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 216 Documents
 18   19   20   21   22 
IMPLEMENTASI SISTEM INFORMASI PENDAFTARAN ANGGOTA KLUB BERBASIS WEB DI TAEKWONDO YETECE CLUB Julia; Muhammad Encep; La Ode Amril
Jurnal Rekayasa Sistem Informasi dan Teknologi Vol. 3 No. 4 (2026): Mei
Publisher : Yayasan Nuraini Ibrahim Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Administrasi keanggotaan yang efisien merupakan pondasi penting bagi pengelolaan klub olahraga yang profesional. Di Taekwondo Yetece Club, proses pendaftaran anggota baru masih mengandalkan formulir fisik dan pencatatan yang terfragmentasi, sehingga rentan terhadap redundansi data dan inefisiensi rekapitulasi. Penelitian ini bertujuan untuk merancang dan membangun sistem informasi pendaftaran anggota berbasis web guna mengotomatisasi alur pendaftaran dan memusatkan manajemen basis data. Pengembangan sistem menerapkan metode System Development Life Cycle (SDLC) model Waterfall, dan diimplementasikan menggunakan bahasa pemrograman PHP Native serta basis data MySQL. Hasil pengujian fungsionalitas menggunakan metode Black Box Testing menunjukkan bahwa seluruh fitur utama sistem, meliputi aksesibilitas publik, pengiriman formulir pendaftaran, manajemen konten, hingga verifikasi oleh admin, telah berjalan 100% valid sesuai rancangan. Implementasi sistem ini sangat krusial karena terbukti memecahkan masalah fragmentasi data, menghilangkan proses entri data ganda, dan memberikan kemudahan akses pendaftaran daring, sehingga secara langsung meningkatkan efisiensi operasional dan citra profesional klub
PENGEMBANGAN SISTEM INFORMASI PENGADUAN KERUSAKAN BARANG BERBASIS WEB MENGGUNAKAN METODE WATERFALL Rifki Arif Rahman; Gugun Gunaedi; Susi Maulidiah
Jurnal Rekayasa Sistem Informasi dan Teknologi Vol. 3 No. 4 (2026): Mei
Publisher : Yayasan Nuraini Ibrahim Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Penelitian ini bertujuan untuk mengembangkan sistem informasi pengaduan kerusakan barang berbasis web yang dapat memfasilitasi proses pelaporan, pengelolaan, dan pemantauan status perbaikan secara terintegrasi, terdigitalisasi, dan transparan pada lingkungan asrama. Metode penelitian yang digunakan adalah Research and Development (R&D) dengan model pengembangan perangkat lunak Waterfall yang meliputi tahapan analisis kebutuhan, perancangan sistem, implementasi, pengujian, dan pemeliharaan. Sistem dikembangkan menggunakan bahasa pemrograman PHP, basis data MySQL, serta menerapkan arsitektur three-tier yang terdiri atas presentation layer, application layer, dan data layer. Pengujian sistem dilakukan menggunakan Black Box Testing untuk menguji fungsionalitas sistem dan User Acceptance Testing (UAT) yang melibatkan 26 responden terdiri atas 6 petugas/admin dan 20 penghuni asrama. Hasil penelitian menunjukkan bahwa seluruh fitur sistem berjalan sesuai dengan spesifikasi yang ditetapkan tanpa ditemukan kesalahan fungsional yang signifikan. Hasil UAT memperoleh nilai rata-rata sebesar 4,61 dengan kategori sangat baik, yang menunjukkan bahwa sistem mudah digunakan, memiliki fitur yang sesuai kebutuhan pengguna, serta mampu meningkatkan efektivitas, transparansi, dan efisiensi proses pengaduan kerusakan barang. Simpulan, bahwa sistem informasi pengaduan kerusakan barang berbasis web yang dikembangkan layak diterapkan sebagai solusi digital dalam pengelolaan pengaduan kerusakan barang pada institusi pengelola fasilitas hunian karena mampu mendukung proses pelaporan, pemantauan, dan penanganan kerusakan secara lebih terstruktur, transparan, dan efisien.  
PREDIKSI RESISTENSI OBAT PADA MYCOBACTERIUM TUBERCULOSIS MENGGUNAKAN HYBRID GRAPH NEURAL NETWORK–SENTENCE TRANSFORMER DAN XGBOOST DENGAN EXPLAINABILITY BERBASIS GRAPHRAG Ahmad Fahim Nidhom; Sri Mulyono; Ella Heriyawati
Jurnal Rekayasa Sistem Informasi dan Teknologi Vol. 3 No. 4 (2026): Mei
