cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Dentik Karyaningsih
Contact Email
jurnaljriti@gmail.com
Phone
+628121871795
Journal Mail Official
harsiti@yahoo.com
Editorial Address
http://ejurnal.jejaringppm.org/index.php/jriti/editorialteamjriti
Location
Kota serang,
Banten
INDONESIA
Jurnal Riset Informatika dan Teknologi Informasi (JRITI)
Published by Jejaring Penelitian dan Pengabdian Masyarakat
ISSN : 30248167     EISSN : 31098959     DOI : https://doi.org/10.58776/jriti.v3i1
Core Subject : Science,
Computer Science & IT
Jurnal Riset Informatika dan Teknologi Informasi merupakan jurnal ilmiah yang diterbitkan oleh Jejaring Penelitian dan Pengabdian Masyarakat (JPPM) Banten. Jurnal ilmiah ini memuat hasil riset dosen, peneliti, mahasiswa dan masyarakat umum dibidang informatika dan teknologi informasi serta rumpun dan turunannya. Jurnal ini terbit tiga kali dalam setahun. Terbitan pertama di bulan Agustus 2023. Sedangkan untuk periode terbit adalah Agustus, Desember, dan April. Adapun bidang riset yang menjadi fokus jurnal ini (dengan tanpa bermaksud membatasi) adalah terkait dengan topik : data mining, data science, pembelajaran mesin (machine learning), kecerdasan buatan, sistem pakar, sistem informasi manajemen, sistem pendukung keputusan, cyber security, soft computing, logika samar (fuzzy logic), pengenalan pola, computer vission, pengolahan citra digital, software engineering, manajemen proyek, software testing, dan topik lain terkait informatika dan teknologi informasi yang relevan.
Arjuna Subject : Ilmu Komputer (semua kategori) - Ilmu Komputer (Lain-Lain)
Articles 49 Documents
 1   2   3   4   5 
Deteksi Penyakit Pembibitan Pada Tanaman Durian Berdasarkan Citra Menggunakan Convolutional Neural Network RIZKI NURFIRDAUS, MUH. IQBAL
Jurnal Riset Informatika dan Teknologi Informasi Vol 2 No 1 (2024): Agustus - November 2024
Publisher : Jejaring Penelitian dan Pengabdian Masyarakat (JPPM)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58776/jriti.v2i1.61

Abstract

ABSTRAKSI Pembudidayaan tanaman durian di Indonesia memiliki nilai ekonomi yang tinggi, berbagai macam varian menjadikannya sangat diminati banyak orang. Namun keterbatasan pengetahuan tentang penyakit menjadikan alasan rendahnya kualitas dan harga dipasaran. Maka dari itu diperlukan sistem deteksi yang dapat mengelompokan ciri serta bentuk dari beberapa penyakit, Penelitian ini untuk mempermudah petani melakukan perawatan. Menggunakan metode Convolutional Neural Network(CNN) yang termasuk supervised learning sehingga dapat dilakukan untuk klasifikasi bagian tanaman durian yang terdampak dan pendekatan data yang sudah di latih serta bervariabel. Tujuan penelitian ini mengetahui jenis penyakit yang terdapat pada tanaman durian. Hasil pengujian yang telah dilakukan dengan tingkat akurasi kalisifikasi menggunakan CNN sebesar 0.9233 dengan pengulangan sebanyak 200 epochs dari proses yang dilakukan di dapatkan hasil berupa gambar dan keterangan jenis penyakit sehingga dapat membantu meningkatkan kualitas dan harga. Kata Kunci: CNN, pembibitan tanaman, deteksi, penyakit, kualitas dan harga. ABSTRACT The cultivation of durian plants in Indonesia has a high economic value, various variants make it very attractive to many people. However, limited knowledge about the disease is the reason for the low quality and price in the market. Therefore a detection system is needed that can classify the characteristics and forms of several diseases. This research is to make it easier for farmers to treat them. Using the Convolutional Neural Network (CNN) method which includes supervised learning so that it can be carried out for classification of affected parts of the durian plant and a data approach that has been trained and is variable. The purpose of this study was to determine the types of diseases found in durian plants. The results of tests that have been carried out with a classification accuracy level using CNN of 0.9233 with a repetition of 200 epochs from the process carried out get results in the form of pictures and descriptions of the types of diseases so that they canhelpimprovequalityandprice.Keywords: CNN, plant nursery, detection, disease, quality and price.
Deteksi Penyakit Pembibitan Pada Tanaman Durian Berdasarkan Citra Menggunakan Convolutional Neural Network RIZKI NURFIRDAUS, MUH. IQBAL; Rafi, Muhamad; Bayu Seno Adjie
Jurnal Riset Informatika dan Teknologi Informasi Vol 1 No 1 (2023): Agustus - November 2023
Publisher : Jejaring Penelitian dan Pengabdian Masyarakat (JPPM)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58776/jriti.v1i1.63

