cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Fajril Akbar
Contact Email
ijab@fti.unand.ac.id
Phone
+627517770
Journal Mail Official
teknosi@fti.unand.ac.id
Editorial Address
Jurusan Sistem Informasi, Fakultas Teknologi Informasi Universitas Andalas Kampus Limau Manis, Padang 25163, Sumatera Barat
Location
Kota padang,
Sumatera barat
INDONESIA
Jurnas Nasional Teknologi dan Sistem Informasi
Published by Universitas Andalas
ISSN : 24768812     EISSN : 24603465     DOI : https://dx.doi.org/10.25077/TEKNOSI
Core Subject : Science,
Computer Science & IT Decision Sciences, Operations Research & Management
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
Arjuna Subject : Ilmu Komputer (semua kategori) - Sistem Informasi
Articles 428 Documents
 39   40   41   42   43 
Klasifikasi Penyakit Jantung Berbasis Data Rekam Medis Menggunakan Algoritma Local Mean K-Nearest Neighbor Alayda Zaielamy Putri; Muhammad Daud; Hafizh Al Kautsar Aidilof
Jurnal Nasional Teknologi dan Sistem Informasi Vol 12 No 1 (2026): April 2026
Publisher : Departemen Sistem Informasi, Fakultas Teknologi Informasi, Universitas Andalas

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25077/TEKNOSI.v12i1.2026.134-143

Abstract

Penyakit jantung merupakan penyebab kematian utama di dunia dengan diagnosis dini yang penting namun sering terkendala akurasi interpretasi data rekam medis kompleks. Algoritma klasifikasi tradisional seperti K-NN memiliki kelemahan dalam menangani noise dan outliers dalam data medis. Penelitian ini bertujuan mengimplementasikan algoritma Local Mean K-Nearest Neighbor untuk mengklasifikasikan penyakit jantung berdasarkan data rekam medis dengan akurasi yang lebih baik. Dataset terdiri dari 403 observasi dengan 10 variabel meliputi jenis kelamin, umur, tekanan darah, heart rate, respiratory rate, hasil elektrokardiogram, kondisi nyeri dada, dan klasifikasi diagnosis. Metode Local Mean K-NN mengadaptasi konsep K-NN tradisional dengan pendekatan local mean calculation untuk mengatasi noise dan outliers. Tahapan penelitian mencakup preprocessing data, feature encoding, feature scaling, hyperparameter tuning, dan evaluasi menggunakan metrik accuracy, precision, recall, dan F1-score. Hasil menunjukkan algoritma Local Mean K-NN dengan nilai K optimal 11 mampu mengklasifikasikan penyakit jantung dengan accuracy 71.60%, precision 69.21%, recall 71.60%, dan F1-score 70.27%. Model menunjukkan performa sangat baik dalam mendeteksi Penyakit Jantung Koroner dengan precision 91.89% dan recall 97.14%. Analisis feature importance mengidentifikasi nyeri dada sebagai indikator terpenting (73.79%), diikuti heart rate (36.40%) dan respiratory rate (25.25%). Penelitian membuktikan efektivitas Local Mean K-NN sebagai clinical decision support tool dalam klasifikasi penyakit kardiovaskular meskipun terdapat tantangan class imbalance pada kelas minoritas.
Implementasi Random Forest Regression Untuk Prediksi Harga Saham Consumer Non-Cyclicals Berbasis Rasio Fundamental Devi Debora; R.A.E. Virgana Targa Sapanji
Jurnal Nasional Teknologi dan Sistem Informasi Vol 12 No 1 (2026): April 2026
Publisher : Departemen Sistem Informasi, Fakultas Teknologi Informasi, Universitas Andalas

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25077/TEKNOSI.v12i1.2026.126-133

