cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Yusmaniarti
Contact Email
yusmaniarti8@gmail.com
Phone
+6281368411554
Journal Mail Official
rsit.ppmi@gmail.com
Editorial Address
Kota Palembang
Location
Kota palembang,
Sumatera selatan
INDONESIA
Jurnal Rekayasa Sistem Informasi dan Teknologi
Published by Yayasan Nuraini Ibrahim Mandiri
ISSN : -     EISSN : 3025888X     DOI : https://doi.org/10.59407/jrsit.v1i2
Core Subject : Science,
Computer Science & IT Decision Sciences, Operations Research & Management
Jurnal Rekayasa Sistem Informasi dan Teknologi (JRSIT) adalah jurnal nasional sebagai media kajian ilmiah hasil penelitian, pemikiran, dan kajian kritis-analitik mengenai penelitian di bidang ilmu dan teknologi komputer, termasuk Teknik Sistem, Teknik Informatika, Teknologi Informasi, Informatika Manajemen, dan Sistem Informasi. Jurnal Rekayasa Sistem Informasi dan Teknologi (JRSIT) diterbitkan oleh Yayasan Nuraini Ibrahim Mandiri. Dipublikasikan 4 edisi setiap tahun yaitu : Febuari, Mei, Agustus, November. Semua penerimaan naskah akan diproses secara double blind review oleh mitra bestari. Naskah harus dimasukkan dalam BAHASA INDONESIA atau BAHASA INGGRIS. e-ISSN : 3025-888X. DOI Prefix : 10.59407
Arjuna Subject : Ilmu Komputer (semua kategori) - Ilmu Komputer (Lain-Lain)
Articles 189 Documents
 15   16   17   18   19 
IMPLEMENTASI ALGORITMA NAÏVE BAYES DALAM PENYEDERHANAAN TEKS UNTUK ANAK DISLEKSIA rahmawati, ika
Jurnal Rekayasa Sistem Informasi dan Teknologi Vol. 3 No. 1 (2025): Agustus
Publisher : Yayasan Nuraini Ibrahim Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70248/jrsit.v3i1.2925

Abstract

Disleksia merupakan gangguan belajar spesifik yang ditandai dengan kesulitan membaca, menulis, dan mengeja, serta sering kali memengaruhi kemampuan anak untuk mengikuti pelajaran di sekolah. Permasalahan yang sering terjadi pada anak disleksia meliputi kesulitan membedakan huruf tertentu seperti "b" dan "d" atau "p" dan "q. Penelitian ini bertujuan mengembangkan sistem klasifikasi teks untuk membantu anak-anak dengan disleksia memahami bacaan melalui penyederhanaan teks. Sistem dibangun menggunakan algoritma Multinomial Naïve Bayes yang mengklasifikasikan teks menjadi kategori “sederhana” dan “tidak sederhana”. Dataset disusun secara manual dengan mengumpulkan kalimat dari buku dan majalah anak, lalu mengidentifikasi kata atau frasa sulit bagi anak usia 10–12 tahun. Metode penelitian mencakup tahapan preprocessing (tokenisasi, stopword removal, stemming), pelabelan teks, pembagian data latih dan uji (70:30), pelatihan model dengan optimasi parameter α, serta evaluasi menggunakan akurasi, balanced accuracy, precision, recall, dan F1-score. Hasil penelitian menunjukkan akurasi sebesar 93,72% pada data latih dan 92,49% pada data uji, dengan balanced accuracy masing-masing 94,23% dan 92,59%. Nilai precision, recall, dan F1-score rata-rata mencapai 0,92, menandakan kinerja model yang konsisten pada kedua kelas. Visualisasi confusion matrix menunjukkan sebagian besar prediksi tepat, meskipun masih terdapat kesalahan klasifikasi pada teks dengan makna ambigu. Penelitian ini membuktikan bahwa Naïve Bayes efektif dalam mengklasifikasikan tingkat kesederhanaan teks berbahasa Indonesia, serta berpotensi menjadi solusi teknologi pendukung pendidikan inklusif bagi anak-anak dengan disleksia
A PEMULIHAN CITRA AKIBAT DEGRADASI DIGITAL MENGGUNAKAN PIX2PIX GENERATIVE ADVERSARIAL NETWORKS (GAN) Abdillah, Minan; Mulyono, Sri
Jurnal Rekayasa Sistem Informasi dan Teknologi Vol. 3 No. 1 (2025): Agustus
Publisher : Yayasan Nuraini Ibrahim Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70248/jrsit.v3i1.2959

