Article Per Year (5 Year)
p-Index From 2021 - 2026
1.683
P-Index
This Author published in this journals
All Journal Community Development Journal: Jurnal Pengabdian Masyarakat Jurnal Info Sains : Informatika dan Sains JURNAL REKAYASA INFORMASI SWADHARMA (JRIS) JURNAL ELEKTRO DAN INFORMATIKA SWADHARMA (JEIS) SWADIMAS: JURNAL PENGABDIAN KEPADA MASYARAKAT
Syahrial, Riza
Unknown Affiliation
Humanities Computer Science & IT Economics, Econometrics & Finance Education Electrical & Electronics Engineering Health Professions Public Health Other

Published : 10 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 4 Documents
Search
Journal : JURNAL REKAYASA INFORMASI SWADHARMA (JRIS)

 1 
RANCANGAN SISTEM INFORMASI KEUANGAN SEKOLAH DASAR ISLAM AL HURRIYAH Syahrial, Riza; Harjanto, Luluk; Hardiyansyah, Muhamad
JRIS : Jurnal Rekayasa Informasi Swadharma Vol 4, No 1 (2024): JURNAL JRIS EDISI JANUARI 2024
Publisher : Institut Teknologi dan Bisnis (ITB) Swadharma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56486/jris.vol4no1.429

Abstract

Al-Hurriyah Islamic Elementary School currently uses traditional methods in collecting, processing, and managing data or information, due to a lack of facilities and competence or knowledge of employees about computers. So it causes frequent errors in making Financial Reports. There are even some files that are lost. The research objective is to design a web-based Elementary School Financial Information System. The research method used in this research is field research with data collection techniques using the Observation method (Direct Observation) and interviews (interviews). Data collection method using observations and interviews with parties related to the Financial Report on the processes, documents, and reports used in the Financial Report system at Al Hurriyah Islamic Elementary School in October 2021. The result is a prototype of a web-based school financial information system that has passed a system testing process so that the proposed new system is error-free.ekolah Dasar Islam Al-Hurriyah, saat ini menggunakan cara tradisional dalam pengumpulan, pengolahan dan pengelolaan data atau informasi, dikarenakan kurangnya fasilitas serta kurangnya kompetensi atau pengetahuan dari pegawai tentang komputer. Sehingga menyebabkan sering adanya kesalahan pembuatan Laporan Keuangan, bahkan ada beberapa berkas yang hilang. Tujuan penelitian adalah untuk merancang Sistem Informasi Keuangan Sekolah Dasar berbasis web. Metode penelitian yang digunakan dalam penelitian ini adalah penelitian lapangan (field research) dengan teknik pengumpulan data menggunakan metode Observasi (Pengamatan Langsung) dan interview (wawancara). Pengumpulan data dilakukan dengan cara pengamatan dan tanya-jawab dengan pihak-pihak terkait dengan Laporan Keuangan terhadap proses, dokumen-dokumen dan laporan-laporan yang digunakan pada sistem Laporan Keuangan di Sekolah Dasar Islam Al Hurriyah pada bulan Oktober 2021. Hasilnya berupa purwarupa sistem informasi keuangan sekolah berbasis web dan telah melalui proses pengujian sistem sehingga sistem baru yang diusulkan bebas dari kesalahan.
PENGEMBANGAN FRAMEWORK DATA MINING BERBASIS DEEP NEURAL NETWORK DENGAN EKSPLORASI TEKNIK TRANSFER LEARNING UNTUK PREDIKSI DAN KLASIFIKASI DATA Nurlaela, Lela; Suhanda, Yogasetya; Sopian, Adi; Dewi, Christine Sientta; Syahrial, Riza
JRIS : Jurnal Rekayasa Informasi Swadharma Vol 5, No 1 (2025): JURNAL JRIS EDISI JANUARI 2025
Publisher : Institut Teknologi dan Bisnis (ITB) Swadharma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56486/jris.vol5no1.723

