Nuansa Informatika
NUANSA INFORMATIKA is a peer-reviewed journal on Information and Technology for communication media academics, experts and practitioners of Information Technology in pouring ideas of thought in the field of Information Technology. NUANSA INFORMATIKA is a peer-reviewed journal on Information and Technology covering all branches of IT and sub-disciplines including Algorithms, system design, networks, games, IoT, Software engineering, Mobile applications, and others
Articles
23 Documents
Search results for
, issue
"Vol 17, No 1 (2023)"
:
23 Documents
clear
<![CDATA[PENERAPAN APLIKASI TRAVEL RECOMMENDED MENCARI DESTINASI WISATA DI SUMATERA UTARA MENGGUNAKAN METODE FUZZY SIMPLE ADDITIVE WEIGHTING (SAW) BERBASIS WAP ]]>
<![CDATA[FADLINA FADLINA]]>;
<![CDATA[GARUDA GINTING]]>
<![CDATA[ NUANSA INFORMATIKA Vol 17, No 1 (2023) ]]>
Publisher : <![CDATA[FKOM UNIKU ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.25134/fkom uniku.v17i1.6506
<![CDATA[Sumatera Utara saat ini dengan giatnya berbenah diri untuk menggalakkan destinasi wisata sesuai dengan kearifan lokal. Pariwisata merupakan industri yang berdampak kepada pergerakan ekonomi untuk menambah devisa negara pada umumnya terutama Sumatera Utara pada khususnya. Industri pariwisata berdampak kepada pergerakan ekonomi yang membantu pendapatan masyarakat dan juga akan menambah pemasukan kepada Negara. Perkembangan destinasi wisata di Sumater Utara ditandai dengan dibangunnya infrastruktur ke lokasi-lokasi wisata untuk menarik wisatawan baik lokal maupun dari Luar Negeri. Travel Recommended adalah suatu aplikasi yang merekomendasikan agar dapat memberi saran maupun informasi yang dapat memfasilitasi proses dalam sebuah keputusan. Destinasi Wisata dibutuhkan suatu strategi-strategi cara memasarkan lokasi wisata sesuai dengan kriteri yang di pilih untuk meningkatkan pengunjung khususnya di Sumatera Utara. Kriteria yang digunakan adalah Lokasi, Harga Tiket, Lama Perjalanan, Rute, Fasilitas. Dalam hal ini untuk mendapatkan sebuah informasi cukup menggunakan aplikasi online yang hasilnya cepat murah dan akurat. Fasilitas informasi yang digunakan untuk merekomendasikan destinasi wisata kepada wisatawan digunakan WAP (Wireless Application Protocol). Implementasi yang digunakan dengan metode Fuzzy Simple Additive Weighting (SAW). Sistem ini dapat bekerja dengan kriteria masukan dari user kemudian untuk mendapatkan saran traveling dan informasi-informasi wisata. Penerapan aplikasi rekomendasi ini menggunakan android untuk mencari lokasi wisata sesui dengan kriteri yang diingini. Dengan metode Simple Additive Weighting (SAW) dapat menghasilkan rekomendasi perjalanan ke tempat wisata sesuai dengan kebutuhan pengguna. Kata Kunci : Destinasi Wisata, Rekomendasi, SAW]]>
<![CDATA[SISTEM INFORMASI PERAWATAN BERKALA PADA MESIN PABRIK BERBASIS WEB ]]>
<![CDATA[Dani Yusuf]]>
<![CDATA[ NUANSA INFORMATIKA Vol 17, No 1 (2023) ]]>
Publisher : <![CDATA[FKOM UNIKU ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.25134/fkom uniku.v17i1.7169
<![CDATA[Makalah ini membahas tentang rancangan sistem informasi perawatan berkala pada mesin-mesin yang ada pada suatu perusahaan, sistem ini dibangun berbasis web sehingga dapat diakses oleh staff pelaksana kegiatan perawatan dan dimonitor langsung oleh pinpinam perusahaan. Level penggua pada sistem informasi perawatan berkala ini ada empat yaitu level Administrator, Manager, Supervisor dan level Teknisi. Metode pengembangan sistem yang digunakan adalah prototype dengan tujuan mempercepat proses pengembangan sistem sehingga aplikasi ini dapat dipergunakan dengan segera. Hasil dari perancangan dan pembuatan aplikasi ini diharapkan dapat mempermudah pelaksanaan kegiatan perawatan berkala pada suatu perusahaan yang memiliki mesin-mesin agar kondisinya selalu terjaga sehingga target produksi dapat tercapai dan perusahaan mendapatkan keuntungan untuk membayarkan kegiatan operasional perusahaan serta membayarkan gaji para karyawannya.]]>
