Garuda - Garba Rujukan Digital

Article Per Year (5 Year)

All

Sistemasi: Jurnal Sistem Informasi

stmsi
Website

Published by Universitas Islam Indragiri

ISSN : 23028149 EISSN : 25409719 DOI : -

Core Subject : Science, Engineering,

Computer Science & IT Electrical & Electronics Engineering

Sistemasi adalah nama terbitan jurnal ilmiah dalam bidang ilmu sains komputer program studi Sistem Informasi Universitas Islam Indragiri, Tembilahan Riau. Jurnal Sistemasi Terbit 3x setahun yaitu bulan Januari, Mei dan September,Focus dan Scope Umum dari Sistemasi yaitu Bidang Sistem Informasi, Teknologi Informasi,Computer Science,Rekayasa Perangkat Lunak,Teknik Informatika

Arjuna Subject : -

Articles 1,011 Documents

22 23 24 25 26

EVALUASI USER EXPERIENCE DENGAN PENDEKATAN USABILITY TESTING PADA SISTEM INFORMASI SMART ACADEMIC Ria Andriani
Sistemasi: Jurnal Sistem Informasi Vol 9, No 3 (2020): Sistemasi: Jurnal Sistem Informasi
Publisher : Program Studi Sistem Informasi Fakultas Teknik dan Ilmu Komputer

ABSTRACTSmart Academic is an information system used by administrative staff to manage administrative activities from upstream to downstream related to academia starting from the pre-lecture process such as Her-Registration of new students, filling in Study Plan Cards, and class division during the lecture process such as semester exams as well as the assessment process of each course, then proceed with administrative processing for the graduation until the graduation process, so that Smart Academic becomes a critical information system for the University if a failure occurs, it will hamper the lecture process which means the system cannot fulfill its objectives. This study evaluates the Smart Academic Information System through user experience with 8 respondents using the Usability Testing approach. This study examines user experience based on the Nielsen Heuristic method, namely Visibility of System, Match Between System and The Real World, User Control and Freedom, Consistency and standards, Preventive error system, Recognition Rather Than Recall, Flexibility and Efficiency, Aesthetic and Minimalist Design, Help User Recognize dialogue, and recovers from error, and Help and Documentation. Studies prove that of the 10 Nielsen Heuristic variables, 4 variables have poor Usability values, namely the Consistency and standards variable, Preventive error system, Aesthetic and Minimalist Design, and Help and DocumentationKeywords: information system evaluation, nielsen heuristic, usability testingABSTRAKSmart Academic merupakan sistem informasi yang digunakan oleh staf administrasi untuk mengelola aktifitas administratif dari hulu ke hilir yang berhubungan dengan akademik mulai dari proses sebelum perkuliahan seperti Her-Registrasi mahasiswa baru, pengisian Kartu Rencana Studi, dan pembagian kelas, selanjutnya saat proses perkuliahan seperti ujian semester serta proses penilaian masing-masing mata kuliah, kemudian dilanjutkan dengan pengolahan administrasi untuk yudisium sampai dengan proses wisuda, sehingga Smart Academic ini menjadi sistem informasi yang kritis bagi pihak Universitas apabila terjadi kegagalan maka akan menghambat proses perkuliahan yang artinya sistem ini tidak dapat memenuhi tujuannya. Penelitian ini melakukan evaluasi terhadap Sistem Informasi Smart Academic melalui pengalaman pengguna dengan jumlah responden sebanyak 8 orang dengan menggunakan pendekatan Usability Testing. Penelitian ini mengkaji pengalaman pengguna berdasarkan metode Nielsen Heuristic yaitu Visibility Of System , Match Between System And The Real World, User Control And Freedom, Consistency and standards, Preventive error system, Recognition Rather Than Recall, Flexibility and Efficient, Aesthetic and Minimalist Design, Help User Recognize dialogue, and recovers from error, dan Help and Documentation. Studi membuktikan bahwa dari 10 variabel Nielsen Heuristic terdapat 4 variabel yang memiliki nilai Usability kurang baik yaitu pada variabel Consistency and standards, Preventive error system, Aesthetic and Minimalist Design, dan Help and Documentation.Kata Kunci: evaluasi sistem informasi, nielsen heuristic, usability testing

Klasifikasi Pasien Kanker Payudara Menggunakan Metode Support Vector Machine dengan Backward Elimination Rina Resmiati; Toni Arifin
Sistemasi: Jurnal Sistem Informasi Vol 10, No 2 (2021): Sistemasi: Jurnal Sistem Informasi
Publisher : Program Studi Sistem Informasi Fakultas Teknik dan Ilmu Komputer

