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[Penerapan Alat Manajemen Proyek Di PT. Krakatau IT Cilegon ]]>
<![CDATA[Afdinal, Fajri]]>;
<![CDATA[Galang Akbar, Mahesa]]>;
<![CDATA[Timor Setiorini]]>;
<![CDATA[Liana, Yeni]]>;
<![CDATA[Heidiani Ikasari, Ines]]>
<![CDATA[ Jurnal Riset Informatika dan Inovasi Vol 2 No 11 (2025): JRIIN: Jurnal Riset Informatika dan Inovasi ]]>
Publisher : <![CDATA[shofanah Media Berkah ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
<![CDATA[PT. Krakatau IT merupakan perusahaan jasa yang memiliki visi untuk menjadi yang terdepan dalam menyediakan solusi ICT di Indonesia. Dalam upayanya untuk meningkatkan kepuasan pelanggan, perusahaan memerlukan perencanaan dan pelaksanaan proyek yang berkualitas, termasuk penyelesaian proyek secara tepat waktu dan sesuai dengan anggaran yang telah direncanakan. Namun, perusahaan sering menghadapi tantangan dalam menyelesaikan proyek akibat manajemen yang kurang efektif, yang berujung pada kerugian. Penelitian ini bertujuan untuk menerapkan sebuah alat manajemen proyek bernama “Krakatau Pro.” Alat ini dilengkapi berbagai fitur yang dirancang untuk mempermudah pengelolaan informasi antara perencanaan dan pelaksanaan pekerjaan, sehingga mendukung keberjalanan proyek secara lebih efisien dan terorganisir.]]>
<![CDATA[Systematic Literatur Review: Implementasi Sistem Manajemen Keuangan ]]>
<![CDATA[Valentino, Ari]]>;
<![CDATA[Hilmiah, Mia]]>;
<![CDATA[Faisal, Ahmad]]>;
<![CDATA[Oktaviani, Yulianti]]>;
<![CDATA[Heidiani Ikasari, Ines]]>
<![CDATA[ Jurnal Riset Informatika dan Inovasi Vol 2 No 11 (2025): JRIIN: Jurnal Riset Informatika dan Inovasi ]]>
Publisher : <![CDATA[shofanah Media Berkah ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
<![CDATA[Sistem Informasi Manajemen (SIM) merupakan suatu sistem yang digunakan untuk mendukung keputusan manajerial di suatu organisasi atau perusahaan. SIM mengintegrasikan berbagai teknologi informasi yang memproses data untuk menghasilkan informasi yang berguna dalam pengambilan keputusan, perencanaan, pengawasan, dan analisis. Tujuan utama SIM adalah meningkatkan efisiensi dan efektivitas operasional dengan menyediakan informasi yang tepat, akurat, dan cepat bagi pengambil keputusan. Komponen utama dalam SIM meliputi hardware, software, prosedur, sumber daya manusia, dan data. SIM juga mencakup beberapa jenis informasi, seperti informasi strategis, taktis, dan operasional yang disesuaikan dengan kebutuhan manajerial pada berbagai level organisasi. Dalam pengembangannya, SIM memanfaatkan berbagai teknologi terkini seperti basis data, jaringan komputer, dan sistem berbasis cloud untuk mendukung pengolahan dan distribusi informasi secara efisien. Dengan semakin berkembangnya teknologi, SIM saat ini dapat memberikan keuntungan kompetitif bagi organisasi dengan menyediakan analisis prediktif dan mendukung otomasi dalam berbagai proses bisnis. Penggunaan SIM yang optimal dapat meningkatkan pengambilan keputusan yang lebih cepat, tepat, dan berbasis data, sehingga membantu organisasi mencapai tujuan jangka panjangnya secara lebih efektif.]]>
<![CDATA[Pengembangan Sistem Rekomendasi Buku Menggunakan Algoritma Machine Learning Berbasis Klasifikasi ]]>
