cover
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
ISSN : 1858473X     EISSN : 24603732     DOI : -
Core Subject : Science,
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
Pengembangan Sistem Informasi Pengenalan Pura Penataran Agung Dalem Ped Nusa Penida dengan Framework Codeigniter Wijaya, I Made Pasek Pradnyana
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.v18i1.598

Abstract

Pura Penataran Agung Dalem Ped di Nusa Penida, Klungkung, Bali, menawarkan wisata religius yang menarik. Keunikan pura ini memiliki sejarah panjang dan dianggap sebagai salah satu pura tertua di Nusa Penida. Namun, banyak pengunjung yang kebingungan dengan tata cara peribadatan dan informasi terkait pura. Untuk mengatasi hal ini, dikembangkanlah Sistem Informasi Pengenalan Pura Penataran Agung Dalem Ped menggunakan Framework CodeIgniter. Sistem ini dibuat menggunakan metode perekayasaan waterfall dan Bahasa pemrograman PHP. Hasil Akhir Penelitian ini adalah Implementasi Framework CodeIgniter pada Sistem Informasi Pengenalan Pura Penataran Agung Dalem Ped hasil kuesioner dengan persentase tingkat ketersediaan informasi 93,67%. Pengujian black box testing disimpulkan telah berjalan sesuai fungsi yang diharapkan. Sistem informasi Pengenalan Pura Penataran Agung Dalem Ped ini dapat memberikan informasi mengenai Pura Penataran Agung Dalem Ped, lokasi pura, alur persembahyangan, pelabuhan, penginapan,informasi kesehatan dan kebudayaan yang ada di nusa penida. Sistem Informasi Pengenalan Pura Penataran Agung Dalem Ped di Kecamatan Nusa Penida ini nantinya dapat dikembangkan lagi dengan menambahkan fitur 360 street view dan nantinya dapat dikembangkan untuk versi android dan ios.
Aplikasi Manajemen Toko Berbasis Website pada BUMDes Pemecutan Kaja Mandiri Pradipta, Gede Angga; Putu Desiana Wulaning Ayu; 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.v18i1.599

Abstract

Badan Usaha Milik Desa (BUMDes) merupakan lembaga usaha yang didirikan oleh pemerintah desa yang bertujuan untuk menumbuhkembangkan perekonomian di desa. Berbagai cabang jenis usaha ada pada BUMDes yang disesuaikan dengan kebutuhan masyarakat. Seiring dengan berkembangnya teknologi, BUMDes Pemecutan Kaja Mandiri dibuat menjadi lebih modern, namun pelaku usaha saat ini dalam proses pendataan dan laporan masih menggunakan sistem konvensional, yakni dengan mencatat di buku atau lembar dokumen microsoft excel. Hal tersebut sering kali mengakibatkan kesalahan data pada pendataan maupun laporan. Aplikasi Manajemen Toko Berbasis Website pada BUMDes Pemecutan Kaja Mandiri dapat mempermudah pihak pelaku usaha dalam mengelola pendataan dan laporan seperti pendataan barang, data transaksi, kasir, data kas, data laba-rugi dan lain-lain. Aplikasi ini dirancang dengan menggunakan metode pengembangan aplikasi model Waterfall, yaitu memiliki tahapan pendahuluan, analisis, desain, dan pengujian. Bahasa pemrograman yang digunakan PHP dengan MySQL database. Penelitian ini dilaksanakan selama 5 bulan dengan fungsionalitas aplikasi berbasis website yang telah diuji dengan metode Black Box Testing dan didapatkan hasil yang valid.
Aplikasi SIG Pemetaan Faskes Tingkat Pertama di Kabupaten Tabanan Pramartha, I Nyoman Bagus
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.v18i1.600

