cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
-
Contact Email
-
Phone
-
Journal Mail Official
-
Editorial Address
-
Location
Kab. indragiri hilir,
Riau
INDONESIA
Sistemasi: Jurnal Sistem Informasi
Published by Universitas Islam Indragiri
ISSN : 23028149     EISSN : 25409719     DOI : -
Core Subject : Science, Engineering,
Computer Science & IT Electrical & Electronics Engineering
Sistemasi adalah nama terbitan jurnal ilmiah dalam bidang ilmu sains komputer program studi Sistem Informasi Universitas Islam Indragiri, Tembilahan Riau. Jurnal Sistemasi Terbit 3x setahun yaitu bulan Januari, Mei dan September,Focus dan Scope Umum dari Sistemasi yaitu Bidang Sistem Informasi, Teknologi Informasi,Computer Science,Rekayasa Perangkat Lunak,Teknik Informatika
Arjuna Subject : -
Articles 21 Documents
 1   2   3 
Search results for , issue "Vol 10, No 1 (2021): Sistemasi: Jurnal Sistem Informasi" : 21 Documents clear
Implementasi Fuzzy Inference System untuk Menentukan Alat Kontrasepsi Program Keluarga Berencana vivin ayu lestari; Eka Larasati Amalia
Sistemasi: Jurnal Sistem Informasi Vol 10, No 1 (2021): Sistemasi: Jurnal Sistem Informasi
Publisher : Program Studi Sistem Informasi Fakultas Teknik dan Ilmu Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (655.954 KB) | DOI: 10.32520/stmsi.v10i1.1198

Abstract

AbstrakProgram keluarga berencana merupakan salah satu kebijakan pemerintah untuk mengatur pertumbuhan penduduk di Indonesia. Untuk mendukung hal tersebut pemerintah membuat pelayanan kontrasepsi yang merupakan salah satu jenis layanan program keluarga berencana. Banyak sekali faktor-faktor yang mempengaruhi akseptor dalam memilih alat kontrasepsi yang sesuai, diantaranya adalah faktor ekonomi, kesehatan dan lain sebagainya. Hal ini menjadikan tidak semua alat kontrasepsi cocok digunakan oleh akseptor. Oleh karena it perlu dibuat sebuah sistem untuk membantu akseptor ketika memilih alat kontrasepsi yang digunakan. Metode Fuzzy Inference System merupakan salah satu algoritma yang bisa digunakan untuk membantu pengambilan keputusan. Parameter yang digunakan untuk fungsi keanggotaan fuzzy dalam penelitian ini adalah umur, frekuensi sanggama, status kesehatan, efektivitas, harga, dan jangka waktu. hasil perhitungan korelasi spearman didapatkan nilai korelasi 0,606, sehingga menurut tabel korelasi spearman hasil korelasinya termasuk kategori kuat, sehingga dapat digunakan untuk membantu merekomendasikan pemilihan alat kontrasepsi yang sesuai untuk masing-masing akseptor.Kata Kunci: alat kontrasepsi, keluarga berencana, fuzzy inference system, korelasi ranking spearman AbstractThe family planning program is one of the government policies to regulate population growth in Indonesia. To support this, the government makes contraceptive services which are one type of family planning program service. There are many factors that influence the acceptor in choosing the appropriate contraceptive device, including economic factors, health and so on. This makes not all contraceptives suitable for use by the acceptors. Therefore, it is necessary to create a system to help the acceptors when choosing the contraceptive device to use. The Fuzzy Inference System method is an algorithm that can be used to help decision-making. The parameters used for the fuzzy membership function in this study are age, frequency of intercourse, health status, effectiveness, price, and time period. The results of the calculation of the Spearman correlation obtained a correlation value of 0.606, so according to the Spearman correlation table, the result of the correlation is in the strong category, so that it can be used to help recommend the selection of suitable contraceptives for each acceptor.Keywords: contraception, family planning, fuzzy inference system, spearman rank correlation
Pengaruh Kemampuan Numerik dan Algoritma terhadap Kemampuan Pemrograman dalam Pilihan Tema Skripsi Muhammad Haviz Irfani
Sistemasi: Jurnal Sistem Informasi Vol 10, No 1 (2021): Sistemasi: Jurnal Sistem Informasi
Publisher : Program Studi Sistem Informasi Fakultas Teknik dan Ilmu Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (2559.968 KB) | DOI: 10.32520/stmsi.v10i1.1088