Abstract

Kerusakan digital pada citra dapat menghilangkan detail penting dan menurunkan kualitas visual. Penelitian ini bertujuan mengembangkan sistem restorasi citra berbasis Pix2Pix Generative Adversarial Networkss (GAN) dengan U-Net sebagai Generator dan PatchGAN sebagai Discriminator. Dataset yang digunakan adalah CelebA-HQ beresolusi 256×256 pixel yang dimodifikasi menjadi tiga tingkat kerusakan yaitu ringan, sedang, dan berat. Proses pelatihan dilakukan selama 100 epoch menggunakan optimizer Adam dengan penyesuaian rasio pembaruan Generator–Discriminator (1:1, 2:1, dan 3:1) untuk menjaga stabilitas model. Evaluasi dilakukan menggunakan Structural Similarity Index Measure (SSIM) dan Peak Signal-to-Noise Ratio (PSNR). Hasil menunjukkan model mampu mencapai SSIM 0,9226 dan PSNR 32,68 dB, yang menandakan keberhasilan dalam mempertahankan struktur spasial serta meningkatkan kualitas visual citra hasil restorasi. Pengujian pada tiga kategori kerusakan menunjukkan tingkat keberhasilan rata-rata di atas 90% pada kerusakan ringan dan sedang, serta 85–90% pada kerusakan berat, meskipun detail halus seperti hidung dan rambut belum sepenuhnya sempurna. Dibandingkan metode konvensional, pendekatan GAN terbukti lebih efektif dalam menghasilkan citra yang realistis dan natural. Selain itu, sistem diimplementasikan dalam bentuk aplikasi web yang memudahkan pengguna melakukan unggah, restorasi, dan unduh citra secara praktis. Dengan demikian, penelitian ini menyimpulkan bahwa pendekatan Pix2Pix berbasis GAN efektif untuk pemulihan citra digital dan memiliki potensi untuk dikembangkan lebih lanjut pada berbagai domain citra termasuk medis maupun arsip sejarah digital. 
PREDIKSI KONSUMSI ENERGI MENGGUNAKAN REGRESI LINIER DAN MULTILAYER PERCEPTRON (MLP) PADA ALGORITMA KONSENSUS PROOF OF WORK (POW) Wahid Ivan Saputra; Bagus Satrio Waluyo Poetro
Jurnal Rekayasa Sistem Informasi dan Teknologi Vol. 3 No. 1 (2025): Agustus
Publisher : Yayasan Nuraini Ibrahim Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70248/jrsit.v3i1.3000

Abstract

This study discusses energy consumption prediction in blockchain networks based on the Proof of Work (PoW) consensus algorithm, using a Bitcoin case study. The main issue raised is the high energy consumption in the PoW mechanism, which is dynamic and non-linear, making it difficult to accurately predict using simple linear methods. This study proposes a combined approach between the Prophet model to predict energy consumption trends and the Multi-Layer Perceptron (MLP) model to estimate the energy consumption gap (gap_twh) between the estimated and minimum values. The data used comes from Digiconomist, covering the period 2017–2025, with research stages including data cleaning, feature engineering, normalization, modeling, and evaluation using MAE, MSE, and R² metrics. The results show that the combination of Prophet and MLP is able to provide more precise predictions than the linear regression model as a baseline, with interactive visualization through a Streamlit-based dashboard that facilitates interpretation of trends and uncertainty ranges. These findings are expected to serve as a reference for researchers, industry players, and policymakers in monitoring and optimizing energy consumption in crypto mining activities.
Perancangan User Interface Aplikasi Pembelajaran Rantai Makanan Berbasis Mobile untuk Kelas V SD Celvin Collins Tan; Muhammad Setiyawan; Muhammad Luqmanul Hakim
Jurnal Rekayasa Sistem Informasi dan Teknologi Vol. 3 No. 1 (2025): Agustus
Publisher : Yayasan Nuraini Ibrahim Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70248/jrsit.v3i1.3015