Abstract

Prediksi harga saham merupakan aspek krusial dalam pengambilan keputusan investasi, khususnya pada sektor Consumer Non-Cyclicals yang memiliki karakteristik permintaan relatif stabil. Namun, hubungan antara rasio fundamental dan harga saham sering bersifat non-linear sehingga sulit dimodelkan menggunakan pendekatan statistik konvensional. Penelitian ini bertujuan untuk membangun model prediksi harga saham berbasis algoritma Random Forest Regression dengan mengintegrasikan rasio fundamental dan fitur turunan hasil feature engineering pada sektor Consumer Non-Cyclicals di Bursa Efek Indonesia. Penelitian menggunakan data sekunder berupa laporan keuangan dan harga saham kuartalan perusahaan sektor Consumer Non-Cyclicals periode 2022–2024. Variabel independen meliputi EPS, Book Value, DER, ROA, ROE, dan NPM, serta fitur turunan seperti PER, PBV, interaksi rasio, harga lag, dan perubahan harga. Pemodelan dilakukan menggunakan Random Forest Regression dengan pembagian data TimeSeriesSplit. Evaluasi model menggunakan MAE, RMSE, dan R², serta interpretasi model dilakukan melalui Feature Importance dan SHAP. Hasil penelitian menunjukkan bahwa model Random Forest Regression memiliki kinerja prediksi yang baik dan mampu menangkap pola non-linear antara variabel fundamental dan harga saham. Fitur Harga_Lag1, ROE, PER, dan interaksi DER_ROA menjadi variabel paling berpengaruh dalam menentukan harga saham. Model yang dikembangkan efektif sebagai alat bantu prediksi harga saham berbasis fundamental dan berpotensi mendukung pengambilan keputusan investasi yang lebih akurat dan berbasis data.
Systematic Literature Review: Optimasi Keputusan Pada Monitoring Kesehatan Hutan Menggunakan Metode Multi-Objective Optimization By Ratio Analysis (MOORA) Ari Andrianti; Willy Bima Alfajri; Miranty yudistira
Jurnal Nasional Teknologi dan Sistem Informasi Vol 12 No 1 (2026): April 2026
Publisher : Departemen Sistem Informasi, Fakultas Teknologi Informasi, Universitas Andalas

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25077/TEKNOSI.v12i1.2026.113-125

Abstract

Forest health monitoring is a crucial component of sustainable forest management, particularly amid increasing pressures from deforestation, land degradation, and climate change. The complexity of forest ecosystems means that decision-making processes cannot rely on a single indicator but instead require approaches capable of simultaneously accommodating multiple biophysical, environmental, and social criteria. Therefore, Multi-Criteria Decision Making (MCDM) methods have been widely applied in decision support systems within the forestry sector. This study aims to systematically examine the application of the Multi-Objective Optimization by Ratio Analysis (MOORA) method in optimizing decision-making for forest and environmental health monitoring. The research adopts a Systematic Literature Review (SLR) methodology based on the PRISMA guidelines. The SLR process includes the formulation of research questions, literature search strategies, the establishment of inclusion and exclusion criteria, quality assessment of selected studies, and narrative synthesis of the findings. Literature searches were conducted using Google Scholar, Scopus, and OpenAlex databases, covering articles published between 2021 and 2026. The selection results indicate that the MOORA method has been extensively applied in environmental and natural resource decision support systems, particularly for alternative ranking and the determination of forest and land management priorities. Overall, MOORA is considered effective in producing objective, consistent, and easily interpretable decisions, either as a standalone method or in combination with other approaches such as AHP, ORESTE, and GIS. However, most existing studies remain case-based with limited geographical scope and have not yet developed standardized forest health indicators. These findings highlight opportunities for further research to develop more comprehensive MOORA-based forest health monitoring models to support environmental management and sustainable forest management policies.
Analisis Klasifikasi Kepatuhan Pembayaran Retribusi Pelayanan Pasar di Kota Tangerang Selatan Menggunakan Algoritma Random Forest Tiara Diba; Eri Rustamaji; Eva khudzaeva; Nida’ul Hasanati; Nia Kumaladewi
Jurnal Nasional Teknologi dan Sistem Informasi Vol 12 No 2 (2026): Agustus 2026
Publisher : Departemen Sistem Informasi, Fakultas Teknologi Informasi, Universitas Andalas