AbstrakKanker payudara merupakan tumor ganas yang tumbuh pada sel-sel payudara dan dapat menyebar di antara jaringan atau organ di sekitar payudara dan berpindah ke bagian tubuh lainnya. Jika deteksi kanker dilakukan sejak dini, memungkinkan dilakukan penanganan yang lebih baik dan timbulnya sel-sel kanker dapat diatasi dengan segera dan dihentikan penyebarannya. Untuk membantu meningkatkan kemampuan pendeteksian otomatis dapat digunakan teknik machine learning dengan metode klasifikasi. Salah satu metode klasifikasi yang dapat digunakan yaitu metode Support Vector Machine. Pada penelitian ini, metode Support Vector Machine diterapkan pada Breast Cancer Coimbra Data Set. Penerapan Backward Elimination bertujuan untuk mengoptimalkan performa suatu model dengan sistem kerja pemilihan mundur dan memilih atribut yang paling relevan pada proses klasifikasi. Hasil penelitian klasifikasi pasien kanker payudara menggunakan metode Support Vector Machine menghasilkan nilai akurasi sebesar 65,22% dan nilai AUC sebesar 0,700 yang termasuk ke dalam kategori Fair Classification. Sedangkan hasil penelitian klasifikasi pasien kanker payudara menggunakan metode Support Vector Machine dengan Backward Elimination menghasilkan nilai akurasi sebesar 95,65% dan nilai AUC sebesar 1,000 yang termasuk ke dalam kategori Excellent Classification. Kata Kunci: backward elimination, kanker payudara, klasifikasi, support vector machine AbstractBreast cancer is a malignant tumor that grows on the cells of the breast and can spread between tissues or organs around the breast and move to other parts of the body. If the detection of cancer is done early, it is possible to do better treatment and the emergence of cancer cells can be treated immediately and stopped spreading. To help improve automatic detection capabilities, machine learning techniques with classification methods can be used. One of the classification methods that can be used is the Support Vector Machine method. In this study, the Support Vector Machine method was applied to the Breast Cancer Coimbra Data Set. The application of Backward Elimination aims to optimize the performance of a model with a backward selection work system and select the most relevant attributes in the classification process. The results of the classification study of breast cancer patients using the Support Vector Machine method resulted in an accuracy value of 65.22% and an AUC value of 0.700 which was included in the Fair Classification category. Meanwhile, the results of the classification research of breast cancer patients using the Support Vector Machine method with Backward Elimination resulted in an accuracy value of 95.65% and an AUC value of 1,000 which is included in the Excellent Classification category. Keywords: backward elimination, breast cancer, classification, support vector machine

SISTEM PENGAMBILAN KEPUTUSAN PENERIMAAN SISWA BARU PADA MA. SABILAL MUHTADIN TEMBILAHAN HULU MENGGUNAKAN METODE ANALYTICAL HIERARCHY PROCESS (AHP) STUDI KASUS : MA. SABILAL MUHTADIN TEMBILAHAN HULU Halisa Halisa; Ilyas Ilyas
Sistemasi: Jurnal Sistem Informasi Vol 2, No 1 (2013): Sistemasi: Jurnal Sistem Informasi
Publisher : Program Studi Sistem Informasi Fakultas Teknik dan Ilmu Komputer

Penelitian ini mengembangkan sistem pendukung keputusan (SPK) dengan memamfaatkan metode analytical hierarchy process (AHP) sebagai proses dalam seleksi penerimaan siswa baru. Dalam proses seleksi ini digunakan beberapa kriteria untuk menentukan calon siswa baru yang mana yang akan diterima. SPK ini membantu sekolah dalam memutuskan siswa mana yang akan diterima. Penelitian skripsi ini lebih menitik beratkan kepada bagaimana merancang dan mengimplementasikan program serta dimaksudkan agar memudahkan dalam hal perhitungan. AHP digunakan sebagai metode dalam perhitungan dalam seleksi penerimaan siswa baru ini. Keyword : sistem pendukung keputusan, SDLC,AHP

RANCANG BANGUN SISTEM ANALISIS KEPUASAN ALUMNI MENGGUNAKAN METODE CSI DAN MATRIX IPA Kristianto Kristianto; Kusnadi Kusnadi; Marsani Asfi
Sistemasi: Jurnal Sistem Informasi Vol 9, No 3 (2020): Sistemasi: Jurnal Sistem Informasi
Publisher : Program Studi Sistem Informasi Fakultas Teknik dan Ilmu Komputer

