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 568 Documents
 53   54   55   56   57 
Penerapan Metode K-Means Clustering Dalam Pengelolaan Limbah Kelapa Sawit Febri Suciati; Ismawardi Santoso; Muhammad Dahria
Jurnal Sistem Informasi Triguna Dharma (JURSI TGD) Vol. 5 No. 3 (2026): EDISI MEI 2026
Publisher : STMIK Triguna Dharma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.53513/jursi.v5i3.10314

Abstract

Pengelolaan limbah kelapa sawit pada PT. Langkat Nusantara Kepong menghadapi tantangan signifikan akibat volume limbah yang tinggi dan variasi dalam karakteristik limbah. Masalah utama yang dihadapi adalah kesulitan dalam mengelompokkan limbah berdasarkan jenis dan potensi dampaknya terhadap lingkungan, yang dapat menghambat efektivitas proses pengolahan dan meningkatkan biaya operasional.Untuk mengatasi masalah tersebut, diterapkan metode K-Means Clustering dalam pengelolaan limbah. Metode ini digunakan untuk mengelompokkan limbah kelapa sawit berdasarkan parameter karakteristiknya, seperti komposisi kimia, ukuran partikel, dan kandungan air. Dengan menerapkan algoritma K-Means, limbah dapat dikelompokkan ke dalam beberapa klaster yang serupa, memungkinkan pengelolaan yang lebih terstruktur dan efisien.Penerapan metode K-Means Clustering berhasil mengidentifikasi dan mengelompokkan limbah kelapa sawit ke dalam kategori yang berbeda berdasarkan karakteristiknya. Hasil ini meningkatkan efisiensi proses pengolahan limbah, mengurangi biaya operasional, dan meminimalkan dampak lingkungan. Dengan pemisahan yang lebih jelas dan pengelolaan yang lebih baik, PT. Langkat Nusantara Kepong dapat mengoptimalkan penggunaan sumber daya dan memenuhi standar lingkungan yang lebih ketat.
Implementasi Algoritma K-Means Dalam Pengclusteran Penerima Dana Bantuan Langsung Tunai (BLT) Di Desa Mulyoharjo Ahmad Raynaldi; Puji Sari Ramadhan; Afdal Alhafiz
Jurnal Sistem Informasi Triguna Dharma (JURSI TGD) Vol. 5 No. 3 (2026): EDISI MEI 2026
Publisher : STMIK Triguna Dharma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.53513/jursi.v5i3.10345

Abstract

Bantuan langsung tunai adalah program bantuan pemerintah berjenis pemberian uang tunai atau beragam bantuan lainnya, baik bersyarat (conditional cash transfer) maupun tak bersyarat (unconditional cash transfer) untuk masyarakat miskin. Dari hasil observasi yang telah di lakukan melalui salah satu kepala desa di desa Mulyoharjo yang berada di suatu daerah pedalaman tepatnya di sulawesi tengah kabupaten banggai, terkait dengan penyaluran Bantuan Langsung tunai terungkap bahwa pemerintah desa merasa kesulitan dalam mengelompokan dan memilih keluarga yang menerima bantuan, di karnakan kurangnya sistem, akibatnya, dirasakan bahwa masih terdapat keluarga yang membutuhkan bantuan namun belum mendapat perhatian.Maka salah satu upaya dalam pengolahan bantuan data tersebut dapat dilakukan dengan menggunakan metode Data Mining dengan Algoritma K-Means Clustering. Dari hasil klasterisasi pada data yang di hasilkan pengelompokan data masyarakat desa Mulyoharjo kurang mampu dengan tiga cluster yaitu cluster kurang mampu, mampu, sangat mampu, dengan algoritma K-means clustering sebanyak 2 iterasi maka mendapatkan hasil pada cluster pertama sebanyak 32 kepala keluarga kurang mampu, pada cluster ke dua sebanyak 20 kepala keluarga mampu dan pada cluster ke tiga sebanyak 18 kepala keluarga sangat mampu. Dan terciptanya sebuah aplikasi data mining yang dapat digunakan untuk menetukan kelayakan penerima dana bantuan langsung tunai dengan menggunakan metode Algoritma K-Means
Sistem Pakar Mendiagnosis Penyakit Kolesistitis Radang Saluran Empedu Menggunakan Metode Teorema Bayes Sintia Nur Ardilla; Ahmad Fitri Boy; Siti Julianita Siregar
Jurnal Sistem Informasi Triguna Dharma (JURSI TGD) Vol. 5 No. 3 (2026): EDISI MEI 2026
Publisher : STMIK Triguna Dharma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.53513/jursi.v5i3.10372

