cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Rudi Setiawan
Contact Email
rudi@trilogi.ac.id
Phone
+628192454119
Journal Mail Official
rudi@trilogi.ac.id
Editorial Address
Program Studi Sistem Informasi Universitas Trilogi, Jl. TMP Kalibata No.1 Pancoran, Jakarta Selatan
Location
Kota adm. jakarta selatan,
Dki jakarta
INDONESIA
Jurnal Sistem Informasi dan Sains Teknologi
Published by Universitas Trilogi
ISSN : -     EISSN : 26848260     DOI : -
Core Subject : Science,
Computer Science & IT
Jurnal Sistem Informasi dan Sains Teknologi terbit 2 kali dalam setahun, bertujuan untuk menyebarluaskan hasil penelitian pada ranah topik sistem informasi, kompleksitas algoritma, implementasi algoritma, rekayasa perangkat lunak, sistem terdistribusi, bisnis dan manajemen, pengelolaan data dan informasi, sistem cerdas, data mining, sistem penunjang keputusan dan tanpa membatasi topik lain yang masih relevan.
Arjuna Subject : Ilmu Komputer (semua kategori) - Aplikasi Ilmu Komputer
Articles 86 Documents
 5   6   7   8   9 
IMPLEMENTASI METODE C4.5 UNTUK PREDIKSI RISK-LEVEL KEKAMBUHAN KANKER TIROID TERDIFERENSIASI Mustio, Hesti Ifada; Firmansyah, Hasbi; Asriani, Wahyu
Jurnal Sistem Informasi dan Sains Teknologi Vol 8, No 1 (2026): Jurnal Sistem Informasi dan Sains Teknologi (On Progress)
Publisher : Universitas Trilogi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31326/sistek.v8i1.2635

Abstract

AbstrakKanker tiroid terdiferensiasi (Differentiated Thyroid Cancer/DTC) umumnya berprognosis baik, namun sebagian pasien tetap mengalami kekambuhan sehingga diperlukan stratifikasi risiko yang objektif dan mudah diinterpretasi. Penelitian ini bertujuan membangun dan mengevaluasi model klasifikasi berbasis algoritma C4.5 untuk memprediksi tingkat risiko kekambuhan DTC (Low, Intermediate, High) menggunakan dataset “Differentiated Thyroid Cancer Recurrence” dari UCI Machine Learning Repository. Dataset ini merupakan kohort retrospektif 383 pasien dengan follow-up 10 tahun yang memuat 16 fitur klinikopatologis. Algoritma C4.5 dipilih karena mampu menangani atribut numerik dan kategorik, memodelkan hubungan nonlinier, serta menghasilkan pohon keputusan dan aturan if–then yang mudah ditelusuri sehingga sesuai untuk prototipe sistem pendukung keputusan klinis. Tahapan penelitian meliputi prapemrosesan dan pengkodean atribut, pembagian data menjadi data latih dan uji, pelatihan pohon keputusan C4.5 dengan pruning, serta evaluasi menggunakan akurasi, error klasifikasi, presisi tertimbang, dan recall tertimbang. Pada 116 data uji, model menghasilkan akurasi 81,03%, error klasifikasi 18,97%, presisi tertimbang 78,11%, dan recall tertimbang 78,77%. Kesalahan klasifikasi terutama terjadi antara kelas Low dan Intermediate, sementara sebagian besar pasien berisiko tinggi teridentifikasi dengan baik. Temuan ini menunjukkan bahwa C4.5 andal memetakan pola klinis dan berpotensi dimanfaatkan sebagai alat bantu awal dalam stratifikasi risiko kekambuhan DTC.Kata Kunci : Kanker tiroid terdiferensiasi; Kekambuhan; Stratifikasi risiko; Pohon keputusan C4.5; Data mining; Sistem pendukung keputusan klinisAbstractKanker tiroid berdiferensiasi (DTC) umumnya memiliki prognosis yang baik, namun beberapa pasien mengalami kekambuhan, sehingga stratifikasi risiko yang objektif dan dapat diinterpretasikan menjadi sangat penting. Studi ini bertujuan untuk mengembangkan dan mengevaluasi model berbasis C4.5 untuk memprediksi tingkat risiko kekambuhan DTC (Rendah, Menengah, Tinggi) menggunakan dataset “Kekambuhan Kanker Tiroid Berdiferensiasi” dari UCI Machine Learning Repository. Dataset tersebut mencakup 383 pasien dengan tindak lanjut selama 10 tahun dan 16 fitur klinikopatologis. C4.5 dipilih karena kemampuannya untuk menangani atribut numerik dan kategorikal, menangkap hubungan nonlinier, dan menghasilkan pohon keputusan yang dapat dilacak dan aturan if-then yang sesuai untuk pembuatan prototipe dukungan keputusan klinis. Alur kerja terdiri dari pra-pemrosesan data, pengkodean atribut, pemisahan data menjadi set pelatihan dan pengujian, pelatihan pohon keputusan C4.5 yang dipangkas, dan evaluasi kinerja menggunakan akurasi, kesalahan klasifikasi, presisi tertimbang, dan recall tertimbang. Pada 116 contoh pengujian, model tersebut mencapai akurasi 81,03%, kesalahan klasifikasi 18,97%, presisi tertimbang 78,11%, dan recall tertimbang 78,77%. Sebagian besar kesalahan klasifikasi terjadi antara kelas Rendah dan Menengah, sementara pasien berisiko tinggi sebagian besar diidentifikasi dengan benar. Temuan ini menunjukkan bahwa C4.5 dapat menangkap pola klinis dan menjanjikan sebagai alat awal untuk stratifikasi risiko kekambuhan DTC. Kata kunci: Kanker tiroid berdiferensiasi; Kekambuhan; Stratifikasi risiko; Pohon keputusan C4.5; Penambangan data; Sistem pendukung keputusan klinis.
Perancangan Sistem Pendaftaran Ekstrakurikuler Berbasis Microsoft Excel Menggunakan Fitur VLOOKUP dan Pivot Table (Studi Kasus: SMPN 6 Babelan) Wigunastuti, Atika; Nurul Azizah, Eka Az Zahrah; Nurrahman, Syafran; Umayah, Uum; Yuniarti, Yuniarti
Jurnal Sistem Informasi dan Sains Teknologi Vol 8, No 1 (2026): Jurnal Sistem Informasi dan Sains Teknologi (On Progress)
Publisher : Universitas Trilogi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31326/sistek.v8i1.2671