ABSTRACTAlumni satisfaction survey is one of the way to carried out by Informatics Engineering Study Program at CIC University in the effort to provide maximum learning and service to its students. As a study program that has the highest number of students and graduates in CIC University, Informatics Engineering Study Program routinely conducts alumni satisfaction surveys during graduation registration. Where the survey results are obtained, then analyzed the level of satisfaction and expectations. However, there is a problem, process of collecting survey data is still using paper, then the results have recapitulated for analysis through by SPSS program, so it takes a lot time to analyze. Therefore it need a system to handle these problems. The purpose of this research is to build a web-based alumni satisfaction analysis system using Customer Satisfaction Index (CSI) and Importance Performance Matrix (Matrix IPA) methods. After system has successfully implemented, alumni can fill out the survey by logging in first using their respective NIM. System will produce an analysis in the form of information on the level of overall alumni satisfaction and display the attributes that must be improved which can be taken into consideration by the Informatics Engineering Study Program in improving learning and service. Based on the results of the user accepting test on 3 lecturers of the Informatics Engineering Study Program, the percentage is 79,16 %, it means that alumni satisfaction analysis system is in accordance with the needs.Keywords: alumni satisfaction, CSI, importance performance matrix, satisfaction analysisABSTRAKSurvei kepuasan alumni merupakan salah satu cara yang dilakukan Program Studi Teknik Informatika Universitas CIC Cirebon dalam upaya untuk memberikan pembelajaran dan pelayanan yang maksimal kepada mahasiswanya. Sebagai program studi yang memiliki jumlah mahasiswa dan lulusan terbanyak di Universitas CIC, Program Studi Teknik Informatika rutin mengadakan survei kepuasan alumni pada saat pendaftaran wisuda. Dimana hasil survei yang didapat kemudian dianalisis tingkat kepuasan dan tingkat harapannya. Namun terdapat permasalahan yaitu proses pengumpulan data survei yang masih menggunakan kertas, kemudian hasil yang didapat direkap untuk dianalisis melalui program SPSS. Dengan cara tersebut tentu akan memakan waktu yang cukup lama untuk menganalisisnya. Oleh karena itu diperlukan suatu sistem untuk menangani permasalahan tersebut. Adapun tujuan penelitian ini adalah membangun sistem analisis kepuasan alumni dengan metode analisis Customer Satisfaction Index (CSI) dan Importance Performance Matrix (Matrix IPA). Setelah sistem berhasil diimplementasikan, alumni dapat mengisi survei dengan login terlebih dahulu menggunakan NIM masing-masing. Sistem akan menghasilkan analisis berupa informasi tingkatan kepuasan alumni secara keseluruhan dan menampilkan atribut yang harus ditingkatkan yang dapat menjadi bahan pertimbangan Program Studi Teknik Informatika dalam meningkatkan pembelajaran dan pelayanan. Berdasarkan hasil pengujian User Acceptance Test (UAT) terhadap 3 dosen Program Studi Teknik Informatika, didapat persentase sebesar 79,16% yang artinya sistem analisis kepuasan alumni ini sudah sesuai dengan kebutuhan.Kata Kunci: kepuasan alumni, csi, importance performance matrix, analisis kepuasan

Sistem Pendukung Keputusan Pemilihan Supplier Produk Ritel dengan Metode Analytical Hierarchy Process Friska Marina Uli Hasiani; Tuti Haryanti; Rinawati Rinawati; Laela Kurniawati
Sistemasi: Jurnal Sistem Informasi Vol 10, No 1 (2021): Sistemasi: Jurnal Sistem Informasi
Publisher : Program Studi Sistem Informasi Fakultas Teknik dan Ilmu Komputer