Abstract

AbstrakKeberhasilan mahasiswa dalam lingkungan program studi Sistem Informasi UIN Raden Fatah Palembang menyelesaikan tugas akhir atau skripsi sangat ditentukan oleh tema skripsi yang dipilih. Mahasiswa cenderung untuk menghindari penelitian dalam konteks  pengembangan sistem (membuat aplikasi/ coding) sehingga mempengaruhi mahasiswa lainnya untuk melakukan hal yang sama setiap semesternya. Kenyataannya kemampuan membuat kode bahasa pemrograman atau melakukan penelitian analisis (tidak membuat aplikasi) keduanya berkontribusi dalam membuat keputusan menentukan tema skripsi. Penelitian ini bertujuan untuk mengetahui seberapa besar pengaruh kemampuan numerik dan logika, dan algoritma terhadap kemampuan membuat kode bahasa pemrograman untuk hasil pilihan tema skripsi mahasiswa program studi Sistem Informasi Universitas Islam Negeri Raden Fatah Palembang. Penting diteliti faktor kemampuan numerik dan logika, kemampuan analisis data, kemampuan algoritma dan pemrograman mempengaruhi kemampuan mahasiswa membuat kode bahasa pemrograman, serta secara simultan pengaruhnya terhadap hasil pilihan tema skripsi. Data hasil studi mahasiswa diolah menggunakan Lisrel 8.80, selain itu uji prasyarat analisis SEM yang digunakan dalam penelitian (berupa uji asumsi kecukupan sampel, uji klasik, dan evaluasi outlier, dan Uji fit model. Mahasiswa Sistem Informasi dalam memilih tema skripsi (membuat kode program) tidak terlalu besar dipengaruhi secara bersama-sama oleh kemampuan numerik dan logika, kemampuan analisis data, kemampuan algoritma dan pemrograman, dan juga kemampuan membuat program.Kata Kunci: algoritma, logika, numerik, statistik, structural equation modeling AbstractThe successful of students in the Information System study program of Islamic State University of Raden Fatah Palembang in completing their final project or thesis is largely determined by their thesis theme. Students tend to avoid research in the context of system development (making applications / coding) so as to influence other students to do the same thing every semester. In fact, the ability to code a programming language or conduct analytical research (not to create applications) both contributes to the decision to determine the thesis theme. This study aims to determine how is the influence numerical and logical, data analysis, programming and algorithmic abilities on the ability to code programming languages for the thesis theme choices of students of the Information Systems study program of Islamic State University of Raden Fatah Palembang. It is important to examine the factors of numerical ability, data analysis skills, logical and algorithmic abilities affecting students' ability to code programming languages, and simultaneously these effects on the results of the thesis theme choice. Students final results were processed using Lisrel 8.80, besides the prerequisite tests for SEM (Structural Equation Model) analysis used in this study was in the form of assumptions on sample adequacy test, classic test, and evaluation of outliers, and model fit test. Information Systems students in choosing a thesis theme (making program code) were not highly influenced by numerical and logical abilities, data analysis skills, algorithmic and programming abilities , and also the ability to create programs.Keywords: algorithm, logic, numeric, statistics, structural equation modeling
Optimasi Decision Tree Menggunakan Particle Swarm Optimization untuk Klasifikasi Kesuburan pada Pria Jonny Jonny; awalludiyah ambarwati; Cahyo Darujati
Sistemasi: Jurnal Sistem Informasi Vol 10, No 1 (2021): Sistemasi: Jurnal Sistem Informasi
Publisher : Program Studi Sistem Informasi Fakultas Teknik dan Ilmu Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (518.218 KB) | DOI: 10.32520/stmsi.v10i1.967

