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 8 Documents
 1 
Search results for , issue "Vol 8, No 3 (2022): Desember 2022" : 8 Documents clear
Pebandingan Metode Decision Tree dan XGBoost untuk Klasifikasi Sentimen Vaksin Covid-19 di Twitter Habib Hakim Sinaga; Surya Agustian
Jurnal Nasional Teknologi dan Sistem Informasi Vol 8, No 3 (2022): Desember 2022
Publisher : Jurusan Sistem Informasi, Fakultas Teknologi Informasi, Universitas Andalas

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25077/TEKNOSI.v8i3.2022.107-114

Abstract

Pemerintah Indonesia melaksanakan vaksinasi dalam upaya pencegahan virus COVID-19. Namun upaya tersebut memicu pro dan kontra dalam masyarakat. Pro dan kontra tersebut dapat dikatakan sebagai sentimen. Sentimen dapat diungkapkan di berbagai media, salah satunya adalah media sosial. Teknik yang digunakan untuk mendeteksi sentimen pada media sosial salah satunya adalah klasifikasi teks dengan machine learning. Penelitian ini akan membandingkan Decision tree dan XGBoost untuk mengklasifikasikan sentimen di twitter. Data diperoleh dengan cara crawling menggunakan pemograman pyton dan Twitter API. Data diberi label dengan teknik crowdsourcing dan majority voting. Data yang digunakan setelah diseimbangkan adalah 6000 data latih, 778 data validasi dan 400 data uji. Hasil pengujian Decision tree dan XGBoost mendapatkan hasil terbaik pada model XGBoost dengan nilai akurasi sebesar 66% dan f1-score sebesar 57%. Hasil ini juga merupakan yang terbaik dibanding metode yang digunakan pada penelitian sebelumnya dengan dataset yang sama.
Evaluasi Implementasi Modul SAP Material Management (MM) Untuk Pengadaan Material Menggunakan Process Mining Rizki Alfi; Demi Ramadian; Pharmayeni Pharmayeni; Rizaldi Sardani
Jurnal Nasional Teknologi dan Sistem Informasi Vol 8, No 3 (2022): Desember 2022
Publisher : Jurusan Sistem Informasi, Fakultas Teknologi Informasi, Universitas Andalas

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25077/TEKNOSI.v8i3.2022.115-122

Abstract

Pengadaan material memegang peran penting dalam terselenggaranya proses bisnis di perusahaan. Proses pengadaan material yang perusahaan lakukan biasanya ditunjang dengan fasilitas sistem informasi terintegrasi ERP seperti SAP. Khusus untuk proses procurement perusahaan menggunakan e-procurement dan SAP Material Management modul. Adanya durasi lead time yang cukup lama mengenai sampainya dari beberapa material tertentu yang dibutuhkan pabrik pada proses pengadaannya. Karena itu perlu dilakukan evaluasi terhadap proses pengadaan material pada implementasi SAP ERP yang sudah ada. Evaluasi akan dilakukan dengan pendekatan kuantitatif. Gambaran tentang bagaimana proses pengadaan material dilakukan setelah penerapan SAP diukur performance-nya dari frekuensi case dan durasi lead time. Selanjutnya ditentukan atribut data pada event log apa saja yang dibutuhkan pada penelitian dan dilanjutkan dengan ekstraksi event log. Event log kemudian akan diolah dengan tools process mining tertentu. Keluaran dari proses ini adalah model proses bisnis pengadaan yang sesungguhnya dijalankan dan terekam pada modul SAP MM. Dari hasil process mining, tidak ditemukan ketidaksesuain dan kesenjangan mayor pada proses berdasarkan prosedural pengadaan yang ditetapkan. Namun, dapat ditemukan waktu tunggu yang lama setelah create PR Doc menuju RFQ Date, rata-rata waktu mencapai 173 hari hingga PO delivery. Selain itu, ditemukan terdapat sedikit bottleneck pada waktu tertentu dimana adanya aktifitas dan case sangat banyak yang perlu ditangani oleh para user.  Penelitian ini memberikan analisa sebab akibat penyebab permasalahan tersebut baik dari hasil process mining dan kuesioner yang didapat. Perusahaan sebaiknya membuat kebijakan target waktu pengadaan dan menetapkan prosedur RFQ, pemilihan vendor yang lebih efektif sehingga dapat mempersingkat waktu proses pengadaan ini.
Identifikasi Domain Enterprise Architecture untuk Grand Design Riau Digital: Ulasan Literatur Sistematis Nina Fadilah Najwa; Dadang Syarif Sihabudin Sahid; Indah Lestari
Jurnal Nasional Teknologi dan Sistem Informasi Vol 8, No 3 (2022): Desember 2022
Publisher : Jurusan Sistem Informasi, Fakultas Teknologi Informasi, Universitas Andalas

