cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Naser Jawas
Contact Email
naser.jawas@stikom-bali.ac.id
Phone
-
Journal Mail Official
jsi@stikom-bali.ac.id
Editorial Address
-
Location
Kota denpasar,
Bali
INDONESIA
Jurnal Sistem dan Informatika
Published by Sekolah Tinggi Ilmu Manajemen Informatika dan Teknik Komputer
ISSN : 1858473X     EISSN : 24603732     DOI : -
Core Subject : Science,
Computer Science & IT
Jurnal Sistem dan Informatika (JSI) adalah jurnal ilmiah yang diterbitkan oleh Bagian Penelitian dan Pengabdian pada Masyarakat (P2M) STIKOM Bali. Jurnal Sistem dan Informatika (JSI) terbit dua kali dalam satu tahun, yakni setiap bulan Mei dan Nopember. Jurnal ini berisi makalah-makalah ilmiah hasil penelitian dari civitas akademika STIKOM Bali.
Arjuna Subject : -
Articles 275 Documents
 22   23   24   25   26 
Sistem Pemantauan Suhu dan Kelembapan pada Laboratorium Berbasis Web dengan Konsep IoT I Komang Agus Ady Aryanto; Yohanes Priyo Atmojo
Jurnal Sistem dan Informatika (JSI) Vol 17 No 2 (2023): Jurnal Sistem dan Informatika (JSI)
Publisher : Direktorat Penelitian,Pengabdian Masyarakat dan HKI - Institut Teknologi dan Bisnis (ITB) STIKOM Bali

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30864/jsi.v17i2.588

Abstract

Salah satu fasilitas pendukung dalam proses pembelajaran adalah ruangan laboratorium. Ruangan laboratorium menjadi tempat melakukan praktik di mana kegiatan ini memerlukan waktu yang cukup lama, sehingga diperlukan lingkungan kerja yang nyaman. Salah satu cara untuk membuat ruangan menjadi nyaman adalah dengan memperhatikan kondisi suhu dan kelembapan di dalamnya. Oleh karena itu, peneliti melakukan penelitian untuk mengembangkan sebuah sistem yang dapat digunakan untuk mengukur suhu dan kelembapan dengan konsep internet of things. Perancangan sistem ini menggunakan perangkat keras mikrokontroler dan sensor yang dihubungkan dengan digital pin. Mikrokomputer juga digunakan sebagai server dan Broker IoT agar data sensor dapat disimpan dalam database serta setiap perangkat dapat saling berkomunikasi. Proses komunikasi perangkat menggunakan jaringan wi-fi dengan protokol MQTT. Selain itu, nilai suhu dan kelembapan juga dapat diakses oleh pengguna melalui halaman web. Berdasarkan hasil pengujian dengan black box pada aplikasi web mendapatkan hasil yang sesuai diharapkan. Selain itu, hasil pengujian pembacaan perangkat sensor di laboratorium adalah sebagai berikut untuk posisi belakang rentang nilai suhu sekitar 27.8°C – 28.1°C dan kelembapan sekitar 44.1% - 45%, untuk posisi depan rentang nilai suhu sekitar 26.0°C – 26.1°C dan kelembapan sekitar 47.2% - 47.7%, dan untuk posisi tengah rentang nilai suhu sekitar 25.5°C – 25.9°C dan kelembapan sekitar 47.5% - 47.7%.
Pengaruh Jumlah Fitur pada Algoritma Machine Learning dalam Memprediksi Aktivitas Jatuh Made Liandana; I Made Darma Susila
Jurnal Sistem dan Informatika (JSI) Vol 17 No 2 (2023): Jurnal Sistem dan Informatika (JSI)
Publisher : Direktorat Penelitian,Pengabdian Masyarakat dan HKI - Institut Teknologi dan Bisnis (ITB) STIKOM Bali

