cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Agus Tedyyana
Contact Email
Agus Tedyyana
Phone
-
Journal Mail Official
agustedyyana@polbeng.ac.id
Editorial Address
-
Location
Kab. bengkalis,
Riau
INDONESIA
INOVTEK Polbeng - Seri Informatika
Published by Politeknik Negeri Bengkalis
ISSN : 25279886     EISSN : -     DOI : -
Core Subject : Science,
Computer Science & IT
Jurnal Inovasi dan Teknologi Seri Informatika (Jurnal INOVTEK Polbeng - Seri Informatika) Politeknik Negeri Bengkalis merupakan jurnal informatika berbasis penelitian ilmiah. Jurnal ini diharapkan dapat sebagai wadah akademisi, peneliti dan praktisi menyebarkan hasil penelitian. Jurnal INOVTEK Polbeng - Seri Informatika menerbitkan naskah berkaitan dengan Web and Mobile Computing, Image processing, System Cerdas, Sistem Informasi, Database, DSS, IT project management, Geographical Information System, Teknologi Informasi, Computer Network and Security, Wireless Sensor Network, dan lainya.
Arjuna Subject : -
Articles 261 Documents
 23   24   25   26   27 
SISTEM INFORMASI MONITORING INSYIRA PEKANBARU BERBASIS WEB MENGGUNAKAN AGILE DEVELOPMENT Novansyah, Rizky; Novita, Rice; Munzir, Medyantiwi Rahmawati; Nursalisah, Febi
Jurnal Inovtek Polbeng Seri Informatika Vol 9, No 1 (2024)
Publisher : P3M Politeknik Negeri Bengkalis

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35314/isi.v9i1.3813

Abstract

Perkembangan teknologi informasi saat ini memiliki dampak signifikan pada berbagai aspek kehidupan di Indonesia. Sistem Informasi Manajemen (SIM) menjadi elemen kunci bagi pelaku bisnis, termasuk Rumah Produksi Insyira di Pekanbaru, untuk meningkatkan efisiensi dan produktivitas. Meski demikian, rumah produksi ini menghadapi tantangan dalam mengelola bahan baku dan proses produksi, sehingga memerlukan solusi yang efektif. Penelitian ini bertujuan untuk merancang dan menerapkan "Sistem Informasi Monitoring Satu Pintu" di Rumah Produksi Insyira, berdasarkan metode Agile Development dan pendekatan Object Oriented Analysis Design (OOAD). Fokusnya adalah mengoptimalkan pengumpulan dan pemrosesan data produksi, mempermudah pemantauan stok bahan baku, serta mendukung pengambilan keputusan manajemen. Dengan adopsi sistem ini, diharapkan efisiensi dan efektivitas produksi Rumah Produksi Insyira dapat meningkat. Keamanan data menjadi perhatian utama dalam pengembangan sistem ini. Implementasi ini diharapkan dapat meningkatkan kualitas produk, memperbaiki efisiensi waktu produksi, dan memberikan dukungan yang lebih baik dalam pengambilan keputusan manajemen. Secara keseluruhan, diharapkan "Sistem Informasi Monitoring Satu Pintu" menjadi solusi terintegrasi yang mendukung pertumbuhan dan keberlanjutan bisnis Rumah Produksi Insyira. Sistem ini telah didukung dan diuji menggunakan metode pengujian blackbox dan User Acceptance Testing (UAT), dengan hasil nilai 96%, menunjukkan penerimaan yang baik dari pengguna.
Prediksi Harga Bitcoin Menggunakan Algoritma Long Short Term Memory (LSTM) Febriansyah, Febriansyah; Sujjada, Alun; Sembiring, Falentino
Jurnal Inovtek Polbeng Seri Informatika Vol 9, No 1 (2024)
Publisher : P3M Politeknik Negeri Bengkalis

