cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Edi Sutoyo
Contact Email
redaksi@janitra.org
Phone
+6281381694837
Journal Mail Official
redaksi@janitra.org
Editorial Address
Indonesian Scientific Journal (Jurnal Ilmiah Indonesia) Jl. Pasar Atas No 3, Kompleks Setramas Kota Cimahi, Bandung
Location
Unknown,
Unknown
INDONESIA
Jurnal Janitra Informatika dan Sistem Informasi
Published by Indonesian Scientific Journal
ISSN : -     EISSN : 27759490     DOI : https://doi.org/10.25008/janitra
Core Subject : Science, Engineering,
Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering
Jurnal Janitra Informatika dan Sistem Informasi (e-ISSN: 2775-9490) is a peer-reviewed national journal that aims to bring together research work in the area of information and communication technology, information system, multimedia system, and computational intelligence, including theories, methods, tools, technologies, applications, and so on. The Journal stresses on academic excellence, research rigidity, knowledge distribution, and reciprocated scholarly efforts in order to endorse theoretical, experimental, and practical research. The Journal is published by the Indonesian Scientific Journal (Jurnal Ilmiah Indonesia). Accepted paper will be available online (free access), and there will be no publication fee. The journal publishes only articles related to the use of informatics and information systems that broadly covers the following topics, but are not limited to: Artificial intelligence Autonomous reasoning Bio-inspired algorithms Bio-informatics Cloud computing Data science Data mining Data visualization Decision support systems Deep learning Evolutionary computation Fuzzy logic Human-Computer Interaction Hybrid intelligent systems, Adaptation and Learning Systems IoT and smart environments Knowledge mining Machine learning Neural networks Pattern recognition Soft computing Prediction systems Signal and image processing System modeling and optimization Time series prediction Web intelligence
Arjuna Subject : Ilmu Komputer (semua kategori) - Aplikasi Ilmu Komputer
Articles 104 Documents
 7   8   9   10   11 
Implementasi Metode K-Means Pada Website Pengelompokan Kunjungan Wisatawan Dengan Rekomendasi Planning Otomatis Muhammad Fahrul Rozi; Nurul Adha Oktarini Saputri
Jurnal Janitra Informatika dan Sistem Informasi Vol. 6 No. 1 (2026): April - Jurnal Janitra Informatika dan Sistem Informasi
Publisher : Indonesian Scientific Journal

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59395/rth4pa36

Abstract

Pengelolaan data kunjungan wisatawan yang masih bersifat manual menyebabkan informasi yang dihasilkan kurang optimal dalam mendukung pengambilan keputusan dan perencanaan perjalanan wisata. Penelitian ini bertujuan untuk mengimplementasikan metode K-Means Clustering pada sebuah website guna mengelompokkan data kunjungan wisatawan serta menghasilkan rekomendasi planning perjalanan secara otomatis. Metode yang digunakan meliputi preprocessing data, penentuan jumlah cluster menggunakan evaluasi clustering, serta integrasi hasil clustering ke dalam sistem rekomendasi itinerary. Sistem dikembangkan menggunakan pendekatan web engineering dengan teknologi Python, Flask, SQLite, dan Chart.js. Hasil penelitian menunjukkan bahwa metode K-Means mampu mengelompokkan data wisatawan berdasarkan pola kunjungan yang serupa dan sistem dapat memberikan rekomendasi perjalanan yang relevan sesuai karakteristik setiap cluster. Website yang dikembangkan mampu menyajikan hasil analisis dalam bentuk dashboard interaktif sehingga memudahkan pengelola dan wisatawan dalam memahami pola kunjungan dan perencanaan perjalanan.
Rancang Bangun Website Bank Sampah Graha Pena pada Sumatera Ekspres dengan Menggunakan Metode Waterfall M. Wirayuda; Nurul Adha Oktarini Saputri
Jurnal Janitra Informatika dan Sistem Informasi Vol. 6 No. 1 (2026): April - Jurnal Janitra Informatika dan Sistem Informasi
Publisher : Indonesian Scientific Journal

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59395/cnhm8n34

Abstract

Perkembangan teknologi informasi mendorong pemanfaatan sistem informasi berbasis web dalam berbagai sektor, termasuk pengelolaan bank sampah. Bank Sampah Graha Pena yang berada di lingkungan Sumatera Ekspres Palembang masih menghadapi kendala dalam pengelolaan data nasabah, data jenis sampah, dan transaksi tabungan karena proses pencatatan yang belum terintegrasi secara digital. Penelitian ini bertujuan untuk merancang dan membangun website Bank Sampah Graha Pena sebagai sistem informasi berbasis web yang mampu meningkatkan efektivitas, efisiensi, dan akurasi pengelolaan data. Metode pengembangan sistem yang digunakan adalah metode Waterfall, yang meliputi tahap analisis kebutuhan, perancangan sistem, implementasi, pengujian, dan pemeliharaan. Website dikembangkan menggunakan framework Laravel dengan basis data MySQL serta dilengkapi fitur manajemen data anggota, jenis sampah, tabungan, omset, berita, dan dokumentasi kegiatan. Hasil pengujian menunjukkan bahwa sistem yang dibangun dapat berfungsi dengan baik sesuai kebutuhan pengguna dan mampu mempermudah proses pengelolaan data dibandingkan sistem manual sebelumnya. Dengan demikian, website Bank Sampah Graha Pena dapat menjadi solusi digital yang mendukung operasional bank sampah secara terstruktur dan berkelanjutan.
Klasifikasi Jenis Sampah Menggunakan Convolutional Neural Network untuk Mendukung Pengelolaan Limbah Laras Rahmawati; Sofi Defianti
Jurnal Janitra Informatika dan Sistem Informasi Vol. 6 No. 1 (2026): April - Jurnal Janitra Informatika dan Sistem Informasi
Publisher : Indonesian Scientific Journal