Abstract

Pembelajaran konvensional mengenai konsep ekologi yang abstrak, seperti rantai makanan, seringkali menjadi tantangan bagi siswa Sekolah Dasar (SD) kelas V, yang dapat mengakibatkan rendahnya motivasi dan pemahaman. Penelitian ini bertujuan untuk merancang antarmuka pengguna (User Interface - UI) sebuah aplikasi pembelajaran berbasis mobile yang inovatif untuk mengatasi masalah tersebut. Metode perancangan yang digunakan adalah Design Thinking, sebuah pendekatan yang berpusat pada pengguna dan terdiri dari lima tahapan: Empathize, Define, Ideate, Prototype, dan Test. Aplikasi yang dirancang mengintegrasikan tiga fitur utama: materi pembelajaran interaktif, kuis evaluatif, dan minigames yang edukatif untuk meningkatkan keterlibatan siswa. Proses perancangan menghasilkan sebuah prototipe interaktif berketelitian tinggi (high-fidelity) yang kemudian diuji pada target pengguna. Hasil uji ketergunaan (usability testing) menunjukkan respons yang sangat positif dari siswa, yang mengindikasikan bahwa desain aplikasi berhasil memenuhi kebutuhan dan preferensi mereka, serta efektif dalam menyajikan materi pembelajaran. Penelitian ini memberikan kontribusi pada pengembangan teknologi pendidikan dengan menyajikan model perancangan aplikasi pembelajaran IPA yang interaktif dan menarik bagi anak-anak
IMPLEMENTASI MODEL LONG SHORT-TERM MEMORY PADA SISTEM CHATBOT LAYANAN INFORMASI PENYAKIT DIABETES Gigih Pangudi Arta; Moch Taufik
Jurnal Rekayasa Sistem Informasi dan Teknologi Vol. 3 No. 1 (2025): Agustus
Publisher : Yayasan Nuraini Ibrahim Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70248/jrsit.v3i1.3033

Abstract

Kesehatan merupakan aspek penting dalam kehidupan manusia, namun masih sering diabaikan, terutama oleh generasi muda. Salah satu penyakit kronis yang terus meningkat prevalensinya adalah diabetes, yang banyak dipengaruhi oleh pola hidup tidak sehat. Penelitian ini bertujuan merancang dan mengembangkan chatbot berbasis algoritma Long Short-Term Memory (LSTM) sebagai sarana layanan informasi mengenai penyakit diabetes. Dataset penelitian diperoleh dari Alodokter, berupa kumpulan pertanyaan dan jawaban seputar diabetes. Proses pengolahan data mencakup pembersihan teks, lemmatization, tokenisasi, encoding, dan padding agar sesuai untuk pelatihan model. Model LSTM kemudian dilatih dan dievaluasi menggunakan metrik akurasi, precision, recall, dan f1-score. Hasil pelatihan menunjukkan akurasi meningkat hingga 92,7% dengan nilai loss yang menurun secara konsisten, sedangkan hasil evaluasi akhir menghasilkan akurasi 94%, dengan precision, recall, dan f1-score rata-rata mencapai 0,93–0,96. Temuan ini menunjukkan bahwa algoritma LSTM mampu membangun chatbot kesehatan yang akurat, responsif, serta berpotensi mendukung layanan edukasi digital bagi penderita diabetes maupun masyarakat umum
IMPLEMENTASI MODEL GATED RECURRENT UNIT (GRU) ATAU EXTREME GREDIENT BOOSTING (XGBOOST) UNTUK PREDIKSI HARGA CRYPTOCURRENCY ETHEREUM Muhammad Fakhrul Reza; Ghufron
Jurnal Rekayasa Sistem Informasi dan Teknologi Vol. 3 No. 1 (2025): Agustus
Publisher : Yayasan Nuraini Ibrahim Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70248/jrsit.v3i1.3031

Abstract

Ethereum, as one of the major crypto assets, has high price volatility, creating a need for accurate predictive models to aid investment decision-making. This study aims to implement the performance of two popular machine learning models: the Gated Recurrent Unit (GRU), a deep learning model for sequential data, and Extreme Gradient Boosting (XGBoost), an ensemble model. The data used is historical daily Ethereum price data that includes the Open, High, Low, Close, and Volume (OHLCV) features. The research method includes data pre-processing stages such as Min-Max Scaler normalization and data splitting with a ratio of 80% training data and 20% testing data. The performance evaluation of both models was measured using the Root Mean Squared Error (RMSE) and R-squared (R²) metrics. The test results show that the GRU model produces better predictions, achieving an RMSE value of 101.37 and an R² of 0.9718, while the XGBoost model obtained an RMSE value of 107.29 and an R² of 0.9656. This indicates that GRU's ability to capture temporal patterns and dependencies in time-series data is superior for Ethereum price prediction. The study concluded that the GRU model is more effective and reliable for predicting Ethereum prices than XGBoost in this study.
Perancangan Website Desa Wisata Nogosaren sebagai Media Digital Marketing untuk Peningkatan Kunjungan Wisatawan Aron , Muhammad Aron; Saputro, Indrawan Ady
Jurnal Rekayasa Sistem Informasi dan Teknologi Vol. 3 No. 1 (2025): Agustus
Publisher : Yayasan Nuraini Ibrahim Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70248/jrsit.v3i1.3034

