Article Per Year (5 Year)
p-Index From 2021 - 2026
4.588
P-Index
This Author published in this journals
All Journal JURNAL SISTEM INFORMASI BISNIS Teknika Jupiter Jurnal Simetris Jurnal Informatika Jurnal Informatika Proceeding International Conference on Information Technology and Business Proceedings Konferensi Nasional Sistem dan Informatika (KNS&I) Scientific Journal of Informatics International conference on Information Technology and Business (ICITB) Jurnal SIMADA (Sistem Informasi dan Manajemen Basis Data) Informatika Mulawarman: Jurnal Ilmiah Ilmu Komputer Jurnal TAM (Technology Acceptance Model) JMM (Jurnal Masyarakat Mandiri) Prosiding Seminar Nasional Darmajaya Jurnal Teknologi Komputer dan Sistem Informasi Jurnal Sistem Informasi, Manajemen, dan Akuntansi (SIMAK) Jurnal Tekno Kompak Abdimas Toddopuli: Jurnal Pengabdian Pada Masyarakat Jurnal Sistem Komputer & Kecerdasan Buatan Journal of Applied Data Sciences Jurnal Abdimas Bina Bangsa JUSTIN (Jurnal Sistem dan Teknologi Informasi) Jurnal Publika Pengabdian Masyarakat Arcitech: Journal of Computer Science and Artificial Intelligence Abdi Akommedia : Jurnal Pengabdian Masyarakat Jurnal Informatika: Jurnal Pengembangan IT E-Amal: Jurnal Pengabdian Kepada Masyarakat JTKSI (Jurnal Teknologi Komputer dan Sistem Informasi)
Sri Karnila
Institut Informatika Dan Bisnis Darmajaya
Agriculture, Biological Sciences & Forestry Humanities Automotive Engineering Chemical Engineering, Chemistry & Bioengineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Environmental Science Health Professions Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Library & Information Science Mathematics Physics Social Sciences Other

Published : 52 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 52 Documents
Search

 2   3   4   5   6 
Rancang Bangun Sistem Administrasi Sekolah Berbasis Jaringan ( Study Kasus Pada Sma Perintis 1 Bandar Lampung) Rendy Ferrie Vernando; Sri Karnila
JTKSI (Jurnal Teknologi Komputer dan Sistem Informasi) Vol 1, No 2 (2018): JTKSI
Publisher : Institut Bakti Nusantara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56327/jtksi.v1i2.578

Abstract

Jurnal ini mempublikasikan rancang bangun sistem administrasi tertintegrasi pada sekolah. Data penelitian ini yaitu data siswa, nilai, dan data pembayaran pada SMA Perintis 1 Bandar Lampung. Hasil penelitian ini terbangun rangan bangun sistem administrasi sekolah diterapkan pada bagian tata usaha menjadi alat bantu dalam memberikan informasi siswa aktif, nilai, data pembayaran siswa dan mengendalikan dokumen sekolah. Mengantikan sistem administrasi yang bersifat konvensioal, yaitu dalam bentuk buku besar dan belum tekendali dengan baik, informasi data siswa aktif, data pembayaran belum memiliki database. Rancangan dan di bangun sistem administrasi terintegrasi sehingga data siswa, nilai, dan pembayaran tersimpan aman dalam database dan terintegrasi dan siapnya laporan saat dibutuhkan. Data siswa mulai dari biodata, status aktif tidak aktif, siswa sudah melakukan pembayarn ataupun belum dan dokumen nilai semua terkendali dalam database terintegrasi, bagian tatausaha sebagai server dan guru serta bendahara sebagai client server. Hak akses terintegrasi, dan dibagi sesuai dengan hak akses admin difasilitasi sistem informasi terintegrasi masing – maing laporan bagian. Rancang bangun sistem administrasi terintegrasi dirancang dengan UML (Unified Modeling Language) mulai dari tahapan pemodelan bisnis, perencanaan, analisis dan desain, implementasi, penujian dan evaluasi sehingga terbangun sistem administrasi yang sesuai kebutuhan sekolah.
Prediksi Kekambuhan Kanker Tiroid Menggunakan Algoritma Random Forest Safitri, Egi; Rofianto, Dani; Karnila, Sri; Nurjoko, Nurjoko; Kurniawan, Hendra; Arkhiansyah, Yuni; Rizal, Ruki
Jurnal SISKOM-KB (Sistem Komputer dan Kecerdasan Buatan) Vol. 8 No. 3 (2025): Volume VIII - Nomor 3 - Mei 2025
Publisher : Teknik Informatika, Sistem Informasi dan Teknik Elektro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47970/siskom-kb.v8i3.833

