat model algoritma Linear Regression, Random Forest Regressor dan Gradient Boosting Regressor yang digunakan untuk prediksi. Dengan menggunakan metodologi Cross-Industry Standard Process for Data Mining ( CRISP-DM ). Nilai prediksi yang dihasilkan oleh setiap model algoritma, untuk variabel rentang_hari (waktu servis selanjutnya) memiliki akurasi yang mendekati nilai aktual/sebenarnya. Sehingga penelitian ini merekomendasikan penggunaan model algoritma, yang dapat diterapkan pada sistem aplikasi yang ada. Sehingga optimalisasi data pelanggan/ Attacklist bersinergi dengan proses bisnis yang berjalan.

ANALISIS SISTEM PEMBAYARAN DAN ANTRIAN PADA WEBSITE CODASHOP

2024-07-15T03:50:27+00:00

Perkembangan teknologi memudahkan sistem pembayaran transaksi elektronik yang salah satunya melalui Web. Salah satu contoh Web top up adalah Codashop. Codashop adalah Web top up yang banyak digunakan para gamers untuk melakukan top up kredit game. Pada halaman utama Codashop terdapat semua game atau aplikasi yang bisa dilakukan top up. UI/UX pada codashop memiliki tampilan yang sederhana tetapi sedikit kurang menarik di kalangan para gamer dan pelanggan lainnya. Sistem pembayaran yang ada pada codashop memiliki banyak pilihan pembayaran mulai dari kartu kredit, E-Wallet dan Provider, namun permasalahan yang ada pada pembayaran codashop yaitu tidak memiliki fitur pembayaran yang mengakibatkan Web mengalami error jika terjadi penggunaan pada waktu yang bersamaan. Oleh karena itu, kelompok kami ingin mengusulkan sistem antrian di web Codashop. Diawali dengan menganalisis permasalahan menggunakan metode penelitian kualitatif, dilanjutkan dengan pengumpulan data melalui observasi dan kuisioner untuk tampilan UI, kemudian membuat analisis sistem berjalan dan sistem usulan dengan membuat use case diagram, activity diagram, dan membuat mock up untuk tampilan sistem antrian.

PERBANDINGAN ALGORITMA NAIVE BAYES DAN C.45 DALAM DIAGNOSIS PENYAKIT PARU-PARU

2025-08-20T18:54:10+00:00

Penyakit paru-paru sangat berbahaya karena dapat menyebabkan kerusakan pernafasan dalam jangka pendek maupun panjang. Masalah yang sering terjadi misalnya terkena penyakit paru-paru karena kualitas udara yang tercemar/terkontaminasi, sehingga udara yang dihirup masyarakat banyak mengandung virus/bakteri. Timbulnya kesalahan diagnosis pada pasien menjadi permasalahan dalam penelitian ini. Adanya teknologi dapat memudahkan segala aktivitas, termasuk dalam bidang kesehatan. Penelitian ini bertujuan untuk mengetahui kinerja algoritma Naive Bayes dan C4.5 sebagai perhitungan hasil diagnostik untuk mengklasifikasikan orang yang terkena penyakit paru-paru. Metode ekstraksi data yang digunakan dalam penelitian ini adalah algoritma Naive Bayes dan C4.5 untuk mengklasifikasikan hasil diagnosa penyakit paru-paru. Klasifikasi naif pada algoritma Bayes dilakukan dengan mentransformasikan kumpulan data yang menentukan frekuensi setiap nilai kelas dan metode klasifikasi pada algoritma C4. 5 dengan mentransformasikan fakta menjadi pohon keputusan sesuai aturan yang ada. Data yang digunakan dipenerapan kedua algoritma ini dari dataset pribadi yang terdiri dari total 325 record dengan 5 atribut. Hasil penelitian menunjukkan bahwa pengukuran kinerja algoritma Naive Bayes menggunakan matriks konfusi dengan validasi silang 10 kali lipat menghasilkan nilai akurasi sebesar 91,08%. Pengukuran kinerja yang sama juga dilakukan pada algoritma C4. 5 masing-masing menggunakan matriks konfusi dan validasi silang 10 kali lipat, menghasilkan nilai akurasi sebesar 89,23%. Hasil akurasi menunjukkan Algoritma Naive Bayes lebih unggul dibandingkan C4. 5 dengan selisih 1,85%. Kesimpulannya adalah algoritma Naive Bayes lebih baik dalam mengklasifikasikan hasil diagnosa penyakit paru.