<![CDATA[Aji, Restu]]>;
<![CDATA[Syaifunnuha, Saddam]]>;
<![CDATA[Hidayat, Fikri]]>;
<![CDATA[Alkhodri]]>;
<![CDATA[Malik Antapraja, Kamaludin]]>
<![CDATA[ Jurnal Riset Informatika dan Inovasi Vol 2 No 11 (2025): JRIIN: Jurnal Riset Informatika dan Inovasi ]]>
Publisher : <![CDATA[shofanah Media Berkah ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
<![CDATA[Pengguna di era digital seringkali kesulitan memilih buku yang sesuai dengan kebutuhan dan minat mereka di antara banyaknya pilihan yang tersedia. Masalah ini dapat menyebabkan kebingungan dan ketidakefektifan dalam proses pemilihan buku, terutama bagi pembaca yang mencari referensi berkualitas dalam waktu singkat. Oleh karena itu, sistem rekomendasi buku yang akurat dan dapat diandalkan sangat penting untuk membantu pembaca menemukan buku yang sesuai dengan preferensi mereka. Tujuan penelitian ini adalah untuk mengembangkan sistem rekomendasi buku yang dapat memberikan hasil yang lebih tepat berdasarkan analisis data pengguna dan metadata buku. Pemrosesan data dilakukan dengan algoritma klasifikasi seperti Decision Tree dan Random Forest.]]>
<![CDATA[Analisis Perbandingan Algoritma Random Forest Dan Decision Tree Pada Prediksi Penyakit Diabetes ]]>
<![CDATA[Ekrinifda, Ardilla]]>;
<![CDATA[Aulia Ramadhan, Salsabila]]>;
<![CDATA[Marvella, Shera]]>;
<![CDATA[Fansyuri, Maulana]]>
<![CDATA[ Jurnal Riset Informatika dan Inovasi Vol 2 No 11 (2025): JRIIN: Jurnal Riset Informatika dan Inovasi ]]>
Publisher : <![CDATA[shofanah Media Berkah ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
<![CDATA[Diabetes melitus adalah penyakit kronis dengan prevalensi yang meningkat secara global. Diagnosis dini sangat penting untuk mencegah komplikasi, tetapi metode tradisional sering memerlukan waktu dan akses yang terbatas. Penelitian ini membandingkan algoritma Random Forest dan Decision Tree dalam memprediksi diabetes menggunakan dataset dari Kaggle. Algoritma ini dipilih karena kemampuan mereka menangani data kesehatan yang kompleks. Random Forest menggunakan pendekatan ensemble learning untuk meningkatkan akurasi dan stabilitas, sedangkan Decision Tree menawarkan interpretasi hasil yang lebih intuitif. Evaluasi dilakukan dengan metrik seperti akurasi, presisi, recall, dan Area Under Curve (AUC). Hasil menunjukkan Random Forest unggul dalam akurasi (78,78%) dan stabilitas dibandingkan Decision Tree (77,34%). Namun, Decision Tree lebih efisien secara komputasi dan mudah diinterpretasi. Analisis ini memberikan wawasan dalam memilih algoritma prediksi diabetes yang sesuai berdasarkan kebutuhan klinis dan sumber daya. Penelitian ini merekomendasikan Random Forest untuk keandalan prediksi dan Decision Tree untuk skenario yang memerlukan efisiensi dan interpretabilitas. Implementasi lebih lanjut diharapkan membantu tenaga medis dalam pengambilan keputusan yang lebih baik.]]>
<![CDATA[Literature Review : Pentingnya Sistem Informasi Manajemen Dalam Dunia Bisnis ]]>
<![CDATA[Yudistira, Akbar]]>;
<![CDATA[Herjuno Bhaskoro, Alexander]]>;
<![CDATA[Daniel Putra Nakoh, Raihan]]>;
<![CDATA[Heidiani Ikasari, Ines]]>
<![CDATA[ Jurnal Riset Informatika dan Inovasi Vol 2 No 11 (2025): JRIIN: Jurnal Riset Informatika dan Inovasi ]]>
