cover
Contact Name
Albert Yakobus Chandra
Contact Email
albert.ch@mercubuana-yogya.ac.id
Phone
+6285239280085
Journal Mail Official
jisai@mercubuana-yogya.ac.id
Editorial Address
Jl.Jembatan Merah, No.84C, Gejayan, Yogyakarta
Location
Kab. bantul,
Daerah istimewa yogyakarta
INDONESIA
Journal Of Information System And Artificial Intelligence
ISSN : 27976777     EISSN : -     DOI : -
Journal of Information System and Artificial Intelligence (JISAI) diterbitkan oleh Program Studi Sistem Informasi, Fakultas Teknologi Informasi Universitas Mercu Buana Yogyakarta. JISAI memuat naskah hasil-hasil penelitian dibidang Sistem Informasi, Teknologi Informasi dan Sistem Komputer. JISAI berkomitmen untuk memuat artikel berbahasa Indonesia yang berkualitas dan dapat menjadi rujukan utama para akademisi, peneliti dan praktisi dalam bidang Sistem Informasi, Teknologi Informasi dan Ilmu Komputer. Jurnal ini diterbitkan 2 kali dalam 1 tahun yakni pada bulan November dan Mei dengan periode penerimaan artikel sepanjang tahun. 10 artikel pertama yang lolos seleksi akan diterbitkan pada periode penerbitan yang paling dekat. Sedangkan, artikel ke-11 dan seterusnya akan diterima untuk diterbitkan pada periode yang akan datang. Artikel yang masuk ke jurnal ini akan di-review oleh mitra bestari sebelum diterbitkan. Proses review artikel dilakukan secara double blind review yang mana mitra bestari tidak mengetahui siapa penulis artikel tersebut dan juga sebaliknya penulis tidak mengetahui mitra bestari yang menilai artikel tersebut. Jurnal JISAI merupakan jurnal akses terbuka (open access) sehingga seluruh artikel yang diterbitkan oleh jurnal ini dapat diakses kapan saja dan di mana saja oleh siapa saja tanpa dipungut biaya. Selain itu, untuk Submit dan Review Manuskrip adalah Bebas Biaya.
Articles 45 Documents
Penerapan Algoritma C4.5 Untuk Menentukan Persediaan Obat (Studi Kasus Di RS Bethesda Yogyakarta) GUNARTATIK ESTHININGTYAS; Putri Taqwa Prasetyaningrum
Journal Of Information System And Artificial Intelligence Vol. 1 No. 1 (2020): Journal of Information System and Artificial Intelligence Vol I, No I Nov.2020
Publisher : Sistem Informasi Universitas Mercu Buana Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (377.054 KB)

Abstract

ABSTRAKDalam pelayanan Farmasi sebuah Rumah Sakit, persediaan obat adalah salah satu faktor penting. Jumlah persediaan atau stok harus dipertimbangkan, dengan tujuan untuk menjaga stok tersedia stabil. Stok tersedia berarti bahwa di warehouse tidak ada kelebihan stok atau kekurangan stok. Dalam penelitian ini yang dimaksud adalah warehouse Farmasi Rawat Jalan Lantai I Rumah Sakit Bethesda. Masalahnya adalah bahwa setiap item obat memiliki pengeluaran yang berbeda, sangat tergantung pada peresepan dokter. Maka perhitungan diperlukan untuk menentukan pola obat apa yang perlu disediakan (reorder),yang tidak perlu disediakan atau bahkan perlu dikurangi jumlahnya di warehouse. Algoritma C4.5 adalah sekelompok algoritma yang menggunakan pohon keputusan. Pohon keputusan adalah metode klasifikasi dan prediksi yang sangat kuat dan terkenal. Algoritma ini digunakan untuk menganalisis obat yang perlu direorder agar ketersediaan obat tetap terjaga. Penerapan algoritma C4.5 dapat digunakan untuk memprediksi ketersediaan stok di Farmasi Rawat Jalan Bawah Lantai 1 Rumah Sakit Bethesda. Hasil penghitungan nilai entropy dalam algoritma C4.5 menggunakan Decision tree RapidMiner dapat menghasilkan pola apakah stok di Farmasi Rawat Jalan Bawah Lantai 1 Rumah Sakit Bethesda perlu ditambah, cukup atau perlu dikurangi.
Penerapan Data Mining Untuk Memprediksi Jumlah Data Pasien Di Puskesmas Haekesak Menggunakan Metode ARIMA Ermelinda Novita De Jesus; Anief Fauzan Rozi
Journal Of Information System And Artificial Intelligence Vol. 1 No. 2 (2021): Journal of Information System and Artificial Intelligence Vol I, No II Mei.2021
Publisher : Sistem Informasi Universitas Mercu Buana Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (528.853 KB)

