cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
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)
Published by Riset Sinergi Indonesia
ISSN : -     EISSN : 28281659     DOI : -
Core Subject : Science, Engineering,
Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering
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.
Arjuna Subject : Ilmu Komputer (semua kategori) - Ilmu Komputer (Lain-Lain)
Articles 303 Documents
 27   28   29   30   31 
Analisis Sentimen Multi-Bahasa Pada Media Sosial Menggunakan Hybrid Transformers Dan Contextual Embeddings Harkamsyah Andrianof; Aggy Pramana Gusman
Jurnal Sains Informatika Terapan Vol. 5 No. 2 (2026): Jurnal Sains Informatika Terapan (Juni, 2026)
Publisher : Riset Sinergi Indonesia (RISINDO)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62357/jsit.v5i3.1340

Abstract

Analisis sentimen di media sosial telah menjadi aspek penting dalam memahami persepsi publik terhadap merek, topik, atau peristiwa tertentu. Namun, tantangan signifikan muncul ketika menganalisis konten multibahasa yang mencerminkan keragaman pengguna global. Penelitian ini mengusulkan pendekatan hibrida yang mengintegrasikan Transformer dan Contextual Embeddings untuk meningkatkan akurasi analisis sentimen lintas bahasa. Metode ini menggabungkan kekuatan Transformer dalam menangkap konteks semantik yang mendalam dengan Contextual Embeddings yang mampu merepresentasikan nuansa linguistik spesifik untuk setiap bahasa. Dataset penelitian mencakup komentar dari berbagai platform media sosial dalam lima bahasa: Indonesia, Inggris, Mandarin, Spanyol, dan Arab. Hasil eksperimen menunjukkan bahwa pendekatan hibrida ini mencapai akurasi 94,2% dan skor F1 sebesar 0,932, melampaui model BERT mandiri sebagai dasar, yang hanya mencapai 89,5%. Temuan ini menegaskan efektivitas pengintegrasian beberapa embedding dalam mengatasi keunikan setiap bahasa. Penelitian ini berkontribusi pada pengembangan sistem analisis sentimen yang lebih kuat dan adaptif terhadap keragaman linguistik dalam ekosistem media sosial global.
Klasterisasi K-Means Untuk Pengelompokan Wilayah Berisiko Banjir Di Kota Padang Teri Ade Putra; Andani Putra Pratama; Pradani Ayu Widya Purnama
Jurnal Sains Informatika Terapan Vol. 5 No. 2 (2026): Jurnal Sains Informatika Terapan (Juni, 2026)
Publisher : Riset Sinergi Indonesia (RISINDO)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62357/jsit.v5i2.1344

Abstract

Banjir merupakan salah satu risiko bencana yang berulang kali dihadapi Kota Padang, dipengaruhi oleh kombinasi intensitas curah hujan, kepadatan populasi, histori kejadian banjir, dan elevasi wilayah pada 104 kelurahan yang tersebar di 11 kecamatan. Penelitian ini bertujuan menerapkan algoritma K-Means untuk mengelompokkan kelurahan di Kota Padang berdasarkan tingkat risiko banjir, sekaligus membangun sistem berbasis web bernama SIPEKAT sebagai alat bantu pemetaan dan pengambilan keputusan. Data dihimpun dari empat sumber, yaitu curah hujan dari BMKG Stasiun Teluk Bayur, data kependudukan dari Disdukcapil, histori banjir dari BNPB, dan data elevasi dari dataset geospasial. Seluruh atribut dibersihkan dan dinormalisasi menggunakan metode Min-Max sebelum diproses dengan K-Means. Proses klasterisasi diinisialisasi dari tiga kelurahan representatif sebagai centroid awal dan konvergen pada iterasi kelima, menghasilkan tiga klaster dengan 19, 80, dan 5 anggota kelurahan. Setiap klaster diberi label berdasarkan skor risiko dari rata-rata histori banjir dan elevasi, menghasilkan kategori Risiko Tinggi (19 kelurahan), Risiko Sedang (80 kelurahan), dan Risiko Rendah (5 kelurahan). Hasil clustering divalidasi menggunakan RapidMiner dan menunjukkan kesesuaian dengan perhitungan sistem. Kebaruan penelitian ini terletak pada penggunaan mekanisme pelabelan klaster berbasis skor risiko yang menggabungkan histori kejadian banjir dan elevasi wilayah untuk menghasilkan interpretasi tingkat risiko yang lebih objektif, serta implementasinya ke dalam sistem informasi berbasis web SIPEKAT. Penelitian ini membuktikan bahwa K-Means efektif digunakan untuk mengelompokkan wilayah rawan banjir dan dapat menjadi dasar bagi pemerintah daerah dalam memprioritaskan mitigasi bencana banjir.
IMPLEMENTASI METODE K-MEANS CLUSTERING UNTUK PENGELOMPOKAN PASIEN BERDASARKAN TIPE PENYAKIT aggy Pramana Gusman; Ridha Utami
Jurnal Sains Informatika Terapan Vol. 5 No. 1 (2026): Jurnal Sains Informatika Terapan (Februari, 2026)
Publisher : Riset Sinergi Indonesia (RISINDO)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62357/jsit.v5i1.1368