<![CDATA[Analisis IT Service Management (ITSM) Sistem Keuangan Desa (Siskeudes) Menggunakan Framework ITIL V3 (Studi Kasus: Kecamatan Sungai Lilin) ]]>
<![CDATA[Rhandy Elfandiar]]>;
<![CDATA[Tata Sutabri]]>
<![CDATA[ NUANSA INFORMATIKA Vol 17, No 1 (2023) ]]>
Publisher : <![CDATA[FKOM UNIKU ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.25134/fkom uniku.v17i1.7227
<![CDATA[Penerapan teknologi informasi yang terus berkembang dengan sangat cepat memberikan dampak besar bagi penggunaan sistem informasi atau teknologi informasi dan pelayanan dari sistem informasi atau teknologi informasi tersebut, pada sektor keuangan pengembangan teknologi informasi dan sistem informasi akan sangat membantu untuk perkembangan organisasi tersebut. Pada kecamatan Sungai Lilin, untuk melakukan monitoring pengelolaan keuangan di tiap desa yang berada di dalam lingkup Kecamatan Sungai Lilin sudah menggunakan teknologi informasi, yaitu menggunakan aplikasi Sistem Keuangan desa (SisKeuDes) yang sudah terintegrasi antara desa dan kecamatan. Siskeudes merupakan aplikasi berbasis desktop yang digunakan untuk mengelola keuangan pada desa. Aplikasi Siskeudes memiliki banyak layanan seperti pembuatan laporan keuangan, entri data keuangan, monitoring entri data keuangan, verifikasi data yang telah di entri, dan masih banyak layanan lainnya, karena aplikasi Siskeudes ini memiliki banyak layanan, sehingga aplikasi Siskeudes ini membutuhkan manajemen layanan untuk mengidentifikasi layanan apa yang butuh untuk di tingkatkan atau ditambah agar aplikasi Siskeudes ini dapat lebih baik. Salah satu metode yang dapat digunakan dalam proses manajemen layanan TI yaitu dengan Information Technology Service Management (ITSM) menggunakan framework ITIL V3 yang berfokus pada domain service operation. Hasil dari analisis ini akan mengidentifikasi sejauh mana service operation pada aplikasi Siskeudes, dan dihasilkan sebuah rekomendasi pengelolaan yang dapat mengacu pada Framework ITIL V3Kata Kunci – ITSM, ITIL, Kerangka Kerja, SisKeuDes, Kualitatif]]>
<![CDATA[Rancang Bangun Sistem Informasi Perhitungan Satuan Kredit Kegiatan Mahasiswa (SKKM) ]]>
<![CDATA[sardjono sardjono sardjono]]>
<![CDATA[ NUANSA INFORMATIKA Vol 17, No 1 (2023) ]]>
Publisher : <![CDATA[FKOM UNIKU ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.25134/fkom uniku.v17i1.6673
<![CDATA[Pendidikan Nasional memiliki fungsi untuk mengembangkan kemampuan, membentuk watak dan peradaban bangsa yang bermartabat dalam rangka mencerdaskan kehidupan bangsa. Perguruan tinggi sebagai salah satu lembaga pendidikan dituntut untuk menghasilkan sumber daya manusia yang kompeten, profesional, bermoral dan berdaya saing tinggi. Untuk mencapai hal tersebut, perguruan tinggi harus mampu menghasilkan lulusan dengan kemampuan yang komprehensif dalam bentuk hard skill dan soft skill. Satuan Kredit Kegiatan Mahasiswa (SKKM) merupakan acuan yang akan dijadikan penilaian dari setiap kegiatan yang dilakukan oleh mahasiswa berdasarkan kegiatan akademik maupun non akademik. Proses perhitungan akumulasi dari setiap kegiatan mahasiswa secara komputerisasi dan ter-digitalisasi bukti dokumennya, maka perlu dibuat sistem informasi perhitungan SKKM. Algoritma Multifactor Evaluation Process (MFEP) sebagai algoritma untuk proses perhitungan pembobotan pada setiap atribut SKKM terhadap faktor-faktor yang dianggap penting sebagai acuan untuk memberikan penilaian terhadap mahasiswa memperolah predikat SKKM terbaik.]]>