Abstract

ABSTRACT The purpose of this study was to determine the Arima method equation model, to find out the resultsof the analysis to predict the number of patients in the haekesak health center using Minitab tools. and knowingthe results of predicting the number of patients treated at the Hasekesak health center from 1 January to 10February and the method used in this study was the ARIMA method. The results of the prediction of the totalnumber of patients who will come to the Haekesak Health Center using the ARIMA method, this analysis endswith the number of patients who will come on the 26th-35th day where the total number of patients does notincrease or decrease significantly so that the puskesmas does not need to increase their mental health. or theaddition of excessive drug stock.Keywords: Forecasting, ARIMA, Disease
Penerapan Data Mining Untuk Memprediksi Harga Bawang Merah Di Yogyakarta Menggunakan Metode K-Nearest Neighbor Dapit Virdaus; Putri Taqwa Prasetyaningrum
Journal Of Information System And Artificial Intelligence Vol. 1 No. 1 (2020): Journal of Information System and Artificial Intelligence Vol I, No I Nov.2020
Publisher : Sistem Informasi Universitas Mercu Buana Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (358.982 KB)

Abstract

Bawang merah merupakan salah satu sayuran musiman dengan hasil panen terbesar. Namun, harganya terkadang tidak stabil, bisa sangat murah atau sangat mahal. Kondisi ini menyulitkan mereka yang membutuhkan bawang merah, dan juga membuat petani merugi karena harga yang tidak stabil.Keadaan yang membuat petani bawang merah merugi merupakan masalah serius, mengingat bawang merah merupakan tanaman atau bumbu yang hampir wajib ada di setiap hidangan. Oleh karena itu, diperlukan suatu penelitian untuk mengatasi masalah tersebut, maka penelitian yang mengimplementasikan data mining dengan menggunakan metode algoritma K-Nearest Neighbor akan diterapkan untuk memprediksi harga bawang merah menggunakan data yang telah tersedia sebelumnya.Pada penelitian ini dilakukan empat skenario atau kondisi yang dijadikan sasaran data bawang merah dalam pengolahan datanya agar diperoleh hasil yang lebih variatif dan lebih presisi dengan tingkat akurasi prediksi tertinggi. Setelah melakukan berbagai macam percobaan pada data yang diadakan dalam penelitian ini, atau lebih tepatnya penerapan empat kondisi pada data, diperoleh hasil akurasi tertinggi dengan nilai 91,67%. Variabel yang paling berpengaruh terhadap panenan adalah faktor cuaca atau curah hujan, namun untuk faktor harga pada suatu waktu atau pada kondisi dimana faktor produksi yang besar tidak menjamin harga akan lebih murah atau stabil. Dalam hal ini terdapat campur tangan dalam urusan politik dan ekonomi yang tidak dapat diakses oleh penulis sebagai peneliti.
Penerapan Data Mining Untuk Prediksi Layanan Produk IndihomeMenggunakan Metode K-NearstNeighbor Arwa Ulayya Haspriyanti; Putri Taqwa Prasetyaningrum
Journal Of Information System And Artificial Intelligence Vol. 1 No. 2 (2021): Journal of Information System and Artificial Intelligence Vol I, No II Mei.2021
Publisher : Sistem Informasi Universitas Mercu Buana Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1398.526 KB)

