Article Per Year (5 Year)
p-Index From 2021 - 2026
5.935
P-Index
This Author published in this journals
All Journal TELKOMNIKA (Telecommunication Computing Electronics and Control) Jurnal Informatika INFOKAM Jurnal Inspiration SISFOTENIKA CogITo Smart Journal JITK (Jurnal Ilmu Pengetahuan dan Komputer) Jurnal Informatika Universitas Pamulang RESEARCH : Computer, Information System & Technology Management DoubleClick : Journal of Computer and Information Technology JurTI (JURNAL TEKNOLOGI INFORMASI) MATRIK : Jurnal Manajemen, Teknik Informatika, dan Rekayasa Komputer Jurnal Nasional Komputasi dan Teknologi Informasi JURTEKSI Jurnal Riset Informatika EKUITAS (Jurnal Ekonomi dan Keuangan) Informasi Interaktif CCIT (Creative Communication and Innovative Technology) Journal JMAI (Jurnal Multimedia & Artificial Intelligence) METIK JURNAL Jutisi: Jurnal Ilmiah Teknik Informatika dan Sistem Informasi SENSITEK Infotekmesin Jurnal Manajemen Informatika dan Sistem Informasi Journal of Information Systems and Informatics KURVATEK Indonesian Journal of Business Intelligence (IJUBI) Jurnal Tecnoscienza Indonesian Journal of Electrical Engineering and Computer Science Jurnal Informa: Jurnal Penelitian dan Pengabdian Masyarakat Infotek : Jurnal Informatika dan Teknologi Jurnal TIKOMSIN (Teknologi Informasi dan Komunikasi Sinar Nusantara) Jurnal Teknologi Informatika dan Komputer Jurnal Teknimedia: Teknologi Informasi dan Multimedia International Journal of Computer and Information System (IJCIS) Bit (Fakultas Teknologi Informasi Universitas Budi Luhur) Jurnal Ilmiah IT CIDA : Diseminasi Teknologi Informasi Jurnal Informatika Teknologi dan Sains (Jinteks) EXPLORE Innovative: Journal Of Social Science Research Nusantara Journal of Computers and its Applications Jurnal INFOTEL Explore
Kusrini Kusrini
Universitas AMIKOM Yogyakarta
Aerospace Engineering Humanities Automotive Engineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Earth & Planetary Sciences Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Law, Crime, Criminology & Criminal Justice Mathematics Mechanical Engineering Neuroscience Public Health Social Sciences Transportation Other

Published : 107 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 107 Documents
Search

 7   8   9   10   11 
PENENTUAN DOMAIN MENINGKATKAN TATA KELOLA TEKNOLOGI INFORMASI DI DINAS KOMUNIKASI, INFORMATIKA DAN STATISTIK KABUPATEN KEPULAUAN TALAUD MENGGUNAKAN COBIT 4.1 Maykel Sonobe; Kusrini Kusrini; Asro nasiri
Explore Vol 12 No 1 (2022): Januari 2022
Publisher : Universitas Teknologi Mataram

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35200/ex.v12i1.98

Abstract

Dinas Komunikasi Informatika dan Statistik (KOMINFOTIK) Kabupaten Kepulauan Talaud yang terletak di JL.Bui Batu, Kompleks Perkantoran Pemerintahan Kabupaten Talaud, KotaMelonguane, Kabupaten Talaud, Provinsi Sulawesi Utara adalah instansi yang bertugas membantu pemerintah daerah dalam bidang komunikasi,informasi dan statistik untuk keperluan instansi yang lain sehingga mempermudah pelayanan kepada masyarakat. Seperti maintenance jaringan, website, penyedia pembuatan aplikasi yang dibutuhkan oleh instansi yang lain. Sesuai dengan tugas yang dijalankan sehingga membutuhkan dukungan kebijakan tata kelola yang baik untuk mengoptimalkan pelayanan. Audit tata kelola IT dengan menggunakan COBIT framework sudah sering di laukakan dan hasil yang di rekomendasikan bisa membantu. Sehingga tata kelola TI menjadi lebih baik. Tata kelola TI adalah tanggung jawab dan wewenang untuk mengambil keputusan yang benar. Standar umum yang biasa digunakan untuk mengevaluasi IT adalah COSO, COBIT, ITIL, ISO, NSA dan INFOSEC. Control Objectives for Information and Related Technology (COBIT). Kerangka kerja COBIT 4.1 yang digunakan dalam penelitian ini. Domain yang ditentukan berdasarkan IT goals dan Business yaitu Plan and Organize (PO): PO2, PO4, PO5, PO7, PO8, PO10, Acquire and Implement (AI): AI3, AI5 Deliver and Support (DS): DS6, dan Monitoring and Evaluate (ME): ME1, ME4.
OPTIMASI PENENTUAN SENTROID AWAL PADA K-MEANS UNTUK MENINGKATKAN HASIL EVALUASI DAVIES-BOULDIN INDEX Hendrik Hendrik; Kusrini Kusrini; Kusnawi Kusnawi
Jurnal Informatika Teknologi dan Sains (Jinteks) Vol 6 No 1 (2024): EDISI 19
Publisher : Program Studi Informatika Universitas Teknologi Sumbawa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51401/jinteks.v6i1.3873

