cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Arief Hidayat
Contact Email
arief.hidayat@unwahas.ac.id
Phone
+628156529309
Journal Mail Official
jinformatika@unwahas.ac.id
Editorial Address
JL. Menoreh Tengah X / 22, Sampangan, Gajahmungkur, Sampangan, Gajahmungkur, Kota Semarang, Jawa Tengah 50232
Location
Kota semarang,
Jawa tengah
INDONESIA
Jurnal Informatika dan Rekayasa Perangkat Lunak
Published by Universitas Wahid Hasyim Semarang
ISSN : 26562855     EISSN : 26855518     DOI : http://dx.doi.org/10.36499/jinrpl
Core Subject : Science,
Computer Science & IT
Journal of Informatics and Software Engineering accepts scientific articles in the focus of Informatics. The scope can be: Software Engineering, Information Systems, Artificial Intelligence, Computer Based Learning, Computer Networking and Data Communication, and Multimedia.
Arjuna Subject : Ilmu Komputer (semua kategori) - Perangkat Lunak
Articles 21 Documents
 1   2   3 
Search results for , issue "Vol 6, No 2 (2024): September" : 21 Documents clear
Penerapan Recursive Feature Elimination (RFE) Pada Tree-Based Classifier Untuk Identifikasi Risiko Diabetes Maori, Nadia Annisa; Azizah, Noor
Jurnal Informatika dan Rekayasa Perangkat Lunak Vol 6, No 2 (2024): September
Publisher : Universitas Wahid Hasyim

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36499/jinrpl.v6i2.11283

Abstract

Diabetes mellitus adalah penyakit kronis yang umum dengan dampak global yang signifikan. Identifikasi dini individu berisiko tinggi terkena diabetes sangat penting untuk pencegahan dan manajemen penyakit ini. Penelitian ini mengeksplorasi penggunaan Recursive Feature Elimination (RFE) pada classifier berbasis pohon keputusan (tree-based classifiers) untuk meningkatkan akurasi prediksi risiko diabetes. Hasil penelitian menunjukkan bahwa penerapan RFE meningkatkan akurasi model, dengan Random Forest dan Gradient Boosting mencapai akurasi tertinggi sebesar 77.27%. RFE juga berhasil mengidentifikasi fitur-fitur yang paling relevan, mengurangi risiko overfitting, dan meningkatkan interpretasi model. Penelitian ini memberikan dasar kuat untuk pengembangan alat prediksi yang lebih efektif dalam manajemen dan pencegahan diabetes. Penelitian selanjutnya disarankan untuk menguji generalisasi pendekatan ini pada dataset yang lebih luas dan dalam berbagai konteks klinis.
Implementasi dan Perancangan Sistem Informasi Penjualan Vapestore Berbasis Mobile Flutter Ripai, Rizki; Fauzi, Yudiansyah; Sidik, Fazar; Aldi Pari, Riki; Hamdan, Rifky Aditia
Jurnal Informatika dan Rekayasa Perangkat Lunak Vol 6, No 2 (2024): September
Publisher : Universitas Wahid Hasyim

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36499/jinrpl.v6i2.11035

Abstract

The sale of vape products has become a rapidly growing industry, with ever-increasing demand from an increasingly diverse range of consumers. To keep up with these developments, having an efficient and easily accessible sales information system is important for vape shop owners. This research aims to implement and design a mobile-based Vapestore sales information system using Flutter. The system development method used in this research is an iterative software development method. Flutter was chosen as a development platform because of its ability to create mobile applications with responsive user interfaces and efficient cross-platform deployment. The information system designed will include features such as inventory management, customer management, generating sales reports, as well as online payment integration. By using Flutter, it is hoped that this application can be easily accessed via various mobile devices such as smartphones and tablets, so that shop owners can manage their sales efficiently wherever and whenever they need. Apart from that, with the online payment integration feature, customers will also get a more comfortable and faster shopping experience. It is hoped that this research will make a positive contribution to vape shop owners in increasing their operational efficiency and improving the customer shopping experience. Apart from that, the results of this research can also be a reference for further research in developing a sales information system that is more sophisticated and in line with the needs of the ever-growing market.
Deteksi Serangan Denial of Service (DoS) dan Spoofing pada Internet of Vehicles menggunakan Algoritma k-Nearest Neighbor (kNN) Ghozi, Wildanil; Rafrastara, Fauzi Adi; Sani, Ramadhan Rakhmat; Abdussalam, Abdussalam
Jurnal Informatika dan Rekayasa Perangkat Lunak Vol 6, No 2 (2024): September
Publisher : Universitas Wahid Hasyim