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25077/TEKNOSI.v8i3.2022.123-135

Abstract

Pemerintah Provinsi Riau sebagai sebuah organisasi perlu melakukan penyelarasan antara strategi bisnis dan strategi teknologi informasi. Grand Design Riau Digital merupakan salah satu wujud upaya penyelarasan strategi tersebut sesuai dengan kaidah Enterprise Architecture (EA). Penelitian-penelitian yang memfokuskan pada EA framework yang paling cocok dengan karakteristik pemerintah daerah masih terbatas jumlahnya. Oleh karena itu, pada penelitian ini akan dilakukan identifikasi domain EA yang dapat direkomendasikan sebagai dasar pengembangan Grand Design Riau Digital. Tahapan penelitian yaitu mendefinisikan pertanyaan penelitian (research question), sumber penelitian, menentukan kata kunci pencarian literatur, pemilihan literatur, sintesis dan ekstraksi data. Hasil penelitian ini mengulas 59 penelitian dan mengidentifikasi kerangka kerja EA yang telah digunakan. Ada 5 domain dalam transformasi digital menjadi rekomendasi Grand Design Riau Digital yaitu digital talent dan culture, tata kelola, kebijakan, infrastruktur TI, dan manajemen data.  Penelitian selanjutnya dapat mengidentifikasi lebih lanjut variabel masing-masing domain, dan menguji pada pemerintahan di daerah lainnya
Sistem Penilai Kelayakan Bangunan Bertingkat sebagai Shelter Tsunami Berdasarkan Metode Cross-Correlation Template Matching dan Fuzzy Logic Menggunakan MQTT Dody Ichwana; Stevanus Setianto; Shelvi Ekariani
Jurnal Nasional Teknologi dan Sistem Informasi Vol 8, No 3 (2022): Desember 2022
Publisher : Jurusan Sistem Informasi, Fakultas Teknologi Informasi, Universitas Andalas

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25077/TEKNOSI.v8i3.2022.136-143

Abstract

Indonesia terletak di daerah rawan bencana, khususnya gempa bumi. Salah satu daerah rawan gempa dan tsunami adalah Kota Padang. Oleh sebab itu diperlukan upaya untuk memudahkan masyarakat melakukan pencarian lokasi shelter evakuasi jika terjadi gempa besar yang diiringi bahaya tsunami. Paper ini menejelaskan sistem penilai kelayakan bangunan bertingkat sebagai shelter tsunami (SPEAKS). Keunggulan dari SPEAKS adalah mampu memberikan penilaian kondisi bangunan tinggi untuk dijadikan lokasi shelter evakuasi sesaat setelah terjadinya gempa bumi. SPEAKS melakukan perbandingan gambar bangunan sebelum dan sesaat setelah terjadinya gempa menggunakan cross-correlation template matching yang dilanjutkan dengan penilaian kelayakan sebagai shelter evakuasi dengan logika fuzzy. SPEAKS merupakan distributed-sensor-node terdiri dari end-node dan broker yang diletakkan pada lokasi bangunan tinggi. Server sistem digunakan untuk menyimpan data hasil analisa kondisi bangunan oleh end-node menggunakan protocol mqtt. Pengujian fungsional SPEAKS dilakukan dengan lima skenario uji. Hasil pengujian menunjukkan SPEAKS mampu melakukan penilaian kondisi bangunan dalam 135 detik setelah asumsi gempa terjadi.
Sistem Pendukung Keputusan Open Recruitment UKM Di Universitas Andalas Dengan Metode SAW Haris Suryamen; Rafi Maryudwika Putra
Jurnal Nasional Teknologi dan Sistem Informasi Vol 8, No 3 (2022): Desember 2022
Publisher : Jurusan Sistem Informasi, Fakultas Teknologi Informasi, Universitas Andalas

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25077/TEKNOSI.v8i3.2022.98-106

