Article Per Year (5 Year)
p-Index From 2021 - 2026
2.87
P-Index
This Author published in this journals
All Journal Journal of Software Engineering Jurnal Pilar Nusa Mandiri Information System for Educators and Professionals : Journal of Information System JITK (Jurnal Ilmu Pengetahuan dan Komputer) Jurnal Nasional Komputasi dan Teknologi Informasi JURIKOM (Jurnal Riset Komputer) JISICOM (Journal of Information System, Infomatics and Computing) Journal of Information System, Applied, Management, Accounting and Research Jurnal Mantik INTI Nusa Mandiri Computer Science (CO-SCIENCE) INSANtek – Jurnal Inovasi dan Sains Teknik Elektro Journal Automation Computer Information System (JACIS) Malcom: Indonesian Journal of Machine Learning and Computer Science INFORMATION SYSTEM FOR EDUCATORS AND PROFESSIONALS : Journal of Information System
Harsih Rianto
Universitas Bina Sarana Informatika
Aerospace Engineering Automotive Engineering Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Electrical & Electronics Engineering Engineering Languange, Linguistic, Communication & Media Neuroscience Transportation Other

Published : 24 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 24 Documents
Search

 1   2   3 
Perbandingan Neural Network dan K-Fold Cross Validation dengan Neural Network dan Sliding Window Validation untuk Estimasi Kuat Tekan Beton Tyas Setiyorini; Harsih Rianto
Jurnal Nasional Komputasi dan Teknologi Informasi (JNKTI) Vol 8, No 3 (2025): Juni 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.v8i3.9128

Abstract

Abstrak – Beton menjadi bahan yang penting dan banyak digunakan untuk pembangunan seperti perumahan, gedung, jembatan, jalan dan lain-lain. Beton banyak digunakan karena memiliki kuat tekan yang tinggi dan fleksibel sesuai kebutuhan jenis pembangunannya. Oleh karena itu pengukuran kuat tekan beton menjadi hal yang sangat penting. Namun pengukuran kuat tekan beton saat ini masih dilakukan dengan cara konvensional dan menggunakan rumus standar yang ada dalam ilmu Teknik Sipil. Cara tersebut masih kurang efektif dan kurang akurat karena banyak faktor yang mempengaruhi kuat tekan beton. Oleh karena itu pengukuran kuat tekan beton menjadi hal yang sangat penting dalam dunia Teknik Sipil. Seperti pada penelitian sebelumnya data kuat tekan beton bersifat nonlinear dan memiliki varians yang tinggi. Metode Neural Network sangat cocok untuk mengatasi masalah nonlinear. K-Fold Cross Validation merupakan salah satu metode yang mampu mengurangi varians yang tinggi sehingga dapat meningkatakan akurasi. Pada penelitian ini, diperoleh hasil RMSE sebesar 0,388 pada penerapan Neural Network dan K-Fold Cross Validation, dan RMSE sebesar 0,499 pada penerapan Neural Network dan Sliding Window Validation. Nilai RMSE menunjukkan penggunaan K-Fold Cross Validation lebih rendah dibanding Sliding Window Validation. Hal tersebut membuktikan bahwa K-Fold Cross Validation mampu meningkatkan kinerja yang lebih baik dengan mengurangi varians yang tinggi pada estimasi kuat tekan beton.Kata kunci: Kuat Tekan Beton; Estimation; Neural Network; K-Fold Cross Validation; Sliding Window Validation. Abstract - Concrete is an important material and is widely used for construction such as housing, buildings, bridges, roads and others. Concrete is widely used because it has high compressive strength and is flexible according to the needs of the type of construction. Therefore, measuring the compressive strength of concrete is very important. However, measuring the compressive strength of concrete is currently still done conventionally and using standard formulas in Civil Engineering. This method is still less effective and less accurate because many factors affect the compressive strength of concrete. Therefore, measuring the compressive strength of concrete is very important in the world of Civil Engineering. As in previous studies, concrete compressive strength data is nonlinear and has high variance. The Neural Network method is very suitable for overcoming nonlinear problems. K-Fold Cross Validation is one method that can reduce high variance so that it can increase accuracy. In this study, the RMSE results were obtained of 0.388 in the application of Neural Network and K-Fold Cross Validation, and RMSE of 0.499 in the application of Neural Network and Sliding Window Validation. The RMSE value shows that the use of K-Fold Cross Validation is lower than Sliding Window Validation. This proves that K-Fold Cross Validation is able to improve better performance by reducing high variance in concrete compressive strength estimates.Keywords: Concrete Compressive Strength; Estimation; Neural Network; K-Fold Cross Validation; Sliding Window Validation.
SOFTWARE DEFECT PREDICTION TRENDS: A BIBLIOMETRIC ANALYSIS OF MACHINE AND DEEP LEARNING Harsih Rianto; Omar Pahlevi; Desmulyati; Amrin; Ade Surya Budiman; Budi Supriyadi
JITK (Jurnal Ilmu Pengetahuan dan Teknologi Komputer) Vol. 11 No. 3 (2026): JITK Issue February 2026
Publisher : LPPM Nusa Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33480/jitk.v11i3.7351