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36499/jinrpl.v6i2.11309

Abstract

Implementasi teknologi Internet of Things pada kendaraan bermotor mengalami peningkatan dari waktu ke waktu dan dikenal dengan istilah Internet of Vehicle (IoV). IoV semakin dibutuhkan masyarakat karena dapat menghadirkan kenyamanan, keamanan, dan efisiensi dalam berkendara. Sayangnya, penggunaan teknologi internet pada IoV justru memunculkan potensi serangan siber, seperti Denial of Service (DoS) dan Spoofing. Intrusion Detection System pada IoV belum sepenuhnya berjalan dengan baik mengingat teknologi ini juga tergolong baru. Oleh karena itu, dengan adanya potensi ancaman sekaligus dampak yang dihasilkan menjadikan penelitian tentang hal ini menjadi urgent untuk dilakukan. Penelitian ini bertujuan untuk mengevaluasi performa algoritma machine learning k-Nearest Neighbor (kNN) dalam mendeteksi serangan siber pada IoV. Kelas yang diprediksi pada penelitian ini berjumlah enam, yaitu: Benign, DoS, Gas-Spoofing, Steering Wheel-Spoofing, Speed-Spoofing, dan RPMSpoofing. Dua jenis serangan pada IoV tersebut (DoS dan Spoofing) beresiko menghadirkan gangguan operasional pada kendaraan yang dapat membahayakan pengemudi dan pengguna jalan lainnya. Dataset yang digunakan adalah dataset publik bernama CIC IoV2024. Performa algoritma kNN tersebut juga dibandingkan dengan tiga algoritma lain sebagai state-of-the-arts, seperti Naïve Bayes, Deep Neural Network, dan Random Forest. Hasilnya, k-Nearest Neighbor (kNN) mendapatkan performa terbaik dengan skor 98.7% untuk metrik akurasi maupun F1- Score. kNN mengungguli Naïve Bayes yang berada di urutan ke-dua, dengan skor 98.1% untuk akurasi dan 98.0% untuk F1-Score. Selanjutnya, algoritma kNN dapat direkomendasikan sebagai classifier dalam pengembangan intrusion detection system pada IoV.
Penggunaan Machine Learning (ML) dan Natural Language Processing (NLP) Untuk Mendeteksi Sentimen Ancaman Siber Wijaya, Andri; Putra, Steven Adi
Jurnal Informatika dan Rekayasa Perangkat Lunak Vol 6, No 2 (2024): September
Publisher : Universitas Wahid Hasyim

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36499/jinrpl.v6i2.10818

Abstract

Keamanan siber telah menjadi isu kritis di era digital, dengan bukti 3 tahun terakhir terdapat 6 kasus cybercrime di Indonesia yang menyerang server salah satunya yang terbaru pencurian data Bank Syariah Indonesia pada bulan mei yang mengakibatkan server lumpuh selama 5 hari dan dampaknya nasabah tidak dapat mengakses aplikasi mobile banking. Dari berbagai kasus cybercrime yang terjadi di Indonesia perlu kita mengetahui tren sentimen publik saat ini tentang hal tersebut dan salah satu sumber sentimen publik yaitu twitter. Penggunaan Machine Learning (ML) dan Natural Language Processing (NLP) telah menjadi fokus utama dalam memahami sentimen publik yang terkandung dalam data twitter. Penelitiani ini mengusulkan sebuah pendekatan yang menggabungkan teknik-teknik ML dan NLP untuk mendeteksi sentimen dalam tweet. Metode ini mencakup tahap pre-processing untuk membersihkan dan mengubah teks tweet menjadi representasi vektor, diikuti oleh penerapan model klasifikasi ML yaitu Naïve Bayes untuk mengidentifikasi sentimen positif, negatif atau netral dari dataset tweet. Penelitian ini memanfaatkan sekumpulan data tweet yang telah dikumpulkan dan diannotasi dengan menggunakan python untuk melatih dan menguji model. Hasil eksperimen menunjukan bahwa pendekatan yang diusulkan berhasil menghasilkan klasifikasi sentimen dengan tingkat akurasi sebesar 62% dapat disimpulkan akurasi model masih memuaskan dengan nilai recall positif sebesar 74% artinya sentimen publik dari tweet masih mengandung kata-kata bersifat positif.
Implementasi Profile Matching Pada Sistem Pendukung Keputusan Seleksi Peserta Tenda Kewirausahaan Setiawan, Aries; Nuryanto, Imam; Mintorini, Ery; Hidajat, Moch Sjamsul; Farida, Ida; Widjajanto, Budi; Prasetya, Jaka; Lewa, Andi Hallang; Karmila, Karmila
Jurnal Informatika dan Rekayasa Perangkat Lunak Vol 6, No 2 (2024): September
Publisher : Universitas Wahid Hasyim

