Article Per Year (5 Year)
p-Index From 2021 - 2026
9.452
P-Index
This Author published in this journals
All Journal IAES International Journal of Artificial Intelligence (IJ-AI) Jurnal Ilmu dan Teknologi Kelautan Tropis IJCCS (Indonesian Journal of Computing and Cybernetics Systems) Jurnal Informatika Jurnal Simetris Elkom: Jurnal Elektronika dan Komputer Bulletin of Electrical Engineering and Informatics Jurnal Ilmiah Teknik Elektro Komputer dan Informatika (JITEKI) JTSL (Jurnal Tanah dan Sumberdaya Lahan) Jurnal Teknologi Informasi dan Ilmu Komputer Jurnal Transformatika Jurnal Edukasi dan Penelitian Informatika (JEPIN) Khazanah Informatika: Jurnal Ilmu Komputer dan Informatika Sinkron : Jurnal dan Penelitian Teknik Informatika INTENSIF: Jurnal Ilmiah Penelitian dan Penerapan Teknologi Sistem Informasi JURNAL MEDIA INFORMATIKA BUDIDARMA Faktor Exacta Jurnal Ilmiah Matrik JURNAL TEKNIK INFORMATIKA DAN SISTEM INFORMASI Jurnal Sisfokom (Sistem Informasi dan Komputer) MATRIK : Jurnal Manajemen, Teknik Informatika, dan Rekayasa Komputer Indonesian Journal of Computing and Modeling JURIKOM (Jurnal Riset Komputer) JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Building of Informatics, Technology and Science Journal Sensi: Strategic of Education in Information System JOURNAL OF INFORMATION SYSTEM RESEARCH (JOSH) TIN: TERAPAN INFORMATIKA NUSANTARA Aiti: Jurnal Teknologi Informasi Jurasik (Jurnal Riset Sistem Informasi dan Teknik Informatika) Jurnal Teknik Informatika (JUTIF) Journal of Information Technology (JIfoTech) J-SAKTI (Jurnal Sains Komputer dan Informatika) Jurnal Info Sains : Informatika dan Sains Jurnal Nasional Teknik Elektro dan Teknologi Informasi IT-Explore: Jurnal Penerapan Teknologi Informasi dan Komunikasi Jurnal Informatika: Jurnal Pengembangan IT Jurnal Pendidikan Teknologi Informasi (JUKANTI) Jurnal Indonesia : Manajemen Informatika dan Komunikasi Kesatria : Jurnal Penerapan Sistem Informasi (Komputer dan Manajemen) JuTISI (Jurnal Teknik Informatika dan Sistem Informasi) Lontar Komputer: Jurnal Ilmiah Teknologi Informasi
Sri Yulianto Joko Prasetyo
Universitas Kristen Satya Wacana
Aerospace Engineering Agriculture, Biological Sciences & Forestry Arts Automotive Engineering Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Dentistry Earth & Planetary Sciences Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Health Professions Immunology & microbiology Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Materials Science & Nanotechnology Mathematics Mechanical Engineering Medicine & Pharmacology Neuroscience Nursing Physics Social Sciences Veterinary Other

Published : 99 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 99 Documents
Search

 6   7   8   9   10 
Implementasi sistem monitoring pegawai pada Dinas PUPR Kabupaten Buru Selatan dengan pendekatan Soft System Methodology Lerry Godwin Nanariain; Sri Yulianto Joko Prasetyo
AITI Vol 23 No 1 (2026)
Publisher : Fakultas Teknologi Informasi Universitas Kristen Satya Wacana

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24246/aiti.v23i1.163-175

Abstract

Sumber daya manusia memainkan peran penting dalam mendukung pertumbuhan dan perkembangan suatu organisasi, sehingga peningkatan disiplin karyawan menjadi faktor penting dalam mencapai kinerja organisasi yang optimal. Pemerintah Indonesia telah menetapkan Peraturan Pemerintah Republik Indonesia Nomor 94 Tahun 2021 tentang ketentuan umum disiplin Pegawai Negeri Sipil. Namun, Dinas Pekerjaan Umum dan Perumahan Rakyat (PUPR) menghadapi masalah banyaknya karyawan yang tidak disiplin, yang menyebabkan kecurangan absensi yang signifikan. Dari data terlihat bahwa keterangan pegawai pada absensi berupa Ijin, Sakit, dan Alpa dalam setiap tahunnya selalu terjadi peningkatan. Studi ini menggunakan metodologi sistem lunak (SSM), yang berperan penting dalam pemetaan dan konseptualisasi model. Dari studi ini, ditemukan bahwa terdapat faktor pendukung, termasuk peningkatan infrastruktur TI, yang juga menjadi prioritas untuk meningkatkan disiplin karyawan. Dari hasil penelitian direkomendasikan agar Dinas PUPR membangun sistem pemantauan karyawan menggunakan Radio Frequency Identification (RFID) dalam bentuk K-Dispens (Kartu Disiplin Pegawai Negeri Sipil), yang dapat digunakan oleh petugas untuk memantau karyawan selama jam kerja.
Improving genomic classification via Pearson-based SNP selection: a comparison of k-NN, SVM, and random forest Prihanto Ngesti Basuki; Sri Yulianto Joko Prasetyo; Adi Setiawan
Bulletin of Electrical Engineering and Informatics Vol 15, No 1: February 2026
Publisher : Institute of Advanced Engineering and Science