Abstract

Perkembangan data yang semakin heterogen dan kompleks dengan volume yang terus meningkat menimbulkan kesulitan dalam pengolahan big data secara manual. Dalam konteks data mining, metode clustering menggunakan algoritma K-Means sering digunakan untuk mengelompokkan data berdasarkan kedekatan atau kemiripan. Namun, algoritma K-Means memiliki tantangan, terutama dalam menentukan jumlah cluster dan pemilihan sentroid awal yang dapat mempengaruhi hasil klasterisasi. Artikel ini membahas masalah tersebut dan mengusulkan dua metode optimasi, yaitu Elbow dan Particle Swarm Optimization (PSO), untuk meningkatkan hasil evaluasi algoritma K-Means. Dari hasil evaluasi, disimpulkan bahwa metode elbow lebih unggul dari segi waktu iterasi dibandingkan dengan metode PSO, meskipun keduanya menghasilkan nilai DBI yang sama. Waktu iterasi metode elbow hanya membutuhkan 0.297 detik, sedangkan metode PSO membutuhkan waktu iterasi selama 779 detik. Kesimpulannya, metode elbow lebih efisien dalam hal waktu iterasi. Saran untuk penelitian selanjutnya adalah menggunakan dataset yang berbeda dan mempertimbangkan metode optimasi lainnya untuk perbandingan evaluasi yang lebih komprehensif.
Penerapan Kombinasi Algoritma SVM-KNN dalam seleksi User SAKTI berdasarkan Hasil Kinerja Pegawai pada Kementerian XYZ Syaiful Ramadhan; Kusrini Kusrini; Kusnawi Kusnawi
Jurnal Teknologi Informatika dan Komputer Vol. 9 No. 2 (2023): Jurnal Teknologi Informatika dan Komputer
Publisher : Universitas Mohammad Husni Thamrin

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37012/jtik.v9i2.1716

Abstract

Kementerian XYZ merupakan Kementerian dengan jumlah pegawai lebih dari 5.000 pegawai. Pada saat dibentuk tidak dilakukan pemetaan pegawai, hal ini mengakibatkan surplus jumlah pegawai, tidak terkecuali pada Biro Barang Milik Negara (BMN). Bagi sebuah organisasi, SDM yang berlimpah merupakan hal yang baik, namun perlu dilakukan penyeleksian pegawai agar dapat meningkatkan produktivitas sehingga keberhasilan organisasi dapat tercapai. Disamping itu, perbaikan sistem Administrasi Keuangan pemerintahan merupakan suatu keharusan yang diimbangi dengan pengembangan aplikasi terintegrasi Kementerian Keuangan yaitu Sistem Aplikasi Keuangan Tingkat Instansi (SAKTI). Dalam melakukan pengelolaan aset pada Biro BMN, setiap pegawai memiliki role user level kewenangan SAKTI dengan lingkup yang berbeda-beda. Penelitian ini bertujuan melakukan seleksi klasifikasi user berdasarkan hasil penilaian kinerja dengan penerapan metode Kombinasi algoritma SVM dan KNN menggunakan bahasa pemrograman Python. Berdasarkan pengujian dengan sampel data sebesar ±313 data pegawai dan 18 variabel pegawai dengan atribut target berupa kelayakan yaitu dipertahankan maupun dipertimbangkan, diperoleh hasil akurasi sebesar 94% pada Kernel SVM RBF; nilai K=5; metrik Euclidean;  Dapat disimpulkan seleksi user aplikasi SAKTI menggunakan kombinasi algoritma SVM dan KNN dapat memberikan prediksi guna meningkatkan efektivitas dan efisiensi organisasi dalam penempatan pegawai yang sesuai dengan kompetensi pada Biro BMN Kementerian XYZ. Penelitian selanjutnya diharapkan dapat membandingkan kombinasi algoritma SVM dan KNN dengan metrik serta parameter yang lebih banyak.
FOREST FIRE LOCATION AND TIME RECOGNITION IN SOCIAL MEDIA TEXT USING XLM-ROBERTA Hafidz Sanjaya; Kusrini Kusrini; Kumara Ari Yuana; Arief Setyanto; I Made Artha Agastya; Simone Martin Marotta; José Ramón Martínez Salio
JITK (Jurnal Ilmu Pengetahuan dan Teknologi Komputer) Vol. 10 No. 4 (2025): JITK Issue May 2025
Publisher : LPPM Nusa Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33480/jitk.v10i4.6194