Abstract

Kolesistitis, atau peradangan pada kantung empedu, sering disebabkan oleh batu empedu dan dapat menimbulkan komplikasi serius seperti empiema dan hidrops kandung empedu. Gejala penyakit ini sering kali mirip dengan kondisi lainnya, membuat diagnosis yang akurat menjadi tantangan. Kurangnya alat bantu yang efektif untuk diagnosis memerlukan pendekatan inovatif dalam bidang kesehatan. Sebagai solusi, penelitian ini mengembangkan sistem pakar yang menggunakan metode Teorema Bayes untuk mendiagnosis kolesistitis. Sistem ini dirancang untuk memanfaatkan pengetahuan medis dan probabilitas gejala untuk memberikan diagnosis yang akurat. Dengan meniru proses berpikir seorang pakar, sistem ini menganalisis data gejala pasien dan merekomendasikan tindakan medis yang sesuai. Hasil akhir dari aplikasi ini adalah sistem pakar yang dapat mendiagnosis kolesistitis dengan cepat dan akurat. Sistem ini menyediakan informasi yang diperlukan untuk membantu pasien memahami kondisi mereka dan memperoleh penanganan yang tepat. Dengan demikian, aplikasi ini diharapkan dapat meningkatkan kualitas layanan kesehatan dan mempercepat proses diagnosis serta penanganan penyakit kolesistitis.
Sistem Pendukung Keputusan untuk Pemilihan Pemasok Barang di Toko Citra Online Beauty Studio dengan Metode WASPAS Sarmauli Simbolon; Jaka Prayuda; Suardi Yakub
Jurnal Sistem Informasi Triguna Dharma (JURSI TGD) Vol. 5 No. 3 (2026): EDISI MEI 2026
Publisher : STMIK Triguna Dharma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.53513/jursi.v5i3.10375

Abstract

Citra Beauty Studio adalah produsen produk kecantikan yang selama ini memilih pemasok secara manual tanpa mempertimbangkan kualitas dan standar yang diperlukan. Akibatnya, sering kali terjadi kesalahan dalam pemilihan pemasok, yang tidak sesuai dengan harapan dan ekspektasi perusahaan, sehingga menyebabkan masalah dalam proses produksi dan pengelolaan.Untuk mengatasi masalah tersebut, penelitian ini mengusulkan penggunaan Sistem Pendukung Keputusan (SPK) sebagai solusi yang efisien dan efektif. SPK dirancang untuk membantu pemilik Citra Beauty Studio dalam membuat keputusan yang lebih baik dalam memilih pemasok yang memenuhi standar yang diperlukan[1]. Dengan demikian, diharapkan dapat meningkatkan kinerja dan kualitas produk yang dihasilkan.Melalui penerapan metode WASPAS, penelitian ini berhasil mengidentifikasi dua pemasok terbaik yang sesuai dengan kebutuhan Citra Beauty Studio, yaitu Focalure sebagai pemasok peringkat pertama dan Emina sebagai pemasok peringkat kedua. Hasil ini diharapkan dapat menjadi acuan dalam pengambilan keputusan yang lebih tepat di masa mendatang.
Deteksi Ucapan yang Dihasilkan oleh Artificial Intelligence Menggunakan Metode Convolutional Neural Network Muhammad Sofyan; Mhd. Gilang Suryanata; Meri Sri Wahyuni
Jurnal Sistem Informasi Triguna Dharma (JURSI TGD) Vol. 5 No. 3 (2026): EDISI MEI 2026
Publisher : STMIK Triguna Dharma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.53513/jursi.v5i3.10434

