Article Per Year (5 Year)
p-Index From 2021 - 2026
1.8
P-Index
This Author published in this journals
All Journal Jurnal Sistem dan Informatika Indonesian Journal of Electrical Engineering and Computer Science Edutik : Jurnal Pendidikan Teknologi Informasi dan Komunikasi Jurnal Minfo Polgan (JMP) Abdimas : Jurnal Pengabdian Kepada Masyarakat Innovative: Journal Of Social Science Research
Irene Realyta Halldy Trosi Tangkawarow
Informatics Department, Engineering Faculty, Universitas Negeri Manado
Humanities Computer Science & IT Decision Sciences, Operations Research & Management Education Electrical & Electronics Engineering Environmental Science Law, Crime, Criminology & Criminal Justice Library & Information Science Materials Science & Nanotechnology Mathematics Public Health Social Sciences Other

Published : 12 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 5 Documents
Search
Journal : Jurnal Sistem dan Informatika

 1 
Analisis Seleksi Fitur untuk Optimasi Metode Klasifikasi k-NN pada Studi Kasus Penilaian Kinerja Karyawan Tangkawarow, Irene; Hostiadi, Dandy Pramana; Fatonah, Nenden Siti; Mohammad Yazdi; Hariyanti, Eva
Jurnal Sistem dan Informatika (JSI) Vol 18 No 1 (2023): Jurnal Sistem dan Informatika (JSI)
Publisher : Direktorat Penelitian,Pengabdian Masyarakat dan HKI - Institut Teknologi dan Bisnis (ITB) STIKOM Bali

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30864/jsi.v18i1.593

Abstract

Model Klasifikasi banyak digunakan dalam rangka menganalisis dan menemukan jenis kategori kelas data. Salah satu bentuk pemanfaatan metode klasifikasi adalah mengklasifikasikan hasil penilaian pengukuran kinerja karyawan. Metode klasifikasi yang umum dan dapat digunakan antara lain adalah metode Decision Tree, Naive Bayes, -NN dan Random Forest. Namun tidak semua metode dapat menghasilkan performa yang baik dalam penilaian kinerja Karyawan. Sehingga perlu dilakukan optimasi misalnya melalui penggunaan seleksi fitur. Beberapa penelitian telah dilakukan optimasi metode klasifikasi melalui penggunaan metode seleksi fitur dalam penilaian kinerja karyawan. Namun optimasi ini dipengaruhi oleh karakteristik data yang digunakan. Tidak semua teknik seleksi fitur sesuai untuk meningkatkan hasil klasifikasi dan jumlah penggunaan fitur dapat mempengaruhi performa model klasifikasi. Penelitian ini mengusulkan teknik analisis penggunaan jumlah fitur pada data kinerja dosen melalui metode seleksi fitur ANOVA untuk meningkatkan performa model klasifikasi metode -NN. Tujuannya adalah untuk mendapatkan jumlah fitur yang terbaik dalam peningkatan performa metode klasifikasi -NN. Hasil penelitian menunjukkan bahwa jumlah fitur terbaik dari metode ANOVA adalah sejumlah 5 fitur dengan hasil akurasi klasifikasi -NN sebesar 0.839, precision 0.8323, recall 0.839 dan F1-score 0.833. Teknik analisis ini dapat digunakan oleh sebuah perusahaan dalam mengutamakan fitur terbaik dalam menilai kualitas kinerja karyawannya.
Analisis Perbandingan Metode Seleksi Fitur pada Model Klasifikasi Decission Tree untuk Deteksi Serangan di Jaringan Komputer Hariyanti, Eva; Hostiadi, Dandy Pramana; Anggreni; Yohanes Priyo Atmojo; I Made Darma Susila; Tangkawarow, Irene
Jurnal Sistem dan Informatika (JSI) Vol 18 No 2 (2024): Jurnal Sistem dan Informatika (JSI)
Publisher : Direktorat Penelitian,Pengabdian Masyarakat dan HKI - Institut Teknologi dan Bisnis (ITB) STIKOM Bali