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25077/TEKNOSI.v12i2.2026.190-202

Abstract

Market service levies are one of the primary sources of Local Own-Source Revenue (PAD) used to develop and revitalize markets, as well as improve comfort, security, and local economic growth. Although the Electronic Transaction System for Local Government (ETPD) has been implemented in South Tangerang City to facilitate payments through various digital channels, the payment compliance rate remains low. In 2023, South Tangerang's market service levy revenue only reached 29.94% of the set target. Of this amount, only 16.86% of levy obligors paid regularly and on time, while 83.14% failed to make timely payments. This condition may hinder optimal regional revenue generation. This study aims to develop a classification model that can predict compliance in market service levy payments in South Tangerang City. The research utilizes the Random Forest algorithm and follows the Cross-Industry Standard Process for Data Mining (CRISP-DM) framework to classify market service levy data from November 2021 to November 2024 obtained through the ETPD system. The developed model classifies payment compliance into two categories: timely and delinquent. Analysis results using K-Fold Cross Validation show that the Random Forest model achieves strong performance metrics with 94.94% accuracy, 99.49% precision, 90.34% recall, 94.69% F1-score, and 95% AUC, indicating the model's excellent classification capability. These findings can serve as recommendations for the South Tangerang City government to formulate strategies for improving levy payment compliance. KEYWORDS
Pemodelan Akustik HMM–GMM untuk Pengenalan Ucapan Kata Darurat Bahasa Indonesia Candra Bella Vista; Endah Septa Sintiya; Wilda Imama Sabilla; Adevian Fairuz Pratama
Jurnal Nasional Teknologi dan Sistem Informasi Vol 12 No 2 (2026): Agustus 2026
Publisher : Departemen Sistem Informasi, Fakultas Teknologi Informasi, Universitas Andalas

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25077/TEKNOSI.v12i2.2026.369-376

Abstract

Keamanan dan keselamatan merupakan kebutuhan dasar manusia. Situasi darurat seperti pencurian, kebakaran, maupun ancaman lainnya sering kali memerlukan respons yang cepat untuk mengurangi dampak negatifnya. Seiring berkembangnya teknologi, sistem keamanan berbasis suara menjadi solusi potensial untuk meningkatkan efektivitas deteksi dini dan tanggapan terhadap keadaan darurat. Penelitian ini bertujuan untuk mengembangkan model akustik berbasis Hidden Markov Model–Gaussian Mixture Model (HMM–GMM) guna mendeteksi kata-kata darurat dalam Bahasa Indonesia, seperti tolong, jangan, maling, kebakaran, dan kecelakaan. Dataset yang digunakan terdiri atas 1.100 berkas audio yang seimbang antara kelas darurat dan non-darurat. Fitur akustik dari dataset diekstraksi menggunakan Mel-Frequency Cepstral Coefficients (MFCC) beserta fitur turunan delta dan delta-delta. Evaluasi dilakukan dengan metode 10-fold cross-validation dan model terbaik diujikan dengan data holdout test untuk memastikan kemampuan generalisasi model. Hasil penelitian menunjukkan bahwa model HMM–GMM dengan 4 state dan 16 komponen Gaussian memberikan performa terbaik dengan akurasi 94,5%, presisi 94,3%, recall 94,5%, dan F1-score 94,4% pada hold. Temuan ini membuktikan bahwa model HMM–GMM efektif dalam mengenali ucapan darurat Bahasa Indonesia secara akurat dan efisien.
Development of Work Program Submission System Using Predictive Data Analytics Based on Neural Network Algorithms at PT Pos Lhokseumawe Hasbul Hadi; Nurdin Nurdin
Jurnal Nasional Teknologi dan Sistem Informasi Vol 12 No 2 (2026): Agustus 2026
Publisher : Departemen Sistem Informasi, Fakultas Teknologi Informasi, Universitas Andalas

