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 421 Documents
Penerapan Data Mining Untuk Pengembangan Destinasi Wisata Menggunakan Algoritma K-Means Clustering Irzal Arief Wisky; Febria Nika Putri; Mutiana Pratiwi
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.v5i2.1337

Abstract

One of the strategic industries that supports community wellbeing and regional economic development is tourism. In West Sumatra's Solok Regency, Alahan Panjang is home to a wide range of natural tourist sites, each with unique characteristics and possibilities for growth. Due to differences in the number of tourists, attractions, accessibility, and amenities, it is still difficult to identify development priorities for each destination. Based on their similarities, this study uses the K-Means Clustering algorithm and the Data Mining approach to categorize tourist attractions. The study uses tourist destination data from Alahan Panjang that includes variables for tourism components and visitor statistics. To ensure a consistent range of values, the data were subjected to Min-Max normalization before clustering. Three types of tourist sites are distinguished by the clustering findings: high-priority, priority, and supporting locations. Additionally, an information system built on PHP and MySQL integrated the clustering results to assist tourism managers and municipal governments in assessing tourist potential and establishing development goals. Through data-driven and objective tourism analysis, the suggested method is anticipated to increase the effectiveness of decision-making.
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.
SISTEM INFORMASI PENJUALAN BERAS SOLOK BERBASIS WEB PADA USAHA DAGANG TANI BAKTI MENGGUNAKAN BAHASA PEMOGRAMAN PHP DAN DATABASE MYSQL Desrizal; Yogi Syarif
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.v5i2.1370

Abstract

Markeplace adalah sebagai salah satu fasilitas yang diberikan kepada masyarakat, oleh karenanya dibutuhkan sebuah sistem informasi yang cukup memedai untuk menangani masalah-masalah yang terjadi pada proses pelayanan. (Indriyani, 2018). Penyelenggaraan pelayanan penjualan secara onlie mempunyai karakteristik dan organisasi yang sangat kompleks. Berbagai jenis tenaga kesehatan dengan perangkat keilmuannya masing-masing berinteraksi antara satu sama yang lain Ilmu pengetahuan dan teknologi Sistem informasi berkembang sangat pesat yang harus diikuti oleh tenaga sumber daya manusia yang memadai dalam rangka pemberian pelayanan yang bermutu, membuat semakin kompleksnya permasalahan dalam transaksi secara offline. Pada hakekatnya Marketplace berfungsi sebagai tempat transaksi jual beli online dan pemilihan produk secara realtime dan fungsi dimaksud memiliki makna tanggung jawab yang merupakan tanggung jawab owner pemilik usaha
Rancang Bangun Robot Roda Berantai Berbasis Raspberry Pi 4 Untuk Pencarian Korban Didalam Reruntuhan Arya Wijaya; Sartika Anori; Titi Sriwahyuni; Rido Putra
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.v5i2.1391

Abstract

Indonesia merupakan negara yang memiliki tingkat bencana alam yang tinggi, turtama bencana gempa bumi yang banyak menyebabkan runtuhnya bangunan dan menimbulkan banyak korban jiwa. Proses pencarian korban bencana di area reruntuhan beresiko tinggi karena kondisi area lingkungan yang tidak stabil, sempit serta berkemungkinan terdapat gas berbahaya yabg menyebar. Penelitian ini bertujuan merancang dan membangun robot roda berantai berbasis Raspberry Pi 4 sebagai media eksplorasi dan pencarian korban pada area reruntuhan. Robot menggunakan sistem penggerak roda berantai yang dikendalikan melalui Raspberry Pi 4 dengan komunikasi nirkabel berbasis Wi-Fi. Sistem dilengkapi kamera Raspberry Pi untuk pemantauan visual secara real-time, sensor ultrasonik sebagai pendeteksi rintangan, sensor suara untuk mendeteksi kemungkinan keberadaan korban, serta sensor gas MQ-8 untuk mendeteksi gas berbahaya. Metode penelitian menggunakan metode prototype yang terdiri atas analisis kebutuhan, perancangan, implementasi, pengujian, dan evaluasi sistem. Hasil penelitian menunjukkan robot mampu bergerak pada medan simulasi reruntuhan, melakukan monitoring visual secara real-time, mendeteksi rintangan, mendeteksi suara, serta mengidentifikasi keberadaan gas sehingga dapat membantu proses observasi awal sebelum tim penyelamat memasuki lokasi bencana.
Implementasi Aplikasi Absen Berbasis GPS Di CV. Global Digital Solution Gilang Virgiawan; Sumanto
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.v4i3.680