Abstract

AbstrakKeturunan adalah hal yang sangat diharapkan pada setiap pasangan suami istri, maka dari itu tingkat kesuburan pada pria adalah salah satu faktor penting. Faktor yang pempengaruhi tingkat kesuburan itu sendiri seperti hormon, penyakit bawaan, pernah atau tidaknya dioperasi. Salah satu cara untuk menganalisis kesuburan pada pria dapat dilakukan dengan teknik data mining. Data Mining dapat digunakan untuk mengklasifikasi ataupun prediksi. Penelitian ini, bertujuan untuk mendapatkan metode klasifikasi terbaik yang dapat menghasilkan tingkat dari nilai akurasi yang tinggi bila dikombinasikan dengan metode Particle Swarm Optimization (PSO). Pada penelitian ini, algoritma Decision Tree dengan Particle Swarm Optimization meningkatkan nilai akurasi sebesar 93.33% dan nilai AUC sebesar 0,793 termasuk kedalam kategori Fair classification.Kata Kunci: data mining, decision tree, kesuburan, particle swarm optimization AbstractHeredity is something that is expected in every married couple, therefore the level of fertility in men is one important factor. Factors that influence the level of fertility itself such as hormones, congenital diseases, surgery or not. One way to analyze fertility in men can be done with data mining techniques. Data Mining can be used to classify or predict. This study aims to obtain the best classification method that can produce a high level of accuracy when combined with the Particle Swarm Optimization (PSO) method. In this study, the Decision Tree algorithm with Particle Swarm Optimization increased the accuracy value by 93.33% and the AUC value by 0.793 was included in the Fair classification category.Keywords: data mining, decision tree, fertility, particle swarm optimization
Penerapan Algoritma C4.5 pada Pengaruh Iklan Tanpa Label Harga di Instagram Ratnawati Ratnawati; Fransisca Natalia
Sistemasi: Jurnal Sistem Informasi Vol 10, No 1 (2021): Sistemasi: Jurnal Sistem Informasi
Publisher : Program Studi Sistem Informasi Fakultas Teknik dan Ilmu Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (774.706 KB) | DOI: 10.32520/stmsi.v10i1.1131

Abstract

AbstrakSaat ini banyak strategi promosi yang beralih ke media online, salah satunya instagram. Hal ini dimanfaatkan oleh para perodusen untuk menjadikan instagram sebagai media promosi yang potensial. Ada satu jenis iklan yang menarik di instagram, yakni jenis iklan yang menampilkan keunggulan produknya namun tidak menampilkan label harga. Oleh karena itu peneliti tertarik untuk meneliti apakah jenis iklan ini dapat mempengaruhi konsumen dalam melakukan pembelian produk yang diiklankan. Metode yang peneliti gunakan adalah data mining dengan algoritma C4.5 dimana data yang diperoleh adalah dengan menyebarkan kuesioner kepada 200 responden pengguna instagram aktif berdasarkan jenis kelamin. Kuesioner dirancang berdasarkan terori AISAS yang biasa digunakan untuk mengukur tingkat efektivitas iklan di media online dengan atribut penelitian yaitu jenis kelamin, Attention, Interest, Search dan Action. Hasil penelitian dengan algoritma C4.5 ini diketahui bahwa tingkat akurasi dari model yang dibentuk mencapai 88.5% dan nilai AUC sebesar 0.82 dimana nilai ini termasuk kedalam rentang Good Classification. Sedangkan atribut yang paling mempengaruhi adalah atribut Search yang memiliki nilai gain tertinggi diantara atribut lainnya.Kata Kunci: Teori AISAS, pengaruh iklan, data mining, algoritma c4.5, iklan instagramAbstractCurrently, many promotional strategies are turning to online media, one of them is Instagram. This is used by producers to make Instagram a potential promotional media. There is one type of ad that is interesting on Instagram, which is a type of ad that displays the advantages of its product but does not display a price tag. Therefore, researchers are interested in examining whether this type of advertisement can influence consumers in purchasing the advertised product. The method that researchers use is data mining with the C4.5 algorithm where the data obtained is by distributing questionnaires to 200 respondents who are active Instagram users based on gender. The questionnaire was designed based on the AISAS theory which is commonly used to measure the level of effectiveness of advertisements in online media with research attributes, namely gender, attention, interest, search and action. The results of the research with the C4.5 algorithm show that the accuracy rate of the model formed reaches 88.5% and the AUC value is 0.82 where this value is included in the Good Classification range. While the most influencing attribute is the Search attribute which has the highest gain value among other attributes.Keywords: AISAS theory, effect of advertising, data mining, c4.5 algorithm, instagram ads
Perbandingan Algoritma Multi-Thresholding, Konversi Biner, Low-Pass Filtering pada Segmentasi Rambut Kaki Ridan Nurfalah; Sri Hadianti; Nissa Almira Mayangky; Muhammad Faitullah Akbar
Sistemasi: Jurnal Sistem Informasi Vol 10, No 1 (2021): Sistemasi: Jurnal Sistem Informasi
Publisher : Program Studi Sistem Informasi Fakultas Teknik dan Ilmu Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (727.792 KB) | DOI: 10.32520/stmsi.v10i1.1117

