cover
Contact Name
Naser Jawas
Contact Email
naser.jawas@stikom-bali.ac.id
Phone
-
Journal Mail Official
jsi@stikom-bali.ac.id
Editorial Address
-
Location
Kota denpasar,
Bali
INDONESIA
Jurnal Sistem dan Informatika
ISSN : 1858473X     EISSN : 24603732     DOI : -
Core Subject : Science,
Jurnal Sistem dan Informatika (JSI) adalah jurnal ilmiah yang diterbitkan oleh Bagian Penelitian dan Pengabdian pada Masyarakat (P2M) STIKOM Bali. Jurnal Sistem dan Informatika (JSI) terbit dua kali dalam satu tahun, yakni setiap bulan Mei dan Nopember. Jurnal ini berisi makalah-makalah ilmiah hasil penelitian dari civitas akademika STIKOM Bali.
Arjuna Subject : -
Articles 223 Documents
Penerapan Virtual Tour 360 Sebagai Promosi Wisata Desa Kenderan Berbasis Website Gusti Ngurah Mega Nata
Jurnal Sistem dan Informatika (JSI) Vol 17 No 1 (2022): Jurnal Sistem dan Informatika (JSI)
Publisher : Bagian Perpustakaan dan Publikasi Ilmiah - Institut Teknologi dan Bisnis (ITB) STIKOM Bali

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30864/jsi.v17i1.493

Abstract

Desa Kenderan mengusung desa wisata tetapi wisatawan yang datang setiap tahunnya semakin sedikit. Pada masa pandemi jumlah wisatawan yang berkunjung atau menginap pada villla di desa Kenderan semakin berkurang. Promosi melalui website statik yaitu berisi foto dan teks sudah dilakukkan, namun promosi seperti itu sudah biasa dimasa sekarang sehingga kurang menarik minat wisatawan untuk melihat atau membaca promosi tersebut. Virtual Tour adalah layanan informasi yang lebih interaktif dan menarik sebagai media promosi dimasa sekarang. Maka pada paper ini mengbangun media virtual tour sebagai media promosi dengan gambar 360 derajat sebagai media promosi di salah satu destinasi wisata air terjun yang berada di desa Kenderan. Tujuan dari penelitian ini yaitu terciptanya aplikasi virtual tour 360 derajat untuk promosi wisata desa Kenderan. Manfaat yang akan dihasilkan dari penelitian yaitu ditemukan teknik dan media promosi wisata desa Kenderan yang lebih efektif dan interaktif. Metode pengembangan Virtual Tour yaitu Multimedia Development Life Cycle (MDLC). Tool pengambilan gambar 360 derajat menggunakan kamera Insta360 One X, aplikasi pengembangan virtual tour menggunakan Tourwiver. Metode pengujian kuisioner menggunakan skala likert. Kuesioner diberikan kepada 30 responden dengan 5 pertanyaan. Hasil kuisioner responden memberikan respon “baik” atau nilai total yaitu 78.93% terhadap aplikai virtual tour dengan gambar panorama 360 yang disajikan.
Analisis Sentimen pada Media Sosial Terhadap Perkuliahan Hybrid Menggunakan Algoritma TF IDF dan K Nearest Neighbor Ida Bagus Ketut Surya Arnawa
Jurnal Sistem dan Informatika (JSI) Vol 17 No 1 (2022): Jurnal Sistem dan Informatika (JSI)
Publisher : Bagian Perpustakaan dan Publikasi Ilmiah - Institut Teknologi dan Bisnis (ITB) STIKOM Bali

