cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Candra Surya
Contact Email
candrasurya@gmail.com
Phone
+6285278707800
Journal Mail Official
-
Editorial Address
Jl. Hangtuah No. 99 Duri - Riau
Location
Kab. bengkalis,
Riau
INDONESIA
JSR : Jaringan Sistem Informasi Robotik
Published by AMIK Mitra Gama
ISSN : 23562137     EISSN : 2579373X     DOI : -
Core Subject : Science,
Computer Science & IT
Jurnal Sistem Informasi Robotik (JSR) diterbitkan oleh LPPM AMIK Mitra Gama. JSR adalah jurnal open akses dengan pelibatan mitra bestari (peer-reviewed). JSR terbit dua kali dalam setahun, Maret dan September. JSR mempublikasikan naskah asli yang memiliki kontribusi kepada state-of-the-art dan aplikasi dari bidang Komputer. Adapun ruang lingkup jurnal JSR adalah: 1. Sistem Pendukung Keputusan (SPK/DSS) 2. Sistem Informasi Geografis (GIS/SIG) 3. Sistem informasi skala enterprise (ERP, EAI, CRM, SCM) 4. Keamanan Sistem Informasi 5. Sistem Informasi Berbasis Web 6. Sistem Berbasis Pengetahuan & Data mining 7. Mobile Computing 8. Multimedia 9. Control 10. Networking JSR menerima kontribusi berupa teori (termasuk teknik baru, konsep dan analisis) dan praktis (termasuk percobaan dan prototipe sistem dan aplikasi baru).
Arjuna Subject : Ilmu Komputer (semua kategori) - Ilmu Komputer (Lain-Lain)
Articles 193 Documents
 16   17   18   19   20 
PENERAPAN METODE CERTAINTY FACTOR UNTUK DIAGNOSA PENYAKIT KULIT PADA KUCING BERBASIS WEB munaldi, munaldi
JSR : Jaringan Sistem Informasi Robotik Vol 8, No 1 (2024): JSR: Jaringan Sistem Informasi Robotik
Publisher : AMIK Mitra Gama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58486/jsr.v8i1.346

Abstract

Most skin diseases that occur in house cats are often underestimated and can become serious if not treated immediately. Therefore, tools and systems are needed that allow us to diagnose skin diseases in cats like doctors. This system is an expert system that solves problems in a way that is usually done by experts. This research aims to develop a web-based system for diagnosing skin diseases in cats using the Certainty Factor method. This method is used to increase the accuracy of diagnosis by considering the level of confidence of each symptom in a possible disease. This system was developed with the aim of providing fast and accurate assistance to cat owners and veterinary practitioners in identifying skin problems faced by cats. The diagnosis process begins with symptom data collection via a user-friendly web interface. Next, the Certainty Factor method is used to calculate the level of certainty regarding each symptom regarding the possibility of a particular skin disease. The system also features a continuously updated knowledge base, utilizing the latest information regarding skin diseases in cats. Diagnostic results are presented clearly and easily understood via a web interface, which includes treatment recommendations and actions that can be taken. The success of the system was evaluated through trials using case studies of common cat skin diseases.
KOMPARASI ALGORITMA DECISION TREE, SVM, NAIVE BAYES DALAM PREDIKSI PENYAKIT LIVER Herisnan, Diva Nabila
JSR : Jaringan Sistem Informasi Robotik Vol 8, No 1 (2024): JSR: Jaringan Sistem Informasi Robotik
Publisher : AMIK Mitra Gama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58486/jsr.v8i1.387

Abstract

Penelitian ini membandingkan kinerja tiga algoritma klasifikasi dalam memprediksi penyakit hati: Decision Tree, Support Vector Machine (SVM), dan Naive Bayes. Prediksi akurat mengenai masalah kesehatan hati dapat membantu diagnosis dan pengobatan tepat waktu. Sebab, permasalahan ini mempunyai dampak yang cukup besar. Metode ini melatih dan mengevaluasi algoritma dengan kumpulan data klinis dan parameter biokimia. Meskipun Decision Tree memberikan interpretasi model yang lebih baik, SVM mengungguli algoritma lain dalam hal akurasi prediksi. Selain itu, Naive Bayes memiliki kinerja yang baik, terutama dalam menangani asumsi independensi fitur. Singkatnya, ketika seseorang memilih algoritma klasifikasi, mereka harus mempertimbangkan manfaat yang dihasilkan dari akurasi, interpretabilitas, dan asumsi model. Hasil penelitian ini semoga bermanfaat bagi para praktisi kesehatan dalam memilih metode untuk memprediksi penyakit liver dan tingkat akurasi terbaik terdapat pada algoritma Decision Tree menggunakan pembagian data Forward Selection 70:30 dengan tingkat akurasi 67,82%
OPTIMASI ALGORITMA KLASIFIKASI DECISION TREE (CART) DENGAN METODE BAGGING UNTUK DETEKSI WEBSITE PHISHING Ester, Ria; Mulani, Sartika Lina
JSR : Jaringan Sistem Informasi Robotik Vol 8, No 1 (2024): JSR: Jaringan Sistem Informasi Robotik
Publisher : AMIK Mitra Gama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58486/jsr.v8i1.351