Publisher : <![CDATA[shofanah Media Berkah ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
<![CDATA[Sistem Informasi Manajemen (SIM) memainkan peran krusial dalam meningkatkan efisiensi dan efektivitas pengambilan keputusan di dunia bisnis. SIM memungkinkan pengelolaan data yang terintegrasi, penyediaan informasi yang relevan, dan mendukung perencanaan strategis perusahaan. Dengan memanfaatkan teknologi informasi, organisasi dapat meningkatkan produktivitas, mengurangi biaya operasional, dan bersaing lebih efektif di pasar global. Kajian literatur ini mengeksplorasi peran SIM dalam mengatasi tantangan bisnis modern, seperti kebutuhan akan informasi real-time, pengelolaan big data, dan adaptasi terhadap perubahan lingkungan bisnis. Studi ini juga membahas manfaat utama penerapan SIM, termasuk peningkatan kolaborasi antardivisi, optimalisasi rantai pasok, serta pemantauan kinerja organisasi. Temuan dari berbagai penelitian menunjukkan bahwa SIM yang dirancang dengan baik mampu memberikan keunggulan kompetitif yang signifikan bagi perusahaan. Dengan demikian, investasi dalam pengembangan dan implementasi SIM yang tepat menjadi kebutuhan strategis bagi keberlanjutan bisnis.]]>
<![CDATA[Implementasi Algoritma K-Means: Analisis Klasterisasi Emisi Metana Global Berdasarkan Sektor Dan Negara Menggunakan RapidMiner ]]>
<![CDATA[Faqih Alharits, Muhammad]]>;
<![CDATA[Ramdoni]]>;
<![CDATA[Maulana Ar Rasyid, Hanif]]>;
<![CDATA[Saefullah, Khalid]]>;
<![CDATA[Mardika Maulana, Arjuna]]>
<![CDATA[ Jurnal Riset Informatika dan Inovasi Vol 2 No 11 (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 pola emisi metana global berdasarkan sektor dan negara menggunakan algoritma K-Means clustering. Data yang digunakan adalah dataset emisi metana global dari Kaggle, yang mencakup informasi tentang emisi, sektor, sub-sektor, dan negara. Melalui penerapan algoritma K-Means, negara-negara dikelompokkan berdasarkan kesamaan pola emisi metana mereka. Hasil analisis menunjukkan kelompok negara dengan karakteristik emisi yang berbeda, yang memungkinkan identifikasi prioritas tindakan mitigasi. Penelitian ini memberikan wawasan penting bagi pembuat kebijakan dalam upaya pengendalian emisi metana global.]]>
<![CDATA[Rancang Bangun Sistem Manajemen Inventori Untuk Pengelolaan Alat-Alat Spare Part Berbasis Web (Studi Kasus : PT. Rotary Electrical Machine Service) ]]>
<![CDATA[Ramdani]]>;
<![CDATA[Fadli Alenski, Jean]]>;
<![CDATA[Umar, M.]]>;
<![CDATA[Haryono, Wasis]]>
<![CDATA[ Jurnal Riset Informatika dan Inovasi Vol 2 No 7 (2024): JRIIN: Jurnal Riset Informatika dan Inovasi ]]>
Publisher : <![CDATA[shofanah Media Berkah ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