Abstract

AbstrakRambut berada tersebar pada bagian tubuh manusia dan memiliki fungsi yang berbeda, untuk mementingkan estetika tidak sedikit orang yang melakukan pencukuran rambut pada beberapa bagian tubuh, salah satunya bagian kaki. Terdapat banyak metode pencukuran yang tersedia saat ini, mulai dari cara alami, terapi, modern sampai penggunaan laser, namun pada penelitian ini berfokus pada metode laser. Pencukuran rambut dengan metode laser kelebihannya dapat menghilangkan rambut dalam jangka waktu yang cukup lama dengan pengaplikasian yang cukup mudah, dan tidak memerlukan waktu yang lama dibandingkan dengan teknik pengaplikasian tradisional. Dengan permasalahan itu dibutuhkan sistem yang bisa membedakan wilayah rambut dan kulit, sehingga tujuan untuk hair removal lebih fokus pada bagian rambut dan tidak mencederai bagian atau lapisan kulit. Pemisahan dua bagian tersebut dilakukan dengan cara segmentasi helai rambut dan menghilangkan bagian kulit. Empat metode dibandingkan dalam penelitian ini yaitu multi-thresholding, Konversi biner, low-filter dan high- filter, hasil dari perbandingan empat metode diketahui jika metode Multi-Thresholding diyakini dapat melakukan segmentasi rambut dengan baik, karena pola rambut dapat terlihat jelas dan tidak banyak noise yang terlihat.Kata Kunci: konversi biner, low-pass filtering, multi-thresholding, high-pass filtering, segmentasi AbstractHair is scattered in various parts of the human body and has different functions. To emphasize the aesthetics, many people shave their hair on several parts of the body, one of which is the legs. Today, there are many shaving methods, ranging from natural, therapeutic, modern to laser use, but this research focuses on laser methods. Laser hair removal has the advantage that it can remove hair in a fairly long period of time with a fairly easy application and does not require a long time compared to traditional application techniques. With this problem, a system that can differentiate between hair and skin areas is needed so that hair removal aims to focus more on the hair and not injure any part or layer of the skin. The separation of the two parts is done by segmenting the hair strands and removing part of the skin. Four methods were compared in this study, namely multi-thresholding, binary conversion, low-filter, and high-filter. Comparing the four methods shows that the multi-thresholding method is believed to segment hair well because the hair pattern can be seen clearly, and not much noise is visible.Keywords: binary conversion, low-pass filtering, multi-thresholdinghigh-pass filtering, segmentation
Analisis Sentimen Publik dari Twitter Tentang Kebijakan Penanganan Covid-19 di Indonesia dengan Naive Bayes Classification Ni Putu Gita Naraswati; Rani Nooraeni; Delvira Cindy Rosmilda; Dinda Desinta; Fadhilatul Khairi; Riska Damaiyanti
Sistemasi: Jurnal Sistem Informasi Vol 10, No 1 (2021): Sistemasi: Jurnal Sistem Informasi
Publisher : Program Studi Sistem Informasi Fakultas Teknik dan Ilmu Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (757.02 KB) | DOI: 10.32520/stmsi.v10i1.1179

