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[Rancang Bangun Aplikasi Mobile Pembelajaran Bahasa Jawa ]]>
<![CDATA[Ayu Ernawati]]>;
<![CDATA[Shella Sukma Dewi Waramena]]>
<![CDATA[ Jurnal Riset Informatika dan Inovasi Vol 2 No 12 (2025): JRIIN: Jurnal Riset Informatika dan Inovasi ]]>
Publisher : <![CDATA[shofanah Media Berkah ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
<![CDATA[In learning the Javanese language, the first thing to learn is to get to know the new vocabulary then pronunciation. The current lack of development of Javanese language learning has led to a lack of asking the younger generation to learn Javanese. On the other hand, developing technology has supported a more modern learning system, especially with the advent of Android technology. The purpose of this study is to create an Android-based Javanese language learning application that provides an alternative through media that can be used anywhere and anytime with an Android-based mobile phone. The method used by utilizing Android as an open (open source) operating system that makes it easy for application builders to tamper with a code to be able to develop android-based applications on mobile phones. The test results show that the application is easy to use and understand by the user. Thus it can be concluded that the application used is very intensive in Javanese language learning because it can be carried anywhere, and at any time and the use of easy-to-understand applications that make it easier for users to use applications that have been made. Keywords: Javanese language, applications, android.]]>
<![CDATA[Eksplorasi Pola Ketimpangan Pendidikan Dasar di Indonesia Melalui Segmentasi Wilayah Berbasis Clustering ]]>
<![CDATA[Mahendra, Alfianas Shofi Tafta]]>;
<![CDATA[Ferdyan Candra Adinata]]>;
<![CDATA[Adiv Prasetiyo Nugroho]]>;
<![CDATA[Nova Bryan Haidar]]>;
<![CDATA[Muhammad Arifin]]>
<![CDATA[ Jurnal Riset Informatika dan Inovasi Vol 2 No 12 (2025): JRIIN: Jurnal Riset Informatika dan Inovasi ]]>
Publisher : <![CDATA[shofanah Media Berkah ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
<![CDATA[Ketimpangan dalam penyediaan dan kualitas layanan pendidikan dasar masih menjadi isu strategis di Indonesia, terutama di tingkat kabupaten/kota. Perbedaan jumlah guru, kapasitas rombongan belajar, serta angka putus sekolah dan pengulangan kelas mencerminkan tantangan yang bervariasi antar wilayah. Penelitian ini bertujuan untuk mengeksplorasi pola ketimpangan tersebut melalui pendekatan segmentasi wilayah menggunakan algoritma clustering K-Means. Data yang dianalisis bersumber dari Kementerian Pendidikan, mencakup indikator rasio guru per siswa, jumlah rombel, serta angka putus dan mengulang di jenjang pendidikan dasar. Proses analisis meliputi praproses data, normalisasi, pemilihan jumlah klaster optimal menggunakan elbow method, dan visualisasi hasil klasterisasi dengan Principal Component Analysis (PCA). Hasil penelitian menghasilkan tiga segmen wilayah dengan karakteristik berbeda, yang merepresentasikan tingkat kerentanan dan keberhasilan pendidikan dasar. Temuan ini memberikan landasan awal bagi pemangku kebijakan untuk merancang intervensi yang lebih kontekstual dan berbasis data dalam upaya pemerataan pendidikan.]]>
<![CDATA[Implementasi Data Mining Asosiasi Terhadap Data Penjualan ]]>
<![CDATA[Mahendra, Indra Wahyu]]>;
<![CDATA[Mohammad Khoirul Anwar]]>;
<![CDATA[Chirza Rahman]]>;
<![CDATA[Muhammad Arifin]]>
