cover
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,
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
Articles 489 Documents
Klasifikasi Rentang Usia Berdasarkan Citra Wajah Menggunakan Convolutional Neural Network Nazifa Edilia, Fazila; Tiara Amanda Lestari; M. Rifqi Arrafi; Fauhan Alfarizi Saragih; Adli Rahman Harun Harahap; Mhd. Furqan
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.v5i1.12424

Abstract

Klasifikasi usia berbasis citra wajah memegang peran krusial dalam berbagai bidang, mulai dari sistem keamanan hingga analisis pasar digital. Dalam studi ini, dikembangkan pendekatan klasifikasi menggunakan Convolutional Neural Network (CNN) dengan arsitektur MobileNetV2 untuk mengkategorikan usia ke dalam empat kelompok: anak, remaja, dewasa, dan lansia. Sebanyak 3.250 citra wajah dari platform Kaggle diproses melalui tahap normalisasi dan augmentasi guna meningkatkan variasi dan mengurangi overfitting. Hasil pengujian menunjukkan bahwa model yang dibangun dengan teknik transfer learning ini mencapai akurasi 84% pada data validasi, dengan performa terbaik di kelas dewasa. Namun demikian, kelas dengan data lebih sedikit menunjukkan kinerja lebih rendah, mengisyaratkan perlunya penanganan khusus untuk ketidakseimbangan data. Temuan ini memperkuat potensi CNN untuk klasifikasi usia, sekaligus menyoroti pentingnya strategi data yang lebih berimbang.
Rancang Bangun SIPERKA: Sistem Informasi Perpustakaan Kabupaten Subang Berbasis Arsitektur Data Terpadu Usep Abdul Rosid; Nunu Nugraha; Rachmat Irsyada; Ardhi Akmaludin Jadhira; Cica Rismawanti
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.v5i1.12434

Abstract

SIPERKA hadir sebagai solusi Sistem Informasi Perpustakaan di Kabupaten Subang, dirancang untuk menyatukan pengelolaan data koleksi, pustakawan, serta pengumpulan dari beragam unit perpustakaan menjadi satu entitas sistem yang ringkas. Studi ini berfokus pada tujuan perancangan serta penerapan SIPERKA yang berlandaskan arsitektur data terpadu, demi mengoptimalisasi efisiensi sekaligus menjaga konsistensi manajemen data perpustakaan di tingkat daerah. Alur pengembangan sistem mengadopsi kerangka kerja Model Waterfall , yang meliputi fase analisis prasyarat, desain arsitektur data, realisasi sistem berbasis web, hingga pengujian fungsionalitas. Secara teknis, sistem ini dibangun di atas fondasi framework Laravel 12 yang didukung oleh data basis MySQL. Hasil verifikasi menampilkan kapabilitas sistem dalam mengelola koleksi data, pustakawan, dan pelaporan secara sentral melalui akses multiuser. Penerapan arsitektur data terpadu terbukti efektif meningkatkan interoperabilitas dan kohesi data antarperpustakaan di lingkungan Dinas Kearsipan dan Perpustakaan Kabupaten Subang.
Perancangan dan Implementasi Sistem Informasi Administrasi Sertifikasi Profesi Berbasis Web Pada LSP BBPVP Medan Girsang, Deswita; Ramadhani, Nabila Zahwa; Rahmadani, Putriana
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.v5i1.12439