Abstract

Kekambuhan kanker tiroid pasca terapi Radioactive Iodine (RAI) merupakan tantangan penting dalam penatalaksanaan jangka panjang pasien. Penelitian ini bertujuan membangun model prediktif untuk mengidentifikasi potensi kekambuhan dengan memanfaatkan data klinis dan patologis menggunakan algoritma Random Forest. Dataset terdiri atas 383 data pasien dengan 13 atribut, termasuk usia, jenis kelamin, staging kanker, jenis patologi, klasifikasi risiko, dan respons terhadap terapi. Proses pra-pemrosesan meliputi penyandian data kategorik, eksplorasi fitur, dan pembagian data latih dan uji secara stratifikasi. Hasil evaluasi menunjukkan performa tinggi dari model, dengan akurasi 96,5%, presisi 96,7%, recall 90,6%, dan AUC 0,99. Analisis fitur menggunakan SHAP mengungkap bahwa Stage, Response, dan Risk merupakan faktor paling berkontribusi terhadap prediksi kekambuhan. Penelitian ini menunjukkan bahwa model Random Forest tidak hanya efektif dalam klasifikasi biner, tetapi juga dapat diinterpretasikan secara klinis untuk mendukung pengambilan keputusan medis yang lebih personal dan preventif.
Implementasi Sistem Integrasi Informasi Kompetensi Aparatur (SIISKA) Berbasis Web untuk Optimalisasi Pengembangan Kompetensi Pegawai di Disperindag Provinsi Lampung Ilhamiharja, Arbi; Yuliawati, Dona; Sutedi, Sutedi; Karnila, Sri
TEKNIKA Vol. 19 No. 3 (2025): Teknika September 2025
Publisher : Politeknik Negeri Sriwijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.5281/zenodo.15567285