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.11591/eei.v15i1.9087

Abstract

Accurate genomic classification is vital for precision health and population studies, yet high-dimensional single-nucleotide polymorphism (SNP) data (pn) amplify noise, redundancy, and overfitting. This study evaluates a simple, model-independent Pearson-based selection that ranks SNPs by feature–label correlation, and assesses k-nearest neighbors (k-NN), linear support vector machine (SVM), and random forest (RF) under leakage-free stratified Monte Carlo cross-validation (MCCV). Performance increases monotonically with |r|: the strongest tiers reach ?99–100% accuracy; SVM leads in mid tiers (RF second), while k-NN is competitive mainly at the extremes. A matched-dimensionality PCA-120 baseline (TRAIN-only) attains parity for SVM/RF and trails slightly for k-NN at the 10% test size. With 120-SNP panels, prediction medians are ?0.30 ms (SVM), 1.81–1.83 ms (k-NN), and 34–35 ms (RF), supporting CPU-only deployment. A consensus panel combining correlation evidence with principal component analysis (PCA) selection frequency yields interpretable Top-20/Top-120 subsets and |r|-based operating thresholds. Overall, Pearson-based selection provides a transparent, reproducible baseline for small-sample SNP classification, offering accuracy competitive with PCA at lower computational complexity and straightforward extensions to broader cohorts and multi-omics integration.
Enhanced Tsunami Vulnerability Assessment via Hybrid Random Forest and XGBoost Stacking Ensemble Antonius Budi Istiadi; Sri Yulianto Joko Prasetyo; Wiwin Sulistyo
MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer Vol. 25 No. 3 (2026)
Publisher : Universitas Bumigora

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30812/matrik.v25i3.6243

Abstract

Previous studies in coastal Java have used Random Forest, K-Nearest Neighbors, and Least Absolute Shrinkage and Selection Operator regression for land cover dynamics and statistical analyses, with recent 2024 findings showing that Extreme Gradient Boosting outperforms RF in classification accuracy. However, there is a gap in the model’s ability to simultaneously integrate all built-up land indices using an ensemble stacking algorithm. This study aims to develop a new classification framework based on dynamic stacking ensembles to improve tsunami vulnerability assessment accuracy in the coastal area of Jember Regency, East Java. This research method develops a hybrid RF-XGBoost model by integrating DEM topographic parameters and the built-up index from Landsat 8 imagery (2023–2025), beginning with K-Means clustering to identify homogeneous spatial patterns prior to classification. The novelty of this research lies in the development of a dynamic stacking ensemble method that integrates algorithms (RF and XGBoost) as base learners with multinomial logistic regression as a meta-learner. Unlike conventional single-model methods, this methodology uniquely synergizes built-up land indices combined with integrated topographic analysis to extract physical vulnerability parameters more precisely. This result demonstrated increased prediction robustness, with a high accuracy of 0.976 and an AUC-ROC of 0.5493, which significantly exceeds the class discrimination capabilities of the Random Forest or Extreme Gradient Boosting models alone. The contribution of this research is to propose an ensemble model that enhances predictive resilience and provides a reliable decision-support framework for tsunami risk mitigation planning.
IMPLEMENTASI FRAMEWORK LARAVEL 7.1 PADA SISTEM INFORMASI PENJUALAN CONVENIENCE STORE EMMI SHOP Bandhu Nusantara; Sri Yulianto Joko Prasetyo
JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Vol 10, No 1 (2025)
Publisher : STKIP PGRI Tulungagung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29100/jipi.v10i1.5584

