https://ejurnal.methodist.ac.id/index.php/methodika/issue/feedMETHODIKA: Jurnal Teknik Informatika dan Sistem Informasi2024-04-08T09:25:34+07:00Darwis Robinson Manalumanaludarwis@gmail.comOpen Journal Systems<p><strong>JURNAL METHODIKA</strong> diterbitkan oleh Program Studi Teknik Informatika dan Program Studi Sistem Informasi Fakultas Ilmu Komputer Universitas Methodist Indonesia Medan sebagai media untuk mempublikasikan hasil penelitian dan pemikiran kalangan Akademisi, Peneliti dan Praktisi bidang Teknik Informatika dan Sistem Informasi. Jurnal ini mempublikasikan artikel yang berhubungan dengan bidang ilmu komputer, teknik informatika dan sistem informasi. </p> <p>Terakreditasi <a href="https://sinta.kemdikbud.go.id/journals/profile/10452" target="_blank" rel="noopener"><strong>SINTA 5</strong></a> berdasarkan SK Direktorat Jenderal Pendidikan Tinggi, Riset dan Teknologi <strong>No. 204/E/KPT/2022</strong></p>https://ejurnal.methodist.ac.id/index.php/methodika/article/view/2439SISTEM PENDUKUNG KEPUTUSAN UNTUK MENENTUKAN KUALITAS DEPOT AIR MINERAL ISI ULANG MENGGUNAKAN METODE TOPSIS (TECHNIQUE FOR ORDER PREFERENCE BY SIMILARITY TO IDEAL SOLUTION)2023-11-13T14:11:30+07:00Febianus Asafebianusasa@gmail.comElisabeth Kolastriwan Romandalastriromanda@gmail.comJekonia Nelchika Titingnelchykatiting@gmail.comMaria Claris Salzano Nurakclarissalzano13@gmail.comMuhamad Nazhif Zuhri Pua genozuhritrt@gmail.comYampi R. Kaesmetankaesmetanyampi@gmail.com<p>The Decision Support System (DSS) for determining the quality of mineral water depots using the TOPSIS (Technique for Order Preference by Similarity to Ideal Solution) method is an application designed to assist mineral water depot managers in selecting the best mineral water supplier based on certain criteria. The TOPSIS method is used to solve multi-criteria problems by considering the relative proximity to ideal solutions and anti-ideal solutions.<br>First, relevant criteria for assessing the quality of mineral water are selected, including physical, chemical and microbiological parameters. Then, mineral water quality data from various suppliers is processed and normalized. Next, the normalized decision matrix is used to calculate the ideal solution and anti-ideal solution matrices. After that, a relative closeness score for each supplier is calculated based on the Euclidean distance to the ideal and anti-ideal solutions.<br>The results of the TOPSIS analysis are used to provide recommendations for the best mineral water suppliers. By using this system, mineral water depot managers can optimize supplier selection based on predetermined quality criteria, thereby increasing customer satisfaction and maintaining the reputation of the mineral water depot in the market.</p>2024-03-30T00:00:00+07:00Copyright (c) 2024 Febianus Asa, Elisabeth Kolastriwan Romanda, Jekonia Nelchika Titing, Maria Claris Salzano Nurak, Muhamad Nazhif Zuhri Pua geno, Yampi R. Kaesmetanhttps://ejurnal.methodist.ac.id/index.php/methodika/article/view/2335ANALISIS SENTIMEN MASYARAKAT TERHADAP UU PERLINDUNGAN DATA PRIBADI PADA MEDIA SOSIAL TWITTER MENGGUNAKAN METODE SUPPORT VECTOR MACHINE2023-10-23T15:46:12+07:00Rayhan Abdul Jabbar Fahmi15026211003@student.its.ac.idWahib Muhibi Nur50211940000059@student.its.ac.idDee Canawine5026211018@student.its.ac.idMuhammad Naufal Kusumajaya5026201121@student.its.ac.idAhmad Faris Fadhlillah5026211115@student.its.ac.idNur Aini Rakhmawati5026211018@student.its.ac.id<p><span style="font-weight: 400;">Machine