Abstract

AbstrakBeberapa bulan terakhir, penanganan COVID-19 menjadi salah satu permasalahan kompleks yang dihadapi oleh hampir seluruh negara di dunia. Menilik dari hal tersebut, pemerintah membentuk kebijakan guna mencegah semakin meluasnya penyebaran virus diantaranya Pembatasan Sosial Berskala Besar (PSBB), wajib masker, dan jam malam. Kebijakan tersebut mendapat tanggapan yang beragam, tidak terkecuali di media sosial seperti twitter. Berdaarkan hal tersebut, penelitian ini bertujuan untuk menganalisis sentimen publik dari cuitan Twitter mengenai penanganan COVID-19 di Indonesia. Adapun metode yang digunakan Naïve Bayes Classification karena memiliki algoritma yang sederhana dengan akurasi yang tinggi. Hasil penelitian menunjukkan, masyarakat lebih banyak memberikan sentimen negatif terhadap kebijakan penanganan COVID-19 khususnya PSBB, wajib masker, dan jam malam. Pada sentimen positif, tiga kata dengan frekuensi kemunculan terbanyak yaitu demo, jakarta, dan kerja. Sedangkan pada sentimen negatif yaitu jakarta, demo, dan orang. Kemunculan kata “demo” dan “jakarta” pada kedua sentimen menunjukkan bahwa tweet masyarakat mengenai kebijakan penanganan COVID-19 tidak lepas dari peristiwa/kejadian saat pengumpulan data dilakukan. Selain itu, tingginya frekuensi kata “jakarta” pada sentimen negatif juga menunjukkan bahwa pelaksanaan kebijakan penanganan COVID-19 di Jakarta belum dilaksanakan secara optimal. Berdasarkan hasil evaluasi, diperoleh tingkat akurasi klasifikasi sebesar 87,34%, sensitivitas sebesar 93,43%, dan spesifisitas 71,76% yang berarti metode ini sudah cukup baik.Kata Kunci: COVID-19, naïve bayes classification, kebijakan, text mining, twitter AbstractIn recent months, handling COVID-19 has become one of the complex problems faced by almost all countries in the world. In view of this, the government formed policies to prevent the spread of the virus, including Large-Scale Social Restrictions (PSBB), mandatory masks, and curfews. This policy received various responses, including on social media such as Twitter. Based on this, this study aims to analyze public sentiment from Twitter tweets regarding the handling of COVID-19 in Indonesia. The method used is the Naïve Bayes Classification because it has a simple algorithm with high accuracy. The results showed that the public gave more negative sentiments towards the policy of handling COVID-19, especially PSBB, mandatory masks, and curfews. On the positive sentiment, the three words with the highest frequency were “demo”, “jakarta”, and “work”. Meanwhile, the negative sentiment is “jakarta”, “demo”, and “orang”. The appearance of the words "demo" and "jakarta" in both sentiments shows that the public's tweet regarding the policy for handling COVID-19 cannot be separated from the events / incidents when data collection was carried out. In addition, the high frequency of the word “jakarta” in negative sentiments also shows that the implementation of policies for handling COVID-19 in Jakarta has not been implemented optimally. Based on the evaluation results, the classification accuracy rate is 87.34%, the sensitivity is 93.43%, and the specificity is 71.76%, which means that this method is good enough.Keywords: COVID-19, naïve bayes classification, policy, text mining, twitter
Identifikasi Kematangan Cabai Menggunakan Operasi Morfologi (Opening dan Closing) dan Metode Backpropagation Khairullah khairullah; Erwin Dwika Putra
Sistemasi: Jurnal Sistem Informasi Vol 10, No 1 (2021): Sistemasi: Jurnal Sistem Informasi
Publisher : Program Studi Sistem Informasi Fakultas Teknik dan Ilmu Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (887.809 KB) | DOI: 10.32520/stmsi.v10i1.1094

Abstract

AbstrakIdentifikasi kualitas buah cabai biasanya masih menggunakan cara visual secara langsung atau sortir secara manual oleh petani, dengan menggunakan sistem ini sering kali terjadi beberapa kesalahan setiap melakukan sortir yang disebabkan oleh petani yang melakukan sortir merasa terlalu lelah. Dengan menggunakan komputasi pengolahan citra digital, untuk melakukan identifikasi pengelompokan buah cabai yang matang dan mentah dapat membantu para petani, Teknik pengelompokan ini akan menggunakan metode pengelompokan berdasarkan warna. Metode pengelompokan tersebut sebelumnya akan dilakukan operasi morfologi pada citra yang telah diambil. Pendekatan operasi morfologi pada penelitian ini adalah Opening and Closing, pada operasi morfologi akan menghilangkan noise dan menebalkan objek dari inputan gambar. Metode Bacpropagatioan akan mengolah data latih sebanyak 10 data latih mendapatkan 6 iterasi perhitungan dan setelah diuji menggunakan data uji hasil yang didapatkan yaitu tingkat pengenalan rata-rat mendapatkan perhitungan sebanyak 7 iterasi metode Bacpropagation. Hasil dari penelitian ini juga dihitung menggunakan Confusion Matrix dimana nilai Precision 90%, Recall 74%, dan Accuracy 70%, maka dapat disimpulkan bahwa Operasi Morfologi dan Metode Backpropagation dapat digunakan untuk mengidentifikasi objek cabai.Kata Kunci: backpropagation, morfologi, identifikasi, opening and closing  AbstractIdentification of the quality of chili fruit is usually still using a visual way directly or sorting manually by farmers, using this system often occurs several errors, every sorting caused by farmers who do the sorting feel too tired. By using digital image processing computing, to identify the grouping of ripe and raw chili fruits can help farmers, this grouping technique will use a method of grouping based on color. The grouping method will previously perform morphological surgery on the image that has been taken. The morphological operation approach in this study is Opening and Closing, in morphological operations will eliminate noise and thicken objects from image input. Bacpropagatioan method will process training data as much as 10 training data get 6 iterations of calculations and after being tested using the test data obtained results that is the level of introduction of the average rat get a calculation of 7 iterations bacpropagation method. The results of this study were also calculated using Confusion Matrix where precision values of 90%, Recall 74%, and Accuracy 70%, it can be concluded that Morphological Operations and Backpropagation Method can be used to identify chili objects.Keywords: backpropagation, morfologi, identification, opening and closing
Literature Review: Elements and Criteria Methodology of Enterprise Architecture for E-Government ari cahaya puspitaningrum
Sistemasi: Jurnal Sistem Informasi Vol 10, No 1 (2021): Sistemasi: Jurnal Sistem Informasi
Publisher : Program Studi Sistem Informasi Fakultas Teknik dan Ilmu Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (629.399 KB) | DOI: 10.32520/stmsi.v10i1.1027