Abstract

Tujuan utama dari aplikasi SIG (Sistem Informasi Geografis) pemetaan Faskes Tingkat Pertama di Kabupaten Tabanan adalah untuk meningkatkan aksesibilitas dan cakupan pelayanan kesehatan dasar bagi masyarakat, terutama mereka yang tinggal di daerah yang sulit dijangkau untuk dapat memilih Faskes I untuk pertama kali mendaftar JKN atau berpindah Faskes I sesuai dengan jarak terdekat dari tempat tinggal. Kurangnya sistem yang terkoordinasi untuk mengelola data kesehatan dan spasial, penyedia layanan kesehatan dan pemerintah daerah mungkin menghadapi kesulitan dalam pengambilan keputusan yang informasional. Berdasarkan permasalahan tersebut maka diperlukan penerapan Aplikasi SIG Pemetaan Faskes Tingkat Pertama, menjadi bagian penting dari visi pembangunan Tabanan untuk meningkatkan kesejahteraan dan kualitas hidup masyarakatnya. Metode penelitian yang digunakan untuk pengembangan aplikasi ini adalah Metode Agile, software yang digunakan adalah menggunakan Google My Maps, diagram yang digunakan adalah Diagram Use Case dan Activity Diagram, pengujian sistem menggunakan Blackbox Testing. Hasil dari penelitian ini adalah berhasil dibangunnya aplikasi SIG Pemetaan Faskes Tingkat Pertama yang dapat membantu masyarakat dalam menemukan Faskes Tingkat Pertama yang lokasinya dapat dipilih sesuai dengan jarak yang terpendek dari tempat tinggal dan hasil pengujian aplikasi ini adalah fitur-fitur sudah berfungsi dengan baik sesuai dengan kebutuhan masyarakat.
Optimalisasi Klasifikasi Objek Melalui Integrasi Metode Ensemble dan Teknik Ekstraksi Fitur Deteksi Tepi Rudolf Huizen, Laurentius Andre Cornelis
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.v18i1.601

Abstract

Peningkatan volume lalu lintas dan kepadatan kendaraan di perkotaan menimbulkan tantangan besar dalam menjaga kelancaran dan efisiensi sistem transportasi. Identifikasi objek yang akurat untuk pengelolaan lalu lintas yang efektif. Penelitian ini mengombinasikan metode ensemble dalam klasifikasi objek dengan menggunakan teknik ekstraksi fitur deteksi tepi dan histogram. Tujuan dari penelitian ini adalah untuk meningkatkan akurasi dan efisiensi dalam deteksi objek. Teknik ekstraksi fitur deteksi tepi digunakan untuk mengidentifikasi karakteristik penting dari objek yang dapat memfasilitasi proses klasifikasi. Fitur histogram untuk mengekstrak informasi dari distribusi intensitas piksel dalam citra, yang memberikan gambaran mengenai kontras, kecerahan, dan distribusi warna dalam citra. Hasil eksperimen menunjukkan bahwa kombinasi metode ensemble dengan ekstraksi berbasis deteksi tepi dan histogram secara signifikan meningkatkan performa klasifikasi dibandingkan dengan penggunaan metode klasifikasi tunggal. Metode kombinasi tanpa penambahan fitur histogram mencapai akurasi 72.78%, presisi 72.37%, recall 72.61%, dan F1-Score 72.45%. Penambahan fitur histogram mencapai peningkatan akurasi, presisi, recall, dan F1-Score yang luar biasa menjadi 99.75%. Hasil penelitian memberikan kontribusi dalam meningkatkan akurasi dan efisiensi sistem pengenalan objek, serta menunjukkan bahwa pendekatan multi-metode yang menggabungkan berbagai jenis fitur dapat memberikan hasil yang lebih akurat dan andal dalam pengenalan objek. Integrasi teknik deteksi tepi dan histogram dengan algoritma ensemble seperti Random Forest terbukti sangat efektif dalam meningkatkan performa model klasifikasi gambar secara keseluruhan.
Optimalisasi Ekstraksi Fitur dan Klasifikasi untuk Deteksi Objek di IoT Rudolf Huizen, Vincentius Kevin Nicklaus
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.v18i1.602

