Jurnas Nasional Teknologi dan Sistem Informasi
Jurnal ini menerbitkan artikel penelitian (research article), artikel telaah/studi literatur (review article/literature review), laporan kasus (case report) dan artikel konsep atau kebijakan (concept/policy article), di semua bidang : Geographical Information System, Enterpise Application, Bussiness Intelligence, Data Warehouse, Network Computer Security, Data Mining, Computer Architecture Design, Mobile Computing, Computing Theory, Embedded system, Decision Support System
Articles
11 Documents
Search results for
, issue
"Vol 10, No 1 (2024): April 2024"
:
11 Documents
clear
<![CDATA[Rancangan Aplikasi Pembelajaran Bahasa Arab Interaktif pada TK Aisyiah ]]>
<![CDATA[Galih Ashari Rakhmat]]>;
<![CDATA[Dewi Rosmala]]>;
<![CDATA[Aulia Fathurohman]]>;
<![CDATA[Bayu Prastyo]]>;
<![CDATA[Dwiki Rahmat Fathi]]>;
<![CDATA[Hada Azka Rahardito]]>;
<![CDATA[Rayhan Alea Rafid]]>
<![CDATA[ Jurnal Nasional Teknologi dan Sistem Informasi Vol 10, No 1 (2024): April 2024 ]]>
Publisher : <![CDATA[Jurusan Sistem Informasi, Fakultas Teknologi Informasi, Universitas Andalas ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.25077/TEKNOSI.v10i1.2024.1-8
<![CDATA[Pembelajaran bahasa Arab di Taman Kanak-kanak (TK) Aisyiah menjadi fokus utama untuk meningkatkan efektivitas dan keterlibatan siswa prasekolah. Untuk mencapai tujuan tersebut, diusulkan pembangunan "Sistem Pembelajaran Bahasa Arab Berbasis Aplikasi Multimedia Interaktif" sebagai solusi inovatif. Pemilihan teknologi aplikasi multimedia interaktif bertujuan untuk menciptakan pengalaman pembelajaran yang menarik dan efektif. Multiemdia Interaktif yang digunakan dalam aplikasi ini untuk memfasilitasi penilaian kemampuan Bahasa Arab anak-anak, memproses informasi dengan cepat, dan memberikan umpan balik yang relevan. Tantangan yang dihadapi mencakup keberlanjutan teknologi, pelatihan reguler bagi guru TK Aisyiah dalam penggunaan aplikasi multimedia, dan upaya memperkenalkan multimedia kepada para siswa. Solusi yang diusulkan melibatkan pembuatan aplikasi multimedia interaktif pembelajaran Bahasa Arab yang mewadahi pembelajaran dasar Bahasa arab untuk anak, pelatihan berkala untuk meningkatkan literasi teknologi guru, dan penerapan aplikasi pembelajaran yang intensif. Proyek ini bertujuan untuk mempermudah guru dalam mengelola pembelajaran Bahasa Arab. Efisiensi dan efektivitas pembelajaran Bahasa Arab di TK Aisyiah diharapkan dapat ditingkatkan secara signifikan.]]>
<![CDATA[Sistem Rekomendasi Pembelian Smartphone berbasis Algoritma K-Means dan Singular Value Decomposition ]]>
<![CDATA[Ivan Zuhdiansyah]]>;
<![CDATA[Ardytha Luthfiarta]]>
<![CDATA[ Jurnal Nasional Teknologi dan Sistem Informasi Vol 10, No 1 (2024): April 2024 ]]>
Publisher : <![CDATA[Jurusan Sistem Informasi, Fakultas Teknologi Informasi, Universitas Andalas ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.25077/TEKNOSI.v10i1.2024.45-53
