cover
Contact Name
Muhammad Amanulloh Mz
Contact Email
top.rampublisher@gmail.com
Phone
+628557068499
Journal Mail Official
top.rampublisher@gmail.com
Editorial Address
Jalan Beji No. 01. RT.003/RW.001 Ds. Sawiji Kec. Jogoroto Kab. Jombang, Jawa Timur, Indonesia. 61485
Location
Kab. jombang,
Jawa timur
INDONESIA
SITEKNIK: Sistem Informasi, Teknik dan Teknologi Terapan
Published by RAM PUBLISHER
ISSN : 30901626     EISSN : 30323991     DOI : -
SITEKNIK: Sistem Informasi, Teknik dan Teknologi Terapan or in English the publication title Information Systems, Engineering and Applied Technology is an open access journal committed to publishing high quality research articles in the fields of Information Systems, Informatics, Digital Communication Information Technology, Tourism Technology, Transportation Technology, Agricultural Technology, Plantations, Fisheries, Marine, Environmental Technology, Artificial Intelligence, Mechanical Engineering, Electrical Engineering, Industrial Engineering and Civil Engineering. Published 4 X (Times) a year in January, April, July, and October. SITEKNIK accepts and selects quality articles and focuses on providing the best service for writers. SITEKNIK is committed to being a leading platform for researchers to share their innovative findings. We also provide a fast and transparent review process to ensure the quality and originality of each published article.
Articles 126 Documents
Implementasi Teknologi Mediapipe Menggunakan Metode CNN Berbasis Website Untuk Pengamanan VVIP Dalam Mobil M. Ilham AlFatrah; Hery Sudaryanto; H. A. Danang Rimbawa
SITEKNIK: Sistem Informasi, Teknik dan Teknologi Terapan Vol. 2 No. 3 (2025): July
Publisher : RAM PUBLISHER

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

Abstract

Penelitian ini bertujuan mengembangkan sistem deteksi gestur tangan berbasis MediaPipe dan Convolutional Neural Network (CNN) guna meningkatkan efektivitas pengamanan VVIP. Mengingat ancaman modern yang semakin kompleks, sistem ini dirancang untuk mendeteksi gestur darurat secara real-time dan memungkinkan respons cepat. Metodologi yang digunakan meliputi pengumpulan dataset gestur tangan, anotasi data menggunakan MediaPipe, dan pelatihan model CNN di Google Colab. Kinerja model dievaluasi dengan metrik akurasi, presisi, recall, dan F1-score. Pengujian juga dilakukan dalam berbagai kondisi, seperti pencahayaan rendah dan gerakan cepat, untuk menilai ketangguhan sistem di dunia nyata. Hasilnya, sistem ini berhasil mendeteksi gestur tangan darurat dengan akurasi tinggi dan kecepatan kurang dari satu detik. Kinerja optimal, dengan akurasi mendekati 100%, tercapai pada kondisi pencahayaan yang baik. Meskipun akurasi sedikit menurun pada kondisi ekstrem, integrasi sistem pada platform website memungkinkan pengawasan dan pengambilan keputusan cepat di pusat komando. Penelitian ini membuktikan bahwa kombinasi MediaPipe dan CNN adalah solusi inovatif, namun optimasi lebih lanjut tetap dibutuhkan.
Daftar Manajemen Arsip Berbasis Digital Untuk Mahasiswa Baru (Studi Kasus: SDN Pasar Baru 05 Tangerang) Rahul Raihan Pratama; Dewi Setiowati
SITEKNIK: Sistem Informasi, Teknik dan Teknologi Terapan Vol. 3 No. 4 (2026): October
Publisher : RAM PUBLISHER