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36499/jinrpl.v6i2.11176

Abstract

Salah satu program dari Unit Kewirausahaan adalah program peserta tenda wirausaha.. Pada proses penilaian manual, pemilihan peserta hanya berdasarkan jenis produk wirausaha yang akan ditawarkan. Namun hal tersebut tidak mendapatkan hasil seleksi yang maksimal karena jika seleksi yang ada hanya menggunakan satu komponen variabel dan penilaian tersebut cenderung mengandung unsur yang tidak  berpotensi. Salah satu metode pengambilan keputusan yang mempunyai bobot dalam perhitungannya adalah pencocokan profil. Pencocokan profil bekerja dengan memberikan nilai standar pada setiap variabel dan nilai tertimbang juga diberikan pada variabel tersebut. Selanjutnya dicari perbedaan nilai nilai partisipan dan nilai standar masing-masing variabel. Hasil pemeringkatan yang dihasilkan dari pencocokan profil merupakan gabungan dari beberapa variabel dengan tingkat bobot yang berbeda-beda. Oleh karena itu, dalam penilaian pemilihan peserta tenda wirausaha sebaiknya menggunakan pola perhitungan yang dimiliki dengan metode profile matching. Bobot masing-masing variabel ditentukan oleh pengambil keputusan dalam hal ini kepala Kewirausahaan. Dengan persentase nilai bobot yang berbeda-beda pada setiap variabel akan memberikan hasil penilaian yang sesuai dengan tingkat kompetensi peserta seleksi tenda wirausaha
Rancang Bangun Sistem Informasi Manajemen Organisasi Kemahasiswaan Berbasis Web di UNISNU Jepara Pratama, Andrian Dico; Azizah, Noor; Sabilla, Alzena Dona
Jurnal Informatika dan Rekayasa Perangkat Lunak Vol 6, No 2 (2024): September
Publisher : Universitas Wahid Hasyim

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36499/jinrpl.v6i2.11311

Abstract

Di era digital saat ini, Sistem Informasi Manajemen menjadi semakin penting bagi organisasi dan bisnis. Sistem Informasi Manajemen dapat membantu organisasi tetap kompetitif dan berkembang di era yang semakin kompleks dan dinamis. Lain halnya di organisasi kemahasiswaan dilingkungan Unisnu Jepara yang proses kepengurusannya masih dilaksanakan dengan praktik manual dan menggunakan media kertas. Dimana penulisan di media kertas membutuhkan waktu dan energi yang banyak, apalagi kebutuhan informasi dalam organisasi sudah pasti melimpah. Belum lagi adanya resiko penyalahgunaan materil dan kehilangan data kedepannya jika tidak dikelola dengan baik dan benar. Metode yang digunakan peneliti pada penelitian ini adalah metode Waterfall yang memiliki 5 tahapan yang dimulai dari Requirement Analysis, System and Software Design, Implementation and Unit Testing, System Testing and Integration, dan Operation and Maintenance. Hasil penelitian ini adalah dibuatnya sistem informasi manajemen organisasi di Unisnu Jepara yang diharapkan dapat membantu untuk meningkatkan efisiensi dalam proses operasional dan pengelolaan organisasi kemahasiswaan di lingkungan Universitas Islam Nahdlatul Ulama Jepara
Aplikasi E-voting Berbasis Blockchain Dengan Metode Smart Contract Junaedi, Junaedi; Fernando, Albert; Hermawan, Aditiya
Jurnal Informatika dan Rekayasa Perangkat Lunak Vol 6, No 2 (2024): September
Publisher : Universitas Wahid Hasyim

