cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Wire Bagye
Contact Email
wirestmik@gmail.com
Phone
-
Journal Mail Official
jirestmiklombok@gmail.com
Editorial Address
-
Location
Kab. lombok tengah,
Nusa tenggara barat
INDONESIA
Jurnal Informatika dan Rekayasa Elektronik
Published by Sekolah Tinggi Manajemen dan Informatika Komputer Lombok
ISSN : 26206900     EISSN : 26206897     DOI : -
Core Subject : Science,
Computer Science & IT
JIRE (Jurnal Informatika dan Rekayasa Elektronik) (eISSN: 2620-6900) diterbitkan oleh LPPM STMIK Lombok sebagai wadah untuk mempublikasikan artikel tentang pengetahuan baru dan penelitian dengan isu terkini yang berkaiatan dengan teknologi informasi, dengan topik Networks, Internet and Mobile Computing, Informatics Technology dan Engineering Jurnal ini terbit 2 (dua) kali dalam setahun yaitu pada bulan April dan Nopember.
Arjuna Subject : -
Articles 232 Documents
 19   20   21   22   23 
PENINGKATAN MODEL KLASIFIKASI SENTIMEN PENGGUNA APLIKASI TOMORO COFFEE MENGGUNAKAN ALGORITMA NAÏVE BAYES Dina Audina; Ade Irma Purnamasari; Agus Bahtiar; Edi Tohidi
Jurnal Informatika dan Rekayasa Elektronik Vol. 8 No. 1 (2025): JIRE APRIL 2025
Publisher : LPPM STMIK Lombok

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

Abstract

Kemajuan teknologi informasi telah merevolusi cara bisnis berinteraksi dengan pelanggan melalui aplikasi mobile, termasuk dalam sektor makanan dan minuman. Aplikasi Tomoro Coffee menghadapi tantangan dalam mempertahankan kepuasan pengguna akibat keterbatasan fitur dan masalah teknis. Penelitian ini bertujuan untuk menerapkan algoritma Naïve Bayes guna meningkatkan model klasifikasi sentimen ulasan pengguna, menganalisis distribusi sentimen positif dan negatif beserta faktor utama yang memengaruhinya, serta mengevaluasi performa model berdasarkan akurasi, presisi, recall, dan F1-score. Data ulasan dikumpulkan dari Google Play Store dan diolah menggunakan metode Knowledge Discovery in Database (KDD), yang mencakup pembersihan data, tokenisasi, penghapusan stopword, stemming, serta ekstraksi fitur menggunakan Term Frequency-Inverse Document Frequency (TF-IDF). Hasil penelitian menunjukkan bahwa algoritma Naïve Bayes mencapai akurasi sebesar 90%, dengan presisi 91,3%, recall 87,3%, dan F1-score 88,7%. Temuan ini memberikan wawasan strategis bagi pengembang aplikasi dalam meningkatkan layanan dan fitur berdasarkan analisis sentimen pengguna. Dari hasil analisis, 64,4% ulasan tergolong positif, didominasi oleh komentar seperti "kopinya enak", sementara 35,6% ulasan negatif umumnya berisi keluhan teknis, seperti "tidak tersedia".
ANALISIS PERBANDINGAN KINERJA DAN KEAMANAN PROTOKOL WPA2 DAN WPA3 DENGAN METODE PENETRATION TESTING Yudi Mulyanto; Shindyka Syalu Qanita; Dimas Wiryatari; Farida Idifitriani
Jurnal Informatika dan Rekayasa Elektronik Vol. 8 No. 1 (2025): JIRE APRIL 2025
Publisher : LPPM STMIK Lombok