Learning berperan penting dalam menangani masalah klasifikasi dan pemrosesan untuk memprediksi perkembangan informasi terkait Undang-Undang Perlindungan Data Pribadi. Data pribadi merupakan informasi individu yang harus dijaga integritasnya, dengan perlindungan yang dijamin oleh negara. Namun sayangnya, Indonesia menduduki peringkat sangat rendah dalam hal keamanan siber dibandingkan negara-negara lain. Penelitian ini bertujuan untuk menggali tantangan ini dan mencari solusi potensial untuk memastikan keamanan dan perlindungan data pribadi. Dalam penelitian ini, metode Support Vector Machine (SVM) digunakan untuk menganalisis dan mengkategorikan sentimen masyarakat terkait Undang-Undang Perlindungan Data Pribadi pada platform aplikasi X bersifat positif, netral, atau negatif. Data sampel yang digunakan sebanyak 275 data tweets yang kemudian dilakukan </span><em><span style="font-weight: 400;">scraping</span></em><span style="font-weight: 400;">. Pengolahannya menggunakan pemrograman Python dan </span><em><span style="font-weight: 400;">tools </span></em><span style="font-weight: 400;">Google Colab. Sebelum dilakukan analisis, terlebih dahulu dilakukan </span><em><span style="font-weight: 400;">preprocessing</span></em><span style="font-weight: 400;"> untuk menghilangkan kata-kata maupun informasi yang tidak diperlukan sehingga tingkat akurasi yang dihasilkan dapat mendekati gambaran pada kenyataannya. Setelah dilakukan analisis, diperoleh hasil sentimen positif sebanyak 83 data </span><em><span style="font-weight: 400;">tweets</span></em><span style="font-weight: 400;">, sentimen negatif sebanyak </span><span style="font-weight: 400;">43</span><span style="font-weight: 400;"> dan sentimen bersifat netral sebanyak </span><span style="font-weight: 400;">143</span><span style="font-weight: 400;">. Hasil pengujian klasifikasi pada data </span><em><span style="font-weight: 400;">tweets </span></em><span style="font-weight: 400;">memiliki akurasi sebesar 73%. Dengan menggunakan SVM, diharapkan dapat mengidentifikasi persepsi dan respon masyarakat terhadap perlindungan data pribadi serta mengembangkan strategi yang lebih efektif untuk menjaga keamanan data pribadi di Indonesia. Upaya ini penting mengingat tantangan meningkatnya ancaman siber dan perlunya perlindungan data yang kuat dalam era digital saat ini</span><em><span style="font-weight: 400;">.</span></em></p>2024-03-30T00:00:00+07:00Copyright (c) 2024 Wahib Muhibi Nur, Muhammad Naufal Kusumajaya, Dee Canawine, Rayhan Abdul Jabbar Fahmi, Ahmad Faris Fadhlillah, Nur Aini Rakhmawatihttps://ejurnal.methodist.ac.id/index.php/methodika/article/view/2601PERBANDINGAN OPENSHIFT DAN CLOUD FOUNDRY SEBAGAI PLATFORM-AS-A-SERVICE SOFTWARE : STUDI LITERATUR2024-02-05T15:50:33+07:00Agnes Irene Silitongaagnes.irene11@gmail.comChintia Nijlugie28@gmail.comHaryadiharyadi@unimed.ac.id<p>Penelitian ini bertujuan untuk melakukan analisis perbandingan antara dua aplikasi <em>cloud </em>terkemuka, yaitu <em>OpenShift</em> dan <em>Cloud Foundry</em>. Analisis ini mencakup beberapa aspek kunci, termasuk arsitektur, integrasi, pengembangan aplikasi <em>front-end</em>, <em>Vendor Outlook</em><em> and Evolution</em>, skalabilitas, bahasa dan teknologi, komunitas dan dukungan, biaya dan lisensi, serta fleksibilitas <em>deployment</em>. Melalui penelitian ini, disajikan perbandingan yang komprehensif antara <em>OpenShift</em> dan <em>Cloud Foundry</em>, mempertimbangkan kelebihan dan kelemahan masing-masing <em>platform</em>. Artikel ini memberikan wawasan yang berguna bagi organisasi atau pengembang yang sedang mempertimbangkan antara kedua <em>platform</em> ini, membantu dalam membuat keputusan yang tepat untuk kebutuhan <em>cloud</em>, dan mengembangkan aplikasi.