JRIIN :Jurnal Riset Informatika dan Inovasi
1. Komputasi Lunak, 2. Sistem Cerdas Terdistribusi, Manajemen Basis Data, dan Pengambilan Informasi, 3. Komputasi evolusioner dan komputasi DNA/seluler/molekuler, 4. Deteksi kesalahan, 5. Sistem Energi Hijau dan Terbarukan, 6. Antarmuka Manusia, 7. Interaksi Manusia-Komputer, 8. Hibrida dan Algoritma Terdistribusi Pemrosesan Informasi Manusia, 9. Komputasi Berkinerja Tinggi, 10. Penyimpanan informasi, 11. Keamanan, integritas, privasi, dan kepercayaan, 12. Pemrosesan Sinyal Gambar dan Ucapan, 13. Sistem Berbasis Pengetahuan, 14. Jaringan Pengetahuan, 15. Multimedia dan Aplikasi, 16. Sistem Kontrol Jaringan, 17. Klasifikasi Pola Pemrosesan Bahasa Alami, 18. Pengenalan dan sintesis ucapan, 19. Kecerdasan Robot, 20. Analisis Kekokohan, 21. Kecerdasan Sosial, 22. Statistic 23. Komputasi grid dan kinerja tinggi, 24. Realitas Virtual dalam Aplikasi Rekayasa, 25. Intelijen Web dan Seluler, 26. Data Besar, 27. Manajemen Informatika, 28. Sistem Informasi, 29. Desain Permainan, 30. Sistem Multimedia, 31. Pemrosesan Gambar, 32. IOT 33. Pemrograman Seluler, 34. Desain Basis Data, 35. Pemrograman Jaringan, 36. Sistem Terdistribusi, 37. Sistem Pendukung Keputusan, 38. Sistem Pakar, 39. Kriptografi, 40. Model dan Simulasi, 41. Jaringan 42. berkaitan inovasi
Articles
915 Documents
<![CDATA[Analisis Statistika Jumlah Kepala Sekolah Dan Guru Di Provinsi Riau, Jambi, Papua Selatan, Bali ]]>
<![CDATA[Maulida, Cindy]]>;
<![CDATA[Susilawati, Dinyatun]]>;
<![CDATA[Ainun, Nurul]]>;
<![CDATA[Rosyani, Perani]]>
<![CDATA[ Jurnal Riset Informatika dan Inovasi Vol 2 No 8 (2025): JRIIN: Jurnal Riset Informatika dan Inovasi ]]>
Publisher : <![CDATA[shofanah Media Berkah ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
<![CDATA[Penelitian ini bertujuan untuk menganalisis masa dinas kepala sekolah dan guru di Provinsi Riau, Jambi, Papua Selatan, dan Bali dengan menggunakan pendekatan kuantitatif melalui teknik systematic literature review. Sumber literatur yang digunakan berasal dari pengindeks terkemuka seperti scopus,DOAJ dan google scholar dengan fokus pada artikel yang diterbitkan antara tahun 2014 hingga 2024. Penelitian ini mengidentifikasi faktor-faktor yang mempengaruhi durasi masa dinas kepala sekolah dan guru di masing-masing provinsi serta hubungannya dengan kualitas pendidikan. Berdasarkan hasil seleksi literatur yang ketat, ditemukan sejumlah studi yang relevan dengan topik ini. Analisis data menunjukkan adanya variasi masa dinas yang signifikan antara provinsi-provinsi yang diteliti, yang dipengaruhi oleh faktor sosial-ekonomi, kebijakan pendidikan lokal, dan infrastruktur pendidikan. Hasil penelitian ini diharapkan dapat memberikan wawasan yang lebih mendalam tentang pengelolaan sumber daya manusia di bidang pendidikan dan memberikan rekomendasi untuk kebijakan pendidikan yang lebih efektif di tingkat daerah]]>
<![CDATA[Literature Review: Klasifikasi Penyakit Demam Berdarah Memakai Algoritma Random Forest ]]>
<![CDATA[Kurnia Putra, Dimas]]>;
<![CDATA[Kamaluddin, Fakih]]>;