Abstract

Setiap unit kegiatan mahasiswa (UKM) pasti memiliki proses kaderisasi agar proses siklus kehidupan organisasi bisa jalan terus karena anggota baru, cara kaderisasi yang ditempuh adalah kegiatan Open Recruitment yang mana kegiatan ini menarik para mahasiswa Unand yang tertarik mengikuti organisasi unit kegiatan mahasiswa tersebut. Permasalahan yang terjadi adalah proses penilaian yang dilaksanakan secara manual serta pengambilan keputusan seleksi anggota open recruitment yang cenderung subjektif berdasarkan dari perasaan panitia, hal ini mengakibatkan pelaksanaan open recruitment jadi kurang efisien karena proses secara manual tersebut serta potensi kehilangan anggota yang berpotensi tinggi akibat subjektifitas panitia. Penulis mengambil kasus di Open Recruitment UKM Andalas Sinematografi sebagai referensi pembangunan sistem informasi untuk mendukung proses kaderisasi tersebut, untuk permasalahan spesifik di UKM tersebut adalah sistem pengisian nilai serta formasi Angkatan baru. Untuk menjawab permasalahan ini, dibutuhkan sistem informasi untuk mendukung jalannya Open Recruitment UKM di Universitas Andalas. Aplikasi tersebut Bernama Sistem Pendukung Keputusan Open Recruitment UKM di Universitas Andalas dengan Metode SAW, aplikasi tersebut menggunakan metode sistem pengambilan keputusan Simple Additive Weighting (SAW). Alasan pemilihan metode sistem pendukung keputusan SAW adalah proses penilaian kriteria lebih efisien serta akurasi penilaian lebih baik dari metode yang lain terutama saat datanya cukup banyak. Tujuan pembangunan sistem informasi tersebut adalah untuk memudahkan panitia untuk menjalani proses kegiatan Open Recruitment tersebut serta membuat proses Open Recruitment berjalan lebih efektif dan efisien dan menciptakan kaderisasi UKM yang lebih baik.
Implementasi Business Intelligence dan Prediksi Menggunakan Regresi Linear pada Data Penjualan dan Breakage di PT XYZ Salma Hanifah; Fajril Akbar; Rahmatika Pratama Santi
Jurnal Nasional Teknologi dan Sistem Informasi Vol 8, No 3 (2022): Desember 2022
Publisher : Jurusan Sistem Informasi, Fakultas Teknologi Informasi, Universitas Andalas

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25077/TEKNOSI.v8i3.2022.144-152

Abstract

PT XYZ adalah perusahaan bisnis ritel yang memanfaatkan teknologi untuk memperoleh informasi. Salah satu departemen yang ada pada PT XYZ merupakan departemen yang mengelola transaksi penjualan dan pemusnahan barang (breakage) berupa minuman dingin, kaleng, dan botol. Setiap hari karyawan membuat laporan transaksi penjualan dan breakage dengan mengunduh transaksi yang terjadi satu hari sebelumnya pada Aplikasi K lalu diolahdengan menggunakan Microsoft Excel. Sales manager akan menganalisis tren penjualan, barang yang laku, dan barang yang banyak di-breakage lalu membandingkan laporan tersebut dengan penjualan per hari, per bulan, dan per tahun sebelumnya. Banyaknya data yang dimiliki membuat proses kompilasi data pada Microsoft Excel menjadi lama dan kurang interaktif. Oleh karena itu dibutuhkan implementasi Business Intelligence (BI) untuk memudahkan proses pengolahan data dan menghasilkan visualisasi yang lebih interaktif sehingga sales manager dapat lebih mudah dalam menganalisis informasi. Metode yang digunakan adalah metode tahapan roadmap BI oleh Moss dan Attre. Proses Extract, Transform, dan Load (ETL) untuk perancangan data mart dilakukan dengan menggunakan Aplikasi Pentaho Data Integration (PDI), proses pembuatan model regresi linear dilakukan dengan menggunakan Aplikasi Statistical Product and Service Solution (SPSS) dan visualisasi dashboard dilakukan menggunakan Microsoft Power BI. Hasil dari visualisasi berupa dashboard penjualan, dashboard breakage, dan dashboard yang berisi prediksi terhadap total penjualan dengan menggunakan model regresi linear. Hasil penelitian menunjukkan bahwa Modal berpengaruh positif terhadap Total Penjualan. Hal tersebut dapat dilihat dari hasil regresi linear sederhana diperoleh persamaan Y = 35.098.955,36 + 0,873X. Hasil Uji-t didapatkan t hitung (68,783) lebih besar dari t tabel (2,012) dengan signifikansi 0,000  kecil dari 0,005. Dengan demikian keputusan yang diambil yaitu menerima hipotesis alternatif (H1) dan menolak hipotesis nol (Ho). Nilai koefisien determinasi mencapai 0,99 atau sebesar 99% yang berarti bahwa variabel Modal mempengaruhi Total Penjualan, sementara sisanya sebesar 1% dipengaruhi oleh faktor-faktor lain yang tidak diteliti pada penelitian ini.
Penerapan 1D-CNN untuk Analisis Sentimen Ulasan Produk Kosmetik Berdasar Female Daily Review Erwin Yudi Hidayat; Devioletta Handayani
Jurnal Nasional Teknologi dan Sistem Informasi Vol 8, No 3 (2022): Desember 2022
Publisher : Jurusan Sistem Informasi, Fakultas Teknologi Informasi, Universitas Andalas

