cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Kamil Erwansyah
Contact Email
erwansyah.kamil@gmail.com
Phone
+62811656784
Journal Mail Official
prpmtgd@gmail.com
Editorial Address
Jl. Pintu Air I/Jend. AH Nasution No. 73, Medan Johor Sumatera Utara - Indonesia
Location
Kota medan,
Sumatera utara
INDONESIA
Jurnal Sistem Informasi Triguna Dharma (JURSI TGD)
Published by STMIK Triguna Dharma
ISSN : 28281004     EISSN : 28282566     DOI : https://doi.org/10.53513/jursi.v1i2.4814
Core Subject : Science,
Computer Science & IT
Jurnal Sistem Informasi Triguna Dharma merupakan Jurnal yang menampung hasil penelitian dari Mahasiswa khususnya mahasiswa di Program Studi Sistem Informasi juga menerima hasil penelitian dari kampus berbeda dengan bidang keilmuan yang sama. Jurnal ini menampung publikasi dibidang ilmu komputer khususnya Sistem Informasi, Sistem Pendukung Keputusan, Sistem Pakar, Pengolahan Citra, Jaringan Saraf Tiruan, Data Mining, Security Computer dan seluruh keilmuan dibidang komputer
Arjuna Subject : Ilmu Komputer (semua kategori) - Sistem Informasi
Articles 521 Documents
 45   46   47   48   49 
Analisis Penerapan Artificial Intelligence Algoritma Fuzzy Logic pada Sistem Monitoring Air Radiator Mobil Wardani, Sumita; Tri Nugraha, Yoga
Jurnal Sistem Informasi Triguna Dharma (JURSI TGD) Vol. 4 No. 6 (2025): EDISI NOVEMBER 2025
Publisher : STMIK Triguna Dharma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.53513/jursi.v4i6.12332

Abstract

Radiator merupakan salah satu komponen kendaraan bermotor yang harus diprehatikan bagi pengendara, khususnya mobil. Hal ini dikarenakan dapat berakibat pada kerusakan fatal yang dapat mempengaruhi komponen lainnya. Kerusakan pada mobil sendiri menimbulkan resioka kecelakaan serta biaya perbaiakan yang cukup mahal. Oleh karena itu dengan memanfaatkan kemajuan teknologi monitoring dengan menerapkan kecerdasan buatan (artificial intelligence) dapat dilakukan di masa sekarang. Salah satu algoritma yang diterapkan adalah logika Fuzzy, atau dikenal juga sebagai metode abu-abu. Dengan memonitoring level air radiator serta suhu maka algoritma ini dapat diimplementasikan. Dari penelitian ini diperoleh analisis kondisi dari kedua inputan yakni level air dan suhu dapat dijadikan patokkan dalam memonitoring radiator dalam kondisi baik atau tidak. Sehingga pengendara lebih mudah dalam memonitoring kondisi radiator tanpa harus memeriksa langsung mobil yang dikendarai. Hal ini akan meningkatkan efektifitas dan efesiensi dalam memonitoring salah satu komponen penting dalam sebuah kendaraan, khususnya mobil.
Analisis Penerapan Metode Teorema Bayes dalam Mendiagnosa Penyakit Influenza pada Hewan Peliharaan Mandasari, Sartika; Pranata, Ardianto; Dwi Ningtyas, Alyiza
Jurnal Sistem Informasi Triguna Dharma (JURSI TGD) Vol. 4 No. 6 (2025): EDISI NOVEMBER 2025
Publisher : STMIK Triguna Dharma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.53513/jursi.v4i6.12333