<![CDATA[Sakti, Fasqila]]>;
<![CDATA[Rahdiansyah, Novy]]>;
<![CDATA[Rosyani, Perani]]>
<![CDATA[ Jurnal Riset Informatika dan Inovasi Vol 2 No 8 (2025): JRIIN: Jurnal Riset Informatika dan Inovasi ]]>
Publisher : <![CDATA[shofanah Media Berkah ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
<![CDATA[Demam Berdarah Dengue( DBD) ialah penyakit meluas yang diakibatkan oleh virus demam berdarah lewat gigitan nyamuk Aedes aegypti. Penyakit ini masih jadi permasalahan sungguh- sungguh untuk kesehatan di bermacam negeri tropis, tercantum Indonesia, sebab mempunyai tingkatan penyebaran yang besar serta bisa berdampak parah. Klasifikasi penyakit DBD memakai tata cara yang efisien sangat diperlukan buat penaksiran yang kilat serta pas. Algoritma Random Forest merupakan salah satu tata cara pendidikan mesin yang kerap digunakan dalam klasifikasi penyakit sebab keakuratannya yang besar serta keahlian buat menanggulangi informasi dengan variabel yang lingkungan. Postingan ini bertujuan buat mereview sebagian riset yang memakai algoritma Random Forest dalam klasifikasi penyakit DBD, dan menganalisis kelebihan, kekurangan, serta akurasi tata cara ini bersumber pada literatur yang terdapat.]]>
<![CDATA[Jumlah Kepala Sekolah Dan Guru Menurut Kelompok Umur Provinsi D.I. Yogyakarta, Jambi, Kalimantan Tengah, Dan Maluku Tahun 2023/2024 ]]>
<![CDATA[Maulidan Zuhdi, Aqiel]]>;
<![CDATA[Rahma Samudra, Dimas]]>;
<![CDATA[Fadhlurrahman Rendy Dhaif Muharram, Fahri]]>;
<![CDATA[Fauzan, Muhammad]]>
<![CDATA[ Jurnal Riset Informatika dan Inovasi Vol 2 No 8 (2025): JRIIN: Jurnal Riset Informatika dan Inovasi ]]>
Publisher : <![CDATA[shofanah Media Berkah ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
<![CDATA[Penelitian ini menganalisis distribusi kepala sekolah dan guru berdasarkan kelompok umur di empat provinsi, yaitu D.I. Yogyakarta, Jambi, Kalimantan Tengah, dan Maluku, untuk tahun ajaran 2023/2024. Tujuan utama penelitian ini adalah untuk mengidentifikasi pola distribusi usia tenaga pendidik di setiap provinsi serta perbandingan antara sekolah negeri dan swasta. Metode penelitian ini menggunakan pendekatan deskriptif kuantitatif dengan data sekunder yang diperoleh dari Kemendikbud. Data yang dikumpulkan diklasifikasikan berdasarkan provinsi, jenis profesi, dan kelompok umur (26-60 tahun) serta dianalisis menggunakan statistik deskriptif. Hasil analisis menunjukan bahwa terdapat perbedaan signifikan dalam persebaran umur tenaga pendidik antarprovinsi dan antara sekolah negeri serta swasta. Hasil penelitian ini memberikan wawasan tentang kebutuhan kebijakan regenerasi dan distribusi tenaga pendidik yang lebih merata di Indonesia.]]>
<![CDATA[Penerapan Random Forest untuk Klasifikasi Penyakit Tanaman Padi ]]>
<![CDATA[Liana Hulu, Irna]]>;
<![CDATA[Mumtazia, Nina]]>;
<![CDATA[Shapira Nurulita, Siti]]>;
<![CDATA[Widya Rakhmawati, Ayu]]>
<![CDATA[ Jurnal Riset Informatika dan Inovasi Vol 2 No 8 (2025): JRIIN: Jurnal Riset Informatika dan Inovasi ]]>
Publisher : <![CDATA[shofanah Media Berkah ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