Abstract

Sistem kehadiran karyawan merupakan bagian penting dalam manajemen sumber daya manusia yang berperan dalam menilai kedisiplinan dan kinerja. Namun, metode presensi manual atau menggunakan fingerprint masih memiliki keterbatasan seperti potensi kecurangan dan ketidakakuratan data. Untuk mengatasi hal tersebut, penelitian ini mengembangkan aplikasi presensi karyawan berbasis GPS dan selfie yang dibangun menggunakan framework Laravel. Tujuan dari penelitian ini adalah merancang dan mengimplementasikan sistem yang mampu mencatat kehadiran secara real-time berdasarkan lokasi dan dokumentasi visual, serta meningkatkan efisiensi operasional perusahaan. Metodologi yang digunakan dalam penelitian ini adalah Rapid Application Development (RAD), yang memungkinkan pengembangan sistem melalui prototipe dan umpan balik pengguna secara iteratif. Hasil implementasi menunjukkan bahwa aplikasi dapat mencatat waktu kehadiran karyawan secara akurat berdasarkan lokasi GPS, serta menyimpan bukti kehadiran melalui foto selfie. Aplikasi ini juga menyediakan fitur login, pengajuan izin, riwayat presensi, serta pengelolaan data karyawan dan laporan absensi. Sistem ini diharapkan dapat menjadi solusi presensi modern yang efektif dan efisien dalam mendukung manajemen kehadiran di CV Global Digital Solution.
Analisis Komparatif Model Statistik Dan Probabilistik Untuk Peramalan Harga Emas Dan Pengukuran Risiko Vincentius Jason Nyoto; Yosefina Finsensia Riti; Steven Christian Rudyanto
Jurnal Sains Informatika Terapan Vol. 5 No. 3 (2026): Jurnal Sains Informatika Terapan (Oktober, 2026)
Publisher : Riset Sinergi Indonesia (RISINDO)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62357/jsit.v5i3.1222

Abstract

Pergerakan harga emas yang dipengaruhi oleh volatilitas pasar dan ketidakpastian ekonomi memerlukan metode peramalan serta analisis risiko yang akurat. Penelitian ini bertujuan membandingkan kinerja Autoregressive Integrated Moving Average (ARIMA), Generalized Autoregressive Conditional Heteroskedasticity (GARCH), Extreme Value Theory (EVT), Monte Carlo Simulation berbasis Geometric Brownian Motion (GBM), dan Random Walk dalam peramalan harga emas dan analisis risiko. Data historis harga emas harian periode 1 Maret 2020 hingga 2 April 2026 yang diperoleh dari Investing.com dianalisis melalui tahapan pre-processing, transformasi log return, pemodelan, serta evaluasi menggunakan Mean Absolute Error (MAE), Root Mean Square Error (RMSE), dan Mean Absolute Percentage Error (MAPE). Risiko investasi diukur menggunakan Value-at-Risk (VaR) dan Conditional Value-at-Risk (CVaR). Hasil penelitian menunjukkan bahwa model ARIMA(1,1,1) memberikan akurasi peramalan terbaik dengan nilai MAE 396,14, RMSE 454,31, dan MAPE 9,15%. Adapun GARCH efektif memodelkan volatilitas, EVT mampu mengidentifikasi risiko ekstrem, Monte Carlo menghasilkan distribusi probabilistik pergerakan harga, dan Random Walk digunakan sebagai model pembanding. Hasil penelitian menunjukkan bahwa kombinasi beberapa pendekatan memberikan analisis peramalan dan risiko yang lebih komprehensif dibandingkan penggunaan satu metode tunggal.
Klasifikasi Arah Tren Harga Bitcoin Menggunakan Metode Ensemble Learning Random Forest Fadhlan Subhan Fadilah; Indra Yustiana; Nugraha
Jurnal Sains Informatika Terapan Vol. 5 No. 3 (2026): Jurnal Sains Informatika Terapan (Oktober, 2026)
Publisher : Riset Sinergi Indonesia (RISINDO)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62357/jsit.v5i3.1248