Abstract

Forest fires have become a serious global threat, significantly impacting ecosystems, communities, and economies. Although remote sensing technology shows potential, limitations such as time delays, limited sensor coverage, and low resolution reduce its effectiveness for real-time forest fire detection. Additionally, social media can serve as a multimodal sensor, presenting multilingual text data with rapid and global coverage. However, it may encounter challenges in obtaining location and time information on forest fires due to limitations in datasets and model generalization. This study aims to develop a multilingual named entity recognition (NER) model to identify location and time entities of forest fires in social media texts such as tweets. Utilizing a transfer learning approach with the XLM-RoBERTa architecture, fine-tuning was performed using the general-purpose Nergrit corpus dataset containing 19 entities, which were relabeled into 3 main entities to detect location, date, and time entities from tweets. This approach significantly improves the model's ability to generalize to disaster domains across multiple languages and noisy social media texts. With a fine-tuning accuracy of 98.58% and a maximum validation accuracy of 96.50%, the model offers a novel capability for disaster management agencies to detect forest fires in a scalable, globally inclusive manner, enhancing disaster response and mitigation efforts.
Benchmarking Hyperparameter Variations on Transfer Learning Models for Coral Reefs Classification: A Case Study on Efficientnetv2 and Mobilenetv2 Bimantyoso Hamdikatama; Dedi Gunawan; Kusrini Kusrini
Jurnal Nasional Komputasi dan Teknologi Informasi (JNKTI) Vol 8, No 1 (2025): Februari 2025
Publisher : Program Studi Teknik Komputer, Fakultas Teknik. Universitas Serambi Mekkah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32672/jnkti.v8i1.8792

Abstract

Abstract - Coral reef recognition using transfer learning models is a critical area of research to enhance automated monitoring and conservation efforts. This study examines the impact of hyperparameter tuning on the performance of two models, EfficientNetV2 and MobileNetV2, in recognizing coral reef conditions such as bleaching, physical damage, and algae overgrowth. Bayesian Optimization is evaluated as an automated hyperparameter tuning method alongside Grid Search, Random Search, and Manual Trial-based approaches. The results reveal that Bayesian Optimization achieves competitive accuracy (up to 0.81) and balances computational efficiency with performance, requiring fewer trials compared to manual optimization. Notably, Bayesian Optimization reduces training time while maintaining high metrics such as Precision and Specificity. These findings highlight the effectiveness of Bayesian Optimization in improving model performance for coral reef recognition, offering a reliable and efficient solution to support conservation decision-making. This approach also demonstrates potential for broader applications in classification and regression tasks.Keywords: EfficientNetV2, MobileNetV2, Optimization, Coral Reefs Abstrak - Pengenalan terumbu karang menggunakan model pembelajaran transfer adalah bidang penelitian yang penting untuk meningkatkan upaya pemantauan dan konservasi otomatis. Penelitian ini menguji dampak penyetelan hyperparameter pada kinerja dua model, EfficientNetV2 dan MobileNetV2, dalam mengenali kondisi terumbu karang seperti pemutihan, kerusakan fisik, dan pertumbuhan berlebih alga. Bayesian Optimization dievaluasi sebagai metode penyetelan hiperparameter otomatis bersama dengan Pencarian Grid, Pencarian Acak, dan pendekatan berbasis Uji Coba Manual. Hasilnya menunjukkan bahwa Bayesian Optimization mencapai akurasi yang kompetitif (hingga 0,81) dan menyeimbangkan efisiensi komputasi dengan kinerja, sehingga membutuhkan lebih sedikit uji coba dibandingkan dengan pengoptimalan manual. Selain itu, Bayesian Optimization mengurangi waktu pelatihan dengan tetap mempertahankan metrik yang tinggi seperti Presisi dan Spesifisitas. Temuan ini menyoroti efektivitas Optimasi Bayesian dalam meningkatkan kinerja model untuk pengenalan terumbu karang, menawarkan solusi yang andal dan efisien untuk mendukung pengambilan keputusan konservasi. Pendekatan ini juga menunjukkan potensi untuk aplikasi yang lebih luas dalam tugas klasifikasi dan regresi.Kata kunci: EfisienNetV2, MobileNetV2, Optimasi, Terumbu Karang
ANALISIS KOMPARATIF KLASIFIKASI SENTIMEN PENGGUNA APLIKASI INVESTASI MENGGUNAKAN ALGORITMA HYBRID CNN-LSTM, CNN-GRU DENGAN IMPLEMENTASI SMOTE I Putu Agus Ari Mahendra; Kusrini Kusrini
TEKNIMEDIA: Teknologi Informasi dan Multimedia Vol. 6 No. 1 (2025): Juni 2025
Publisher : Badan Penelitian dan Pengabdian Masyarakat (BP2M) STMIK Syaikh Zainuddin NW Anjani