Abstract

Penelitian ini bertujuan untuk meningkatkan efektivitas deteksi objek pada sistem Internet of Things (IoT) melalui optimalisasi metode ekstraksi fitur dan klasifikasi. Mengetahui kompleksitas algoritma pada sistem deteksi objek merupakan strategi untuk optimasi pada sistem IOT. Metode ekstraksi fitur yang digunakan adalah Gray Level Co-occurrence Matrix (GLCM), dengan fitur tekstur seperti kontras, homogenitas, energi, dan entropi dari suatu objek gambar. Untuk metode klasifikasi yang dikombinasikan dengan GLCM meliputi K-Nearest Neighbors (K-NN), Support Vector Machines (SVM), Decision Trees, dan Neural Networks. Dari hasil pengujian waktu eksekusi berbagai algoritma klasifikasi seperti K-NN, SVM, Decision Trees, dan Neural Networks, terlihat perbedaan yang signifikan dalam efisiensi dan skalabilitas masing-masing algoritma. SVM menunjukkan waktu eksekusi tertinggi dengan pertumbuhan eksponensial (O(n^3)), sehingga kurang efisien dan kurang sesuai untuk dataset yang sangat besar. Untuk K-NN memiliki kompleksitas waktu eksekusi yang linear dalam faktor k (O(nk)), namun masih terdapat peningkatan secara signifikan dengan bertambahnya jumlah data. Decision Trees, dengan kompleksitas log-linear (O(n log n)), menunjukkan keseimbangan yang baik antara efisiensi dan skalabilitas, sehingga model ini sesuai untuk dataset yang lebih besar dibandingkan SVM dan K-NN. Neural Networks menunjukkan sebagai algoritma yang efisien dengan pertumbuhan waktu eksekusi yang paling lambat (O(n)), sehingga model tersebut sesuai untuk dataset besar.
Pengembangan Model Prediksi Curah Hujan di Kota Denpasar Menggunakan Metode LSTM dan GRU Suranata, I Wayan Aditya
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.v18i1.603

Abstract

Perubahan iklim menjadi isu penting yang perlu dicermati karena memengaruhi berbagai sektor, termasuk pertanian yang sangat bergantung pada curah hujan karena menentukan jadwal tanam dan panen. Oleh karena itu, penelitian ini mengembangkan model prediksi curah hujan menggunakan metode Long Short-Term Memory (LSTM) dan Gated Recurrent Units (GRU). Data yang digunakan dalam pembuatan model diperoleh dari Badan Meteorologi, Klimatologi, dan Geofisika (BMKG) dan diukur selama satu tahun pada 2019. Dataset terdiri dari 10 atribut yang digunakan sebagai acuan pengukuran cuaca oleh BMKG. Kemudian data tersebut dianalisis untuk memperbaiki nilai yang hilang dan melakukan pelabelan untuk menyamakan tipe data. Dari 10 atribut, hanya 7 atribut yang digunakan dalam proses pemodelan. Hasil pemodelan menunjukkan bahwa metode LSTM menghasilkan nilai RMSE sebesar 8,853, MAE sebesar 4,090, dan MSE sebesar 78,383, sedangkan metode GRU menghasilkan nilai RMSE sebesar 9,698, MAE sebesar 4,291, dan MSE sebesar 94,058. Berdasarkan hasil ini, metode LSTM memiliki tingkat error yang lebih rendah dibandingkan GRU dalam memprediksi curah hujan. Penelitian ini diharapkan dapat memberikan kontribusi pada bidang meteorologi dalam memprediksi curah hujan serta berperan dalam penanganan perubahan iklim di masa depan.
Metode eXtreme Programming (XP) dalam Pengembangan Fitur PPDB di SDN 1 Purwokerto Kulon Rasyid Ramadhani; Fitriana, Gita Fadila
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.v18i1.604