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36499/jinrpl.v6i2.10825

Abstract

Voting merupakan sebuah proses penting dalam banyak konteks, seperti dalam keputusan organisasi dan pemilihan pemimpin. Dengan berkembangnya teknologi, muncullah konsep electronic voting, di mana manusia dapat memberikan suaranya secara elektronik. Electronic voting telah menjadi alternatif penting dalam pengambilan keputusan organisasi dan pemilihan pemimpin, namun sering kali menghadapi tantangan terkait keamanan dan kecurangan. Dalam penelitian ini, sebuah aplikasi electronic voting berbasis blockchain telah dikembangkan menggunakan metode Smart Contract. Teknologi blockchain dipilih karena sifatnya yang terdesentralisasi dan publik, yang dapat memberikan tingkat keamanan dan transparansi yang tinggi terhadap data voting. Evaluasi terhadap aplikasi dilakukan melalui kuesioner yang diisi oleh 39 responden. Hasilnya menunjukkan tingkat persetujuan yang tinggi, dengan 91,46% responden menyatakan sangat setuju dengan efektivitas aplikasi ini. Hal ini menandakan bahwa penerapan sistem electronic voting berbasis blockchain memiliki potensi untuk meningkatkan kepercayaan dan integritas dalam proses pemilihan. Selain itu, aplikasi ini juga menawarkan kemudahan akses dan transparansi data, yang diharapkan dapat meningkatkan partisipasi masyarakat dalam proses demokratis. Dengan terus melakukan penelitian dan pengembangan lebih lanjut, aplikasi electronic voting berbasis blockchain ini memiliki potensi besar untuk menjadi standar dalam pemilihan masa depan.
Model Hybrid Random Forest dan Information Gain untuk Meningkatkan Performa Algoritma Machine Learning pada Deteksi Malicious Software Rafrastara, Fauzi Adi; Ghozi, Wildanil; Sani, Ramadhan Rakhmat; Handoko, L. Budi
Jurnal Informatika dan Rekayasa Perangkat Lunak Vol 6, No 2 (2024): September
Publisher : Universitas Wahid Hasyim

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36499/jinrpl.v6i2.11216

Abstract

Evolusi malware atau perangkat lunak berbahaya semakin meningkatkan kekhawatiran, menyerang tidak hanya komputer tetapi juga perangkat lain seperti smartphone. Malware kini tidak hanya berbentuk monomorfik, tetapi telah berkembang menjadi bentuk polimorfik, metamorfik, hingga oligomorfik. Dengan perkembangan massif ini, perangkat lunak antivirus konvensional tidak akan mampu mengatasinya dengan baik. Hal ini disebabkan oleh kemampuan malware untuk menyebarkan dirinya dengan pola sidik jari dan perilaku yang berbeda. Oleh karena itu, diperlukan antivirus cerdas berbasis machine learning yang mampu mendeteksi malware berdasarkan perilaku bukan sidik jari. Penelitian ini berfokus pada implementasi model machine learning dalam deteksi malware dengan menggunakan algoritma ensemble dan seleksi fitur untuk mencapai kinerja yang baik. Algoritma ensemble yang digunakan adalah Random Forest, dievaluasi dan dibandingkan dengan k-Nearest Neighbor dan Decision Tree sebagai state-of-the-art. Untuk meningkatkan kinerja klasifikasi dalam hal kecepatan proses, metode seleksi fitur yang diterapkan adalah Information Gain dengan 22 fitur. Hasil tertinggi dicapai dengan menggunakan algoritma Random Forest dan metode seleksi fitur Information Gain, mencapai skor 99.0% untuk akurasi dan F1-Score. Dengan mengurangi jumlah fitur, kecepatan pemrosesan dapat ditingkatkan hingga hampir 5 kali lipat.
Implementasi Bussines Intelligence Untuk Menganalisis Perkembangan Akademik Mahasiswa Di Program Studi Sistem Informasi UNISNU Jepara Margaretha, Sintikhe Novia; Azizah, Noor; Sabilla, Alzena Dona
Jurnal Informatika dan Rekayasa Perangkat Lunak Vol 6, No 2 (2024): September
Publisher : Universitas Wahid Hasyim