Abstract

Dinas Perindustrian dan Perdagangan Provinsi Lampung menghadapi kendala dalam pengelolaan data pengembangan kompetensi ASN yang masih dilakukan secara manual menggunakan Microsoft Word dan Excel, sehingga berdampak pada keterlambatan pelaporan, duplikasi data, dan rendahnya efisiensi kerja. Penelitian ini bertujuan mengembangkan Sistem Integrasi Informasi Kompetensi Aparatur (SIISKA) berbasis web untuk mendukung proses pendaftaran, pelaksanaan, dan pelaporan kegiatan coaching, mentoring, serta analisis kesenjangan jabatan secara terstruktur. Metode pengembangan yang digunakan adalah waterfall, dengan teknik pengumpulan data melalui wawancara, observasi, dan studi literatur. Sistem diuji menggunakan metode black-box. Hasil implementasi menunjukkan bahwa SIISKA mampu menurunkan waktu proses pendaftaran dari 2–3 hari menjadi kurang dari 1 jam, mengurangi tingkat kesalahan input dari 15% menjadi di bawah 3%, serta meningkatkan kepuasan pengguna hingga 85%. Sistem ini memberikan kontribusi nyata dalam digitalisasi pengelolaan kompetensi ASN secara efisien dan terintegrasi.
Evaluasi Performa Random Forest, XGBoost, dan LightGBM dalam Diagnosis Dini Diabetes Mellitus Hendra, Hendra Kurniawan; Asmaul Dwi Akbar; Nicholas Svensons; Yandi Jaya Antonio; Karnila, Sri; Safitri, Egi; Nurjoko, Nurjoko
JUPITER (Jurnal Penelitian Ilmu dan Teknologi Komputer) Vol 17 No 2 (2025): Jurnal Penelitian Ilmu dan Teknologi Komputer (JUPITER)
Publisher : Teknik Komputer Politeknik Negeri Sriwijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Diabetes mellitus is a long-term condition marked by elevated blood sugar levels, which can lead to serious complications such as heart disease, kidney failure, and vision impairment. Early detection plays a vital role in minimizing these risks and enhancing patients' quality of life. This research focuses on assessing the performance of three machine learning algorithms—Random Forest, XGBoost, and LightGBM—in predicting diabetes risk. The dataset utilized originates from the National Institute of Diabetes and Digestive and Kidney Diseases (NIDDK), comprising 768 samples with 9 key features. The research methodology involves multiple stages, including data collection, preprocessing, addressing data imbalance using SMOTE, data splitting for training and testing, algorithm implementation, and model evaluation through accuracy, precision, recall, F1-score, and Area Under the Curve (AUC) metrics. Findings reveal that Random Forest delivers the highest performance with an AUC score of 86%, followed by XGBoost (83%) and LightGBM (82%). With its strong accuracy, this model holds potential as a valuable tool for early diabetes diagnosis, contributing to faster and more precise medical decision-making.
PENGENALAN SAINS DATA UNTUK MENINGKATKAN LITERASI DATA DAN KESIAPAN KARIER DIGITAL SISWA SEKOLAH MENENGAH ATAS Karnila, Sri; Kurniawan, Hendra; Irianto, Suhendro Yusuf; Muktiawan, Danang Ade; Septiawan, Yuda; Safitri, Egi; Nurjoko, Nurjoko
JMM (Jurnal Masyarakat Mandiri) Vol 9, No 4 (2025): Agustus
Publisher : Universitas Muhammadiyah Mataram

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31764/jmm.v9i4.31940

Abstract

Abstrak: Pengenalan sains data di tingkat sekolah menengah memiliki peran penting dalam membekali siswa menghadapi era digital yang kian berkembang. Kegiatan pengabdian ini dirancang untuk menumbuhkan pemahaman siswa terhadap konsep dasar sains data sekaligus mendorong kesiapan mereka dalam meniti karier di bidang digital. Pelatihan dilangsungkan secara tatap muka di Institut Informatika dan Bisnis Darmajaya dan melibatkan 26 siswa dari empat sekolah di Bandar Lampung. Materi pelatihan meliputi pengantar teori sains data, praktik pengolahan dan visualisasi data serta pengantar bahasa pemrograman Python, hingga pengenalan awal pembelajaran mesin. Sebagai bentuk evaluasi, peserta mengikuti pre-test dan post-test dengan menjawab soal pilihan ganda sebanyak 25 soal. Hasil penilaian menunjukkan bahwa mayoritas siswa mengalami peningkatan kemampuan setelah pelatihan yang diberikan. Persentase peningkatan pengetahuan diperoleh melalui analisis hasil melalui pre-test dan post-test. Peningkatan diperoleh, dimana 18 dari 26 siswa menjawab benar soal atau persentase sebesar 69,23%, meningkat 30,73% dari nilai sebelumnya sebesar 38,5%. Hal ini mencerminkan respon yang sangat positif terhadap isi materi dan fasilitas pendukung yang tersedia. Secara keseluruhan, kegiatan ini memberikan pengalaman belajar yang membekas dan bermanfaat, serta dapat dijadikan model untuk pelatihan serupa di masa mendatang.Abstract: The introduction of data science at the high school level has an important role in equipping students to face the growing digital era. This service activity is designed to foster students' understanding of the basic concepts of data science while encouraging their readiness to pursue careers in the digital field. The training was held face-to-face at Darmajaya Informatics and Business Institute and involved 26 students from four schools in Bandar Lampung. The training materials included an introduction to data science theory, data processing and visualization practices and an introduction to the Python programming language, to an early introduction to machine learning. As a form of evaluation, participants took a pre-test and post-test by answering 25 multiple choice questions. The assessment results showed that the majority of students experienced an increase in ability after the training provided. The percentage of knowledge improvement was obtained through analysis of results through pre-test and post-test. An increase was obtained, where 18 out of 26 students answered the questions correctly or a percentage of 69.23%, an increase of 30.73% from the previous value of 38.5%. This reflects a very positive response to the material content and supporting facilities available. Overall, this activity provided a memorable and useful learning experience, and can be used as a model for similar training in the future.
Progressive Massive Fibrosis Detection Using Generative Adversarial Networks and Long Short-Term Memory Irianto, Suhendro Y.; Karnila, Sri; Hasibuan, M.S.; Dewi, Deshinta Arrova; Kurniawan, Tri Basuki; Kurniawan, Hendra
Journal of Applied Data Sciences Vol 6, No 4: December 2025
Publisher : Bright Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47738/jads.v6i4.707