Abstract

ABSTRAKSMPN 6 Babelan merupakan salah satu Sekolah Menengah Pertama Negeri di Kabupaten Bekasi yang setiap tahun menyelenggarakan pendaftaran kegiatan ekstrakurikuler bagi siswa. Proses pendaftaran yang berjalan saat ini masih dilakukan secara manual sehingga menimbulkan berbagai permasalahan, seperti ketidakteraturan data, kesalahan pencatatan, serta kesulitan dalam pencarian dan rekapitulasi data untuk keperluan laporan. Penelitian ini bertujuan untuk merancang dan mengimplementasikan sistem pendaftaran ekstrakurikuler berbasis Microsoft Excel dengan memanfaatkan fitur VLOOKUP sebagai relasi antar data dan Pivot Table sebagai alat rekapitulasi otomatis. Metode penelitian yang digunakan adalah penelitian deskriptif kualitatif dengan pendekatan studi kasus, melalui teknik pengumpulan data berupa observasi, wawancara, dan dokumentasi terhadap sistem pendaftaran yang sedang berjalan. Hasil penelitian menunjukkan bahwa penerapan sistem berbasis Microsoft Excel mampu meningkatkan efisiensi kerja, mengurangi kesalahan input data, mempermudah proses pendaftaran dan pencarian data siswa, serta mempercepat pembuatan laporan kegiatan ekstrakurikuler. Sistem yang dirancang juga menghasilkan data yang lebih rapi, akurat, dan terstruktur. Penelitian ini diharapkan dapat menjadi solusi praktis bagi sekolah yang masih menggunakan sistem manual serta menjadi referensi bagi pengembangan sistem administrasi sekolah berbasis teknologi sederhana. Penelitian selanjutnya dapat mengembangkan sistem ini ke dalam bentuk aplikasi berbasis web, dan mengintegrasikannya dengan database sekolah atau layanan berbasis cloud. Kata Kunci: Pendaftaran Ekstrakulikuler, Microsoft Excel, VLOOKUP, Pivot Table.
EVALUASI KINERJA MODEL GRADIENT BOOSTED TREES UNTUK PREDIKSI STATUS KOMORBIDITAS PADA PASIEN BATU EMPEDU Amali, Fasya Gilar; Firmansyah, Hasbi; Asriani, Wahyu
Jurnal Sistem Informasi dan Sains Teknologi Vol 8, No 1 (2026): Jurnal Sistem Informasi dan Sains Teknologi (On Progress)
Publisher : Universitas Trilogi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31326/sistek.v8i1.2641