<![CDATA[Implementasi Algoritma K-Medoids Clustering Untuk Menentukan Segmentasi Pelanggan ]]>
<![CDATA[Nita Mirantika]]>;
<![CDATA[Tri Septiar Syamfithriani]]>;
<![CDATA[Ragel Trisudarmo]]>
<![CDATA[ NUANSA INFORMATIKA Vol 17, No 1 (2023) ]]>
Publisher : <![CDATA[FKOM UNIKU ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.25134/fkom uniku.v17i1.7264
<![CDATA[Dalam melakukan pengelolaan hubungan dengan pelanggan, perusahaan harus mengenali karakteristik setiap pelanggan sehingga perusahaan dapat membuat strategi pengelolaan yang tepat sesuai dengan karakteristik tersebut. Identifikasi karakteristik pelanggan dapat diperoleh dengan melakukan segmentasi pelanggan yaitu dengan mengelompokkan pelanggan yang memiliki kesamaan karakteristik. Tujuan penelitian ini adalah untuk melakukan segmentasi pelanggan pada XYZ Store dengan menggunakan teknik data mining clustering yaitu dengan menggunakan algoritma K-Medoids yang menggunakan perwakilan data sebagai pusat cluster. Atribut yang digunakan dalam penelitian ini menggunakan analisis RFM yang terdiri dari tiga atribut yaitu: recency, frequency dan monetary. Penentuan jumlah cluster optimal menggunakan metode Silhouette coefficient dan evaluasi hasil cluster menggunakan metode Davies-Bouldin Index (DBI). Dengan menggunakan bantuan aplikasi RStudio hasil segmentasi pelanggan diperoleh tiga segmen pelanggan yaitu loyal customer yang mempunyai nilai recency tinggi (baru), frequency paling banyak dan monetary paling banyak sebanyak 21 pelanggan; typical customer yang memiliki recency rendah (lama), frequency sedang dan monetary sedang sebanyak 31 pelanggan; dan newcomer yang mempunyai nilai recency paling tinggi (paling baru), frequency dan monetary paling rendah sebanyak 61 pelanggan. Dengan diperolehnya tiga segmen pelanggan, maka perusahaan dapat membuat kebijakan dan strategi bisnis dalam melakukan pengelolaan hubungan dengan pelanggan sehingga diharapkan keuntungan perusahaan akan meningkat.]]>
<![CDATA[Rancangan Aplikasi Rekomendasi Ikan Hias Menggunakan Algoritma Colaborative Filtering Dan Location Based Service ]]>
<![CDATA[Moh. Shaubil Haq Al Falah Sahbana]]>
<![CDATA[ NUANSA INFORMATIKA Vol 17, No 1 (2023) ]]>
Publisher : <![CDATA[FKOM UNIKU ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.25134/fkom uniku.v17i1.6385
<![CDATA[Pemelihara ikan hias sering mengalami kendala dalam mencari toko ikan hias yang terdekat dengan minat serupa dan juga peternak ikan sering mengalami kendala dalam menjual ikan hias dengan regulasi yang lebih longgar Tujuan penelitian ini adalah membangun sebuah sistem yang dapat menjadi perantara antara penjual dan calon pembeli yang berdekatan dengan rekomendasi yang sesuai agar dapat meningkatkan penjualan ikan hias. Rekomendasi dapat dilakukan oleh sistem yang mengunakan algoritma colaborative filtering yang dapat didukung oleh location based service untuk membuat calon pembeli ikan hias dapat mengatahui seberapa jauh penjual ikan hias tersebut. Algoritma colaborative filtering sendiri bekerja dengan membandingkan beberapa user atau item dengan tingkat kesamaan atau biasa disebut similarity yang didapat dari rating pengguna dengan beberapa pengguna lainnya. Algoritma ini akan menujukkan prediksi rating pada barang yang direkomendasikan sistem.]]>
<![CDATA[Analisis IT Service Management (ITSM) Pada Layanan Marketplace Shopee Menggunakan Framework ITIL V3 ]]>
<![CDATA[Axel Natanael Salim]]>;