</p>2024-03-30T00:00:00+07:00Copyright (c) 2024 Agnes Irene Silitonga, Chintia Ni, Haryadihttps://ejurnal.methodist.ac.id/index.php/methodika/article/view/2722PENGEMBANGAN WEB MANAJEMEN STOCK PADA TOKO SPAREPART KATAJI MOTOR DENGAN METODE WATERFALL2024-03-14T10:51:59+07:00Nazal Nuharram Sukmaranazalsukmara@gmail.comIgnatius Wiseto Prasetyo Agungwiseto.agung@ars.ac<p><strong>Web manajemen stok telah menjadi elemen penting dalam operasi toko sparepart, membantu meningkatkan efisiensi, akurasi, dan pengelolaan stok agar lebih baik. Penelitian ini bertujuan mengembangkan web manajemen stok yang disesuaikan dengan kebutuhan Sparepart Kataji Motor. Metode pengembangan digunakan metode Waterfall, terdiri dari tahapan yang terstruktur, termasuk analisis kebutuhan, perancangan, implementasi, pengujian, dan pemeliharaan. Studi ini dimulai dengan melakukan analisis mendalam. Hasil analisis ini digunakan untuk merancang sistem manajemen stok yang baru. Selanjutnya, implementasi sistem dilakukan sesuai dengan desain yang telah dirancang dengan menggunakan teknologi modern. Pengujian dilakukan untuk memastikan kinerja sistem yang baik. Hasil dari penelitian adalah pengembangan aplikasi web yang memungkinkan Toko Sparepart Kataji Motor untuk mengelola stok mereka dengan lebih efisien. Sistem ini dapat membantu dalam pemantauan stok, pengelolaan pemesanan, dan peningkatan layanan pelanggan. Dengan metode Waterfall yang digunakan, proses pengembangan sistem ini dilakukan secara terstruktur dan terdokumentasi dengan baik.Penelitian ini diharapkan memberikan kontribusi positif untuk meningkatkan efisiensi operasional menjadi referensi bagi toko serupa yang ingin mengembangkan sistem manajemen stok berbasis web. hasil penelitian ini dapat memberikan pemahaman lebih baik mengenai penerapan metode Waterfall dalam pengembangan sistem perangkat lunak.</strong></p>2024-03-30T00:00:00+07:00Copyright (c) 2024 Nazal Nuharram Sukmara, Ignatius Wiseto Prasetyo Agunghttps://ejurnal.methodist.ac.id/index.php/methodika/article/view/2599KOMBINASI PAKET MENU MAKANAN DENGAN ALGORITMA APRIORI PADA CAFE HABITAT COFFEE2024-02-01T13:37:19+07:00Betti Elvi Deliana Sitorusbettisitorus0909@gmail.comDarwis Robinson Manalumanaludarwis@gmail.comYolanda Yulianti Pratiwi Rumapearumapeayolanda@gmail.com<p>Habitat Coffee adalah salah satu kafe yang menawarkan berbagai jenis menu minuman dan makanan dengan harga yang beragam yang disajikan kepada pelanggan. Habitat coffee dapat menjual ratusan transaksi dalam sebulan yang mengakibatkan penumpukan data transaksi yang kerap tidak digunakan dikarenakan terbatasnya waktu dan jumlah data yang besar sehingga sulit dalam pengelolaan data. Untuk mengubah penumpukan data transaksi tersebut menjadi sebuah informasi tentang menu yang dibeli pelanggan secara bersamaan maka dibutuhkan sebuah metode atau teknik sehingga pihak Habitat Coffee dapat berinovasi dengan membuat paket menu makanan baru yang dapat meningkatkan keuntungan penjualan karena dapat menjual banyak menu dalam sebuah paket makanan dan mengetahui bahan baku apa saja yang harus di siapkan atau disediakan menggunakan teknik data mining yaitu metode algoritma apriori. Dari pengujian yang telah dilakukan sebanyak 4 kali menggunakan 150 data transaksi dengan menetapkan nilai minimum support, minimum confidence serta lift ratio untuk menentukan tingkat kevalidan suatu aturan maka menghasilkan kombinasi menu yaitu jika membeli lontong spesial maka akan membeli es teh manis dan kentang goreng, jika membeli nasi soto betawi maka akan membeli es teh tawar dan es teh manis.