<![CDATA[ Jurnal Riset Informatika dan Inovasi Vol 2 No 12 (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 membahas penerapan algoritma Apriori dalam data mining untuk menemukan pola asosiasi dalam data transaksi penjualan produk. Tujuan utama dari penelitian ini adalah mengidentifikasi produk-produk yang sering dibeli bersama, sehingga dapat memberikan wawasan untuk pengoptimalan strategi penjualan dan penempatan produk. Proses ini dilakukan dengan menggunakan data transaksi dari sebuah platform e-commerce, yang dibagi berdasarkan kelompok usia dan jenis kelamin pelanggan. Hasil dari analisis menunjukkan bahwa terdapat perbedaan pola pembelian produk berdasarkan faktor demografis seperti usia dan jenis kelamin, yang memberikan informasi penting dalam merancang strategi pemasaran yang lebih tepat sasaran. Analisis ini dilakukan dengan menggunakan Google Colab, yang menghasilkan nilai support, confidence, dan lift yang signifikan dalam mengukur kekuatan hubungan antara produk-produk yang dibeli bersamaan. Temuan ini diharapkan dapat memberikan kontribusi pada pengambilan keputusan dalam pengelolaan produk dan promosi yang lebih efektif di sektor ritel]]>
<![CDATA[Perbandingan Model K-Nearest Neighbor dan Support Vector Machine untuk Klasifikasi Sentimen Pengguna Berdasarkan Ulasan Aplikasi GOPAY ]]>
<![CDATA[Kurniawan, Moh Adi]]>;
<![CDATA[Syauqi, Gutti Zaidan]]>;
<![CDATA[Sirullah, Mohammad Fajar]]>;
<![CDATA[Arifin, Muhammad]]>
<![CDATA[ Jurnal Riset Informatika dan Inovasi Vol 2 No 12 (2025): JRIIN: Jurnal Riset Informatika dan Inovasi ]]>
Publisher : <![CDATA[shofanah Media Berkah ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
<![CDATA[Aplikasi digital seperti GOPAY memungkinkan pengguna memberikan ulasan yang berisi pengalaman dan penilaian terhadap layanan. Ulasan tersebut dapat digunakan untuk mengevaluasi kepuasan dan sentimen pengguna terhadap aplikasi. Tujuan dari penelitian ini adalah untuk melakukan perbandingan antara dua algoritma klasifikasi, yaitu K-Nearest Neighbor (KNN) dan Support Vector Machine (SVM), dalam melakukan analisis sentimen pengguna berdasarkan ulasan aplikasi yang tersedia di Google Play Store. Data yang digunakan diperoleh dari platform Kaggle, kemudian diproses melalui tahap preprocessing teks serta ekstraksi fitur dengan metode TF-IDF. Kinerja model dievaluasi menggunakan metrik seperti akurasi, presisi, recall, dan F1-score. Berdasarkan hasil evaluasi, algoritma SVM menunjukkan performa terbaik dengan akurasi mencapai 86%, sedangkan KNN hanya mencapai 79%. Dengan demikian, metode SVM lebih direkomendasikan dalam klasifikasi sentimen berbasis teks.]]>
<![CDATA[Perbandingan Model Regresi Linier dan Random Forest Regressor dalam Estimasi Harga Jual Rumah Berdasarkan Data Properti di Yogyakarta ]]>
<![CDATA[Indriani Zabrina Putri]]>;
<![CDATA[Rosyada, Mila]]>;
<![CDATA[Salma Elsa Widyadhana]]>;
<![CDATA[Saskia Aila Virda]]>;
<![CDATA[Muhammad Arifin]]>
<![CDATA[ Jurnal Riset Informatika dan Inovasi Vol 2 No 12 (2025): JRIIN: Jurnal Riset Informatika dan Inovasi ]]>
Publisher : <![CDATA[shofanah Media Berkah ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
<![CDATA[Determining the selling price of a house is a crucial aspect in property transactions, especially in regions with dynamic market conditions such as Yogyakarta. This study compares two predictive modeling approaches Linear Regression and Random Forest Regressor in estimating house prices based on property data obtained from the rumah123.com website. The dataset used consists of 1,036 entries, covering variables such as price, land area, building area, number of bedrooms, number of bathrooms, availability of a carport, and location. After undergoing data preprocessing, both models were trained and tested using the same dataset to assess their predictive performance. Evaluation results indicate that the Random Forest model outperforms Linear Regression in terms of accuracy, particularly in handling