Abstract

AbstractEnterprise Architecture (EA) has become a major requirement for organizations to addresses business, data, infrastructure, and information systems. EA Implementation in the government is considered very important to improve the efficiency of electronic-based services. The documentation process is challenging and is often seen as very time consuming, error-prone, and requires the collection of quality data. To create a successful, it requires to emphasize the aspects of EA development properly to prevent failure of the documentation. So, this study aims to identify the aspects of how to develop EA for e-government. The method of this study was literature review of 30 previous studies that related with the topic. Thus, this study analyzed and synthesized the studies and it can be mapped into 2 categories. The mapping consists of 1) elements and 2) criteria methodology of EA development for e-government. The findings are 23  and 11 criteria methodology of development for e-government. This study also provides some reference for further research and also provides insight into EA development for e-government that will be used by practitioners.Keywords: enterprise architecture, e-Government, e-Government EA, EA methodology AbstrakArsitektur perusahaan telah menjadi kebutuhan utama bagi organisasi untuk mengembangkan bisnis, data, infrastruktur, dan sistem informasi. Penerapan arsitektur perusahaan di pemerintahan dinilai sangat penting untuk meningkatkan efisiensi layanan berbasis elektronik. Proses dokumentasi cukup menantang dan sering kali dianggap sangat memakan waktu, rawan kesalahan, dan memerlukan pengumpulan data yang berkualitas. Untuk menciptakan kesuksesan, perlu adanya penekanan pada aspek pengembangan arsitektur perusahaan dengan baik untuk mencegah kegagalan pendokumentasian. Jadi, penelitian ini bertujuan untuk mengidentifikasi aspek bagaimana mengembangkan arsitektur perusahaan untuk e-government. Metode penelitian ini adalah studi pustaka dari 30 penelitian sebelumnya yang berhubungan dengan topik. Dengan demikian, studi ini menganalisis dan mensintesis studi tersebut dan dapat dipetakan menjadi 2 kategori. Pemetaan terdiri dari 1) elemen dan 2) metodologi kriteria pengembangan arsitektur perusahaan untuk e-government. Temuan tersebut adalah 23 dan 11 kriteria metodologi pengembangan e-government. Studi ini juga memberikan beberapa referensi untuk penelitian selanjutnya dan juga memberikan wawasan tentang pengembangan arsitektur perusahaan untuk e-government yang akan digunakan oleh para praktisi.Kata Kunci: arsitektur perusahaan, arsitektur perusahaan e-Government, e-Government, metodologi arsitektur perusahaan
Prediksi Kemungkinan Diabetes pada Tahap Awal Menggunakan Algoritma Klasifikasi Random Forest Widya Apriliah; Ilham Kurniawan; Muhamad Baydhowi; Tri Haryati
Sistemasi: Jurnal Sistem Informasi Vol 10, No 1 (2021): Sistemasi: Jurnal Sistem Informasi
Publisher : Program Studi Sistem Informasi Fakultas Teknik dan Ilmu Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (686.917 KB) | DOI: 10.32520/stmsi.v10i1.1129