Abstract

Pengelolaan administrasi sertifikasi profesi yang masih dilaksanakan secara manual atau belum terintegrasi secara optimal berpotensi menimbulkan berbagai permasalahan, seperti keterlambatan pelayanan, terjadinya duplikasi data, serta kendala dalam penyampaian informasi. Lembaga Sertifikasi Profesi (LSP) BBPVP Medan membutuhkan sebuah sistem informasi yang mampu mengelola layanan sertifikasi secara terpusat dan efisien. Penelitian ini bertujuan untuk merancang dan mengimplementasikan sistem informasi administrasi sertifikasi profesi berbasis web pada LSP BBPVP Medan. Metode pengembangan sistem yang digunakan adalah metode Waterfall, yang mencakup tahapan analisis kebutuhan, perancangan sistem, implementasi, dan pengujian. Sistem dikembangkan menggunakan bahasa pemrograman PHP dengan framework Laravel serta basis data MySQL. Pengujian sistem dilakukan menggunakan metode black-box testing untuk memastikan bahwa setiap fungsi sistem berjalan sesuai dengan kebutuhan pengguna. Hasil penelitian menunjukkan bahwa sistem yang dikembangkan mampu mengintegrasikan pengelolaan data skema sertifikasi, Tempat Uji Kompetensi (TUK), asesor, struktur organisasi, serta penyajian informasi layanan sertifikasi secara terstruktur. Dengan demikian, sistem ini diharapkan dapat meningkatkan efisiensi administrasi sertifikasi serta mempermudah akses informasi bagi pengguna dan admin di lingkungan LSP BBPVP Medan.
Perbandingan Kinerja Algoritma Decision Tree dan Random Forest dalam Prediksi Kelulusan Siswa Nur Azizah Harahap; Andika Syahdewa; Lubis, Fadhlan Ihsan; Hengki Gunawan; Marsini Sibuea; Darma Juang; Muhammad Amin
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.v5i1.12469

Abstract

Kelulusan siswa merupakan salah satu indikator penting dalam evaluasi proses pembelajaran di bidang pendidikan. Pemanfaatan teknik data mining dapat membantu memprediksi kelulusan siswa secara lebih objektif berdasarkan data akademik dan non-akademik. Penelitian ini bertujuan untuk membandingkan kinerja algoritma Decision Tree dan Random Forest dalam memprediksi kelulusan siswa. Dataset yang digunakan adalah Student Performance Dataset yang diperoleh dari UCI Machine Learning Repository dengan jumlah 649 data dan 33 variabel. Proses penelitian meliputi tahap prapemrosesan data, pembentukan model klasifikasi, serta evaluasi kinerja model menggunakan metrik accuracy, precision, recall, dan confusion matrix. Hasil penelitian menunjukkan bahwa algoritma Random Forest memiliki nilai akurasi dan precision yang lebih tinggi dibandingkan Decision Tree, sedangkan Decision Tree menunjukkan nilai recall yang lebih baik dalam mendeteksi siswa yang tidak lulus. Temuan ini mengindikasikan bahwa Random Forest lebih unggul dalam menghasilkan prediksi yang tepat, sementara Decision Tree lebih efektif dalam mengenali seluruh kasus ketidaklulusan. Dengan demikian, pemilihan algoritma terbaik perlu disesuaikan dengan kebutuhan analisis dan tujuan penerapan sistem prediksi kelulusan siswa.
Analisis Dan Deteksi Burnout Pada Kalangan Anak Muda Dengan Algoritma Naïve Bayes Simangunsong, Agustina; Simanjorang, R. Mahdalena; Hasugian, Penda Sudarto; Fitri Amalia; Putri Khairunnisa
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.v5i1.12473