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25077/TEKNOSI.v8i3.2022.153-163

Abstract

Pada tahun 2020 tercatat sekitar 797 industri kosmetik berskala besar maupun kecil yang terdapat di Indonesia. Berdasarkan tahun sebelumnya, angka ini naik 4.87%. Kondisi ini menyebabkan munculnya persaingan perusahaan kosmetik, salah satunya adalah Emina. Berbagai media digunakan sebagai sarana untuk menyampaikan sentimen atau opini masyarakat. Pihak perusahaan dapat memanfaatkan sentimen untuk mengetahui umpan balik masyarakat terhadap brand mereka. Website Female Daily Review menjadi salah satu platform yang digunakan untuk menampung segala bentuk opini mengenai produk kecantikan. Proses pengambilan data dari website pada penelitian ini menggunakan web scraping. Dari 11119 data ulasan yang didapatkan diperlukan analisis opini, emosi, dan sentimennya dengan memanfaatkan text mining untuk identifikasi serta mengekstrak suatu topik. Analisis sentimen dapat membantu mengetahui tingkat kepuasan pengguna terhadap suatu brand kosmetik. Algoritma yang digunakan adalah 1D-Convolutional Neural Network (1D-CNN). Sebelum dilakukan klasifikasi data, perlu diterapkan text preprocessing agar dataset mentah menjadi lebih terstruktur. Hasil dari klasifikasi sentimen  dibagi ke dalam 3 kategori yaitu positif, negatif, dan netral. Berdasarkan eksperimen dalam membangun model analisis sentimen menggunakan 1D-CNN sebanyak 30 percobaan, didapatkan model terbaik dalam menganalisis sentimen dengan akurasi sebesar 80.22%.
Prediksi Harga Saham Syariah Menggunakan Algoritma Long Short-Term Memory (LSTM) Gunawan Budiprasetyo; Mamluatul Hani'ah; Darin Zahira Aflah
Jurnal Nasional Teknologi dan Sistem Informasi Vol 8, No 3 (2022): Desember 2022
Publisher : Jurusan Sistem Informasi, Fakultas Teknologi Informasi, Universitas Andalas

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25077/TEKNOSI.v8i3.2022.164-172

Abstract

Semakin pesatnya perkembangan pasar saham di Indonesia membuat semakin banyak investor yang bergabung di bursa saham. Indonesia pada tahun 2011 meluncurkan saham syariah dimana harga saham syariah dapat mengalami kenaikan dan penurunan. Hal ini tentunya harus diwaspadai oleh investor, agar investor tidak mengalami kerugian dalam jual-beli saham.  Untuk itu, prediksi harga sahan menjadi salah satu upaya untuk menentukan nilai dari suatu saham di masa kedepannya. Pada penelitian ini, prediksi saham dilakukan dengan menggunakan metode Long Short-Term Memory dalam memprediksi harga saham. Dilakukan uji coba dengan menggunakan beberapa parameter pada layers, epoch dan time step untuk mendapatkan model prediksi yang optimal. Arsitektur dari LSTM yang digunakan pada penelitian ini menggunakan multiple layer LSTM dengan empat dan delapan layer yang masing-masing layer memiliki 96 neurons. Terdapat satu Dense layer yang berfungsi mengubah output dari layer sebelumnya menjadi nilai hasil prediksi. Hasil eksperimen menunjukkan bahwa Long Short-Term Memory dapat digunakan untuk melakukan prediksi harga saham dengan akurat, jumlah layer mempengaruhi MAPE yang dihasilkan. LSTM dengan jumlah layer 8 memiliki performa yang lebih baik. Pada PT Aneka Tambang Tbk didapatkan model terbaik dengan nilai MAPE sebesar 2,64. Untuk emiten Erajaya Swasembada Tbk didapatkan nilai MAPE sebesar 2,24. Untuk Kalbe Farma didapatkan nilai MAPE sebesar 1,51. Untuk Semen Indonesia didapatkan nilai MAPE sebesar 1,83. Sedangkan pada Wijaya Karya didapatkan nilai MAPE sebesar 2,66.

Page 1 of 1 | Total Record : 8

 1 

Filter by Year

2022 2022


Reset
Filter By Issues
All Issue Vol 9, No 3 (2023): Desember 2023 Vol 9, No 2 (2023): Agustus 2023 Vol 9, No 1 (2023): April 2023 Vol 8, No 3 (2022): Desember 2022 Vol 8, No 2 (2022): Agustus 2022 Vol 8, No 1 (2022): April 2022 Vol 7, No 3 (2021): Desember 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 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