AbstrakSalah satu faktor yang mempengaruhi kinerja perusahaan adalah keberadaan supplier, sehingga pemilihan supplier yang tepat bagi perusahaan merupakan salah satu pengambilan keputusan yang sangat penting yang perlu dilakukan oleh setiap perusahaan yang melibatkan supplier dalam kegiatan bisnisnya. Salah satunya adalah pada PT. Buana Artha Indopratama Jakarta yaitu perusahaan yang bergerak dibidang ritel seperti alat rumah tangga dan botol kosmetik. Pemilihan supplier saat ini dilakukan masih subyektif Permasalahan yang pernah terjadi adalah supplier yang dipilih melakukan keterlambatan dalam pengiriman barang serta kualitas barang yang dikirim terkadang tidak sesuai yang mengakibatkan PT. Buana Artha Indopratama mengalami kerugian dan menimbulkan citra yang kurang baik dimata pelanggan. Penelitian ini bertujuan untuk mencari kriteria-kriteria yang mempengaruhi pemilihan supplier dan menentukan supplier terbaik bagi PT. Buana Artha Indopratama Jakarta dengan menggunakan metode Analytical Hierarchy Process. Hasil pengolahan data dengan 5 alternatif yang memiliki prioritas tertinggi adalah Zhongshan Yijianxing dengan bobot prioritas 0,339 dan Kriteria yang memiliki prioritas tertinggi adalah kriteria kualitas dengan bobot 0,360.Kata Kunci: analitycal hierarcy process, sistem pendukung keputusan, supplier AbstractOne of the factors that affect company performance is the existence of suppliers, so choosing the right supplier for the company is one of the most important decisions that every company involves suppliers in its business activities needs to make. One of them is at PT. Buana Artha Indopratama Jakarta, a company engaged in retail such as household appliances and cosmetic bottles. The selection of suppliers is currently being carried out is still subjective. The problem that has occurred is the selected suppliers make delays in the delivery of goods and the quality of the goods sent is sometimes not suitable which results in PT. Buana Artha Indopratama suffered losses and created a bad image in the eyes of customers. This study aims to find criteria that influence supplier selection and determine the best supplier for PT. Buana Artha Indopratama Jakarta using the Analytical Hierarchy Process method. The results of data processing with 5 alternatives that have the highest priority are Zhongshan Yijianxing with a priority weight of 0.339 and the criteria that have the highest priority are quality criteria with a weight of 0.360.Keywords: analitycal hierarcy process, decision support system, supplier

PERANCANGAN USER INTERFACE HUMAN RESOURCE CLOUD MANAGEMENT SOFTWARE BERBASIS ANDROID Yudi Eko Windarto; Marfuah Marfuah
Sistemasi: Jurnal Sistem Informasi Vol 9, No 3 (2020): Sistemasi: Jurnal Sistem Informasi
Publisher : Program Studi Sistem Informasi Fakultas Teknik dan Ilmu Komputer

ABSTRACTOne social company that helps in the development of IT to help welfare organizations and companies such as building applications to develop IT and addressing social problems is the Tri-Niche Indonesia company. In addition to IT services the Tri-Niche also develops other innovative projects at home that support the resolution of various social problems through the power of IT by collaborating with welfare entities and companies. IT has unlimited potential, always advancing and developing. One of the things done by Tri-Niche Indonesia is by preparing an application to manage company employee data so that it is easier to make rescue related to human resources needed. The research objective was to build a user interface design for HR monitoring applications. First, make preparations in the form of identification of problems related to the user interface and data collection techniques using interview techniques. The design stage analyzes the solution and then builds a user interface based on user needs using HRCMS. HRCMS is a graphical display that is used as a liaison between the "HRCMS" Application and users. This research builds user interfaces to animate employee data using Android HRCMS. The results of this study consist of a simple User Interface design based on the principle of User Interface Design as a reference to make it easier for employees to use applications.Keywords: Android HRCMS, Design, Mobile Application , User Interface.ABSTRAKSalah satu perusahaan sosial yang berfokus pada pemanfaatan kekuatan teknologi informasi untuk membantu organisasi kesejahteraan dan perusahaan seperti membangun aplikasi inovatif untuk menyelesaikan kendala TI serta mengatasi masalah sosial adalah Tri-Niche Indonesia. Selain layanan TI Tri-Niche juga mengembangkan proyek inovatif in-house lainnya yang bertujuan untuk menyelesaikan berbagai masalah sosial melalui kekuatan TI dengan berkolaborasi dengan entitas kesejahteraan dan perusahaan. TI memiliki potensi yang tidak terbatas, selalu maju dan berkembang. Salah satu hal yang dilakukan Tri-Niche Indonesia ialah mempersiapakan aplikasi untuk memanajemen data pegawai perusahaan agar lebih mudah dalam melakukan pemantauan sumber daya manusia (SDM) yang dimiliki. Penelitian ini bertujuan membangun rancangan user interface terkait aplikasi pemantauan SDM. Pada tahap utama melakukan persiapan berupa identifikasi masalah yang berkaitan dengan user interface dan teknik pengumpulan data dengan melakukan wawancara. Tahap perancangan melakukan analisis solusi dan kemudian membangun user interface berdasarkan kebutuhan pengguna menggunakan HRCMS. HRCMS (Human Resource Cloud Management Software) merupakan bentuk tampilan grafis yang digunakan sebagai penghubung antara Aplikasi “HRCMS” dengan pengguna. Penelitian ini membangunan User interface untuk memantau data pegawai menggunakan Android HRCMS. Hasil penelitian berupa rancangan User Interface yang sederhana berdasarkan prinsip User Interface Design sebagai acuan untuk memudahkan para pegawai dalam penggunaan aplikasi.Kata Kunci: Android HRCMS, Design, Aplikasi Mobile, User Interface.