Abstract

The digital transformation in the era of the Industrial Revolution 4.0 has driven the adoption of deep learning technology for data analysis across various sectors, including healthcare, education, and agriculture. This study aims to develop a data mining framework based on deep neural networks by exploring transfer learning techniques to enhance the accuracy and efficiency of prediction and classification processes. The research employs a research and development (R&D) approach with systematic stages, including a literature review, framework design, data collection and processing, framework implementation, and performance evaluation. The developed framework was tested in three primary data domains: healthcare, education, and agriculture. The data underwent cleaning, normalisation, and augmentation to improve quality and variety. The framework was implemented using the TensorFlow library, leveraging pre-trained models such as ResNet50 and InceptionV3. The evaluation used accuracy, precision, recall, F1-score, and training time efficiency metrics. The results demonstrate that the framework achieved an average accuracy of over 90%, improving training time efficiency by up to 60% compared to training from scratch. The transfer learning technique enabled the utilisation of pre-trained models to enhance prediction performance while requiring smaller training datasets. This study also identified key challenges in implementing deep learning technology in Indonesia, including limited infrastructure and low interpretability of analytical results. Consequently, the framework was designed to support interpretability through intuitive data visualisation and flexibility to adapt to various sectors. This framework is not only academically relevant but also practical, providing significant contributions to data-driven decision-making and improving organisational competitiveness in Indonesia.Transformasi digital di era revolusi industri 4.0 telah mendorong penggunaan teknologi deep learning untuk analisis data di berbagai sektor, termasuk kesehatan, pendidikan, dan agrikultur. Penelitian ini bertujuan untuk mengembangkan framework data mining berbasis deep neural networks dengan eksplorasi teknik transfer learning untuk meningkatkan akurasi dan efisiensi proses prediksi serta klasifikasi data. Penelitian ini menggunakan pendekatan research and development (R&D) dengan tahapan sistematis, termasuk studi literatur, perancangan framework, pengumpulan dan pengolahan data, implementasi framework, dan evaluasi kinerja. Framework yang dikembangkan diuji pada tiga domain data utama: data kesehatan, pendidikan, dan agrikultur. Data yang digunakan melalui tahapan pembersihan, normalisasi, dan augmentasi untuk meningkatkan kualitas dan variasi data. Implementasi framework dilakukan menggunakan pustaka TensorFlow dengan memanfaatkan model pra-latih seperti ResNet50 dan InceptionV3. Evaluasi dilakukan menggunakan metrik akurasi, presisi, recall, F1-score, dan efisiensi waktu pelatihan. Hasil pengujian menunjukkan bahwa framework ini mencapai akurasi rata-rata di atas 90%, dengan efisiensi waktu pelatihan meningkat hingga 60% dibandingkan metode pelatihan dari awal. Teknik transfer learning memungkinkan pemanfaatan model pra-latih untuk meningkatkan kinerja prediksi dengan kebutuhan data pelatihan yang lebih kecil. Penelitian ini juga mengidentifikasi tantangan utama dalam penerapan teknologi deep learning di Indonesia, seperti keterbatasan infrastruktur dan rendahnya tingkat interpretabilitas hasil analisis. Oleh karena itu, framework ini dirancang untuk mendukung interpretabilitas melalui visualisasi data yang intuitif, serta fleksibilitas untuk diadaptasi di berbagai sektor. Framework ini tidak hanya relevan secara akademis tetapi juga aplikatif, memberikan kontribusi signifikan dalam mendukung pengambilan keputusan berbasis data dan peningkatan daya saing organisasi di Indonesia.
INTEGRASI IOT DAN BIG DATA UNTUK OPTIMASI LOGISTIK DAN RANTAI PASOKAN S, Usanto; Sopian, Adi; Sucahyo, Nur; Syahrial, Riza; Hiswara, Indra
JRIS : Jurnal Rekayasa Informasi Swadharma Vol 4, No 2 (2024): JURNAL JRIS EDISI JULI 2024
Publisher : Institut Teknologi dan Bisnis (ITB) Swadharma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56486/jris.vol4no2.615

Abstract

The development of information and communication technology has brought significant changes to various sectors, including logistics and the supply chain. The Internet of Things (IoT) and Big Data are two key technologies that have attracted the attention of many researchers and practitioners due to their potential to enhance efficiency, accuracy, and transparency in logistics processes and supply chain management. This study explores the integration of IoT and big data for optimizing logistics and supply chains, as well as identifying related benefits and challenges. The research methodology used is a mixed-methods approach combining qualitative and quantitative methods. Data were collected through literature reviews, interviews, questionnaires, and field observations. The results show that the integration of IoT and big data can improve operational efficiency, demand forecasting accuracy, route optimization, risk management, and customer satisfaction. Real-time tracking with IoT devices reduces the risk of lost goods by up to 30%, while process automation reduces the need for human intervention and increases operational efficiency by 25%. Big Data analysis helps in more accurate demand forecasting with a 15% improvement in accuracy, and route optimization reduces average delivery time by 10% and fuel consumption by 15%. Predictive maintenance with IoT data reduces vehicle downtime by up to 20%, and risk analytics reduce risk incidents by 18%. Although there are challenges regarding data security, device interoperability, and effective data management, solutions such as data encryption, the development of universal industry standards, and the use of cloud computing technology can address these issues. This study concludes that the integration of IoT and big data has great potential to enhance the efficiency and effectiveness of logistics and supply chains, making a significant contribution to this industry in Indonesia..Perkembangan teknologi informasi dan komunikasi telah membawa perubahan signifikan dalam berbagai sektor, termasuk logistik dan rantai pasokan. Internet of Things (IoT) dan Big Data merupakan dua teknologi utama yang menarik perhatian banyak peneliti dan praktisi karena potensinya untuk meningkatkan efisiensi, akurasi, dan transparansi dalam proses logistik dan manajemen rantai pasokan. Penelitian ini mengeksplorasi integrasi IoT dan Big Data untuk optimasi logistik dan rantai pasokan, serta mengidentifikasi manfaat dan tantangan yang terkait. Metode penelitian yang digunakan adalah pendekatan metodologi campuran yang menggabungkan metode kualitatif dan kuantitatif. Data dikumpulkan melalui studi literatur, wawancara, kuesioner, dan observasi di lapangan. Hasil penelitian menunjukkan bahwa integrasi IoT dan Big Data dapat meningkatkan efisiensi operasional, akurasi peramalan permintaan, optimasi rute pengiriman, manajemen risiko, dan kepuasan pelanggan. Pelacakan real-time dengan perangkat IoT mengurangi risiko kehilangan barang hingga 30%, sementara otomatisasi proses mengurangi kebutuhan intervensi manusia dan meningkatkan efisiensi operasional sebesar 25%. Analisis Big Data membantu peramalan permintaan yang lebih akurat dengan peningkatan akurasi sebesar 15%, serta optimasi rute pengiriman yang mengurangi waktu pengiriman rata-rata sebesar 10% dan konsumsi bahan bakar sebesar 15%. Pemeliharaan prediktif dengan data IoT mengurangi waktu henti kendaraan hingga 20%, dan analitik risiko mengurangi insiden risiko hingga 18%. Meskipun terdapat tantangan dalam hal keamanan data, interoperabilitas perangkat, dan manajemen data yang efektif, solusi seperti enkripsi data, pengembangan standar industri, dan penggunaan teknologi cloud computing dapat mengatasi masalah ini. Penelitian ini menyimpulkan bahwa integrasi IoT dan Big Data memiliki potensi besar untuk meningkatkan efisiensi dan efektivitas logistik dan rantai pasokan, serta memberikan kontribusi signifikan bagi industri ini di Indonesia.
PENGEMBANGAN APLIKASI CUSTOMER RELATIONSHIP MANAGEMENT (CRM) BERBASIS WHATSAPP BUSINESS UNTUK OPTIMALISASI PENJUALAN PADA BISNIS FASHION ONLINE Usanto, Usanto; Sopian, Adi; Syahrial, Riza; Dewi, Christine Sientta; Ningtyas, Septiana; Kurniati, Ike
JRIS : Jurnal Rekayasa Informasi Swadharma Vol 6, No 1 (2026): JURNAL JRIS EDISI JANUARI 2026
Publisher : Institut Teknologi dan Bisnis (ITB) Swadharma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56486/jris.vol6no1.975

