cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Abdul Rachman Manga'
Contact Email
abdulrachman.manga@umi.ac.id
Phone
-
Journal Mail Official
jurnal.busiti@umi.ac.id
Editorial Address
Jl. Urip Sumiharjo KM. 05
Location
Kota makassar,
Sulawesi selatan
INDONESIA
Buletin Sistem Informasi dan Teknologi Islam
Published by Universitas Muslim Indonesia
ISSN : -     EISSN : 27210901     DOI : http://dx.doi.org/10.33096/busiti.v3i1.949
Core Subject : Science,
Computer Science & IT
Buletin Sistem Informasi dan Teknologi Islam (BUSITI) is an Indonesian scientific journal published by the Department of Information Technology, Faculty of Computer Science, Universitas Muslim Indonesia. BUSITI covers all aspects of the latest outstanding research and developments in the field of Computer science, including: Artificial intelligence; Data science; Databases; Computer performance analysis Computer security and cryptography; Computer networks; Parallel and distributed systems; Microcontroller; Internet of Things; Software engineering. BUSITI is issued four times a year in February, May, August and November. Each article submitted to BUSITI will be peer-reviewed, and articles stated worthy of publication by the reviewer and editor will be published in BUSITI.
Arjuna Subject : Ilmu Komputer (semua kategori) - Ilmu Komputer (Lain-Lain)
Articles 253 Documents
 22   23   24   25   26 
Sistem Prediksi Pendapatan Penjualan Berbasis Web Menggunakan LSTM Rizqa Zahrotun Nafiah; Bambang Agus Herlambang; Noora Qotrun Nada
Buletin Sistem Informasi dan Teknologi Islam (BUSITI) Vol 7, No 3 (2026)
Publisher : Universitas Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33096/busiti.v7i3.3468

Abstract

Usaha Mikro, Kecil, dan Menengah (UMKM) memainkan peran penting dalam pembangunan ekonomi, namun banyak UMKM menghadapi ketidakpastian dalam perencanaan pendapatan penjualan akibat fluktuasi permintaan dan terbatasnya pemanfaatan alat peramalan berbasis data. Penelitian ini mengusulkan sistem prediksi pendapatan penjualan berbasis web untuk UMKM menggunakan metode Long Short-Term Memory (LSTM) guna memodelkan data penjualan harian yang memiliki karakteristik nonlinier dan temporal. Dataset yang digunakan terdiri dari data pendapatan penjualan harian selama lima tahun dari UMKM Rayanzza Fashion, dengan total 1.827 data. Arsitektur stacked LSTM dengan tiga lapisan LSTM digunakan dan dievaluasi menggunakan Mean Absolute Error (MAE), Root Mean Squared Error (RMSE), dan Mean Absolute Percentage Error (MAPE). Hasil eksperimen menunjukkan bahwa model mampu memprediksi pendapatan penjualan harian secara efektif, dengan nilai MAE sebesar 5.708 rupiah, RMSE sebesar 7.122 rupiah, dan MAPE sebesar 1,71% pada data pengujian. Hasil ini menunjukkan kemampuan generalisasi yang baik serta pembelajaran yang efektif terhadap tren penjualan dan pola musiman, meskipun performa menurun pada periode fluktuasi ekstrem. Model yang telah dilatih kemudian diintegrasikan ke dalam sistem berbasis web menggunakan React.js sebagai frontend, Express.js sebagai backend, dan FastAPI untuk penyajian model. Penelitian ini memberikan kontribusi berupa sistem prediksi pendapatan penjualan end-to-end yang dapat diimplementasikan untuk mendukung pengambilan keputusan berbasis data pada UMKM.      
Implementasi YOLOv8 dan ESP32 pada Prototipe Sistem Penargetan Militer dengan Integrasi Aktuator Servo Tedy Firmansyah; Bambang Agus Herlambang; Noora Qotrun Nada
Buletin Sistem Informasi dan Teknologi Islam (BUSITI) Vol 7, No 3 (2026)
Publisher : Universitas Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33096/busiti.v7i3.3469