<![CDATA[Perkembangan teknologi informasi yang pesat, memberi dampak pada ketesedian informasi yang berlimpah. Hal ini menjadikan suatu masalah yang disebut kelebihan informasi, menyebabkan pengguna internet sulit memahami dan membuat keptusan. E-commerce merupakan salah satu yang terdampak dari kelebihan informasi, dengan banyaknya produk dan pengguna baik dari penjual maupun pembeli yang ada. Sistem rekomendasi adalah bagian penting dari e-commerce yang menjadi salah satu cara menangani kelebihan informasi, dengan memberikan rekomendasi produk kepada pembeli agar membantu menentukan pilihan. Dalam sistem rekomendasi memiliki permasalahan scalability, dimana banyaknya produk yang tersedia membuatnya menjadi tidak efektif dan efisien dalam memberikan rekomendasi kepada pembeli. Maka, penelitian ini mengusulkan metode sistem rekomendasi yang dikombinasikan teknik clustering. Menggunakan algoritma K-Means untuk mengelompokkan produk, kemudian algoritma Singular Value Decomposition (SVD) untuk membuat rekomendasi di dalam cluster yang terbentuk. Hasil keluaran model yaitu, rekomendasi produk dan prediksi rating yang diberikan pembeli dari produk yang direkomendasikan. Evaluasi model mendapatkan nilai dbi sebesar 0,703 untuk clustering, nilai rata-rata terbaik MAE 0.8150 dan RMSE 1.1781 untuk rekomendasi yang dihasilkan. Kesimpulan yang didapat bahwa metode ini dapat menangani masalah scalability dan memberikan rekomendasi yang akurat dengan nilai evaluasi yang lebih baik dibandingkan penelitian sebelumnya.]]>
<![CDATA[Teknik Bagging pada Ensemble Learning untuk Kategorisasi Produk E-Commerce ]]>
<![CDATA[Faskal Churniansyah]]>;
<![CDATA[Danang Wahyu Utomo]]>
<![CDATA[ Jurnal Nasional Teknologi dan Sistem Informasi Vol 10, No 1 (2024): April 2024 ]]>
Publisher : <![CDATA[Jurusan Sistem Informasi, Fakultas Teknologi Informasi, Universitas Andalas ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.25077/TEKNOSI.v10i1.2024.92-99
<![CDATA[E-commerce merupakan layanan dalam jual beli yang dijalankan secara online melalui media elektronik seperti komputer dan handphone. Adanya perkembangan teknologi informasi yang lebih canggih menjadi pendorong utama dalam meningkatkan kerja e-commerce. Peningkatan yang sering dilakukan adalah menyediakan layanan sebaik – baiknya dan semudah mungkin untuk pelanggan. Banyaknya produk e-commerce yang ditawarkan ke pelanggan menjadi isu utama dalam layanan e-commerce. Tidak sedikit pelanggan yang bingung dalam menentukan pilihan produk. Bahkan beberapa penelitian menyatakan pelanggan yang awam tentang penggunaan e-commerce bingung dalam pemilihan produk. Ada deskripsi atau ulasan produk yang berbeda terhadap produk yang sama. Penelitian ini mengusulkan kategorisasi produk pada layanan e-commerce dengan tujuan menempatkan deskripsi produk sesuai dengan kategori yang telah ditentukan. Teknik bagging adalah Teknik ensemble learning yang mampu membuat beberapa sub pohon keputusan yang nantinya dapat dicari nilai akurasi yang terbaik. Pada hasil pengujian diperoleh bahwa pada pengaturan hyperparameter n_estimators 200 menghasilkan nilai akurasi terbaik dengan nilai 93,25%., precision 93%, recall 93% dan f1-score 93%.]]>
<![CDATA[Perancangan dan Implementasi Pendeteksi Kekeruhan Air Menggunakan Mikrokontroler Berbasis Nilai Nephelometric Turbidity Unit ]]>
<![CDATA[Dody Ichwana]]>;
<![CDATA[Yosa Rianda]]>;
<![CDATA[Shelvi Ekariani]]>
<![CDATA[ Jurnal Nasional Teknologi dan Sistem Informasi Vol 10, No 1 (2024): April 2024 ]]>
Publisher : <![CDATA[Jurusan Sistem Informasi, Fakultas Teknologi Informasi, Universitas Andalas ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.25077/TEKNOSI.v10i1.2024.9-16