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36595/jire.v8i1.1539

Abstract

Universitas Teknologi Sumbawa merupakan salah satu universitas yang jaringannya memanfaatkan protokol keamanan WPA2, namun selama penggunaannya protokol keamanan WPA2 pernah terjadinya peretasan pada jaringan tersebut. Penelitian ini bertujuan untuk menganalisis perbandingan kinerja protokol keamamanan WPA2 dan WPA3 di Fakultas Rekayasa Sistem Universitas Teknologi Sumbawa dengan mengidentifikasi kelemahan dan kelebihan dari masing – masing protokol. Pada penelitian ini penulis menggunakan metode penelitian metode campuran (mixed methods) yaitu kombinasi penelitian kualitatif dan penelitian kuantitatif. Penelitian kualitatif pada penelitian ini melibatkan pengumpulan data melalui observasi dan studi pustaka dan menggunakan metode eksperimen untuk membandingkan protokol WPA2 dan WPA3. Serta metode analisis yang digunakan ialah Penetration Testing dengan melakukan simulasi serangan terhadap kedua protokol keamanan tersebut. Serangan yang dilakukan ialah dictionary attack menggunakan tools-tools pada sistem operasi Kali Linux. Dari hasil penelitian menunjukkan bahwa WPA3 menunjukkan ketahanan lebih baik terhadap sebagian besar serangan, terutama handshake dan perlindungan terhadap cracking password, sehingga menjadikan WPA3 pilihan yang lebih aman untuk jaringan nirkabel. Hal ini dikarenakan WPA3 menggunakan autentikasi Simultaneous Authentication of Equals (SAE) yang memiliki kelebihan menggunakan algoritma Password-Authenticated Key Exchange (PAKE) yang dapat melindungi kata sandi dari pihak ketiga yang tidak berwewenang.
RANCANGAN PROTOTYPE ALAT PAKAN ANAKAN AYAM KAMPUNG MENGGUNAKAN ESP32 BERBASIS INTERNET OF THINGS (IOT) Yudi Mulyanto; Rajid Andi Tuntantri Susanto; Eri Sasmita Susanto; Farida Idifitriani
Jurnal Informatika dan Rekayasa Elektronik Vol. 8 No. 1 (2025): JIRE APRIL 2025
Publisher : LPPM STMIK Lombok

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

Abstract

Peternakan ayam kampung memiliki tantangan dalam pemberian pakan yang teratur, terutama bagi peternak skala kecil yang masih menggunakan metode manual dalam pemberian pakan pada anakan ayam. Hal ini dapat menyebabkan ketidaktepatan dalam jumlah dan waktu pemberian pakan anakan ayam. Penelitian ini bertujuan untuk merancang prototype alat pakan anakan ayam kampung menggunakan ESP32 dengan sistem monitoring dan controlling berbasis Internet of Things (IoT). Metode yang digunakan dalam penelitian ini adalah metode eksperimen, yang mencakup perancangan perangkat keras dan lunak, serta pengujian sistem. Hasil penelitian menunjukkan bahwa alat ini mampu memberikan pakan sesuai jadwal yang ditentukan dan dapat dipantau melalui aplikasi Blynk. Sensor ultrasonic digunakan untuk mendeteksi jumlah pakan yang tersisa dalam wadah, sementara modul Real-Time Clock (RTC) mengatur waktu pemberian pakan. Kesimpulannya,  penelitian menunjukkan bahwa alat ini dapat memberikan pakan sesuai jadwal yang ditentukan tanpa keterlambatan, serta dapat dipantau dan dikontrol melalui aplikasi. Dari hasil pengujian terhadap anakan ayam kampung, penggunaan alat ini membantu menjaga keteraturan pemberian pakan, dibandingkan metode manual.
MENGOPTIMALKAN PREDIKSI GAGAL JANTUNG DENGAN KOMBINASI SVM DAN FORWARD SELECTION Riyanto, Verry; Destiana, Henny; Prihatin, Titin; Sugiono; Wijaya, Ganda
Jurnal Informatika dan Rekayasa Elektronik Vol. 8 No. 1 (2025): JIRE APRIL 2025
Publisher : LPPM STMIK Lombok

