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
 20   21   22   23   24 
OPTIMALISASI POHON KEPUTUSAN ID3 MENGGUNAKAN PARTICLE SWARM OPTIMIZATION DALAM PREDIKSI ADOPSI LAYANAN DIGITAL PAYMENT Sumarna; Wijaya, Ganda; Suryadithia, Rachmat; Pangesti, Witriana Endah; Yudhistira
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.v8i2.1711

Abstract

Transformasi digital mendorong peningkatan penggunaan layanan pembayaran digital seperti OVO dan GoPay. Namun, tingkat penggunaan layanan ini belum merata, sehingga diperlukan model prediksi untuk memahami faktor-faktor yang memengaruhi keputusan pengguna dalam mengadopsi layanan tersebut. Penelitian ini mengembangkan model klasifikasi berbasis algoritma ID3 yang dioptimasi menggunakan Particle Swarm Optimization (PSO). Data dikumpulkan melalui kuesioner dari 750 responden, kemudian diproses melalui tahap preprocessing, pelatihan ID3, dan optimasi dengan PSO. Hasil menunjukkan bahwa model ID3+PSO mencapai akurasi 94,53%, lebih tinggi dibandingkan ID3 tanpa optimasi (92,93%). Precision dan recall masing-masing meningkat menjadi 95,41% dan 95,15%, sementara AUC tetap tinggi di angka 98,20%. PSO terbukti efektif menyederhanakan model dan meningkatkan performa klasifikasi. Temuan ini berimplikasi pada peningkatan akurasi sistem rekomendasi dan pengambilan keputusan strategis oleh penyedia layanan digital payment, terutama dalam memahami karakteristik serta potensi adopsi layanan oleh pengguna secara lebih tepat.
ANALISIS PERFORMA ALGORITMA SUPERVISED LEARNING TERHADAP DATA DESKRIPSI DENGAN REPRESENTASI DAN PARAMETER TUNING Rafael Austin; Alfi Syahrian
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.v8i2.1717

Abstract

Teks medis yang didapatkan dalam bentuk narasi sering kali memiliki sifat yang tidak terstruktur, sehingga diperlukan solusi yang dapat dimanfaatkan secara optimal untuk klasifikasi teks medis tersebut. Permasalahan ini menjadi landasan dilakukannya penelitian yang bertujuan untuk mengevaluasi performa berbagai algoritma klasifikasi dalam mengolah narasi keluhan pasien menggunakan sejumlah pendekatan representasi teks. Dataset yang digunakan terdiri dari deskripsi medis yang telah diberi label secara seimbang dan melalui proses pra-pemrosesan untuk membersihkan serta menstandarkan teks sebelum dimasukkan ke dalam model pembelajaran mesin. Empat metode representasi teks, yaitu Bag of Words, TF-IDF, Word2Vec, dan Hybrid, digunakan untuk mengubah teks menjadi fitur numerik. Lima algoritma klasifikasi diuji dan dibandingkan berdasarkan metrik evaluasi meliputi akurasi, precision, recall, dan F1-score. Hasil penelitian menunjukkan bahwa pendekatan berbasis frekuensi seperti Bag of Words dan TF-IDF, ketika dipadukan dengan algoritma linier, mampu memberikan performa terbaik. Selain itu, proses tuning parameter terbukti penting dalam meningkatkan hasil klasifikasi. Penelitian ini menegaskan bahwa pemilihan kombinasi representasi fitur dan algoritma yang tepat sangat mempengaruhi keberhasilan klasifikasi teks medis berbasis narasi.
PREDIKSI TREN HARGA EMAS TERHADAP DOLAR (XAU/USD) PADA METATRADER 5 MENGGUNAKAN RANDOM FOREST Nuraulia Maruf, Gilang; Asep Wahyu; Ate Mulyana; Hadi Prasetyo Utomo; Hendra Sandi Firmansyah
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.v8i2.1719