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25077/TEKNOSI.v12i2.2026.172-180

Abstract

The digital transformation within PT. Pos Indonesia KC Lhokseumawe demands a more efficient, secure, and adaptive procurement system. This study aims to develop a web-based work program submission system that integrates predictive analytics and neural network algorithms to enhance procurement efficiency and the accuracy of budget forecasting. The system is built using a React.js-based frontend architecture and a FastAPI-based backend, with MongoDB as the database. The N-BEATS model is implemented for time series-based budget forecasting, while Neural Collaborative Filtering is employed to recommend vendors based on interaction history. Evaluation results demonstrate strong performance, with an R-squared value of 0.9965 for the forecasting model and an F1-score of 73.71% for the recommendation model. This integrated system provides procurement management features, budget forecasting, and tender recommendations, and is expected to improve business process efficiency at PT significantly.
Analisis Sentimen Opini Publik Terkait Kebijakan Royalti Musik Menggunakan Algoritma Naïve Bayes pada Data Twitter Nilna Sholihah; Mas Rahmah
Jurnal Nasional Teknologi dan Sistem Informasi Vol 12 No 2 (2026): Agustus 2026
Publisher : Departemen Sistem Informasi, Fakultas Teknologi Informasi, Universitas Andalas

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25077/TEKNOSI.v12i2.2026.181-189

Abstract

The music royalty policy in Indonesia, regulated by the Minister of Law Regulation Number 27 of 2025, has triggered various responses from the public. This study aims to analyze public opinion sentiment on Twitter regarding the music royalty policy using the Naive Bayes algorithm. Data was collected from Indonesian-language Twitter accounts from August 1-15, 2025, resulting in 1,588 tweets, which were then analyzed using Orange Data Mining. The analysis process included data crawling using Google Colab, data preprocessing, emotional analysis, and polarization analysis using multilingual sentiment. The results showed a distribution of sentiment: 584 positive tweets (36.8%), 561 neutral tweets (35.3%), and 443 negative tweets (27.9%). The Naive Bayes algorithm produced an accuracy of 97.17% with a prediction error rate of 45 tweets. The confusion matrix demonstrated excellent model performance in classifying public sentiment. This study provides important insights into public perceptions of the implementation of the music royalty policy and can be used as evaluation material for stakeholders in the Indonesian music industry.
Optimasi Pengelompokan Pekerja Menggunakan Metode Fuzzy C-Means Di Disnaker Perindag Kota Binjai Berbasis Website Salma Kharida; Safwandi Safwandi; Rini Meiyanti
Jurnal Nasional Teknologi dan Sistem Informasi Vol 12 No 2 (2026): Agustus 2026
Publisher : Departemen Sistem Informasi, Fakultas Teknologi Informasi, Universitas Andalas

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25077/TEKNOSI.v12i2.2026.203-212