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35314/isi.v9i1.4247

Abstract

Cryptocurrency is a digital currency made from sequence code or called blockchain, one of the cryptocurrencies is bitcoin. Prediction is a process that projects or imagines what might happen in the future based on data in the past or factors that influence the current situation. Bitcoin price prediction uses a deep learning approach with the Long Short Term Memory method. Long Short-Term Memory is a type of model from the Recurrent Neural Network (RNN) algorithm, a method designed to process data and can overcome the problem of price movements that have long-term dependencies that cannot be handled by traditional RNN models, the LSTM model has the ability “Remembers” information over long periods of time, so as to recognize patterns and trends. In this study, the prediction period used a dataset from 12 December 2020 to 14 April 2024. The evaluation results for the RMSE method for train data were 17318.40 and for test data were 27921.84 and for the MAPE method for train data it was 3.24% and for test data it was 3.24%. 5.36%. This shows that the RMSE and MAPE values in the data train are relatively small because they are vulnerable to the bitcoin price being too wide.
Optimasi Algoritma Support Vector Machine (SVM) Dengan Menggunakan Feature Selection Gain Ratio Untuk Analisis Sentimen Yamin, Mochamad Amzah; Kusnadi, Kusnadi; Bayuaji, Luhur
Jurnal Inovtek Polbeng Seri Informatika Vol 9, No 1 (2024)
Publisher : P3M Politeknik Negeri Bengkalis

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35314/isi.v9i1.4197

Abstract

The ease of internet access has had a positive impact on the increase in the number of social media users in Indonesia. One of the most widely used applications is X or Twitter. Users often upload posts that contain opinions or sentiments, which trigger debates and discussions. This is interesting to analyze as a study of sentiments or opinions that are trending in society. For this analysis, algorithms such as Support Vector Machine (SVM) are required, which are often used for sentiment analysis. However, SVM lacks in accuracy due to the large number of similar words in the dataset. Words related to sentiment analysis usually have large dimensions, so feature selection is needed to improve SVM performance. This research aims to optimize SVM accuracy by using Feature Selection Gain Ratio. The object of research is a dataset related to the 2017 DKI elections from GitHub. The results showed an increase in SVM accuracy with Feature Selection Gain Ratio. With threshold weight gain ratio 0.0001 (1732 features), accuracy increases from 61.63% to 71.51%. For threshold weights 0.002 (518 features), the accuracy increased from 61.63% to 62.79%. Feature selection with Feature Selection Gain Ratio gain ratio produces better accuracy than gain ratio, namely 56.40% with gain ratio and 71.51% with gain ratio for weights 0.0001. The implications of these findings show that the use of Feature Selection Gain Ratio can improve the accuracy of SVM in sentiment analysis. Social media practitioners can utilize this technique to gain more accurate insights from user data. Further research can focus on developing sentiment analysis algorithms with more sophisticated feature selection techniques for various applications on social media platforms.
Diagnosis Dini Penyakit Gagal Ginjal Dengan Metode Dempster Fakhira, Adzra; Insani, Fitri; Irsyad, Muhammad; Vitriani, Yelfi; Kurnia, Fitra
Jurnal Inovtek Polbeng Seri Informatika Vol 8, No 2 (2023)
Publisher : P3M Politeknik Negeri Bengkalis

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35314/isi.v8i2.3728

Abstract

Terlambatmendeteksipenyakitgagalginjalakanberakibatseriuskarenadiagnosisbiasanya terjadiketika masalah ginjal sudah mencapai tingkat parah. Seperti yang telah terjadi di Indonesia pada tahun 2022 lalu, terdapat 324 kasus terkonfirmasi dan 195 diantaranya meninggal dunia. Hal yang mempengaruhiketerlambatankesadaranpenderitaadalahpengetahuanyangkurangterhadapbahayapenyakit gagal ginjal. Penyakit gagal ginjal dapat disebabkan oleh dehidrasi, penyakit kronis seperti hypertensi dan diabetes, serta kekurangan banyak darah akibat  cedera atau operasi. Penggunaan teknologi dapat terwujud melalui pembuatan sistem pakardengan metode Dempster Shafer guna mendiagnosis penyakit gagal ginjal.Dalam sistem pakardiagnosis dini penyakit gagal ginjal ini penggunadiperintahkan agar mengisi data diri singkatdan gejala-gejala yang dialami. Selanjutnya sistem akan mengkombinasi gejala yang telahdipilih dengan metode Dempster Shafer menggunakan teori kepercayaan pakar sehingga mendapatkan hasil diagnosis berupa persentase pengguna mengidap penyakit gagal ginjal akut atau kronis, dan solusi untuk tindakan pengguna berikutnya. Penelitian ini telah menghasilkan sistem yang mampu mendiagnosis penyakit gagal ginjal dan dapat diterima dengan baik oleh pengguna
PENGEMBANGAN KNOWLEDGE MANAGEMENT SYSTEM UNTUK PENINGKATAN PEMAHAMAN PEGAWAI DI BADAN PERENCANAAN DAN PEMBANGUNAN DAERAH KOTA MEDAN Syazwina, Azra Diro; Ikhwan, Ali
Jurnal Inovtek Polbeng Seri Informatika Vol 9, No 1 (2024)
Publisher : P3M Politeknik Negeri Bengkalis