Abstract

ABSTRACTPT. Telkom is a company engaged in the field of telecommunication that develops IndiHome product. IndiHome itself is the combination of product and service types including telecommunication, information, media and edutainment becomes one consisting internet service, internet voicete and interactive internet (UseeTV cable) or Triple Play. The development of a maximum marketing strategy requires an effective and efficient marketing mix. In principle, the marketing strategy provides direction in relation with variables such as market segmentation, target, positioning, and marketing mix element. In order to support this study, the variable used is operational variable for external and internal analysis. In this study, the method used is qualitative research method. Meanwhile, the type of the study is descriptive.The primary data is directly obtained from the research subject through observation, interview, and documentation. As seen from the large number of customer request related to the service product based on sales data for the past 1 year, it is important to get the sales prediction of best-selling service product, in order to facilitate the company in developing service provision planning. Furthermore, the use of data mining classification technique and K-Nearest Neighbor algorithm is needed to find out the best-selling service product sales. The result of this study is the prediction of the best-selling service product sales which is 1 from the total of 3 product types that are sold includingInternet, Internet Voice, and Internet Voice Useetv. It is based on the accuracy value towards the classification of the best-selling product sales of 99.99%.
Decision Support System Penyaluran Bantuan Yayasan Al-Abrar Rashin Indonesia Dengan Metode Electre Adhien Kenya Estetikha; Albert Yakobus Chandra
Journal Of Information System And Artificial Intelligence Vol. 1 No. 2 (2021): Journal of Information System and Artificial Intelligence Vol I, No II Mei.2021
Publisher : Sistem Informasi Universitas Mercu Buana Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1013.873 KB)

Abstract

Yayasan Al-Abrar Rashin Indonesia merupakan salah satu Yayasan penyaluran bantuan untuk warga miskin, akan tetapi untuk menentukan warga penduduk yang akan mendapatkan bantuan masih mengalami kesulitan seperti dalam pengolahan datanya membutuhkan ketelitian, sehingga memungkinkan terjadinya rangkap data juga terjadinya kesalahan dalam penentuan penduduk yang harus diutamakan.Untuk menyelesaikan masalah tersebut, maka diperlukan suatu sistem pendukung keputusan yang dapat membantu dalam menentukan siapa yang berhak didahulukan dalam mendapatkan bantuan. Penelitian ini menerapkan metode Electre untuk melakukan penilaian, serta menggunakan 5 kriteria sebagai parameter penilaian dengan masing-masing bobot. Agar dapat membuat keputusan yang tepat diantaranya luas bangunan rumah dalam m2, jenis lantai rumah, jenis dinding rumah, pendapatan kepala keluarga dalam 1 bulan, dan jumlah tanggungan anak. Penilaian penerimaan bantuan yang dihasilkan dalam penelitian ini berupa rangking berdasarkan jumlah nilai ekl dengan hasil nilai tertinggi yaitu 36 terdapat pada alternatif ke-37 dan nilai terendah yaitu 2 pada alternatif A26.
Prototipe Sistem Deteksi Ketersediaan Lahan Parkir Menggunakan Metode Algoritma Canny Edge Ferry Pradana Putra; Indah Susilawati
Journal Of Information System And Artificial Intelligence Vol. 1 No. 2 (2021): Journal of Information System and Artificial Intelligence Vol I, No II Mei.2021
Publisher : Sistem Informasi Universitas Mercu Buana Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (355.764 KB)

Abstract

Pada setiap tempat parkir terdapat petugas parkir di pintu masuk maupun keluar untuk melayani pemberian karcis parkir serta pembayaran biaya parkir. Sangat jarang petugas parkir berkeliling di tempat parkir, untuk mengetahui ketersediaan dari tempat parkir. Hal ini menyebabkan banyaknya pengendara yang harus berkeliling mencari tempat parkir sehingga memakan banyak waktu para pengendara. Kesulitan mencari tempat parkir juga menyebabkan kemacetan dikarenakan kendaraan cenderung bergerak lebih lambat untuk mencari slot parkir yang kosong. Maka dirasa diperlukan suatu sistem yang mendeteksi ketersediaan lahan parkir secara real time agar para pengendara tidak kebingungan mencari lahan parkir yang kosong untuk kendaraan mereka. Penelitian dilakukan dengan OpenCV sebagai library pemrograman bahasa python dengan algoritma canny edge dengan posisi kamera berada diatas kendaraan. Berdasarkan pengujian yang dilakukan dengan posisi kamera berada diketinggian 40cm dengan menggunakan threshold 510 mendapatkan akurasi 77%. Namun ada beberapa hal yang mempengaruhi akurasi seperti,ketinggian,cahaya, dan letak objek.
Prediksi Kelulusan Mahasiswa Fakultas Teknologi Informasi Umby Menggunakan Metode Decision Tree Penerapan Algoritma C4.5 Vidya Anggraini Nurislamiaty; Anief Fauzan Rozi
Journal Of Information System And Artificial Intelligence Vol. 1 No. 2 (2021): Journal of Information System and Artificial Intelligence Vol I, No II Mei.2021
Publisher : Sistem Informasi Universitas Mercu Buana Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (660.585 KB)