<![CDATA[Literatur review ini mengkaji penerapan algoritma Random Forest dalam klasifikasi penyakit pada tanaman padi, salah satu komoditas utama dalam sektor pertanian Indonesia. Algoritma Random Forest dipilih karena kemampuannya dalam menangani dataset yang kompleks dan beragam, serta akurasinya yang tinggi dalam berbagai skenario klasifikasi. Literatur review ini membahas studi-studi sebelumnya yang mengimplementasikan Random Forest dan membandingkannya dengan algoritma lain seperti SVM dan Decision Tree. Meskipun memiliki keunggulan dalam akurasi, Random Forest menghadapi tantangan dalam waktu komputasi pada dataset besar dan ketergantungan pada kualitas data. Hasil penelitian ini diharapkan menjadi referensi dalam pengembangan aplikasi pertanian berbasis machine learning untuk membantu petani dalam deteksi dan pengendalian penyakit tanaman padi secara efisien.]]>
<![CDATA[Analisis Jumlah Kepala Sekolah Dan Guru Menurut Kelompok Umur Provinsi D.K.I Jakarta, Jawa Tengah, D.I Yogyakarta Dan Sumatera Barat Tahun 2023/2024 ]]>
<![CDATA[Hani Athallah, Adristi]]>;
<![CDATA[Dwi Fazalwa, Muetia]]>;
<![CDATA[Rafli, Muhammad]]>;
<![CDATA[Rosyani, Perani]]>
<![CDATA[ Jurnal Riset Informatika dan Inovasi Vol 2 No 8 (2025): JRIIN: Jurnal Riset Informatika dan Inovasi ]]>
Publisher : <![CDATA[shofanah Media Berkah ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
<![CDATA[Masalah distribusi kepala sekolah dan guru berdasarkan kelompok umur di beberapa provinsi di Indonesia merupakan isu penting yang memengaruhi dinamika Pendidikan. Metode yang digunakan meliputi pengumpulan data dan analisis statistik dengan visualisasi menggunakan histogram, poligon frekuensi, dan ogive. Tujuan dari penelitian ini sendiri adalah untuk memahami pola distribusi demografis dalam Pendidikan. Solusi yang kami usulkan adalah pemanfaatan data untuk perencanaan sumber daya Pendidikan yang lebih baik. Penelitian menunjukkan adanya variasi signifikan dalam distribusi ini, yang dapat berdampak pada kualitas Pendidikan di masing-masing daerah.]]>
<![CDATA[Penerapan Sistem Pakar Dalam Pemilihan Bibit Padi Berbasis Data Cerdas Dengan Metode: Knowledge-Based System Dan Decision Tree ]]>
<![CDATA[Yoga Saputra, Riski]]>;
<![CDATA[Prasdio, Sendy]]>;
<![CDATA[Addiyan Syach, Wahyu]]>;
<![CDATA[Aji Umarsaid, Restu]]>;
<![CDATA[Rosyani, Perani]]>
<![CDATA[ Jurnal Riset Informatika dan Inovasi Vol 2 No 8 (2025): JRIIN: Jurnal Riset Informatika dan Inovasi ]]>
Publisher : <![CDATA[shofanah Media Berkah ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
<![CDATA[Pemilihan bibit padi yang baik sangat berpengaruh dalam menghasilkan beras yang berkualitas dan bergizi.Penelitian ini menggunakan sistem pakar berbasis kecerdasan buatan (Artificial Intelligence / AI) menggunakan metode Knowledge-Based System dan Decision Tree untuk membantu pemilihan bibit padi.Knowledge-Based System memanfaatkan pengetahuan ahli agronomi,sementara Decision Tree digunakan untuk mengklasifikasi varietas padi berdasarkan data lingkungan,seperti tipe tanah dan iklim.Hasil pengujian menunjukkan bahwa sistem ini mampu memberikan rekomendasi bibit yang akurat dan sesuai dengan kondisi lahan,sehingga dapat mendukung pengambilan keputusan petani secara baik.]]>