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36595/jire.v8i1.1541

Abstract

Gagal jantung merupakan salah satu kondisi kesehatan kritis dengan angka kematian yang terus meningkat, dengan permasalahan yang ada diagnosis tradisional seringkali kurang akurat dan efisien sehingga diperlukan metode diagnosis dini yang lebih presisi dan efisien. Penelitian sebelumnya telah meningkatkan akurasi prediksi dengan berbagai metode namun masih terbatas dalam pemilihan fitur optimal dan efisiensi pemodelan. Oleh karena itu, penelitian ini bertujuan untuk menganalisis kinerja kernel pada algoritma Support Vector Machine (SVM) seperti Dot, Radial, Polynomial dan menganalisis efektivitas Forward Selection (FS) dalam memilih fitur paling signifikan guna mengoptimalkan prediksi risiko gagal jantung. Hasil penelitian menunjukkan bahwa kernel Radial dengan FS memiliki performa terbaik dengan AUC 0.881, Accuracy 84,64%, dan Recall 92,55%. Fitur time dan serum_creatinine terbukti paling signifikan dalam meningkatkan performa model. Penelitian ini membuktikan bahwa kombinasi antara SVM dan FS mampu menghasilkan solusi yang lebih presisi dan efisien dalam diagnosis dini gagal jantung dibandingkan pendekatan sebelumnya. Hasil ini diharapkan dapat mendukung pengembangan sistem prediksi berbasis kecerdasan buatan untuk aplikasi klinis yang lebih andal.
REVOLUSI DIAGNOSIS: OPTIMASI RANDOM TREE-PSO UNTUK PENYAKIT GINJAL KRONIS Sartini; Sumarna; Hamid, Abdul; Kahfi, Ahmad Hafidzul; Palasara, Nicodias
Jurnal Informatika dan Rekayasa Elektronik Vol. 8 No. 1 (2025): JIRE APRIL 2025
Publisher : LPPM STMIK Lombok

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36595/jire.v8i1.1542

Abstract

Penyakit ginjal kronis (PGK) merupakan salah satu masalah kesehatan serius yang memerlukan deteksi dini untuk mencegah komplikasi lebih lanjut dan meningkatkan kualitas hidup pasien. Penelitian ini bertujuan mengembangkan model prediksi PGK dalam upaya meningkatkan akurasi diagnosis dini PGK dengan dataset yang digunakan diperoleh dari UCI Repository. Metode yang dipakai berbasis algoritma Random Tree yang dioptimasi menggunakan Particle Swarm Optimization (PSO) yang berfungsi sebagai metode optimasi untuk meningkatkan kinerja model dengan kedalaman pohon dan jumlah atribut yang dipertimbangkan pada setiap pemisahan, untuk menemukan konfigurasi yang menghasilkan akurasi tertinggi. Proses pengembangan model mencakup tahap seleksi fitur, pelatihan model, dan evaluasi performa menggunakan metrik akurasi, presisi, recall, dan F1-score. Hasil penelitian menunjukkan bahwa algoritma Random Tree yang dioptimasi PSO secara signifikan meningkatkan performa prediksi dibandingkan model baseline, dengan akurasi mencapai 94,25%. Optimalisasi ini juga mengurangi kompleksitas model tanpa mengorbankan akurasi. Temuan ini menunjukkan potensi penerapan model yang diusulkan untuk mendukung sistem pengambilan keputusan medis secara lebih efisien, terutama dalam deteksi dini PGK. Rekomendasi lebih lanjut mencakup integrasi model ini pada sistem berbasis teknologi di lingkungan klinis untuk mengurangi beban kerja tenaga medis.
ANALISIS POLA PEMBELIAN SOUVENIR DENGAN ALGORITMA APRIORI UNTUK OPTIMALISASI PENJUALAN UMKM Muhamad Adi Kurnia Invanto; Khoirun Nisa
Jurnal Informatika dan Rekayasa Elektronik Vol. 8 No. 1 (2025): JIRE APRIL 2025
Publisher : LPPM STMIK Lombok