Abstract

Teorema bayes merupakan salah satu algoritma metode yang terdapat pada keilmuan dibidang sistem pakar. Menjadi salah satu metode yang sering di dengar sebagai salah satu alternatif penelitian yang digunakan dalam memecahkan permasalahan diagnosa suatu penyakit atau permasalahan lainnya. Termasuk salah satunya menjadi algoritma dalam mendiagnosa penyakit flu (Influenza ) pada hewan peliharaan. Dalam peneitian hewan peliharaan yang dimaksud adalah anjing, dimana anjing menjadi hewan peliharaan yang cukup sering berinteraksi langsung dengan manusia. Kebutuhan akan pengetahuan dalam mendiagnosa penyakit pada hewan peliharaan khususnya anjing menjadi perhatian yang cukup penting. Hasil analisis penerapan sistem pakar dalam mendiagnosa penyakit Influenza pada anjing didukung dengan metode teorema bayes cukup efektif dengan perhitungan yang sangat akurat mendekati penalaran yang dimiliki ahli di bidang kesehatan hewan khususnya hewan peliharaan. Analisis juga menyangkut nilai-nilai variabel yang digunakan, dimana setiap variabel saling terkait terutama data primer dan skunder yang saling melengkapi dalam penerapan algoritma teorema bayes.
Penerapan Aplikasi Sistem Rekomendasi Pemilihan Varietas Tanaman Berbasis Parameter Kelembaban Tanah, pH, dan Kandungan Nutrisi Pada Gapoktan Sri Karya Menggunakan Algoritma Random Forest Sinuraya, Junus; Weno Syechu; Wiwin Sry Adinda Banjarnahor; Muhammad Riki Atsauri
Jurnal Sistem Informasi Triguna Dharma (JURSI TGD) Vol. 4 No. 6 (2025): EDISI NOVEMBER 2025
Publisher : STMIK Triguna Dharma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.53513/jursi.v4i6.12348

Abstract

 Pemilihan varietas tanaman yang sesuai dengan kondisi tanah lahan pertanian merupakan faktor kritis dalam meningkatkan produktivitas dan hasil panen. Namun, petani sering menghadapi kesulitan dalam mengambil keputusan tersebut karena keterbatasan akses informasi dan expertise. Penelitian ini mengembangkan sistem rekomendasi otomatis berbasis machine learning menggunakan algoritma Random Forest untuk membantu petani di Gapoktan Sri Karya dalam memilih varietas tanaman yang optimal berdasarkan kondisi tanah mereka. Dataset penelitian terdiri dari 800 sampel yang dikumpulkan melalui pengukuran langsung di lahan petani, mencakup lima parameter tanah utama: kelembaban tanah (%), pH tanah, kandungan Nitrogen (N), Fosfor (P), dan Kalium (K). Data dibagi menjadi data pelatihan (80%) dan data pengujian (20%), kemudian dilakukan preprocessing meliputi data cleaning, normalisasi Min-Max Scaling, dan encoding label. Model Random Forest dilatih dengan parameter optimal (n_estimators=150, max_depth=12) dan dievaluasi menggunakan multiple metrics. Hasil penelitian menunjukkan bahwa model mencapai performa sangat baik dengan akurasi 87%, precision 85%, recall 83%, F1-score 84%, dan AUC 0.91. Analisis feature importance mengungkapkan bahwa pH tanah adalah parameter paling penting (35%), diikuti kandungan Nitrogen (28%), kelembaban tanah (22%), kalium (10%), dan fosfor (5%). Sistem ini terbukti mampu memberikan rekomendasi yang reliable dan dapat dipercaya untuk digunakan oleh petani di lapangan. Temuan ini mendemonstrasikan bahwa algoritma Random Forest dapat efektif digunakan untuk mengklasifikasi dan merekomendasikan varietas tanaman berdasarkan parameter kondisi tanah. Implementasi sistem ini diharapkan dapat meningkatkan produktivitas pertanian, mengurangi risiko pemilihan varietas yang tidak sesuai, dan memberdayakan petani dalam membuat keputusan berbasis data. Penelitian ini juga membuka peluang pengembangan serupa untuk komoditas pertanian lain dan region berbeda sebagai bagian dari transformasi digital di sektor pertanian Indonesia.
Sistem Informasi Pemesanan Berbasis Website di PT. Mutiara Busana Indah Nuraziza Novinda; Wahyu Krishantoro
Jurnal Sistem Informasi Triguna Dharma (JURSI TGD) Vol. 4 No. 6 (2025): EDISI NOVEMBER 2025
Publisher : STMIK Triguna Dharma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.53513/jursi.v4i6.12349