Abstract

Advances in science and technology (IPTEK), especially information technology, make it easier to support community activities, but at the same time make various devices vulnerable to exploitation by cybercriminals [1]. One such activity is stealing data from Internet users through fake sites (also known as phishing sites) designed to look like the real thing. Phishing websites pose a serious threat to online information security and require an effective approach to detect and prevent them. To combat the proliferation of phishing websites in cyberspace, a classification is needed to predict which websites will be classified as phishing websites using the Decision Tree Classification Algorithm (CART) [2]. To improve the performance of the Decision Tree Classification (CART) algorithm and achieve better optimal accuracy, optimization using the bagging method is needed. A bagging technique that combines the results of several decision tree models is applied to improve the performance and reliability of the CART algorithm in detecting phishing websites [3]. In this research, we collected a dataset containing various characteristics related to the characteristics of phishing websites. The data is then processed and divided into subsets for model training and testing. The aim of this research is to optimize the decision tree classification algorithm (CART) by applying bagging techniques in the context of phishing website detection. Based on test results, applying the Decision Tree Classification Algorithm (CART) to classify phishing websites produces an accuracy of 96.61%, and when combined with bagging techniques, the accuracy increases by 1.13% to 97.74%. This experiment shows that optimization can improve the prediction accuracy of phishing websites by combining the Decision Tree Algorithm (CART) with bagging techniques. Keywords: Phishing Websites, Classification, Prediction, Algorithms, Decision Trees.
ANALISIS PENGUJIAN MENGGUNAKAN USER ACCEPTANCE TEST (UAT) PADA APLIKASI MANAJEMEN NOTULENSI RAPAT BAPPEDA KOTA PONTIANAK Asrin, Fauzan
JSR : Jaringan Sistem Informasi Robotik Vol 8, No 1 (2024): JSR: Jaringan Sistem Informasi Robotik
Publisher : AMIK Mitra Gama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58486/jsr.v8i1.340

Abstract

Notulensi rapat merupakan catatan penting tentang perjalanan suatu kegiatan baik itu rapat, seminar, kuliah umum, forum diskusi, atau sidang yang dimulai dari awal sampai dengan akhir. Pada umumnya notulensi rapat di tulis oleh seorang notulis yang nantinya akan melaporkan hasil rapat kepada ketua rapat dengan tujuan untuk memberikan keputusan dari proses rapat yang berjalan. Keputusan yang disampaikan ketua akan dipertanggung jawabkan pada seluruh anggota maupun peserta rapat yang hadir maupun yang tidak hadir. Badan Perencanaan dan Pembangunan Daerah (BAPPEDA) kota Pontianak sebelumnya selalu mendapatkan masalah terkait manajemen notulensi rapat yang tidak dikelola dengan baik. Setiap kali melaksanakan rapat proses berjalannya rapat selalu tidak terdokumentasi dengan baik fatalnya adalah data notulensi rapat selalu saja tidak tersimpan sehingga sewaktu-waktu pimpinan meminta dokumentasi rapat yang telah berlangsung staf tidak memiliki data lengkap dari proses kegiatan rapat yang telah berlangsung. Oleh sebab itu dirancanglah sebuah aplikasi manajemen notulensi rapat di lingkungan BAPPEDA kota Pontianak yang sudah digunakan, dengan tujuan dapat medokumentasikan hasil rapat secara sistematis dan praktis di sebuah sistem dan tersimpan secara baik apabila diperlukan. Namun aplikasi yang sudah berjalan dilakukan pengujian menggunakan User Acceptance Test (UAT) untuk menguji kelayakan. Hasil pengujian aplikasi yang dilakukan mendapatkan hasil 93% untuk operator bidang, 91,43% untuk operator ruangan, 90,90% untuk pegawai dan 90% untuk notulen. Hal ini menunjukkan bahwa Aplikasi yang telah dibangun sesuai dengan yang diperlukan.
TEKNIK STEGANOGRAFI DISCRETE COSINE TRANSFORM DAN ALGORITMA RSA UNTUK MENYISIPKAN PESAN PADA AUDIO Apriani, Puja; Hasugian, Abdul Halim; Rusydi, Ibnu
JSR : Jaringan Sistem Informasi Robotik Vol 8, No 1 (2024): JSR: Jaringan Sistem Informasi Robotik
Publisher : AMIK Mitra Gama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58486/jsr.v8i1.319