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35314/isi.v9i1.4039

Abstract

Pengetahuan adalah aset berharga yang harus diperlakukan dengan baik disetiap lembaga atau organisasi. Untuk membantu proses kerjanya dalam meningkatkan pemahaman serta rencana dan perumusan kebijakan, Badan Perencanaan dan Pembangunan Daerah (BAPPEDA) Kota Medan membutuhkan transfer pengetahuan yang efektif. Tujuan dari penelitian ini ialah untuk mengembangkan sebuah Knowledge Management System (KMS) berbasis website guna membantu pengelolaan, penyimpanan, penyebarluasan, dan identifikasi sumber daya pengetahuan pada BAPPEDA Kota Medan. Metode pengembangan sistem yang digunakan adalah waterfall dengan tahapan penelitian berupa analisis, desain, pengkodean, pengujian dan pemeliharaan dengan menggunakan kerangka kerja Laravel dan bahasa pemrograman HTML, PHP, dan MySQL untuk manajemen server database. Pengujian dilakukan menggunakan metode Black Box Texting yang mengkonfirmasi bahwa sistem beroperasi sesuai dengan tujuan yang dimaksudkan. KMS yang dikembangkan berhasil mengelola, menyimpan, menyebarluaskan, dan mengidentifikasi pengetahuan secara terpusat dalam bentuk digital untuk memudahkan pegawai mengakses dan berbagi pengetahuan guna meningkatkan pemahaman pegawai serta mendukung perumusan kebijakan dan rencana pembangunan daerah.
Tata Kelola Rekam Medis Berbasis Elektronik Dalam Pelaporan Mortalitas Pasien Rawat Inap Menggunakan Metode Agile Software Development Rahmaliani, Isfazriah; Abdussalaam, Falaah; Gunawan, Erik; Soelistijaningrum, Matoeari
Jurnal Inovtek Polbeng Seri Informatika Vol 8, No 2 (2023)
Publisher : P3M Politeknik Negeri Bengkalis

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35314/isi.v8i2.3532

Abstract

Dalam mewujudkan tata kelola rekam medis yang baik di bagian pelaporan mortalitas pasien rawat inap, dibutuhkan suatu teknologi sistem informasi pelaporan mortalitas yang terintegrasi. Berdasarkan penelitian yang telah dilakukan, peneliti masih menemukan permasalahan yaitu pengolahan dan pelaporan data mortalitas pasien rawat inap di Rumah Sakit X belum sepenuhnya terkomputerisasi. Sehingga menjadi tidak konsisten dalam penginputan dan pengumpulan data, hal ini menyebabkan keterlambatan pelaporan data mortalitas. Maka dari itu, peneliti merancang sistem informasi pelaporan mortalitas pasien rawat inap. Metode Penelitian yang digunakan yaitu Kualitatif Deskriptif, dengan Teknik Pengumpulan Data: studi pustaka, studi lapangan dan wawancara bersama Kepala Rekam Medis dan staf pengolahan data rekam medis di Rumah Sakit X. Menggunakan metode pengembangan perangkat lunak yaitu Metode Agile Software Development yang dimulai dari tahap requirement-design-development-testing-deployment dan menerapkan fitur keamanan dilengkapi username serta password sehingga hanya dapat diakses oleh petugas. Hasil akhir dari perancangan sistem informasi mortalitas pasien rawat inap dapat diimplementasikan guna menciptakan pengolahan dan pelaporan data yang kompatibilitas dan interoperabilitas dengan baik serta menjamin tersedianya informasi kesehatan yang akurat dan mudah diakses, sehingga dapat digunakan untuk menunjang dalam proses fungsi manajemen, pelayanan, dan pengambilan keputusan.
Analisa Marketplace Facebook terhadap Kepuasan Pengguna dengan menggunakan Metode E-Servqual Alfarizi, Farrelino; Rahmawita, Medyantiwi
Jurnal Inovtek Polbeng Seri Informatika Vol 9, No 1 (2024)
Publisher : P3M Politeknik Negeri Bengkalis