Abstract

Volume data pasien yang terus meningkat di rumah sakit membutuhkan manajemen dan analisis data yang efisien untuk mendukung pengambilan keputusan dalam layanan kesehatan. Studi ini bertujuan untuk mengimplementasikan algoritma K-Means Clustering dalam sistem informasi berbasis web untuk mengelompokkan pasien berdasarkan karakteristik penyakit di Rumah Sakit Otak Dr. Drs. M. Hatta (RSOMH) Bukittinggi. Penelitian ini menggunakan pendekatan penelitian dan pengembangan yang melibatkan pengumpulan data, analisis sistem, desain sistem, implementasi, dan pengujian. Aplikasi ini dikembangkan menggunakan PHP dan MySQL, sementara algoritma K-Means digunakan untuk mengklasifikasikan data pasien berdasarkan kesamaan atribut klinis. Sistem secara otomatis melakukan klasterisasi dengan menghitung jarak Euclidean dan memperbarui sentroid klaster secara iteratif hingga konvergensi tercapai. Hasil implementasi menunjukkan bahwa sistem yang diusulkan berhasil mengelompokkan pasien ke dalam klaster yang bermakna, memudahkan analisis data pasien yang lebih cepat dan akurat dibandingkan metode konvensional. Selain itu, sistem ini menyediakan informasi berguna untuk manajemen rumah sakit dalam memantau pola penyakit, mengoptimalkan alokasi sumber daya, dan mendukung pengambilan keputusan layanan kesehatan berbasis data.

Page 31 of 31 | Total Record : 303

 27   28   29   30   31 

Filter by Year

2022 2026


Reset
Filter By Issues
All Issue Vol. 5 No. 2 (2026): Jurnal Sains Informatika Terapan (Juni, 2026) Vol. 5 No. 1 (2026): Jurnal Sains Informatika Terapan (Februari, 2026) Vol. 4 No. 3 (2025): Jurnal Sains Informatika Terapan (Oktober, 2025) Vol. 4 No. 2 (2025): Jurnal Sains Informatika Terapan (Juni, 2025) Vol. 4 No. 1 (2025): Jurnal Sains Informatika Terapan (Februari, 2025) Vol. 3 No. 3 (2024): Jurnal Sains Informatika Terapan (Oktober, 2024) Vol. 3 No. 2 (2024): Jurnal Sains Informatika Terapan (Juni, 2024) Vol. 3 No. 1 (2024): Jurnal Sains Informatika Terapan (Februari, 2024) Vol. 2 No. 3 (2023): Jurnal Sains Informatika Terapan (Oktober, 2023) Vol. 2 No. 2 (2023): Jurnal Sains Informatika Terapan (Juni, 2023) Vol. 2 No. 1 (2023): Jurnal Sains Informatika Terapan (Februari, 2023) Vol. 1 No. 3 (2022): Jurnal Sains Informatika Terapan (Oktober, 2022) Vol. 1 No. 2 (2022): Jurnal Sains Informatika Terapan (Juni, 2022) Vol. 1 No. 1 (2022): Jurnal Sains Informatika Terapan (Februari, 2022) More Issue