Klasifikasi Tutupan Lahan Menggunakan Convolutional Neural Network pada Citra Satelit Sentinel-2 Eka Miranda; Mediana Aryuni
Sistemasi: Jurnal Sistem Informasi Vol 10, No 2 (2021): Sistemasi: Jurnal Sistem Informasi
Publisher : Program Studi Sistem Informasi Fakultas Teknik dan Ilmu Komputer

AbstrakPerencanaan dan pemantauan penggunaan lahan masih menjadi masalah di banyak negara berkembang seperti Indonesia. Teknologi konvensional dan observasi lapangan yang digunakan saat ini memiliki kendala terkait dengan wilayah Indonesia yang luas. Deep learning dan citra satelit dapat digunakan untuk mendukung otomatisasi pemantauan dan klasifikasi tutupan lahan. Tujuan penelitian ini adalah mengembangkan metode klasifikasi berdasarkan Convolutional Neural Network (CNN) dan citra satelit Sentinel-2. Penelitian ini menggunakan: fitur spektral, indeks spektral, fitur spasial sebagai input dan definisi kelas tutupan lahan dari dokumen RSNI-1 Badan Standar Nasional Indonesia untuk Klasifikasi Kelas Penutupan Lahan dalam Penafsiran Citra Optis Resolusi Sedang sebagai dasar untuk ekstraksi fitur. Area citra penelitian terletak di daerah Semarang. Alur penelitian meliputi: Mendefinisikan kelas hutan berdasarkan dokumen RSNI-1, Mengekstraksi fitur optik citra berdasarkan definisi kelas tutupan lahan, Mengekstraksi fitur citra dari citra satelit Sentinel-2, dan Mengklasifikasikan fitur objek citra menggunakan pengklasifikasi CNN. Segmentasi citra menghasilkan 2072 objek dengan menggunakan eCognition. Label kelas data pengujian ditentukan menggunakan pelatihan semi terawasi. Klasifikasi tutupan lahan dilakukan menggunakan Convolutional Neural Network untuk mengklasifikasikan objek ke kelas tutupan lahan hutan kering primer, hutan kering sekunder, hutan tanaman, padang rumput, pemukiman, badan air atau tanah terbuka. Metode CNN yang digunakan mampu mengklasifikasi dengan baik yaitu overall accuracy 98.4% untuk data pelatihan dan data pengujian, serta rata-rata nilai akurasi user’s accuracy dan producer’s accuracy lebih besar dari 95% untuk tiap kelas tutupan lahan.Kata kunci: Convolutional Neural Network (CNN), klasifikasi tutupan lahan, Sentinel-2,AbstractLand cover planning and monitoring are problems in many developing countries and Indonesia. Conventional technology and field observations have constraint related to the wide coverage area in Indonesia. Deep learning and satellite imagery can be used to support automation of monitoring and land cover classification and planning. The research aimed to study a classification method based on Convolutional Neural Network (CNN) and Sentinel-2 satellite imagery. Spectral indices and spatial features were used as an input whereas the RSNI-1 document Indonesian National Standards Agency for Land cover classification in Medium Resolution Optical Images Interpretation as a basis for feature extraction. The study area covered land cover in Semarang area. The research flow consists of Defining forest classes based on the RSNI-1 document, Extracting optical features of imagery from the definition of land cover class, Extracting image features from Sentinel-2 satellite imagery, and Classifying the image object feature using the CNN. Image segmentation produced 2072 objects using eCognition software. Training data label for each class determined using a semi-supervised training approach. The land cover classification performed using the Convolutional Neural Network to classify the object into land cover class namely primary dry forest, secondary dry forest, plantation forest, grassland, settlement, waterbody or bare land. This research showed the CNN method performs high accuracy value result: overall accuracy of 98.4% for both training data and testing data. Avarage accuracy value for User’s accuracy and producer’s accuracy are more than 95% for each land cover classes.Keywords: Convolutional Neural Network (CNN), land cover classification, Sentinel-2

Rancang Bangun Sistem Klasifikasi Biji Pinang Menggunakan Metode Nearest Mean Classifier Berbasis Android Andika Firmansyah; Abdullah Abdullah; Samsudin Samsudin
Sistemasi: Jurnal Sistem Informasi Vol 10, No 1 (2021): Sistemasi: Jurnal Sistem Informasi
Publisher : Program Studi Sistem Informasi Fakultas Teknik dan Ilmu Komputer