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35314/isi.v9i1.3932

Abstract

Pada tahun 2016, fitur baru Marketplace diluncurkan di aplikasi Facebook. Sesuai namanya, ini adalah pasar online yang melayani berbagai transaksi jual beli penggunanya. Meskipun begitu, Marketplace Facebook masih belum menjadi pilihan utama oleh para pengguna yang ingin berbelanja online. Adapun latar belakang untuk penelitian ini yaitu ditemukannya beberapa permasalahan oleh pengguna Marketplace Facebook seperti ketika ingin mencari produk, beberapa produk tidak muncul. Lalu fitur yang ada di Marketplace Facebook dirasa masih kurang dibandingkan dengan E-Commerce lain, seperti tidak adanya fitur live, fitur keranjang, dan fitur tracking barang. Penelitian ini juga dirasa penting untuk mengukur kepuasan pengguna terhadap layanan yang  ada di Marketplace Facebook, dan juga agar mengetahui variabel yang dominan dalam mempengaruhi kepuasan pengguna. Data yang dikumpulkan melalui penyebaran kuesioner kepada sampel sebanyak 95 orang, dengan studi kasus dari penelitian ini yaitu Grup Lapak Online Perawang. Untuk pengolahan datanya dilakukan dengan menggunakan bantuan aplikasi SMART-PLS 4. Menurut hasil, didapat sebuah kesimpulan bahwa ada 5 variabel yang memiliki hubungan secara signifikan dan dianggap telah memenuhi harapan, yaitu Variabel Fulfillment, Contact, Privacy, Responsivness dan Efficiency. Sedangkan 2 Variabel lainnya yaitu Compensation, dan System Avaibility masih belum memenuhi harapan pengguna. Hal ini menunjukkan bahwa pengguna masih cukup puas dan menawarkan 2 rekomendasi perbaikan.
Perbandingan Algoritma Weighted Least Connection dan Weighted Round Robin pada Load Balancing Berbasis Docker Swarm Rahman, Salsabilah Aulia; Hadiwandra, T. Yudi
Jurnal Inovtek Polbeng Seri Informatika Vol 8, No 2 (2023)
Publisher : P3M Politeknik Negeri Bengkalis

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35314/isi.v8i2.3395

Abstract

Perkembangan teknologi telah mengubah kebiasaan menonton televisi di Indonesia dengan peralihan dari televisi analog ke digital dan popularitas layanan video on demand. Namun, peningkatan penggunaan video on demand membawa tantangan dalam menjaga performa server yang harus melayani permintaan tinggi. Solusinya adalah menerapkan teknik load balancing dan algoritma penjadwalan yang efisien, seperti menggunakan docker swarm sebagai teknologi virtualisasi container. Penelitian ini menguji 3 kategori resolusi video 240p, 720p, dan 1080p serta variasi permintaan request dari 1 hingga 10.000. Hasil penelitian menunjukkan bahwa semakin besar resolusi video, ukuran file video juga semakin besar, yang mengakibatkan penurunan throughput dan peningkatan response time, request loss, serta CPU Utilization. Hasil analisis menunjukkan bahwa algoritma weighted least connection lebih unggul daripada weighted round robin berdasarkan parameter yang ditentukan. Implementasi docker swarm berdampak positif dalam menjaga performa server dibandingkan dengan menggunakan single server. Penelitian ini memberikan wawasan mengenai penerapan teknologi dan algoritma dalam meningkatkan performa server video on demand serta memastikan pengalaman menonton yang optimal bagi pengguna. 
Perbandingan Metode TAM Dan UTAUT Dalam Penerimaan Dan Kepuasan Sistem Informasi Administrasi Akademik Nurrahma, Intan; Salisah, Febi Nur; Ahsyar, Tengku Khairil; Rahmawita, Medyantiwi
Jurnal Inovtek Polbeng Seri Informatika Vol 8, No 2 (2023)
Publisher : P3M Politeknik Negeri Bengkalis