Abstract

Sistem informasi pemesanan berbasis website di PT. Mutiara Busana Indah dikembangkan untuk meningkatkan efisiensi proses pemesanan produk dan mengatasi kendala sistem manual yang sering menimbulkan data tidak akurat, rusak, atau hilang. Sistem ini memungkinkan pelanggan untuk memesan produk kapan saja dan di mana saja tanpa harus datang langsung ke perusahaan, sehingga mengurangi waktu dan biaya operasional. Selain itu, sistem ini membantu perusahaan dalam mengelola data calon konsumen secara lebih terorganisir dan akurat, sekaligus mempercepat proses produksi. Penelitian ini menggunakan metode observasi, wawancara, dan studi pustaka untuk mengumpulkan data, serta menggunakan pendekatan Unified Modeling Language (UML) dalam perancangan sistem. Hasil dari pengembangan sistem menunjukkan bahwa penerapan sistem berbasis website mampu meningkatkan kecepatan pelayanan dan akurasi data, yang berdampak positif terhadap perkembangan perusahaan dalam era digital saat ini. Sistem ini diharapkan dapat menjadi solusi yang efektif untuk meningkatkan kualitas layanan dan efisiensi operasional PT. Mutiara Busana Indah.
Penerapan Hue, Saturation, Value (HSV) dengan Sobel dalam Segmentasi Citra Digital untuk Deteksi Kematangan Tomat. Herriyance; Panjaitan, Zaimah; Dahria, Muhammad; Andika, Beni
Jurnal Sistem Informasi Triguna Dharma (JURSI TGD) Vol. 4 No. 6 (2025): EDISI NOVEMBER 2025
Publisher : STMIK Triguna Dharma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.53513/jursi.v4i6.12383

Abstract

Klasifikasi tingkat kematangan buah tomat secara manual sering menghasilkan penilaian yang tidak konsisten, yang dapat menimbulkan kerugian ekonomi dalam industri pertanian. Maka dari itu diperlukan sistem yang dapat menggabungkan ilmu pengolahan citra digital dalam penilaian kematangan tomat. Metodologi yang digunakan mencakup digitalisasi gambar melalui penangkapan citra tomat lewat kamera secara real time. Selanjutnya dilakukan preprocessing menggunakan teknik high-pass filtering untuk penajaman citra dan peningkatan kontras. Setelah itu dilakukan transformasi nilai warna dari RGB (red/merah, green/hijau, blue/biru) ke HSV (Hue/warna dasar, saturation/saturasi, value/nilai warna) untuk uji coba analisis warna dan juga deteksi tepi menggunakan operasi sobel. Warna dan tepi tersebut akan menciptakan segmentasi untuk menjadi acuan klasifikasi tomat. Untuk menguji lebih jauh dalam akurasi segmentasi dengan HSV, maka dilakukan perbandingan terhadap model segmentasi dengan RGB dan juga simulasi kualitas kamera rendah menggunakan noise dan blurring. Kombinasi teknik deteksi tepi dan segmentasi berbasis HSV akan memberikan akurasi 54,7% sementara segmentasi berbasis RGB dengan akurasi 72%. Akurasi juga akan menurun ketika jarak antara objek dan kamera semakin panjang. Hasil luaran dari konsep HSV adalah hasil klasifikasi tomat dari tomat mentah, tomat hampir matang dan tomat matang yang ditampilkan pada pemograman web yang dibangun menggunakan arsitektur HTML(Hypertext Markup Language) dan JavaScript.
Perancangan dan Implementasi Website Posyandu Balita Sebagai Media Informasi Dan Interaksi Masyarakat Desa Pacarpeluk Nur Khafidhoh; Saputra, Dimas Arif
Jurnal Sistem Informasi Triguna Dharma (JURSI TGD) Vol. 4 No. 6 (2025): EDISI NOVEMBER 2025
Publisher : STMIK Triguna Dharma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.53513/jursi.v4i6.12248