Publisher : Yayasan Nuraini Ibrahim Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Penelitian ini bertujuan untuk membangun model prediksi resistensi obat pada Mycobacterium tuberculosis yang akurat dan dapat dijelaskan (explainable) melalui integrasi Hybrid Graph Neural Network (GNN), Sentence Transformer, XGBoost, dan Graph Retrieval-Augmented Generation (GraphRAG). Metode penelitian yang digunakan adalah pendekatan komputasi berbasis hybrid representation learning dengan memanfaatkan data mutasi dari Tuberculosis Drug Resistance Database (TBDB) yang terdiri atas 49.328 entri mutasi. Tahapan penelitian meliputi preprocessing data, pembentukan biomedical knowledge graph, ekstraksi embedding struktural menggunakan GNN berdimensi 64, embedding semantik menggunakan Sentence Transformer berdimensi 384, penggabungan fitur menjadi hybrid embedding 448 dimensi, klasifikasi menggunakan XGBoost, serta implementasi GraphRAG sebagai mekanisme explainability. Hasil penelitian menunjukkan bahwa model Hybrid GNN–Sentence Transformer dan XGBoost mampu mencapai akurasi 98,85%, precision 93,4%, recall 95,7%, F1-score 94,5%, dan ROC-AUC 0,998, serta mengungguli model berbasis representasi tunggal. Validasi terhadap literatur ilmiah dan katalog mutasi WHO menunjukkan tingkat akurasi kasus sebesar 95%, lebih tinggi dibandingkan model tabular yang memperoleh 86%. Selain itu, GraphRAG menghasilkan interpretasi berbasis bukti biologis dengan tingkat konsistensi 79%, tanpa ditemukan kesalahan under-risk, sehingga mampu meningkatkan transparansi dan keandalan hasil prediksi. Simpulan penelitian ini adalah bahwa integrasi representasi struktural graf dan representasi semantik teks melalui pendekatan hybrid, yang didukung mekanisme explainability berbasis GraphRAG, efektif dalam meningkatkan akurasi prediksi resistensi obat pada Mycobacterium tuberculosis serta menyediakan penjelasan yang dapat ditelusuri dan relevan untuk mendukung pengambilan keputusan klinis berbasis genomik.  
KAJIAN KONSEPTUAL INTEGRASI ARTIFICIAL INTELLIGENCE DALAM PEMBELAJARAN BERBASIS OUTCOME-BASED EDUCATION (OBE) Akhmad Aris Tantowi; Yudha Randa Mad’hika; Ahmad Yusuf Malik
Jurnal Rekayasa Sistem Informasi dan Teknologi Vol. 3 No. 4 (2026): Mei
Publisher : Yayasan Nuraini Ibrahim Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Perkembangan Artificial Intelligence (AI) telah mendorong transformasi sistem pendidikan menuju pembelajaran yang lebih adaptif, personal, dan berbasis data. Dalam konteks Outcome-Based Education (OBE), integrasi AI menjadi penting karena mampu mendukung pencapaian capaian pembelajaran secara lebih efektif dan terukur. Penelitian ini bertujuan untuk mengkaji secara konseptual integrasi Artificial Intelligence dalam pembelajaran berbasis Outcome-Based Education (OBE) serta menganalisis manfaat, tantangan, dan implikasinya terhadap transformasi pendidikan digital di Indonesia. Penelitian menggunakan metode literature review dengan menganalisis 25 artikel ilmiah nasional dan internasional yang dipublikasikan pada tahun 2020–2026 dan diperoleh melalui Google Scholar serta GARUDA Kemdikbud. Seleksi literatur dilakukan berdasarkan relevansi topik, kualitas sumber, dan keterkaitan dengan implementasi AI dalam pendidikan berbasis OBE. Hasil kajian menunjukkan bahwa integrasi AI mampu meningkatkan personalisasi pembelajaran, efektivitas evaluasi capaian pembelajaran, efisiensi pengelolaan pembelajaran, serta penguatan keterampilan abad ke-21. Selain itu, AI mendukung adaptive learning, learning analytics, intelligent tutoring system, dan automatic assessment yang selaras dengan prinsip OBE. Namun demikian, implementasi AI masih menghadapi tantangan berupa keterbatasan infrastruktur teknologi, rendahnya literasi digital, kesiapan sumber daya manusia, serta persoalan etika dan keamanan data. Penelitian ini memberikan kontribusi konseptual dalam pengembangan model pembelajaran berbasis OBE yang terintegrasi dengan AI sebagai bagian dari transformasi pendidikan di era Society 5.0..