Abstract

AbstrakDiabetes adalah salah satu penyakit kronis yang mengancam jiwa dengan pertumbuhan tercepat yang telah mempengaruhi 422 juta orang di seluruh dunia menurut laporan Organisasi Kesehatan Dunia (WHO), pada tahun 2018. Diabetes dianggap sebagai salah satu penyakit paling mematikan dan kronis yang menyebabkan peningkatan gula darah. Banyak komplikasi terjadi jika diabetes tetap tidak diobati dan tidak teridentifikasi. Namun, peningkatan pendekatan machine learning memecahkan masalah kritis ini. Tujuan dari penelitian ini adalah merancang model yang dapat memprakirakan kemungkinan terjadinya diabetes pada pasien dengan ketelitian yang maksimal. Klasifikasi adalah teknik data mining yang menetapkan kategori pada kumpulan data untuk membantu dalam memprediksi dan analisis yang lebih akurat. Oleh karena itu tiga algoritma klasifikasi machine learning yaitu Suport Vector Machine, Naive Bayes dan Random Forest digunakan dalam percobaan ini untuk mendeteksi diabetes secara dini. Eksperimen dilakukan menggunakan dataset Diabetes Hospital in Sylhet, Bangladesh yang bersumber dari UCI repository. Performa ketiga algoritma dievaluasi pada berbagai ukuran seperti Precision, Accuracy, F-Measure, dan Recall. Akurasi diukur melalui instance yang diklasifikasikan dengan benar dan salah. Hasil yang diperoleh menunjukkan Random Forest mengungguli dengan nilai akurasi tertinggi 97,88% dibandingkan algoritma lain. Hasil ini diverifikasi menggunakan kurva Receiver Operating Characteristic (ROC) secara tepat dan sistematis.Kata Kunci: diabetes, naive bayes, random forest, akurasi, support vector machine, machine learning AbstractDiabetes is one of the fastest growing, life-threatening chronic diseases affecting 422 million people worldwide, according to a report by the World Health Organization (WHO) in 2018. Diabetes is considered to be one of the most deadly and chronic diseases that cause elevated blood sugar. Many complications occur if diabetes remains untreated and unidentified. However, an improved machine learning approach solves this critical problem. The aim of this study is to design a model that can predict the likelihood of diabetes occurr in patients with maximum accuracy. Therefore, three machine learning classification algorithms, namely Support Vector Machine, Naive Bayes and Random Forest, were used in this experiment to detect diabetes early. Experiments were conducted using the Diabetes Hospital in Sylhet, Bangladesh dataset sourced from the UCI repository. The performance of the three algorithms is evaluated on various measures such as Precision, Accuracy, F-Measure, and Recall. Accuracy is measured through correctly and incorrectly classified instances. The results obtained showed that Random Forest outperformed with the highest accuracy value of 97.88% compared to other algorithms. These results are verified using the Receiver Operating Characteristic (ROC) curve accurately and systematically.Keywords: diabetes, naive bayes, random forest, accuracy,  machine learning, support vector machine
Implementasi Metode SCOR 11.0 dalam Pengukuran Kinerja Supply Chain Management Indah Permata Wulandari; Wahyu Lestari Setyaningsih; Aldo Prabu Wisnu Wardhana; Yuwan Jumaryadi
Sistemasi: Jurnal Sistem Informasi Vol 10, No 1 (2021): Sistemasi: Jurnal Sistem Informasi
Publisher : Program Studi Sistem Informasi Fakultas Teknik dan Ilmu Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (768.259 KB) | DOI: 10.32520/stmsi.v10i1.1111

Abstract

AbstrakKonsep kegiatan utama SCM ialah fokus pada proses pengiriman dan pengadaan barang. Studi kasus telah dilakukan sebelumnya, menggunakan metodologi Value Chain Analyst (VCA). Bagaimanapun juga terdapat beberapa permasalahan pada studi sebelumnya seperti analisis kepuasan pelanggan dan diakhiri dengan peningkatan rantai nilai pasokan. Untuk mengatasi masalah tersebut, kami mengusulkan untuk menggunakan Supply Chain Operations Reference (SCOR) untuk mengatur tingkat kinerja manajemen dan manajemen rantai pasokan. Tujuan dari penelitian ini adalah untuk mengetahui gambaran kinerja supply chain management dan tingkat kinerja supply chain management  pada PT Nieve Aplikasi Mandiri, yang diukur dengan menggunakan pendekatan supply chain operation reference (SCOR). Langkah-langkah yang dilakukan dalam penelitian yang berbasis pada metode SCOR ialah, pertama pembobotan tingkat pada kepentingan indikator SCOR. Kedua, mengkategorikan tingkatan indikator kinerja SCM. Hasil dari penelitian menunjukan bahwa pengiriman dan pengadaan dengan menggunakan metrik metode SCOR level 1 dimana hasil yang diperoleh ialah Perfect Order Fullfillment (POF) = 72.28%, Order Fullfillment Cycle Time (OCFT) = 15 hari, Cost Of Good Sold (COGS) = 49.07%, Cash To Cash Cycle Time (CTCCT) = 30 hari. Metode ini (SCOR) sangat tepat dan unggul untuk meningkatkan pelayanan kepuasan SCM.Kata Kunci: pengukuran  kinerja, manajemen rantai  pasok, supply  chain operation references (SCOR), value chain analysis (VCA)AbstractThe main concept of SCM activity are to focus on the process of shipping and procuring goods. The previous studies have been analyzed the SCM activities by using the Value Chain Analyst (VCA) methodology. However, there are several problems in previous studies such as customer satisfaction analysis and an ending increase in the supply value chain. To solve the problems from the aforementioned, we propose to use Supply Chain Operations Reference (SCOR) to organize management and supply chain management performance levels. The purpose of this study was to describe the supply chain management performance and supply chain management performance levels in PT Nieve Aplikasi Mandiri, as measured using the supply chain operation reference (SCOR). The steps carried out in a research based on the SCOR method, namely, first weighting the importance of the SCOR indicator. Second, categorizing the level of SCM performance indicators. The results of these study indicates that the delivery and procurement by using the SCOR method in level 1 metric obtained Perfect Order Fullfillment (POF) = 72.28%, Order Fullfillment Cycle Time (OCFT) = 15 days, Cost Of Good Sold (COGS) = 49.07 %, Cash To Cash Cycle Time (CTCCT) = 30 days. This method (SCOR) is very precise and superior for improving SCM satisfaction services.Keywords: performance measurement, supply chain management, supply chain operation references (SCOR), value chain analysis (VCA)