Abstract

ABSTRAK Penelitian ini bertujuan mengevaluasi kinerja model Gradient Boosted Trees (GBT) dalam memprediksi status komorbiditas (ada/tidak ada) pada pasien batu empedu. Data berasal dari UCI Machine Learning Repository dan mencakup 319 individu dengan 38 fitur klinis. Proses pemodelan meliputi pembersihan data, transformasi fitur, pembagian data dengan rasio 70:300 untuk pelatihan dan pengujian, pelatihan model GBT dengan skema 10-fold cross-validation, serta evaluasi menggunakan empat metrik utama, yaitu akurasi, classification error, weighted mean precision, dan weighted mean recall. Hasil eksperimen menunjukkan bahwa model GBT mencapai akurasi 82,29%, classification error 17,71%, weighted mean precision 89,63%, dan weighted mean recall 72,58%. Analisis lebih lanjut mengungkap precision sempurna (100,00%) pada kelas komorbiditas dan recall sempurna (100,00%) pada kelas tanpa komorbiditas, sementara recall kelas komorbiditas hanya 45,16%, yang mengindikasikan bias model terhadap kelas mayoritas dan keterbatasan dalam mendeteksi pasien berkomorbid. Temuan ini menunjukkan bahwa GBT merupakan pendekatan menjanjikan sebagai alat bantu keputusan untuk mengonfirmasi komorbiditas, namun masih kurang ideal sebagai alat skrining awal. Penelitian lanjutan disarankan menerapkan teknik penanganan ketidakseimbangan kelas, optimasi hyperparameter, penyesuaian threshold, serta pembandingan dengan algoritma ensemble lain guna meningkatkan sensitivitas dan generalisasi model. Kata Kunci : Komorbiditas, Batu Empedu, Gradient Boosted Trees, Klasifikasi, RapidMiner, Weighted Mean Precision ABSTRACT This study aims to evaluate the performance of a Gradient Boosted Trees (GBT) model for predicting comorbidity status (present/absent) in gallstone patients. The dataset, obtained from the UCI Machine Learning Repository, comprises 319 individuals with 38 clinical features. The modelling pipeline includes data cleaning, feature transformation, an 70:30 train–test split, GBT training with 10-fold cross-validation, and evaluation using four metrics: accuracy, classification error, weighted mean precision, and weighted mean recall. Experimental results show that the GBT model achieves an accuracy of 82.29%, a classification error of 17.71%, a weighted mean precision of 89.63%, and a weighted mean recall of 72.58%. Further analysis reveals perfect precision (100.00%) for the comorbidity class and perfect recall (100.00%) for the non-comorbidity class, while recall for the comorbidity class is only 45.16%. This pattern indicates bias toward the majority class and limited sensitivity for detecting comorbid patients. These findings suggest that GBT is promising as a decision-support tool to confirm the presence of comorbidity, but less suitable as a primary screening tool. Future research should apply class-imbalance handling, hyperparameter optimisation, threshold adjustment, and comparison with alternative ensemble algorithms to improve sensitivity and generalisability. Keyword : Differentiated thyroid cancer; Recurrence; Risk stratification; C4.5 Decision tree; Data mining; Clinical decision support system.
SISTEM PENDUKUNG KEPUTUSAN PENILAIAN KINERJA KARYAWAN BERBASIS WEB DI STMIK BINA PATRIA MENGGUNAKAN METODE TOPSIS aisyiyah, natasya dwi; rahayu, wiji; wiguno, zahra nur azizah
Jurnal Sistem Informasi dan Sains Teknologi Vol 8, No 1 (2026): Jurnal Sistem Informasi dan Sains Teknologi (On Progress)
Publisher : Universitas Trilogi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31326/sistek.v8i1.2726

Abstract

Penelitian ini bertujuan untuk mengembangkan sistem pendukung keputusan berbasis web untuk menilai kinerja karyawan menggunakan metode Technique for Order Preference by Similarity to Ideal Solution (TOPSIS). Metode ini dipilih karena sederhana, efisien, dan mampu menghasilkan peringkat alternatif berdasarkan kinerja relatif. Data dikumpulkan melalui wawancara, observasi, dan studi literatur. Sistem dirancang menggunakan PHP dan MySQL, dengan fitur utama berupa pengolahan data karyawan, perhitungan nilai kinerja berdasarkan kriteria, serta penyajian hasil evaluasi dalam bentuk laporan. Simulasi menggunakan data hipotesis menunjukkan bahwa metode TOPSIS berhasil memberikan peringkat karyawan secara objektif, dengan alternatif terbaik memperoleh nilai preferensi tertinggi. Penelitian ini menunjukkan bahwa penerapan metode TOPSIS dapat mendukung pengambilan keputusan yang lebih sistematis dan transparan dalam penilaian kinerja karyawan
OPTIMASI KINERJA SSH SERVER MENGGUNAKAN ALGORITMA KOMPRESI LZ4 PADA PROTOKOL TRANSFER Hutagalung, Jumita Yohana; Sinaga, Febrina Yohana; Sipayung, Sardo
Jurnal Sistem Informasi dan Sains Teknologi Vol 8, No 1 (2026): Jurnal Sistem Informasi dan Sains Teknologi (On Progress)
Publisher : Universitas Trilogi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31326/sistek.v8i1.2703