DETEKSI OBJEK BERBAHAYA PADA CITRA X-RAY DI BANDARA MENGGUNAKAN MODEL RESNET50 BERBASIS CONVOLUTIONAL NEURAL NETWORK Damar Riyadi Syahputra; Dedy Kurniadi
Jurnal Rekayasa Sistem Informasi dan Teknologi Vol. 3 No. 4 (2026): Mei
Publisher : Yayasan Nuraini Ibrahim Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Keamanan bandara sangat bergantung pada pemeriksaan bagasi menggunakan pemindai X-ray. Namun, faktor kelelahan petugas dan tumpang tindih barang (occlusion) memunculkan risiko human error. Penelitian ini bertujuan mengimplementasikan model deteksi objek otomatis menggunakan arsitektur RetinaNet dengan tulang punggung (backbone) Resnet50 berbasis Convolutional Neural Network (CNN) untuk mengidentifikasi objek berbahaya berupa Senjata Api, Pisau, Tang, Gunting, dan Kunci Inggris pada citra X-ray koper. Dataset yang digunakan adalah kumpulan citra publik SIXray sebanyak 8.295 citra. Pelatihan model menerapkan strategi two-stage training (pembekuan backbone dan fine tuning) serta memanfaatkan Focal Loss untuk mengatasi ketidakseimbangan kelas. Hasil prediksi kemudian disaring menggunakan algoritma Non-Maximum Suppression (NMS). Hasil pengujian menunjukkan model mencapai nilai Mean Average Precision (map) sebesar 43,71% pada IoU 50%, dengan map keseluruhan 23,37% dan Recall keseluruhan 32,07%. Model mendeteksi objek besar secara optimal dengan Recall 38,27%, namun masih kesulitan pada objek berukuran kecil akibat oklusi ekstrem dengan nilai Recall 1,43%. Secara kualitatif, model berhasil mengenali pola ancaman, meski masih memunculkan tumpang tindih bounding box dan beberapa false positive pada latar belakang. Kesimpulannya, model Resnet50-RetinaNet memiliki potensi sebagai sistem pendamping otomatis di bandara, namun memerlukan penambahan sampel latar belakang dan penyesuaian parameter NMS lebih ketat untuk meningkatkan presisi.
STUDI LITERATUR PENGEMBANGAN KURIKULUM BERBASIS OBE DENGAN INTEGRASI SISTEM KOMPUTER DAN AI Warno Warno; Akhmad Aris Tantowi
Jurnal Rekayasa Sistem Informasi dan Teknologi Vol. 3 No. 4 (2026): Mei
Publisher : Yayasan Nuraini Ibrahim Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Perkembangan teknologi digital dan Artificial Intelligence (AI) mendorong transformasi pendidikan tinggi, khususnya dalam pengembangan kurikulum berbasis Outcome-Based Education (OBE). Penelitian ini bertujuan untuk menganalisis pengembangan kurikulum OBE dengan integrasi sistem komputer dan AI dalam mendukung peningkatan kualitas pembelajaran di perguruan tinggi. Metode penelitian yang digunakan adalah studi literatur (literature review) dengan menelaah sebanyak 15 jurnal ilmiah, buku, prosiding, dan dokumen akademik yang relevan pada periode 2020–2026. Hasil kajian menunjukkan bahwa integrasi sistem komputer dan AI mampu meningkatkan efektivitas pembelajaran melalui penerapan Learning Management System (LMS), pembelajaran adaptif, analisis data pendidikan, sistem evaluasi otomatis, serta intelligent tutoring system. Selain itu, penerapan AI dalam kurikulum OBE juga mendukung peningkatan kompetensi digital, kemampuan berpikir kritis, dan kesiapan mahasiswa menghadapi kebutuhan industri berbasis teknologi. Hasil spesifik penelitian ini menunjukkan bahwa model integrasi AI berbasis OBE mampu meningkatkan personalisasi pembelajaran dan efisiensi evaluasi akademik secara lebih terukur dan sistematis. Namun, implementasi integrasi AI masih menghadapi tantangan berupa keterbatasan infrastruktur, rendahnya literasi digital, kompetensi dosen, serta isu etika penggunaan AI dalam pendidikan. Oleh karena itu, diperlukan strategi pengembangan kurikulum yang adaptif, penguatan literasi digital, dan dukungan kebijakan institusi agar implementasi kurikulum berbasis OBE dan AI dapat berjalan secara optimal dan berkelanjutan.

Page 22 of 22 | Total Record : 216

 18   19   20   21   22 

Filter by Year

2023 2026


Reset
Filter By Issues
All Issue Vol. 3 No. 4 (2026): Mei Vol. 3 No. 3 (2026): Februari 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 More Issue