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46764/teknimedia.v6i1.258

Abstract

Sentiment analysis, a branch of Natural Language Processing (NLP), plays a crucial role in identifying and classifying opinions embedded in text. This study aims to compare the performance of hybrid CNN-LSTM and CNN-GRU models in sentiment analysis of user reviews for investment applications on Google Play Store, utilizing the Synthetic Minority Over-sampling Technique (SMOTE) to address data imbalance. A total of 15,000 user reviews were collected through web scraping, preprocessed using the TF-IDF method and various text cleaning techniques. The CNN-LSTM and CNN-GRU models were evaluated using an 80%-20% train-test split. The evaluation results showed that CNN-GRU outperformed in terms of precision (91.62%), F1 score (90.45%), and overall accuracy (87.60%), while CNN-LSTM excelled in recall (91.08%) for detecting positive reviews. CNN-GRU was deemed more balanced in detecting both positive and negative sentiments, making it a more reliable choice for sentiment analysis requiring uniform performance
KLASIFIKASI RANDOM FOREST TERHADAP DIAGNOSA PENYAKIT KANKER PAYUDARA BERDASARKAN STATUS KEGANASAN Yusrinnatul Jinana triadin; Kusrini Kusrini; Kusnawi Kusnawi
TEKNIMEDIA: Teknologi Informasi dan Multimedia Vol. 6 No. 1 (2025): Juni 2025
Publisher : Badan Penelitian dan Pengabdian Masyarakat (BP2M) STMIK Syaikh Zainuddin NW Anjani

