JOINS (Journal of Information System)

Pengelompokan Pengguna Gagal Bayar Pinjaman Online pada Media Sosial Twitter Menggunakan TF-IDF dan K-Means Clustering

2025-10-22T02:18:56+00:00

Maraknya layanan pinjaman daring di Indonesia telah mempermudah akses keuangan tetapi juga menyebabkan peningkatan kasus gagal bayar. Kejadian ini tidak dapat semata-mata dikaitkan dengan keterbatasan ekonomi pengguna, sehingga memerlukan eksplorasi yang lebih komprehensif tentang motif yang mendasarinya. Penelitian ini bertujuan untuk mengklasifikasikan motif di balik gagal bayar di kalangan pengguna pinjaman daring berdasarkan wacana publik di Twitter. Sebanyak 2.607 tweet berbahasa Indonesia dikumpulkan menggunakan metode crawling dengan token otorisasi dan alat tweet-harvest. Temuan tersebut mengungkapkan empat tema dominan: tekanan ekonomi dan perilaku keuangan berisiko, promosi yang menyesatkan, intimidasi penagih utang, dan gaya hidup konsumtif. Term Frequency–Inverse Document Frequency (TF-IDF) dan K-Means efektif dalam mengekstraksi informasi yang tidak terstruktur dan mengelompokkan opini publik. Studi ini berkontribusi pada pemahaman perilaku default dan mendukung pengembangan sistem deteksi risiko sosial berbasis teks di masa depan.

Analisis Tingkat Kepuasan Pengguna Sistem Informasi Presensi Ber-AKHLAK (SIPB) di BPKAD Garut

2025-10-22T03:14:55+00:00

Sistem Informasi Presensi Ber-AKHLAK (SIPB) digunakan sebagai media presensi digital bagi ASN di lingkungan Pemerintah Kabupaten Garut, namun dalam penerapannya masih ditemukan beberapa kendala seperti keterlambatan sinkronisasi data, tampilan antarmuka yang kurang optimal, serta kesulitan penggunaan bagi sebagian pegawai. Penelitian ini bertujuan untuk mengevaluasi efektivitas dan tingkat kepuasan pengguna SIPB di BPKAD Garut menggunakan pendekatan kuantitatif deskriptif berbasis model End-User Computing Satisfaction (EUCS). Data diperoleh melalui kuesioner berskala Likert sebagai pengguna aktif sistem. Hasil penelitian menunjukkan bahwa SIPB memperoleh skor rata-rata keseluruhan 3,93 yang termasuk kategori “puas”, dengan dimensi Content dan Format sebagai aspek tertinggi (4,2). Sementara itu, aspek Accuracy (3,8), Timeliness (3,8) dan Ease of Use (3,7) masih memerlukan peningkatan karena adanya keterlambatan data, penurunan performa pada jam sibuk dan hambatan adaptasi pada pegawai tertentu. Berdasarkan hasil tersebut, SIPB dinilai cukup efektif dalam mendukung administrasi kehadiran, namun perlu optimalisasi lanjutan agar kinerja dan kenyamanan pengguna semakin meningkat.

Analisis Kausalitas Banjir Berulang di Kabupaten Grobogan: Pendekatan Kecerdasan Buatan yang dapat diinterpretasi untuk Mitigasi Berbasis Bukti

2025-10-22T02:40:55+00:00

Banjir berulang di Kabupaten Grobogan, Jawa Tengah, menimbulkan kerugian signifikan dan mengancam keberlanjutan wilayah. Pendekatan konvensional seringkali terbatas dalam mengidentifikasi pola kompleks dan hubungan kausalitas antar faktor pemicu banjir. Penelitian ini mengusulkan kerangka kerja analisis kausalitas banjir menggunakan Kecerdasan Buatan (AI) yang dapat diinterpretasi (Explainable AI/XAI) untuk mengungkap faktor-faktor dominan (hidrologis, geografis, geologis, dan antropogenik) yang berkontribusi terhadap fenomena ini. Dengan memanfaatkan data spasial-temporal yang komprehensif dan metode AI seperti SHAP dan Grad-CAM, penelitian ini bertujuan untuk mengukur kontribusi masing-masing faktor pemicu, memberikan pemahaman yang lebih mendalam tentang mekanisme banjir. Hasil yang diharapkan akan mendukung perumusan strategi mitigasi yang lebih tepat sasaran dan berbasis bukti, beralih dari respons reaktif menjadi pendekatan proaktif dalam pengelolaan risiko bencana di Kabupaten Grobogan. Hasil yang diharapkan menunjukkan bahwa metode XAI mampu menampilkan kontribusi relatif setiap faktor pemicu banjir, sehingga interpretasi model menjadi lebih transparan dibandingkan pendekatan tradisional. Kerangka kerja ini diproyeksikan dapat meningkatkan akurasi analisis sekaligus mempercepat proses identifikasi wilayah prioritas untuk mitigasi