Abstract

Seiring berkembangnya teknologi Artificial Intelligence (AI), khususnya teknologi sintesis suara seperti Text to Speech dan Voice Conversion, media yang dihasilkan oleh teknologi ini semakin realistis, sehingga sulit dibedakan antara suara manusia dan suara yang dihasilkan oleh AI. Fenomena ini mengakibatkan peningkatan signifikan dalam kasus penyalahgunaan, sehingga menimbulkan tantangan serius di berbagai sektor, baik dalam ranah financial technology (fintech) maupun non-fintech. Pada penelitian ini, dalam upaya mendeteksi ucapan hasil manipulasi AI, atau deepfake, digunakan dataset Real, Fake, and Partially fake. Seluruh data pada dataset yang mengandung suara AI digabungkan dan diberi label 'Fake', sedangkan suara manusia diberi label 'Real'. Pendeteksian ini menggunakan pendekatan ekstraksi fitur audio Mel-Frequency Cepstral Coefficients (MFCC), diikuti dengan pemrosesan seperti normalisasi fitur, padding, labelling, dan reshape input. Selanjutnya, data yang telah diproses akan dianalisis menggunakan arsitektur Convolutional Neural Networks (CNN) yang diusulkan. Hasil penelitian ini menunjukkan bahwa model arsitektur CNN yang diusulkan dapat mencapai akurasi pelatihan sebesar 99% pada data training dan validation, serta akurasi pengujian pada data testing sebesar 92% serta untuk hasil evaluasi metrik (precision, recall, F1-score, macro avg, dan weighted avg) model pada data testing cukup memuaskan, yang mana untuk setiap metrik menghasilkan lebih dari 85%, Equal Error Rate (EER) bernilai 8% serta Area Under Precision-Recall Curve (AUPRC) pada kelas ‘Real’ bernilai 89% dan ‘Fake’ bernilai 99% dan hasil sistem yang dikembangkan dapat membedakan hasil suara AI (Fake) dengan suara manusia (Real).
Sistem Pendukung Keputusan Menentukan Tingkat Kinerja PNS Dispermades Menggunakan Metode MOORA Sri Wahyu Ningsih; Juniar Hutagalung; Kartika Sari
Jurnal Sistem Informasi Triguna Dharma (JURSI TGD) Vol. 5 No. 3 (2026): EDISI MEI 2026
Publisher : STMIK Triguna Dharma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.53513/jursi.v5i3.10448

Abstract

Pada penilaian kinerja seseorang sangat diperlukan dalam menentukan performa kerja yang bagus pada Dinas Pemberdayaan Masyarakat. Namun, pada proses menentukan tingkat kinerja PNS masih dilakukan manual sehingga pada saat pemilihan pegawai yang paling bagus terkesan acak dan tidak memerhatikan hal – hal yang penting, maka dari itu menentukan kinerja PNS sering mengalami kurangnya efisien. Untuk membantu agar proses menentukan kinerja PNS yang lebih baik kedepannya, maka dibutuhkan sebuah Sistem Pendukung Keputusan yang merupakan sistem berbasis komputer sehingga dapat membantu mendukung sebuah keputusan yang dihasilkan dengan dukungan metode Additive Ratio Assessment yaitu dengan menentukan nilai terbesar, maka prioritas kinerja PNS paling bagus yang akan didapat.Berdasarkan hasil dari penelitian ini, Sistem Pendukung Keputusan berhasil dibuat untuk membantu masalah dalam menentukan kinerja PNS pada Dinas Pemberdayaan Masyarakat dan Desa Kab. Deli Serdang. Sehingga kriteria pegawai yang terbaik untuk diajukan sesuai dengan kapabilitas oleh Dinas Pemberdayaan Masyarakat dan Desa Kab. Deli Serdang itu sendiri.
Sistem Pakar Mendiagnosa Potensi Cacat Janin Pada Ibu Hamil Menggunakan Metode Naive Bayes Muhammad Syafrizal; Purwadi; Wahyu Riansah
Jurnal Sistem Informasi Triguna Dharma (JURSI TGD) Vol. 5 No. 3 (2026): EDISI MEI 2026
Publisher : STMIK Triguna Dharma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.53513/jursi.v5i3.10487