Abstract

Penelitian ini mengembangkan prototipe sistem penargetan otomatis berbasis kecerdasan buatan untuk simulasi laboratorium dengan mengintegrasikan YOLOv8 yang dijalankan pada PC host, kamera computer vision, ESP32 sebagai pengendali aktuator servo, dan antarmuka web berbasis Flask. Sistem mendukung deteksi objek secara real-time, kontrol proporsional, serta antarmuka web dengan mode manual dan otomatis serta kontrol menggunakan perintah suara. Model utama YOLOv8 yang digunakan adalah redball.pt yang dilatih menggunakan dataset sebanyak 353 gambar, terdiri dari 247 data train, 71 data valid, dan 35 data test. Hasil pengujian menunjukkan inferensi YOLOv8 pada PC host mampu berjalan pada kecepatan rata-rata 28,4 FPS serta menghasilkan waktu settling rata-rata 2,12 detik, kesalahan posisi 4,8 piksel, dan overshoot sebesar 11,2%. Hasil penelitian menunjukkan bahwa prototipe mampu memberikan presisi penargetan yang baik dan fleksibilitas untuk pengembangan sistem penargetan berbasis Artificial Intelligence (AI) di lingkungan penelitian dan laboratorium terisolasi.
Risk Scoring–Based Information Security Evaluation Model for the Implementation of ISO/IEC 27001:2022 and ISO/IEC 27701:2025 in Regional Development Banks Sekar Ageng Pratiwi; Devita Rizky Nur Septiani; Rina Mayanti; Syifa Afidah Nurul Arifin; Ridho Bhakti Wicaksono; Nazwa Dwi Rahmawati
Buletin Sistem Informasi dan Teknologi Islam (BUSITI) Vol 7, No 3 (2026)
Publisher : Universitas Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33096/busiti.v7i3.3359

Abstract

Transformasi digital pada Bank Pembangunan Daerah membawa kemudahan layanan sekaligus meningkatkan risiko ancaman siber dan kebocoran data pribadi. Penerapan ISO/IEC 27001:2022 dan ISO/IEC 27701:2025 menjadi langkah strategis dalam memperkuat pengelolaan keamanan informasi dan privasi. Namun, proses evaluasi yang dilakukan selama ini masih cenderung bersifat deskriptif dan belum memberikan ukuran kuantitatif yang terukur. Penelitian ini mengembangkan model evaluasi keamanan informasi berbasis risk scoring untuk memberikan gambaran kuantitatif terhadap efektivitas kontrol keamanan dan privasi. Pendekatan yang digunakan melibatkan identifikasi aset, analisis ancaman dan kerentanan, penilaian kesenjangan kontrol, serta pengukuran tingkat risiko dan kematangan keamanan. Hasil penelitian menunjukkan bahwa model yang diusulkan mampu meningkatkan sensitivitas deteksi risiko sebesar 133% dibandingkan metode checklist konvensional, menurunkan risiko kategori critical sebesar 62,5%, serta menghasilkan nilai reliabilitas sangat kuat dengan Cohen’s Kappa 0,82. Secara keseluruhan, nilai Security Index (SI) organisasi meningkat dari 0.42 (kategori Cukup) menjadi 0.79 (kategori Sangat Baik) pasca-mitigasi. Model ini berkontribusi sebagai kerangka evaluasi terintegrasi pertama yang mengombinasikan standar keamanan dan privasi melalui pendekatan risk scoring untuk sektor perbankan daerah, sehingga layak dijadikan alat evaluasi terstandar yang berbasis data.
H-QGQS: Kerangka Kerja Hybrid QGNN–QSVM untuk Prediksi Kinerja Publikasi Universitas Berbasis Data Scientometrik Lukman Anas; Aghus Sofwan; Iwan Setiawan
Buletin Sistem Informasi dan Teknologi Islam (BUSITI) Vol 7, No 3 (2026)
Publisher : Universitas Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33096/busiti.v7i3.3786

Abstract

Evaluasi kinerja publikasi universitas berbasis indikator scientometrik menghadapi tantangan karena data bersifat relasional, heterogen, dan nonlinier. Penelitian ini mengusulkan H-QGQS, kerangka hibrida yang mengintegrasikan Quantum Graph Neural Network (QGNN) dan Quantum Support Vector Machine (QSVM) untuk mengklasifikasikan kinerja publikasi universitas ke dalam kategori rendah, sedang, dan tinggi. Evaluasi dilakukan pada 3.818 rekaman dengan skenario eksperimen dari pendekatan klasik hingga berbasis kuantum. Hasil menunjukkan bahwa SVM (S-1) mencapai akurasi 0,92, sedangkan H-QGQS (S-3) memperoleh akurasi 0,73. Meskipun akurasi SVM lebih tinggi, H-QGQS menunjukkan potensi dalam merepresentasikan hubungan scientometrik yang kompleks dan mengidentifikasi universitas berkinerja tinggi. Temuan ini menegaskan peluang pemanfaatan quantum-enhanced graph learning untuk pemodelan scientometrik, meskipun masih diperlukan peningkatan pada arsitektur, fitur, efisiensi komputasi, dan skalabilitas model.
Penerapan Pendekatan Adjustment Factor dalam Analisis Sentimen Kepuasan Konsumen Menggunakan Indo-BERT Astrid Noviana Paradhita; Myrtana Pusparisti; Putra Pamungkas
Buletin Sistem Informasi dan Teknologi Islam (BUSITI) Vol 7, No 3 (2026)
Publisher : Universitas Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33096/busiti.v7i3.3377