<![CDATA[Pengelolaan inventori alat-alat di PT. Rotary Electrical Machine Service atau fasilitas lainnya membutuhkan sistem yang efisien untuk memastikan ketersediaan peralatan yang dibutuhkan. Penelitian ini bertujuan untuk merancang dan membangun sebuah sistem manajemen inventori berbasis web yang dapat membantu pengelolaan inventori alat-alat. Sistem ini dirancang untuk mencakup fitur-fitur seperti pencatatan stok, pelacakan riwayat penggunaan, dan pelaporan inventori, Metodologi penelitian yang digunakan adalah model waterfall, yang mencakup tahap analisis kebutuhan, perancangan sistem, implementasi, pengujian, dan deployment. Sistem dibangun menggunakan framework PHP dan database MySQL. Pengujian sistem dilakukan dengan metode black box dan kuisioner untuk menilai aspek usability.Hasil penelitian menunjukkan bahwa sistem manajemen inventori berbasis web yang dikembangkan dapat membantu PT. Rotary Electrical Machine Service atau fasilitas dalam mengelola inventori alatalat perusahaan secara efektif dan efisien. Sistem ini terbukti mampu meningkatkan akurasi data, mempermudah proses pencatatan dan pelaporan, serta membantu memonitor kondisi peralatan secara real-time. Pengguna juga memberikan umpan balik positif terkait kemudahan penggunaan dan manfaat sistem bagi pengelolaan inventori.]]>
<![CDATA[Implementasi Algoritma Klasifikasi K-Nearest Neighbor (KNN) Untuk Klasifikasi Level Stres Mahasiswa ]]>
<![CDATA[Yunita, Devi]]>;
<![CDATA[Surya Kusuma, Firmansyah]]>;
<![CDATA[Maulana, Alpian]]>;
<![CDATA[Zatayumni, Alana]]>;
<![CDATA[Ihdaudin]]>;
<![CDATA[Bima Pradana, Diski]]>
<![CDATA[ Jurnal Riset Informatika dan Inovasi Vol 2 No 11 (2025): JRIIN: Jurnal Riset Informatika dan Inovasi ]]>
Publisher : <![CDATA[shofanah Media Berkah ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
<![CDATA[Stress pada mahasiswa merupakan masalah yang dapat memengaruhi performa akademik, termauk nilai Grade Point Average (GPA). Penelitian ini bertujuan untuk mengklasifikasikan tingkat stress mahasiswa menggunakan algoritma klasifikasi K-Nearest Neighbor (KNN). Dataset yang digunakan terdiri dari 2.000 data mahasiswa, yang diambil dari platform Kaggle, mencakup variabel-variabel seperti jam belajar perhari, jam ektrakulikuler perhari, jam tidur perhari, jam aktivitas sosial perhari, jam aktifitas fisik perhari, nilai Grade Point Average (GPA) dan hasil kuesioner tingkat stress. Data diolah melalui proses praproses, termasuk normalisasi dan pembagian data menjadi training dan testing dengan rasio 80:20. Model KNN dikembangkan untuk mengklasifikasikan tingkat stress ke dalam kategori rendah, sedang, dan tinggi. Hasil pengujian menggunakan model KNN dengan nilai k = 3, dengan tujuan mengetahui tingkat akurasi yang lebih baik dari algoritma K-Nearest Neighbor. Setelah dilakukan pengujian didapatkan hasil yang dari algoritma K-Nearest Neighbor dengan menggunakan nilai k = 3, yaitu dengan tingkat akuarasi mencapai 93%, dengan metrik evaluasi berupa precision, recall, dan F1-score yang juga menunjukkan performa yang baik. Penelitian ini dapat di simpulkan bahwa algoritma K-Nearest Neighbor efektif untuk digunakan dalam klasifikasi tingkat stress mahasiswa. Hasil ini dapat menjadi dasar untuk pengembangan sistem deteksi dini tingkat stres yang dapat diintegrasikan ke dalam platform pendidikan.]]>
<![CDATA[Evaluasi Model Naive Bayes Untuk Klasifikasi Data Pasien Dalam Prediksi Penyakit ]]>
<![CDATA[Akbar Prayudi, Lalu]]>;
<![CDATA[Marsiano, Joseph]]>;
<![CDATA[Budiman Nadapdap, Panri]]>;
<![CDATA[Nice, Kristina]]>;
<![CDATA[Syukur, Abdul]]>;
<![CDATA[Fansyuri, Maulana]]>