Abstract

Penelitian ini bertujuan                 untuk merancang dan membuat website untuk Desa Wisata Nogosaren sebagai alat pemasaran digital guna meningkatkan jumlah pengunjung. Desa Nogosaren memiliki potensi wisata alam, seperti Gunung Gajah dan Kali Pancur, tetapi mengalami kesulitan dalam promosi karena terbatasnya media digital. Metode penelitian yang digunakan meliputi perencanaan, persiapan, pelaksanaan, dan evaluasi. Website ini dibangun dengan menggunakan framework CodeIgniter, bahasa pemrograman PHP dan HTML, serta database MySQL, dengan fokus pada aspek antarmuka pengguna (UI) dan pengalaman pengguna (UX) agar mudah digunakan. Hasil penelitian menunjukkan bahwa website yang dibuat berhasil meningkatkan akses informasi tentang wisata hingga 80%, memperluas jangkauan promosi, dan meningkatkan jumlah pengunjung. Selain itu, keterlibatan masyarakat dalam sosialisasi, pelatihan, dan evaluasi membantu memperkuat rasa memiliki dan keberlanjutan sistem. Dengan demikian, website Desa Wisata Nogosaren tidak hanya berfungsi sebagai sumber informasi dan promosi, tetapi juga sebagai wadah partisipasi masyarakat dalam pengembangan pariwisata berbasis digital
PERANCANGAN ANTARMUKA PENGGUNA DAN PENGALAMAN PENGGUNA (UI/UX) APLIKASI ISO STOCK Wibowo, Satrio; Ady Saputro, Indrawan
Jurnal Rekayasa Sistem Informasi dan Teknologi Vol. 3 No. 1 (2025): Agustus
Publisher : Yayasan Nuraini Ibrahim Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70248/jrsit.v3i1.3037

Abstract

Penelitian ini bertujuan merancang antarmuka pengguna (UI) dan pengalaman pengguna (UX) aplikasi Iso Stock sebagai platform jual beli karya fotografi dan videografi berbasis mobile. Metode yang digunakan adalah Design Thinking dengan lima tahapan, yaitu Empathize, Define, Ideate, Prototype, dan Test. Hasil perancangan menghasilkan prototipe aplikasi dengan fitur utama registrasi, login, pencarian konten, pembelian, unduhan, dan portofolio kreator yang dirancang agar mudah digunakan baik oleh kreator maupun konsumen. Pengujian menggunakan Blackbox Testing terhadap 10 responden menunjukkan rata-rata keberhasilan 86%, di mana sebagian besar fitur berjalan sesuai harapan, namun pencarian konten dan notifikasi transaksi masih memerlukan perbaikan. Secara keseluruhan, aplikasi Iso Stock mampu menjawab kebutuhan kreator dalam memasarkan karya dan kebutuhan konsumen terhadap konten visual berkualitas, meskipun pengembangan lebih lanjut tetap diperlukan untuk menyempurnakan pengalaman pengguna.
PREDIKSI PENGGUNAAN AIR BERSIH PERUSAHAAN UMUM DAERAH AIR MINUM MENGGUNAKAN ALGORITMA LONG SHORT TERM MEMORY Hendri Kurniawan; Bagus Satrio Waluyo Poetro
Jurnal Rekayasa Sistem Informasi dan Teknologi Vol. 3 No. 1 (2025): Agustus
Publisher : Yayasan Nuraini Ibrahim Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70248/jrsit.v3i1.3041