Abstract

Penelitian ini bertujuan mengoptimalkan kinerja SSH server melalui implementasi algoritma kompresi LZ4 untuk mengatasi bottleneck transfer data pada protokol SSH, khususnya dalam lingkungan jaringan enterprise Indonesia.Metodologi eksperimental menggunakan testbed VirtualBox dengan dua VM Debian 10 Buster. Penelitian membandingkan kinerja SSH server pada tiga konfigurasi: kompresi LZ4, zlib default, dan tanpa kompresi. Pengujian mencakup berbagai jenis file dengan ukuran 1MB-1GB. Parameter yang diukur meliputi throughput, pemanfaatan CPU, konsumsi memori, rasio kompresi, dan latensi menggunakan OpenSSH 7.9 yang dimodifikasi.Kompresi LZ4 menunjukkan peningkatan throughput 35% dibandingkan zlib dengan pengurangan utilisasi CPU sebesar 22%. Throughput rata-rata mencapai 145 MB/s versus 107 MB/s untuk zlib. Penggunaan memori berkurang 18% sambil mempertahankan efektivitas kompresi 68% relatif terhadap zlib. Latensi meningkat 15% untuk sesi real-time.Integrasi LZ4 secara signifikan meningkatkan kinerja server SSH dengan keseimbangan optimal antara kecepatan kompresi dan pemanfaatan sumber daya, menawarkan manfaat praktis penerapan SSH throughput tinggi di lingkungan perusahaan Indonesia. 
PERANCANGAN SISTEM INFORMASI TRACKING DOKUMEN PEMBAYARAN DENGAN METODE WATERFALL BERBASIS WEB DI BANK. ABC Nurrahman, Syafran; Tafsiruddin, M; Ardiantika, Rizka
Jurnal Sistem Informasi dan Sains Teknologi Vol 8, No 1 (2026): Jurnal Sistem Informasi dan Sains Teknologi (On Progress)
Publisher : Universitas Trilogi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31326/sistek.v8i1.2664

Abstract

ABSTRACT The process of sending payment documents in some institutions is still done via email, which risks the loss of delivery history, the lack of structured tracking recaps, and the difficulty of monitoring the verification flow between teams. Bank ABC faces similar problems in the payment document tracking process that involves several user roles. This study aims to design a web-based payment document tracking information system using the Waterfall System Development Life Cycle (SDLC) system development method. The research methodology used is a descriptive method with a case study approach. The system development stages include needs analysis, system design, coding, testing, and maintenance. The designed system involves three main roles: the operational team, reviewers, and approvers, with different access rights settings at each stage of the process. The results of the study indicate that the information system built is capable of recording, monitoring status, and searching payment documents centrally and in real-time. System testing using the blackbox testing method shows that all main functions of the system run according to user requirements. This system contributes to increasing the effectiveness of payment document management and monitoring at Bank ABC. Keywords: Information System, Payment Document Tracking, Waterfall SDLC, Web Application, Black-Box Testing

Page 9 of 9 | Total Record : 86

 5   6   7   8   9 

Filter by Year

2019 2026


Reset
Filter By Issues
All Issue Vol 8, No 1 (2026): Jurnal Sistem Informasi dan Sains Teknologi (On Progress) Vol 7, No 2 (2025): Jurnal Sistem Informasi dan Sains Teknologi Vol 7, No 1 (2025): Jurnal Sistem Informasi dan Sains Teknologi Vol 6, No 1 (2024): Jurnal Sistem Informasi dan Sains Teknologi Vol 5, No 2 (2023): Jurnal Sistem Informasi dan Sains Teknologi Vol 5, No 1 (2023): Jurnal SIstem Informasi dan Sains Teknologi Vol 4, No 2 (2022): Jurnal Sistem Informasi dan Sains Teknologi Vol 4, No 1 (2022): Jurnal Sistem Informasi dan Sains Teknologi Vol 3, No 2 (2021): Jurnal Sistem Informasi dan Sains Teknologi Vol 3, No 1 (2021): Jurnal Sistem Informasi dan Sains Teknologi Vol 2, No 2 (2020): Jurnal Sistem Informasi dan Sains Teknologi Vol 2, No 1 (2020): Jurnal Sistem Informasi dan Sains Teknologi Vol 1, No 2 (2019): Jurnal Sistem Informasi dan Sains Teknologi Vol 1, No 1 (2019): Jurnal Sistem Informasi dan Sains Teknologi More Issue