Abstract

Masalah kesehatan balita, termasuk tingginya angka stunting dan kurangnya efisiensi dalam pencatatan serta distribusi informasi di Posyandu, masih menjadi tantangan di berbagai daerah di Indonesia, termasuk Desa Pacarpeluk. Penelitian ini bertujuan untuk merancang dan mengimplementasikan sistem informasi Posyandu Balita berbasis website sebagai solusi digital untuk meningkatkan efisiensi layanan dan kualitas informasi kesehatan masyarakat. Penelitian menggunakan model pengembangan ADDIE yang terdiri dari tahapan analisis, desain, pengembangan, implementasi, dan evaluasi. Sistem yang dikembangkan mencakup fitur pencatatan data balita, imunisasi, perkembangan fisik, pengelolaan jadwal kegiatan, serta penyebaran berita. Pengguna sistem terdiri dari tiga kategori: bidan, kader posyandu, dan orang tua balita. Hasil implementasi menunjukkan bahwa sistem ini mempermudah proses pengolahan data dan akses informasi secara real-time, serta mendapat respons positif dari pengguna. Evaluasi menggunakan metode black box testing membuktikan bahwa sistem berjalan optimal dan fungsionalitasnya sesuai harapan. Meskipun beberapa kader lansia mengalami kesulitan awal dalam penggunaan sistem, pelatihan dan pendampingan terbukti mampu meningkatkan keterampilan mereka. Kesimpulannya, sistem informasi Posyandu berbasis website ini berhasil mendigitalisasi layanan Posyandu Balita dan berpotensi untuk diintegrasikan dengan sistem kesehatan pemerintah di masa depan.
Sistem Informasi Posyandu Jiwa Digital Sebagai Sarana Peningkatkan Pelayanan Kesehatan Mental Di Desa Mojokrapak Nur Khafidhoh; Nouval Davauddin Saskara; Siti Sufaidah
Jurnal Sistem Informasi Triguna Dharma (JURSI TGD) Vol. 5 No. 1 (2026): EDISI JANUARI 2026
Publisher : STMIK Triguna Dharma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.53513/jursi.v5i1.12251

Abstract

Permasalahan dalam pencatatan dan pengelolaan data pada Posyandu Jiwa di Desa Mojokrapak yang masih dilakukan secara manual mengakibatkan kurangnya efisiensi, akurasi, dan kecepatan distribusi informasi. Penelitian ini bertujuan untuk merancang dan mengimplementasikan sistem informasi Posyandu Jiwa berbasis web sebagai solusi digital untuk meningkatkan efisiensi layanan dan kualitas informasi kesehatan mental masyarakat. Metode pengembangan sistem yang digunakan adalah Waterfall dengan tahapan analisis kebutuhan, perancangan, implementasi, pengujian, dan pemeliharaan. Sistem yang dikembangkan mencakup fitur manajemen data pasien ODGJ, pencatatan kehadiran, riwayat pemeriksaan, pemberian obat, pengelolaan jadwal kegiatan, serta modul edukasi kesehatan jiwa. Pengguna sistem terdiri dari tiga kategori: bidan, kader, dan pasien. Hasil implementasi menunjukkan bahwa sistem mempermudah proses pengolahan data dan akses informasi secara real-time, serta mendapat respons positif dari pengguna. Pengujian menggunakan metode black box testing membuktikan bahwa sistem berjalan optimal dan seluruh fungsionalitas sesuai harapan. Kesimpulannya, sistem informasi ini berhasil mendigitalisasi layanan Posyandu Jiwa dan memiliki potensi untuk diintegrasikan dengan sistem kesehatan pemerintah di masa depan.
Analisis Sentimen Komentar Resep Masakan Indonesia dengan Machine Learning dan Fitur Ekstraksi Word2Vec Jusia, Pareza Alam; Rahim, Abdul; Yani, Herti; Mulyadi; Jasmir
Jurnal Sistem Informasi Triguna Dharma (JURSI TGD) Vol. 5 No. 1 (2026): EDISI JANUARI 2026
Publisher : STMIK Triguna Dharma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.53513/jursi.v5i1.12321