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.5281/zenodo.22963970

Abstract

Arsip merupakan komponen penting dalam proses administrasi pendidikan. Di SDN Pasar Baru 5 Tangerang, pengelolaan arsip pendaftaran ulang siswa baru masih dilakukan secara manual sehingga menimbulkan berbagai masalah, seperti sulitnya pencarian data, risiko kehilangan dokumen, serta ketidakefisienan waktu dalam penyimpanan. Penelitian ini dilakukan untuk mengembangkan sistem pengelolaan arsip berbasis digital menggunakan framework Laravel agar proses administrasi menjadi lebih efektif, efisien, dan aman. Metode yang digunakan dalam penelitian ini adalah Waterfall Model, yang terdiri atas tahapan analisis kebutuhan, perancangan, implementasi, pengujian, dan pemeliharaan. Hasil pengujian menunjukkan bahwa sistem dapat mengelola dokumen secara digital dengan baik, mempermudah proses pencarian, serta meningkatkan akurasi dan keamanan data.
Analisis Faktor Penerimaan Aplikasi Tokopedia Menggunakan Technology Acceptance Model (TAM) Theresia Intan; Rini Nuraini; Heru Dian Setiawan; Warjiyono; Sabil; Rima Tamara Aldisa
SITEKNIK: Sistem Informasi, Teknik dan Teknologi Terapan Vol. 3 No. 4 (2026): October
Publisher : RAM PUBLISHER

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.5281/zenodo.23172904

Abstract

Studi ini bertujuan memanfaatkan Technology Acceptance Model (TAM) untuk meneliti bagaimana Perceived Ease of Use dan Perceived Effectiveness memengaruhi Behavioral Intention to Use (ITU) dalam konteks aplikasi Tokopedia. Pendekatan kuantitatif digunakan, menekankan analisis kausal dan deskriptif. Behavioral Intention of Use (ITU) ditetapkan sebagai variabel dependen, Perceived Ease of Use (PEOU) sebagai variabel independen, dan Perceived Effectiveness (PU) sebagai variabel mediasi. Data dikumpulkan melalui kuesioner Google Forms yang diisi oleh 43 responden dan kemudian dianalisis menggunakan perangkat lunak SPSS 23. Hasilnya menunjukkan bahwa hanya satu dari tiga hipotesis yang diterima dan menunjukkan dampak signifikan: hipotesis yang menyatakan bahwa Perceived Ease of Use meningkatkan Behavioral Intention to Use. Sebaliknya, tidak ditemukan pengaruh signifikan terkait hubungan antara Perceived Ease of Use dan Perceived Effectiveness, maupun antara Perceived Effectiveness dan Behavioral Intention to Use. Selain itu, pengujian keandalan menggunakan teknik Alpha Cronbach menghasilkan skor 0,924 untuk Kegunaan yang Dirasakan, 0,933 untuk Kemudahan Penggunaan yang Dirasakan, dan 0,955 untuk Niat Perilaku untuk Digunakan. Semua nilai Alpha Cronbach melebihi 0,70, menunjukkan bahwa setiap instrumen penelitian dapat diandalkan dan cocok untuk analisis lebih lanjut.
Strategic Information Systems and Digital Capability as Enablers of Digital Transformation in Indonesian Higher Education University Ahmad Subadri; Ikra Muhibban Ananta; Ishmah Afiyah; Mega Fitri Yani
SITEKNIK: Sistem Informasi, Teknik dan Teknologi Terapan Vol. 3 No. 4 (2026): October
Publisher : RAM PUBLISHER

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.5281/zenodo.23784461

Abstract

Digital transformation has become an essential strategic initiative for higher education institutions seeking to improve service quality, enhance operational efficiency, and strengthen data-driven governance. Despite the increasing adoption of digital technologies, limited empirical research has examined how Strategic Information Systems (SIS) contribute to Digital Transformation through the development of Digital Capability. This study investigates the relationship between Strategic Information Systems, Digital Capability, and Digital Transformation in the higher education context. An exploratory qualitative case study was conducted at University PGRI Yogyakarta (UPY), Indonesia. Data were collected through semi-structured interviews, observations, organizational documents, and insider inquiry, and analyzed using thematic analysis. The findings reveal that Strategic Information Systems serve as key enablers by providing integrated digital infrastructure, facilitating information sharing, and supporting organizational decision-making. These capabilities strengthen Digital Capability, which subsequently drives Digital Transformation across the institution. The study also shows that Digital Capability supports process integration, continuous system enhancement, service innovation, and data-driven governance practices. Informants also reported value creation in academic and administrative services. This research contributes to the Information Systems literature by providing exploratory evidence on the role of Digital Capability in linking Strategic Information Systems with Digital Transformation. The findings offer practical guidance for university leaders and information system managers in developing integrated digital ecosystems that support long-term institutional development.
Integrasi IoT, GIS, dan AI untuk Pemantauan Hutan Cerdas Perhutani Muhamad Sabri Ahmad; Moh. Syadad Mahiri
SITEKNIK: Sistem Informasi, Teknik dan Teknologi Terapan Vol. 3 No. 4 (2026): October
Publisher : RAM PUBLISHER