Abstract

Angka Kematian Ibu (AKI) di Indonesia masih sangat tinggi, mencapai 4.129 kasus pada tahun 2023. Tingginya angka kematian ini disebabkan oleh keterbatasan pelayanan obstetri dan ginekologi serta kurangnya informasi mengenai gejala dan risiko penyakit pada ibu hamil. Kekurangan gizi juga berkontribusi pada masalah ini, yang dapat mengakibatkan bayi lahir prematur, cacat bawaan, atau masalah kesehatan serius lainnya. Salah satu faktor penyebabnya adalah kekurangan dokter spesialis obstetri ginekologi, dengan kebutuhan mencapai 3.941 dokter. Sebagai solusi, penggunaan sistem pakar dapat dioptimalkan untuk membantu diagnosis potensi cacat janin. Sistem pakar merupakan aplikasi berbasis komputer yang meniru pemikiran ahli untuk menyelesaikan masalah. Dalam penelitian ini, sistem pakar akan diterapkan dengan metode Naïve Bayes, yang merupakan teknik pengklasifikasian probabilistik sederhana, untuk mendiagnosis potensi cacat janin pada ibu hamil. Metode ini diharapkan dapat memberikan penjelasan yang detail mengenai penyakit dan memberikan solusi penanganan awal. Hasil penelitian menunjukkan bahwa sistem pakar yang menggunakan metode Naïve Bayes mampu mencapai akurasi diagnosis sebesar 83%. Sistem ini dapat menjadi asisten bagi dokter spesialis obstetri ginekologi dengan memberikan diagnosis yang akurat dan informasi yang berguna untuk penanganan awal, meskipun tidak dapat menggantikan sepenuhnya peran dokter spesialis.
Expert System Dalam Mendiagnosis Penyakit Infertilitas Pada Pria Dengan Menggunakan Metode Teorema Bayes Hepmian Simatupang; Faisal Taufik; Rita Hamdani
Jurnal Sistem Informasi Triguna Dharma (JURSI TGD) Vol. 5 No. 3 (2026): EDISI MEI 2026
Publisher : STMIK Triguna Dharma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.53513/jursi.v5i3.10499