Abstract

Transmisi informasi menjadi lebih umum, yang dapat membahayakan keaslian dan integritas pesan. Pesan yang sangat pribadi atau sensitif seringkali diinginkan oleh individu. Untuk melindungi pesan pribadi dan sensitif, diperlukan sistem keamanan data. sehingga mereka yang berhak menerimanya dapat melakukannya. Salah satunya melalui penggunaan metode yang dikenal dengan kriptografi dan steganografi, yang dimana pesan tersebut dienkripsi terlebih dahulu menjadi karakter yang tidak bermakna kemudian disisipkan pada wadah penampung. Metode Kriptografi yang digunakan ialah Algoritma RSA. Kesulitan mengubah bilangan besar menjadi faktor prima untuk mendapatkan keamanan pada algoritma RSA terletak pada kunci publik dan private. Namun, Algoritma Kriptografi ini memiliki kelemahan dalam penerapannya yaitu mudah menimbulkan konflik karena pesan diubah atau diacak menjadi bentuk yang tidak bermakna. Untuk menghindari kekurangan dari algoritma kriptografi yang digunakan, keberadaan pesan perlu disembunyikan untuk menjaga kerahasiaan pesan. Maka, penulis menggunakan pendekatan steganografi dan kriptografi. Metode Steganografi yang digunakan adalah metode transformasi yang bekerja dengan melakukan transformasi audio kemudian dilakukan modifikasi terhadap koefisien DCT sesuai dengan bit pesan yang disisipkan. Pesan yang disembunyikan ialah pesan teks biasa yang disisipkan pada audio (*.wav) diimplementasikan dengan bantuan Microsoft Visual Studio 2012. Sistem penanaman dengan teknik DCT menghasilkan suara Stegano yang tidak terlalu mempengaruhi kualitas suara, hanya naik 1kb untuk size audio dibawah 2mb dan menghasilkan proses pemulihan pesan sebagai pesan secara efektif dikembalikan seperti semula.
KOMPARASI ALGORITMA MACHINE LEARNING UNTUK KLASIFIKASI KELULUSAN MAHASISWA Sigit, Rapel Aprilius; Kurniawan, Zuprizal; Rahmaddeni, Rahmaddeni
JSR : Jaringan Sistem Informasi Robotik Vol 8, No 1 (2024): JSR: Jaringan Sistem Informasi Robotik
Publisher : AMIK Mitra Gama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58486/jsr.v8i1.391

Abstract

Keberhasilan seorang mahasiswa dalam menyelesaikan studinya tepat waktu merupakan faktor kunci dalam pencapaian sebuah lembaga pendidikan tinggi. Algoritma machine learning memberikan pendekatan inovatif dalam analisis data serta prediksi berdasarkan pola yang teridentifikasi. Penelitian ini bertujuan membandingkan algoritma machine learning yang umum digunakan dalam mengklasifikasikan kelulusan mahasiswa, seperti Naive Bayes dan Decision Trees. Data yang diterapkan dalam penelitian ini diperoleh dari kaggle.com dan terdiri dari 4424 entri, yang terbagi menjadi tiga kategori: lulus, drop out, dan masih aktif. Data dapat digunakan untuk melakukan pelatihan setelah tahapan preprocessing, meliputi penghapusan data yang tidak relevan serta transformasi yang diperlukan. Setelah tahapan preprocessing selesai, dilakukan implementasi algoritma Naïve Bayes dan Decision Tree. Hasil penelitian menpresentasikan akurasi Naïve Bayes yakni 70,33% dan Decision Tree yakni 67,09%, dengan F1-score Naïve Bayes 61,81% dan Decision Tree 60,80%. Selain itu, hasil cross-validation menunjukkan akurasi Naïve Bayes sebesar 70,00% dan Decision Tree sebesar 68,29%. Dari hasil tersebut, terbukti bahwa Naïve Bayes memiliki performa yang lebih bagus jika dikomparasi dengan Decision Tree dalam konteks penelitian ini.
RANCANG BANGUN ALAT MONITORING SISTEM JEMURAN IKAN ASIN OTOMATIS DENGAN SENSOR HUJAN DAN RTC BERBASIS WEMOS DAN SMS Saputra, Haris Tri; Rinaldi Amartha, Mohd; Wulandari, Denok
JSR : Jaringan Sistem Informasi Robotik Vol 8, No 1 (2024): JSR: Jaringan Sistem Informasi Robotik
Publisher : AMIK Mitra Gama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58486/jsr.v8i1.366