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30864/jsi.v17i2.589

Abstract

Mendeteksi terjadinya jatuh sangat penting dilakukan karena jatuh dapat memberikan dampak yang serius bagi kesehatan. Salah satu perangkat sensor yang dapat digunakan untuk menyediakan data aktivitas jatuh adalah sensor accelerometer. Data sensor tersebut perlu diektraksi menjadi fitur dan diklasifikasi menggunakan algoritma machine learning. Selain itu, untuk memilah dan memilih fitur, dan mengetahui kombinasi fitur yang relevan diperlukan algoritma seleksi fitur. Pada penelitian ini, jatuh dideteksi berdasarkan data sensor accelerometer tiga sumbu (x, y, dan z), data yang digunakan merupakan data publik. Data diekstraksi menggunakan fungsi statistik yang terdiri dari: minimum, maksimum, rata-rata, nilai tengah, dan standar deviasi. Terdapat 15 fitur yang akan dievaluasi oleh algoritma machine learning. Algoritma machine learning yang digunakan adalah: k-Nearest Neighbors (KNN), Decision Tree (D-Tree), Random Forest (RF), Support Vector Machine (SVM), AdaBoost, dan Gradient Boosting. Untuk mengevaluasi jumlah fitur yang paling optimal pada algoritma machine learning, seleksi fitur yang digunakan adalah Analysis of Variance (ANOVA). Penggunaan fitur sebanyak 7, 8, 9, 10, dan 11 fitur menghasilkan performa machine learning yang paling optimal yang dicapai oleh machine learning: Decision Tree (D-Tree), Random Forest (RF), dan Gradient Boosting. Secara berturut-turut, ketiga classifier ini memiliki nilai accuracy, F-1, precision, recall, dan specificity adalah 1.000, 1.000, 1.000, 1.000, dan 1.000.
Identifikasi Objek Menggunakan Random Forest dan Multi-Fitur Florentina Tatrin Kurniati; Dian Pramana
Jurnal Sistem dan Informatika (JSI) Vol 17 No 2 (2023): Jurnal Sistem dan Informatika (JSI)
Publisher : Direktorat Penelitian,Pengabdian Masyarakat dan HKI - Institut Teknologi dan Bisnis (ITB) STIKOM Bali

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30864/jsi.v17i2.590

Abstract

Penelitian ini berfokus untuk identifikasi objek dengan latar belakang yang komplek, pendekatan kombinasi multi fitur menggunakan algoritma deteksi tepi (Sobel, Canny, dan Robert) dan Local Binary Pattern (LBP) serta klasifikasi menggunakan Random Forest. Tahapan penelitian ini meliputi pengumpulan data, pra-pemrosesan, ekstraksi ciri, dan evaluasi kinerja. Metrik untuk evaluasi kinerja menghitung akurasi, presisi, recall, dan F1-Score. Berdasarkan pengujian hasil yang diperoleh menunjukkan peningkatan yang signifikan dalam kinerja identifikasi objek. Hasilnya untuk akurasi mencapai 93%, presisi 96%, recall 91%, dan F1-Score 94%. Pengujian metode tersebut menunjukkan bahwa integrasi multi fitur mempengaruhi signifikan peningkatan keakuratan dan keandalan identifikasi objek, terutama dalam menghadapi tantangan latar belakang yang beragam dan kondisi pencahayaan yang tidak stabil.
Kombinasi Inisial Filtering Oversampling dengan Metode Ensemble Classifier pada Klasifikasi Data Imbalanced Pradipta, Gede Angga; Putu Desiana Wulaning Ayu
Jurnal Sistem dan Informatika (JSI) Vol 17 No 2 (2023): Jurnal Sistem dan Informatika (JSI)
Publisher : Direktorat Penelitian,Pengabdian Masyarakat dan HKI - Institut Teknologi dan Bisnis (ITB) STIKOM Bali