Abstract

This study provides a comprehensive bibliometric mapping of global research trends and emerging frontiers in Software Defect Prediction (SDP), emphasizing the integration of machine learning (ML) and deep learning (DL) approaches. Unlike previous bibliometric surveys that focused narrowly on metric-based or short-term analyses, this work offers a broader and more integrated perspective on the intellectual evolution, collaboration patterns, and thematic directions in SDP research. Using data retrieved from the Scopus database and analyzed through Bibliometrix and VOSviewer, the study systematically applied the PRISMA protocol to ensure transparency and replicability. A total of 1,549 publications were examined, revealing a steady increase in scientific output dominated by China, India, and the United States. Thematic and keyword analyses identified five core clusters that trace the paradigm shift from traditional statistical models to advanced ML- and DL-driven predictive frameworks. Emerging topics such as transfer learning, cross-project prediction, and explainable AI (XAI) were identified as promising frontiers shaping the next phase of software quality prediction research. Beyond mapping academic progress, this study contributes strategic insights for researchers seeking to identify research gaps, industry practitioners developing intelligent defect prediction tools, and policymakers designing AI-driven software quality initiatives
Rancang Bangun Sistem Informasi Inventory Menggunakan Metode Rapid Application Development Harsih Rianto; Amrin Amrin
INSANtek Vol. 4 No. 1 (2023): Mei 2023
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/instk.v4i1.1942

Abstract

Perusahaan retail di Indonesia memerlukan sistem informasi inventory yang efektif untuk memberikan pelayanan yang lebih baik kepada pelanggan dan meningkatkan efisiensi pengelolaan inventory. Saat ini, sistem inventory yang ada masih sederhana dan manual, sehingga rentan mengalami kesalahan dalam pengolahan data dan masalah penyimpanan dokumen. Dengan menerapkan sistem informasi inventory yang terkomputerisasi menggunakan perangkat lunak yang tepat, perusahaan dapat mengatasi masalah tersebut dan meningkatkan akurasi serta efisiensi pengelolaan inventory. Hal ini juga dapat meningkatkan kepuasan pelanggan dan membantu perusahaan menjadi lebih kompetitif di pasar. Untuk mengatasi masalah dalam sistem inventory yang sederhana dan manual, perusahaan retail di Indonesia perlu menerapkan sistem informasi inventory yang terkomputerisasi dengan menggunakan metode Rapid Application Development (RAD). Metode ini dimulai dari perencanaan, perancangan, dan implementasi dengan tujuan un tuk mengembangkan sistem yang cepat, fleksibel, dan efektif. Dengan menerapkan sistem informasi inventory dengan metode RAD, perusahaan dapat mengatasi masalah seperti kesalahan dalam pengolahan data dan masalah penyimpanan dokumen serta meningkatkan efisiensi dan akurasi pengelolaan inventory. Hal ini juga dapat membantu perusahaan meningkatkan kepuasan pelanggan dan bersaing lebih efektif di pasar.   Retail companies in Indonesia require an effective inventory information system to provide better service to customers and increase efficiency in inventory management. Currently, the existing inventory system is still simple and manual, making it prone to errors in data processing and document storage issues. By implementing a computerized inventory information system using suitable software, companies can address these issues and improve the accuracy and efficiency of inventory management. This can also enhance customer satisfaction and help companies become more competitive in the market. To address the issues with the simple and manual inventory system, retail companies in Indonesia need to implement a computerized inventory information system using the Rapid Application Development (RAD) method. This method involves planning, designing, and implementing a system that is fast, flexible, and effective. By applying the RAD method to the inventory information system, companies can overcome issues such as data processing errors and document storage issues, while improving the efficiency and accuracy of inventory management. This can also help companies enhance customer satisfaction and compete more effectively in the market.
Perancangan Sistem Absensi Siswa Berbasis Quick Response (QR) Code Menggunakan Framework JavaScript Rafli Naufal Alief; Harsih Rianto
INSANtek Vol. 6 No. 2 (2025): November 2025
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/insantek.v6i2.10185