<![CDATA[Tata Sutabri]]>
<![CDATA[ NUANSA INFORMATIKA Vol 17, No 1 (2023) ]]>
Publisher : <![CDATA[FKOM UNIKU ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.25134/fkom uniku.v17i1.7186
<![CDATA[Perdagangan elektronik atau e-commerce belakangan ini menjadi tempat kesukaan konsumen untuk berbelanja, karena effisien dan harga yang kompetitif menjadi alasan e-commerce tumbuh subur di Indonesia. Diantara banyaknya layanan e-commerce yang ada di Indonesia, salah satu yang populer adalah marketplace shopee. Marketplace shopee memiliki layanan yang sangat banyak sehingga layanan tersebut perlu diatur dan didukung dengan manajemen yang baik. Salah satu metode manajemen layanan IT adalah ITSM. Salah satu standar kerangka kerja tata kelola TI yang banyak dikenal adalah ITIL. Setelah dilakukan penelitian, didapat bahwa pada variabel Event Management didapat nilai rata-rata maturity level sebesar 4.43 dan termasuk ke dalam maturity level 4 yaitu managed. Pada variabel Incident Management didapat nilai rata-rata maturity level sebesar 4.47 dan termasuk ke dalam maturity level 4 yaitu managed. Pada variabel Problem Management didapat nilai rata-rata maturity level sebesar 4.39 dan termasuk ke dalam maturity level 4 yaitu managed. Pada variabel Request Fulfillment didapat nilai rata-rata maturity level sebesar 4.21 dan termasuk ke dalam maturity level 4 yaitu managed. Dan pada variabel Access Management didapat nilai rata-rata maturity level sebesar 4.41 dan termasuk ke dalam maturity level 4 yaitu managed. Maturity level 4 yaitu managed yang berarti Proses-proses yang terkait telah direncanakan dan telah dilaksanakan secara rutin dan didokumentasikan menggunakan standart dan telah dilaksanakan mengukuran kinerja proses.Kata Kunci – ITSM, ITIL, Tingkat Kematangan, Shopee, Kerangka Kerja]]>
<![CDATA[Evaluasi Layanan Manajemen TI Menggunakan COBIT 2019 pada DPMPTSP Ogan Komering Ilir ]]>
<![CDATA[jerry hansen]]>;
<![CDATA[Tata Sutabri]]>
<![CDATA[ NUANSA INFORMATIKA Vol 17, No 1 (2023) ]]>
Publisher : <![CDATA[FKOM UNIKU ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.25134/fkom uniku.v17i1.7253
<![CDATA[Era teknologi dan informasi telah memberikan dampak terhadap organisasi, baik instansi swasta maupun pemerintahan, maka diperlukan evaluasi untuk memberikan saran dan masukan. Memberikan layanan terbaik yang berhubungan dengan teknologi informasi dan komunikasi perlu dilakukan agar informasi yang disampaikan dapat dimanfaatkan oleh masyarakat dengan baik. Tujuan penelitian ini adalah untuk menganalisis evaluasi tata kelola teknologi informasi di Dinas Penanaman Modal dan Pelayanan Terpadu Satu Pintu Kabupaten Ogan Komering Ilir menggunakan framework COBIT 2019. Penelitian ini menggunakan metode kualitatif dengan tahapan studi literatur dan dokumen, sedangkan teknik pengumpulan data dilakukan dengan observasi langsung, dengan subjek Dinas Penanaman Modal dan Pelayanan Terpadu Satu Pintu Kabupaten Ogan Komering Ilir, dan objek penelitian ini adalah tata kelola teknologi dan informasi pada website pelayanan terpadu Dinas Penanaman Modal dan Pelayanan Terpadu Satu Pintu Kabupaten Ogan Komering Ilir. Hasil penelitian menunjukan bahwa terdapat kelemahan dalam tata kelola dan manajemen teknologi dan informasi pada Dinas Penanaman Modal dan Pelayanan Terpadu Satu Pintu Kabupaten Ogan Komering Ilir. Kata Kunci – Manajemen Pelayanan, Teknologi Informasi, COBIT 2019, DPMPTSP]]>
<![CDATA[PENERAPAN MINI INTERNET OF THINGS (IoT) BOARD BERBASIS MIKROKONTROLER UNTUK MONITORING KESEHATAN LANSIA ]]>
<![CDATA[Mamay Syani]]>;
<![CDATA[Chika Santika Nurathilla]]>;
<![CDATA[Eryan Ahmad Firdaus]]>;