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30864/jsi.v17i2.591

Abstract

Permasalahan dataset tidak seimbang (imbalanced dataset) terjadi ketika distribusi kelas dalam dataset tidak seimbang. Ini bisa menjadi masalah dalam machine learning karena model memiliki kecenderungan untuk memprediksi kelas mayoritas, yang mengakibatkan kinerja bias terhadap kelas mayoritas dan akurasi yang rendah terhadap kelas minoritas. Penelitian ini bertujuan untuk melakukan analisis pengaruh proses oversampling data untuk penanganan klasifikasi data imbalanced. Pada penelitian ini melakukan komparasi pengaruh proses oversampling pada algoritma machine learning. Algoritma machine learning yang digunakan adalah metode ensemble dengan observasi pada dua base classifier yaitu support vector machine (SVM) dan naive bayes (NB). Metode oversampling yang digunakan adalah Synthetic Minority Oversampling Teechnique (SMOTE-IPF) dan SMOTE Borderline. Eksperimen dilakukan terhadap 9 dataset yang bertipe imbalanced. Dari hasil eksperimen dapat diketahui bahwa metode ensemble baik dengan base SVM dan Naive Bayes mengalami peningkatan saat adanya proses oversampling tersebut. Dari 9 dataset yang digunakan pada eksperimen, seluruhnya mengalami peningkatan performa yang diukur menggunakan parameter akurasi, presisi, recall dan F Measure. Pada base classifier SVM peningkatan performa tertinggi pada dataset Abalone 19 dengan penambahan oversampling SMOTE Borderline. Peningkatan akurasi terjadi dari 64.5% menjadi 84.5%. Kemudian pada base classifer Naive Bayes peningkatan peforma teringgi pada dataset Abalone 19 dengan penambahan Borderline SMOTE. Peningkatan akurasi terjadi dari 62.3% menjadi 82.3%.
Sistem Informasi Geografis Berbasis Web Pengaduan Kejadian Berbahaya oleh Netizen Suardika, I Gede; I Made Budi Adnyana
Jurnal Sistem dan Informatika (JSI) Vol 17 No 2 (2023): Jurnal Sistem dan Informatika (JSI)
Publisher : Direktorat Penelitian,Pengabdian Masyarakat dan HKI - Institut Teknologi dan Bisnis (ITB) STIKOM Bali

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30864/jsi.v17i2.592

Abstract

Posting masyarakat pengguna internet (netizen) mengenai kejadian-kejadian berbahaya sering ditemukan di berbagai platform di Internet. Selain memiliki manfaat dalam memfasilitasi pelaporan kejadian berbahaya oleh netizen, platform-platform tersebut juga memiliki beberapa kelemahan. Permasalahan tersebut dapat diatasi dengan mengembangkan sebuah platform yang dapat digunakan untuk merekam, melacak, dan menganalisis kejadian-kejadian berbahaya dalam lingkungan tertentu, dengan memanfaatkan data geografis seperti peta, lokasi GPS, dan informasi spasial lainnya. Dari latar belakang ini, penelitian dapat difokuskan pada pengembangan sistem informasi geografis berbasis web yang memungkinkan netizen untuk melaporkan kejadian-kejadian berbahaya. Penelitian ini telah berhasil membangun sebuah Sistem Informasi Geografis berbasis web Pengaduan Kejadian Berbahaya dengan menggunakan metode Waterfall dan telah diuji menggunakan metode Blackbox Testing menggunakan teknik State Transition Diagram yang menunjukkan hasil bahwa semua fungsionalitas sistem berjalan sesuai dengan apa yang diharapkan.
Analisis Seleksi Fitur untuk Optimasi Metode Klasifikasi k-NN pada Studi Kasus Penilaian Kinerja Karyawan Tangkawarow, Irene; Hostiadi, Dandy Pramana; Fatonah, Nenden Siti; Mohammad Yazdi; Hariyanti, Eva
Jurnal Sistem dan Informatika (JSI) Vol 18 No 1 (2023): Jurnal Sistem dan Informatika (JSI)
Publisher : Direktorat Penelitian,Pengabdian Masyarakat dan HKI - Institut Teknologi dan Bisnis (ITB) STIKOM Bali

