JSITIK: Jurnal Sistem Informasi dan Teknologi Informasi Komputer

Prediksi Risiko Depresi pada Mahasiswa Menggunakan Algoritma Random Forest Berdasarkan Data Akademik dan Gaya Hidup

Ady Yoga Pratama — 2025-12-25

Latar Belakang: Depresi menjadi isu krusial yang semakin sering dialami oleh mahasiswa akibat tekanan akademik, gaya hidup, dan tuntutan sosial. Deteksi dini sangat mendesak karena depresi yang tidak ditangani dapat berdampak buruk pada performa akademik, hubungan sosial, dan kualitas hidup mahasiswa. Tujuan: Penelitian ini bertujuan untuk membangun model prediksi risiko depresi yang akurat dan objektif pada mahasiswa dengan menggunakan algoritma Random Forest berbasis data akademik dan gaya hidup. Metode: Penelitian ini merupakan studi kuantitatif yang menerapkan metodologi Knowledge Discovery in Databases (KDD). Data yang digunakan adalah Student Depression Dataset dari Kaggle. Prosesnya meliputi preprocessing data, penyeimbangan data dengan SMOTEENN dan label encoding untuk mengubah data kategorikal menjadi numerik. Hasil: Model yang dikembangkan menunjukkan performa yang sangat tinggi pada saat diuji. Hasil evaluasi pada data uji menghasilkan nilai akurasi, precision, recall, dan f1-score yang seragam, yaitu sebesar 97%. Kesimpulan: Model Random Forest terbukti efektif untuk mendeteksi risiko depresi secara akurat dan seimbang. Model ini berpotensi menjadi alat bantu yang berharga bagi institusi pendidikan untuk melakukan intervensi preventif yang tepat sasaran. Penelitian selanjutnya dapat berfokus pada validasi model menggunakan data institusional di dunia nyata.

Penerapan Algoritma Apriori Untuk Menentukan Pola Pembelian Konsumen

Nazzel Maulana Mustofa — 2025-12-25

Latar Belakang: Di era digital, bisnis ritel menghadapi tantangan dalam memahami perilaku konsumen dan menyusun strategi pemasaran yang efektif. Market Basket Analysis (MBA) menjadi pendekatan populer untuk menganalisis pola pembelian konsumen guna mempertahankan daya saing. Tujuan: Menemukan pola pembelian pelanggan dan mengidentifikasi aturan asosiasi antar produk yang dapat dimanfaatkan dalam strategi pemasaran seperti penempatan produk, bundling, dan personalisasi.Metode: Algoritma Apriori pada dataset transaksi ritel dari Kaggle yang berisi lebih dari 90.000 entri. Data dianalisis setelah melalui tahap pra-pemrosesan dan transformasi dengan teknik one-hot encoding. Algoritma dijalankan dengan parameter minimum support 0,005 dan confidence 0,5. Hasil: Hasil menunjukkan bahwa produk “12V U1 L&G 6” memiliki nilai support tertinggi sebesar 2,92%. Pasangan produk “1.5V IND AAA ALK BULK” dan “1.5V IND AA ALK BULK” menunjukkan asosiasi kuat dengan confidence 68,9% dan lift 58,46%. Kesimpulan: Penelitian ini berhasil mengidentifikasi pola pembelian konsumen dan menghasilkan aturan asosiasi yang signifikan sebagai dasar strategi pemasaran berbasis data. Penelitian selanjutnya disarankan mengeksplorasi algoritma lain seperti FP-Growth atau Eclat untuk membandingkan efisiensi dan akurasi.

Klasifikasi Gestur BISINDO Berbasis Landmark Tangan-Lengan Menggunakan Mediapipe Holistic dan Random Forest

