PENGEMBANGAN SISTEM INFORMASI LAYANAN PENGIRIMAN KARGO DOMESTIK

Article Sidebar

PDF
Published: Dec 18, 2025
Keywords:
Sistem Informasi Sistem Informasi Jasa Pengiriman Cargo Object Oriented Analysis and Design (OOAD),

Main Article Content

Sherly Agustini
Universitas Ibnu Sina
Nofri Yudi Arifin
Universitas Ibnu Sina
Okta Veza
Albertus Laurensius
Universitas Ibnu Sina
Hermansyah
Universitas Negri Padang, Padang

Abstract

Penelitian ini bertujuan untuk (1) merancang sistem informasi jasa pengiriman cargo domestic berbasis web pada Perusahaan PT Mandiri Express Logistics (2) mempermudah pekerjaan karyawan PT Mandiri Express Logistics serta meminimalisir terjadinya kesalahan. Untuk melakukan penelitian ini terdapat 3 penelitian sejenis yang menjadi referensi bagi penulis dalam membangun perancangan sistem informasi jasa pengiriman cargo domestik ini. Metodologi penelitian yang digunakan yaitu metode wawancara, observasi studi Pustaka dan studi literatur sejenis dan metodologi pengembangan sistem menggunakan metode Object Oriented Analysis and Design (OOAD) dan menggunakan pemodelan Unified Modelling Language (UML) serta menggunakan PHP sebagai Bahasa pemrograman, MySQL sebagai database server dan Blackbox testing sebagai tahap pengujian sistem. Hasil penelitian ini berupa Sistem Informasi Jasa Pegiriman Cargo Domestik Berbasis Web Pada PT Mandiri Express Logistics.

Article Details

Issue
Vol. 4 No. 3 (2025): Jurnal Sains Informatika Terapan (Oktober, 2025)
Section
Articles
Creative Commons License

This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.

References

Ubaidillah, M., & Fatah, Z. (2024). Implementasi RapidMiner pada Klasterisasi Gempa Bumi di Indonesia Berdasarkan Kedalaman Menggunakan K-Means.

Ida, D. S., Safitri, F., Widiyanto, R., & Yuanto, A. P. (2024). Pengetahuan masyarakat tentang penyakit gastritis di wilayah Kelurahan Gedong Jakarta Timur. Jurnal Farmasi IKIFA, 3(1), 137–143.

Haryadi, D., & Atmaja, D. M. U. (2021). Penerapan algoritma K-Means clustering untuk pengelompokan tingkat risiko penyakit jantung. Journal of Informatics and Communications Technology (JICT), 3(2), 51–66.

Wala, J., Herman, & Umar, R. (2024). Implementasi K-Means Clustering pada Pengelompokan Pasien Penyakit Jantung. JISKA (Jurnal Informatika Sunan Kalijaga), 9(3), 205–216

Bela, S. R. A., Djarwoto, B., & Gunawan, I. M. A. (2014). Pola makan suku asli Papua dan non-Papua sebagai faktor risiko kejadian hipertensi. Jurnal Gizi Klinik Indonesia, 10(4), 198–208.

Ubaidilah, R. M., Anugerahwati, Z., Rizky, I. I. M., & Lestari, S. (2023). Prediksi kelulusan mahasiswa berdasarkan data kunjung dan peminjaman buku menggunakan Rapid Miner dengan metode C4.5 dan Random Forest. I-Robot: Jurnal Ilmiah Teknik Elektro, Komputer dan Informatika, 7(2), 14–19.

Utomo, D. P., & Purba, B. (2019). Penerapan datamining pada data gempa bumi terhadap potensi tsunami di Indonesia. Prosiding Seminar Nasional Riset Information Science (SENARIS), 2019(September), 846–853.

Hidayat, A., & Al Fatta, H. (2023). Klasifikasi Penyakit Jantung Menggunakan Random Forest Classifier. Jurnal Sistem Komputer dan Kecerdasan Buatan, 2(1), 34–41.

Rahmada, A., & Susanto, E. R. (2024). Peningkatan Akurasi Prediksi Penyakit Jantung dengan Teknik SMOTEENN pada Algoritma Random Forest. Jurnal Penelitian Teknologi dan Informatika (JPTI), 5(2), 88–97.

Jupron, & Sutrisno. (2025). Analysis of Heart Disease Using the Random Forest Method. Jurnal Ilmiah Teknologi dan Informatika, 7(1), 12–19.

Rahim, A. M., Pratiwi, I. Y. R., & Fikri, M. A. (2023). Klasifikasi Penyakit Jantung Menggunakan Metode Synthetic Minority Over-Sampling Technique dan Random Forest Classifier. Jurnal Ilmiah Teknologi Informasi Asia, 11(2), 102–110.

Depari, D. H., Widiastiwi, Y., & Santoni, M. M. (2022). Perbandingan Model Decision Tree, Naive Bayes dan Random Forest untuk Prediksi Klasifikasi Penyakit Jantung. Jurnal Informatika UPN Veteran Jakarta, 7(1), 77–84..