cover
Contact Name
Radiyan Rahim
Contact Email
jsit@rcf-indonesia.org
Phone
+6281267426503
Journal Mail Official
jsit@rcf-indonesia.org
Editorial Address
Jl. Garuda III Blok C/10 Komplek Pondok Permai, Kel. Limau Manis Salatan, Kec. Pauh, Kota Padang, Provinsi Sumatera Barat.
Location
Kota padang,
Sumatera barat
INDONESIA
Jurnal Sains Informatika Terapan (JSIT)
ISSN : -     EISSN : 28281659     DOI : -
The scope of this journal is all about Computer Science that are: 1. Artificial Intelligence 2. Computer System 3. Data Mining 4. Information System 5. Decision Support System (DSS) etc.
Articles 188 Documents
Desain Maskot 3D: Menghidupkan Wisata Pulau Belibis Dalam Era Digital Marta, Widia; Maharani, Sonia
Jurnal Sains Informatika Terapan Vol. 4 No. 3 (2025): Jurnal Sains Informatika Terapan (Oktober, 2025)
Publisher : Riset Sinergi Indonesia (RISINDO)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62357/jsit.v4i3.841

Abstract

Pulau Belibis merupakan salah satu destinasi wisata alam yang terletak di Kota Solok, Sumatera Barat, yang menyuguhkan pemandangan asri, wahana bermain, serta penangkaran Burung Belibis. Pulau Belibis memiliki potensi besar namun belum dikenal secara luas, khususnya oleh wisatawan dari luar daerah. Penelitian ini bertujuan untuk merancang maskot 3D yang dapat mewakili karakteristik unik Pulau Belibis dan memperkuat daya tarik wisata. Metode yang digunakan dalam penelitian ini meliputi pendekatan desain konseptual,dan pemodelan 3D. . Maskot dirancang dengan inspirasi dari Burung Belibis Kembang yang menjadi ciri khas daerah, melalui tahapan studi visual, eksplorasi bentuk karakter, hingga pemilihan gaya ilustrasi yang sesuai dengan nilai lokal dan pesan edukatif. Hasil penelitian menunjukkan bahwa maskot 3D mampu meningkatkan daya tarik dan pengalaman wisatawan, serta menciptakan koneksi emosional antara pengunjung dan Pulau Belibis. Selain itu, penelitian ini juga memberikan rekomendasi untuk strategi pemasaran berbasis teknologi yang dapat memanfaatkan maskot sebagai alat promosi. Dengan demikian, desain maskot 3D tidak hanya berfungsi sebagai identitas visual, tetapi juga sebagai media komunikasi yang efektif dalam mempromosikan potensi wisata Pulau Belibis di era digital.
Smart Health Monitoring: Analisis Suhu Tubuh Dan Respirasi Menggunakan Kamera Termal Wahyuni, Suci; Yenila, Firna; Wiyandra, Yogi
Jurnal Sains Informatika Terapan Vol. 4 No. 3 (2025): Jurnal Sains Informatika Terapan (Oktober, 2025)
Publisher : Riset Sinergi Indonesia (RISINDO)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62357/jsit.v4i3.842