<![CDATA[ Jurnal Riset Informatika dan Inovasi Vol 2 No 11 (2025): JRIIN: Jurnal Riset Informatika dan Inovasi ]]>
Publisher : <![CDATA[shofanah Media Berkah ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
<![CDATA[Naive Bayes merupakan salah satu algoritma klasifikasi berbasis probabilistik yang sering digunakan dalam analisis data kesehatan, khususnya untuk memprediksi penyakit berdasarkan data pasien. Penelitian ini bertujuan mengevaluasi performa model Naive Bayes dalam klasifikasi data pasien untuk prediksi penyakit tertentu. Model ini diimplementasikan pada dataset pasien yang mencakup berbagai fitur, seperti gejala, riwayat kesehatan, dan demografi. Evaluasi dilakukan dengan menggunakan metrik performa seperti akurasi, presisi, recall. Hasil analisis menunjukkan bahwa Naive Bayes memiliki keunggulan dalam menangani dataset berukuran kecil hingga menengah dengan fitur-fitur independen, namun kinerjanya dapat menurun jika asumsi independensi antar fitur tidak terpenuhi. Studi ini memberikan wawasan mengenai keandalan Naive Bayes dalam membantu pengambilan keputusan klinis, serta membahas tantangan dan peluang untuk meningkatkan akurasi model melalui teknik pra-pemrosesan data dan pemilihan fitur yang tepat.]]>
<![CDATA[Penerapan K-Nearest Neighbor Untuk Memprediksi Penjualan Produk Parfum Baru ]]>
<![CDATA[Yunita, Devi]]>;
<![CDATA[Ahmad Arpiandi, Kahfi]]>;
<![CDATA[Bilal, Muhamad]]>;
<![CDATA[Ghazi Ginastio, Rama]]>;
<![CDATA[Geovany Tangkin, Rivaldo]]>
<![CDATA[ Jurnal Riset Informatika dan Inovasi Vol 2 No 11 (2025): JRIIN: Jurnal Riset Informatika dan Inovasi ]]>
Publisher : <![CDATA[shofanah Media Berkah ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
<![CDATA[Penjualan produk parfum baru sering kali menjadi tantangan dalam dunia ritel, terutama karena banyaknya faktor yang dapat memengaruhi keberhasilan produk di pasar, seperti harga, preferensi pelanggan, dan jumlah pembeli. Penelitian ini bertujuan untuk memprediksi penjualan produk parfum baru dengan menerapkan algoritma k-Nearest Neighbor (k-NN), yang merupakan salah satu metode pembelajaran mesin berbasis instance. Algoritma ini bekerja dengan mengklasifikasikan data baru berdasarkan jarak dari data sebelumnya yang sudah terklasifikasi. Dalam penelitian ini, dataset penjualan parfum yang mencakup atribut harga, jumlah pembeli, dan status penjualan digunakan untuk melatih model. Implementasi algoritma dilakukan dengan menggunakan berbagai nilai k, yaitu k=2, k=3, dan k=4, untuk menentukan jumlah tetangga terdekat yang digunakan dalam proses prediksi. Hasil penelitian menunjukkan bahwa k-NN mampu memberikan prediksi yang akurat terhadap status penjualan produk parfum baru, dengan hasil terbaik diperoleh pada nilai k=3, di mana prediksi status penjualan "Laris" berhasil dihasilkan untuk produk baru yang diuji. Evaluasi kinerja algoritma juga menunjukkan bahwa pemilihan tetangga terdekat berdasarkan jarak Euclidean dan normalisasi data memainkan peran penting dalam meningkatkan akurasi prediksi. Dengan demikian, metode k-NN dapat menjadi solusi yang efektif bagi perusahaan dalam menganalisis data penjualan dan membantu pengambilan keputusan strategis terkait peluncuran produk parfum baru.]]>