Abstract

Penelitian ini mengembangkan sistem pengelompokan pekerja berbasis website untuk Dinas Ketenagakerjaan Perindustrian dan Perdagangan (Disnaker Perindag) Kota Binjai menggunakan metode Fuzzy C-Means. Tingginya angka pengangguran dan kompleksitas pengelolaan data pekerja secara manual mendorong kebutuhan akan solusi teknologi yang dapat mengklasifikasikan tenaga kerja secara objektif dan efisien. Penelitian ini menggunakan data 387 pekerja terdaftar dari tahun 2022-2025 dengan lima atribut penilaian: usia, pendidikan, pengalaman kerja, bidang keahlian, dan sertifikasi. Data diproses melalui tahapan pembersihan, normalisasi, dan klasterisasi menggunakan algoritma Fuzzy C-Means untuk membagi pekerja ke dalam empat kategori berdasarkan kesiapan kerja dan kompetensi mereka. Sistem ini dibangun menggunakan Python dengan framework Flask dan database SQLite, dilengkapi fitur login administrator, pengelolaan data pekerja, proses otomasi klasterisasi, dan visualisasi hasil dalam bentuk tabel dan grafik. Hasil penelitian menunjukkan bahwa metode Fuzzy C-Means berhasil mengelompokkan pekerja ke dalam empat klaster sesuai tingkat kemiripan karakteristik mereka, dengan distribusi yang seimbang di setiap kategori. Sistem yang dihasilkan terbukti membantu Disnaker Perindag dalam membuat keputusan penempatan dan pelatihan kerja yang lebih tepat sasaran, objektif, dan sistematis. Penelitian ini menunjukkan bahwa penerapan teknologi data mining dengan Fuzzy C-Means dapat meningkatkan efektivitas pengelolaan sumber daya manusia di instansi pemerintah.
Pemodelan Topik dan Analisis Sentimen Ulasan Google Maps untuk Daya Saing Taman Nasional di Pulau Jawa: Zahrina Arij; Riswan Septriayadi Sianturi; Himawat Aryadita
Jurnal Nasional Teknologi dan Sistem Informasi Vol 12 No 2 (2026): Agustus 2026
Publisher : Departemen Sistem Informasi, Fakultas Teknologi Informasi, Universitas Andalas

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25077/TEKNOSI.v12i2.2026.160-171

Abstract

Digital transformation has changed how tourists form perceptions and evaluate tourism destinations through online reviews. In national parks on Java Island, destination representation through electronic word-of-mouth (e-WOM) does not fully align with actual visitation levels, indicating the need for an evaluation approach based on visitor perception data. This study aims to analyze the main topics shaping visitor perceptions and satisfaction toward national parks on Java Island based on Google Maps reviews. The research data consist of Google Maps reviews from 12 national parks on Java Island collected between September 6, 2023, and September 6, 2025. The analysis applies topic modeling using BERTopic to automatically extract key discussion topics and sentiment analysis to identify positive and negative visitor perceptions. Sentiment labeling is derived from star rating attributes and validated using an Automated Machine Learning (AutoML) approach. The synthesis of these findings serves as a basis for identifying strategic issues in destination management. The results identify nine main topics grouped into the five destination components of the 5A framework, namely attractions, activities, accommodation, amenities, and accessibility. Natural attractions and photo-related activities are dominated by positive sentiment, while costs, sanitation facilities, and accessibility show a higher proportion of negative sentiment. These findings suggest the need for strategies focusing on the consistency of supporting facilities, perceived price fairness and risk, and visitor dependence. Overall, this study demonstrates that Google Maps reviews can support adaptive and perception-based national park management to enhance the sustainable competitiveness of eco-tourism.
Komparasi Kinerja Algoritma Naive Bayes, SVM, dan Random Forest dalam Analisis Sentimen Aplikasi Crowdfunding Rafika Octaria Ningsih; Dwi Rosa Indah; Ardina Ariani; Mgs Afriyan Firdaus; Rahmat Izwan Heroza; M Husni Syahbani
Jurnal Nasional Teknologi dan Sistem Informasi Vol 12 No 2 (2026): Agustus 2026
Publisher : Departemen Sistem Informasi, Fakultas Teknologi Informasi, Universitas Andalas

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25077/TEKNOSI.v12i2.2026.231-241