Abstract

Contribution: Progressive Massive Fibrosis (PMF) is a severe form of pneumoconiosis, affecting individuals exposed to mineral dust, such as coal miners and workers in the artificial stone industry. This condition causes significant pulmonary impairment and increased mortality. Early and accurate detection is vital for effective management, yet traditional diagnostic methods face challenges in differentiating PMF from other pulmonary diseases due to variability in clinical presentations and limitations in imaging techniques. Idea: The study introduces a novel diagnostic framework that integrates Generative Adversarial Networks (GAN) and Long Short-Term Memory (LSTM) networks to enhance the detection and monitoring of PMF. The GAN generates high-fidelity synthetic imaging data to address the issue of limited datasets, while the LSTM network captures temporal patterns in patient data, enabling real-time monitoring of disease progression. Objective: The primary objective of this research is to develop an AI-driven model that improves the accuracy and efficiency of PMF detection and monitoring, facilitating early diagnosis and better treatment planning. Findings: The integrated GAN-LSTM model significantly outperformed traditional diagnostic methods. It proved high accuracy, a Dice coefficient of 0.85, and an Area Under the Curve (AUC) of 0.92, showing precise differentiation of PMF from other pulmonary conditions, such as lung cancer and tuberculosis. Results: The GAN-LSTM framework achieved an accuracy of 91.3%, suggesting that the fusion of GAN and LSTM technologies can effectively address the challenges of limited datasets and heterogeneous disease progression. The model showed promise in enhancing the non-invasive detection and ongoing monitoring of PMF. Novelty: This research stands for a significant advancement in PMF diagnostics by combining GAN and LSTM technologies in a single framework. This approach improves diagnostic accuracy and eases continuous disease monitoring, offering a non-invasive and highly precise solution for PMF detection.
Analisis Ulasan Pengguna Aplikasi Seabank Dengan Support Vector Machine Dan Naïve Bayes Adela, Cindy Nada; Karnila, Sri; Sutedi, Sutedi; Agarina, Melda
Jurnal Tekno Kompak Vol 18, No 2 (2024): AGUSTUS
Publisher : Universitas Teknokrat Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33365/jtk.v18i2.4156