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36499/jinrpl.v6i2.11312

Abstract

Penelitian ini bertujuan untuk membangun sistem pemantauan akademik berbasis Business Intelligence (BI) di Program Studi Sistem Informasi Unisnu Jepara guna meningkatkan efisiensi dan kualitas pengambilan keputusan. Metode yang digunakan melibatkan analisis data akademik mahasiswa dengan bantuan Microsoft Power BI untuk pengolahan data. Data diambil dari Sistem Informasi Akademik (SIAKAD) dan diolah untuk menghasilkan visualisasi dalam bentuk dashboard yang informatif. Hasil penelitian menunjukkan visualisasi data akademik yang mencakup jumlah mahasiswa, status akademik, IPK rata-rata, masa studi, dan keberhasilan lulusan. Dashboard ini memudahkan pemantauan dan analisis data akademik, mendukung pengambilan keputusan yang lebih baik, dan meningkatkan mutu pendidikan di Program Studi Sistem Informasi Unisnu Jepara. Penelitian  ini menyadarkan betapa pentingnya implementasi BI dalam mengoptimalkan manajemen data akademik dan pengambilan keputusan strategis di lingkungan akademik..
Identifikasi Kesegaran Ikan Bandeng Non-kontak Menggunakan MobileNetV2 Hidayatullah, Achmad Nasrul; Prasetyo, Eko; Purbaningtyas, Rani
Jurnal Informatika dan Rekayasa Perangkat Lunak Vol 6, No 2 (2024): September
Publisher : Universitas Wahid Hasyim

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36499/jinrpl.v6i2.10860

Abstract

Ikan bandeng merupakan komoditas yang diunggulkan di beberapa kabupaten di Indonesia yaitu Sidoarjo, Semarang, dan Banten. Ikan ini juga favorit masyarakat Indonesia karena tinggi gizi tinggi dengan harga terjangkau. Sehingga, bagi pebisnis hasil olahan ikan bandeng, kesegaran ikan bandeng menjadi parameter penting karena kesegaran ikan mempengaruhi kualitas hasil produk olahannya. Penyortiran ikan secara manual menjadi tidak masalah ketika jumlah ikan sangat banyak, karena rawan terjadi kesalahan akibat kelelahan. Selain itu, penyortiran ikan secara manual juga boros biaya dan waktu lama. Maka dari itu, dibutuhkan sistem otomatis non-kontak untuk mengindentifikasi kesegaran ikan berbasis citra digital. Penelitian ini bertujuan mengembangkan aplikasi identifikasi kesegaran ikan bandeng dengan menerapkan model Convolutional Neural Network (CNN). Kami menerapkan model MobileNetV2 untuk mengidentifikasi kesegaran ikan bandeng menjadi 3 kelas kesegaran yaitu sangat segar, segar, dan tidak segar. Pengujian aplikasi menggunakan model MobileNetV2 pada 312 citra ikan bandeng. Kinerja klasifikasi kesegaran mencapai 95 %, 70% dan 80% masing-masing pada kelas sangat segar, segar, dan tidak segar. Akurasi global sistem mencapai 81.6% menunjukkan bahwa aplikasi dapat bekerja dengan baik. Dari eksperimen dan analisis yang dilakukan, dapat disimpulkan bahwa sistem memiliki kemampuan baik dalam mengidentifikasi kesegaran ikan.

Page 2 of 3 | Total Record : 21

 1   2   3 

Filter by Year

2024 2024


Reset
Filter By Issues
All Issue Vol. 7 No. 2 (2025): September Vol. 7 No. 1 (2025): Maret Vol 6, No 2 (2024): September Vol. 6 No. 2 (2024): September Vol 6, No 1 (2024): Maret Vol 5, No 2 (2023): September Vol 5, No 1 (2023): Maret Vol 4, No 2 (2022): September Vol 4, No 1 (2022): Maret Vol 3, No 2 (2021): September Vol 3, No 1 (2021): Maret Vol 2, No 2 (2020): September Vol 2, No 1 (2020): Maret Vol 1, No 2 (2019): September Vol 1, No 1 (2019): Maret More Issue