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35314/isi.v8i2.3768

Abstract

Universitas XYZ merupakan lembaga yang bergerak dalam bidang pendidikan. Saat ini banyak universitas yang menggunakan sistem informasi akademik untuk memudahkan pekerjaan agar menjadi lebih efektif dan efisien. Hasil survei menunjukkan bahwa adanya beberapa kendala pada sistem informasi administrasi akademik yaitu terjadinya error ataupun server down kondisi error ini seperti tidak bisa login ataupun tidak bisa mengakses fitur yang tersedia kendala berikutnya yaitu ketika mahasiswa ingin mengganti password mereka tidak bisa langsung mengubah di sistem tersebut tetapi harus ke sistem yang lain untuk mengubah password. Penelitian ini menggunanakan metode TAM Dan UTAUT. Tujuan penelitian ini yaitu untuk mengetahui metode mana yang lebih baik dalam penerimaan dan kepuasan penerapan sistem informasi. Hasil dari penelitian menunjukkan Metode UTAUT lebih mampu menjelaskan dengan baik dari pada metode TAM dalam membandingkan penerapan sistem informasi administrasi akademik dimana dengan menggunakan metode TAMdiperoleh nilai R-square pada TAM variabel IT Acceptance adalah 78,2% yang mana nilai ini termasuk kategori model yang kuat dan variabel User Satisfaction nilai R-square nya yaitu 65,3% dimana nilai tersebut masih termasuk dalam kategori kuat. sedangkan pada metode UTAUT R-square untuk variabel IT Acceptance yaitu 83,6% yang mana nilai ini termasuk kategori model yang kuat pada variabel User Satisfaction nilai R-square nya yaitu 74,6% dimana nilai tersebut termasuk kategori kuat.
Pengembangan Sistem Deployment Deteksi untuk Kista Ginjal pada Citra Ct Scan dengan Metode Yolo Salam, Abu; Pawidya, Novandra Putra
Jurnal Inovtek Polbeng Seri Informatika Vol 9, No 1 (2024)
Publisher : P3M Politeknik Negeri Bengkalis

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35314/isi.v9i1.4232

Abstract

Kidney cysts are a medical condition characterized by the formation of fluid-filled sacs on the kidneys, where CT scan image analysis is crucial for diagnosis and management. This study aims to develop a YOLOv5-based object detection model to identify kidney cysts in CT scan images. The research methodology involved training the model with a public dataset from Kaggle and validating it using private clinical data, with manual annotation conducted by a radiographer to ensure data accuracy. The results indicate that the YOLOv5 model achieved high performance with a Mean Average Precision (mAP) of 99.3%, a precision of 97.4%, and a recall of 99.1%. The model was successfully integrated into a Flask-based application, facilitating real-time kidney cyst detection in clinical practice. Consequently, this study demonstrates that the use of YOLOv5 can effectively support medical diagnosis, enhancing the accuracy and speed of kidney cyst detection, and offering a practical and innovative diagnostic tool for healthcare professionals. These findings open up opportunities for applying similar deep learning technologies to other medical conditions, significantly contributing to technological advancements in healthcare.

Page 25 of 27 | Total Record : 261

 23   24   25   26   27 

Filter by Year

2016 2024


Reset
Filter By Issues
All Issue Vol 9, No 1 (2024) Vol 8, No 2 (2023) Vol 8, No 1 (2023) Vol 7, No 2 (2022) Vol 7, No 1 (2022) Vol 6, No 2 (2021) Vol 6, No 1 (2021) Vol 5, No 2 (2020) Vol 5, No 1 (2020) Vol 4, No 2 (2019) Vol 4, No 1 (2019) Vol 3, No 2 (2018) Vol 3, No 1 (2018) Vol 2, No 2 (2017) Vol 2, No 1 (2017) Vol 1, No 2 (2016) Vol 1, No 1 (2016) More Issue