Jurnal Manajemen Informatika Medicom (JMI)

Sistem Pendukung Keputusan Pemilihan Karyawan Terbaik Pada PT. Indomas Teknik Perkasa Menggunakan Metode Moora Berbasis Web

2026-06-01T12:52:44+00:00

Pemilihan karyawan terbaik merupakan proses penting bagi PT. Indomas Teknik Perkasa guna meningkatkan kinerja dan kualitas sumber daya manusia. Proses penilaian yang dilakukan secara manual berpotensi menimbulkan subjektivitas dan membutuhkan waktu yang relatif lama. Oleh karena itu, penelitian ini bertujuan untuk membangun Sistem Pendukung Keputusan (SPK) pemilihan karyawan terbaik berbasis web menggunakan metode Multi-Objective Optimization on the Basis of Ratio Analysis (MOORA). Metode MOORA digunakan karena mampu memberikan hasil perangkingan yang objektif berdasarkan sejumlah kriteria yang telah ditentukan, seperti kedisiplinan, tanggung jawab, kinerja, kehadiran, dan kerja sama tim. Sistem ini dikembangkan berbasis web agar memudahkan pihak manajemen dalam melakukan proses penilaian, pengolahan data, serta penyajian hasil secara cepat dan akurat. Hasil dari penelitian ini menunjukkan bahwa sistem yang dibangun mampu membantu perusahaan dalam menentukan karyawan terbaik secara objektif dan transparan. Dengan adanya SPK berbasis web menggunakan metode MOORA, diharapkan proses pengambilan keputusan menjadi lebih efektif, efisien, dan dapat dijadikan sebagai dasar evaluasi kinerja karyawan di PT. Indomas Teknik Perkasa.

Critical Success Factors for Machine Learning Implementation in Organizations: An Analysis of Readiness, Data Governance, and Organizational Capabilities Through a Systematic Literature Review from 2020 to 2026

2026-07-01T07:47:00+00:00

Advances in digital transformation and Artificial Intelligence (AI) have driven organizations to adopt Machine Learning (ML) to improve operational efficiency, decision-making quality, and competitiveness. However, the success of ML implementation is still influenced by various organizational, data, and technological factors. This study aims to identify and synthesize the critical success factors for Machine Learning implementation in organizations through a Systematic Literature Review (SLR) approach. The study was conducted in accordance with the PRISMA 2020 guidelines, which cover the stages of identification, screening, eligibility assessment, and article selection. A total of 78 articles that met the inclusion criteria during the 2020–2026 period were analyzed using descriptive, thematic, and narrative approaches. The study identified five key factors influencing the successful implementation of machine learning: organizational readiness, data governance, organizational capability, technological capability, and environmental factors. Among these factors, organizational readiness, data governance, and organizational capability were the most dominant. This study produced a conceptual model that explains the relationships among the critical success factors for Machine Learning implementation and provides theoretical and practical contributions to organizations in designing effective and sustainable ML implementation strategies.

Perbandingan Kinerja Linear Search dan Binary Search pada Pencarian Data Mahasiswa Berdasarkan Kompleksitas Teoretis dan Pengujian Empiris

2026-06-23T05:10:04+00:00

Pencarian data merupakan salah satu operasi fundamental yang sering digunakan dalam sistem informasi akademik untuk mengakses informasi mahasiswa secara cepat dan akurat. Seiring meningkatnya jumlah data yang dikelola oleh perguruan tinggi, pemilihan algoritma pencarian yang efisien menjadi faktor penting dalam menjaga kinerja sistem. Penelitian ini bertujuan untuk menganalisis dan membandingkan performa algoritma Linear Search dan Binary Search pada pencarian data mahasiswa berdasarkan pendekatan kompleksitas teoretis dan pengujian empiris. Metode penelitian yang digunakan adalah metode eksperimen dengan mengimplementasikan kedua algoritma menggunakan bahasa pemrograman Python pada dataset mahasiswa simulasi yang terdiri dari 100, 1.000, 10.000, dan 100.000 data. Parameter yang dianalisis meliputi kompleksitas waktu, jumlah operasi pencarian, dan waktu eksekusi yang diukur dalam satuan milidetik. Secara teoretis, Linear Search memiliki kompleksitas waktu O(n), sedangkan Binary Search memiliki kompleksitas waktu O(log n), sehingga Binary Search diperkirakan memiliki performa yang lebih baik pada dataset berukuran besar. Hasil penelitian yang diharapkan menunjukkan bahwa peningkatan ukuran dataset berpengaruh signifikan terhadap waktu eksekusi kedua algoritma, dengan Linear Search mengalami peningkatan waktu pencarian secara linier, sementara Binary Search menunjukkan peningkatan yang relatif lebih rendah. Selain memberikan bukti empiris terhadap teori kompleksitas algoritma, penelitian ini diharapkan dapat menjadi referensi dalam pemilihan algoritma pencarian yang tepat untuk sistem informasi akademik serta mendukung pengembangan aplikasi yang membutuhkan proses pencarian data secara efisien pada lingkungan perguruan tinggi.

Pengembangan Sistem Informasi Akreditasi LAM INFOKOM Berbasis Web dengan Workflow Management untuk Meningkatkan Efektivitas Pengelolaan Dokumen Akreditasi

2026-07-23T09:37:35+00:00

The digitalization of accreditation processes is an urgent need for higher education institutions to enhance efficiency and transparency. This research aims to develop a web-based accreditation information system for LAM INFOKOM that integrates workflow management to address the complex and often ineffective issues of accreditation document management. The system is designed using the Design Science Research (DSR) methodology, encompassing problem identification, requirements gathering, workflow design, database design, system design, implementation using the Laravel framework, and testing based on ISO/IEC 25010 standards. The results indicate that the developed system can automate the accreditation workflow, from cycle creation, PIC assignment, document upload, validation, review, to approval, while providing real-time monitoring and audit trails. The implementation of this system is expected to improve the effectiveness of accreditation document management, reduce the risk of document loss, and enhance the transparency of the accreditation process.