Page 2 of 3 | Total Record : 21

 1   2   3 

Filter by Year

2021 2021


Reset
Filter By Issues
All Issue Vol 12, No 1 (2023): Sistemasi: Jurnal Sistem Informasi Vol 11, No 3 (2022): Sistemasi: Jurnal Sistem Informasi Vol 11, No 2 (2022): Sistemasi: Jurnal Sistem Informasi Vol 11, No 1 (2022): Sistemasi: Jurnal Sistem Informasi Vol 10, No 3 (2021): Sistemasi: Jurnal Sistem Informasi Vol 10, No 2 (2021): Sistemasi: Jurnal Sistem Informasi Vol 10, No 1 (2021): Sistemasi: Jurnal Sistem Informasi Vol 9, No 3 (2020): Sistemasi: Jurnal Sistem Informasi Vol 9, No 2 (2020): Sistemasi: Jurnal Sistem Informasi Vol 9, No 1 (2020): Sistemasi: Jurnal Sistem Informasi Vol 8, No 3 (2019): Sistemasi: Jurnal Sistem Informasi Vol 8, No 2 (2019): Sistemasi: Jurnal Sistem Informasi Vol 8, No 1 (2019): Sistemasi Vol 8, No 1 (2019): Sistemasi: Jurnal Sistem Informasi Vol 7, No 3 (2018): Sistemasi: Jurnal Sistem Informasi Vol 7, No 2 (2018): Sistemasi: Jurnal Sistem Informasi Vol 7, No 2 (2018): SISTEMASI Vol 7, No 1 (2018): Sistemasi: Jurnal Sistem Informasi Vol 6, No 3 (2017): Sistemasi: Jurnal Sistem Informasi Vol 6, No 2 (2017): Sistemasi: Jurnal Sistem Informasi Vol 6, No 1 (2017): Sistemasi: Jurnal Sistem Informasi Vol 5, No 3 (2016): Sistemasi: Jurnal Sistem Informasi Vol 5, No 2 (2016): sistemasi Vol 5, No 2 (2016): Sistemasi: Jurnal Sistem Informasi Vol 5, No 1 (2016): Sistemasi: Jurnal Sistem Informasi Vol 4, No 3 (2015): Sistemasi: Jurnal Sistem Informasi Vol 4, No 2 (2015): Sistemasi: Jurnal Sistem Informasi Vol 4, No 1 (2015): Sistemasi: Jurnal Sistem Informasi Vol 3, No 4 (2014): SISTEMASI: Jurnal Sistem Informasi Vol 3, No 3 (2014): Sistemasi: Jurnal Sistem Informasi Vol 3, No 2 (2014): Sistemasi: Jurnal Sistem Informasi Vol 3, No 1 (2014): Sistemasi: Jurnal Sistem Informasi Vol 2, No 4 (2013): Sistemasi: Jurnal Sistem Informasi Vol 2, No 3 (2013): Sistemasi: Jurnal Sistem Informasi Vol 2, No 2 (2013): Sistemasi:Jurnal Sistem Informasi Vol 2, No 1 (2013): Sistemasi: Jurnal Sistem Informasi More Issue