Abstract

Penelitian ini menganalisis efektivitas model Random Forest untuk memprediksi tren harga XAU/USD dalam platform MetaTrader 5. Sifat volatil pasar forex, ditambah dengan meningkatnya partisipasi pedagang ritel, membutuhkan alat prediksi yang akurat. Studi ini menjawab kebutuhan ini dengan memanfaatkan kemampuan algoritma Random Forest untuk menangani data non-linear berdimensi tinggi. Model ini dilatih dan diuji menggunakan data historis XAU/USD dari tahun 2014 hingga 2024, dengan memasukkan indikator teknikal sebagai fitur. Hasilnya menunjukkan akurasi prediktif yang tinggi (98,4%), presisi (98,7%), dan recall (98,9%), menunjukkan efektivitas model dalam memperkirakan pergerakan harga. Matriks confusion lebih lanjut memvalidasi temuan ini, mengungkapkan tingkat false positive dan false negative yang rendah. Penelitian ini memberikan alat praktis bagi para pedagang di platform MetaTrader 5 dan memajukan penerapan kecerdasan buatan dalam analisis pasar keuangan.
PROGRAM PERLINDUNGAN DATA PRIBADI: STUDI KASUS IMPLEMENTASI DAN PERBANDINGANNYA Fritz Gamaliel; P. Yudi Dwi Arliyanto
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.v8i2.1721

Abstract

Kantor pusat mengeluarkan program perlindungan data untuk diterapkan oleh kantor-kantor cabangnya sebagai upaya menjamin perlindungan terhadap data-data yang dikelolanya. Petugas perlindungan data adalah yang paling bertanggungjawab atas terlaksananya program perlindungan data. Penelitian ini bertujuan menguraikan pelaksanaan program perlindungan data tersebut secara menyeluruh di tingkat kantor cabang dan kemudian membandingkannya dengan program perlindungan data yang ada di luar sana. Metode yang digunakan dalam penelitian ini adalah studi lapangan dan studi literatur-literatur terkait dengan penelitian. Hasil penelitian menunjukkan bahwa pelaksanaan program perlindungan data menghadapi berbagai hambatan. Salah satu hambatannya adalah ketidaksesuaian antara kebijakan kantor pusat dan praktik di lapangan kantor cabang. Selain itu, terdapat perbedaan sudut pandang antara petugas perlindungan data dan pimpinan terkait implementasi program perlindungan data karena kantor cabang telah beroperasional sejak tahun 1999 sedangkan kantor pusat baru mengeluarkan program perlindungan data pada pertengahan tahun 2023. Penelitian ini juga menunjukkan bahwa kajian serupa dalam literatur sebelumnya belum mengupas program perlindungan data secara menyeluruh. Berdasarkan temuan tersebut, peneliti mendorong untuk secara konsisten serta berkelanjutan menguji kepatuhan terhadap program perlindungan data agar program perlindungan data dapat berjalan secara lebih maksimal salah satunya pengujian berbasis tes poligraf.
KLASIFIKASI PENYAKIT TANAMAN DAUN PADI MENGGUNAKAN METODE DEEP LEARNING DENGAN TEKNIK TRANSFER LEARNING MOBILENET Tulili, Hadie Pratama; Septiarini, Anindita; Hamdani
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.v8i2.1737

Abstract

Pertanian padi memiliki peran penting dalam ketahanan pangan, namun produksi sering terganggu akibat penyakit daun seperti Blast, Brown spot, dan Hispa. Klasifikasi manual kurang efektif karena membutuhkan waktu dan keahlian khusus. Penelitian ini mengusulkan klasifikasi otomatis menggunakan transfer learning dengan arsitektur MobileNetV1 dan MobileNetV2. Kontribusi orisinal dari penelitian ini berupa validasi performa dan optimasi spesifik pada arsitektur MobileNet untuk kasus penyakit daun padi, termasuk analisis komparatif pada konfigurasi Dense layer dan rasio data training. Dataset terdiri dari 2000 citra empat kelas yang dibagi menjadi data train, test, dan validation untuk mencegah overfitting. Model dilatih menggunakan konfigurasi Dense layer 32, 64, dan 256 dengan rasio data 7:2:1 dan 8:1:1. Model terbaik diperoleh dari MobileNetV2 dengan 64 neuron dan rasio 8:1:1, menghasilkan akurasi 93,50%. Hasil ini menunjukkan bahwa MobileNetV2 dapat menjadi metode yang efisien dan akurat untuk klasifikasi penyakit daun padi serta mendukung pengambilan keputusan petani secara lebih cepat.
PREDIKSI STATUS AKADEMIK MAHASISWA BERDASARKAN DATA PEMBAYARAN DENGAN NAIVE BAYES DAN PARTICLE SWARM OPTIMIZATION Rukiastiandari, Sinta; Rohimah, Luthfia; Mutia, Fara; Aprillia; Chodidjah, Chodidjah
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.v8i2.1756