Abstract

Ulasan pengguna pada platform crowdfunding merepresentasikan pengalaman, tingkat kepuasan, serta berbagai kendala yang dihadapi pengguna, sehingga memiliki nilai strategis sebagai bahan evaluasi dalam pengembangan kualitas layanan. Penelitian ini difokuskan pada analisis sentimen ulasan pengguna aplikasi Kitabisa sekaligus melakukan perbandingan kinerja algoritma Naive Bayes, Support Vector Machine (SVM), dan Random Forest dengan menerapkan framework CRISP-DM. Data penelitian berupa 1.624 ulasan pengguna yang dihimpun dari Google Play Store melalui metode web scraping. Pada tahap data preparation, data diolah melalui proses pembersihan, normalisasi teks, tokenisasi, penghapusan stopword, stemming, serta pembobotan fitur menggunakan TF-IDF. Selanjutnya, untuk mengatasi ketimpangan distribusi kelas sentimen, digunakan Synthetic Minority Over-sampling Technique (SMOTE) agar model mampu mempelajari pola data secara lebih seimbang. Proses pemodelan dilakukan dengan membagi dataset ke dalam data latih dan data uji dengan perbandingan 80:20, kemudian dievaluasi menggunakan metrik akurasi, presisi, recall, F1-score, serta k-Fold Cross Validation. Hasil pengujian mengindikasikan bahwa algoritma SVM menunjukkan performa paling unggul dengan tingkat akurasi pada data uji sebesar 94,51% serta rata-rata akurasi k-Fold sebesar 95,30%, disertai nilai standar deviasi terendah dibandingkan algoritma lainnya. Selain itu, analisis topik berbasis Latent Dirichlet Allocation (LDA) memperlihatkan bahwa sentimen positif didominasi oleh topik manfaat aplikasi dan kemudahan dalam berdonasi, sedangkan sentimen negatif umumnya berkaitan dengan kendala teknis, seperti proses verifikasi akun dan gangguan transaksi. Hasil Penelitian ini diharapkan dapat menjadi dasar pertimbangan bagi pengembang dalam meningkatkan kualitas layanan aplikasi Kitabisa.

Page 41 of 43 | Total Record : 428

 39   40   41   42   43 

Filter by Year

2015 2026


Reset
Filter By Issues
All Issue Vol 12 No 2 (2026): Agustus 2026 Vol 12 No 1 (2026): April 2026 Vol 11 No 3 (2025): Desember 2025 Vol 11 No 2 (2025): Agustus 2025 Vol 11 No 1 (2025): April 2025 Vol 10 No 3 (2024): Desember 2024 Vol 10 No 2 (2024): Agustus 2024 Vol 10, No 2 (2024): Agustus 2024 Vol 10, No 1 (2024): April 2024 Vol 10 No 1 (2024): April 2024 Vol 9 No 3 (2023): Desember 2023 Vol 9, No 3 (2023): Desember 2023 Vol 9, No 2 (2023): Agustus 2023 Vol 9 No 2 (2023): Agustus 2023 Vol 9 No 1 (2023): April 2023 Vol 9, No 1 (2023): April 2023 Vol 8, No 3 (2022): Desember 2022 Vol 8 No 3 (2022): Desember 2022 Vol 8, No 2 (2022): Agustus 2022 Vol 8 No 2 (2022): Agustus 2022 Vol 8 No 1 (2022): April 2022 Vol 8, No 1 (2022): April 2022 Vol 7 No 3 (2021): Desember 2021 Vol 7, No 3 (2021): Desember 2021 Vol 7, No 2 (2021): Agustus 2021 Vol 7 No 2 (2021): Agustus 2021 Vol 7, No 1 (2021): April 2021 Vol 6, No 3 (2020): Desember 2020 Vol 6, No 2 (2020): Agustus 2020 Vol 6, No 1 (2020): April 2020 Vol 5, No 3 (2019): Desember 2019 Vol 5, No 2 (2019): Agustus 2019 Vol 5 No 1 (2019): April 2019 Vol 5, No 1 (2019): April 2019 Vol 4, No 3 (2018): Desember 2018 Vol 4, No 2 (2018): Agustus 2018 Vol 4, No 1 (2018): April 2018 Vol 3, No 3 (2017): Desember 2017 Vol 3, No 2 (2017): Agustus 2017 Vol 3, No 1 (2017): April 2017 Vol 2, No 3 (2016): Desember 2016 Vol 2, No 2 (2016): Agustus 2016 Vol 2, No 1 (2016): April 2016 Vol 1, No 1 (2015): Oktober 2015 More Issue