<![CDATA[Kanggep Andrijana Kusuma]]>
<![CDATA[ NUANSA INFORMATIKA Vol 17, No 1 (2023) ]]>
Publisher : <![CDATA[FKOM UNIKU ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.25134/fkom uniku.v17i1.6926
<![CDATA[Pemeriksaan kesehatan atau medical check up merupakan serangkaian uji kesehatan rutin yang dilakukan dirumah sakit atau puskesmas untuk memeriksa kesehatan tubuh secara keseluruhan dan mengantisipasi risiko penyakit. Puskesmas sebagai sarana penanggulangan kesehatan masyarakat masih terkendala dengan kondisi sarana yang masih terbata. Sementara itu dokter dan perawat medis di puskesmas membutuhkan sistem berupa hasil data yang bisa dikirim ke rumah sakit pusat. Data siap kirim tersebut berupa data pengukuran detak jantung, dan suhu tubuh pasien. Pada pengukuran tersebut dibuat alat perangkat seperti mikrokontroler NodeMCU ESP8266 disertai beberapa sensor MAX30102 (detak jantung), dan MLX96014 (suhu tubuh). Hasil data pengukuran tersebut adalah bagian dari informasi medis yang tersimpan yang dibantu oleh teknologi Internet Of Things (IoT). Internet Of Things (IoT) adalah jaringan komunikasi dimana alat dan sensor saling berhubungan satu sama lain atau dengan sistem yang lebih besar. Maka dari itu untuk membantu pasien untuk ditindak lanjuti secara terus menerus dengan alat kesehatan yang dapat dipakai untuk menjaga kesehatan mereka, dibuatkan Penerapan Mini Internet Of Things (IoT) Board Berbasis Mikrokontroler Untuk Monitoring Kesehatan Lansia. Alat yang dapat dipakai ini secara terus menerus untuk mengukur detak jantung pasien dan ketika gejala serangan jantung telah terjadi, maka akan mengirimkan informasi tentang kondisi kesehatan pasien kepada anggota keluarga dan dokter.]]>
<![CDATA[Optimalisasi K-Means Berbasis Particle Swarm Optimization untuk Hasil Produksi Tanaman Sayuran di Indonesia ]]>
<![CDATA[Budiman Budiman]]>
<![CDATA[ NUANSA INFORMATIKA Vol 17, No 1 (2023) ]]>
Publisher : <![CDATA[FKOM UNIKU ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.25134/fkom uniku.v17i1.6646
<![CDATA[Sektor pertanian memegang peranan penting dalam memenuhi kebutuhan pokok masyarakat, dengan demikian akan mendongkrak laju perekonomian, sosial, dan perdagangan. BPS pada September 2020 mencatat jumlah penduduk sebesar 270,20 juta jiwa Bertambahnya jumlah penduduk pada setiap tahun, berbanding lurus dengan permintaan kebutuhan pokok yang semakin meningkat. Sedangkan produksi sektor pertanian tidak setiap tahun meningkat. Penelitian ini bertujuan untuk mengelompokan daerah-daerah yang memiliki tingkat hasil produksi tanaman sayuran yang tinggi atau tingkat hasil produksi tanaman sayuran yang masih rendah. Penerapan K-Means clustering memungkinkan untuk mengoptimasi K-Means clustering dengan PSO sehingga dihasilkan informasi yang lebih bermutu. Hasil pemodelan K-Means clustering berbasis PSO untuk hasil produksi tanaman sayuran di Indonesia cluster 0 (sedang) sebanyak 8,82%, cluster 1 (rendah) sebanyak 88,2%, dan cluster 2 (tinggi) sebanyak 2,94%. Provinsi Jawa Barat berada dalam cluster 2, sehingga Provinsi Jawa Barat mendominasi dalam produksi tanaman sayuran di Indonesia. Hasil pengujian berdasarkan rata-rata silhouette coefficient, K-Means berbasis PSO lebih baik daripada K-Means murni meskipun nilai tersebut tidak berbeda signifikan yaitu dengan rata-rata nilai silhouette coefficient sebesar 0,714114. Rata-rata waktu komputasi waktu komputasi K-Means murni lebih cepat dengan rata-rata 0,748 detik dibandingan K-Means berbasis PSO. Waktu yang dibutuhkan lebih lama karena K-Means berbasis PSO memperbaiki kelompok data dari hasil bentukan K-Means clustering.]]>