Abstract

Burnout pada anak muda menjadi fenomena yang semakin mengkhawatirkan seiring meningkatnya tekanan akademik, tuntutan pekerjaan, serta intensitas aktivitas digital di era modern. Kondisi ini ditandai oleh kelelahan emosional, depersonalisasi, dan menurunnya pencapaian pribadi yang berdampak langsung pada kesehatan mental dan performa individu. Penelitian ini bertujuan untuk menganalisis tingkat burnout pada kalangan anak muda serta membangun model deteksi otomatis menggunakan algoritma Naïve Bayes. Sebanyak 200 responden berusia 18–30 tahun dilibatkan melalui kuesioner daring berbasis skala Likert, dengan lima variabel utama yaitu Emotional Exhaustion (EE), Depersonalization (DP), Personal Accomplishment (PA), Stres Akademik/Pekerjaan (SA), dan Kualitas Tidur (QT). Proses analisis dilakukan melalui tahapan KDD yang meliputi data cleaning, transformation, data mining, dan evaluation menggunakan metode klasifikasi Naïve Bayes. Hasil penelitian menunjukkan bahwa 55% responden berada pada kategori burnout. Variabel QT Buruk, SA Tinggi, EE Tinggi, DP Tinggi, dan PA Rendah memiliki pengaruh paling signifikan terhadap terbentuknya burnout. Nilai likelihood kelas burnout sebesar 0,08305, jauh lebih tinggi dibandingkan kelas tidak burnout sebesar 0,0000733, sehingga kasus uji diklasifikasikan sebagai burnout. Temuan ini menunjukkan bahwa algoritma Naïve Bayes efektif digunakan sebagai alat deteksi dini burnout pada anak muda serta berpotensi mendukung pengembangan sistem monitoring kesehatan mental.
Pengembangan Sistem Pakar Untuk Rekomendasi Pupuk dan Irigasi Berdasarkan Analisis Kesuburan Tanah R. Mahdalena Simanjorang; Agustina Simangunsong; Amran Sitohang; Josua Lumban Tobing; Sartika Simanjorang
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.v5i1.12474

Abstract

Saat ini bidang pertanian seringkali diperhadapkan dengan tantangan terhadap peningkatan produktivitas secara efektif dengan tujuan agar tetap terjaga kualitas dan keberlanjutan lingkungan. Adapun faktor utama yang mempengaruhi hasil pertanian adalah terkait dengan kesuburan tanah dan ketersediaan air. Adapun permasalahan yang sering dihadapi para petani adalah penggunaan pupuk dan sistem irigasi yang tidak tepat sehingga menyebabkan degradasi tanah, pencemaran lingkungan, serta peningkatan biaya operasional. Sehingga diperlukan sebuah solusi yang tepat yang dapat memberikan rekomendasi optimal terkait pemupukan dan irigasi berdasarkan analisis kesuburan tanah.Urgensi dari penelitian ini adalah menjadi hal yang sangat penting dikarenakan pada penelitian ini dibuat dengan tujuan mengembangkan sistem pakar yang mampu memberikan rekomendasi pupuk dan irigasi berdasarkan parameter kesuburan tanah, seperti pH, kandungan nitrogen, fosfor, kalium, dan kelembaban tanah. Sistem ini akan menggunakan metode logika fuzzy untuk menangani ketidakpastian dalam data tanah serta basis aturan (rule-based system) yang disusun berdasarkan pengetahuan pakar dan data penelitian sebelumnya. Metode penelitian meliputi tahapan pengumpulan data kesuburan tanah, wawancara dengan pakar pertanian, perancangan sistem pakar menggunakan teknik fuzzy inference system (FIS), serta pengujian dan validasi sistem terhadap hasil rekomendasi yang diberikan. Pengujian akan dilakukan dengan membandingkan rekomendasi sistem terhadap rekomendasi pakar secara manual guna mengukur akurasi dan efektivitas sistem. Luaran yang ditargetkan dari penelitian ini meliputi prototype sistem pakar berbasis web, Dengan adanya sistem ini, diharapkan efisiensi penggunaan pupuk dan air meningkat, biaya produksi berkurang, serta produktivitas pertanian dapat ditingkatkan secara berkelanjutan.
Implementasi Metode Certainty Factor dalam Sistem Pakar untuk Deteksi Kerusakan Mesin Vibration Continuous Monitoring Amrullah; Idaman, Akbar; Muit Sunjaya; Aurlani, Febry
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.v5i1.12479