Abstract

Infertilitas pria dapat disebabkan oleh berbagai faktor, termasuk paparan logam berat, radiasi, pola makan buruk, merokok, alkohol, dan obat-obatan, yang dapat mengganggu spermatogenik dan menurunkan kualitas serta kuantitas sperma. Saat ini, diagnosis dan pengobatan infertilitas masih dilakukan secara langsung dengan dokter spesialis, yang memerlukan waktu dan biaya tinggi, menyulitkan aksesibilitas konsultasi medis dan pencegahan dini. Untuk mengatasi permasalahan ini, penelitian ini mengembangkan sistem pakar berbasis web yang menggunakan metode Teorema Bayes untuk mendiagnosis infertilitas secara online. Sistem ini memanfaatkan probabilitas bersyarat dan data training untuk memberikan estimasi parameter yang akurat, memungkinkan pengguna melakukan diagnosis awal tanpa perlu konsultasi langsung dengan dokter. Dengan adanya sistem ini, diharapkan dapat menghemat waktu dan biaya serta mempermudah identifikasi gejala awal dan penentuan derajat diagnosis penyakit infertilitas. Hasil dari penelitian ini adalah aplikasi sistem pakar berbasis web yang dirancang untuk mendeteksi gejala awal dan memberikan rekomendasi diagnosis infertilitas. Sistem ini bertujuan menyediakan alat yang efisien dan terjangkau, meningkatkan aksesibilitas layanan kesehatan, dan memungkinkan pencegahan serta penanganan yang lebih dini.
Klasifikasi Tingkat Kematangan Daun Herbal Pucuk Merah Menggunakan Metode HSI Bobby Setiadi; Nurcahyo Budi Nugroho; Rina Mahyuni
Jurnal Sistem Informasi Triguna Dharma (JURSI TGD) Vol. 5 No. 2 (2026): EDISI MARET 2026
Publisher : STMIK Triguna Dharma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.53513/jursi.v5i2.11256

Abstract

Pengolahan citra digital telah menjadi salah satu metode yang efektif dalam analisis dan klasifikasi kualitas daun herbal, termasuk daun Pucuk Merah (Syzygium myrtifolium). Penelitian ini bertujuan untuk mengidentifikasi tingkat kematangan daun Pucuk Merah menggunakan transformasi ruang warna HSI (Hue, Saturation, Intensity). Daun Pucuk Merah memiliki variasi warna yang mencerminkan tingkat kematangannya, sehingga metode pengolahan citra berbasis HSI dapat digunakan untuk menganalisis karakteristik visual daun secara lebih akurat. Proses penelitian melibatkan tahapan seperti akuisisi citra, pra-pengolahan untuk mengurangi noise, transformasi ke ruang warna HSI, dan ekstraksi fitur warna utama. Hasil dari analisis menunjukkan bahwa parameter hue mampu mengklasifikasikan tingkat kematangan daun dengan akurasi yang tinggi. Metode ini memberikan alternatif non-destruktif yang efisien untuk penentuan kualitas dan kematangan daun herbal Pucuk Merah, yang potensial diaplikasikan pada bidang pertanian presisi dan pengelolaan tanaman herbal.
E-Simulasi Ujian Nasional Berbasis Komputer Dengan Metode Mixed Congruential Generator Rezki Irawan; Iskandar Zulkarnain; Fifin Sonata
Jurnal Sistem Informasi Triguna Dharma (JURSI TGD) Vol. 5 No. 2 (2026): EDISI MARET 2026
Publisher : STMIK Triguna Dharma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.53513/jursi.v5i2.11259

Abstract

Penelitian ini bertujuan merancang sistem e-simulasi Ujian Nasional Berbasis Komputer (UNBK) di SMP IT Darul Muqomah Al-Khoiriyyah dengan menerapkan metode Mixed Congruential Generator (MCG) untuk mengacak soal secara optimal. Sistem dikembangkan guna mengatasi tantangan pelaksanaan UNBK, seperti potensi kecurangan akibat urutan soal yang seragam dan kesulitan dalam koreksi serta rekapitulasi nilai. Aplikasi yang dihasilkan mendukung soal pilihan ganda sesuai standar ujian nasional dan memastikan distribusi soal yang adil. Hasilnya menunjukkan bahwa sistem ini mampu meningkatkan efektivitas simulasi, membantu kesiapan siswa, serta memperbaiki efisiensi evaluasi akademik, sekaligus menjadi kontribusi dalam pengembangan teknologi pendidikan yang inovatif dan adaptif.

Page 55 of 57 | Total Record : 568

 53   54   55   56   57 

Filter by Year

2022 2026


Reset
Filter By Issues
All Issue Vol. 5 No. 4 (2026): EDISI JULI 2026 Vol. 5 No. 3 (2026): EDISI MEI 2026 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