RISK ASSESMENT PENGENDALIAN KEAMANAN INFORMASI BERBASIS ISO/IEC 27001:2013 MENGGUNAKAN METODE FAILURE MODE AND EFFECTS ANALYSIS (FMEA) STUDI KASUS: TIM BRINESIA PT. BRI ASURANSI INDONESIA

2025-07-05T06:58:24+00:00

Implementasi teknologi informasi tidak lepas dari risiko (Information Technology Risk) yang dapat berdampak pada pencapaian tujuan organisasi. Mengingat keterkaitannya yang tinggi dengan kemajuan teknologi, tim BRINESIA memiliki kewajiban untuk menjadi unit yang memerlukan perlindungan keamanan informasi guna menjaga kualitas keamanan data, termasuk aset-aset yang dimiliki. Untuk meminimalkan kemungkinan terjadinya kebocoran data, kerusakan, ketidakakuratan, ketidaktersediaan, atau gangguan lain terhadap informasi, penting untuk melakukan penilaian terhadap risiko. Terdapat berbagai metode yang dapat digunakan untuk menganalisis kemungkinan terjadinya kegagalan atau risiko. Salah satu metode yang banyak digunakan adalah FMEA (Failure Mode & Effect Analysis), yang merupakan pendekatan terstruktur untuk mendeteksi dan memberi peringkat pada mode kegagalan dengan cara menilai severity, occurrence, dan detection, sehingga menghasilkan Risk Priority Number (RPN). Metode ini juga memberikan saran untuk mitigasi risiko sesuai dengan standar ISO/IEC 27001:2013. Penelitian ini mengidentifikasi level potensi mode failure mode pada informasi yang diurus oleh tim BRINESIA, menentukan prioritas risiko, serta menyediakan pedoman mitigasi risiko yang bermanfaat bagi tim BRINESIA dalam menerapkan kontrol keamanan informasi.

Kata Kunci: FMEA (Failure Mode & Effect Analysis), Risk Priority Number, ISO/IEC 27001:2013, mitigasi risiko.

APLIKASI ELECTRONIC SIGNATURE (eSign) DENGAN QR-CODE PADA PROGRAM STUDI TEKNIK INFORMATIKA UMJ BERBASIS WEB

2025-07-30T02:14:50+00:00

Pada saat ini, penggunaan tanda tangan elektronik merupakan suatu hal yang sering dilakukan, termasuk dalam ranah akademik di perguruan tinggi. Penggunaan tanda tangan elektronik di Prodi Teknik Informatika Universitas Muhammadiyah Jakarta masih belum terkomputerisasi, mulai dari proses pengajuan masih dilakukan di berbagai platform dan proses penandatanganannya menggunakan perangkat lunak yang terpisah, sehingga belum adanya suatu sistem atau aplikasi yang mengorganisir proses tersebut. Tujuan perancangan aplikasi electronic signature ini adalah untuk memudahkan proses penandatanganan elektronik pada lingkup Program Studi Teknik Informatika Universitas Muhammadiyah Jakarta, sehingga proses pengajuan dan penandatanganan dapat dilakukan dengan cepat dalam satu aplikasi dan keaslian dokumen yang telah ditandatangani dapat dibuktikan keasliannya. Metode pengumpulan data yang dilakukan adalah dengan melakukan studi literatur, wawancara, dan pengamatan (observasi). Metode pengembangan yang digunakan adalah Metode Waterfall, di mana pengembangan perangkat lunak yang mengikuti langkah-langkah linear dan sekuen sehingga menciptakan pendekatan yang terstruktur dan terorganisir. Pengujian aplikasi electronic signature ini dilakukan dengan melakukan blackbox testing dan setelah melakukan pengujian dapat disimpulkan bahwa aplikasi dapat berjalan dengan baik dan proses tanda tangan elektronik dapat menjadi lebih efektif dan efisien.

Kata Kunci: tanda tangan elektronik, Metode Waterfall, aplikasi, efektif dan efisien.