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30864/jsi.v18i2.615

Abstract

Perkembangan informasi dan teknologi memerlukan teknik pengamanan yang tepat. Potensi terjadinya kebocoran data dan informasi di era digital sangat tinggi apabila tidak ditangani dengan serius. Beberapa serangan berbahaya yang terjadi adalah spam, Denial of Service Attack, ARP Poisoning, SQL Injection, U2L, R2L dan Probing. Penelitian sebelumnya telah mengenalkan pendekatan deteksi serangan berbahaya seperti menggunakan klasifikasi, klusterisasi dan analisis statistik. Namun analisis penggunaan fitur terbaik perlu dilakukan untuk mendapatkan hasil model klasifikasi yang optimal. Pada penelitian ini, menganalisis dan mencari metode seleksi fitur terbaik yang dapat diimplementasikan pada model klasifikasi berbasis machine learning untuk mendeteksi serangan di jaringan. Dataset yang digunakan adalah UNSW-NB15, dan dilakukan beberapa proses seperti data transformasi, Data normalisasi, seleksi Fitur dan Klasifikasi. Perbandingan teknik seleksi fitur yang digunakan antara lain ANOVA, UNIVARIATE dan ChiSquare. Tujuan penelitian ini adalah untuk meningkatkan akurasi, precision dan recall pada model klasifikasi Decision Tree. Hasil penelitian pengujian menunjukkan bahwa metode seleksi fitur terbaik dalam model klasifikasi adalah metode ANOVA dengan hasil nilai Area Under Curve sebesar 0.989, nilai F1-score adalah 0.999, akurasi deteksi adalah 0.999, nilai precission adalah 0.999 dan recall adalah 0.999. Hasil penelitian ini dapat digunakan untuk menyempurnakan model Intrusi Detection System berbasis machine learning.
Perancangan Aplikasi Edukasi Pengenalan Profesi Pekerjaan Dengan Augmented Reality Berbasis Android maki, Indriani Fidelia Maki; Irene R. H. T. Tangkawarow; Quido C. Kainde
Jurnal Sistem dan Informatika (JSI) Vol 19 No 1 (2025): Jurnal Sistem dan Informatika (JSI)
Publisher : Direktorat Penelitian,Pengabdian Masyarakat dan HKI - Institut Teknologi dan Bisnis (ITB) STIKOM Bali

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30864/jsi.v19i1.678

Abstract

Penelitian ini mengatasi permasalahan metode pembelajaran yang kurang efektif dengan menggunakan gambar statis dalam mengenalkan profesi kepada anak-anak di TK Timothy Kids Wolaang, yang membatasi keterlibatan dan aksesibilitas. Tujuannya adalah mengembangkan aplikasi pembelajaran interaktif berbasis Augmented Reality (AR) pada platform Android untuk meningkatkan motivasi dan pemahaman anak-anak tentang berbagai profesi. Proses pengembangan menggunakan metodologi Multimedia Development Life Cycle (MDLC) untuk memastikan pembuatan aplikasi yang sistematis dan optimal. Temuan menunjukkan bahwa teknologi AR, dengan kemampuannya menyajikan konten 3D virtual, real-time, dan interaktif, secara signifikan meningkatkan minat dan pemahaman belajar pada anak usia dini. Selain itu, pemilihan Android sebagai platform memanfaatkan penggunaan yang luas di Indonesia sehingga memudahkan akses pengguna. Penelitian menyimpulkan bahwa penerapan aplikasi berbasis AR di Android secara efektif mengatasi keterbatasan media tradisional, memberikan alat edukasi yang lebih menarik, efisien, dan mudah diakses bagi anak-anak untuk mengenal profesi, mendukung pembelajaran awal dan cita-cita masa depan mereka.
Peramalan Pendapatan Bea Balik Nama Kendaraan Bermotor (BBN-KB) Badan Pendapatan Daerah Sulawesi Utara Menggunakan Metode ARIMA Biringpasemba, Tiara; Irene Tangkawarow; Quido Kainde
Jurnal Sistem dan Informatika (JSI) Vol 19 No 1 (2025): Jurnal Sistem dan Informatika (JSI)
Publisher : Direktorat Penelitian,Pengabdian Masyarakat dan HKI - Institut Teknologi dan Bisnis (ITB) STIKOM Bali