Abstract

The cultivation of durian plants in Indonesia has a high economic value, various variants make it very attractive to many people. However, limited knowledge about the disease is the reason for the low quality and price in the market. Therefore a detection system is needed that can classify the characteristics and forms of several diseases. This research is to make it easier for farmers to treat them. Using the Convolutional Neural Network (CNN) method which includes supervised learning so that it can be carried out for classification of affected parts of the durian plant and a data approach that has been trained and is variable. The purpose of this study was to determine the types of diseases found in durian plants. The results of tests that have been carried out with a classification accuracy level using CNN of 0.9233 with a repetition of 200 epochs from the process carried out get results in the form of pictures and descriptions of the types of diseases so that they can help improve quality and price.
Penerapan Decision Tree Regression dalam Memprediksi Harga Rumah di Provinsi Jawa Barat Almajid, Nafis; Ginting, Yanuar; Ramadhan, Alif Izzudin
Jurnal Riset Informatika dan Teknologi Informasi Vol 1 No 3 (2024): April - Juli 2024
Publisher : Jejaring Penelitian dan Pengabdian Masyarakat (JPPM)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58776/jriti.v1i3.64

Abstract

A house plays an important role as a basic necessity, not only as a shelter and place of rest. Additionally, the selling price of a house is greatly influenced by environmental factors such as proximity to shopping centers, office buildings, land size, and others. To gain a more accurate understanding and predict the selling price of houses, this research proposes the application of machine learning methods. This study involves the use of three machine learning algorithms: multiple linear regression, decision tree regression, and linear support vector regression to predict house prices in West Java Province. By utilizing historical data and various relevant features, such as the number of rooms, bathrooms, garages, land area, and width, the machine learning algorithms will conduct complex analyses and provide more accurate price estimations. The expected outcome of this research is to provide valuable insights for stakeholders in the property industry in West Java Province. The adoption of machine learning approaches is anticipated to enhance the ability to predict house prices and provide useful information for buyers, sellers, and other relevant parties in making better decisions in property transactions.
Prediksi Harga Emas Menggunakan Algoritma Genetik Pada Platform Pegadaian: Prediksi Harga Emas Menggunakan Algoritma Genetik Pada Platform Pegadaian putra, Darmawan Rizky Syaputra
Jurnal Riset Informatika dan Teknologi Informasi Vol 1 No 2 (2024): Desember 2023 - Maret 2024
Publisher : Jejaring Penelitian dan Pengabdian Masyarakat (JPPM)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58776/jriti.v1i2.65

