Garuda - Garba Rujukan Digital

Analisis Performa Random Forest dan Support Vector Machine untuk Deteksi Berita Hoaks Berbahasa Indonesia pada Media Sosial X Riffa Bella Wahyu S; Kurniawati Kurniawati; Handini Arga Damar Rani
Journal of System, Information Technology and Electronics Engineering Vol 6 No 1 (2026): JUNI 2026
Publisher : Universitas Ivet

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31331/jsitee.v6i1.4795

Penyebaran berita hoaks di media sosial X menjadi tantangan serius akibat karakteristik teks yang singkat, sarat noise, serta memiliki kecepatan penyebaran yang tinggi. Penelitian ini bertujuan untuk menganalisis dan membandingkan performa algoritma Random Forest dan Support Vector Machine (SVM) dalam mendeteksi berita hoaks berbahasa Indonesia pada platform X, serta menguji pengaruh optimasi hyperparameter menggunakan GridSearchCV. Dataset terdiri dari 725 data tweet yang dikumpulkan melalui teknik crawling (393 nonhoaks dan 332 hoaks). Data melalui tahapan text preprocessing (terdiri dari text cleaning, case folding, tokenizing, stopword removal, dan stemming) serta ekstraksi fitur Term Frequency-Inverse Document Frequency (TF-IDF) yang menghasilkan 1.871 fitur numerik. Pembagian data dilakukan dengan rasio 80% data training (580 data) dan 20% data testing (145 data). Hasil penelitian menunjukkan bahwa optimasi hyperparameter meningkatkan kinerja kedua algoritma. Pada kondisi teroptimasi, kedua model mencapai akurasi sebesar 91%. Namun, Random Forest menunjukkan keunggulan pada metrik F1-score sebesar 90% dan recall sebesar 96%, dibandingkan SVM yang memperoleh F1-score 89% dan recall 84%. Hasil ini membuktikan bahwa algoritma Random Forest lebih efektif dan seimbang dalam mendeteksi berita hoaks berbahasa Indonesia pada media sosial X.

Rancang Bangun Sistem Informasi Administrasi Keuangan Masjid Nurush Shodiq Berbasis Web dengan Integrasi Whatsapp Gateway Ahmad Bais; Kurniawati Kurniawati; Henny Prasetyani
Journal of System, Information Technology and Electronics Engineering Vol 6 No 1 (2026): JUNI 2026
Publisher : Universitas Ivet