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.5281/zenodo.23433594

Abstract

Transformasi digital Perhutani telah ditopang oleh pemanfaatan sistem informasi geospasial untuk pengumpulan, pemusatan, dan penyajian informasi pengelolaan hutan. Namun, sistem geospasial belum secara otomatis menyediakan pemantauan mikroklimat secara kontinu, analisis risiko multimodal, dan peringatan dini yang terhubung langsung dengan tindak lanjut petugas. Penelitian ini bertujuan merancang kerangka teknologi hutan cerdas yang mengintegrasikan sensor Internet of Things (IoT), komunikasi Long Range (LoRa), Sistem Informasi Geografis (GIS), citra satelit dan wahana udara nirawak (UAV), serta kecerdasan buatan (AI) untuk pemantauan kesehatan hutan dan deteksi dini risiko kebakaran pada kawasan yang dikelola Perhutani. Penelitian menggunakan pendekatan design science research melalui analisis kebutuhan, perancangan arsitektur, pemodelan skor risiko, simulasi berbasis rentang data UCI Forest Fires, dan penyusunan indikator evaluasi. Kebaruan penelitian terletak pada integrasi GIS Perhutani dengan pemantauan lingkungan berdaya rendah, penilaian risiko multimodal, dan validasi petugas dalam satu siklus operasional tertutup. Hasil simulasi menunjukkan skor rata-rata meningkat dari 0,148 pada kategori rendah menjadi 0,870 pada kategori kritis. Kerangka yang diusulkan memberikan dasar terukur untuk uji percontohan dan kalibrasi menggunakan data lokal Perhutani.
Depression Detection Using a Hybrid Convolutional Neural Network and Recurrent Neural Network Approach Khadijat Jibrin; Mustapha Ismail; Maimuna Salisu Tabra
SITEKNIK: Sistem Informasi, Teknik dan Teknologi Terapan Vol. 3 No. 4 (2026): October
Publisher : RAM PUBLISHER

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.5281/zenodo.23934490

Abstract

Depression is a widespread psychological condition that disrupts how people feel, think, and function, and recognising it early allows support to begin before symptoms worsen. Most automated approaches rely either on conventional machine learning, which struggles with interacting risk factors, or on single deep learning models that capture only one type of pattern. Here we propose a hybrid network that joins one-dimensional convolutional layers (CNN) to a bidirectional long short-term memory layer (BiLSTM) in order to separate depressed from non-depressed students. The novelty lies in treating structured demographic, academic, and lifestyle attributes as an ordered sequence so that convolutional and bidirectional recurrent layers can learn their interactions jointly. An open Kaggle dataset of 27,901 student records with 16 attributes was used. Missing values were imputed, categorical attributes were encoded, numerical features were standardised, and class weighting was applied; 80% of the records were used for training, while a stratified 20% was kept aside for testing. Evaluation relied on six measures: accuracy, precision, recall, F1-score, area under the ROC curve, and Matthews correlation. On the unseen test records the network reached 84% accuracy, with F1 = 0.84, ROC-AUC = 0.91, and MCC = 0.67, outperforming the classical models reported in comparable studies. The framework offers a reliable and scalable basis for automated mental-health screening in educational settings.

Page 13 of 13 | Total Record : 126