Abstract

Penerimaan Peserta Didik Baru (PPDB) adalah proses tahunan yang diadakan oleh sekolah-sekolah seperti SDN 1 Purwokerto Kulon. Penelitian ini berfokus pada SDN 1 Purwokerto Kulon yang masih menggunakan pendekatan manual dalam setiap tahap pendaftaran PPDB. Sebagai solusi, penelitian ini mengusulkan pengembangan Fitur Penerimaan Peserta Didik Baru (PPDB) pada website SDN 1 Purwokerto Kulon untuk memberikan akses online kepada masyarakat dan meningkatkan efisiensi pelaksanaan PPDB. Tujuan utama dari fitur ini adalah untuk mengurangi kesalahan dalam penginputan data, mempercepat proses pengolahan data, dan memanfaatkan teknologi digital untuk memastikan pengumpulan data yang lebih akurat serta memperkuat komunikasi antara guru dan siswa. Pengembangan sistem ini menerapkan metode eXtreme Programming (XP) yang mengimplementasi iterasi cepat dan feedback terus-menerus selama proses pengembangan. Hasil penelitian menunjukkan bahwa implementasi sistem fitur PPDB online mampu meningkatkan efektivitas pengolahan data penerimaan peserta didik baru sebesar 74,10%. Peningkatan signifikan ini menegaskan bahwa sistem yang dikembangkan mampu mengatasi permasalahan yang telah diidentifikasi dalam perumusan masalah dan secara keseluruhan meningkatkan efisiensi operasional SDN 1 Purwokerto Kulon. Dengan demikian, penelitian ini menyimpulkan bahwa sistem PPDB online yang diimplementasikan tidak hanya menjawab tantangan efektivitas pengolahan data, tetapi juga membawa dampak positif bagi seluruh pemangku kepentingan yang terlibat.
Optimalisasi Rekayasa Lalu Lintas Melalui Teknologi Deteksi Objek Huizen, Roy Rudolf
Jurnal Sistem dan Informatika (JSI) Vol 18 No 2 (2024): 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.v18i2.605

Abstract

Pertumbuhan populasi dan urbanisasi yang pesat telah menyebabkan peningkatan signifikan dalam jumlah kendaraan, terutama di daerah perkotaan. Kondisi ini memicu berbagai masalah lalu lintas, seperti kemacetan dan polusi udara, yang berdampak negatif pada kehidupan sosial dan ekonomi masyarakat. Untuk mengatasi tantangan ini, diperlukan pendekatan rekayasa lalu lintas berbasis teknologi yang cerdas dan efisien. Penelitian ini membandingkan tiga metode utama—Support Vector Machine (SVM) dengan kernel Radial Basis Function (RBF), Decision Tree, dan Random Forest—dalam memprediksi kemungkinan terjadinya kemacetan pada suatu jalan. Menggunakan dataset lalu lintas yang mencakup faktor-faktor seperti volume kendaraan, kecepatan rata-rata, dan kondisi cuaca, setiap metode dilatih dan diuji untuk mengklasifikasikan data lalu lintas menjadi kategori kemacetan atau tidak. Hasil penelitian menunjukkan bahwa Random Forest memiliki performa terbaik, dengan akurasi mencapai 91,06%, precision hingga 83,04%, recall sebesar 91,06%, dan F1-score tertinggi di antara metode yang diuji. Untuk SVM menunjukkan akurasi antara 89,52% hingga 90,04%, dan Decision Tree menunjukkan akurasi antara 87,03% hingga 87,39%. Random Forest menunjukkan keunggulan dalam memprediksi kemacetan lalu lintas dan dapat menjadi solusi andal untuk diterapkan dalam sistem rekayasa lalu lintas berbasis teknologi.
Pengenalan Aktivitas Manusia dengan Seleksi Fitur Analysis of Variance (ANOVA) dan Mutual Information (MI) pada Data Sensor Accelerometer Berbasis Machine Learning Made Liandana; I Made Darma Susila; Yohanes Priyo Atmojo
Jurnal Sistem dan Informatika (JSI) Vol 18 No 2 (2024): 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.v18i2.606