Abstract

Pengukuran tingkat kepuasan konusmen menjadi komponen penting dalam meningkatkan kualitas layanan dan pengambilan keputusan dalam suatu jasa manufaktur yang memiliki kewajiban untuk terus meningkatkan kualitas layanan dan fungsi terhadap kualitas jasa yang diberikan. Data umpan balik konsumen yang umumnya berbentuk teks dan tidak terstruktur membuat analisis sulit dilakukan. Oleh karena itu, diperlukan pendekatan analisis khusus yang mampu memahami konteks bahasa Indonesia secara komputasional. Penelitian ini bertujuan untuk menganalisis sentimen kepuasan konsumen terhadap kualitas layanan jasa yang diberikan. Analisis sentimen juga dilakukan untuk menangkap suasana teks yang disesuaikan dengan frasa tertentu dalam kualitas jasa yang memiliki tingkat sensitivitas lebih kuat. Dengan mengintegrasikan TF-IDF, SVM, Indo-BERT dan rule-based adjustment factor, penelitian ini berhasil melakukan analisis sentimen terhadap 10.421 data umpan balik konsumen. Hasil penelitian menunjukkan bahwa integrasi metode dapat meningkatkan konsistensi dalam mendeteksi sentimen konsumen dan menghasilkan klasifikasi yang lebih representatif terhadap konteks kualitas layanan jasa. Analisis sentimen menghasilkan performa yang baik dengan tingkat akurasi mencapai 90% dan tingkat presisi mencapai 85.7%. Selain itu, juga diperoleh nilai recall sebesar 100% dan F1-score 92.3%.
Klasterisasi Pola Perjalanan Wisatawan Nusantara Menggunakan DBSCAN Berbasis SIG Widya Aprilia; Setyoningsih Wibowo; Ramadhan Renaldy
Buletin Sistem Informasi dan Teknologi Islam (BUSITI) Vol 7, No 3 (2026)
Publisher : Universitas Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33096/busiti.v7i3.3472

Abstract

Penelitian ini menganalisis dinamika spasial Wisatawan Nusantara (Wisnus) periode 2019 sampai 2024 dengan menerapkan algoritma Density-Based Spatial Clustering of Applications with Noise (DBSCAN) yang terintegrasi dengan Sistem Informasi Geografis (SIG). Penelitian membagi periode observasi menjadi tiga fase: pra-pandemi, masa pandemi COVID-19, dan fase pemulihan, yang masing-masing menunjukkan karakteristik distribusi spasial berbeda secara signifikan. Peneliti menggunakan data kunjungan Wisatawan Nusantara tingkat provinsi sebagai dasar analisis dan menambahkan atribut spasial berupa koordinat geografis. Peneliti mengekstrak fitur temporal dalam bentuk statistik deskriptif, seperti total kunjungan, rata-rata, standar deviasi, dan tren pertumbuhan. Peneliti menerapkan standardisasi z-score agar kontribusi setiap variabel seimbang. Peneliti mengoptimalkan parameter DBSCAN melalui grid search dan memperoleh kombinasi Eps 1,4 dan MinPts 2 dengan nilai Silhouette Score 0,430, Davies-Bouldin Index 1,889, dan Calinski-Harabasz Index 7,555. Hasil clustering memperlihatkan pergeseran signifikan pola distribusi spasial selama pandemi dan peningkatan konsentrasi kunjungan pada fase pemulihan. Integrasi DBSCAN dengan SIG menghasilkan visualisasi choropleth informatif yang mendukung pengambilan keputusan berbasis data dalam perencanaan destinasi wisata nasional yang adaptif.
Integrasi Principal Component Analysis dan DBSCAN untuk Klasterisasi Tingkat Keparahan Stunting pada Balita Azzah Aulia Syarif; Rizki Yusliana Bakti; Muhammad Faisal; Nini Apriani Rumata; Titik Khawa Abd Rahman; Andi Makbul Syamsuri; M. Agusalim
Buletin Sistem Informasi dan Teknologi Islam (BUSITI) Vol 7, No 3 (2026)
Publisher : Universitas Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33096/busiti.v7i3.3512