Azra'i Mahendra Imam — 2025-12-25

Latar Belakang: Bahasa Isyarat Indonesia (BISINDO) menjadi media komunikasi primer bagi komunitas tunarungu di Indonesia. Akan tetapi, tingkat pemahaman masyarakat umum terhadap BISINDO masih minim, sehingga dibutuhkan inovasi teknologi untuk mengatasi hambatan komunikasi ini. Tujuan: Studi ini bertujuan untuk mengevaluasi efektivitas integrasi algoritma Random Forest dengan sistem ekstraksi fitur MediaPipe Holistic dalam mengidentifikasi gestur alfabet statis BISINDO secara tepat dan efisien. Metode: Riset ini menerapkan pendekatan kuantitatif eksperimental melalui pengumpulan data gestur alfabet BISINDO (A–Z kecuali J dan R). Setiap gerakan direkam menggunakan MediaPipe Holistic untuk menghasilkan 150 fitur landmark tiga dimensi. Dataset diseimbangkan dan diolah menggunakan model Random Forest dengan konfigurasi standar. Hasil: Model yang dikembangkan menunjukkan tingkat akurasi 100% pada dataset pengujian dan 96% pada data baru dari pengguna yang berbeda, mengindikasikan performa klasifikasi yang optimal dan kemampuan generalisasi yang baik. Kesimpulan: Integrasi MediaPipe Holistic dan Random Forest terbukti efektif dalam klasifikasi gestur BISINDO dan memiliki potensi untuk diimplementasikan dalam aplikasi penerjemah bahasa isyarat real-time yang inklusif.

Implementasi Regresi Linier untuk Prediksi Harga Saham Tesla

Agastya Andresangsya — 2025-12-25

Latar Belakang: Prediksi harga saham merupakan bidang penting dalam analisis keuangan modern karena membantu investor dalam mengambil keputusan. Meskipun telah banyak dikembangkan model kompleks berbasis kecerdasan buatan, regresi linier tetap menjadi metode statistik yang sederhana, cepat, dan cukup efektif untuk menangkap pola dasar pergerakan harga saham. Tujuan: Penelitian ini bertujuan untuk memprediksi harga penutupan saham Tesla Inc. (TSLA) dengan menggunakan metode regresi linier berdasarkan harga penutupan pada hari sebelumnya. Metode: Penelitian ini menggunakan pendekatan kuantitatif dengan data historis harga saham TSLA dari Yahoo Finance (periode Juni 2010–Desember 2023). Proses analisis mencakup pra-pemrosesan data, pembuatan fitur baru, pemodelan dengan Scikit-Learn, dan evaluasi model menggunakan metrik RMSE, R², dan MAPE. Hasil: Model regresi linier menghasilkan nilai RMSE sebesar 9,28, R² sebesar 0,9741, dan MAPE sebesar 2,6%. Hasil ini menunjukkan bahwa model mampu menangkap tren umum harga saham secara cukup akurat. Kesimpulan: Regresi linier terbukti menjadi baseline yang baik dalam prediksi harga saham meskipun memiliki keterbatasan dalam menangkap pola non-linier. Penelitian selanjutnya dapat mengeksplorasi model yang lebih kompleks.

Penerapan Algoritma Apriori untuk Mengidentifikasi Pola Peminjaman Buku Pada Perpustakaan Mas Trip Kabupaten Kediri

Asye Candra Andy Galuh — 2025-12-25

Latar Belakang: Perpustakaan berfungsi penting dalam meningkatkan kualitas intelektual masyarakat, namun banyak yang menghadapi tantangan dalam pengelolaan data, mengurangi kepuasan pengguna. Tujuan: Tujuan penelitian ini untuk mengidentifikasi pola peminjaman buku di Perpustakaan Mas Trip Kabupaten Kediri menggunakan algoritma Apriori. Metode: Metode penelitian menggunakan metode kuantitatif, data yang digunakan berasal dari gabungan tiga dataset publik (Books, Ratings, dan Users), yang kemudian diproses melalui teknik preprocessing dan dianalisis dengan algoritma association rule mining. Hasil: Hasil analisis menunjukkan bahwa kombinasi kedua algoritma ini dapat memberikan rekomendasi buku yang lebih personal dan akurat. Model yang dibangun kemudian diekspor ke dalam file untuk digunakan dalam aplikasi web berbasis Streamlit. Aplikasi tersebut memungkinkan pengguna mendapatkan rekomendasi buku berdasarkan histori peminjaman dan rating. Kesimpulan: Penelitian ini membuktikan bahwa integrasi algoritma data mining dapat meningkatkan efisiensi pengelolaan koleksi dan kualitas layanan perpustakaan.