Abstract

Pendidikan tinggi di Indonesia menghadapi tantangan dalam pengelolaan pembayaran mahasiswa, di mana keterlambatan dapat berdampak pada status akademik, termasuk risiko cuti atau pengunduran diri. Penelitian ini bertujuan mengembangkan model prediksi status akademik berbasis data pembayaran kuliah dengan metode Naive Bayes (NB) yang dioptimasi menggunakan Particle Swarm Optimization (PSO). Dataset berjumlah 15.697 record mahasiswa yang telah melalui pra-pemrosesan, termasuk penanganan nilai hilang dan pengkodean atribut kategorikal. Hasil menunjukkan bahwa model NB menghasilkan akurasi 98,83%, precision 98,21%, recall 65,09%, dan AUC 0,905. Optimasi dengan PSO meningkatkan recall menjadi 65,13% dan AUC menjadi 0,907, sementara akurasi dan precision tetap stabil. Analisis fitur mengindikasikan bahwa Jenis Kelamin, Jurusan SLTA, dan Kuliah Sambil Bekerja merupakan atribut paling berpengaruh, sedangkan Pekerjaan Ayah relatif kurang signifikan. Temuan ini menegaskan potensi NB-PSO sebagai pendekatan prediktif untuk mendukung pengelolaan administrasi akademik yang lebih efektif.
SISTEM FEEDER DAN MONITORING IKAN HIAS BERBASIS IOT MENGGUNAKAN ESP32 ali, Muhamad Ali Sobri; Hendi Suhendi
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.v8i2.1760

Abstract

Penelitian ini merancang dan mengimplementasikan sistem otomatis pemberian pakan ikan hias serta monitoring kualitas air berbasis Internet of Things (IoT) menggunakan NodeMCU ESP32. Sistem memanfaatkan sensor suhu DS18B20, sensor pH analog, dan sensor ultrasonik HC-SR04 untuk memantau suhu, pH air, dan ketinggian pakan. Motor servo digunakan untuk membuka penutup pakan, sementara pompa DC membantu menstabilkan pH. Data ditampilkan secara real-time di LCD 16x2, dikirim ke aplikasi Blynk, dan dicatat otomatis di Google Spreadsheet. Pengembangan sistem mengikuti model ADDIE. Hasil pengujian menunjukkan sistem berfungsi sesuai rancangan, memberikan pakan tepat waktu, memantau kondisi air secara akurat, dan memungkinkan kontrol jarak jauh. Integrasi Blynk dan Spreadsheet mempermudah pemantauan serta pencatatan, menjadikan sistem ini solusi efisien untuk perawatan ikan hias dan berpotensi dikembangkan lebih lanjut.
PROTOTYPE SISTEM MONITORING STATUS PINTU BERBASIS IOT DENGAN NOTIFIKASI WEB DAN TELEGRAM Apriansa Arwandi Panjaitan; Annastia Reza Dzulha; Susilawati Sobur
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.v8i2.1761

Abstract

Dalam era Revolusi Industri 4.0, Internet of Things (IoT) telah menjadi solusi inovatif dalam meningkatkan keamanan rumah. Penelitian ini merancang dan mengimplementasikan sistem pendeteksi status pintu berbasis IoT menggunakan ESP8266 yang dikombinasikan dengan sensor magnetik. Sistem ini memungkinkan pemantauan dan pemberian notifikasi real-time kepada pengguna melalui Telegram serta tampilan status pintu melalui website. Dengan adanya fitur alarm sebagai tindakan pencegahan terhadap akses tidak sah, sistem ini diharapkan dapat meningkatkan keamanan rumah dengan biaya yang lebih terjangkau dibandingkan dengan sistem keamanan konvensional. Pengujian menunjukkan bahwa sistem dapat mendeteksi perubahan status pintu secara akurat dengan waktu respons notifikasi kurang dari 2 detik. Hasil ini menunjukkan efektivitas sistem dalam meningkatkan keamanan dan kenyamanan pengguna.
INTEGRASI LITERASI DIGITAL KE DALAM TECHNOLOGY ACCEPTANCE MODEL UNTUK MEMPREDIKSI KEPUASAN DAN NIAT KEBERLANJUTAN PENGGUNA WEBSITE LAYANAN PUBLIK: STUDI KASUS DISDUKCAPIL LOMBOK TENGAH Ernawati; Imtihan, Khairul; Wire Bagye
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.v8i2.1766