AbstrakPinang (areca catechu) merupakan tumbuhan yang memiliki nilai ekonomis. Buah pinang dikupas kulitnya diolah menjadi biji pinang kering dan selanjutnya dijual ke pengepul. Budidaya pinang mudah dilakukan dan tidak butuh pemeliharaan ekstra dalam perawatannya, sehingga sebagian besar masyarakat di daerah ini senang menjadi petani pinang. Walau bagaimanapun juga penentuan harga biji pinang berdasarkan persentase kekeringan pinang menimbulkan masalah. Penentuan dilakukan sepihak oleh pihak pengepul, dimana dilakukan secara kasat mata sehingga kurang akurat, sehingga berpotensi merugikan pihak petani pinang. Oleh karena itu tujuan penelitian ini adalah membangun sebuah aplikasi sistem cerdas yang dapat membantu dalam mengidentifikasi persentase kekeringan biji pinang. Aplikasi ini berbasis android yang memanfaatkan kamera hand phone yang terdapat di perangkat pintar ponsel android. Penelitian ini akan mencari fitur yang tepat digunakan sebagai pembeda kekeringan antara biji pinang yang satu dengan yang lain. Penelitian ini juga akan mencari algoritma yang tepat untuk melakukan klasifikasi persentase kekeringan biji pinang tersebut. Berdasarkan hasil evaluasi diketahui tingkat akurasi metode Nearest Mean Classifier dalam menentukan kualitas biji pinang adalah sebesar 80 % dengan simpangan baku 7,6. Aplikasi ini diharapkan dapat membantu proses klasifikasi biji pinang dengan lebih cepat, tepat dan akurat dengan memuaskan kedua belah pihak pengepul dan petani. Aplikasi ini juga diharapkan dapat diterima untuk dijadikan alat ukur standar dalam penentuan persentase kekeringan biji pinang sehingga bermanfaat dalam rangka menentukan harga jual biji pinang.Kata Kunci: android, sistem cerdas, klasifikasi, biji pinang AbstractAreca nut (areca catechu) is a plant that has economic value. The peeled areca nut is processed into dried areca nut and then sold to collectors. Cultivating areca nut is easy to do and does not require extra maintenance to maintain, so most people in this area are happy to be areca nut farmers. However, determining the price of areca nut based on the percentage of dryness of the areca nut creates problems. The collectors make the determination unilaterally, which is done in manual so that it is less accurate, so it has the potential to harm the areca nut farmers. Therefore, the aim of this research is to build a smart system application that can help identify the dry percentage of areca nuts. This application is based on android which utilizes a camera device on an android smartphone. This study identify the features that are appropriate to classify areca nuts. This research will also identify the right algorithm to classify the percentage of dryness of the areca nuts. Based on the results of the evaluation, it is known that the accuracy rate of the Nearest Mean Classifier method in determining the quality of areca nuts is 80% with a standard deviation of 7.6. This application is expected to help the classification process of areca nuts more quickly, precisely and accurately by satisfying both collectors and farmers. This application is also expected to be accepted as a standard measuring tool in determining the percentage of dryness of areca nuts so that it is useful in determining the selling price of areca nuts.Keywords: android, areca nuts, classification, intelligent system

Implementasi Object Tracking untuk Deteksi Titik Laser Menggunakan Raspberry Pi 4 Lies Teddy Galang Ramadhan; Florentinus Budi Setiawan; Slamet Riyadi; Leonardus Heru Pratomo
Sistemasi: Jurnal Sistem Informasi Vol 10, No 2 (2021): Sistemasi: Jurnal Sistem Informasi
Publisher : Program Studi Sistem Informasi Fakultas Teknik dan Ilmu Komputer

AbstrakPenelitian ini menyajikan sistem pan-tilt servo yang dapat mengikuti objek yang telah ditentukan. Perlu tercapainya pelacakan yang otomatis dan dapat terpantau melalui monitor. Sistem pada alat ini menggunakan raspberry pi atau komputer kecil, pi camera, pan-tilt servo, laser dan metode template matching. Template matching adalah metode pada pengolahan citra digital untuk menemukan bagian-bagian kecil dari gambar yang cocok dengan gambar template. Raspberry pi terhubung pi camera, kamera berfungsi menangkap gambar pada objek setelah disinari titik laser yang digerakkan oleh pan-tilt servo. Menggunakan motor servo yang rasio torsi terhadap beban dan keakuratan. Pengenalan warna atau color recognition dilakukan menggunakan openCV yang terinstall pada raspberry pi. Hasil pada alat ini berupa software yang dapat melakukan object tracking dari penangkapan pi camera dengan jarak objek 2 meter.Kata kunci: camera, raspberri pi,pan-tilt servo, template matching. AbstractThis study presents the pan-tilt servo system to follow an object that has been determined.Need to achieve automatic tracking and can be observed through the monitor.The system in this tool uses a raspberry pi or small computer, pi camera, pan-tilt servo, laser and template matching methods.Template matching is a method of processing the digital image to find small parts of the image that matches the template image.Raspberry pi connected to pi camera, the camera functions to capture images of objects after being illuminated by a laser point which is moved by a pan-tilt servo.Using a servo motor which has the ratio of torque to load and accuracy. Color recognition or color recognition is done using openCV installed on the raspberry pi. The result of this tool is software that can perform object tracking from the capture of the pi camera with an object distance of 2 meters. Keywords: camera, raspberri pi,pan-tilt servo, template matching.

