JuSiTik : Jurnal Sistem dan Teknologi Informasi Komunikasi

MANAJEMEN RISIKO TEKNOLOGI INFORMASI PADA BIDTIK POLDA SUMSEL MENGGUNAKAN FRAMEWORK COBIT 5

2025-07-01T01:42:44+00:00

Teknologi informasi berperan penting dalam mendukung efektivitas operasional, termasuk di institusi pemerintahan seperti Kepolisian Republik Indonesia. BIDTIK POLDA SUMSEL merupakan unit kerja yang bertanggung jawab dalam pengelolaan dan pengembangan sistem teknologi informasi dan komunikasi, didukung oleh Subbag Renmin, Subbid Tekkom, dan Subbid Tekinfo. Dalam pelaksanaannya, BIDTIK menghadapi berbagai risiko teknologi informasi, seperti human error, gangguan koneksi, kerusakan perangkat, dan insiden keamanan sistem yang belum terdokumentasi secara resmi. Untuk mengelola risiko tersebut secara optimal, diperlukan pendekatan terstruktur seperti COBIT 5, khususnya domain APO12 (Manage Risk) yang menyediakan panduan sistematis dalam mengidentifikasi, menilai, dan memitigasi risiko teknologi informasi secara terdokumentasi dan berkelanjutan. Penilaian dilakukan terhadap enam subproses APO12 melalui kuesioner dan analisis kuantitatif terhadap kondisi saat ini (As Is) dan yang diharapkan (To Be). Dari hasil pendekatan terstruktur dengan COBIT 5 pada domain APO12 menghasilkan rata-rata nilai As Is sebesar 2,07 (Level 2), menandakan proses sudah berjalan namun belum terdokumentasi secara konsisten. Sedangkan nilai To Be sebesar 3,43 (Level 3), mencerminkan target proses yang terdokumentasi dan terstruktur. Selisih antara kondisi aktual dan target menunjukkan perlunya peningkatan dalam dokumentasi, koordinasi, dan pemanfaatan teknologi dalam pengelolaan risiko.

Klasifikasi Kondisi Penyakit Asma Menggunakan Algoritma Naïve Bayes

2025-07-01T01:40:30+00:00

Asma merupakan penyakit pernapasan jangka panjang yang ditandai oleh gejala seperti batuk, kesulitan bernapas, dan bunyi mengi. Jika tidak ditangani dengan tepat, kondisi ini dapat berakibat fatal. Proses diagnosis yang masih bergantung pada intuisi dan pengalaman dokter sering kali menyebabkan keterlambatan penanganan. Penelitian ini bertujuan untuk mengembangkan model klasifikasi kondisi penyakit asma menggunakan algoritma Naïve Bayes berbasis data gejala klinis pasien. Dataset yang digunakan berasal dari platform publik Kaggle dengan total 316.800 data sampel dan 19 atribut demografis dan klinis. Tahapan penelitian meliputi studi literatur, pre-processing data, perancangan model, implementasi algoritma, serta evaluasi performa model dengan metrik akurasi, presisi, recall, dan F1-score. Hasil pengujian awal menunjukkan akurasi sebesar 75,19%, presisi 88,00% (weighted), recall 83,00% (macro), dan F1-score 77,00% (weighted). Setelah menerapkan teknik SMOTE untuk menangani ketidakseimbangan kelas, performa meningkat signifikan dengan akurasi mencapai 83,59%, dan F1-score sebesar 83,00%. Hasil ini menunjukkan bahwa kombinasi Naïve Bayes dan SMOTE efektif dalam mengklasifikasikan kondisi asma serta layak diterapkan sebagai sistem pendukung keputusan dalam diagnosis dini penyakit asma secara cepat dan akurat.