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30864/jsi.v18i1.593

Abstract

Model Klasifikasi banyak digunakan dalam rangka menganalisis dan menemukan jenis kategori kelas data. Salah satu bentuk pemanfaatan metode klasifikasi adalah mengklasifikasikan hasil penilaian pengukuran kinerja karyawan. Metode klasifikasi yang umum dan dapat digunakan antara lain adalah metode Decision Tree, Naive Bayes, -NN dan Random Forest. Namun tidak semua metode dapat menghasilkan performa yang baik dalam penilaian kinerja Karyawan. Sehingga perlu dilakukan optimasi misalnya melalui penggunaan seleksi fitur. Beberapa penelitian telah dilakukan optimasi metode klasifikasi melalui penggunaan metode seleksi fitur dalam penilaian kinerja karyawan. Namun optimasi ini dipengaruhi oleh karakteristik data yang digunakan. Tidak semua teknik seleksi fitur sesuai untuk meningkatkan hasil klasifikasi dan jumlah penggunaan fitur dapat mempengaruhi performa model klasifikasi. Penelitian ini mengusulkan teknik analisis penggunaan jumlah fitur pada data kinerja dosen melalui metode seleksi fitur ANOVA untuk meningkatkan performa model klasifikasi metode -NN. Tujuannya adalah untuk mendapatkan jumlah fitur yang terbaik dalam peningkatan performa metode klasifikasi -NN. Hasil penelitian menunjukkan bahwa jumlah fitur terbaik dari metode ANOVA adalah sejumlah 5 fitur dengan hasil akurasi klasifikasi -NN sebesar 0.839, precision 0.8323, recall 0.839 dan F1-score 0.833. Teknik analisis ini dapat digunakan oleh sebuah perusahaan dalam mengutamakan fitur terbaik dalam menilai kualitas kinerja karyawannya.
Klasifikasi Fetal Cardiotocography Menggunakan Pendekatan Boosting Classifier Pradipta, Gede Angga; Putu Desiana Wulaning Ayu
Jurnal Sistem dan Informatika (JSI) Vol 18 No 1 (2023): Jurnal Sistem dan Informatika (JSI)
Publisher : Direktorat Penelitian,Pengabdian Masyarakat dan HKI - Institut Teknologi dan Bisnis (ITB) STIKOM Bali

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30864/jsi.v18i1.594

Abstract

Fetal cardiotography, sebuah alat penting dalam pemantauan kesehatan janin selama kehamilan. Fetal cardiotography memberikan informasi vital tentang kesehatan janin, termasuk detak jantung janin dan aktivitas gerakan janin. Ini membantu dokter dan perawat untuk memantau kesehatan janin secara berkala selama kehamilan. Dengan mengamati pola detak jantung janin, fetal Cardiotocography dapat membantu mendeteksi dini masalah kesehatan janin, seperti hipoksia (kurangnya oksigen), ketidakseimbangan cairan ketuban, atau masalah dengan plasenta. Integrasi antara penggunaan machine learning untuk mendukung diagnosa dokter terhadap kondisi detak jantung janin ini menjadi sangat diperlukan. Adanya sebuah sistem berbasis AI menjadikan permasalahan subjektifitas dalam hasil diagnosa dapat diminimalisir. Pada penelitian ini mengembangkan sebuah model machine learning yang berbasiskan pada teknik boosting. Kombinasi antara outlier detection dan feature selection dianalisis dan kemudian diujicobakan pada tiga jenis algoritma boosting. Hasil dari eksperimen menunjukkan bahwa kombinasi antara local outlier factor, chi aquare dan extrem gradient boosting mampu memberikan performa terbaik yaitu dengan nilai akurasi sebesar 99.3%, presisi dengan 99.1%, recall 99.1% dan F-Measure sebesar 99.1%.
Metode Scrum dalam Pengembangan Game Edukasi Survival First Person Kisah I Swarnangkara si Penjaga Hutan Suardika, I Gede
Jurnal Sistem dan Informatika (JSI) Vol 18 No 1 (2023): Jurnal Sistem dan Informatika (JSI)
Publisher : Direktorat Penelitian,Pengabdian Masyarakat dan HKI - Institut Teknologi dan Bisnis (ITB) STIKOM Bali