Abstract

Perkembangan teknologi digital telah mendorong meningkatnya aktivitas pengguna dalam mengekspresikan opini melalui media sosial, termasuk komentar terhadap resep masakan Indonesia. Analisis sentimen digunakan untuk memahami kecenderungan opini tersebut secara otomatis menggunakan pendekatan machine learning. Penelitian ini bertujuan untuk menganalisis pengaruh penerapan fitur ekstraksi Word2Vec terhadap peningkatan kinerja tiga algoritma klasifikasi teks, yaitu Naïve Bayes, K-Nearest Neighbor (KNN), dan Random Forest, dalam mengklasifikasikan komentar positif dan negatif pada dataset komentar resep masakan Indonesia. Tahapan penelitian meliputi preprocessing data (tokenisasi, stopword removal, dan stemming), pelabelan sentimen, ekstraksi fitur Word2Vec, serta pengujian model menggunakan pembagian data 80:20. Evaluasi dilakukan menggunakan empat metrik, yaitu accuracy, precision, recall, dan F1-score. Hasil penelitian menunjukkan bahwa penerapan fitur Word2Vec mampu meningkatkan performa seluruh model. Akurasi tertinggi diperoleh pada model Random Forest dengan Word2Vec sebesar 84,07%, disusul Naïve Bayes sebesar 84,07%, dan KNN sebesar 79,70%. Nilai F1-score terbaik juga diperoleh oleh Random Forest sebesar 84,45%. Peningkatan performa ini menunjukkan bahwa representasi semantik Word2Vec mampu memperkaya pemahaman model terhadap makna dan konteks kata dalam teks, sehingga lebih efektif dalam mengidentifikasi sentimen pengguna terhadap resep masakan Indonesia.
Rancang Bangun WebGIS Pemetaan Rawan Bencana dan Ketangguhan Desa di Indramayu Wati, Vera; Iswanto, Muhammad Edi; Yusuf, Arif Maulana
Jurnal Sistem Informasi Triguna Dharma (JURSI TGD) Vol. 5 No. 1 (2026): EDISI JANUARI 2026
Publisher : STMIK Triguna Dharma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.53513/jursi.v5i1.12329

Abstract

Kerentanan wilayah pesisir Kabupaten Indramayu terhadap bencana alam seperti banjir, kekeringan, abrasi, dan cuaca ekstrem menuntut adanya sistem informasi yang mampu memetakan risiko dan tingkat ketangguhan masyarakat secara spasial. Ketersediaan data risiko bencana umumnya masih tersebar dalam bentuk laporan tekstual dan belum terintegrasi ke dalam sistem berbasis peta digital. Kondisi ini menyulitkan proses analisis wilayah prioritas dan pengambilan keputusan kebijakan mitigasi di tingkat desa. Pendekatan System Development Life Cycle (SDLC) dengan Prototyping digunakan untuk merancang sistem informasi geografis berbasis web (WebGIS) yang mampu mengintegrasikan data batas wilayah, jenis bencana, serta hasil penilaian ketangguhan desa berdasarkan indikator DESTANA. Setiap data diolah dalam format spasial agar dapat divisualisasikan pada peta interaktif dengan kategori risiko tinggi, sedang, dan rendah. Hasil perancangan menghasilkan prototipe WebGIS yang menampilkan hubungan antara wilayah rawan bencana dan kapasitas ketangguhan desa secara simultan. Sistem ini dapat menjadi media pendukung analisis spasial awal dalam perencanaan kebijakan penanggulangan bencana di tingkat daerah, serta dasar pengembangan model analisis spasial lanjutan pada tahap penelitian berikutnya.  
Peramalan Inflasi dan Harga Minyak Mentah dengan Pendekatan Hybrid Statistika-Machine Learning dan Statistika-Deep Learning Christopher Andreas; Witanto, Elizabeth Nathania; Guntur, Yohana Jocelyn; Purnomo, Felicia Joshlyn
Jurnal Sistem Informasi Triguna Dharma (JURSI TGD) Vol. 5 No. 1 (2026): EDISI JANUARI 2026
Publisher : STMIK Triguna Dharma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.53513/jursi.v5i1.12342