data variation and non-linear relationships between variables. Although Linear Regression produced a coefficient of determination (R²) of 0.846 indicating that the model could explain 84.6% of the variability in house prices Random Forest demonstrated more precise predictions on the test data. These findings emphasize that selecting the appropriate model depends heavily on the complexity of the data and the required level of accuracy. This study provides a valuable contribution to the development of data-driven decision support systems for property price estimation and serves as a foundation for further research using more advanced machine learning approaches.]]>
<![CDATA[Penerapan Data Mining dengan Algoritma C4.5 untuk Mengidentifikasikan Prediksi Penyakit Diabetes ]]>
<![CDATA[Muhammad Ardi Hermansyah]]>;
<![CDATA[Diyas Aditya Adi Saputra]]>;
<![CDATA[Fikri hamdhan Dwi Saputra]]>;
<![CDATA[Muhammad Rizqy Maulana]]>;
<![CDATA[Muhammad Arifin]]>
<![CDATA[ Jurnal Riset Informatika dan Inovasi Vol 2 No 12 (2025): JRIIN: Jurnal Riset Informatika dan Inovasi ]]>
Publisher : <![CDATA[shofanah Media Berkah ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
<![CDATA[Diabetes termasuk penyakit kronis dengan angka kematian yang cukup tinggi secara global, dan sering kali baru terdiagnosis pada tahap lanjut karena gejala awalnya yang kurang mencolok. Dua penelitian ini mengembangkan pemanfaatan teknologi data mining dengan algoritma Decision Tree C4.5 untuk membentuk model prediksi dini terhadap penyakit diabetes. Data yang digunakan berasal dari repositori publik seperti UCI serta data klinis dari fasilitas kesehatan, dengan atribut-atribut klasifikasi seperti umur, jenis kelamin, berat badan, tekanan darah, detak jantung, dan kadar gula darah. Setelah melalui proses preprocessing, perhitungan entropy dan information gain, serta validasi melalui aplikasi RapidMiner, penelitian ini berhasil menghasilkan aturan klasifikasi yang mampu memprediksi risiko diabetes secara efektif. Kedua studi tersebut menunjukkan akurasi yang tinggi, masing-masing sebesar 95,51% dan 90,00%, yang menandakan bahwa algoritma C4.5 cukup andal dan memiliki potensi untuk dimanfaatkan dalam sistem pendukung keputusan medis guna mendeteksi diabetes sejak dini.]]>
<![CDATA[Analisis Manajemen Risiko Keamanan Informasi Menggunakan Metode Failure Mode and Effect Analysis (FMEA) (Studi Kasus: BPS Kota Pangkal Pinang) ]]>
<![CDATA[Iftizam, Syafiranur]]>;
<![CDATA[Firmansyah, Dimas]]>
<![CDATA[ Jurnal Riset Informatika dan Inovasi Vol 3 No 1 (2025): JRIIN : Jurnal Riset Informatika dan Inovasi ]]>
Publisher : <![CDATA[shofanah Media Berkah ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
<![CDATA[− Keamanan informasi menjadi aspek penting dalam pengelolaan data di instansi pemerintahan, terutama bagi Badan Pusat Statistik (BPS) yang menangani data strategis nasional. Penelitian ini bertujuan untuk menganalisis potensi risiko keamanan informasi yang terdapat pada sistem BPS Kota Pangkalpinang menggunakan metode Failure Mode and Effect Analysis (FMEA). Metode ini digunakan untuk mengidentifikasi bentuk kegagalan, mengevaluasi tingkat keparahan, kemungkinan terjadinya, serta kemampuan sistem dalam mendeteksi kegagalan melalui perhitungan Risk Priority Number (RPN). Pengumpulan data dilakukan melalui observasi dan wawancara langsung dengan pihak internal BPS. Hasil analisis menunjukkan bahwa serangan ransomware, dan kebocoran data merupakan risiko dengan nilai RPN tertinggi dan menjadi prioritas utama untuk mitigasi. Berdasarkan temuan tersebut, penelitian ini memberikan beberapa rekomendasi peningkatan sistem keamanan informasi, seperti penguatan infrastruktur jaringan, penerapan sistem backup yang terintegrasi, serta peningkatan kesadaran keamanan siber di lingkungan kerja. Penelitian ini diharapkan dapat menjadi acuan dalam pengelolaan risiko keamanan informasi di instansi pemerintah.]]>