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30864/jsi.v17i1.495

Abstract

Tahun 2019 merupakan tahun yang penuh cobaan bagi masyarakat dunia dimana pada tahun tersebut menyebar Pandemi Covid-19 termasuk di Indonesia. Hampir semua sekolah dan kampus menghentikan operasionalnya. Demi meminimalisir dampak dari berhentinya kegiatan belajar mengajar maka perkuliahan jarak jauh dipilih sebagai solusi. Perkuliahan dilakukan melalui berbagai media seperti Ms.Teams, Zoom dan lain sebagainya. Berbagai kendala pun bermunculan dalam pelaksanaan perkuliahan ini mengingat ini adalah pertama kali dilakukan. Infrastruktur dan kesiapan SDM menjadi kendala utama yang dihadapi. Tidak jarang orang tua dan mahasiswa memberikan keluh kesah terkait dengan kebijakan baru ini didunia pendidikan. Saat Pandemi Covid-19 mulai melandai menjadi sebuah momentum bagi Perguruan Tinggi untuk berinovasi mencari alternatif dalam melakukan perkuliahan. Adapun alternatif yang diciptakan yaitu perkuliahan secara hybrid. Mengingat perkuliahan Hybrid ini juga pertama kali dilakukan tentunya memiliki kekurangan. Guna memperbaiki kekurangan-kekurangan yang ada maka perlu dilakukan evaluasi perkuliahan hybrid ini. Evaluasi yang digunakan yaitu berupa analisis sentimen opini publik terkait perkuliahan hybrid. Dari penelitian yang sebelumnya sudah pernah dilakukan, penelitian yang penulis lakukan memiliki perbedaan yaitu dari segi sumber data dan metode yang digunakan TF-IDF dan K-NN. Hasil dari penelitian ini yaitu sentimen positif sebesar 30%, netral 20% dan negatif 50% terhadap Perkuliahan Hybrid.
Klasifikasi Pelayanan Kesehatan Berdasarkan Data Sentimen Pelayanan Kesehatan menggunakan Multiclass Support Vector Machine Moh. Heri Setiawan; I Gede Aris Gunadi; Gede Indrawan
Jurnal Sistem dan Informatika (JSI) Vol 17 No 1 (2022): Jurnal Sistem dan Informatika (JSI)
Publisher : Bagian Perpustakaan dan Publikasi Ilmiah - Institut Teknologi dan Bisnis (ITB) STIKOM Bali

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30864/jsi.v17i1.512

Abstract

Penelitian ini bertujuan untuk melakukan klasifikasi pada data sentiment pelayanan Kesehatan menggunakan Multiclass SVM pendekatan One versus One (OvO) dengan fitur unigram dan bigram. Sumber data sentimen berasal dari data laporan survei kepuasan pelayanan puskesmas denpasar 2021 oleh Center for Public Health Innovation (CPHI) FK UNUD. Ekstraksi fitur menggunakan TF-IDF satu term/unigram dan dua term/bigram lalu kemudian diolah menggunakan Support Vector Machine OvO. KFold Cross Validation digunakan untuk membagi data latih dan data tes sekaligus memvalidasi model. Hasil yang didapatkan pada proses pengklasifikasian data train SVM OvO unigram didapatkan skor akurasi 97,09%, presisi 97,97%, recall 96,90%, dan f1-score 97,40%, sedangkan pada SVM OvO bigram didapatkan skor akurasi 97,91%, presisi 98,56%, recall 37,39%, dan f1-score 37,79%. Pada pengklasifikasian data tes didapatkan SVM OvO unigram mendapatkan skor akurasi 68,77%, presisi 73,13%, recall 61,67%, dan f1-score 64,13%, sedangkan SVM OvO bigram mendapatkan skor akurasi 47,92%, presisi 66,41%, recall 37,39%, dan f1-score 37,79%. Perbedaan skor yang jauh pada data train dan data tes dikarenakan adanya overfitting, sehingga perlu adanya seleksi fitur sebelum fitur digunakan sebagai masukan untuk SVM. Selain itu dapat disimpulkan SVM OvO dengan menggunakan fitur unigram memiliki performa lebih baik dibandingkan dengan SVM OvO dengan menggunakan fitur bigram.