<![CDATA[Penelitian ini bertujuan untuk merancang dan mengembangkan sebuah detektor kekeruhan air guna membantu pelanggan perusahaan penyedia air PDAM/PAM menjaga kualitas air yang digunakan untuk kebutuhan sehari-hari. Tujuannya adalah mencegah pencampuran air bersih yang telah disimpan dengan air keruh saat keran dibuka. Dalam penelitian ini, kami menggunakan smartphone sebagai perangkat pengendali jarak jauh yang memungkinkan pengguna untuk memantau kondisi air dari jarak jauh. Hasil penelitian menunjukkan bahwa sistem ini efektif mengendalikan proses pemisahan air berdasarkan kondisi air, serta memberikan kontrol manual oleh pengguna melalui komunikasi Bluetooth dalam jarak maksimal 10 meter. Sistem ini menawarkan dua tindakan kontrol, yaitu membuka dan menutup saluran air melalui katup solenoid. Dari hasil pengujian, kami dapat mengamati bahwa sistem ini berhasil memisahkan air sesuai dengan kondisinya dan merespons perintah pengguna dengan cepat.]]>
<![CDATA[Analisis Variasi Implementasi Algoritma Analytical Hierarchy Process (AHP) Dalam Menentukan Prioritas Produk Kalibrasi ]]>
<![CDATA[Ivan Michael Siregar]]>;
<![CDATA[Lydia Wulandari Budi Putri]]>
<![CDATA[ Jurnal Nasional Teknologi dan Sistem Informasi Vol 10, No 1 (2024): April 2024 ]]>
Publisher : <![CDATA[Jurusan Sistem Informasi, Fakultas Teknologi Informasi, Universitas Andalas ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.25077/TEKNOSI.v10i1.2024.54-63
<![CDATA[Pemanfaatan teknologi informasi telah berhasil menolong banyak perusahaan dalam meningkatkan penjualan produknya. Dengan melakukan evaluasi terhadap kinerja penjualan maka akan terlihat dinamika perubahan angka penjualan setiap produk secara lebih akurat untuk membantu pengambil keputusan yang strategis. Oleh karena itu, untuk mengatasi permasalahan ranking dan prioritas produk pada penelitian ini diperlukan suatu algoritma khusus seperti AHP untuk menyelesaikan permasalahan kompleks yang memiliki banyak kriteria. Banyak penelitian yang berhasil menggunakan algoritma AHP untuk menentukan peringkat produk seperti produk yang laris di minimarket dan beberapa studi kasus lainnya. Namun dalam penerapan AHP terdapat beberapa cara berbeda dalam menghitung bobot dan rasio konsistensi. Menggunakan AHP, melakukan pengujian dengan variasi proses AHP yang sering digunakan untuk menentukan prioritas kalibrasi produk dan membandingkannya, kemudian mengimplementasikan metode terbaik ke dalam Python. Kriterianya adalah jumlah pelanggan, jumlah alat yang masuk, harga per alat, waktu penyelesaian, dan review pelanggan. Berdasarkan hasil penelitian, bobot masing-masing cara berbeda-beda, namun prioritas yang dihasilkan sama. Produk terlaris adalah plug gauge dengan bobot tertinggi dan terburuk adalah instrumen. Hasilnya juga menunjukkan bahwa cara terbaik dalam proses normalisasi adalah dengan membagi setiap nilai kolom dengan total kolom yang bersangkutan dan memiliki nilai konsistensi yang lebih akurat. Hasil pemeringkatan akan memudahkan pengambil keputusan menganalisis prioritas produk dan menggunakan cara yang efektif.]]>
<![CDATA[Comparative Analysis of User Satisfaction Levels of Threads and X Applications Using the PIECES Method ]]>
<![CDATA[Nurul Rahmayani]]>;
<![CDATA[Dolly Indra]]>;
<![CDATA[Muhammad Arfah Asis]]>
<![CDATA[ Jurnal Nasional Teknologi dan Sistem Informasi Vol 10, No 1 (2024): April 2024 ]]>
Publisher : <![CDATA[Jurusan Sistem Informasi, Fakultas Teknologi Informasi, Universitas Andalas ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.25077/TEKNOSI.v10i1.2024.17-26