Abstract

The advancement of digital technology and artificial intelligence has opened vast opportunities for intelligent health monitoring systems that operate automatically, in real time, and without physical contact. This study aims to develop a system for detecting human body temperature and respiratory patterns using an infrared thermal camera based on digital image processing and machine learning. The research method involves thermal data acquisition on facial areas (forehead, nose, and mouth), image preprocessing using two-point temperature calibration and Gaussian filtering for noise reduction, and segmentation of the respiratory region using the adaptive thresholding method. Feature extraction is performed by analyzing temperature variations in the nose and mouth regions as thermal signals, which are converted into the frequency domain using the Fast Fourier Transform (FFT) algorithm to determine the respiration rate. Classification is carried out using the Support Vector Machine (SVM) algorithm to distinguish three physiological conditions: normal, fever, and respiratory disorder. The dataset consists of 550 thermal images, divided into 385 images (70%) for training and 165 images (30%) for testing. Experimental results show that the system achieves an accuracy of 98.32%, with an estimated forehead temperature of 145.23°C (a relative value from initial calibration) and a respiration rate of 6.6 bpm, indicating the subject’s condition as fever. This study demonstrates that the combination of thermal image processing, FFT algorithms, and SVM classification is effective for non-invasive, high-precision, and efficient health monitoring systems. The proposed system has the potential to support the development of the Internet of Medical Things (IoMT) for safe, accurate, and adaptive remote health monitoring in response to patients’ physiological changes
Implementasi Teknologi Digital Dalam Media Edukasi Untuk Menangani Perilaku Anak ODD Agung, Maharian; Apriliana; Pratama, Arianto
Jurnal Sains Informatika Terapan Vol. 4 No. 3 (2025): Jurnal Sains Informatika Terapan (Oktober, 2025)
Publisher : Riset Sinergi Indonesia (RISINDO)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62357/jsit.v4i3.848

Abstract

Implementasi teknologi digital dalam media edukasi untuk menangani perilaku anak dengan Oppositional Defiant Disorder (ODD) merupakan langkah inovatif yang bertujuan untuk memberikan pemahaman yang lebih baik kepada orang tua, pendidik, dan profesional kesehatan mental mengenai cara mengelola perilaku anak yang menantang. ODD adalah gangguan perilaku yang ditandai dengan pola perilaku negatif, menentang, dan berkonfrontasi, yang dapat mengganggu perkembangan sosial dan emosional anak. Penelitian ini mengembangkan sebuah platform digital interaktif yang menyajikan materi edukasi tentang ODD, termasuk informasi mengenai penyebab, gejala, dan strategi penanganan yang efektif. Dengan memanfaatkan teknologi multimedia seperti video, animasi, dan kuis interaktif, platform ini dirancang untuk menarik minat pengguna dan meningkatkan keterlibatan mereka dalam proses belajar. Proses pengembangan dimulai dengan analisis kebutuhan pengguna dan desain konten yang relevan. Uji coba dilakukan dengan melibatkan orang tua dan pendidik untuk mengevaluasi efektivitas media edukasi ini dalam meningkatkan pemahaman mereka mengenai ODD. Hasil penelitian menunjukkan peningkatan signifikan dalam pengetahuan dan kesadaran pengguna setelah menggunakan platform tersebut. Melalui implementasi teknologi digital, diharapkan media edukasi ini dapat menjadi sumber daya yang berharga dalam membantu orang tua dan pendidik dalam menangani perilaku anak dengan ODD, serta mendorong intervensi yang lebih efektif dan terarah. Penelitian ini juga memberikan kontribusi terhadap pengembangan alat edukasi berbasis teknologi untuk masalah kesehatan mental anak yang lebih luas.
Rancang Bangun Sistem Informasi Inventaris Aset Berbasis Web (Study Kasus : Dimension Photography ) Syahputra, Hadi; Safira, Silky; Rais, Irsyad Romadoni
Jurnal Sains Informatika Terapan Vol. 4 No. 3 (2025): Jurnal Sains Informatika Terapan (Oktober, 2025)
Publisher : Riset Sinergi Indonesia (RISINDO)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62357/jsit.v4i3.849