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31331/jsitee.v6i1.4792

Perkembangan teknologi informasi telah mendorong transformasi digital dalam berbagai bidang, termasuk pengelolaan administrasi keuangan masjid. Namun, Masjid Nurush Shodiq Semarang masih melakukan pencatatan keuangan secara manual menggunakan buku catatan, sedangkan laporan keuangan hanya disusun dan dipublikasikan satu kali dalam setahun. Kondisi tersebut berpotensi menyebabkan ketidakakuratan data, keterlambatan penyampaian informasi keuangan, serta kurang optimalnya efisiensi dan transparansi pengelolaan keuangan. Oleh karena itu, penelitian ini bertujuan untuk merancang dan membangun sistem informasi administrasi keuangan Masjid Nurush Shodiq Semarang berbasis web dengan integrasi WhatsApp Gateway untuk mendukung pengelolaan keuangan yang lebih efektif dan transparan. Penelitian ini menggunakan metode Rapid Application Development (RAD) dalam proses pengembangan sistem. Sistem dibangun menggunakan Node.js, Express.js, dan MySQL, dengan fitur utama berupa pengelolaan transaksi pemasukan dan pengeluaran, pembaruan saldo otomatis, pembuatan laporan keuangan bulanan otomatis dalam format Excel & PDF, pengiriman notifikasi secara real-time melalui WhatsApp Gateway, serta halaman publik yang dapat diakses oleh jamaah tanpa login. Pengujian sistem dilakukan menggunakan metode Black Box Testing dan User Acceptance Testing (UAT). Hasil Black Box Testing menunjukkan bahwa seluruh 30 skenario pengujian dinyatakan valid dan seluruh fungsi sistem berjalan sesuai dengan kebutuhan. Sementara itu, hasil User Acceptance Testing (UAT) memperoleh skor rata-rata 81,48 yang termasuk dalam kategori Baik. Berdasarkan hasil tersebut, sistem yang dikembangkan mampu meningkatkan efisiensi pengelolaan administrasi keuangan serta mendukung transparansi informasi keuangan di Masjid Nurush Shodiq SemarangPerkembangan teknologi informasi telah mendorong transformasi digital dalam berbagai bidang, termasuk pengelolaan administrasi keuangan masjid. Namun, Masjid Nurush Shodiq Semarang masih melakukan pencatatan keuangan secara manual menggunakan buku catatan, sedangkan laporan keuangan hanya disusun dan dipublikasikan satu kali dalam setahun. Kondisi tersebut berpotensi menyebabkan ketidakakuratan data, keterlambatan penyampaian informasi keuangan, serta kurang optimalnya efisiensi dan transparansi pengelolaan keuangan. Oleh karena itu, penelitian ini bertujuan untuk merancang dan membangun sistem informasi administrasi keuangan Masjid Nurush Shodiq Semarang berbasis web dengan integrasi WhatsApp Gateway untuk mendukung pengelolaan keuangan yang lebih efektif dan transparan. Penelitian ini menggunakan metode Rapid Application Development (RAD) dalam proses pengembangan sistem. Sistem dibangun menggunakan Node.js, Express.js, dan MySQL, dengan fitur utama berupa pengelolaan transaksi pemasukan dan pengeluaran, pembaruan saldo otomatis, pembuatan laporan keuangan bulanan otomatis dalam format Excel & PDF, pengiriman notifikasi secara real-time melalui WhatsApp Gateway, serta halaman publik yang dapat diakses oleh jamaah tanpa login. Pengujian sistem dilakukan menggunakan metode Black Box Testing dan User Acceptance Testing (UAT). Hasil Black Box Testing menunjukkan bahwa seluruh 30 skenario pengujian dinyatakan valid dan seluruh fungsi sistem berjalan sesuai dengan kebutuhan. Sementara itu, hasil User Acceptance Testing (UAT) memperoleh skor rata-rata 81,48 yang termasuk dalam kategori Baik. Berdasarkan hasil tersebut, sistem yang dikembangkan mampu meningkatkan efisiensi pengelolaan administrasi keuangan serta mendukung transparansi informasi keuangan di Masjid Nurush Shodiq Semarang

Optimalisasi Literasi Digital dan Pengalaman Pengguna melalui Aplikasi berbagi Cerita berbasis Progressive Web App Jihan ‘Afina; Henny Prasetyani; Abdul Fatah; Fella Jufa F. Fimbay
Journal of System, Information Technology and Electronics Engineering Vol 6 No 1 (2026): JUNI 2026
Publisher : Universitas Ivet

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31331/jsitee.v6i1.4497

The high spread of disinformation and low reading interest demand inclusive digital spaces. Unfortunately, current storytelling platforms are generally native apps that consume device memory and rely on internet connectivity, degrading the User Experience (UX). This study aims to develop a Progressive Web App (PWA)-based storytelling application to overcome technical accessibility constraints and evaluate its impact on UX and digital literacy. This study uses a Research and Development (R&D) approach with the Waterfall model. System performance was tested using Google Lighthouse, while UX was evaluated quantitatively on 15 respondents using the System Usability Scale (SUS) with descriptive statistical analysis. Lighthouse audit results showed excellence in accessibility (96.4), although initial performance (51.0) requires optimization. The SUS testing yielded a score of 54.17 (Marginal category), indicating that PWA features (offline mode and add to home screen) functionally overcome native app memory constraints but require user interface refinement. In conclusion, the PWA innovation architecturally provides a ready, safe, and lightweight infrastructure to facilitate users' digital literacy optimization, with empirical measurement of literacy behavior as a future agenda.