RANCANG BANGUN APLIKASI MOBILE ANALISIS KESEHATAN KUKU MENGGUNAKAN AI GENERATIF DENGAN ALUR KERJA OTOMATIS

2025-08-01T13:25:02+00:00

Kesehatan seringkali dapat dideteksi melalui indikator eksternal seperti kuku, namun akses terhadap analisis ahli yang cepat seringkali menjadi kendala. Penelitian ini bertujuan untuk merancang dan membangun sebuah aplikasi Kesehatan mobile yang mampu memberikan analisis awal kondisi kuku secara otomatis menggunakan teknologi AI. Sistem ini mengintegrasikan aplikasi frontend yang dibangun menggunakan Flutter dengan arsitektur backend yang memanfaatkan Google Apps Script, Google Sheets sebagai pemicu, dan Google Drive untuk penyimpanan. Inti dari fungsionalitas sistem ini adalah alur kerja otomatis yang dibangun pada platform n8n, yang memproses gambar kuku unggahan responden melalui model AI generative Google Gemini 1.5 Flash untuk menghasilkan analisis visual. Hasil dari penelitian ini adalah sebuah sistem yang fungsional dan efisien, di mana responden dapat menerima hasil analisis berupa gambar kuku yang telah dianotasi oleh AI langsung pada perangkat mobile mereka, Aplikasi yang dihasilkan kemudian divalidasi melalui serangkaian pengujian fungsional untuk memproses input responden hingga menghasilkan output analisis secara akurat, sehingga aplikasi dinilai layak untuk digunakan.

PERBANDINGAN ANALISIS SENTIMEN FASILITAS KAMPUS PADA APLIKASI TIKTOK DAN DAN INSTAGRAM FT UMJ

2025-07-17T14:35:34+00:00

Analisis sentimen digunakan untuk menentukan sentimen atau pendapat positif, negative atau netral yang terkandung dalam teks, termasuk analisis media sosial. Peran media sosial, seperti pada aplikasi TikTok dan Instagram dalam analisis sentimen sangat penting karena aplikasi ini menjadi tempat di mana orang berbicara secara terbuka tentang berbagai hal, termasuk pada fasilitas di kampus FT UMJ. Pada penelitian ini Penulis mengambil data unggahan feed dan for your page (fyp) dari riset terdahulu, dengan followers Instagram yang berjumlah 4.758, dan followers TikTok yang berjumlah 2.616 pada akun FT UMJ. Tujuannya adalah agar hasil analisis dapat digunakan untuk bahan evaluasi pihak kampus terkait fasilitas kampus dan akademik, sekaligus media sosial yang digunakan untuk publikasi. Penulis menggunakan empat langkah berikut dalam melakukan metodologi penelitian, yaitu; pengumpulan data, preprocessing data, analisis sentimen dan klasifikasi data menggunakan metode Naïve Bayes. Penulis juga merancang sistem dan tampilan dari aplikasi. Hasil yang diperoleh adalah F-1 Score, Recall dan Precision pada Instagram lebih tinggi untuk label negative dibandingkan pada TikTok. Nilai akurasi pada Instagram bernilai 54% memiliki performa yang lebih baik dari TikTok yang memiliki nilai akurasi 33%. Sehingga, Instagram dapat direkomendasikan mendapatkan prioritas untuk dikembangkan.

SISTEM CERDAS CHATBOT UNTUK PEMBELAJARAN PEMROGRAMAN DENGAN MENGGUNAKAN NATURAL LANGUAGE PROCESSING

2025-07-30T03:00:15+00:00

Sistem chatbot cerdas memanfaatkan teknologi pemrosesan bahasa alami (NLP) untuk membantu siswa belajar pemrograman, dengan membuat asisten virtual yang dapat berinteraksi dengan siswa secara natural saat belajar pemrograman. Pendekatan pemrosesan bahasa alami digunakan untuk membuat sistem chatbot yang dapat memahami pertanyaan dalam bahasa alami dan memberikan jawaban yang sesuai dengan konsep pemrograman, debugging, dan penyelesaian masalah koding.Pada penelitian ini dibuatlah sistem Chatbot yang dapat memudahkan pengguna dalam pencarian pembelajaran serta menjawab pertanyaan yang diinginkan terkait layanan pembelajaran pemrograman. Dengan menggunakan proses pengolahan bahasa natural, chatbot -dapat berinteraksi di dunia nyata seolah-olah sedang melakukan komunikasi dengan mentor sehingga membantu siswa mendapatkan informasi yang tepat mengenai pertanyaan dari pembelajaran. Metodologi penelitian yang digunakan dalam penelitian ini antara lain pengumpulan dataset percakapan pembelajaran pemrograman, preprocessing data, pembuatan model natural language processing, dan evaluasi performa sistem. Hasil pengujian menunjukkan bahwa 90,2% pengguna setuju bahwa chatbot dapat membantu menyelesaikan masalah pemrograman, 74,5% pengguna merasa chatbot dapat menggantikan peran mentor dalam memberikan bantuan. Selain itu, sistem menunjukkan kemampuan untuk memberikan penjelasan konsep pemrograman, memberikan contoh kode, dan membantu debugging secara interaktif dan mudah dipahami. Dari hasil pengujian yang telah dilakukan, dinyatakan bahwa chatbot ini mampu memberikan respons berdasarkan kata kunci sehingga dapat memberikan jawaban yang tepat.