<![CDATA[Pemanfaatan Metode Naive Bayes untuk Klasifikasi Diabetes Berdasarkan Data Medis ]]>
<![CDATA[Muhammad Rafif Rabbani]]>;
<![CDATA[Iftikhar Rizqullah]]>;
<![CDATA[Muhammad Wifqi Aufal Maulana]]>;
<![CDATA[Diana Laily Fithri]]>
<![CDATA[ Jurnal Riset Informatika dan Inovasi Vol 3 No 1 (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 mengimplementasikan algoritma Naive Bayes untuk klasifikasi risiko penyakit diabetes berdasarkan dataset Pima Indians Diabetes. Dataset tersebut berisi data medis dari perempuan keturunan Pima Indian berusia ≥21 tahun. Proses analisis mencakup preprocessing data, seperti penanganan missing values dan normalisasi, serta evaluasi model menggunakan RapidMiner dan perhitungan manual. Hasil menunjukkan akurasi sebesar 75.25%, dengan precision 61.57% dan recall 65.48%. Temuan ini memperlihatkan bahwa Naive Bayes mampu memberikan prediksi yang layak dan dapat dijadikan referensi dalam sistem pendukung keputusan medis.]]>
<![CDATA[Analisa Data Penjualan Coklat Menggunakan Asosiasi Algoritma Fp-Growth ]]>
<![CDATA[Nesicha, Yutia Nia]]>;
<![CDATA[Handayani, Anisa]]>;
<![CDATA[Salsabila, Syafira]]>;
<![CDATA[Firdausiyah, Auliya]]>;
<![CDATA[Fithri, Diana Laily]]>
<![CDATA[ Jurnal Riset Informatika dan Inovasi Vol 3 No 1 (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 menganalisis data penjualan cokelat untuk menemukan pola asosiasi antar produk menggunakan algoritma FP-Growth. Dalam era digital, data transaksi menjadi aset penting untuk mendukung pengambilan keputusan bisnis berbasis data. Menggunakan dataset penjualan cokelat dari Kaggle, penelitian ini menerapkan data mining untuk mengidentifikasi keterkaitan produk dalam satu transaksi. Tahapan analisis meliputi pembersihan data, penambahan ID transaksi, dan transformasi data ke format binomial sesuai kebutuhan algoritma. FP-Growth dipilih karena mampu mengekstraksi frequent itemsets secara efisien tanpa membentuk kandidat itemset seperti pada metode Apriori, sehingga lebih cepat dan hemat sumber daya. Hasil analisis berupa frequent itemsets dan association rules digunakan untuk mengenali kombinasi produk yang sering dibeli bersama. Temuan ini berguna untuk strategi pemasaran seperti bundling, penataan rak, dan sistem rekomendasi pada platform digital. Penelitian ini diharapkan dapat mendukung pengembangan strategi bisnis berbasis analisis data, serta memperkuat penerapan data mining dalam sistem informasi, khususnya pengelolaan penjualan ritel di sektor makanan ringan seperti cokelat.]]>
<![CDATA[Perancangan Website Company Profile Pada CV Mitra Kuring Menggunakan Metode Design Thinking ]]>
<![CDATA[Subekti, Bagus]]>;
<![CDATA[Iman, Fadli]]>;
<![CDATA[Nur Fikri, Fajar]]>;
<![CDATA[Adriansyah, Bagus]]>;
<![CDATA[Anggi Saputra, Selamet]]>;
<![CDATA[Sunata]]>;
<![CDATA[Nursodiq, Ahmad]]>
<![CDATA[ Jurnal Riset Informatika dan Inovasi Vol 2 No 12 (2025): JRIIN: Jurnal Riset Informatika dan Inovasi ]]>
Publisher : <![CDATA[shofanah Media Berkah ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
<![CDATA[Perancangan website company profile untuk CV Mitra Kuring bertujuan untuk meningkatkan visibilitas dan citra profesional perusahaan di dunia digital. Dengan menggunakan metode Design Thinking, website ini dirancang untuk memenuhi kebutuhan pengguna dengan fokus pada estetika, fungsionalitas, dan pengalaman pengguna yang optimal. Hasil pengujian menunjukkan bahwa website yang dirancang memberikan kepuasan tinggi bagi pengguna dan efektif sebagai alat promosi digital.]]>