Abstract

Pengenalan aktivitas manusia telah banyak dikembangkan untuk berbagai keperluan, seperti kesehatan, olahraga, hingga pengawasan lanjut usia. Penggunaan perangkat sensor menjadi salah satu pilihan dalam melakukan pengenalan aktivitas manusia. Sensor accelerometer adalah salah satu perangkat yang umum digunakan dalam pengenalan aktivitas. Data sensor ini memerlukan teknik dan algoritma yang tepat sehingga menghasilkan hasil pengenalan aktivitas yang sesuai. Penggunaan tradisional machine learning menjadi salah satu teknik yang dapat digunakan, teknik ini memerlukan proses ekstraksi fitur, dan seleksi fitur. Teknik seleksi fitur mana dan berapa jumlah fitur yang tepat untuk mendapatkan performa machine learning yang optimal perlu dilakukan investigasi lebih lanjut. Pada penelitian ini, dilakukan evaluasi terhadap kombinasi sejumlah fitur menggunakan algoritma machine learning: Extreme Gradient Boosting (XGB), Gradient Boosting (GBoost), Random Forest (RF), Decision Tree (DT), dan Support Vector Machine (SVM. Dataset publik yang digunakan yaitu FORTH-TRACE. Sensor yang digunakan adalah sensor accelerometer. Fitur yang digunakan meliputi nilai minimum, nilai maksimum, nilai rata-rata, nilai tengah, standar deviasi, dan nilai interkuartil. Sedangkan seleksi fitur yang digunakan adalah Analysis of Variance (ANOVA) dan Mutual Information (MI). Performa machine learning yang paling optimal ketika jumlah fitur 17 sampai dengan 18 fitur dengan akurasi 0,875, sedangkan performa machine learning paling optimal dicapai dengan menggunakan Extreme Gradient Boosting (XGB).
Analisis Performansi Parameter pada Arsitektur U-Net untuk Segmentasi Nukleus pada Citra Kanker Serviks Ayu, Desiana Wulaning; Pradipta, Gede Angga
Jurnal Sistem dan Informatika (JSI) Vol 18 No 2 (2024): 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.v18i2.607

Abstract

Pap Smear adalah salah satu metode untuk memeriksa sel-sel serviks. Sel-sel tersebut diperiksa dengan mikroskop untuk mengamati perubahan atau ketajaman sel epitel serviks sebagai tanda awal adanya keberadaan kanker. Namun, pemeriksaan Smear Pap secara manual memiliki beberapa kekurangan, yaitu membutuhkan waktu yang relatif lama dan peluang terjadinya kesalahan selama analisis besar karena bersifat subjektif. Namun, citra mikroskopis Pap Smear sulit untuk diinterpretasi, karena terdapat sel-sel yang berkelompok, tumpang tindih, adanya sel-sel inflamasi, bekas darah, kontras rendah, dan variasi dalam pencahayaan yang terjadi karena metode pewarnaan yang tidak konsisten seperti konsentrasi zat pewarna. Salah satu model dalam melakukan interpretasi citra adalah dengan segmentasi citra, maka penelitian ini berfokus pada pengembangan metode segmentasi menggunakan pendekatan model semantic segmentation U-Net dengan arsitektur dari Roonerberger. Penelitian ini menganalisis beberapa penggunaan hyperparameter untuk mengetahui performansi dari arsitektur model U-NET khususnya untuk mengsegmentasi AF. Adapun tuning hyperparameter terdapat pada optimizer, loss function, learning rate serta jumlah epoch. Performa terbaik U-Net dalam melakukan segmentasi cairan ketuban adalah dengan kombinasi parameter optimizer RMSprop, Loss function adalah Binary cross entropy, nilai learning rate 0.00001 dengan Epoch sebesar 31 dengan DSC sebesar 0.82 dan IoU sebesar 0.70, akurasi sebesar 0.8, presisi 0.78, recall 0.81.