Abstract

Inflasi dan harga minyak mentah merupakan dua indikator ekonomi strategis yang memengaruhi stabilitas ekonomi nasional dan arah kebijakan publik. Peramalan yang akurat terhadap kedua variabel ini sangat penting untuk mendukung perencanaan fiskal, moneter, serta strategi sektor industri dan perdagangan. Karakteristik keduanya berbeda, dimana inflasi cenderung memiliki pola tren dan musiman yang relatif stabil, sedangkan harga minyak mentah bersifat fluktuatif dengan pengaruh faktor eksternal global. Perbedaan ini menuntut metode peramalan yang adaptif dan mampu bekerja baik pada kondisi data yang berbeda. Penelitian ini memiliki keterkaitan dengan Sustainable Development Goals (SDG 8 dan SDG 9). Penelitian ini bertujuan mengembangkan metode time series forecasting berbasis pendekatan hybrid melalui model statistika-machine learning dan statistika-deep learning. Pendekatan statistika dengan model Autoregressive Integrated Moving Average (ARIMA) digunakan untuk menangkap pola linear, kemudian hasil prediksi atau residual dari model ARIMA diproses lebih lanjut menggunakan algoritma machine learning yaitu Support Vector Regression (SVR) dan model deep learning yaitu Long Short-Term Memory (LSTM) untuk mempelajari pola non-linear. Dalam hal ini, evaluasi akurasi model diukur dengan metrik symmetric Mean Absolute Percentage Error (sMAPE). Hasil penelitian menunjukkan bahwa model ARIMA-SVR memiliki akurasi lebih baik dalam meramalkan data inflasi dengan nilai sMAPE sebesar 0,2072. Sebaliknya, model ARIMA-LSTM lebih akurat dalam meramalkan data harga minyak dengan nilai sMAPE sebesar 0,0548. Dengan demikian, pendekatan hybrid statistika-machine learning dan statistika-deep learning memiliki akurasi yang baik dalam memprediksi data yang bersifat time series.

Page 47 of 53 | Total Record : 521

 45   46   47   48   49 

Filter by Year

2022 2026


Reset
Filter By Issues
All Issue Vol. 5 No. 2 (2026): EDISI MARET 2026 Vol. 5 No. 1 (2026): EDISI JANUARI 2026 Vol. 4 No. 6 (2025): EDISI NOVEMBER 2025 Vol. 4 No. 5 (2025): EDISI SEPTEMBER 2025 Vol. 4 No. 4 (2025): EDISI JULI 2025 Vol. 4 No. 3 (2025): EDISI MEI 2025 Vol. 4 No. 2 (2025): EDISI MARET 2025 Vol. 4 No. 1 (2025): EDISI JANUARI 2025 Vol. 3 No. 6 (2024): Edisi November 2024 Vol. 3 No. 5 (2024): Edisi September 2024 Vol. 3 No. 4 (2024): Edisi Juli 2024 Vol. 3 No. 3 (2024): Edisi Mei 2024 Vol. 3 No. 2 (2024): EDISI MARET 2024 Vol. 3 No. 1 (2024): EDISI JANUARI 2024 Vol. 2 No. 6 (2023): EDISI NOVEMBER 2023 Vol. 2 No. 5 (2023): EDISI SEPTEMBER 2023 Vol. 2 No. 4 (2023): EDISI JULI 2023 Vol. 2 No. 3 (2023): EDISI MEI 2023 Vol. 2 No. 2 (2023): EDISI MARET 2023 Vol. 2 No. 1 (2023): EDISI JANUARI 2023 Vol 1, No 6 (2022): EDISI NOVEMBER 2022 Vol 1, No 5 (2022): EDISI SEPTEMBER 2022 Vol. 1 No. 4 (2022): EDISI JULI 2022 Vol 1, No 4 (2022): EDISI JULI 2022 Vol 1, No 3 (2022): EDISI MEI 2022 Vol 1, No 2 (2022): EDISI MARET 2022 Vol 1, No 1 (2022): EDISI JANUARI 2022 More Issue