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30864/jsi.v18i1.595

Abstract

Warisan budaya merupakan bagian integral dari identitas suatu masyarakat yang harus dilestarikan dan memiliki banyak tantangan. Untuk menghadapi tantangan dalam pelestarian warisan budaya, diperlukan pendekatan yang holistik dan terintegrasi. Game edukasi adalah salah satu media yang dapat digunakan dalam pelestarian budaya. Penelitian ini mencoba mengembangkan sebuah game edukasi untuk platform Windows (Desktop) bergenre Survival dengan sudut pandang First Person, yang bercerita tentang kisah I Swarnangkara si Penjaga Hutan. Berdasarkan kombinasi elemen-elemen yang ditemukan dalam kisah ini, kisah I Swarnangkara si Penjaga Hutan memiliki potensi besar untuk menjadi fondasi yang kuat dalam pengembangan game edukasi yang tidak hanya menghibur tetapi juga mendidik dan meningkatkan kesadaran lingkungan serta budaya. Metode Scrum digunakan sebagai pendekatan dalam pengembangan perangkat lunak pada penelitian ini. Penelitian ini telah berhasil mengembangkan sebuah game edukasi tersebut dan telah lulus uji menggunakan metode Blacbox Testing dengan Teknik State Transition yang menguji perilaku perangkat lunak ketika ada perubahan status atau transisi state dari satu keadaan ke keadaan lainnya menunjukkan hasil pengujian yang telah dilakukan dimana semua fungsionalitas sistem berjalan sesuai dengan apa yang diharapkan.
Peningkatan Akurasi Klasifikasi Kualitas Udara melalui Oversampling dengan Metode Support Vector Machine dan Random Forest I Gusti Ayu Nandia Lestari; I Komang Agus Ady Aryanto
Jurnal Sistem dan Informatika (JSI) Vol 18 No 1 (2023): Jurnal Sistem dan Informatika (JSI)
Publisher : Direktorat Penelitian,Pengabdian Masyarakat dan HKI - Institut Teknologi dan Bisnis (ITB) STIKOM Bali

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30864/jsi.v18i1.596

Abstract

Kualitas udara merupakan faktor penting yang memengaruhi kesehatan manusia dan semua makhluk hidup. Penelitian ini bertujuan untuk mengembangkan model klasifikasi kualitas udara menggunakan teknik oversampling SMOTE, serta metode Random Forest dan Support Vector Machine. Data yang digunakan adalah Indeks Standar Pencemaran Udara (ISPU) DKI Jakarta selama tahun 2022. Hasil pengujian menunjukkan bahwa menggunakan Random Forest, akurasi model mencapai 98%, sedangkan dengan penerapan SMOTE, akurasi meningkat menjadi 99%. Pada pemodelan dengan Support Vector Machine, akurasi mencapai 91%, namun dengan SMOTE, akurasi meningkat menjadi 95%. Hal ini menunjukkan bahwa penggunaan teknik oversampling SMOTE dapat meningkatkan akurasi model. Diharapkan penelitian ini dapat memberikan kontribusi penting bagi pemantauan dan pengelolaan lingkungan, serta memberikan pemahaman yang lebih baik tentang kualitas udara.
Implementasi Sistem Pengendali Lampu Berbasis Mikrokontroler dan Teknologi Infrared Aryanto, I Komang Agus Ady; I Gusti Ayu Nandia Lestari
Jurnal Sistem dan Informatika (JSI) Vol 18 No 1 (2023): Jurnal Sistem dan Informatika (JSI)
Publisher : Direktorat Penelitian,Pengabdian Masyarakat dan HKI - Institut Teknologi dan Bisnis (ITB) STIKOM Bali