BUSINESS PROCESS REENGINEERING PADA DELIVERY ORDER DAN SISTEM INSENTIF DI PT.XYZ

2025-09-01T03:11:00+00:00

XYZ is a company engaged in the furniture sector. This company has difficulty in carrying out delivery orders such as late deliveries and a manual driver incentive calculation system. Therefore, researchers use the Business Process Reengineering (BPR) method as a method that can re-optimize business processes to be more efficient, fast, and accurate. Business process mapping uses ASME (American Society of Mechanical Engineers) and is tested using the efficiency throughput test. In building a delivery order and driver incentive system, researchers use the RAD method and also include use cases to the UI of the application. The results of this study show that initially there were 33 business processes with a total time of 9 hours 40 minutes and an efficiency throughput test of 70% and after being re-engineered there were 14 business processes with a total time of 3 hours 55 minutes and an efficiency throughput test of 98%. This shows that business process engineering was successful by eliminating, eliminating and combining unnecessary business processes, and optimizing the use of technology.

Penggunaan Data Mining Asosiasi dalam Penjualan Produk pada PT Tiga Usaha Jaya Menggunakan Algoritma Apriori

2025-09-07T10:38:00+00:00

PT Tiga Usaha Jaya merupakan perusahaan yang bergerak dibidang penjualan dan pemasangan CCTV (Closed Circuit Television) dan Security System yang disertai sistem Access Control. Perusahaan menghadapi permasalahan ketertinggalan dalam mengikuti perkembangan teknologi yang sangat pesat, kedatangan pandemi COVID-19 yang membuat perusahaan mengalami penurunan jumlah transaksi pembelian produk. Selain itu, data transaksi penjualan yang dimiliki perusahaan belum dimanfaatkan untuk dianalisis informasinya secara mendalam informasi. Dalam mengatasi masalah tersebut, dirancang aplikasi data mining asosiasi yang menerapkan algoritma apriori. Aplikasi diharapkan dapat membantu perusahaan dalam mendapatkan informasi terkait keterikatan antar produk yang sering dibeli bersamaan dengan tujuan untuk meningkatkan strategi penjualan dan efektivitas bundling terhadap produk dikarenakan informasi yang berbasiskan data. Didapatkan aturan yang dengan nilai confidence tertinggi di angka 0.8260 (82.6%) yaitu “Produk EZVIZ C6N 1080P WIFI CAMERA CCTV SMART IP - 1080P - Tanpa Memori cenderung dibeli bersamaan dengan produk Bracket CCTV Ezviz C6N,H6C,H7C Original”. Dari hasil tersebut, perusahaan dapat melakukan pemberian diskon atau dapat memaketkan produk yang direkomendasikan untuk mempermudah pelanggan dalam membeli produk.

Klasifikasi Jenis Penyakit Tanaman Jagung Berdasarkan Citra Daun dengan Algoritma EfficientNetV2-S

2025-10-09T08:01:28+00:00

Jagung adalah salah satu komoditas pangan penting di Indonesia, yang rentan terhadap penyakit daun seperti karat daun, bercak daun abu-abu, dan hawar daun. Serangan penyakit ini dapat menurunkan produktivitas sekaligus pendapatan petani. Klasifikasi manual yang dilakukan oleh petugas lapangan masih terbatas oleh kecepatan dan konsistensi, sehingga diperlukan sistem klasifikasi otomatis berbasis citra digital. Penelitian ini mengusulkan model klasifikasi penyakit daun jagung menggunakan algoritma Convolutional Neural Network (CNN) dengan arsitektur EfficientNetV2-S. Dataset yang digunakan terdiri dari 2.256 gambar daun jagung dari Kaggle, dibagi menjadi empat kelas: hawar daun, karat daun, bercak daun abu-abu, dan daun sehat. Semua gambar diubah ukurannya menjadi 224×224 piksel, dilakukan augmentasi, dan kemudian dibagi menjadi 80% data pelatihan dan 20% data validasi. Proses pelatihan dilakukan dengan batch size 32, learning rate 0,000005, dan 200 epoch. Evaluasi kinerja dilakukan menggunakan matriks kebingungan dengan metrik akurasi, presisi, recall, dan F1-score. Hasil terbaik diperoleh pada epoch ke-150 dengan akurasi 96%, tanpa tanda-tanda overfitting. Temuan ini menunjukkan bahwa EfficientNetV2-S dapat menjadi pendekatan yang efektif untuk mengklasifikasikan penyakit daun jagung dengan cepat dan akurat, yang berpotensi membantu petani mendeteksi penyakit lebih awal.