Abstract

Stunting masih menjadi masalah kesehatan masyarakat yang serius. Variasi karakteristik antropometri pada balita stunting membuat satu kategori klasterisasi tidak cukup merepresentasikan kondisi pertumbuhan secara menyeluruh. Penelitian ini mengusulkan integrasi Principal Component Analysis (PCA) dan DBSCAN untuk mengidentifikasi subkelompok keparahan stunting pada balita di Puskesmas Turikale (Agustus 2025; n = 406). Setelah pembersihan dan standardisasi usia, PCA diterapkan pada HAZ, WAZ, WHZ, dan usia saat  pengukuran, menghasilkan tiga komponen utama (PC1–PC3) yang menjelaskan 99.35% variasi data. DBSCAN pada ruang PCA (ε = 0.60; MinPts = 5; Euclidean) menghasilkan tiga klaster dengan 12.56% noise yang direalokasi menggunakan nearest-centroid agar seluruh sampel berlabel. Hasil menunjukkan tiga subkelompok: stunting sedang dengan underweight pada usia lebih tua (n = 357), stunting sedang disertai risiko gizi lebih pada usia lebih muda (n = 24), dan stunting berat pada usia dini (n = 25). Dibandingkan K-medoids dan Fuzzy C-Means, PCA–DBSCAN memberikan validasi internal terbaik (Silhouette = 0.277; DBI = 1.062; Dunn = 0.0765). Pendekatan ini menghasilkan profil antropometri yang dapat digunakan sebagai alat bantu penentuan prioritas pemantauan dan penilaian gizi di layanan kesehatan primer, tanpa menggantikan klasifikasi WHO.
Optimasi Layanan Digital Akademik: Analisis Kualitas WebQual 4.0 dan Importance Performance Analysis pada Institut Kosgoro Jihan Abdullah; Dharmayanti Dharmayanti
Buletin Sistem Informasi dan Teknologi Islam (BUSITI) Vol 7, No 3 (2026)
Publisher : Universitas Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33096/busiti.v7i3.3386

Abstract

Metode WebQual 4.0 adalah salah satu instrumen atau teknik pengukuran kualitas situs berdasarkan dengan persepsi pengguna akhir sedangkan metode Importance Performance Analysis (IPA) adalah model multiatribut yang dapat digunakan untuk mempelajari kinerja organisasi. Importance Performance Analysis (IPA) digunakan  untuk  melihat  indikator  kualitas  apa  saja  yang  telah  sesuai  keinginan  pengguna  dan atribut apa saja yang perlu diperbaiki. Pengumpulan data dilakukan dengan menyebarkan kuesioner kepada 350 sampel yaitu mahasiswa, tenaga pengajar dan masyarakat umum melalui google formulir. Model pengujian yang digunakan adalah Uji Validitas, Uji Reabilitas dan Importance Performance Analysis (IPA). Berdasarkan hasil uji validitas terhadap 20 butir pernyataan, seluruh butir dinyatakan valid karena nilai r-hitung lebih besar daripada r-tabel sebesar 0,105. Nilai r-hitung berada pada rentang 0,196–0,523. Hasil uji reliabilitas menunjukkan nilai Cronbach’s Alpha sebesar 0,624 sehingga instrumen dinyatakan reliabel berdasarkan batas minimum 0,60 yang digunakan dalam penelitian ini. Hasil analisis Importance–Performance Analysis (IPA) menunjukkan terdapat 4 atribut pada Kuadran I (prioritas utama), 7 atribut pada Kuadran II (pertahankan kinerja), 4 atribut pada Kuadran III (prioritas rendah), dan 5 atribut pada Kuadran IV (berlebihan).
Perbandingan Kinerja Model IndoBERT dan Bi-LSTM untuk Analisis Sentimen Publik di Platform X terhadap Isu Bergabungnya Indonesia dalam Board of Peace Rahmah Muthmainah
Buletin Sistem Informasi dan Teknologi Islam (BUSITI) Vol 7, No 3 (2026)
Publisher : Universitas Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33096/busiti.v7i3.3367