Abstract

Aplikasi perbankan digital seperti Seabank, telah menjadi bagian dari kebutuhan kehidupan saat ini. Diluncurkan pada Februari 2021 oleh PT Bank Seabank Indonesia, dan meraih popularitas yang signifikan. Penggunaan aplikasi ini menghasilkan sejumlah besar ulasan yang mencerminkan sentimen pengguna terkait dengan kinerja, layanan dan keamanan aplikasi. Memahami sentimen positif, netral, dan negatif dari ulasan pengguna. Seabank memungkinkan untuk mendapatkan wawasan tentang tingkat kepuasan pelanggan, kelemahan aplikasi, dan area perbaikan yang diperlukan. Untuk itu penting dilakukan analisis data dan klasifkikasi ulasan pengguna. Penelitian ini bertujuan mengetahui kinerja dua algoritma klasifikasi, yaitu Support Vector Machine (SVM) dan Naïve Bayes, dalam mengklasifikasikan sentimen ulasan pengguna. Pengujian dilakukan dengan menggunakan 3789 data, pembagian rasio 80% training dan 20% testing. Hasil pelabelan menunjukkan adanya 438 sentimen positif, 1379 sentimen netral, dan 77 sentimen negatif. Sedangkan hasil pelabelan oleh ahli bahasa menunjukkan jumlah 1100 sentimen positif, 308 sentimen netral, dan 486 sentimen negatif. Hasil pengujian akurasi menggunakan confusion matrix menunjukkan bahwa algoritma Support Vector Machine memiliki nilai akurasi tertinggi sebesar 63%, sedangkan algoritma Gaussian Naïve Bayes memiliki nilai terendah sebesar 30%. Dengan demikian, dapat disimpulkan bahwa model SVM lebih efektif dalam mengklasifikasikan sentimen ulasan pengguna aplikasi Seabank daripada model Naïve Bayes.
The Influence of Clarity Budget Targets, Budget Accuracy on Performance Accountability of Government Agency Through the Internal Control System as an Intervening Variable Karnila, Sri; Tenriwaru, Tenriwaru; Amang, Baso
SIMAK Vol. 22 No. 01 (2024): Jurnal Sistem Informasi, Manajemen, dan Akuntansi (SIMAK)
Publisher : Faculty of Economics dan Business, Atma Jaya Makassar University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35129/simak.v22i01.503

Abstract

This research was conducted with the aim of analyzing how much influence clarity of budget targets, budget accuracy has on the accountability of government agency performance through the internal control system as an intervening variable in the public works department and spatial planning of West Sulawesi province. This research uses a quantitative type of research with a descriptive analysis approach. The population in this study was 141 employees at the Department of Public Works and Spatial Planning in West Sulawesi province. The respondents used were employees in charge of preparing financial reports for each field so that the sample in this study was 45 respondents. The data collection technique used was a questionnaire using a Likert scale. The data analysis technique used in this research uses the Structure Equation Model (SEM) method based on Partial Least Square (PLS). The results of this research show: clarity of budget targets, budget accuracy and internal control systems influence the accountability of government agency performance. clarity of budget targets, budget accuracy affects the internal control system. Internal control as an interverning variable can influence the clarity of budget targets and budget accuracy on performance accountability
Komparasi Metode Apriori dan FP-Growth Data Mining Untuk Mengetahui Pola Penjualan Purwati, Neni; Pedliyansah, Yogi; Kurniawan, Hendra; Karnila, Sri; Herwanto, Riko
Jurnal Informatika: Jurnal Pengembangan IT Vol 8, No 2 (2023)
Publisher : Politeknik Harapan Bersama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30591/jpit.v8i2.4876

Abstract

 Sales data is generally still rarely used, as well as the Perfume Corner shop just piling up in the database, even though there are problems experienced by the store regarding sales data for the best-selling products and to increase the number of sales of subsequent perfume products, so that the store can survive and develop even better. The algorithm that can be used to manage sales data to overcome this problem is Apriori. The research method used in this research is the KDD (Knowledge Discovery in Database) process. This research produces a high frequency pattern for itemsets with a minimum support value of 20% resulting in products that become The Most Tree Items namely Jo Malone 82.49%, Zarra 28.25%, and Zwitsal 20.34%. While the association rules formed from the value of Min. Supp 20% and Min. Conf 80%, get a combination of 2 itemsets, namely Jo Malone and Zarra. Whereas for the combination of 3 itemsets, namely Jo Malone, Zarra and Baccarte with valid and strong status, it is proven by a lift value greater than 1, therefore the association rules are very appropriate to be used.
Implementasi Sistem Manajemen Parkir Menggunakan Teknologi QR-CODE Berbasis Web Nurjoko, Nurjoko; Julius, Felix; K, Hendra; Karnila, Sri; Safitri, Egi; Purwati, Neni; Rizal, Ruki
TEKNIKA Vol. 18 No. 1 (2024): Teknika Januari - Juni 2024
Publisher : Politeknik Negeri Sriwijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.5281/zenodo.10570439