Abstract

Pemanasan global yang sekarang ini sedang terjadi menyebabkan musim di Indonesia menjadi kurang menentu, sehingga musim kemarau dan musim penghujan tidak dapat di prediksi lagi, seperti sering terjadi hujan secara tiba tiba. Kondisi yang tidak menentu akan sangat merepotkan ketika menjemur ikan asin. Sehingga ikan asin yang dijemur tidak maksimal. Untuk mengatasi hal tersebut maka dibuat perancangan prototype jemuran ikan asin otomatis berbasis Wemos D1 R1. Jemuran ini bekerja apabila sensor hujan mendeteksi lingkungan sekitar dan RTC DS1307 sebagai pengatur waktu untuk membuka dan menutup jemuran. Kemudian hasil sensor hujan dan RTC DS1307 tersebut diolah oleh Wemos D1 R1, yang digunakan untuk membuka dan menutup tutup jemuran menggunakan motor servo. LCD 16 x 2 akan menampilkan data sesuai dari sensor hujan dan RTC DS1307. Alat ini juga dapat membantu pengusaha ikan asin untuk memantau keadaan alat jemuran ikan asin melalui SMS.Kata Kunci: Ikan asin, Wemos D1 R1, RTC DS1307, Sensor hujan, SMS
ANALISIS PENERIMAAN SISTEM INFORMASI LABORATORIUM (SILABOR) UNIVERSITAS JAMBI MENGGUNAKAN METODE TECHNOLOGY ACCEPTANCE MODEL (TAM) Simanjuntak, Ade Bonita; Aryani, Reni; Khaira, Ulfa
JSR : Jaringan Sistem Informasi Robotik Vol 8, No 1 (2024): JSR: Jaringan Sistem Informasi Robotik
Publisher : AMIK Mitra Gama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58486/jsr.v8i1.337

Abstract

Perkembangan ilmu pengetahuan saat ini telah menciptakan berbagai macam teknologi baru. Salah satu inovasi layanan digital adalah Sistem Informasi Laboratorium (SILABOR) Universitas Jambi. Sistem informasi laboratorium (SILABOR) Universitas Jambi digunakan untuk pengolaan pendayagunaan aset. Tujuan dari penelitian ini yaitu untuk mengetahui pengaruh persepsi kegunaan (Perceived Usefulness), persepsi kemudahan (perceived ease of use), sikap pengguna (attitude toward using), niat pengguna (Behavioral to use), terhadap penerimaan penggunaan sistem informasi laboratorium universitas jambi. Penelitian ini dilakukan dengan cara melakukan analisis sistem yaitu Penerimaan penggunaan yang mengarah kepada keberhasilan penerapan sistem informasi secara lebih efektif dengan menggunakan metode Technology Acceptance Model (TAM). Dan jenis penelitian yang digunakan yaitu dengan pendekatan penelitian kuantitatif. Adapun sampel yang digunakan pada penelitian ini berjumlah 61 responden. Penelitian ini menggunakan teknik analisis data Structural Equation Modeling Partial Square (SEM-PLS) yang mana teknik ini dapat menganalisis pola hubungan antara konstruk laten dan indikatornya, konstrak laten yang satu dengan lainnya dengan menggunakan software SmartPLS.
ANALISIS SENTIMEN MASYARAKAT TERHADAP THRIFTING PADA MEDIA SOSIAL TWITTER(X.COM) MENGGUNAKAN METODE K-NEAREST NEIGHBOR Firmansyah, Dafa Akbar; Damayanti, Devi
JSR : Jaringan Sistem Informasi Robotik Vol 8, No 1 (2024): JSR: Jaringan Sistem Informasi Robotik
Publisher : AMIK Mitra Gama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58486/jsr.v8i1.322