Pengembangan Ui/Ux Website Finzure Sebagai Media Literasi dan Rekomendasi Produk Asuransi menggunakan Metode User-Centered Design Argi Al Furqon Muntaha; Henny Prasetyani; Lingga Kurnia Ramadani
Journal of System, Information Technology and Electronics Engineering Vol 6 No 1 (2026): JUNI 2026
Publisher : Universitas Ivet

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31331/jsitee.v6i1.4789

Rendahnya tingkat literasi asuransi di Indonesia menyebabkan masyarakat masih mengalami kesulitan dalam memahami manfaat dan memilih produk asuransi yang sesuai. Penelitian ini bertujuan mengembangkan UI/UX Website Finzure sebagai media literasi dan rekomendasi produk asuransi menggunakan metode User-Centered Design (UCD), serta mengukur tingkat usability dari rancangan yang dihasilkan. Penelitian menggunakan pendekatan Research and Development (R&D) dengan metode UCD yang meliputi empat tahapan, yaitu Understand Context of Use, Specify User Requirements, Design Solutions, dan Evaluate Against Requirements. Data dikumpulkan melalui kuesioner, sedangkan evaluasi dilakukan menggunakan Usability Testing dengan instrumen System Usability Scale (SUS). Hasil penelitian menghasilkan rancangan UI/UX Website Finzure berupa wireframe dan high-fidelity prototype yang disesuaikan dengan kebutuhan pengguna. Pengujian usability memperoleh skor rata-rata SUS sebesar 79,916 yang termasuk kategori Good, sehingga menunjukkan bahwa rancangan antarmuka memiliki tingkat kemudahan penggunaan yang baik dan layak untuk dilanjutkan ke tahap implementasi sebagai media literasi dan rekomendasi produk asuransi.

Implementasi Model Convolutional Neural Network- Bidirectional Long Short-Term Memory untuk Mendeteksi Deepfake Audio Dewi Zuliana; Kurniawati Kurniawati; Handini Arga Damar Rani
Journal of System, Information Technology and Electronics Engineering Vol 6 No 1 (2026): JUNI 2026
Publisher : Universitas Ivet

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31331/jsitee.v6i1.4793

Perkembangan teknologi kecerdasan buatan telah mendorong munculnya deepfake audio yang berpotensi disalahgunakan untuk penyebaran informasi palsu dan penipuan. Penelitian ini bertujuan mengimplementasikan model CNN-BiLSTM menggunakan fitur Mel-Frequency Cepstral Coefficients (MFCC) untuk mendeteksi deepfake audio serta mengevaluasi performa model berdasarkan metrik accuracy, precision, recall, dan F1-score. Penelitian ini merupakan penelitian eksperimen menggunakan dataset Fake-or-Real (FoR) versi for-2seconds. Tahapan penelitian meliputi preprocessing data, ekstraksi fitur MFCC, normalisasi data, pelatihan model CNN-BiLSTM, dan evaluasi performa model menggunakan metrik accuracy, precision, recall, F1-score, dan Area Under Curve (AUC). Hasil penelitian menunjukkan bahwa model CNN-BiLSTM memperoleh accuracy sebesar 86,58%, precision sebesar 99,01%, recall sebesar 73,90%, F1-score sebesar 84,63%, dan AUC sebesar 97,16%. Hasil tersebut menunjukkan bahwa model CNN-BiLSTM mampu mendeteksi deepfake audio dengan baik menggunakan fitur MFCC.

Optimasi Algoritma CART untuk Deteksi Kejahatan Siber pada Pesan WhatsApp Berdasarkan Pola Bahasa Fina Sari; Dhega Febiharsa; Kurniawati Kuraniawati
Journal of System, Information Technology and Electronics Engineering Vol 6 No 1 (2026): JUNI 2026
Publisher : Universitas Ivet

