cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Robby Yuli Endra
Contact Email
robby.yuliendra@ubl.ac.id
Phone
-
Journal Mail Official
robby.yuliendra@ubl.ac.id
Editorial Address
Jl. Zainal Abidin Pagar Alam no 89 Gedung Meneng Bandar Lampung
Location
Kota bandar lampung,
Lampung
INDONESIA
Explore: Jurnal Sistem Informasi dan Telematika (Telekomunikasi, Multimedia dan Informatika)
Published by Universitas Bandar Lampung
ISSN : 20872062     EISSN : 2686181X     DOI : http://dx.doi.org/10.36448/jsit.v10i1.1212
Core Subject : Education,
Other
Explore: Jurnal Sistem Informasi dan Telematika (Telekomunikasi, Multimedia dan Informatika menyajikan artikel/naskah dalam bidang teknologi informasi khususnya dalam Fokus pada 5 kelompok keilmuan di Informatika yaitu : Rekayasa Perangkat Lunak (RPL) Sistem Informasi, Jaringan, Multimedia dan Sekurity, Teknologi Web dan Mobile serta kecerdasan Buatan dan game.
Arjuna Subject : -
Articles 296 Documents
 26   27   28   29   30 
Analisis Sentimen pada Ulasan Aplikasi Social Media menggunakan Metode Svm dan Decision Tree Ellysza, Santana; Sa'uda, Siti
Explore: Jurnal Sistem Informasi dan Telematika (Telekomunikasi, Multimedia dan Informatika) Vol 16, No 2 (2025): Desember
Publisher : Universitas Bandar Lampung (UBL)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36448/jsit.v16i2.4455

Abstract

Secara umum social media digunakan untuk berbagi informasi dan pendapat, termasuk mengetahui tren baru, berita, hiburan dan topik lainnya. Tiktok adalah platform media sosial yang fokus pada video pendek. X/Twitter adalah platform mikroblogging yang memungkinkan pengguna mengirim dan membaca pesan singkat, sedangkan Instagram yakni platform berbagi foto dan video yang memungkinkan pengguna mengambil, mengedit, dan membagikan gambar serta video pendek. Namun, kedua sistem ini memiliki berbagai Kelemahan yang dialami oleh penggunanya. Dengan mengevaluasi kelemahan-kelemahan tersebut, perusahaan dapat mengidentifikasi masalah pada aplikasinya dan menemukan cara untuk memperbaikinya. Penelitian berikut bertujuan guna menganalisis data ulasan pada aplikasi media sosial Dengan memanfaatkan dua metode, yaitu Support Vector Machine dan Decision Tree. Penelitian berikut akan menentukan metode mana yang lebih efektif dan akurat mengklasifikasi sentimen positif dan dan negatif dari review komentar. Melalui klasifikasi diperoleh hasil akurasi Support Vector Machine sebesar 84.61% untuk aplikasi Tiktok, 86.82% Untuk aplikasi Twitter dan 85.73% untuk aplikasi Instagram, sedangkan metode Decision Tree sebesar 77.98% untuk aplikasi Tiktok, 80.14% untuk aplikasi Twitter, dan 81.71% untuk aplikasi Instagram. erdasarkan hasil analisis, metode Support Vector Machine menunjukkan akurasi yang lebih tinggi daripada metode Decision Tree
Penerapan Metode Holt Winters Exponential Smoothing untuk Peramalan Harga Beras di Kota Samarinda Fitri, Anisa; Masa, Amin Padmo Azam; Kamila, Vina Zahrotun
Explore: Jurnal Sistem Informasi dan Telematika (Telekomunikasi, Multimedia dan Informatika) Vol 16, No 2 (2025): Desember
Publisher : Universitas Bandar Lampung (UBL)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36448/jsit.v16i2.4578