Abstract

This study aims to analyze the factors influencing the intention to use digital public services based on the Technology Acceptance Model (TAM) with the addition of digital literacy as an extended variable. Data were collected between May and August 2025 from 101 valid respondents who used services at the Department of Population and Civil Registration. The analysis employed Partial Least Squares Structural Equation Modeling (PLS-SEM). The findings reveal that Perceived Usefulness (PU) significantly affects Attitude Toward Using (ATU) and Behavioral Intention to Use (BI), while Perceived Ease of Use (PEOU) strongly influences PU. Digital literacy demonstrates a significant direct effect on BI but does not serve as a moderating variable in the core TAM relationships. The coefficient of determination (R²) indicates a moderate to high explanatory power, and the Q² values confirm the predictive relevance of the model. These results suggest that improving the adoption of digital public services requires optimizing system usefulness, simplifying the interface, enhancing users’ digital skills, and effectively communicating service value. This research extends the technology acceptance literature in the public sector while providing practical guidance for system developers and policymakers. Penelitian ini bertujuan untuk menganalisis faktor-faktor yang memengaruhi niat penggunaan layanan publik digital berbasis Technology Acceptance Model (TAM) dengan menambahkan variabel literasi digital. Pengumpulan data dilakukan pada Mei–Agustus 2025 dengan responden valid sebanyak 101 orang pengguna layanan Dinas Kependudukan dan Pencatatan Sipil. Analisis menggunakan Partial Least Squares Structural Equation Modeling (PLS-SEM). Hasil penelitian menunjukkan bahwa Perceived Usefulness (PU) berpengaruh signifikan terhadap Attitude Toward Using (ATU) dan Behavioral Intention to Use (BI), sedangkan Perceived Ease of Use (PEOU) berpengaruh kuat terhadap PU. Literasi digital terbukti memiliki pengaruh langsung yang signifikan terhadap BI, namun tidak berperan sebagai variabel moderasi pada hubungan inti TAM. Nilai koefisien determinasi (R²) menunjukkan daya jelaskan model pada tingkat moderat hingga tinggi, sedangkan nilai Q² mengonfirmasi relevansi prediktif model. Temuan ini mengindikasikan bahwa peningkatan adopsi layanan publik digital memerlukan optimalisasi kegunaan sistem, penyederhanaan antarmuka, peningkatan keterampilan digital pengguna, serta komunikasi nilai layanan yang jelas. Penelitian ini memperluas literatur penerimaan teknologi di sektor publik sekaligus memberikan panduan praktis bagi pengembang sistem dan pembuat kebijakan.
SISTEM IOT UNTUK MONITORING PEMBERIAN PAKAN IKAN MUJAER DAN NOTIFIKASI GANGGUAN BURUNG PEMANGSA BERBASIS RCWL Muhammad Faishol Amrulloh; Mukhammad Fuad Khoirul Rizal
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.v8i2.1767

Abstract

Budidaya ikan mujaer sering terkendala ketidaktepatan pemberian pakan dan belum adanya sistem deteksi dini predator burung pemangsa. Penelitian ini merancang sistem monitoring berbasis Internet of Things (IoT) yang menggabungkan alat pemberi pakan otomatis menggunakan motor servo dengan deteksi gangguan burung pemangsa melalui sensor RCWL-0516. Sistem dikendalikan oleh Wemos D1, dilengkapi buzzer dan LED sebagai indikator, serta aplikasi MIT App Inventor untuk notifikasi real-time. Metode yang digunakan meliputi studi literatur, observasi lapangan, dan pengujian komponen utama. Hasil menunjukkan motor servo mampu mengatur pakan 1 kg, 50 gram dua kali sehari secara terjadwal, sensor RCWL mendeteksi gerakan hingga 5½ M di area tambak, dan buzzer beserta LED berfungsi efektif sebagai indikator. Notifikasi gangguan dapat diterima pengguna secara real-time, sementara hasil kuesioner menunjukkan 36,11% responden menyatakan setuju terhadap sistem ini sebagai jawaban dominan. Sistem yang dikembangkan dinilai dapat meningkatkan efisiensi budidaya ikan mujaer dan mengurangi potensi kerugian akibat serangan predator.

Page 23 of 24 | Total Record : 232

 20   21   22   23   24 

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