<![CDATA[Literatur Review: Klasifikasi Penyakit Gastrointestinal Dengan Support Vector Machine (SVM) ]]>
<![CDATA[Nurmustaqiim, Fadhil]]>;
<![CDATA[Hulu, Sofian]]>;
<![CDATA[Rizky Ramadhan, , Muhammad]]>;
<![CDATA[Muhammad Vito Nugroho, Raden]]>
<![CDATA[ Jurnal Riset Informatika dan Inovasi Vol 2 No 8 (2025): JRIIN: Jurnal Riset Informatika dan Inovasi ]]>
Publisher : <![CDATA[shofanah Media Berkah ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
<![CDATA[Penelitian ini bertujuan untuk mengkaji penggunaan Support Vector Machine (SVM) dalam klasifikasi penyakit gastrointestinal. Metode SVM dikenal efektif dalam menangani masalah klasifikasi biner dan multikas, terutama pada dataset yang kompleks seperti citra medis. Dengan menggunakan Studi Literatur Review (SLR), penelitian ini mengidentifikasi metode, keunggulan, dan tantangan utama dari aplikasi SVM dalam diagnosis penyakit gastrointestinal. Hasil dari beberapa penelitian menunjukkan bahwa SVM dapat meningkatkan akurasi deteksi dini penyakit gastrointestinal. Studi ini diharapkan dapat memberikan wawasan tentang penerapan SVM dalam klasifikasi penyakit medis dan menginspirasi penelitian lebih lanjut.]]>
<![CDATA[Literatur Review: Pendekatan Hybrid SVM Dan KNN Untuk Klasifikasi Penyakit Tiroid ]]>
<![CDATA[Nizam Adila, Daksa]]>;
<![CDATA[Mustaqim, Muhammad]]>;
<![CDATA[Bara Aksayeth, Muhammad]]>;
<![CDATA[Fahmi, Dicky]]>;
<![CDATA[Rosyani, Perani]]>
<![CDATA[ Jurnal Riset Informatika dan Inovasi Vol 2 No 8 (2025): JRIIN: Jurnal Riset Informatika dan Inovasi ]]>
Publisher : <![CDATA[shofanah Media Berkah ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
<![CDATA[Klasifikasi penyakit tiroid merupakan aspek penting dalam diagnosis medis, mengingat dampaknya yang signifikan terhadap kesehatan pasien. Penelitian ini membahas pendekatan hybrid yang menggabungkan algoritma SVM dan KNN untuk meningkatkan akurasi klasifikasi penyakit tiroid. SVM dikenal efektif dalam membangun hyperplane yang memisahkan kelas secara optimal, sementara KNN memperkuat kemampuan analisis pada data lokal di sekitar garis keputusan. Studi ini bertujuan mengevaluasi efektivitas pendekatan hybrid SVM-KNN melalui analisis literatur yang relevan. Artikel-artikel ilmiah yang diterbitkan dalam periode tertentu dikaji untuk mengidentifikasi keunggulan serta tantangan dalam penerapan metode ini. Hasil kajian menunjukkan bahwa pendekatan hybrid mampu meningkatkan akurasi dan ketahanan model terhadap dataset yang tidak seimbang. Hal ini memperkaya kemampuan model dalam menghasilkan diagnosis yang lebih andal. Namun, terdapat beberapa kendala, seperti pemilihan parameter optimal dan kebutuhan komputasi yang lebih tinggi. Untuk mengatasi tantangan ini, disarankan peningkatan kualitas data serta pengoptimalan algoritma. Evaluasi berkala juga diperlukan untuk memastikan sistem tetap relevan dan dapat diandalkan dalam mendukung diagnosis penyakit tiroid.]]>