Klasterisasi Pahlawan Nasional Indonesia Berdasarkan Daerah Asal Menggunakan Algoritma Community Detection Luh Putu Gayatri Widiastuti; Nida Inayah Maghfirani; Nur Aini Rakhmawati
Sistemasi: Jurnal Sistem Informasi Vol 10, No 1 (2021): Sistemasi: Jurnal Sistem Informasi
Publisher : Program Studi Sistem Informasi Fakultas Teknik dan Ilmu Komputer

AbstrakKisah sejarah sampai kemerdekaan Indonesia tak pernah lepas dari kurikulum pendidikan wajib belajar 12 tahun. Namun seiring dengan perkembangan zaman, hipotesis-hipotesis sejarah Indonesia juga ikut berkembang. hipotesis-hipotesis juga membantu sejarawan untuk melihat sejarah Indonesia menjadi lebih utuh. Untuk mendukung perkembangan tersebut, penulis mencoba mengimplementasikan algoritma Community Detection untuk mencari keterkaitan antar pahlawan nasional. Sumber data pahlawan nasional yang digunakan pada penelitian ini adalah id.dbpedia. Namun akibat inkonsistensi dan sedikitnya data yang disimpan di id.dbpedia, maka pengumpulan data tidak berhenti di id.dbpedia saja. Salah satu sumber data yang jumlah datanya lebih banyak dari id.dbpedia adalah Wikipedia. Data yang diperoleh kemudian dilakukan standarisasi secara manual, dan dibuatkan graf di Jupyter. Algoritma Community Detection digunakan untuk menemukan klaster-klaster komunitas pahlawan nasional Indonesia berdasarkan data daerah dan tahun. Community Detection menunjukkan bahwa data yang diolah dengan menggunakan Algoritma Greedy Modularity memiliki 16 komunitas atau kelompok. Selain itu, sebuah pola ditemukan pada 6 komunitas yang ada berdasarkan Algoritma Girvan Newman Sehingga dapat disimpulkan bahwa Algoritma Greedy Modularity menghasilkan lebih banyak klasifikasi komunitas.Kata Kunci: algoritma, klasterisasi, deteksi komunitas, pahlawan nasional indonesia, daerah, tahun AbstractThe story of history Indonesia until Indonesia's independence has never been separated from the 12-year compulsory education curriculum. However, along with the times, historical hypotheses in Indonesia also developed. Hypotheses also help historians to see Indonesian history more fully. To support this development, the author tries to implement the Community Detection algorithm to find linkages between national heroes. The data source for the national heroes used in this study is id.dbpedia. However, due to inconsistencies and the lack of data stored on id.dbpedia, data collection does not stop at id.dbpedia only. One of the data sources with more data than id.dbpedia is Wikipedia. After the data was obtained, then it standardized manually, and graphs were made in Jupyter. The Community Detection algorithm is used to find clusters of Indonesian national hero communities based on regional and year data Community Detection shows that the data processed using the Greedy Modularity Algorithm generates 16 communities or groups. In addition, a pattern was found in 6 existing communities based on the Newman Girvan Algorithm. So it can be concluded that the Greedy Modularity Algorithm produces more community classifications.Keywords: algorithm, clustering, community detection, indonesian national heroes, region, years