Abstract

Penelitian ini bertujuan untuk mengembangkan sistem pakar berbasis metode Certainty Factor dalam mendeteksi kerusakan pada mesin Vibration Continuous Monitoring. Mesin ini digunakan untuk memantau getaran pada mesin industri, yang jika tidak terdeteksi dapat menyebabkan kerusakan lebih parah dan mengurangi efisiensi operasional. Metode Certainty Factor digunakan untuk mengukur tingkat kepastian dalam diagnosis kerusakan berdasarkan gejala yang terdeteksi. Penelitian ini melibatkan pengumpulan data melalui observasi, wawancara dengan ahli, dan studi literatur untuk membangun basis aturan dan menghitung nilai CF untuk setiap gejala. Hasil penelitian menunjukkan bahwa sistem pakar ini mampu mendeteksi kerusakan dengan tingkat kepastian yang tinggi, dengan beberapa jenis kerusakan memiliki nilai CF di atas 90%. Dengan menggunakan sistem ini, proses diagnosis kerusakan dapat dilakukan lebih cepat dan akurat, mengurangi ketergantungan pada kehadiran teknisi ahli dan mengoptimalkan pemeliharaan mesin. Penelitian ini memberikan kontribusi penting dalam penerapan kecerdasan buatan di bidang pemeliharaan mesin industri, yang dapat meningkatkan efisiensi dan mengurangi biaya operasional.
Prediksi Kelayakan Panen Kelapa Sawit Menggunakan Naïve Bayes Nuraisana; Agustina Simangunsong; Penda Sudarto Hasugian; Muhammad Rizal Muhaimin; Akbar 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.v5i1.12481

Abstract

Kelapa sawit merupakan komoditas unggulan nasional yang berperan penting dalam sektor perkebunan dan ekonomi Indonesia. Namun, hasil panen sering berfluktuasi akibat faktor iklim, pupuk, dan usia tanaman, sementara penentuan kelayakan panen masih dilakukan secara manual dan subjektif. Penelitian ini bertujuan untuk membangun sistem prediksi kelayakan panen kelapa sawit dengan Naïve Bayes guna membantu pengambilan keputusan yang lebih objektif dan efisien. Data yang digunakan meliputi curah hujan, suhu, kelembapan, usia tanaman, dan penggunaan pupuk. Metode Naïve Bayes dipilih karena kemampuannya dalam melakukan klasifikasi cepat dan akurat berdasarkan probabilitas. Hasil penelitian diharapkan menghasilkan sistem pendukung keputusan yang mampu memberikan prediksi kelayakan panen secara akurat, sehingga dapat meningkatkan efisiensi produksi dan produktivitas perkebunan kelapa sawit.
Analisis Pengaruh Intensitas Belajar dan Motivasi Terhadap Prestasi Akademik Menggunakan Regresi Linier Berganda Yulia Utami; Desi Vinsensia; Joya Rahmawida; Chessie Paquita Senajaya
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.v5i1.12482

Abstract

Studi ini dilakukan untuk mengkaji sejauh mana intensitas belajar serta motivasi belajar berkontribusi terhadap prestasi akademik. Penelitian ini menggunakan pendekatan kuantitatif dan termasuk dalam jenis penelitian asosiatif dengan tujuan mengidentifikasi hubungan antarvariabel. Pengumpulan data dilakukan melalui penyebaran angket untuk memperoleh informasi terkait tingkat intensitas belajar dan motivasi belajar, sedangkan data prestasi akademik diperoleh dari dokumen nilai akademik. Data dianalisis menggunakan regresi linier berganda untuk menilai pengaruh masing-masing variabel independen maupun pengaruh keduanya secara simultan terhadap variabel dependen. Hasil analisis menunjukkan bahwa variabel intensitas belajar memiliki nilai signifikansi sebesar 0,000, di mana 0,000 < 0,05, sehingga H1 diterima. Hal ini menunjukkan bahwa intensitas belajar berpengaruh terhadap prestasi akademik. Sementara itu, variabel motivasi belajar menunjukkan nilai signifikansi sebesar 0,232, di mana 0,232 > 0,05, sehingga H2 ditolak. Dengan demikian, dapat disimpulkan bahwa motivasi belajar tidak berpengaruh terhadap prestasi akademik. Selanjutnya, berdasarkan hasil uji F pada tabel ANOVA diperoleh nilai signifikansi sebesar 0,000, di mana 0,000 < 0,05, sehingga H3 diterima. Hal ini menunjukkan bahwa intensitas belajar dan motivasi belajar secara simultan berpengaruh terhadap prestasi akademik.