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30864/jsi.v19i1.681

Abstract

Pengembangan aplikasi peramalan pendapatan Bea Balik Nama Kendaraan Bermotor (BBN-KB) pada Badan Pendapatan Daerah Provinsi Sulawesi Utara menjadi fokus utama dalam penelitian ini dengan menggunakan metode ARIMA (Autoregressive Integrated Moving Average). Permasalahan yang dihadapi Bapenda saat ini adalah belum adanya aplikasi untuk melakukan peramalan pendapatan BBNKB, kesulitan mengetahui jumlah kendaraan yang terjual langsung dari dealer, serta masih menggunakan data faktur berbentuk surat atau kertas cetak yang membutuhkan waktu dalam proses penyerahannya. BBN-KB merupakan salah satu faktor penting yang memengaruhi Pendapatan Asli Daerah (PAD), dengan tarif BBN 1 sebesar 12% dari Nilai Jual Kendaraan Bermotor (NJKB) berdasarkan Peraturan Daerah Provinsi Sulawesi Utara Nomor 1 Tahun 2024. Aplikasi yang dikembangkan berbasis web dengan menggunakan metode Waterfall sebagai metode pengembangan sistem. Hasil dari penelitian ini menunjukkan bahwa sistem yang dikembangkan mampu melakukan peramalan pendapatan BBN 1 selama enam bulan ke depan dengan akurasi yang cukup baik berdasarkan data historis 60 bulan terakhir. Sistem juga mempercepat proses input dan pengelolaan data faktur dari dealer, serta memberikan kemudahan dalam penyusunan laporan dan perencanaan pendapatan daerah. Implementasi sistem ini mampu mengoptimalkan kemampuan Bapenda dalam melakukan prediksi pendapatan dan efisiensi pelayanan terhadap wajib pajak, serta berpotensi mendukung pengambilan keputusan strategis di masa mendatang.
Perbandingan Metode Indobert Dan Xlnet Dalam Mengukur Kemiripan Semantik Antara Tweet Dan IKP 2024 Emor, Stevren Christian; Irene R. H. T. Tangkawarow; Audy A. Kenap
Jurnal Sistem dan Informatika (JSI) Vol 19 No 2 (2025): Jurnal Sistem dan Informatika (JSI)
Publisher : Direktorat Penelitian,Pengabdian Masyarakat dan HKI - Institut Teknologi dan Bisnis (ITB) STIKOM Bali

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30864/jsi.v19i2.735

Abstract

Pemilihan Umum (Pemilu) merupakan pilar demokrasi yang rentan terhadap polarisasi opini publik dan penyebaran disinformasi di media sosial. Untuk memahami dinamika tersebut, diperlukan pendekatan analisis semantik guna mengidentifikasi potensi kerawanan pemilu. Penelitian ini bertujuan membandingkan kinerja dua model berbasis transformer, IndoBERT dan XLNet, dalam mengukur kemiripan semantik antara komentar media sosial (Twitter/X) dan indikator Indeks Kerawanan Pemilu (IKP) 2024. Data diperoleh melalui teknik crawling sebanyak 574 tweet dengan kata kunci “Pemilu2024”. Tahapan penelitian meliputi preprocessing (pembersihan data, tokenizing, normalisasi, dan stemming), analisis menggunakan model IndoBERT dan XLNet, perhitungan cosine similarity, serta evaluasi melalui Confusion Matrix (akurasi, presisi, recall, F1-score) dan Expert Judgment. Hasil menunjukkan bahwa XLNet memiliki performa lebih baik dengan akurasi 76%, presisi 69,5%, recall 80%, dan F1-score 74,3%, dibandingkan IndoBERT dengan akurasi 59,7%, presisi 54,3%, recall 60,9%, dan F1-score 57,3%. Penelitian ini berkontribusi dalam pengembangan metode komparatif berbasis Natural Language Processing (NLP) untuk mendeteksi potensi isu kerawanan pemilu melalui analisis opini publik di media sosial sebagai dukungan bagi pengawasan partisipatif Bawaslu
Co-Authors Anggreni Audy A. Kenap Biringpasemba, Tiara Dandy Pramana Hostiadi Emor, Stevren Christian Eva Hariyanti Fatonah, Nenden Siti I Made Darma Susila Julyeta Paulina Amelia Runtuwene Kristofel Santa maki, Indriani Fidelia Maki Marthin, Claudia Mohammad Yazdi Pusadan Ngalo, Semuel Fendy Quido Conferti Kainde Rambega, Sultan Fajri Rompas, Parabelem T. D. Rompas, Parabelem Tino Dolf Yohanes Priyo Atmojo