Abstract

Emas merupakan logam mulia yang banyak diminati, karena umumnya harga cenderung stabil dan meningkat setiap tahun. Investasi emas terbagi menjadi dua, ada investasi digital dan investasi fisik. Seringkali dalam investasi digital investor mengalami kerugian. Hal ini di karenakan banyak investor yang tidak mampu untuk memprediksi trend harga emas baik secara personal maupun menggunakan tools yang sudah ada. Studi ini bertujuan untuk memprediksi harga emas menggunakan Algoritma Genetika dan Algoritma Multiple Linear Regression (MLR). Hasil akhir penelitian ini membuktikan algoritma genetika memiliki akurasi terbaik..
Pengelompokkan Pengelompokan Berita Berdasarkan Kategori Like Action Pada Media Sosial Instagram Penamuda Menggunakan Algoritma K-means: Pengelompokan Berita Berdasarkan Kategori Like Action Pada Media Sosial Instagram Penamuda Menggunakan Algoritma K-means Zulyan Pratama, Ivan; Aziz, Fawwaz; Romadhan, Bram Kahlil
Jurnal Riset Informatika dan Teknologi Informasi Vol 1 No 2 (2024): Desember 2023 - Maret 2024
Publisher : Jejaring Penelitian dan Pengabdian Masyarakat (JPPM)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58776/jriti.v1i2.66

Abstract

Semakin banyak informasi yang beredar membuat pengguna sulit menemukan informasi berita berdasarkan kategori tertentu. Khususnya informasi yang ada di media sosial seperti instagram. Penelitian ini bertujuan untuk mengelompokan informasi pada media sosial instagram khususnya pada akun @lpm_penamuda sehingga informasi yang dibutuhkan oleh pembaca lebih terarah serta dapat mengurangi kompleksitas dan meningkatkan efisiensi dalam mengelola berbagai jenis informasi berita. Algoritma k-Means digunakan dalam penelitian ini untuk mengelompokan informasi dan postingan pada instagram berdasarkan like action. Di dalam clustering terdapat beberapa metode salah satunya adalah metode K-means. K-means adalah salah satu proses metode pengelompokan data ke dalam beberapa kelompok atau klaster berdasarkan kesamaan fitur. Hasil dari penelitian ini menunjukkan bahwa tipe postingan memiliki pengaruh signifikan terhadap like action.
Multi Regresi Linear Untuk Prediksi Kepadatan Penduduk Berdasarkan Variable Kependudukan Di Indonesia Baihaqi, Najmi
Jurnal Riset Informatika dan Teknologi Informasi Vol 1 No 2 (2024): Desember 2023 - Maret 2024
Publisher : Jejaring Penelitian dan Pengabdian Masyarakat (JPPM)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58776/jriti.v1i2.67