Abstract

Kelulusan merupakan salah satu unsur penting bagi pihak fakultas dalam penilaian akreditasi. Sehingga jika mahasiswa lulus tepat waktu maka akan membantu penlaian akreditasi terhadap penilaian suatu fakultas hingga perguruan tinggi. Kelulusan tepat waktu sendiri merupakan salah satu tolak ukur hasil kinerja akademik mahasiswa. Pada Fakultas Teknologi Informasi (FTI) Universitas Mercu Buana Yogyakarta masih banyak ditemui permasalahan mengenai mahasiswa yang menyelesaikan masa studi lebih dari waktu yang ditetapkan, hal ini tentu saja merugikan pihak fakultas yang akan membuat akreditasi fakultas kurang maksimal, serta terlalu banyaknya mahasiswa aktif yang membuat kegiatan belajar mengajar kurang ideal. Berdasarkan hal tersebut, maka dirasa diperlukan untuk melalukan analisis dan klasifikasi pola-pola kriteria kelulusan mahasiswa tepat waktu, untuk melakukan hal tersebut maka dirasa metode paling cocok yang digunakan ialah data mining Algoritma C4.5. berdasarkan dari perhitungan Algoritma C4.5 dengan atribut input berupa Indeks Prestasi Semester 5-7, Program Studi, serta sks tempuh hingga semester 7 maka menghasilkan akurasi sebesar 82,8897% dengan IPS semester 7 menjadi root tree dan SKS kamulatif hingga semester 7 menjadi child node.
Penerapan Data Mining Dalam Menentukan Kinerja Karyawan Terbaik Dengan Menggunakan Metode Algoritma C4.5 ( Studi Kasus : Universitas Mercu Buana Yogyakarta ) Alfi Novia Zahrotul Hidayah; Anief Fauzan Rozi
Journal Of Information System And Artificial Intelligence Vol. 1 No. 2 (2021): Journal of Information System and Artificial Intelligence Vol I, No II Mei.2021
Publisher : Sistem Informasi Universitas Mercu Buana Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1223.866 KB)

Abstract

Selama ini penilain kinerja dosen pada Universitas Mercu Buana Yogyakarta masih dilakukan secara manual dengan hanya menggunakan form penilaian sehingga dirasa perlu dilakukan analisa dan klasifikasi kinerja karyawan pada Universitas Mercu Buana Yogyakarta dengan menggunakan pendekatan data mining Algoritma C4.5. Pada penelitian ini dilakukan klasifikasi atau segmentasi atau pengelompokan dan bersifat prediktif yang digunakan untuk membentuk pohon keputusan (Decision Tree). Analisa ini akan membantu mempermudah pihak Pusat Penjaminan Mutu (PPM) Universitas Mercu Buana Yogyakarta dalam menentukan dosen terbaik. Penerapan Algoritma C4.5 dalam penilaian dosen terbaik di Universitas Mercu Buana Yogyakarta dalam penelitian ini memiliki tingkat akurasi yang termasuk dalam klasifikasi sangat baik yaitu sebesar 85,52% yang didapat dari hasil uji coba menggunakan tools Rapid Miner dengan 80% data sebagai data training dan 20% data uji.
Penerapan Algoritma C4.5 Untuk Mengklasifikasi Hasil Produksi Kunir Putih (Studi Kasus CV Windra Mekar) Jumiyati; Putri Taqwa Prasetyaningrum
Journal Of Information System And Artificial Intelligence Vol. 1 No. 1 (2020): Journal of Information System and Artificial Intelligence Vol I, No I Nov.2020
Publisher : Sistem Informasi Universitas Mercu Buana Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (585.344 KB)