</p>2024-03-30T00:00:00+07:00Copyright (c) 2024 Betti Elvi Deliana Sitorus, Darwis Robinson Manalu, Yolanda Yulianti Pratiwi Rumapeahttps://ejurnal.methodist.ac.id/index.php/methodika/article/view/2548PERBANDINGAN ALGORITMA SIMPLE LINEAR REGRESSION DAN SUPPORT VECTOR REGRESSION DALAM PREDIKSI JUMLAH PENDUDUK DI SULAWESI TENGGARA2024-01-20T14:02:13+07:00Rafi Iyad Madani Chaidirrafiiyadmadani@gmail.comAhmad Fadli Ramadhanahmadfadlyramadhan@gmail.comHashimatul Zariahashimatulzaria@gmail.comRizal Adi Saputrarizaladisaputra@uho.ac.id<p>Pertumbuhan penduduk di Sulawesi Tenggara terus meningkat, mencapai kenaikan sekitar 8% dari tahun 2014 hingga 2023, seperti yang tercatat dalam data Badan Pusat Statistika (BPS). Dampak potensial dari fenomena ini pada kehidupan masyarakat dan pembangunan wilayah perlu menjadi perhatian. Dengan memprediksi jumlah penduduk, dapat membantu dalam perencanaan pembangunan jangka panjang, pengembangan infrastruktur, dan pengelolaan dan alokasi sumber daya. Penelitian ini bertujuan untuk menciptakan model yang efektif untuk meramalkan pertumbuhan penduduk dengan akurasi yang baik. Data yang digunakan adalah data jumlah penduduk Sulawesi Tenggara dari tahun 2014 hingga 2023 menurut kabupaten/kota oleh BPS. Prediksi dilakukan menggunakan metode Support Vector Regression (SVR) dan Simple Linear Regression (SLR). Hasil perbandingan menunjukkan bahwa SLR menunjukkan performa yang lebih baik secara umum dibandingkan dengan SVR pada sebagian besar model, dengan memiliki rata-rata MAPE sebesar 1.89% dan RMSE sebesar 0.51%. Temuan ini mengonfirmasi bahwa SLR merupakan algoritma yang lebih akurat dalam meramalkan pertumbuhan penduduk di Sulawesi Tenggara.</p>2024-03-30T00:00:00+07:00Copyright (c) 2024 Rafi Iyad Madani Chaidir, Ahmad Fadli Ramadhan, Hashimatul Zaria, Rizal Adi Saputrahttps://ejurnal.methodist.ac.id/index.php/methodika/article/view/2611PENERAPAN DATA MINING UNTUK MEMPREDIKSI PENDAPATAN PERUSAHAAN DENGAN METODE DOUBLE EXPONENTIAL SMOOTHING DAN TRIPLE EXPONENTIAL SMOOTHING2024-02-15T12:55:04+07:00Dhimas Nur Abdurrahmandhimasn.abdurrahman@gmail.comRizal Rachmanrizalrachman@ars.ac.id<p>Perusahaan telah memiliki data laporan terkait pencapaian pendapatan perusahaan, tetapi informasi dari data tersebut tidak digunakan dengan semestinya. Oleh karena itu penelitian ini bertujuan untuk mengetahui penerapan data mining untuk memprediksi pendapatan perusahaan. Metode penelitian yang digunakan adalah metode DES dan TES, yang memproses sekumpulan data pendapatan yang belum diolah dan belum dikembangkan untuk menciptakan informasi baru yang bernilai dan berguna bagi perusahaan, khususnya untuk perolehan pendapatan perusahaan. Hasil penelitian menunjukan perhitungan MAPE metode DES memperoleh MAPE 98,5 sedangkan metode TES memperoleh MAPE 5,42. Dengan perolehan MAPE yang lebih kecil metode TES lebih relevan dalam penelitian ini di bandingkan dengan metode DES, karena metode TES mempunyai tren dan musiman sehingga lebih akurat dalam perhitungannya di bandingkan dengan metode DES yang hanya mempunyai tren. Dari hasil perolehan MAPE tersebut, penggunaan metode TES dengan perolehan MAPE 5,42. Berdasarkan kriteria MAPE, maka kemampuan untuk memprediksikannya adalah sangat baik.