Abstract

Penduduk adalah orang yang bertempat tinggal dan telah menetap atau berniat menetap dalam minimum 1 tahun pada wilayah tertentu. Masalah yang akan dibahas dalam penelitian ini adalah masalah kepadatan penduduk Indonesia yang semakin cepat dan mendesak. Dalam penelitian ini, variabel yang meliputi jumlah penduduk, penduduk yang lahir, dan penduduk yang meninggal dunia di Indonesia akan digunakan untuk memperkirakan jumlah penduduk yang akan terserap di masa mendatang. Tingkat kepadatan penduduk di Indonesia saat ini sulit diprediksi dengan cepat. Hal ini dikarenakan adanya pergerakan penduduk yang tidak terkendali dari Kawasan perdesaan ke perkotaan. Pergerakan ini dipengaruhi kondisi ekonomi penduduk yang menggantungkan hidupnya dari mencari pekerjaan di wilayah lain. Imbasnya, peningkatan dan kepadatan penduduk suatu wilayah di Indonesia seringkali berubah dengan cepat. Tujuan penelitian ini adalah untuk memprediksi jumlah penduduk di Indonesia menggunakan metode multi regresi linear sehingga dapat diidentifikasi kepadatan penduduk suatu wilayah. Penelitian ini menggunakan teknik multi linear regresi untuk mengestimasi jumlah penduduk yang berfokus pada pertumbuhan penduduk di Indonesia disetiap tahunnya. Data yang digunakan adalah data dari Badan Pusat Statistik (BPS) Indonesia periode 2010-2022. Variabel yang digunakan adalah jumlah penduduk, penduduk yang meninggal, dan penduduk yang lahir di Indonesia. Dengan menggunakan pendekatan multi regresi linear untuk mengembangkan model prediksi jumlah penduduk Indonesia. Metode ini digunakan untuk memprediksi jumlah penduduk berdasarkan data historis yang diperoleh dari Badan Pusat Statistik (BPS) Indonesia pada tahun 2010 sampai dengan tahun 2022 dengan tetap memperhatikan beberapa variabel seperti penduduk, penduduk yang meninggal, dan penduduk yang lahir. Prediksi yang dilakukan pada tahun 2023 menghasilkan angka kematian sebesar 1.926.300, kelahiran sebesar 4.638.200, dan penduduk sebesar 279.410.057. Dengan secara keseluruhan jumlah penduduk di Indonesia pada tahun 2023 sebesar 282.121.957.
Analisis Sentimen Menggunakan Algoritma Naïve Bayes Pada Aplikasi m-BCA berdasarkan Ulasan Pengguna di Google Play Store rahmawati, irma; Rika Fitriani, Tiara; Yunizar Pratama Yusuf, Ajif
Jurnal Riset Informatika dan Teknologi Informasi Vol 1 No 2 (2024): Desember 2023 - Maret 2024
Publisher : Jejaring Penelitian dan Pengabdian Masyarakat (JPPM)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58776/jriti.v1i2.116

Abstract

m-BCA (Mobile Banking) adalah layanan perbankan dari PT.Bank Central Asia,Tbk yang memungkinkan akses langsung melalui telepon seluler. Meskipun populer, pengguna sering mengalami pengalaman negatif, seperti error dalam mengakses aplikasi dan keluhan terkait transaksi. Meskipun terdapat opini negatif, opini positif di Play Store juga ditemukan. Penelitian ini menggunakan metode Naïve Bayes untuk menganalisis sentimen pengguna BCA Mobile berdasarkan ulasan di Google Play Store. Hasil analisis diharapkan dapat membantu BCA meningkatkan kualitas layanan mereka. Penelitian terkait menggunakan berbagai metode, dan penelitian ini memilih Naïve Bayes karena kecepatan dan efisiensinya. Tahap penelitian mencakup pengumpulan data dari Google Play Store, preprocessing data, dan penerapan algoritma Naïve Bayes, Random Forest, serta Logistic Regression. Penelitian ini menyimpulkan bahwa sebagian besar ulasan memiliki orientasi negatif dan model Naïve Bayes menonjol dengan tingkat akurasi yang paling tinggi, mencapai presisi 84%, recall 82%, F1-score 81%, dan tingkat akurasi sebesar 82%.
Analisis Tingkat Kepuasan Pengguna Shopee Bedasarkan Rating Dan Ulasan Google Play Store Menggunakan Naïve Bayes Hadiwibowo, Agus Wastia Tri; Nabilla, Fazhira Putri; Yusuf, Ajif Yunizar Pratama
Jurnal Riset Informatika dan Teknologi Informasi Vol 1 No 2 (2024): Desember 2023 - Maret 2024
Publisher : Jejaring Penelitian dan Pengabdian Masyarakat (JPPM)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58776/jriti.v1i2.122