Abstract

CV Windra Mekar merupakan industri pengolahan obat tradisional yang berlokasi di Bantul, Yogyakarta dirintis pada tahun 2002. Dari masa ke masa yang membuat CV Windra Mekar semakin berjaya dan permintaan produk kunir putih yang semakin melonjak membuat produksi kunir putih juga harus dapat memenuhi target pasar demi menjaga kepercayaan dan kepuasan konsumen. Faktor – faktor yang mempengaruhi jumlah produksi sangat penting untuk melihat apakah jumlah produksi yang dihasilkan dapat memenuhi kebutuhan pasar atau tidak. Dalam hal ini, penerapan data mining menjadi solusi dalam menganalisa hal tersebut. Algoritma C4.5 merupakan salah satu metode data mining yang mampu untuk memprediksi jumlah produksi kunir putih. Algoritma C4.5 disebut juga dengan pohon keputusan (decision tree). Konsep dari pohon keputusan ini adalah dengan mengumpulkan data selanjutnya dibuatkan decision tree yang kemudian akan dihasilkan rule-rule solusi permasalahan. Dari hasil penelitian faktor-faktor yang mempengaruhi jumlah produksi kunir putih adalah jumlah bahan dasar, SDM (Sumber Daya Manusia), dan jumlah permintaan konsumen. Pengujian menggunakan Framework Rapid Miner diperoleh hasil dengan nilai akurasi sebesar 65.87%.
Sistem Pendukung Keputusan Menentukan Kelayakan Kenaikan Gaji Karyawan Menggunakan Metode Topsis Eko Junianto; Anief Fauzan Rozi
Journal Of Information System And Artificial Intelligence Vol. 1 No. 1 (2020): Journal of Information System and Artificial Intelligence Vol I, No I Nov.2020
Publisher : Sistem Informasi Universitas Mercu Buana Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (830.441 KB)

Abstract

Dalam menentukan proses penetapan kenaikan gaji karyawan di perusahaan banyak terdapat kendala- kendala atau masalah yang harus dihadapi perusahaan antara lain efisiensi waktu, banyak perbandingan variabel yang diuji, pengambilan keputusan apakah karyawan tersebut berhak naik gajinya atau tidak dan Banyaknya berkas data yang diolah yaitu data karyawan. Pada penelitian ini studi kasus yang digunakan adalah toko roti Mama Bakery, dimana pada perusahaan ini masih belum efektif dan efisien dalam penghitungan kenaikan gaji. Maka untuk memudahkan proses tersebut perlu dibuat sebuah sistem berupa sistem pendukung keputusan penentuan kenaikan gaji karyawan dengan Topsis (Technique for Order Preference by Similarity to Ideal Solution) yang diharapkan dapat membantu mengatasi permasalahan. Dalam penelitian ini untuk mendapatkan solusi pengambilan keputusan penentuan kenaikan gaji, perlu disusun beberapa kriteria dan alternatif. Untuk membantu proses penilaian maka dibuat sebuah sistem pendukung keputusan penentuan kenaikan gaji karyawan yang terdapat menu untuk memasukkan data alternatif dan kriteria serta hasil perhitungan sesuai dengan metode diatas yang diharapkan dapat membantu dalam menentukan kenaikan gaji karyawan. Sistem pendukung keputusan berguna untuk mengolah data kriteria dengan input penilaian karyawan dan menghasilkan output perangkingan rekomendasi kenaikan gaji berdasarkan bobot dan kriteria yang telah di tetapkan. Hasil perhitungan sistem dengan jumlah usulan 10 dalam satu periode mencakup semua cabang toko, semua bagian dan semua jabatan menghasilkan nilai tertinggi yaitu 0.85429377 dengan nomor pegawai P-0003, dan nilai terendah yaitu 0.66617808 dengan nomor pegawai P-0054.