Pengembangan Aplikasi Portofolio Digital Untuk Optimalisasi Pelaporan Kinerja Guru Berbasis Website

Samsul Huda — 2025-12-25

Latar Belakang: Urgensi penelitian ini dilakukan karena pengelolaan kinerja guru di Yayasan Pendidikan Al Husna yang masih dilakukan secara manual, sehingga tidak efisien, kurang transparan, dan rentan terhadap kehilangan data, yang menghambat pengambilan keputusan strategis. Tujuan: Tujuan penelitian ini adalah merancang dan mengimplementasikan aplikasi portofolio digital berbasis web yang mengintegrasikan tiga alur kerja tugas unik (reguler, usulan, dan tambahan) untuk meningkatkan efisiensi dan akuntabilitas. Metode: Metode penelitian menggunakan pendekatan Research and Development (R&D) dengan model Waterfall. Sistem dikembangkan menggunakan PHP-Laravel dan MySQL, serta diuji melalui Black-Box Testing. Hasil: Hasil menunjukkan seluruh fungsionalitas inti beroperasi sesuai rancangan tanpa kesalahan. Kesimpulan: Aplikasi yang dihasilkan menjadi solusi efektif untuk mendigitalisasi manajemen kinerja, dengan menyediakan data terstruktur untuk mendukung pengambilan keputusan yang lebih baik.

Optimalisasi Kinerja Jaringan WLAN di SMK TI Kartika Cendekia Menggunakan Metode Quality Of Service

Anindito Fakhri Shururi — 2025-12-25

Latar Belakang: Jaringan WLAN di SMK TI Kartika Cendekia sering mengalami kendala seperti koneksi tidak stabil, latensi tinggi, dan distribusi bandwidth yang tidak merata, sehingga mengganggu proses pembelajaran digital. Tujuan penelitian ini adalah mengoptimalkan kinerja jaringan WLAN dengan menerapkan metode Quality of Service (QoS) menggunakan teknik Traffic Shaping berbasis Hierarchical Token Bucket (HTB). Penelitian dilakukan karena adanya urgensi peningkatan kualitas layanan jaringan agar mendukung kelancaran pembelajaran berbasis teknologi. Metode evaluasi mencakup pengukuran parameter throughput, packet loss, delay, dan jitter, serta survei pengguna menggunakan kuesioner Mean Opinion Score (MOS). Hasil penelitian menunjukkan throughput meningkat menjadi rata-rata 6 Mbps, packet loss menurun dari 1,2% menjadi 0,5%, delay tetap rendah (< 3 ms), dan jitter berkurang signifikan. Nilai rata-rata MOS pengguna mencapai 4,0 (kategori baik). Penerapan QoS berbasis HTB terbukti efektif dalam meningkatkan performa jaringan WLAN di lingkungan sekolah, sehingga mendukung pembelajaran digital yang lancar dan nyaman.

Perancangan Digitalisasi Transaksi pada UMKM Nyemil Beauty Berbasis Aplikasi Android Point of Sale

Laras Niti Mulyani — 2025-12-26

Latar Belakang: Nyemil Beauty tergolong Usaha Mikro, Kecil, dan Menengah (UMKM) yang bergerak di bidang penjualan produk kuliner kontemporer. Usaha ini menghadapi tantangan akibat pencatatan transaksi penjualan secara manual yang juga tidak efisien. Tujuan: Penelitian ini bertujuan untuk merancang dan mengembangkan aplikasi Point of Sale (POS) berbasis Android yang dapat membantu UMKM dalam mengelola transaksi penjualan, data produk, dan laporan penjualan otomatis dan terstruktur. Metode: pengembangan yang digunakan adalah Agile, yang memungkinkan pengembangan sistem dilakukan secara bertahap dan fleksibel sesuai kebutuhan pengguna. Hasil: Aplikasi yang dikembangkan memiliki fitur utama berupa pencatatan data produk, transaksi penjualan, serta pembuatan laporan penjualan dalam bentuk digital. hasil pengujian terhadap pengguna menunjukkan bahwa 41,875% responden memberikan nilai sangat baik, 55,25% baik, dan 2,5% cukup terhadap aplikasi ini. Aplikasi POS berbasis Android ini telah berhasil memenuhi kebutuhan pengguna dalam meningkatkan efisiensi dan akurasi transaksi penjualan di Nyemil Beauty. Sistem ini terbukti mudah digunakan dan dapat diandalkan untuk menyimpan data produk, mencatat transaksi, serta menghasilkan laporan secara otomatis.