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46764/teknimedia.v6i1.259

Abstract

Breast cancer is one of the diseases with the highest mortality rate in the world. There are two types of breast cancer, namely malignant and benign. Identification of the type allows for prevention and appropriate treatment before it spreads to other organs. Therefore, a large amount of breast cancer data classification analysis is needed. Data mining techniques, such as random forest, can be used because they are able to provide accurate predictions with a low error rate. The results of this study indicate that *Random Forest is an effective and accurate method for breast cancer classification with an accuracy of 95% and an AUV-ROC value of 0.99 and a recall of 97% which shows the model's ability to distinguish the two types of breast cancer very well so that it can reduce the risk. The use of the 5-Fold Cross-Validation technique) ensures that the results obtained are stable and do not depend on certain data divisions, thereby increasing the generalization of the model. Experiments on various parameters (n_estimators, max_depth, training data size) show that the best configuration is n_estimators = 100 and max_depth = 10, which provides the optimal balance between accuracy and model complexity. This model can be applied in a **Medical Decision Support System* to assist doctors in *early detection of breast cancer*, thereby increasing the speed and accuracy of diagnosis.
Co-Authors Abdi Firdaus Achmad Wazirul Hidayat Adadilaga Arya Priwanegara Adhien Kenya Estetikha Aditya Hastami Ruger Aflahah Apriliyani Agatha Deolika Agianto Syam Halim Agung Budi Prasetyo Agus Susilo Nugroho Ajie Kusuma Wardhana Akrilvalerat Deainert Wierfi Alfahmi Muhammad Arif Alva Hendi Muhammad Amir Bagja Andi Bahtiar Semma Andi Sunyoto Andi Suyoto Andris Faesal Anggit Dwi Hartanto Anjar Anjani Putra Anwar Sadad Aolia Ikhwanudin Arham Rahim Arief Setyanto Arif Fajar Solikin Arnila Sandi Asro Nasiri Asro Nasrini Ayu Adelina Suyono Aziz Muslim Bimantyoso Hamdikatama Candra Adipradana Dedi Gunawan Devina Ninosari Dimaz Arno Prasetio Dina Maulina Donny Yulianto Dwi Astuti Dwi Utami Dwinda Etika Profesi Eka Wahyu Sholeha Eko Pramono Elik Hari Muktafin Emha Taufiq Luthfi Emha Taufiq Luthfii Erwin Apriliyanto Fandli Supandi Fendy Prasetyo Nugroho Ferry Wahyu Wibowo Fiyas Mahananing Puri Guido Adolfus Suni Hadryan Eddy Hafidz Sanjaya, Hafidz Hanafi Hanafi Hanif Al Fatta Hasirun Hasirun Henderi . Hendrik Hendrik Heri Sismoro Hery Nurmawan Hery Siswanto I Made Artha Agastya I Putu Agus Ari Mahendra Ichsan Wasiso Idris Idris Imam Listiono Irma Darmayanti Irwan Oyong José Ramón Martínez Salio Juwari Juwari Kaharuddin Kanafi Kanafi Khoirun Nisa Khomsatun Khomsatun Kumara Ari Yuana Kusnawi Kusnawi Kusuma Chandra Kirana M rudyanto Arief M. Idris Purwanto M. Nurul Wathani M. Rudiyanto Arief M. Rudyanto Arief M. Zainal Arifin Mahmudi Mahmudi Mansur Mansur Marwan Noor Fauzy Maykel Sonobe Mei P Kurniawan Mei P. Kurniawan MEI PARWANTO KURNIAWAN Moh. Badri Tamam Muahidin, Zumratul Muh Saerozi Muhamad Fatahillah Z Muhamad Yusuf Muhammad Fajrian Noor Muhammad Mariko Muhammad Riandi Widiyantoro Muhammad Riza Eko S Muhammad Rudyanto Arief Mukti Ali Mulia Sulistiyono Muqorobin Muqorobin Muslihah, Isnawati Musthofa Galih Pradana Nanang Prasetiyantara Neno, Friden Elefri Nibras Faiq Muhammad Noor Abdul Haris Noviyanti P. Nur Hamid Sutanto Paradise, Paradise Patmawati Hasan Pawit Srentiyono Prabowo Budi Utomo Pramono Pramono Prasetio, Agung Budi Prasetyo, Adi Prastowo, Wahit Desta Reflan Nuari Retzi Yosia Lewu Ridlan Ahmad Rifan Ferryawan Ripto Sudiyarno Rita Wati Riyan Abdul Aziz Rizki Mawan Robi Wariyanto Abdullah Rona Guines Purnasiwi Rudyanto Arief Saikin Sigit Pambudi Simone Martin Marotta Siti Fatonah Siti Hartinah Siti Rahayu Siti Rokhmah Slamet Slamet Sri Handayani Sri Wulandari Sry Faslia Hamka Sudarmawan Sudarmawan Sudarmawan Sudarmawan Sudiana Sudiana Sugi Harsono Supriantara Supriantara Supriatin Supriatin Supriyati Supriyati Syaiful Ramadhan Teguh Sri Pamungkas Tito Prabowo Tri Andi Tri Anggoro Tri Haryanti Tutik Maryana Tutut Dwi Prihatin Umdatur Rosyidah Vera Wati Victor Saputra Ginting Wahyu Adie Saputro Walidy Rahman Hakim Widdi Djatmiko Winarnie Yovita Kinanti Kumarahadi Yudha Chirstianto F Yuliana Yulita Fatma Andriani Yulius Nahak tetik Yuni Ambar S Yusrinnatul Jinana triadin Yusuf Fadlila Rachman Zul Hisyam Zulkipli Zulkipli