Abstract

Perkembangan diplomasi digital dan meningkatnya diskursus publik di media sosial menjadikan analisis sentimen sebagai metode yang penting untuk memetakan opini masyarakat terhadap kebijakan luar negeri Indonesia. Salah satu isu yang menarik perhatian publik adalah keputusan Indonesia bergabung dalam Board of Peace. Namun, penelitian yang membandingkan kinerja IndoBERT dan Bi-LSTM pada isu geopolitik di media sosial Indonesia masih terbatas. Penelitian ini membandingkan kedua model dalam menganalisis sentimen publik di Platform X terkait isu tersebut menggunakan kerangka CRISP-DM yang meliputi pemahaman bisnis, pemahaman data, persiapan data, pemodelan, dan evaluasi. Dataset terdiri atas 1.627 unggahan yang diperoleh melalui penyaringan 2.314 tweet melalui teknik scraping berbasis kata kunci dan dilabeli secara manual ke dalam tiga kelas sentimen, yaitu 98 Negatif, 1.383 Netral, dan 146 Positif. Ketidakseimbangan kelas ditangani dengan SMOTE, sedangkan evaluasi dilakukan pada 245 sampel uji menggunakan akurasi, presisi, recall, dan F1-score. Hasil menunjukkan IndoBERT mencapai akurasi 95,51% dan weighted F1-score 0,9514, lebih tinggi dibandingkan Bi-LSTM dengan akurasi 94,29% dan F1-score 0,9409. IndoBERT unggul pada klasifikasi kelas minoritas, sedangkan Bi-LSTM lebih efisien secara komputasi. Temuan ini menunjukkan bahwa model berbasis transformer lebih efektif dalam menangkap konteks semantik wacana geopolitik digital untuk analisis sentimen kebijakan luar negeri Indonesia.
Optimalisasi Automated Unit Testing pada Pemrograman Berbasis Web Menggunakan Pendekatan Reinforcement Learning Muh Akram Riyadi Ramadhan; Muhammad Faisal; Lukman Lukman; Desy Anggreani; M. Agusalim; Irnawaty Idrus; Soemitro Emin Praja
Buletin Sistem Informasi dan Teknologi Islam (BUSITI) Vol 7, No 3 (2026)
Publisher : Universitas Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33096/busiti.v7i3.3507

Abstract

Pengujian perangkat lunak penting dalam pengembangan aplikasi web, namun automated unit testing konvensional berbasis aturan statis terbatas menghadapi kompleksitas sistem modern. Penelitian ini memformulasikan prioritisasi kasus uji sebagai Markov Decision Process: agen Reinforcement Learning mengamati state, memilih kasus uji, dan menerima reward multiobjektif yang memadukan cakupan kode dan deteksi kesalahan dikurangi biaya eksekusi. Tiga algoritma (DQN, DDQN, PPO) dibandingkan terhadap baseline Random dan Greedy menggunakan lima seed dan uji Mann–Whitney U. Pada System Under Test berbasis Flask, DDQN memperoleh performa terbaik dengan APFD 0,8504, NAPFD 0,8447, dan F1 0,4183, mengungguli baseline secara signifikan (nilai p terkecil 7,15 × 10⁻¹⁴⁴) dengan latensi keputusan 3,0033 ms, kurang dari separuh PPO. Greedy mencapai cakupan tertinggi namun deteksi terendah, menegaskan cakupan bukan indikator memadai. Validasi eksternal pada BugsInPy (82 bug web) mengonfirmasi arah keunggulan serupa dengan margin lebih kecil. Reinforcement Learning merupakan pendekatan menjanjikan dan dapat direproduksi untuk automated unit testing adaptif pada aplikasi web.

Page 25 of 26 | Total Record : 253

 22   23   24   25   26 

Filter by Year

2020 2026


Reset
Filter By Issues
All Issue Vol 7, No 3 (2026) Vol 7, No 2 (2026) Vol 7, No 1 (2026) Vol 6, No 4 (2025) Vol 6, No 3 (2025) Vol 6, No 2 (2025) Vol 6, No 1 (2025) Vol 5, No 4 (2024) Vol 5, No 3 (2024) Vol 5, No 2 (2024) Vol 5, No 1 (2024) Vol 4, No 4 (2023) Vol 4, No 3 (2023) Vol 4, No 2 (2023) Vol 4, No 1 (2023) Vol 3, No 4 (2022) Vol 3, No 3 (2022) Vol 3, No 2 (2022) Vol 3, No 1 (2022) Vol 2, No 4 (2021) Vol 2, No 3 (2021) Vol 2, No 2 (2021) Vol 2, No 1 (2021) Vol 1, No 4 (2020) Vol 1, No 3 (2020) Vol 1, No 2 (2020) Vol 1, No 1 (2020) More Issue