Abstract

Saat ini fenomena thrifting bukanlah hal yang baru dan menjadi populer dikalangan anak muda. Fashion saat ini menjadi kebutuhan yang perkembangan nya sangat cepat dengan munculnya berbagai trend fashion baru dikalangan remaja dalam waktu singkat. Salah satu trend adalah fashion thrfit. Thrifting adalah aktivitas berbelanja barang bekas dengan tujuan menghemat biaya. Namun,baru baru ini muncul isu tentang larangan thrifting di Indonesia, yang memicu kontroversi publik. Larangan thrifting di Indonesia didasarkan pada Undang Undang Republik Indonesia Nomor 7 Tahun 2014 tentang Perdagangan. Pasal tersebut menyatakan bahwa “setiap importir wajib mengimpor barangnya ke keadaan baru”. Dari pemaparan tersebut ada pihak yang setuju ada pula yang tidak. Berdasarkan banyaknya opini masyarakat di Twitter tentang thrifting, kita bisa menggunakan analisis sentimen untuk meninjau opini mana yang lebih dominan di masyarakat. Pada penelitian kali ini penulis ingin melakukan analisis sentimen terhadap topik thrifting menggunakan metode k-nearest neighbor. Hasil klasifikasi menggunakan metode K-Nearest Neighbor mampu mengklasifikasikan respon dari pengguna twitter dan dapat digunakan pemerintah sebagai bahan evaluasi dan penilaian terhadap thrifting. Hasil pengujian metode K-Nearest Neighbor menggunakan confusion matrix dengan data sebanyak 252 mendapatkan tingkat akurasi sebesar 76% dengan nilai k=3.
PERBANDINGAN ALGORITMA K-MEANS CLUSTERING DAN K-MEDOIDS DALAM MENGELOMPOKKAN TINGKAT KEMISKINAN DI PROVINSI RIAU Ramadhani, Jilang; Anugraha, Yoga Safitra; Fauzan, Aulia; Rahmaddeni, Rahmaddeni; Efrizoni, Lusiana
JSR : Jaringan Sistem Informasi Robotik Vol 8, No 1 (2024): JSR: Jaringan Sistem Informasi Robotik
Publisher : AMIK Mitra Gama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58486/jsr.v8i1.393

Abstract

Kemiskinan merupakan permasalahan yang sering terjadi di dunia. Tingkat kemiskinan dari tahun ke tahun cenderung naik dan turun di setiap wilayah. Menurut Badan Pusat Statistik Riau, tingkat kemiskinan termasuk golongan rendah dengan persentase sebesar 7,00% pada september 2021. Penelitian ini bertujuan untuk mengelompokkan tingkat kemiskinan dengan Cluster kemiskinan rendah, sedang dan tinggi menggunakan algoritma K-Means Clustering dan K-Medoids. Data bersumber dari Badan Pusat Statistik Provinsi Riau dari tahun 2021-2023 dengan atribut jumlah penduduk miskin, pengangguran, dan garis kemiskinan. Hasil penelitian menunjukkan bahwa K-Means menghasilkan nilai Silhouette Coefficient sebesar 0,387 lebih tinggi dibandingkan K-Medoids sebesar 0,289. Hal ini menunjukkan Cluster yang dihasilkan K-Means lebih baik dalam mengelompokkan wilayah berdasarkan tingkat kemiskinan. Informasi ini dapat dimanfaatkan pemerintah untuk mengatasi kemiskinan yang sesuai dengan kondisi khusus di setiap Cluster wilayah.

Page 18 of 20 | Total Record : 193

 16   17   18   19   20 

Filter by Year

2017 2025


Reset
Filter By Issues
All Issue Vol 9, No 2 (2025): JSR:Jaringan Sistem Informasi Robotik Vol 9, No 1 (2025): JSR: Jaringan Sistem Informasi Robotik Vol 8, No 2 (2024): JSR: Jaringan Sistem Informasi Robotik Vol 8, No 1 (2024): JSR: Jaringan Sistem Informasi Robotik Vol 7, No 2 (2023): JSR: Jaringan Sistem Informasi Robotik Vol 7, No 1 (2023): JSR: Jaringan Sistem Informasi Robotik Vol 6, No 2 (2022): JSR : Jaringan Sistem Informasi Robotik Vol 6, No 1 (2022): JSR : Jaringan Sistem Informasi Robotik Vol 5, No 2 (2021): JSR : Jaringan Sistem Informasi Robotik Vol 5, No 1 (2021): JSR : Jaringan Sistem Informasi Robotik Vol 4, No 2 (2020): JSR : Jaringan Sistem Informasi Robotik Vol 4, No 1 (2020): JSR : Jaringan Sistem Informasi Robotik Vol 3, No 2 (2019): JSR : Jaringan Sistem Informasi Robotik Vol 3, No 1 (2019): JSR : Jaringan Sistem Informasi Robotik Vol 2, No 2 (2018): JSR : Jaringan Sistem Informasi Robotik Vol 2, No 1 (2018): JSR : Jaringan Sistem Informasi Robotik Vol 1, No 01 (2017): JSR : Jaringan Sistem Informasi Robotik More Issue