<![CDATA[Technology and information systems are high-speed in their application in helping community activities in the digital era. People's desire to access the Internet has increased to provide opportunities for companies to provide technology services, namely the Internet. One of the latest platforms to gain popularity among young users is Threads, which Instagram launched. X is an online social networking and microblogging service that allows users to send and receive text-based messages or posts. To determine whether Threads and X can be used to the best of their ability to access information, an analysis of the performance of the applications was conducted. This study uses the PIECES method to determine user satisfaction with the Threads and X applications. This research uses the PIECES analysis method, which consists of several assessment indicators (Performance, Information and Data, Economics, Control, Security, Efficiency, and Service) by distributing questionnaires to active users of Threads and X from various regions to get 1002 respondents. The results of this study show that Threads receives an average score of 3.61, indicating that users are satisfied, while X gets an average score of 4.37, indicating that users are satisfied. So, the results of this study show that the average level of satisfaction of X users is more significant than Threads. This shows that X's average level of user satisfaction is superior to that of Threads.]]>
<![CDATA[Perancangan Sistem Identifikasi Jenis Sampah Menggunakan Tensorflow Object Detection Dan Transfer Learning ]]>
<![CDATA[Aulia Anshari Fathurrahman]]>;
<![CDATA[Fajril Akbar]]>
<![CDATA[ Jurnal Nasional Teknologi dan Sistem Informasi Vol 10, No 1 (2024): April 2024 ]]>
Publisher : <![CDATA[Jurusan Sistem Informasi, Fakultas Teknologi Informasi, Universitas Andalas ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.25077/TEKNOSI.v10i1.2024.64-71
<![CDATA[Penanganan sampah menjadi tantangan utama dalam menjaga kebersihan dan kelestarian lingkungan. Identifikasi jenis sampah secara efisien sangat penting untuk meningkatkan pemilahan dan pengelolaan sampah. Penelitian ini berfokus pada penerapan teknologi deep learning menggunakan TensorFlow Object Detection API dan transfer learning untuk mengidentifikasi jenis sampah berdasarkan citra. Tujuan penelitian adalah mengembangkan model deep learning yang mampu mengidentifikasi sampah umum di Indonesia, serta mengevaluasi kinerjanya. Penelitian ini menggunakan TensorFlow Object Detection API dan transfer learning untuk melatih model identifikasi sampah dengan dataset yang telah dikumpulkan. Hasil penelitian menunjukkan tingkat akurasi yang tinggi dalam mengenali sampah seperti kaca, karton, kertas, logam, dan plastik. Dalam pengujian, model mencapai nilai Mean Average Precision (mAP) sebesar 0.858 dan Average Recall (AR) sebesar 0.91 pada data uji, dengan menggunakan nilai Intersection over Union (IoU) sebesar 0.841. Hasil ini menunjukkan kemampuan yang baik dalam mengenali dan membedakan jenis sampah. Penelitian ini berfokus pada Tempat Pengelolaan Sampah Nagari Tanjuang Gadang, yang mengalami peningkatan produksi sampah akibat pertumbuhan populasi dan urbanisasi. Infrastruktur yang tidak memadai dan pemilahan sampah manual yang masih dominan menimbulkan masalah lingkungan dan kesehatan. Dengan mengaplikasikan teknologi deep learning, penelitian ini mengusulkan solusi untuk meningkatkan efisiensi pengelolaan sampah dan mengurangi dampak negatif. Hasil penelitian ini diharapkan menjadi landasan bagi pengembangan sistem identifikasi jenis sampah yang lebih luas dan dapat diimplementasikan di berbagai fasilitas pengelolaan sampah, termasuk tempat pemilahan sampah di komunitas.]]>