Abstract

Kemajuan teknologi telah mendorong penegembangan sistem parkir cerdas di lingkungan perguruan tinggi khususnya Institut Informatika dan Bisnis (IIB) Darmajaya. Seiring dengan pertumbuhan populasi mahasiswa dan staf, menjadi tantangan dalam manajemen perparkiran. Permasalahan parkir, seperti kesulitan dalam mencari tempat parkir yang tersedia dan memanajemen waktu untuk parkir dapat menghambat efisiensi dan kenyamanan pengguna di lingkungan kampus. Penelitian ini bertujuan merancang sistem E-parkir berbasis web di perguruan tinggi yang menyajikan solusi efisien untuk masalah parkir. Sistem e-parkir ini menggunakan teknologi QR-Code berbasis web untuk mempermudah pengguna dalam menemukan, mengelola, dan mengurangi resiko kehilangan kendaraan di tempat parkir. Metode pengembangan sistem pada penelitian ini menggunakan pendekatan metode prototype yang berfokus pada pengguna, dengan integrasi fitur monitoring lokasi ketersediaan tempat parkir guna meningkatkan efisiensi dan kenyamanan pengguna dan petugas parkir. Pengujian sistem dilakukan dengan pendekatan metode black box testing. Berdasarkan kriteria presentasi hasil uji secara keseluruhan dengan nilai kualifikasi sebesar 96% dapat disimpulkan bahwa responden menilai sistem e-parkir yang dibangun telah sesuai dengan fungsinya dan dapat dimplementasikan.
Co-Authors - Nurfiana - Nurjoko -, Meiliza Adela, Cindy Nada Adimas, Adimas Agung Pradana Ambar aditya Putra Arif Harjanto Asmaul Dwi Akbar Astria Hijriani, Astria Azima, Muhammad Fauzan Aziz, RZ. Abdul Baso Amang, Baso Dani Rofianto Darmawan, Algifari Denny Andreas Dewi, Deshinta Arrova Dona Yuliawati Egi Safitri Fajar Nugraha Feri Setiadi Galih Prayogo Hasibuan, M.S. Hendra Kurniawan Hendra, Hendra Kurniawan Herlina Herlina Herlina Herlina Herwanto, Riko Herwanto, Riko Ilhamiharja, Arbi Irianto, Suhendro Y. Julius, Felix K, Hendra Kurniawan, Tri Basuki Lia Rosmalia Luh Putu Ratna Sundari M. Ariza Eka Yusendra M. Ariza Eka Yusendra, M. Ariza Eka Melda Agarina Mochammad Imron Awalludin Muhammad Fauzan Azima Muhammad Galih Ramaputra Muhammad Saputra Muktiawan, Danang Ade Napitupulu, Erikson Josua Neni Purwati Nicholas Svensons Nurfiana - Nurfiana - Nurjoko Oktaviani, Asih Oktaviani, Erni Pedliyansah, Yogi Raymond Octhario Raymond Octhario Rendy Ferrie Vernando Ribut Yulianto Rika Febri Sasmita Rio Kurniawan Riyadini Riyan Utami Rizal, Ruki Rizalnul Fikri, Ruki Roffi, Ahmad Rosandy, Triowali Ruki Rizal Safitri, Egi Septiawan, Yuda Setiawati, Melia Gripin Setyawan, Dodi Yudo Sri Rahayu Sulistiyanto Sulistiyanto Sulistiyanto, Mr. Sushanty Saleh Sutedi Sutedi Y. Suhendro Yandi Jaya Antonio Yogi Pedliyansah Yulmaini Yulmaini Yuni Arkhiansyah Yuni Puspita, Rima Yuniwati