<![CDATA[Sistem Cerdas Berbasis Multi-Agent Untuk Manajemen Lalu Lintas Dengan Metode: Multi-Agent System Dan Reinforcement Learning ]]>
<![CDATA[Sandika, Ari]]>;
<![CDATA[Restu Ramadhan, Fajar]]>;
<![CDATA[Nul Iman, Ichsan]]>;
<![CDATA[Jihad, Jiar]]>;
<![CDATA[Rosyani, Perani]]>
<![CDATA[ Jurnal Riset Informatika dan Inovasi Vol 2 No 8 (2025): JRIIN: Jurnal Riset Informatika dan Inovasi ]]>
Publisher : <![CDATA[shofanah Media Berkah ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
<![CDATA[Kemacetan lalu lintas merupakan permasalahan global yang kompleks, terutama di daerah perkotaan dan metropolitan. Dengan pertumbuhan populasi dan keterbatasan infrastruktur, perlu dikembangkan sistem manajemen lalu lintas yang adaptif untuk mengoptimalkan arus lalu lintas. Penelitian ini bertujuan untuk mengembangkan sistem cerdas berbasis Multi-Agent System (MAS) yang didukung oleh Reinforcement Learning untuk manajemen lalu lintas perkotaan secara real-time. Sistem ini menggunakan agen-agen yang berinteraksi dengan data lalu lintas untuk mengontrol rencana sinyal lampu lalu lintas, batas kecepatan variabel, dan jalur masuk kendaraan, termasuk kendaraan otonom. Melalui simulasi dan pengujian di lingkungan nyata, sistem ini berhasil mengatasi perubahan dinamis lalu lintas dan mengurangi keterlambatan rata-rata kendaraan, dengan pendekatan yang mendekati optimal namun dengan beban komputasi yang lebih rendah dibandingkan metode konvensional. Hasil menunjukkan bahwa pendekatan berbasis MAS dan Reinforcement Learning ini berpotensi meningkatkan efisiensi transportasi perkotaan, mengurangi kemacetan, dan memberikan kualitas hidup yang lebih baik bagi masyarakat kota.]]>
<![CDATA[Literature Review: Klasifikasi Penyakit Hipertensi Dengan Pendekatan Neural Network ]]>
<![CDATA[Iksan, Muhamad]]>;
<![CDATA[Zabira Revan, Wafa]]>;
<![CDATA[Huda, Darul]]>;
<![CDATA[M Aditya Ramadhan, T.]]>;
<![CDATA[Rosyani, Perani]]>
<![CDATA[ Jurnal Riset Informatika dan Inovasi Vol 2 No 8 (2025): JRIIN: Jurnal Riset Informatika dan Inovasi ]]>
Publisher : <![CDATA[shofanah Media Berkah ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
<![CDATA[Tinjauan pustaka ini mengkaji penyakit hipertensi dengan menggunakan metode Artificial Neural Network. Tinjauan literatur dilakukan dengan mengumpulkan dan menganalisis artikel relevan yang diterbitkan dalam jangka waktu tertentu. Model Artificial Neural Network (ANN) dengan optimasi hyperparameter mencapai akurasi 85%, dan JST propagasi mundur feedforward mencapai akurasi 96% setelah pemrosesan data intensif. ModelConvolutional Neural Network (CNN)digunakan untuk mendeteksi retinopati hipertensi dari gambar fundus dengan akurasi 67%. Penelitian lain menunjukkan bahwa pengoptimalan fitur dapat meningkatkan akurasi hingga 94,6%, dan teknik oversampling dapat membantu menyeimbangkan kumpulan data dan meningkatkan akurasi. Pendekatan jaringan saraf telah menjanjikan dalam diagnosis dan deteksi dini hipertensi dan sangat penting untuk intervensi medis yang tepat waktu.]]>