Analisis Analisis Potensi DuckDuckGo: Studi Literatur Mesin Pencari Aman sebagai Alternatif Edukatif bagi Mahasiswa di Era Digital

2025-10-22T01:44:14+00:00

Kekhawatiran tentang privasi data dan fenomena filter bubble telah muncul sebagai akibat dari dominasi mesin pencari konvensional yang menggunakan algoritma personalisasi. Hal ini dapat membatasi keanekaragaman informasi akademik dan mempengaruhi kemampuan siswa untuk berpikir kritis. Penelitian ini bertujuan untuk mengkaji DuckDuckGo sebagai alternatif mesin pencari berbasis privasi yang memiliki kemampuan untuk mendukung lingkungan pembelajaran digital yang lebih netral dan etis. Penelitian ini menerapkan metode Systematic Literatur Review (SLR) dengan menelaah berbagai artikel ilmiah dan sumber yang dapat dipercaya mengenai DuckDuckGo, fenomena filter bubble, serta implikasi etis dalam pencarian informasi akademik. Temuan Studi menunjukkan bahwa mekanisme tanpa pelacakan (non-tracking) dan hasil pencarian yang seragam DuckDuckGo efektif mengurangi bias konfirmasi dan mendukung literasi data yang lebih baik. Akibat dominasi pasar yang kuat Google dan kurangnya kesadaran mahasiswa tentang pentingnya privasi digital, ini masih sulit diterapkan di institusi pendidikan tinggi. Sebagai kesimpulan, DuckDuckGo memiliki potensi yang luar biasa sebagai alat bantu penelitian akademik yang objektif. Namun, untuk mendorong adopsinya, pemerintah harus menawarkan dukungan pendidikan.

Perancangan Aplikasi Pemesanan Paket Wisata pada Pokdarwis Tangaya Berbasis Android menggunakan Metode Extreme Programming

2025-10-22T02:34:47+00:00

Pokdarwis Tangaya di Desa Saniang Baka mengelola berbagai layanan wisata, seperti wisata alam, aktivitas berkemah, dan eduwisata. Proses pemesanan yang masih bergantung pada WhatsApp menyebabkan penumpukan pesan, kesalahan pencatatan, serta potensi penurunan kualitas layanan, terutama pada periode liburan ketika jumlah pengunjung meningkat. Untuk mengatasi permasalahan tersebut, dikembangkan sebuah aplikasi pemesanan berbasis Android menggunakan metodologi Extreme Programming (XP) yang dipilih karena sifatnya yang iteratif, adaptif, dan mendukung perubahan kebutuhan secara cepat. Tahap perancangan sistem dilakukan menggunakan Unified Modelling Language (UML) serta Entity Relationship Diagram (ERD) untuk memodelkan struktur basis data. Aplikasi diimplementasikan menggunakan Dart dan Flutter sebagai kerangka kerja antarmuka, serta Firebase untuk penyimpanan data real-time dan autentikasi pengguna. Sistem ini menyediakan dua level akses, yaitu pengunjung dan admin, sehingga pengelolaan pemesanan, penjadwalan, serta validasi data pengunjung dapat dilakukan secara terstruktur.Hasil pengujian menggunakan metode Black Box Testing dan User Acceptance Testing (UAT) menunjukkan bahwa seluruh fitur dapat berjalan dengan baik dan telah memenuhi kebutuhan pengguna. Dengan demikian, aplikasi ini diharapkan mampu menjadi solusi efektif dalam meningkatkan efisiensi layanan, meminimalkan kesalahan pencatatan, serta mendukung pengelolaan wisata yang lebih profesional.