Abstract

Dimension Photography merupakan studio fotografi profesional yang mengalami kendala dalam pengelolaan aset karena masih menggunakan metode manual berbasis Microsoft Excel. Kondisi ini menimbulkan berbagai permasalahan, seperti rawannya kesalahan pencatatan dan rendahnya efisiensi kerja. Penelitian ini bertujuan untuk merancang dan membangun sistem informasi inventaris aset berbasis web dengan menggunakan PHP dan MySQL. Sistem ini dikembangkan untuk mempermudah proses pencatatan, pengelolaan, dan pelaporan aset perusahaan secara digital, terstruktur, dan efisien. Hasil dari implementasi menunjukkan bahwa sistem yang dibangun dapat meningkatkan akurasi pencatatan, mempercepat pelaporan, serta mengurangi risiko kehilangan data. Efisiensi kerja admin dan staf meningkat, sementara proses pengambilan keputusan menjadi lebih cepat berkat laporan inventaris yang tersedia secara otomatis. Sistem ini diharapkan menjadi solusi teknologi yang tepat dalam mendukung kegiatan operasional Dimension Photography secara menyeluruh dan dapat dikembangkan lebih lanjut di masa mendatang.
Rancang Bangun Aplikasi Penyewaan Kost Dengan Sistem Rekomendasi Menggunakan Content Based Filtering Pandoh, Kevin Mclaren; Santa, Kristofel; Kenap, Audy Aldrin
Jurnal Sains Informatika Terapan Vol. 4 No. 3 (2025): Jurnal Sains Informatika Terapan (Oktober, 2025)
Publisher : Riset Sinergi Indonesia (RISINDO)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62357/jsit.v4i3.850

Abstract

Hunian sementara seperti kost merupakan kebutuhan penting bagi mahasiswa dan pekerja yang tinggal jauh dari rumah. Proses pencarian kost yang umumnya masih dilakukan secara manual menyebabkan pencari kost membutuhkan waktu dan usaha lebih dalam menemukan hunian yang sesuai dengan preferensinya. Penelitian ini bertujuan untuk membangun aplikasi penyewaan kost berbasis web dengan sistem rekomendasi menggunakan metode Content-Based Filtering (CBF). Metode ini digunakan untuk memberikan rekomendasi kost berdasarkan atribut seperti lokasi, harga, fasilitas, dan jenis kost. Pengembangan sistem dilakukan menggunakan metode Prototype melalui tahapan communication, quick plan, modeling quick design, contruction of prototype, dan deployment, delivery & feedback. Hasil pengujian menggunakan Black-box Testing menunjukkan bahwa seluruh fungsi sistem berjalan sesuai dengan kebutuhan pengguna. Implementasi sistem rekomendasi berbasis CBF terbukti mampu memberikan rekomendasi kost yang relevan berdasarkan preferensi pengguna dan meningkatkan efisiensi proses pencarian kost.
Klasifikasi Berita Palsu Berbahasa Indonesia Menggunakan Algoritma Naive Bayes Berbasis Web Mustafa, Taufik Fajar; Alfianti, Henny
Jurnal Sains Informatika Terapan Vol. 4 No. 3 (2025): Jurnal Sains Informatika Terapan (Oktober, 2025)
Publisher : Riset Sinergi Indonesia (RISINDO)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62357/jsit.v4i3.564

Abstract

Penyebaran berita palsu (hoaks) menjadi tantangan besar di era digital, terutama melalui media sosial yang menyebarkan informasi secara masif dan cepat. Untuk mengatasi masalah ini, penelitian ini mengembangkan aplikasi web berbasis algoritma Naive Bayes untuk mendeteksi berita palsu berbahasa Indonesia. Dataset yang digunakan terdiri dari 19697 berita yang dikumpulkan dari berbagai sumber, baik fakta maupun hoaks. Proses pelatihan melibatkan tahapan preprocessing teks, vectorization dengan TF-IDF, serta model tuning menggunakan GridSearchCV. Hasil pengujian menunjukkan bahwa model mampu mencapai akurasi sebesar 92,3% dengan nilai precision, recall, dan f1-score yang seimbang pada kedua kelas. Aplikasi ini diimplementasikan menggunakan framework Streamlit dan dilengkapi dengan integrasi API Google News untuk mendukung verifikasi informasi secara real-time. Penelitian ini menunjukkan bahwa kombinasi antara machine learning dan teknologi web dapat menjadi solusi efektif dalam deteksi hoaks secara otomatis.
Klasifikasi Ras Sapi Menggunakan Convolutional Neural Network Salim, Agus; Akbar, Mutaqin
Jurnal Sains Informatika Terapan Vol. 4 No. 3 (2025): Jurnal Sains Informatika Terapan (Oktober, 2025)
Publisher : Riset Sinergi Indonesia (RISINDO)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62357/jsit.v4i3.682