Digitalisasi Ekosistem Riset dan Inovasi Daerah Purwakarta: Analisis Kesiapan SDM dan Kolaborasi Pemerintahan

2025-10-14T02:43:40+00:00

Penelitian ini mengkaji transformasi digital dalam ekosistem riset dan inovasi di Kabupaten Purwakarta dengan menekankan pada kesiapan sumber daya manusia, kolaborasi antar instansi, dan tata kelola data. Pendekatan yang digunakan adalah kualitatif deskriptif melalui wawancara mendalam dengan tiga dinas utama, yaitu Dinas Perindustrian, Dinas Perdagangan, serta Dinas Koperasi dan UMKM Purwakarta. Analisis data dilakukan dengan model Miles dan Huberman untuk mengidentifikasi pola-pola dalam ekosistem riset daerah. Hasil penelitian mengungkapkan lima tantangan struktural: (1) rendahnya literasi digital dan kompetensi riset aparatur, (2) terfragmentasinya basis data riset antar dinas, (3) tidak transparannya mekanisme pendanaan riset digital, (4) lemahnya kolaborasi lintas lembaga, dan (5) belum terbentuknya budaya inovasi di sektor UMKM. Berdasarkan temuan tersebut, penelitian ini mengusulkan model digital LINKRASI (Link dan Integrasi Riset dan Magang Kolaboratif) sebagai kerangka tata kelola riset yang menghubungkan aktor-aktor riset melalui sistem manajemen riset terintegrasi. Penelitian ini memberikan kontribusi terhadap literatur tata kelola digital daerah dengan mengusulkan model integratif yang menghubungkan manajemen riset dan inovasi kolaboratif.

SISTEM INFORMASI REPOSITORY SISTEM PENJAMIN MUTU INTERNAL UNIVERSITAS INDO GLOBAL MANDIRI

2025-11-21T02:20:58+00:00

Kemajuan teknologi informasi berperan penting dalam mendukung efektivitas pelaksanaan Sistem Penjaminan Mutu Internal (SPMI) di perguruan tinggi. Penelitian ini merancang dan membangun sistem informasi berbasis web untuk mendukung pelaksanaan SPMI di Universitas Indo Global Mandiri (UIGM) dengan menggunakan metode Web Engineering, melalui tahapan perencanaan, perancangan, pengkodean, dan pengujian. Sistem ini memiliki fitur pengunggahan, pemeriksaan, dan pelaporan dokumen mutu bagi staf pengelola dan administrator. Hasil implementasi menunjukkan bahwa sistem dapat meningkatkan efisiensi pengelolaan dokumen mutu dan transparansi proses penjaminan mutu di UIGM.

A Systematic Review of Random Forest and Logistic Regression Algorithms for Predicting Student Readiness in LSP-P1 Competency Certification at Vocational High Schools