Abstract

- Indonesia sebagai negara agraris memiliki ketergantungan tinggi pada beras termasuk di Kalimantan Timur di mana konsumsi beras melebihi rata-rata nasional. Kenaikan populasi terutama dengan penetapan Ibu Kota Nusantara (IKN) meningkatkan permintaan beras. Fluktuasi harga dipengaruhi faktor musim, kebijakan pemerintah dan distribusi sehingga peramalan harga untuk stabilitas ekonomi. Memprediksi harga beras di Kota Samarinda menggunakan metode Holt Winters Exponential Smoothing Additive dipilih karena kemampuannya menangani data dengan tren dan musiman. Data yang digunakan merupakan data sekunder periode Januari 2022 hingga Desember 2024 yang diperoleh dari website Harga Pangan Lamin Etam. Hasil analisis menunjukkan bahwa metode Holt Winters Exponential Smoothing pada jenis beras medium menghasilkan nilai MAPE sebesar 7.04% sedangkan jenis beras premium menghasilkan MAPE sebesar 3.53% yang berarti bahwa metode Holt Winters Exponential Smoothing Additive memiliki akurasi yang baik digunakan untuk meramalkan harga beras jenis medium dan premium di Kota Samarinda pada tahun 2025. Penerapan metode Holt Winters Exponential Smoothing Additive menganalisis fluktuasi harga beras dengan dua jenis yaitu medium dan premium di Kota Samarinda yang belum banyak diteliti dalam penelitian sebelumnya. Menggunakan data harga terbaru hingga 2024 untuk memastikan relevansi prediksi dengan kondisi pasar saat ini termasuk pengaruh penetapan Ibu Kota Nusantara (IKN).
Pemanfaatan Deep Learning untuk Klasifikasi Citra Penyakit Kulit Menggunakan MobileNetV3 Peryanto, Ari; Susanto, Dwi
Explore: Jurnal Sistem Informasi dan Telematika (Telekomunikasi, Multimedia dan Informatika) Vol 16, No 2 (2025): Desember
Publisher : Universitas Bandar Lampung (UBL)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36448/jsit.v16i2.4480

Abstract

Skin diseases are a global health problem affecting more than 900 million people annually, with a prevalence of 15–25% in primary healthcare visits in Indonesia. Limited access to dermatologists and the concentration of 70% of specialists in urban areas often lead to delayed diagnoses. To address this issue, this study develops a skin disease detection system based on deep learning using the MobileNetV3 architecture, focusing on computational efficiency on mobile devices and improved accuracy through knowledge distillation techniques. The dataset consists of four categories of skin diseases collected independently, with the model trained using transfer learning and fine-tuning, and further optimized with knowledge distillation to enhance performance without increasing complexity. Evaluation results show excellent performance with an overall accuracy of 97%, surpassing the initial target of >85%. The average precision, recall, and f1-score reach 0.97, demonstrating consistent performance across all categories. In particular, the ringworm class achieved 100% recall, while other classes reached values above 93%. The research outputs include a well trained MobileNetV3 model for high accuracy skin disease classification and a scientific publication on model optimization. This system is expected to provide an affordable and accessible diagnostic support solution, particularly for healthcare workers and communities in underserved areas.
Pengembangan Sistem E-Task Sebagai Platform Manajemen Tugas Dengan Penerapan Metode Raci Matrix Dan Analisis Kinerja Pegawai Savira, Jihan; Prabukusumo, M Azhar
Explore: Jurnal Sistem Informasi dan Telematika (Telekomunikasi, Multimedia dan Informatika) Vol 16, No 2 (2025): Desember
Publisher : Universitas Bandar Lampung (UBL)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36448/jsit.v16i2.4593

Abstract

Pengembangan sistem E-Task bertujuan untuk menciptakan platform manajemen tugas yang meningkatkan efektivitas dan akuntabilitas distribusi pekerjaan pada Bidang Infrastruktur dan TIK (Infratik) Pusat Data dan Informasi Kementerian Pertahanan Republik Indonesia (Pusdatin Kemhan RI). Sistem ini mengintegrasikan metode RACI Matrix untuk memperjelas peran dan tanggung jawab (Responsible, Accountable, Consulted, Informed) serta menerapkan analisis kinerja pegawai berdasarkan indikator kuantitatif dan kualitatif, seperti kuantitas tugas, ketepatan waktu, dan kualitas hasil kerja. Sistem dikembangkan dengan metode Rapid Application Development (RAD) dan diimplementasikan menggunakan framework Laravel serta basis data MySQL. Aplikasi menyediakan fitur penugasan terstruktur, pemantauan progres, dan evaluasi kinerja berbasis data untuk mendukung proses pengambilan keputusan. Berdasarkan hasil pengujian User Acceptance Test (UAT) terhadap 23 responden, sistem terbukti mampu meningkatkan efisiensi kerja, transparansi alur penugasan, dan objektivitas penilaian kinerja dengan capaian rata-rata sebesar 86%. Hasil ini menunjukkan bahwa digitalisasi melalui E-Task mendukung proses kerja yang lebih terukur, efektif, dan akuntabel di lingkungan kerja.
Implementasi Convolutional Neural Network untuk Klasifikasi Penyakit Daun pada Tanaman Jagung hidayat, Ilsa; Arlis, Syafri
Explore: Jurnal Sistem Informasi dan Telematika (Telekomunikasi, Multimedia dan Informatika) Vol 16, No 2 (2025): Desember
Publisher : Universitas Bandar Lampung (UBL)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36448/jsit.v16i2.4448