Abstract

Penelitian ini bertujuan mengembangkan model klasifikasi otomatis berbasis Convolutional Neural Network (CNN) untuk mengidentifikasi lima jenis ras sapi, yaitu Bali, Brahma, Angus, Holstein, dan Beefmaster. Data citra sapi diperoleh melalui dokumentasi lapangan serta sumber dataset publik, dengan total 1.500 gambar yang dibagi ke dalam tiga subset: pelatihan, validasi, dan pengujian. Model yang digunakan adalah ResNet50V2 dengan pendekatan transfer learning, yang dilatih menggunakan teknik data augmentation dan normalisasi citra untuk meningkatkan generalisasi model. Evaluasi performa dilakukan dengan menggunakan sejumlah metrik, meliputi akurasi, presisi, recall, F1-score, serta analisis confusion matrix dan visualisasi hasil prediksi. Hasil eksperimen menunjukkan bahwa model ResNet50V2 mampu mengklasifikasikan ras sapi dengan akurasi mencapai 95,63% pada data uji. Rata-rata nilai F1-score untuk seluruh kelas adalah 0,95, yang mencerminkan kinerja model yang tinggi dan seimbang. Berdasarkan confusion matrix, sebagian besar kelas dapat dikenali secara akurat, meskipun masih terdapat kesalahan klasifikasi pada kelas dengan kemiripan visual yang tinggi. Temuan ini menunjukkan bahwa pendekatan CNN, khususnya dengan arsitektur ResNet50V2, memiliki potensi yang kuat sebagai solusi sistem identifikasi otomatis dalam sektor peternakan, terutama dalam mendorong digitalisasi dan efisiensi manajemen ternak.
Patient Prevention Prediction and Diagnosis Using Data Mining in Healthcare Quality Management Noviyanty; guterres, juvinal Ximenes; Gusmao, Adozinda Soares; Soares, Domingas; Guterres, Anita; da Silva, Recardina Freitas
Jurnal Sains Informatika Terapan Vol. 4 No. 3 (2025): Jurnal Sains Informatika Terapan (Oktober, 2025)
Publisher : Riset Sinergi Indonesia (RISINDO)

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

The expansion of digital medical records and clinical data has strengthened the development of intelligent analytical systems to support early disease detection and improve diagnostic accuracy. This study aims to evaluate the performance of three classification algorithms, namely Random Forest, Support Vector Machine, and Logistic Regression, in predicting stroke risk using multidimensional patient clinical information. The dataset consists of 224 patient records derived from the Kaggle Stroke Dataset and additional questionnaire data collected from hospitals and primary health centers. The variables include demographic characteristics, clinical history, lifestyle factors, and physiological indicators. The research methodology involves several stages, including data preprocessing, feature selection using ANOVA F value, class balancing through the Synthetic Minority Oversampling Technique, model training, and performance evaluation using Accuracy, Precision, Recall, F1 Score, Matthews Correlation Coefficient, and Area Under the Curve. The results indicate that the Random Forest model achieves the highest performance, with an accuracy of 0.91 and an Area Under the Curve of 0.91, outperforming Support Vector Machine and Logistic Regression. This outcome confirms the effectiveness of ensemble based approaches in identifying complex nonlinear patterns and managing imbalanced data. The study contributes to healthcare quality improvement by providing a reliable prediction framework that supports early clinical decision making, reduces diagnostic delays, and enhances patient care outcomes.