Abstract

Bitcoin's extreme price volatility poses significant challenges for investors and traders in making informed investment decisions. Conventional technical analysis approaches are often subjective and unable to capture complex market dynamics accurately. This study aims to develop a Bitcoin price trend direction classification system as a more objective technical analysis tool using the Random Forest ensemble learning method. Historical Bitcoin price data from January 2017 to March 2026 with an H1 (1-hour) timeframe was obtained from MetaTrader 5 and Binance. Raw price data (Open, High, Low, Close, Volume) were processed through preprocessing stages and converted into 106 technical indicator features grouped into nine categories, including Trend Indicators, Momentum Oscillators, Volatility Features, and Rolling Statistics. The Random Forest Classifier model was built and optimized through hyperparameter tuning with time-series cross-validation, then evaluated using standard classification metrics as well as trading metrics under scenarios employing a trailing stop mechanism. The results show that the model achieved an accuracy of 58.65%, precision of 41.38%, recall of 99.50%, and F1-score of 0.5856. Although the low AUC-ROC value (0.5106) indicates the model can hardly distinguish between the two classes individually, the backtest generated significant trading performance with a net profit of 8,491 USD from an initial capital of 10,000 USD, a win rate of 45.08%, and a profit factor of 1.30. Feature importance analysis identified RSI_14_std_168 (3.77%), SMA_200 (3.03%), and ATR_pct_14_mean_168 (2.92%) as the three most influential technical indicators. This study concludes that although standard classification accuracy is limited, the Random Forest model combined with probability threshold optimization and risk management strategies can serve as a beneficial technical analysis tool. The system has been implemented as an interactive web dashboard providing real-time prediction features.
Implementasi Chatbot Rekomendasi Produk Skincare Berbasis Website Menggunakan Metode NLP TF-IDF Dan Cosine Similarity Firman Anugrah; Nugraha; Indra Yustiana
Jurnal Sains Informatika Terapan Vol. 5 No. 3 (2026): Jurnal Sains Informatika Terapan (Oktober, 2026)
Publisher : Riset Sinergi Indonesia (RISINDO)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62357/jsit.v5i3.1256

Abstract

Perkembangan industri kosmetik memunculkan fenomena choice overload dan asimetri informasi, di mana konsumen awam sering menyampaikan keluhan menggunakan bahasa sehari-hari, sementara spesifikasi produk dijelaskan dengan terminologi medis. Hal ini menyulitkan konsumen dalam menemukan produk yang tepat. Penelitian ini bertujuan merancang agen percakapan cerdas (chatbot) berbasis website sebagai sistem rekomendasi skincare untuk menjembatani kesenjangan bahasa tersebut secara komputasional. Pengembangan sistem mengadopsi metode Software Development Life Cycle (SDLC) dengan model Waterfall. Basis data yang digunakan mencakup 280 data produk primer dari 11 merek terkemuka. Teks masukan pengguna diproses melalui tahapan Natural Language Processing (NLP). Teks tersebut kemudian dibobotkan menggunakan metode Term Frequency-Inverse Document Frequency (TF-IDF), dan tingkat kemiripannya dihitung menggunakan metrik Cosine Similarity. Hasil evaluasi menunjukkan sistem berhasil beroperasi dengan baik. Pengujian Black Box membuktikan seluruh fungsionalitas berjalan 100% tanpa galat (bug). Pengujian akurasi algoritma mencatatkan skor relevansi yang tinggi dalam merekomendasikan produk. Selain itu, hasil User Acceptance Testing (UAT) terhadap 33 responden memperoleh skor rata-rata 3,98 (kategori Baik), yang mengonfirmasi tingginya tingkat penerimaan pengguna. Sebagai kesimpulan, sistem rekomendasi ini terbukti efektif memecahkan masalah asimetri informasi dan memberikan solusi perawatan kulit yang terpersonalisasi.