Abstract

Studi kasus ini meneliti Emmi Shop untuk menerapkan framework Laravel pada sistem informasi penjualan berbasis web menggunakan metode waterfall. Dalam perkembangan teknologi, sistem informasi penjualan mampu untuk meningkatkan efisiensi dan kenyamanan bagi penjual maupun pelanggan. Analisis kebutuhan, desain, pengkodean, dan pengujian adalah metode yang digunakan dalam penelitian ini. Analisis kebutuhan mengumpulkan persyaratan pengguna dan spesifikasi perangkat lunak yang diperlukan. Setelah tahap desain, struktur data, arsitektur perangkat lunak, dan antarmuka pengguna dibuat. Selanjutnya, tahap pengkodean menyelesaikan desain dan menghasilkan kode program yang berfungsi dengan baik. Sistem diuji untuk mengurangi kesalahan dan memastikan kualitas sistem informasi. Dengan menggunakan implementasi framework Laravel, Emmi Shop dapat memanfaatkan sistem informasi penjualan yang dapat meningkatkan efisiensi proses transaksi dan pengolahan data. Sistem informasi ini memberikan manfaat bagi pemilik usaha dan pelanggan. Hasil penelitian ini diharapkan dapat membantu dalam proses pengembangan sistem informasi penjualan berbasis web yang menggunakan metode waterfall.
Penataan Ruang Kawasan Agropolitan di Kabupaten Semarang dengan Metode Artificial Neural Network priyadi priyadi; Eko Sediyono; Sri Yulianto Joko Prasetyo
Jurnal Transformatika Vol. 17 No. 2 (2020): January 2020
Publisher : Jurusan Teknologi Informasi Universitas Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26623/transformatika.v17i2.1615

Abstract

Kecamatan Bandungan dan Sumonowo merupakan wilayah di Kabupaten Semarang yang ditetapkan sebagai kawasan Agropolitan. Dalam beberapa survei dan penelitian di kawasan yang memiliki kesamaan administratif dan geografis tersebut menunjukan tren perubahan produktifitas pertanian akibat pembangunan. Pendekatan sistem informasi geografis digunakan dalam penelitian ini dengan alasan untuk bisa menganalisis objek spasial secara menyeluruh pada kawasan terkait. Penelitian ini berusaha memetakan penataan ruang secara objektif dengan metode Artificial Neural Network. Dimana hubungan antar objek spasial dikalkulasikan potensi perubahannya pada dua data spasial yang berbeda   tempo. Hasilnya didapatkan bahwa simulasi objektif dengan metode ANN terhadap data spasial hasil klasifikasi menggunakan metode minimum distance diperoleh min validation error 0,0656. Hasil validasinya juga cukup baik, yaitu memperoleh prosentasi kebenaran 85,3% dan index kappa 0.80. Peta simulasi dihasilkan sampai pada tempo 2021. Dari peta simulasi didapatkan pengetahuan bahwa sistem pertanian terbuka akan terus mengalami pertumbuhan luasan secara positif dengan kisaran 0,015%. Adapun sistem pertanian tertutup akan terus mengalami penyusutan luasan pada kisaran 0,01%. Pengetahuan ini bisa menjadi alternaif solusi dalam mempertimbangkan implementasi rencana tata ruang dan wilayah pada kawasan terkait.
Pemanfaatan Teknologi Machine Learning Untuk Klasifikasi Wilayah Risiko Kekeringan di Daerah Istimewa Yogyakarta Menggunakan Citra Landsat 8 Operational Land Imager (OLI) Fajar Ayuningtyas; Sri Yulianto Joko Prasetyo
Jurnal Transformatika Vol. 18 No. 1 (2020): July 2020
Publisher : Jurusan Teknologi Informasi Universitas Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26623/transformatika.v18i1.2140

Abstract

Drought is a natural disaster that occurs slowly and lasts a long time. Bantul and Gunung Kidul Regencies, Special Region of Yogyakarta are also areas affected by high drought risk. This happened because the area was the result of the construction of a cement factory and limestone mining along the Sewu Mountains. Prediction and classification of areas affected by drought can be done more accurately over large areas by extracting vegetation indices through remote sensing imagery. This research was conducted to provide information about the potential risk of drought in the region using Landsat 8 OLI spectral vegetation index data. Prediction or classification of drought potential using Artificial Neural Network. Vegetation index used in this study is NDVI, TCI, VCI, and VHI. Correlation results between vegetation indices showed the highest correlation occurred between the vegetation index TCI and VHI with the potential for a medium drought of 0.501 and the potential for a high drought of 0.684. Also obtained are the results of the classification of 9 villages that fall into the category of high drought potential (High Risk). Accuracy results and Kappa values indicate that Random Forest is the best method used with a breakdown of values of 99.91% and 99.81%, respectively. Spatial prediction results are performed using Inverse Distance Weighted (IDW) on vegetation index and prediction. Testing of spatial relationships between villages that have the potential for drought is done using Moran s I. analysis.  
Identifikasi Wilayah Resiko Kerusakan Lahan Terbangun Sebagai Dampak Tsunami Berdasarkan Analisis Building Indices Aurilia Dinda Permatasari; Sri Yulianto Joko Prasetyo
Jurnal Transformatika Vol. 20 No. 1 (2022): July 2022
Publisher : Jurusan Teknologi Informasi Universitas Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26623/transformatika.v20i1.5209