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59395/exaxyj37

Abstract

Pengelolaan sampah merupakan salah satu permasalahan lingkungan yang dihadapi oleh banyak negara, termasuk Indonesia. Pemilahan sampah secara manual dinilai kurang efisien dan rentan terhadap kesalahan manusia. Penelitian ini bertujuan untuk mengembangkan sistem klasifikasi jenis sampah secara otomatis menggunakan metode Convolutional Neural Network (CNN). Dataset yang digunakan terdiri dari 10.704 gambar sampah yang terbagi dalam enam kelas, yaitu kaca, kardus, kertas, logam, plastik, dan residu. Model CNN dibangun dengan arsitektur tiga layer konvolusi dilengkapi teknik data augmentation untuk meningkatkan kemampuan generalisasi. Hasil eksperimen menunjukkan bahwa model mampu mencapai akurasi validasi sebesar 88,51% dengan nilai precision rata-rata 0,86 dan recall rata-rata 0,83. Kelas kaca memperoleh performa terbaik dengan F1-score 0,94, sedangkan kelas residu memperoleh F1-score terendah sebesar 0,69. Selain klasifikasi, sistem ini juga dilengkapi fitur rekomendasi daur ulang otomatis untuk setiap jenis sampah yang terdeteksi.
Deteksi Berita Hoaks Berbasis Fine-Tuning IndoBERT pada Dataset Kabupaten Karawang Ghina Aqli Syahirah; Didi Juardi; Carudin Carudin
Jurnal Janitra Informatika dan Sistem Informasi Vol. 6 No. 2 (2026): Oktober - Jurnal Janitra Informatika dan Sistem Informasi
Publisher : Indonesian Scientific Journal

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59395/kj702z78

Abstract

Perkembangan teknologi informasi telah meningkatkan penyebaran berita hoaks yang berpotensi menimbulkan disinformasi di masyarakat. Penelitian ini bertujuan menganalisis performa model IndoBERT yang telah melalui proses fine-tuning dalam mendeteksi berita hoaks berbahasa Indonesia pada konteks lokal Kabupaten Karawang. Dataset penelitian terdiri atas 3.215 berita, yang meliputi 2.578 berita nasional sebagai data pelatihan dan validasi serta 637 berita Kabupaten Karawang sebagai data pengujian. Karena distribusi kelas pada dataset tidak seimbang (imbalanced dataset), penelitian ini menerapkan Weighted Cross Entropy Loss untuk mengurangi bias terhadap kelas mayoritas selama proses pelatihan. Tahapan penelitian meliputi pengumpulan dan pelabelan data, text preprocessing, tokenization and encoding, fine-tuning model IndoBERT, serta evaluasi menggunakan metrik accuracy, precision, recall, F1-score, dan confusion matrix. Hasil penelitian menunjukkan bahwa model IndoBERT yang telah di-fine-tuning memperoleh accuracy sebesar 95,53%, precision 80,00%, recall 98,11%, dan F1-score 88,14%. Hasil tersebut menunjukkan bahwa pendekatan transfer learning melalui fine-tuning IndoBERT mampu mendeteksi berita hoaks secara efektif serta memiliki kemampuan generalisasi yang baik pada dataset berita lokal Kabupaten Karawang.

Page 11 of 11 | Total Record : 104

 7   8   9   10   11 

Filter by Year

2021 2026


Reset
Filter By Issues
All Issue Vol. 6 No. 2 (2026): Oktober - Jurnal Janitra Informatika dan Sistem Informasi Vol. 6 No. 1 (2026): April - Jurnal Janitra Informatika dan Sistem Informasi Vol. 5 No. 2 (2025): Oktober - Jurnal Janitra Informatika dan Sistem Informasi Vol. 5 No. 1 (2025): April - Jurnal Janitra Informatika dan Sistem Informasi Vol. 4 No. 2 (2024): Oktober - Jurnal Janitra Informatika dan Sistem Informasi Vol. 4 No. 1 (2024): April - Jurnal Janitra Informatika dan Sistem Informasi Vol. 3 No. 2 (2023): Oktober - Jurnal Janitra Informatika dan Sistem Informasi Vol. 3 No. 1 (2023): April - Jurnal Janitra Informatika dan Sistem Informasi Vol. 2 No. 2 (2022): Oktober - Jurnal Janitra Informatika dan Sistem Informasi Vol. 2 No. 1 (2022): April - Jurnal Janitra Informatika dan Sistem Informasi Vol. 1 No. 2 (2021): Oktober - Jurnal Janitra Informatika dan Sistem Informasi Vol. 1 No. 1 (2021): April - Jurnal Janitra Informatika dan Sistem Informasi More Issue