PENERAPAN METODE WEIGHTED PRODUCT (WP) DALAM SISTEM PENDUKUNG KEPUTUSAN AUDIT INTERNAL UNIVERSITAS HAYAM WURUK PERBANAS

2025-08-20T16:31:49+00:00

Univeristas Hayam Wuruk Perbanas merupakan kampus swasta ternama di kota Surabaya dengan akreditasi A yang mewadahi mahasiswanya dengan keberagaman ORMAWA-nya. Salah satu kegiatan yang dilakukan dalam ORMAWA adalah audit internal ORMAWA. Audit internal diselenggarakan sebagai transparansi dan evaluasi kinerja terhadap kegiatan program kerja yang telah dilaksanakan, dan sebagai tindak validasi kepatuhan ORMAWA terhadap kebijakan dan regulasi yang telah ditetapkan oleh Univeristas dalam menjalankan suatu ORMAWA. Namun pada perhitungan hasil audit internal masih dilakukan secara manual sehingga keakuratannya masih diragukan. Untuk mendukung Universitas dan BEM dalam proses hasil audit internal lebih cepat dan lebih akurat, maka diperlukan sebuah sistem pendukung keputusan yang dapat membantu. Dalam pembuatan sistem pendukung keputusan, penelitian ini menerapkan metode Weighted Product. Dengan penggunaan sistem pendukung Keputusan hasil perhitungan perangkingan WP ditentukan nilai tertinggi menjadi keputusan akhir dari sistem.

SEGMENTASI PEMEGANG KARTU KREDIT MELALUI KLASTERISASI K-MEANS MENGGUNAKAN BAHASA PEMROGRAMAN PYTHON

2025-08-01T13:33:38+00:00

Dalam perkembangan ekonomi yang cepat, penggunaan kartu kredit telah menjadi sangat penting. Kartu kredit, sebagai instrumen pembayaran yang diterbitkan oleh bank, memberikan kemampuan kredit kepada pemiliknya untuk melakukan pembelian barang atau layanan. Namun, penggunaannya mengalami penurunan yang signifikan akibat perubahan pola hidup dan dampak pandemi Covid-19. Survei perbankan menunjukkan tren penurunan dalam transaksi kartu kredit, yang dipicu oleh pengurangan pendapatan masyarakat selama pandemi. Untuk mengatasi tantangan ini, bank perlu mengembangkan strategi bisnis yang efektif. Salah satu pendekatan yang dapat digunakan adalah klasterisasi dengan algoritma K-Means. Algoritma K-Means merupakan teknik klasterisasi yang efektif digunakan untuk mengelompokkan data dengan tujuan memaksimalkan kesamaan antara variabel sambil tetap mempertahankan perbedaan karakteristiknya. Dengan mengimplementasikan algoritma ini dalam bahasa pemrograman Python, bank dapat memperoleh pemahaman yang lebih mendalam tentang preferensi dan kebutuhan dari setiap segmen pemegang kartu kredit. Demikian, algoritma K-Means dapat membantu dalam pengembangan strategi bisnis yang lebih efektif untuk meningkatkan penggunaan kartu kredit, serta mendapatkan nasabah baru. Selain itu, algoritma ini juga bermanfaat dalam mengatasi dampak penurunan penggunaan kartu kredit yang disebabkan oleh perubahan pola hidup masyarakat dan pandemi Covid-19. Hasil dari penelitian ini adalah pengelompokan data pengguna kartu kredit menjadi tiga kelompok yang dapat digunakan sebagai panduan dalam merumuskan strategi bisnis perbankan.