Abstract

Absensi merupakan komponen penting dalam sistem administrasi sekolah untuk menunjang kedisiplinan dan tanggung jawab siswa. Di SMP Islam Annasiriin, proses absensi masih dilakukan secara manual menggunakan buku absen, yang rawan kesalahan pencatatan, manipulasi data, serta keterlambatan dalam rekapitulasi. Oleh karena itu, dirancang sebuah sistem absensi berbasis Quick Response (QR) Code yang terintegrasi secara digital.Aplikasi ini dikembangkan menggunakan framework JavaScript, yaitu React.js pada sisi frontend dan Express.js pada sisi backend, serta MySQL sebagai sistem basis data. Penelitian ini menerapkan metode pengembangan perangkat lunak Waterfall, dengan tahapan observasi, wawancara, studi pustaka, perancangan sistem, implementasi, pengujian, dan pemeliharaan.Sistem memungkinkan guru mencatat kehadiran siswa secara otomatis melalui pemindaian QR Code, yang langsung disimpan ke dalam database dan dapat direkap oleh admin. Pengujian menggunakan metode Black Box menunjukkan semua fitur, seperti login, input data siswa, absensi QR, hingga laporan kehadiran, berjalan dengan baik.Hasil penelitian ini membuktikan bahwa sistem absensi berbasis QR Code meningkatkan efisiensi, akurasi, dan keamanan data. Sistem ini diharapkan menjadi solusi terhadap permasalahan absensi manual dan dapat dikembangkan menjadi sistem informasi akademik terpadu.
Co-Authors Adika May Sari Afiandri, Dhea Aulia AHMAD FAHRIZAL Alfian Alfian Amrin Amrin Amrin Amrin Astriana Mulyani Bimo Tri Cahyo Budi Supriyadi Budiman, Ade Surya Cahyani Budihartanti Citra Radita Utami Desmulyati Dwiza Riana Eka Wulansari Fridayanthie, Eka Wulansari Firstianty Wahyuhening Fibriany Hasan Basri Juarni Siregar khairul rizal Linda Marlinda Mohammad Syamsul Azis Noer Hikmah Nur Fadillah, Nur Omar Pahlevi Rafli Naufal Alief Rahmat Tirta Kusuma Rana, Dipo Yudhis Romi Satria Wahono Roris, Renaldi Putra Sahamony, Nur Fitriyani Saputra, Andhika Sari Dewi Siti Chaerul Fadilah Susi Susilowati, Susi Syamsiar, Syamsiar Syarifah, Asyifa Raudha Terttiaavini, Terttiaavini Tri Hartati Tyas Setiyorini Tyas Setiyorini Yamin Nuryamin Yesni Malau Yumi Novita Dewi