Abstract

This study aims to evaluate the performance of Convolutional Neural Network (CNN) models in detecting pests on caisim (Chinese mustard) plants using different architectural approaches, namely CNN from scratch, VGG16, and Xception. The dataset used consists of 1,000 images classified into several disease categories and a healthy class. Five experiments were conducted to compare the effectiveness of the models based on evaluation metrics such as accuracy, precision, recall, and F1-score.The results show that CNN models trained from scratch produced varying levels of performance. The first and second experiments experienced underfitting, with accuracies of 30.25% and 62.29%, respectively. A significant improvement was observed in the third experiment, achieving an accuracy of 83.73% and an F1-score of 0.82, indicating that the model began to better recognize data patterns. The best performance was achieved in the fourth (VGG16) and fifth (Xception) experiments, with accuracies of 91.41% and 92.12%, respectively, and balanced precision, recall, and F1-score values above 0.90.Factors contributing to model success include an optimal proportion of training data, appropriate architectural selection, hyperparameter tuning, and the use of callbacks such as early stopping and model checkpoint. This study demonstrates that selecting the appropriate CNN architecture can significantly improve the accuracy of image classification systems for pest detection in plants
Effect of Modulation Format on Signal Strength and Range in CC1101 Wireless Systems Aji, Purno Tri; Sony, Arya; Prasetyo, Rizky Hidayat; Hendarto, Taufik; Jati, Ahmad Nugroho
Explore: Jurnal Sistem Informasi dan Telematika (Telekomunikasi, Multimedia dan Informatika) Vol 16, No 2 (2025): Desember
Publisher : Universitas Bandar Lampung (UBL)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36448/jsit.v16i2.4571

Abstract

This paper examines the impact of modulation formats on signal strength and communication range in CC1101-based wireless systems. Experiments were conducted with Arduino Nano nodes operating at 433 MHz under line-of-sight (LOS) conditions in a dense built environment. Four modulation schemes OOK/ASK, 4-FSK, MSK, and GFSK were tested with identical parameters, and RSSI values were recorded across increasing distances. Results indicate that 4-FSK provides strong short-range performance, while OOK/ASK achieves more consistent long-range connectivity up to 160 meters. MSK demonstrates stable signal integrity at moderate distances, whereas GFSK shows robustness in interference-prone settings but with limited coverage. The study concludes that modulation scheme selection should be application-specific, balancing trade-offs between range, energy efficiency, and reliability.

Page 30 of 30 | Total Record : 296

 26   27   28   29   30 

Filter by Year

2010 2025


Reset
Filter By Issues
All Issue Vol 16, No 2 (2025): Desember Vol 16, No 1 (2025): Juni Vol 15, No 2 (2024): Desember Vol 15, No 1 (2024): Juni Vol 14, No 2 (2023): Desember Vol 14, No 1 (2023): Juni Vol 13, No 2 (2022): Desember Vol 13, No 1 (2022): Juni Vol 12, No 2 (2021): Desember Vol 12, No 1 (2021): Juni Vol 11, No 2 (2020): Desember Vol 11, No 1 (2020): Juni Vol 10, No 2 (2019): Oktober Vol 10, No 1 (2019): Juni Vol 9, No 2 (2018): Oktober Vol 9, No 1 (2018): Juni Vol 8, No 2 (2017): Oktober Vol 8, No 1 (2017): Juni Vol 7, No 2 (2016): Oktober Vol 7, No 1 (2016): Juni Vol 4, No 2 (2014): Juni Vol 4, No 1 (2013): Oktober Vol 3, No 2 (2013): Juni Vol 3, No 3 (2012): Oktober Vol 3, No 1 (2012): Oktober Vol 2, No 2 (2011): Juni Vol 2, No 2 (2011) Vol 1, No 1 (2010): Oktober Vol 1, No 1 (2010): Oktober More Issue