<![CDATA[Penerapan Business Intelligence dan Prescriptive Analytics pada Mutu Pelayanan Kesehatan Rumah Sakit di Kota Pekanbaru ]]>
<![CDATA[Reysha Irsyalina]]>;
<![CDATA[Rahmatika Pratama Santi]]>
<![CDATA[ Jurnal Nasional Teknologi dan Sistem Informasi Vol 10, No 1 (2024): April 2024 ]]>
Publisher : <![CDATA[Jurusan Sistem Informasi, Fakultas Teknologi Informasi, Universitas Andalas ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.25077/TEKNOSI.v10i1.2024.27-35
<![CDATA[Dinas Kesehatan Kota Pekanbaru merupakan lembaga pemerintahan yang berwenang dan bertanggungjawab di bidang kesehatan. Salah satu fungsi dari Dinas Kesehatan Kota Pekanbaru yaitu melakukan pembinaan serta pengawasan mutu Pelayanan Kesehatan Dasar dan Rujukan. Pembinaan dan pengawasan dilakukan sebagai usaha untuk meningkatkan kepatuhan pengukuran dan pelaporan dari indikator mutu termasuk yang bersifat mandatory. Saat ini Dinas Kesehatan Kota Pekanbaru mengalami kendala dalam memanfaatkan data secara optimal karena pengolahan data masih terbatas. Laporan kinerja diunduh dalam bentuk excel dari aplikasi Mutufasyankes kemudian dilakukan analisis secara manual. Kondisi tersebut menyebabkan analisis kualitas layanan kesehatan untuk menyusun strategi pengembangan mutu pelayanan kesehatan memerlukan waktu yang lama karena harus mengolah data secara manual dari rekap data laporan kinerja rumah sakit setiap bulan. Analisa pada laporan kinerja pun tidak seragam sehingga pernyataan pada rencana tindak lanjut berbeda-beda. Oleh karena itu, dibutuhkan sebuah Business Intelligence yang dapat memudahkan dalam pengolahan data dan visualisasi dashboard sehingga menghasilkan informasi untuk membantu pendukung keputusan dalam strategi pengembangan mutu pelayanan kesehatan di Kota Pekanbaru. Metode yang dilakukan yaitu observasi, wawancara, analisis dokumen, studi literatur dan tahapan Roadmap BI yang terdiri dari justification, planning, business analysis, dan construction. Hasil penelitian berupa dashboard yang terdiri dari dashboard informasi umum, dashboard monitoring, dashboard evaluasi, dashboard analisa capaian, dan dashboard clustering. Hasil pengujian menggunakan metode user acceptance test (UAT) telah menunjukkan bahwa tingkat penerimaan responden sangat tinggi yaitu sebesar 90%. Dengan penerapan business intelligence, informasi mengenai kualitas layanan rumah sakit dari data indikator nasional mutu dapat diakses dan digunakan dalam menyusun strategi pengembangan mutu pelayanan kesehatan.]]>
<![CDATA[Perbandingan Performa Algoritma Metode Bagging dan Boosting pada Prediksi Konsentrasi PM10 di Jakarta Utara ]]>
<![CDATA[Elita Rizkiani Putri]]>;
<![CDATA[Dede Brahma Arianto]]>
<![CDATA[ Jurnal Nasional Teknologi dan Sistem Informasi Vol 10, No 1 (2024): April 2024 ]]>
Publisher : <![CDATA[Jurusan Sistem Informasi, Fakultas Teknologi Informasi, Universitas Andalas ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.25077/TEKNOSI.v10i1.2024.72-81