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36595/jire.v8i1.1556

Abstract

Souvenir merupakan barang yang banyak diperjualbelikan sebagai buah tangan yang khas dariobjek wisata. Penjualan souvenir juga menjadi ladang penghasilan warga lokal pengrajin souvenir.karena banyaknya jenis produk souvenir yang diperjualkan terkadang para calon pembeli kebingungan dalam memilih souvenir, maka dari itu menentukan rekomendasi perlu dilakukan.tujuan pada penelitian ini untuk menentukan souvenir yang akan dijadikan rekomendasi bagi para wisatawan menggunakan algoritma apriori. Penelitian ini dilakukan dengan menggunakan metode data mining yaitu algoritma apriori. Algoritma apriori mampu mengidentifikasi pola-pola yang berguna untuk mendukung keputusan bisnis, seperti dalam penataan produk di toko atau pemberian promosi. Aturan yang dihasilkan yaitu jika membeli bel bambu, maka akan membeli asbak kayu dengan nilai confidence sebesar 60% dan jika membeli gendang maka akan membeli wayang golek dengan nilai confidence sebesar 75%. Dengan hasil yang sudah diketahui maka souvenir rekomendasi dapat ditentukan yaitu bel bambu, asbak kayu, gendang, dan wayang. Dari perolehan analisa pada data transaksi yang menghasilkan pembentukan kombinasi pembelian souvenir secara bersamaan, maka toko souvenir Salim dapat melakukaan pengadaan stok secara seimbang dan dapat memberikan souvenir yang sudah direkomendasikan kepada calon pembeli dan diharapkan juga dapat meningkatkan strategi atau omzet penjualan.
PENGEMBANGAN SISTEM QUEUING CONVEYOR BAGASI BERBASIS ARDUINO UNO DI BANDARA NGURAH RAI BALI yasa, I Wayan sugara; , Inggih Nugroho; I Wayan Dikse Pancane
Jurnal Informatika dan Rekayasa Elektronik Vol. 8 No. 1 (2025): JIRE APRIL 2025
Publisher : LPPM STMIK Lombok

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36595/jire.v8i1.1558

Abstract

 Bandara Internasional I Gusti Ngurah Rai, yang dikelola oleh PT Angkasa  Pura I, mengalami peningkatan signifikan dalam jumlah penumpang domestik pada periode Januari-Agustus 2023, mencapai 3,24 juta orang, atau naik 27% dibandingkan tahun  sebelumnya. Saat ini, conveyor keberangkatan domestik di bandara tersebut, yang telah digunakan sejak 1999, belum dilengkapi sistem antrian otomatis    sebelum pemeriksaan X-ray. Kondisi ini menyebabkan penumpukan bagasi yang menghambat proses pemeriksaan keamanan, meningkatkan risiko kerusakan bagasi, dan memperlambat distribusi. Untuk mengatasi masalah ini, dirancang Prototype Sistem Antrian pada Baggage Conveyor Berbasis Arduino Uno. Sistem ini menggunakan Arduino Uno sebagai pengendali utama dengan masukan dari sensor fotodioda proximity inframerah untuk mendeteksi bagasi, motor DC untuk menggerakkan belt conveyor, serta sensor ultrasonik dan LED untuk memberikan tanda bahwa sistem sedang beroperasi.Penerapan sistem ini memberikan berbagai keuntungan, seperti meningkatkan efektivitas proses pengecekan bagasi menggunakan mesin X-ray, dengan waktu pengerjaan enam conveyor yang lebih cepat hingga 73,17 detik. Sistem ini juga membantu menata bagasi dengan rapi, mengurangi biaya perawatan conveyor, serta mengefisienkan jumlah petugas keamanan yang diperlukan untuk mengoperasikan mesin X-ray. Dengan sistem antrian otomatis ini, kelancaran operasional bandara dan pelayanan prima kepada pengguna jasa dapat tercapai dan Output bagasi pada conveyor dapat lebih teratur dibandingkan tanpa system.
BIG DATA ANALYTICS DAN MACHINE LEARNING UNTUK MEMPREDIKSI PERILAKU KONSUMEN DI E-COMMERCE Mubarok, Djihadul; Adjani, Kannisa; Ridho Hutama, Brian Damastu; Muhamad Malik Mutoffar; Rina Indrayani
Jurnal Informatika dan Rekayasa Elektronik Vol. 8 No. 1 (2025): JIRE APRIL 2025
Publisher : LPPM STMIK Lombok