Abstract

Indonesia has a very large water area and there is the territory that is the confluence of the earth's slabs. It can allowing the occurrence of tsunami natural disasters. The study aims to find out which areas have risks the highest and the lowest land damage. The data used in this study were satellite images taken from 2014-2021 with coverage area in Kulon Progo Regency which consists of 12 sub-districts. This study used indexes vegetation UI, NDBI, IBI, EBBI. With an ANN algorithm get results which is quite accurate with an accuracy rate of 94.50%. Predictions states that the area has a high risk of damage due to the tsunami, namely the villages of Jingkaran, Sindutan, Palihan, Glagah, Karangwuluh, Janten, Temon Kulon, Kedundang, Sogan, Kalidengen, Ngestiharjo, Depok, Kanoman, Panjatan, Wahyuharjo, Pandowan, Nomporejo, and, Kranggan.  
Klasifikasi Resiko Tsunami di Daerah Pantai Selatan Jawa Tengah dengan Menerapkan Algoritma SVM (Studi Kasus Kab. Kebumen) Puteri Justia Kardia Momuat Wahani; Sri Yulianto Joko Prasetyo
Jurnal Transformatika Vol. 20 No. 1 (2022): July 2022
Publisher : Jurusan Teknologi Informasi Universitas Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26623/transformatika.v20i1.5297

Abstract

Tsunami adalah salah satu bencana alam yang dapat terjadi kapan saja yang keberadaannya tidak dapat dihindari. Kabupaten Kebumen adalah salah satu daerah yang bertempat di bagian pantai selatan Provinsi Jawa Tengah yang memiliki risiko terkenanya bencana tsunami. Hal ini terjadi akibat lokasi dari kabupaten kebumen yang berada dekat dengan perairan dan memiliki banyak luas wilayah pada dataran rendah. Penelitian ini dilakukan agar dapat memberikan informasi mengenai risiko yang dapat terjadi pada wilayah tersebut dengan melakukan prediksi dan klasifikasi dengan menggunakan data dari Citra Landsat-8 OLI yang diambil dari USGS serta memanfaatkan 5 indeks vegetasi yaitu NDVI, NDBI, NDWI, MNDWI, dan WI dengan penerapan metode Support Vector Machine (SVM) yang merupakan salah satu metode machine learning yang digunakan untuk klasifikasi. Pada penelitian ini didapatkan ada 11 desa yang diprediksi berisiko tinggi terkena tsunami dengan nilai akurasi yang didapatkan sebesar 0.945 dan nilai kappa sebesar 0.914 dimana semakin tinggi nilai yang didapatkan maka semakin tinggi juga ketepatan hasil prediksi yang diperoleh.
Model spatial analysis identifikasi risiko tsunami Pantai Selatan Jawa menggunakan Data Built-up Index Wiwin Sulistyo; Sri Yulianto Joko Prasetyo; Bistok Hasiholan Simanjuntak
AITI Vol 23 No 3 (2026)
Publisher : Fakultas Teknologi Informasi Universitas Kristen Satya Wacana