<![CDATA[Jakarta Utara merupakan salah satu wilayah di DKI Jakarta yang mengalami peningkatan hari dengan kualitas udara berkategori tidak sehat, yakni 21 hari pada tahun 2017 menjadi 117 hari di 2018, tetapi kemudian menurun menjadi 45 hari pada tahun 2019. Kategori tidak sehat tersebut dipengaruhi oleh polusi udara. Salah satu polutan yang ada di udara adalah PM10. Saat ini, kualitas udara dapat diprediksi menggunakan pendekatan algoritma machine learning. Contoh metode machine learning yang terkenal adalah Metode Bagging dan Boosting yang ada di Metode Ensemble. Contoh algoritma dengan Metode Bagging adalah Random Forest, sedangkan pada Metode Boosting adalah Catboost dan XGBoost. Penelitian ini bertujuan membandingkan performa algoritma Metode Bagging berupa Random Forest dan algoritma Metode Boosting berupa Catboost dan XGBoost dalam memprediksi konsentrasi PM10 di Jakarta Utara. Data yang digunakan adalah data harian tahun 2017—2019 untuk faktor meteorologis dan polutan lainnya di wilayah tersebut. Faktor meteorologis digunakan karena faktor ini dapat memengaruhi konsentrasi dan pembentukan polutan. Sementara itu, faktor polutan digunakan karena beberapa penelitian sebelumnya menggunakan faktor ini dalam memprediksi konsentrasi PM10. Penelitian ini dilakukan dengan studi literatur, pemerolehan data, pra-pemprosesan data, dan pemodelan data. Beberapa metrik evaluasi juga digunakan untuk melihat evaluasi dari pemodelan. Berdasarkan hasil pemodelan, algoritma Random Forest menghasilkan akurasi data testing yang lebih tinggi (R2 = 0,6424) dibandingkan XGBoost (R2 = 0,6340) dan Catboost (R2 = 0,6294).]]>
<![CDATA[Klasifikasi Penyakit Kanker Serviks Berdasarkan Kebiasaan dan Rekam Medis dengan Metode C4.5 ]]>
<![CDATA[Kemal Taufiq Hidayah]]>;
<![CDATA[Budi Arifitama]]>;
<![CDATA[Silverster Dian Handy Permana]]>
<![CDATA[ Jurnal Nasional Teknologi dan Sistem Informasi Vol 10, No 1 (2024): April 2024 ]]>
Publisher : <![CDATA[Jurusan Sistem Informasi, Fakultas Teknologi Informasi, Universitas Andalas ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.25077/TEKNOSI.v10i1.2024.36-44
<![CDATA[Kanker serviks adalah salah satu penyakit yang paling sering ditemui dan dapat menyebabkan kematian pada Wanita di seluruh dunia. Di Indonesia, jumlah kematian akibat kanker serviks terus meningkat setiap tahun, sebgaian besar disebabkan oleh diagnosis dan skrining yang terlambat. berbagai faktor yang disebabkan oleh kanker serviks seperti kebiasaan yang dilakukan ialah, berganti-ganti pasangan seksual, merokok atau pasif merokok, memiliki infeksi kelamin, memiliki riwayat kanker dan sebagainya. untuk mendeteksi adanya kanker serviks atau tidak, dapat dilakukan dengan cara pemeriksaan tes IVA (inspeksi visual asam asetat) atau yang disebut dengan tes schiller. Metode klasifikasi ialah bagian dari Teknik data mining untuk melakukan prediksi, Dalam penelitian ini, ingin meningkatkan akurasi dengan menggunakan metode C4.5 untuk melakukan klasifikasi penyakit kanker serviks berdasarkan kebiasaan pasien. Dua belas atribut dan satu atribut dari hasil pengujian digunakan dalam proses klasifikasi. Dataset tersebut terdiri dari 1080 entri, yang akan dibagi menjadi 864 data dan 216 data pelatihan. Data ini diperoleh dari website UCI Repository. Penelitian ini menghasilkan akurasi sebesar 94.10%, presisi sebesar 95.57%, recall sebesar 96.33% dan AUC (Area Under Curve) sebesar 0.987 yang diukur menggunakan matrix confussion atau matriks kebingungan dengan alat rapidminer. ]]>