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31331/jsitee.v6i1.4790

Kejahatan siber pada pesan digital, khususnya penipuan, dapat dikenali melalui karakteristik pola bahasa yang terdapat dalam isi pesan. Penelitian ini bertujuan menerapkan algoritma Classification and Regression Tree (CART) untuk mendeteksi kejahatan siber pada pesan WhatsApp berdasarkan pola bahasa serta memperoleh model dengan kinerja pengujian terbaik. Penelitian menggunakan pendekatan kuantitatif deskriptif dengan jenis eksperimen. Dataset yang digunakan berjumlah 1.143 pesan teks dari repositori publik GitHub SMS Spam Classification Bahasa yang digunakan sebagai representasi pesan WhatsApp, terdiri atas 914 data training dan 229 data testing. Data melalui tahap preprocessing yang meliputi case folding, cleaning, tokenizing, dan stopword removal, kemudian dianalisis berdasarkan kata indikator untuk menghasilkan tiga fitur numerik, yaitu normal, promosi, dan penipuan. Algoritma CART dioptimasi menggunakan GridSearchCV dengan 5-Fold Cross Validation melalui beberapa percobaan konfigurasi parameter. Hasil pengujian menunjukkan konfigurasi terbaik menggunakan criterion = gini, max_depth = 5, min_samples_split = 2, dan min_samples_leaf = 3, dengan Accuracy Cross Validation sebesar 81,95% dan Accuracy Testing sebesar 75,55%. Nilai tersebut meningkat sebesar 2,19 poin persentase dibandingkan Accuracy Testing sebelum optimasi sebesar 73,36%. Berdasarkan hasil tersebut, konfigurasi dengan Accuracy Testing tertinggi dipilih sebagai model akhir. Hasil penelitian menunjukkan bahwa optimasi parameter dan analisis pola bahasa dapat mendukung penerapan CART dalam klasifikasi pesan ke dalam kategori Normal, Penipuan, dan Promosi

Analisis Perbandingan Performa Random Forest dan Support Vector Machine untuk Deteksi Berita Hoaks Berbahasa Indonesia pada Media Sosial X Riffa Bella Wahyu S.; Kurniawati Kurniawati; Handini Arga Damar Rani
Journal of System, Information Technology and Electronics Engineering Vol 6 No 1 (2026): JUNI 2026
Publisher : Universitas Ivet

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31331/jsitee.v6i1.800023

Penyebaran berita hoaks di media sosial X menjadi tantangan serius akibat karakteristik teks yang singkat, sarat noise, serta memiliki kecepatan penyebaran yang tinggi. Penelitian ini bertujuan untuk menganalisis dan membandingkan performa algoritma Random Forest dan Support Vector Machine (SVM) dalam mendeteksi berita hoaks berbahasa Indonesia pada platform X, serta menguji pengaruh optimasi hyperparameter menggunakan GridSearchCV. Dataset terdiri dari 725 data tweet yang dikumpulkan melalui teknik crawling (393 nonhoaks dan 332 hoaks). Data melalui tahapan text preprocessing (terdiri dari text cleaning, case folding, tokenizing, stopword removal, dan stemming) serta ekstraksi fitur Term Frequency-Inverse Document Frequency (TF-IDF) yang menghasilkan 1.871 fitur numerik. Pembagian data dilakukan dengan rasio 80% data training (580 data) dan 20% data testing (145 data). Hasil penelitian menunjukkan bahwa optimasi hyperparameter meningkatkan kinerja kedua algoritma. Pada kondisi teroptimasi, kedua model mencapai akurasi sebesar 91%. Namun, Random Forest menunjukkan keunggulan pada metrik F1-score sebesar 90% dan recall sebesar 96%, dibandingkan SVM yang memperoleh F1-score 89% dan recall 84%. Hasil ini membuktikan bahwa algoritma Random Forest lebih efektif dan seimbang dalam mendeteksi berita hoaks berbahasa Indonesia pada media sosial X.

Home Page

OAI Link

Editorial Team

Contact

Reviewer

Google Scholar

Contact Name
Jumrianto

Contact Email
jumrianto@ivet.ac.id

Phone
-

Journal Mail Official
jumrianto@ivet.ac.id

Editorial Address
Jl. Pawiyatan Luhur IV nomor 17, Semarang, Provinsi Jawa Tengah

Location
Kota semarang,

Jawa tengah

INDONESIA

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Home Page

OAI Link

Editorial Team

Contact

Reviewer

Google Scholar

Contact Name Jumrianto

Contact Email jumrianto@ivet.ac.id

Phone -

Journal Mail Official jumrianto@ivet.ac.id

Editorial Address Jl. Pawiyatan Luhur IV nomor 17, Semarang, Provinsi Jawa Tengah

Location Kota semarang, Jawa tengah INDONESIA

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Contact Name
Jumrianto

Contact Email
jumrianto@ivet.ac.id

Phone
-

Journal Mail Official
jumrianto@ivet.ac.id

Editorial Address
Jl. Pawiyatan Luhur IV nomor 17, Semarang, Provinsi Jawa Tengah

Location
Kota semarang,

Jawa tengah

INDONESIA