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36595/jire.v8i1.1561

Abstract

Dalam era digital yang berkembang pesat, marketplace digital menjadi salah satu platform utama bagi konsumen dalam melakukan transaksi online. Pemanfaatan Big Data Analytics dalam menganalisis aktivitas konsumen dapat memberikan pengetahuan mendalam untuk pelaku usaha dalam meningkatkan strategi pemasaran dan layanan pelanggan. Penelitian ini bertujuan untuk mengeksplorasi penerapan Big Data Analytics dalam memahami pola pembelian konsumen serta faktor yang mempengaruhi loyalitas pelanggan di marketplace digital. Metode penelitian yang digunakan mencakup pengumpulan data primer melalui survei terhadap 1.000 responden serta data sekunder yang diperoleh dari web scraping dan teknik data mining. Data yang dikumpulkan dianalisis menggunakan teknik analisis Big Data dan algoritma Machine Learning untuk mengidentifikasi tren perilaku konsumen. Hasil penelitian menunjukan bahwa faktor harga, kecepatan pengiriman, serta pengalaman pengguna memiliki pengaruh signifikan terhadap loyalitas pelanggan. Selain itu, penerapan analisis prediktif berbasis Machine Learning mampu meningkatkan akurasi prediksi perilaku konsumen hingga 85%. Pada temuan ini, dapat memberikan pengetahuan bagi pelaku bisnis dalam menentukan ploda dan strategi pemasaran lebih efektif dalam meningkatkan kepuasan pelanggan. Penelitian ini dapat menjadikan peluang bagi penelitian berikutnya mengenai optimalisasi algoritma Machine Learning dalam segmentasi pelanggan untuk personalisasi pengalaman belanja.
PERBANDINGAN KINERJA MACHINE LEARNING DALAM KLASIFIKASI MINAT MBKM MAHASISWA UNRI Erda, Gustriza; Siti Farika Sari; Syaftiani Dwi Astuti; Thearas, Lia; Yolanda, Anne Mudya
Jurnal Informatika dan Rekayasa Elektronik Vol. 8 No. 2 (2025): JIRE November 2025
Publisher : LPPM STMIK Lombok