Abstract

Shopee adalah salah satu toko online shop paling populer di Google Play Store. Untuk meningkatkan kualitas dan memberikan pengalaman berbelanja yang lebih baik kepada pembeli atau customer, analisis kepuasan online berdasarkan peringkat Google Play Store menjadi sangat penting bagi para costumer. Tujuan dari penelitian ini adalah untuk melakukan analisis review pengguna terhadap shoppe di Google Play Store untuk mengetahui sentimen positif atau negatif dari pengguna. metode analisis opini yang digunakan adalah Naïve Bayes. Penelitian ini diawali dengan pengumpulan data, preprocessing data, melakukan ekstraksi fitur, melatih model Naive Bayes dan menguji model. Data yang digunakan dalam penelitian sebanyak 1.499 ulasan yang diperoleh melalui review dari google play store. Hasil penelitian menunjukkan bahwa mayoritas pengguna puas dengan shopee. Hal ini terlihat dari sebanyak 40,3% pengguna menyampaikan perasaan positif. Meskipun demikian, penelitian ini juga menemukan indikasi lain bahwa ada beberapa masalah yang perlu diselesaikan. Hasil penelitian ini dapat digunakan pengembang untuk meningkatkan kualitas dan memberikan pengalaman berbelanja yang lebih baik kepada pengguna.
SISTEM INFORMASI PERSEDIAAN BAHAN ROTI PADA PAPIBUN BAKERY MENGGUNAKAN METODE FIFO (FIRST IN FIRST OUT) DAN LIFO (LAST IN FIRST OUT) SUPRIYADI, ARIF
Jurnal Riset Informatika dan Teknologi Informasi Vol 1 No 3 (2024): April - Juli 2024
Publisher : Jejaring Penelitian dan Pengabdian Masyarakat (JPPM)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58776/jriti.v1i3.124

Abstract

CV Papibun Bakery is a CV that operates in the field of selling food which is produced every day and lots of production materials go in and out for the food production process. Previously, CV Papibun Bakery still used manual methods such as records in ingredient inventory, where ingredient stock records were sometimes lost or damaged, and ingredients coming in and out were still irregular, which could cause the ingredients to expire because they were stored for too long. For this reason, CV Papibun Bakery needs a system that can manage the inventory of digital production materials and regulate the entry and exit of materials using methods such as FIFO (First In First Out) and LIFO (Last In First Out), making it easier for employees to manage material inventories, and materials that go in first must go out first to reduce the risk of materials that could expire. This can also guarantee that production is always of high quality and customers get the best quality from CV Papibun Bakery
Penerapan Data Mining Untuk Analisis Pengaruh Nilai Imla dan Nahwu Terhadap Nilai Bahasa Arab Di Pesantren Nadiroh, Yahdinil Firdha
Jurnal Riset Informatika dan Teknologi Informasi Vol 1 No 3 (2024): April - Juli 2024
Publisher : Jejaring Penelitian dan Pengabdian Masyarakat (JPPM)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58776/jriti.v1i3.125

Abstract

Students in Islamic boarding schools often use Arabic as their daily language. It is even mandatory to use it to communicate. This requires students to study harder and memorize more Arabic vocabulary. This study aims to apply data mining using multiple linear regression methods to analyze the effect of Imla and Nahwu values on Arabic language values in female students in Islamic boarding schools. This study used samples of female students' values in Imla, Nahwu, and Arabic. This method is applied to identify the relationship and influence of the three values and whether they can affect the level of success in Arabic language lessons. With data mining, the influence and relationship between the three lessons can be determined. And with this study, it is expected to provide a positive contribution to Islamic boarding schools and similar educational institutions in efforts to improve the quality of Arabic language learning. In addition, the data mining method applied can be used as a reference for further research exploring further information about the determining factors for the success of learning Arabic in Islamic boarding schools.

Page 2 of 5 | Total Record : 49

 1   2   3   4   5 

Filter by Year

2023 2025


Reset
Filter By Issues
All Issue Vol 2 No 2 (2025): Desember 2024 - Maret 2025 Vol 3 No 1 (2025): Augustus - November 2025 Vol 2 No 3 (2025): April - Juli 2025 Vol 1 No 2 (2024): Desember 2023 - Maret 2024 Vol 2 No 1 (2024): Agustus - November 2024 Vol 1 No 3 (2024): April - Juli 2024 Vol 1 No 1 (2023): Agustus - November 2023