</p>2024-03-30T00:00:00+07:00Copyright (c) 2024 dhimas Nur Abdurrahman, rizal rachmanhttps://ejurnal.methodist.ac.id/index.php/methodika/article/view/2549SISTEM INFORMASI PENDAFTARAN SERTIFIKASI KOMPETENSI KEAHLIAN PADA ASTEKINDO KUBU RAYA2024-04-04T23:06:56+07:00Septi Novita Wulandariseptinovitawulandari69@gmail.comDaning Nur Sulistyowdaningnur.dgs@nusamandiri.ac.id<p>ASTEKINDO merupakan perkumpulan dari para professional atau para pekerja yang bergerak dibidang jasa konstruksi dan terakreditasi Lembaga Pengembangan Jasa Konstruksi Nasional, pada proses pendaftaran uji komptensi pada ASTEKINDO masih menerapkan pendaftaran secara konvensional yaitu pemohon diminta untuk datang ke ASTEKINDO untuk mengisi formulir, melampirkan persyaratan dan melakukan pembayaran. Sistem yang berjalan saat ini sangat beresiko terjadi kesalahan dalam pengisian data pemohon karena masih menggunakan penulisan tangan pada setiap pengajuan, sering kali pemohon lupa membawa berkas persyaratan dan menunda pendaftaran. Penelitian ini mengembangkan sebuah website pendaftaran agar bisa dijadikan referensi untuk beralihnya sistem yang masih konvensional menjadi sistem berbasis website. Website ini dikembangkan menggunakan metode Waterfall dan mengimplementasikan framework CodeIgniter. Berdasarkan hasil analisa kebutuhan didapatkan 3 level akses yang terdiri dari Ketua, Admin dan Pemohon. Dengan menerapkan sistem ini diharapkan memudahkan Pemohon saat melakukan pendaftaran karena tidak lagi terbatas oleh jarak dan waktu juga memudahkan pemohon dalam pengisian formulir.</p>2024-03-30T00:00:00+07:00Copyright (c) 2024 Septi Novita Wulandari, Daning Nur Sulistyowhttps://ejurnal.methodist.ac.id/index.php/methodika/article/view/2811ANALISIS CLUSTERING STUNTING DENGAN DISTANCE EUCLID2024-04-08T09:25:34+07:00Realita Buatonbbcbuaton@gmail.com<p><strong>Entering the Industrial Revolution Era 4.0, human resources must be supported by healthy and intelligent human resources so that they can increase competitiveness. The world still faces the problem of hunger and malnutrition today. According to a Unicef report, many people suffer from malnutrition in the world. The World Health Organization (WHO) says that malnutrition is a dangerous threat to the health of the world's population. Stunting also has an impact in Indonesia, the prevalence of toddlers experiencing stunting in Indonesia is 24.4% in 2021. The solution created is to classify and cluster stunting so as to produce patterns that can be used as best practice to be transmitted to other affected areas. The algorithm used is Euclid, the Euclid algorithm is able to cluster stunting prevalence data into 3 clusters with a little category of 66%, a medium category of 28%, a lot of category of 6%. The results of the classification and clustering of the best stunting prevalence in cluster two with a small number, can be used as a source of accurate and updated information that can be used by the government in its efforts to optimize stunting handling in each district/city based on artificial intelligence which can provide patterns for handling and optimizing stunting. in each district/city. Malnutrition is estimated to be the main cause of 3.1 million child deaths every year. Therefore, efforts need to be made to minimize stunting by predicting stunting sufferers. The prediction results can be used as an early prevention effort.</strong></p>2023-03-30T00:00:00+07:00Copyright (c) 2024 Realita Buaton