Page 24 of 102 | Total Record : 1011

22 23 24 25 26

Filter by Year

2013 2026

Filter By Issues

All Issue Vol 15, No 3 (2026): Sistemasi: Jurnal Sistem Informasi Vol 15, No 2 (2026): Sistemasi: Jurnal Sistem Informasi Vol 15, No 1 (2026): Sistemasi: Jurnal Sistem Informasi Vol 14, No 6 (2025): Sistemasi: Jurnal Sistem Informasi Vol 14, No 5 (2025): Sistemasi: Jurnal Sistem Informasi Vol 14, No 4 (2025): Sistemasi: Jurnal Sistem Informasi Vol 14, No 3 (2025): Sistemasi: Jurnal Sistem Informasi Vol 14, No 2 (2025): Sistemasi: Jurnal Sistem Informasi Vol 14, No 1 (2025): Sistemasi: Jurnal Sistem Informasi Vol 13, No 6 (2024): Sistemasi: Jurnal Sistem Informasi Vol 13, No 5 (2024): Sistemasi: Jurnal Sistem Informasi Vol 13, No 4 (2024): Sistemasi: Jurnal Sistem Informasi Vol 13, No 3 (2024): Sistemasi: Jurnal Sistem Informasi Vol 13, No 2 (2024): Sistemasi: Jurnal Sistem Informasi Vol 13, No 1 (2024): Sistemasi: Jurnal Sistem Informasi Vol 12, No 3 (2023): Sistemasi: Jurnal Sistem Informasi Vol 12, No 2 (2023): Sistemasi: Jurnal Sistem Informasi Vol 12, No 1 (2023): Sistemasi: Jurnal Sistem Informasi Vol 11, No 3 (2022): Sistemasi: Jurnal Sistem Informasi Vol 11, No 2 (2022): Sistemasi: Jurnal Sistem Informasi Vol 11, No 1 (2022): Sistemasi: Jurnal Sistem Informasi Vol 10, No 3 (2021): Sistemasi: Jurnal Sistem Informasi Vol 10, No 2 (2021): Sistemasi: Jurnal Sistem Informasi Vol 10, No 1 (2021): Sistemasi: Jurnal Sistem Informasi Vol 9, No 3 (2020): Sistemasi: Jurnal Sistem Informasi Vol 9, No 2 (2020): Sistemasi: Jurnal Sistem Informasi Vol 9, No 1 (2020): Sistemasi: Jurnal Sistem Informasi Vol 8, No 3 (2019): Sistemasi: Jurnal Sistem Informasi Vol 8, No 2 (2019): Sistemasi: Jurnal Sistem Informasi Vol 8, No 1 (2019): Sistemasi Vol 8, No 1 (2019): Sistemasi: Jurnal Sistem Informasi Vol 7, No 3 (2018): Sistemasi: Jurnal Sistem Informasi Vol 7, No 2 (2018): Sistemasi: Jurnal Sistem Informasi Vol 7, No 2 (2018): SISTEMASI Vol 7, No 1 (2018): Sistemasi: Jurnal Sistem Informasi Vol 6, No 3 (2017): Sistemasi: Jurnal Sistem Informasi Vol 6, No 2 (2017): Sistemasi: Jurnal Sistem Informasi Vol 6, No 1 (2017): Sistemasi: Jurnal Sistem Informasi Vol 5, No 3 (2016): Sistemasi: Jurnal Sistem Informasi Vol 5, No 2 (2016): sistemasi Vol 5, No 2 (2016): Sistemasi: Jurnal Sistem Informasi Vol 5, No 1 (2016): Sistemasi: Jurnal Sistem Informasi Vol 4, No 3 (2015): Sistemasi: Jurnal Sistem Informasi Vol 4, No 2 (2015): Sistemasi: Jurnal Sistem Informasi Vol 4, No 1 (2015): Sistemasi: Jurnal Sistem Informasi Vol 3, No 4 (2014): SISTEMASI: Jurnal Sistem Informasi Vol 3, No 3 (2014): Sistemasi: Jurnal Sistem Informasi Vol 3, No 2 (2014): Sistemasi: Jurnal Sistem Informasi Vol 3, No 1 (2014): Sistemasi: Jurnal Sistem Informasi Vol 2, No 4 (2013): Sistemasi: Jurnal Sistem Informasi Vol 2, No 3 (2013): Sistemasi: Jurnal Sistem Informasi Vol 2, No 2 (2013): Sistemasi:Jurnal Sistem Informasi Vol 2, No 1 (2013): Sistemasi: Jurnal Sistem Informasi More Issue

Home Page

OAI Link

Editorial Team

Contact

Reviewer

Google Scholar

Contact Name
-

Contact Email
-

Phone
-

Journal Mail Official
-

Editorial Address
-

Location
Kab. indragiri hilir,

Riau

INDONESIA

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Home Page

OAI Link

Editorial Team

Contact

Reviewer

Google Scholar

Contact Name -

Contact Email -

Phone -

Journal Mail Official -

Editorial Address -

Location Kab. indragiri hilir, Riau INDONESIA

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Contact Name
-

Contact Email
-

Phone
-

Journal Mail Official
-

Editorial Address
-

Location
Kab. indragiri hilir,

Riau

INDONESIA