2025-11-29T00:09:15+00:00

Penentuan kesiapan siswa dalam mengikuti Sertifikasi Kompetensi LSP-P1 di SMK selama ini masih dilakukan secara manual dan cenderung subjektif, sehingga berisiko menghasilkan keputusan yang kurang akurat. Padahal, sejumlah penelitian telah menerapkan algoritma machine learning seperti Random Forest dan Logistic Regression untuk prediksi performa siswa, namun belum banyak yang berfokus pada konteks pendidikan vokasi dan sertifikasi kompetensi di Indonesia. Penelitian ini melakukan Systematic Literature Review (SLR) menggunakan panduan Kitchenham & Charters untuk mengidentifikasi tren, variabel prediktor, dan temuan utama dari penelitian sebelumnya. Hasil analisis menunjukkan bahwa kedua algoritma memiliki potensi untuk diimplementasikan pada prediksi kesiapan siswa mengikuti LSP-P1, namun belum ada penelitian yang secara spesifik mengkaji implementasinya dalam konteks SMK dan kebijakan vokasi nasional. Penelitian ini memberikan arah riset lanjutan dan peluang pengembangan sistem pendukung keputusan berbasis data.

SISTEM INFORMASI PEMELIHARAAN KENDARAAN OPERASIONAL UNTUK MENINGKATKAN KEGIATAN OPERASIONAL DI PT SINAR ANUGRAH NUSANTARA MAS

2025-12-01T11:29:12+00:00

Penelitian ini mengembangkan sistem informasi pemeliharaan kendaraan operasional berbasis web untuk meningkatkan efisiensi dan efektivitas kegiatan operasional di PT Sinar Anugrah Nusantara Mas. Sistem ini menggantikan pencatatan manual dengan digitalisasi penjadwalan, pemantauan, dan pelaporan pemeliharaan secara real-time. Metode pengembangan menggunakan model Waterfall dalam System Development Life Cycle (SDLC). Hasil menunjukkan peningkatan akurasi data, percepatan administrasi, pengurangan biaya operasional, dan pengambilan keputusan yang lebih baik, mendukung optimalisasi operasional distribusi dan pengelolaan armada.

Kata Kunci: digitalisasi, efisiensi, pemeliharaan, sistem informasi, Waterfall

Prediction of Daily Ice Crystal Demand Using Modified Bi-xLSTM

2025-12-04T04:30:47+00:00

Pada penelitian ini, selain melakukan pengembangan model prediktif berbasis Extended Long Short-Term Memory (xLSTM), juga dilakukan analisis mendalam terhadap faktor-faktor yang dapat memengaruhi permintaan es kristal secara harian. Faktor cuaca seperti suhu, curah hujan, dan kelembapan udara, serta tren pencarian di mesin pencari Google mengenai “es kristal” digunakan sebagai variabel tambahan yang diharapkan mampu meningkatkan akurasi prediksi model. Data historis yang dikumpulkan terdiri atas penjualan es kristal selama beberapa bulan terakhir, termasuk variabel eksternal yang relevan. Selanjutnya, data tersebut diproses dan dibersihkan menggunakan teknik preprocessing data seperti normalisasi dan penanganan missing value agar siap digunakan pada tahap pelatihan model. Implementasi model dilakukan dengan membagi data menjadi data latih dan data validasi, sehingga diperoleh gambaran sejauh mana model mampu melakukan generalisasi terhadap data yang belum pernah dilihat sebelumnya. Proses pelatihan dilakukan secara iteratif dengan melakukan tuning hyperparameter, seperti jumlah unit LSTM, learning rate, dan jumlah epoch agar diperoleh model dengan kinerja optimal. Selain itu, fitur klasifikasi biner yang diintegrasikan dalam model ini memungkinkan UMKM untuk mengambil keputusan secara cepat apakah perlu menambah kapasitas produksi es kristal untuk hari berikutnya atau tidak, berdasarkan tren permintaan terbaru. Evaluasi model dilakukan tidak hanya berdasarkan nilai akurasi, melainkan juga menggunakan confusion matrix untuk mendapatkan insight lebih dalam mengenai tingkat recall dan precision. Pada penelitian ini berhasil mendapatkan akurasi hingga 90%, sehingga model ini dapat diterapkan oleh berbagai UMKM yang memproduksi es Kristal untuk mendapatkan kenaikan terhadap keuntungannya.