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36595/jire.v8i2.1217

Abstract

Program Merdeka Belajar Kampus Merdeka (MBKM) merupakan program yang bertujuan meningkatkan potensi dan keterampilan mahasiswa untuk menghadapi tantangan dunia kerja. Namun, minat mahasiswa Universitas Riau (UNRI) dalam mengikuti program ini masih rendah sehingga perlu penelitian lebih lanjut untuk meningkatkan minat mahasiswa UNRI dalam mengikuti MBKM. Penelitian ini bertujuan membandingkan kinerja bebrapa algoritma machine learning seperti Random Forest, Logistic Regression, Decision Tree, dan Gradient Boost Machine (GBM), serta mengidentifikasi faktor penting yang memengaruhi minat mahasiswa UNRI terhadap MBKM. Data dikumpulkan melalui kuisioner yang disebarkan kepada 396 mahasiswa aktif S1-UNRI angkatan 2019-2023 yang dipilih menggunakan teknik stratified random sampling. Dengan 12 variabel independen yang digunakan, diperoleh bahwa model GBM memiliki kinerja terbaik dengan akurasi uji 91,25% dan recall 98,63%, mengungguli model lainnya. Faktor yang paling berpengaruh terhadap minat mahasiswa adalah keyakinan diri dan dukungan keluarga. Temuan ini menunjukkan bahwa faktor-faktor tersebut dapat menjadi fokus dalam evaluasi dan pengembangan program MBKM di masa depan.
PENGENALAN PLAT NOMOR KENDARAAN REAL-TIME PADA KONDISI GELAP DAN HUJAN MENGGUNAKAN DEEP LEARNING Galahartlambang, Yanuangga; Khotiah, Titik; Fanani, Zahruddin; bastian Dwiki Rahmat, Mohammad
Jurnal Informatika dan Rekayasa Elektronik Vol. 8 No. 1 (2025): JIRE APRIL 2025
Publisher : LPPM STMIK Lombok

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

Abstract

Pengenalan plat nomor kendaraan secara real-time merupakan salah satu teknologi penting dalam sistem transportasi cerdas, terutama pada kondisi lingkungan yang menantang seperti gelap dan hujan. Penelitian ini bertujuan untuk mengembangkan dan menguji metode pengenalan plat nomor menggunakan kombinasi YOLO v8 untuk melakukan deteksi plat nomor kendaraan dan framework screen text recognition TPS-ResNet-BiLSTM-Attn untuk pengenalan teks. Dataset yang digunakan berjumlah 3.000 gambar plat nomor yang dibagi menjadi 70% untuk pelatihan, 15% untuk validasi, dan 15% untuk pengujian. Framework ini dirancang untuk mengatasi tantangan visual seperti pencahayaan rendah dan gangguan akibat hujan melalui tahapan transformasi geometris (TPS), ekstraksi fitur (ResNet), pemodelan urutan karakter (BiLSTM), dan mekanisme transkripsi berbasis perhatian (Attention). Hasil pengujian menunjukkan akurasi yang berbeda pada berbagai kondisi, yaitu 78,6% pada kondisi normal, 82,4% pada kondisi gelap, dan 80,7% pada kondisi hujan. Hal ini menunjukkan bahwa metode deteksi objek YOLO v8 dan pengenalan karakter teks TPS-ResNet-BiLSTM-Attn yang diusulkan mampu menangani tantangan pengenalan plat nomor dalam kondisi lingkungan yang kompleks, sehingga memiliki potensi besar untuk diterapkan dalam sistem pengawasan transportasi yang lebih andal

Page 21 of 24 | Total Record : 232

 19   20   21   22   23 

Filter by Year

2018 2025


Reset
Filter By Issues
All Issue Vol. 8 No. 2 (2025): JIRE November 2025 Vol. 8 No. 1 (2025): JIRE APRIL 2025 Vol. 7 No. 2 (2024): JIRE NOPEMBER 2024 Vol. 7 No. 1 (2024): JIRE APRIL 2024 Vol. 6 No. 2 (2023): Jire Nopember 2023 Vol. 6 No. 1 (2023): JIRE April 2023 Vol. 5 No. 2 (2022): JIRE Nopember 2022 Vol. 5 No. 1 (2022): JIRE April 2022 Vol. 4 No. 2 (2021): JIRE NOVEMBER 2021 Vol. 4 No. 1 (2021): JIRE April 2021 Vol. 3 No. 2 (2020): JIRE Nopember 2020 Vol. 3 No. 1 (2020): JIRE April 2020 Vol. 2 No. 2 (2019): JIRE Nopember 2019 Vol. 2 No. 1 (2019): JIRE April 2019 Vol. 1 No. 2 (2018): JIRE Nopember 2018 Vol. 1 No. 1 (2018): JIRE April 2018 More Issue