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30864/jsi.v18i1.597

Abstract

Smarthome adalah sistem yang mengatur berbagai objek di dalam rumah. Penelitian ini bertujuan mengembangkan sistem pengaturan lampu di dalam rumah menggunakan teknologi sistem tertanam, yang memungkinkan pengguna untuk mengontrol penerangan dengan mudah menggunakan komponen yang tersedia di pasaran dengan harga terjangkau. Sistem ini dirancang khusus untuk mengatur lampu di dalam rumah, memanfaatkan berbagai komponen elektronik seperti mikrokontroler, relay, infrared, LED, push button, dan power supply. Mikrokontroler berfungsi sebagai inti pemrosesan untuk mengontrol on/off lampu melalui relay. Modul infrared berperan sebagai media komunikasi antara perangkat dengan remote infrared pengguna. Proses kerja sistem terdiri dari dua tahap yaitu, pengaturan identitas relay dan pengontrolan lampu yang terhubung dengan relay. Pada tahap pengaturan identitas relay, pengguna memberikan kode unik ke setiap relay sesuai dengan tombol remote yang digunakan. Sedangkan pada tahap pengontrolan, pengguna memberikan perintah ke relay sesuai dengan alamatnya melalui tombol remote yang telah didaftarkan sebelumnya. Hasil pengujian menunjukkan bahwa perangkat dapat bekerja dengan baik sesuai dengan perintah yang diberikan. Misalnya, tombol remote 1 menyala menyebabkan relay 1 menyala, tombol 2 menyebabkan lampu 2 menyala, tombol 3 menyebabkan lampu 3 menyala, dan tombol 4 menyebabkan lampu 4 menyala. Hal ini mengindikasikan bahwa perangkat sudah berfungsi sesuai dengan target yang diharapkan.

Page 24 of 28 | Total Record : 275

 22   23   24   25   26 

Filter by Year

2014 2025


Reset
Filter By Issues
All Issue Vol 19 No 2 (2025): Jurnal Sistem dan Informatika (JSI) Vol 19 No 1 (2025): Jurnal Sistem dan Informatika (JSI) Vol 18 No 2 (2024): Jurnal Sistem dan Informatika (JSI) Vol 18 No 1 (2023): Jurnal Sistem dan Informatika (JSI) Vol 17 No 2 (2023): Jurnal Sistem dan Informatika (JSI) Vol 17 No 1 (2022): Jurnal Sistem dan Informatika (JSI) Vol 16 No 2 (2022): Jurnal Sistem dan Informatika (JSI) Vol 16 No 1 (2021): Jurnal Sistem dan Informatika (JSI) Vol 15 No 2 (2021): Jurnal Sistem dan Informatika (JSI) Vol 15 No 1 (2020): Jurnal Sistem dan Informatika (JSI) Vol 14 No 2 (2020): Jurnal Sistem dan Informatika (JSI) Vol 14 No 1 (2019): Jurnal Sistem dan Informatika (JSI) Vol 13 No 2 (2019): Jurnal Sistem dan Informatika (JSI) Vol 13 No 1 (2018): Jurnal Sistem dan Informatika (JSI) Vol 12 No 2 (2018) Vol 12 No 1 (2017) Vol 11 No 2 (2017) Vol 11 No 1 (2016) Vol 10 No 2 (2016) Vol 10 No 1 (2015) Vol 9 No 2 (2015) Vol 9 No 1 (2014) Vol 8 No 2 (2014) More Issue