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24246/aiti.v23i3.465-481

Abstract

Wilayah Indonesia, khususnya sepanjang pantai selatan Pulau Jawa, memiliki tingkat kerawanan gempa dan tsunami karena berada pada zona patahan dan memiliki sejarah kejadian tsunami. Potensi berulangnya bencana dalam kurun waktu tertentu memerlukan perhatian melalui identifikasi risiko dan langkah mitigasi yang tepat. Penelitian ini bertujuan mengidentifikasi dan mengklasifikasikan wilayah berisiko tinggi terhadap gempa dan tsunami dengan memanfaatkan citra satelit dan analisis spasial. Data citra satelit diolah untuk memperoleh Spectral Vegetation Indices (SVI) serta sejumlah indeks berbasis lahan terbangun dan karakteristik permukaan menggunakan komputer 3Drecons. Indeks yang digunakan meliputi Index-based Built-up Index (IBI), Urban Index (UI), Normalized Difference Bareness Index (NDBaI), Normalized Difference Built-up Index (NDBI), Normalized Built-up Area Index (NBAI), dan New Built-up Index (NBI). Selanjutnya, data dianalisis menggunakan pendekatan klasterisasi dan klasifikasi spasial untuk mengidentifikasi pola dan tingkat risiko pada setiap wilayah studi. Hasil analisis menghasilkan pengelompokan wilayah berdasarkan karakteristik spasial yang dapat digunakan untuk menggambarkan status risiko gempa dan tsunami. Pendekatan ini dapat mendukung identifikasi wilayah prioritas serta penyusunan strategi mitigasi bencana berbasis data spasial.
Co-Authors Adenia Kusuma Dayanthi Adi Setiawan Anna Simatauw Antar Maramba Jawa Antonius Budi Istiadi Antonius Mbay Ndapamury Ardian Ariadi Ardito Laksono Suryoputro Arit Imanuel Meha Arvira Yuniar Isnaeni Aurilia Dinda Permatasari Baali, Gabriel Megfaden Kenisa Bandhu Nusantara Baronio, Nodas Constantine Bintang Lazuardi Bistok Hasiholan Simanjuntak Brian Laurensz Brilliananta Radix Dewana Budhi Kristianto Bunga, Alex Frianco Cahyaningtyas, Christian Charitas Fibriani Christanto, Erwien Christiana Ari Setyaningrum Daniel HF Manongga Danny Manongga Dian Widiyanto Chandra Dwi Hayati Edwin Zusrony Eko Sediyono Elvira Umar Engles Marabangkit Yoesmarlan Erik Wahyu Abdi Nugroho Evan Bagus Kristianto Evan Geraldy Suryoto Evi Maria Evi Maria Fabian Valerian Fajar Ayuningtyas Feibe Lawalata Florentina Tatrin Kurniati Gallen cakra adhi wibowo Gideon Bartolomeus Kaligis Gilbert Yesaya Likumahua Gudiato, Candra Haikal Nur Rachmanrachim Achaqie Haikal Nur Rachmanrachim Achaqie Hindriyanto Dwi Purnomo Ida Ayu Putu Sri Widnyani Indra Yunanto Indrastanti Ratna Widiasari Irdha Yunianto Irwan Sembiring Isnaeni, Arvira Yuniar Johan Jimmy Carter Tambotoh Joko Siswanto Josua Josen Alexander Limbong Kase, Celomitha Putri Welhelmina Kristoko Dwi Hartomo Kurnia Latifatul Nazila Laurentius Kuncoro Probo Saputra, Laurentius Kuncoro Probo Lerry Godwin Nanariain Lobo, Murry Albert Agustin Lyonly Evany Tomasoa Maipauw, Musa Marsel Maya Sari Merryana Lestari Mikhael Dio Eclesi Mila Chrismawati Paseleng Mira Mira Muhamad Yusup Muhammad Rizky Pribadi Muhammad Sholikhan Nadia Renatha Yuwono Nadya Inarossy Novem Berlian Uly Nugroho, Ignatius Dion Nurul Fadilah, Nurul Oliver Elvino Putra Pratama Otniel, Marcelinus Vito Patasik, Eva Sapan Patrick Simbolon Petty, Holbed Joshua Praditya, Al-Farrel Raka Prayitno, Gunawan Priatna , Wowon Prihanto Ngesti Basuki Priyadi Priyadi Purwoko, Agus Puteri Justia Kardia Momuat Wahani Puteri Justia Kardia Momuat Wahani Qurotul Aini Ratu, Herman Huki Ravensca Matatula Raymond Elias Mauboy Riko Yudistira Rina Pratiwi Pudja I. A Rohmad Abidin, Rohmad Rony, Zahara Tussoleha Roy Rudolf Huizen Santoso, Nuke Puji Lestari Sarassati, Dwi Sinta Sebastian, Danny Septian Silvianugroho Septio, Pius Aldi Sri Hartati Stanny Dewanty Rehatta Stevanus Dwi Istiavan Mau Supit, Christanti Ekkelsia Suryasatria Trihadaru Suryasatriya Trihandaru Susatyo, Yeremia Alfa Sutarto Wijono Theopillus J. H. Wellem Tirsa Ninia Lina Triloka Mahesti Triloka Mahesti Untung Rahardja Untung Rahardja Valentino Kevin Sitanayah Que Vinsensius Aprila Kore Dima Wasis Pancoro Wicaksono, Muhammad Ryqo Jallu Winarko, Edi Wiwin Sulistyo Yansen Bagas Christianto Yerik Afrianto Singgalen Yesi Arumsari Yohanes Aji Priambodo Yudo Devianto Yuliawan, Kristia