Abstract

The development of information technology has driven significant transformation in the retail trade sector, including the online fashion industry in Indonesia. The shift in consumer behavior towards online shopping requires businesses to adopt effective Customer Relationship Management (CRM) strategies to increase customer satisfaction, loyalty, and customer management efficiency. This study aims to design and implement a WhatsApp Business-based CRM application to optimize the sales system in fashion MSMEs, with a case study in the online fashion sector. The research method used is a descriptive qualitative approach, using interviews, observations, and literature reviews. The results show that manual use of WhatsApp Business creates obstacles, including delayed responses, unstructured customer records, and limited consumer behavior analysis. The developed CRM application integrates the WhatsApp Business API with a customer database and a web-based admin dashboard. Key features include contact management, transaction history recording, auto-reply, customer segmentation, and promotional broadcasts. Testing using the black-box method and user validation demonstrates that the system runs optimally, accelerates response times, improves communication efficiency, and provides real-time customer analysis.Perkembangan teknologi informasi telah mendorong transformasi signifikan pada sektor perdagangan ritel, termasuk industri fashion online di Indonesia. Pergeseran perilaku konsumen menuju belanja daring menuntut pelaku usaha untuk mengadopsi strategi Customer Relationship Management (CRM) yang efektif dalam meningkatkan kepuasan, loyalitas, serta efisiensi pengelolaan pelanggan. Penelitian ini bertujuan merancang dan mengimplementasikan aplikasi CRM berbasis WhatsApp Business guna mengoptimalkan sistem penjualan pada UMKM fashion, dengan studi kasus di Sektor fashion online. Metode penelitian yang digunakan adalah kualitatif deskriptif melalui wawancara, observasi, dan studi pustaka. Hasil penelitian menunjukkan bahwa penggunaan WhatsApp Business secara manual menimbulkan kendala berupa keterlambatan respons, pencatatan pelanggan yang tidak terstruktur, serta keterbatasan analisis perilaku konsumen. Aplikasi CRM yang dikembangkan mengintegrasikan WhatsApp Business API dengan basis data pelanggan dan dashboard admin berbasis web. Fitur utama mencakup manajemen kontak, pencatatan histori transaksi, auto-reply, segmentasi pelanggan, dan broadcast promosi. Pengujian menggunakan metode black-box dan validasi pengguna membuktikan bahwa sistem berjalan optimal, mempercepat respons, meningkatkan efisiensi komunikasi, serta menyediakan analisis pelanggan secara real-time.
Co-Authors Abda Abda Dewi, Christine Sientta Hardiyansyah, Muhamad Harjanto, Luluk Hasibuan, Tuhfatul Habibah Hiswara, Indra Kurniati, Ike Larsen, Jhon Nasri, Jelman Ningtyas, Septiana S, Usanto Sari, Jamah Satrio Broto, Satrio Sopian, Adi Sucahyo, Nur Suhanda, Yogasetya Taufiqqurahman, Taufiqqurahman Trilaksono, Agustinus Rio Usanto S, Usanto S Usanto, Usanto