Abstract

Perusahaan Umum Daerah Air Minum (PDAM) memiliki peran penting dalam menyediakan layanan air bersih bagi masyarakat. Tantangan utama yang dihadapi adalah bagaimana memprediksi kebutuhan air secara akurat agar distribusi berjalan optimal dan berkelanjutan. Penelitian ini bertujuan untuk membangun model prediksi penggunaan air bersih dengan menggunakan algoritma Long Short-Term Memory (LSTM), salah satu jenis Recurrent Neural Network (RNN) yang efektif dalam mempelajari pola data deret waktu. Data penelitian berupa catatan historis jumlah pelanggan dan volume pemakaian air bersih dari 15 wilayah layanan PDAM Kabupaten Kendal periode 2020-2025. Tahapan penelitian meliputi pra-pemrosesan data, perancangan dan pelatihan model, evaluasi performa, serta implementasi sistem prediksi berbasis web menggunakan Streamlit. Hasil evaluasi menunjukkan bahwa model LSTM mampu memberikan prediksi dengan tingkat akurasi yang baik. Rata-rata nilai Mean Absolute Percentage Error (MAPE) untuk prediksi jumlah pemakaian air berada pada kisaran 3-5%, sedangkan untuk jumlah pelanggan rata-rata di bawah 2%. Selain itu, nilai Root Mean Squared Error (RMSE) juga relatif rendah sehingga model dapat menyesuaikan dengan pola fluktuatif pada setiap wilayah. Implementasi ke dalam aplikasi web memudahkan PDAM melakukan analisis prediksi secara interaktif dan mendukung perencanaan distribusi air yang lebih efisien
SISTEM DETEKSI OTOMATIS HELM UNTUK PROYEK KESELAMATAN KERJA BERBASIS YOLOv8: Laporan ini Disusun Guna Memenuhi Salah Satu Syarat Memperoleh Gelar Sarjana Strata (S1) pada Program Studi Teknik Informatika Fakultas Teknologi Industri Universitas Islam Sultan Agung Semarang Muhammad Azizul Mustofa; Bagus Satrio Waluyo Poetro
Jurnal Rekayasa Sistem Informasi dan Teknologi Vol. 3 No. 1 (2025): Agustus
Publisher : Yayasan Nuraini Ibrahim Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70248/jrsit.v3i1.3043

Abstract

Keselamatan kerja di industri konstruksi sangat ditentukan oleh kepatuhan pekerja dalam penggunaan Alat Pelindung Diri (APD), khususnya helm keselamatan. Rendahnya tingkat kedisiplinan pekerja serta keterbatasan pengawasan manual menjadi tantangan serius di lapangan. Penelitian ini bertujuan untuk mengembangkan sistem deteksi otomatis penggunaan helm berbasis algoritma YOLOv8n yang mampu bekerja secara real-time melalui kamera CCTV dengan efisiensi tinggi pada perangkat komputasi terbatas. Metode penelitian meliputi pengumpulan 1.000 gambar teranotasi yang terdiri dari pekerja dengan dan tanpa helm, anotasi data menggunakan Roboflow, pembagian dataset (80% training, 10% validation, 10% testing), serta pelatihan model di Google Colab menggunakan parameter batch size 16, image size 640, epoch 100, dan learning rate 0,0001. Hasil pengujian menunjukkan tingkat akurasi sebesar 74% pada skenario pekerja berhelm dan 81% pada pekerja tanpa helm. Evaluasi melalui confusion matrix juga mengindikasikan kemampuan model dalam mendeteksi kategori helmet dengan tingkat presisi 85%, sementara pada kategori non-helmet model mencapai 100% akurasi. Temuan ini membuktikan bahwa YOLOv8n memiliki potensi besar dalam mendukung sistem pengawasan Keselamatan dan Kesehatan Kerja (K3) secara otomatis, sehingga dapat membantu mengurangi angka kecelakaan kerja. Penelitian ini membuka peluang pengembangan lebih lanjut, seperti deteksi APD lain serta integrasi dengan fitur notifikasi otomatis berbasis IoT.

Page 18 of 19 | Total Record : 189

 15   16   17   18   19 

Filter by Year

2023 2025


Reset
Filter By Issues
All Issue Vol. 3 No. 2 (2025): November Vol. 3 No. 1 (2025): Agustus Vol. 2 No. 4 (2025): Mei Vol. 2 No. 3 (2025): Februari Vol. 2 No. 2 (2024): November Vol. 2 No. 1 (2024): Agustus Vol. 1 No. 4 (2024): Mei Vol. 1 No. 3 (2024): Februari Vol. 1 No. 2 (2023): November Vol. 1 No. 1 (2023): Agustus