Jurnal Sistem Informasi, Teknik Informatika dan Teknologi Pendidikan

Integrasi Sistem Informasi Berbasis AI untuk Optimalisasi Pengambilan Keputusan di Sektor Publik

2026-02-20T16:52:06+07:00

Penelitian ini bertujuan untuk menganalisis dan merancang sebuah model Integrasi Sistem Informasi (SI) Berbasis Kecerdasan Buatan (AI) yang efektif untuk mengoptimalkan proses pengambilan keputusan (decision-making) di lembaga sektor publik. Fokus utama adalah mengidentifikasi bagaimana integrasi data lintas departemen dengan analisis prediktif AI dapat menghasilkan wawasan yang actionable dan meningkatkan efisiensi layanan publik. Metode penelitian yang digunakan adalah kombinasi antara Studi Literatur Sistematis (SLS), Perancangan Sistem (System Design), dan pendekatan kualitatif melalui wawancara mendalam (in-depth interview) dengan para pengambil keputusan kunci di instansi pemerintah. Model integrasi diusulkan berdasarkan arsitektur Microservices dan memanfaatkan algoritma Machine Learning (ML), khususnya regresi logistik dan pohon keputusan, untuk memproses Big Data pemerintah dan memprediksi dampak kebijakan. Evaluasi hipotesis dilakukan melalui simulasi Proof of Concept untuk menilai akurasi dan skalabilitas model yang dirancang. emuan kunci menunjukkan bahwa model integrasi SI berbasis AI yang diusulkan berhasil mengurangi waktu yang dibutuhkan untuk menganalisis data hingga 45% dan meningkatkan akurasi prediksi dampak kebijakan rata-rata 15% dibandingkan metode tradisional. Integrasi data secara real-time memungkinkan dashborad keputusan yang terpusat, memberikan visibilitas lengkap (holistik) terhadap kinerja sektor publik. Hambatan utama yang teridentifikasi adalah isu interoperabilitas data dan kebutuhan reskilling aparatur sipil negara. Integrasi Sistem Informasi Berbasis AI terbukti menjadi solusi yang esensial untuk mengatasi kompleksitas pengambilan keputusan di sektor publik. Model ini tidak hanya meningkatkan efisiensi operasional dan akurasi prediksi, tetapi juga mendorong pemerintahan yang lebih responsif dan berbasis data. Implementasi yang berhasil memerlukan strategi manajemen perubahan yang kuat, fokus pada standar data terbuka, dan investasi berkelanjutan dalam infrastruktur teknologi dan sumber daya manusia

Pengembangan Sistem Informasi Manajemen Risiko Berbasis Blockchain untuk Keamanan Data Perusahaan

2026-02-20T16:53:40+07:00

Penelitian ini bertujuan untuk mengembangkan dan menguji implementasi Sistem Informasi Manajemen Risiko (SIMR) berbasis Blockchain yang dirancang untuk meningkatkan keamanan dan integritas data sensitif perusahaan. Metode penelitian yang digunakan adalah Research and Development (R&D) dengan pendekatan System Development Life Cycle (SDLC) model waterfall. Sistem ini mengintegrasikan kerangka kerja manajemen risiko standar dengan teknologi permissioned blockchain (seperti Hyperledger Fabric) untuk menciptakan jejak audit yang imutable dan transparan untuk setiap transaksi atau perubahan risiko. Hasil penelitian menunjukkan bahwa SIMR berbasis Blockchain yang dikembangkan berhasil diimplementasikan, menawarkan peningkatan signifikan dalam integritas data risiko, akuntabilitas pemrosesan risiko, dan mengurangi potensi manipulasi data dibandingkan sistem manajemen risiko terpusat tradisional. Temuan penting menunjukkan bahwa latensi pencatatan data risiko pada permissioned blockchain berada dalam batas yang dapat diterima untuk aplikasi perusahaan. Sebagai simpulan, sistem ini efektif dalam menyediakan platform yang aman, transparan, dan terdesentralisasi untuk manajemen risiko perusahaan, memenuhi kebutuhan akan keamanan data yang lebih tinggi di era digital

Rancang Bangun Sistem Informasi Pembelajaran Adaptif Menggunakan Machine Learning untuk Pendidikan Tinggi

2026-02-20T16:56:18+07:00

Penelitian ini bertujuan untuk merancang dan mengembangkan Sistem Informasi Pembelajaran Adaptif (SIPA) di lingkungan pendidikan tinggi yang mampu menyesuaikan konten, jalur, dan kecepatan belajar berdasarkan karakteristik unik setiap mahasiswa. Metode yang digunakan adalah Research and Development (R&D) dengan pendekatan System Development Life Cycle (SDLC) dan berfokus pada integrasi algoritma Machine Learning (ML), khususnya Model Collaborative Filtering. Tujuan utama ML adalah mempersonalisasi rekomendasi materi ajar dan menilai tingkat penguasaan konsep secara dinamis. Hasil rancang bangun menunjukkan bahwa SIPA berhasil diimplementasikan, menyediakan fitur analisis kinerja mahasiswa real-time dan kemampuan untuk memprediksi risiko kegagalan akademis. Temuan penting mencakup tingginya akurasi model Collaborative Filtering (mencapai 89%) dalam merekomendasikan materi tambahan yang relevan, serta peningkatan signifikan pada tingkat keterlibatan mahasiswa. Sebagai simpulan, SIPA berbasis ML ini menawarkan platform yang efektif dan efisien untuk mempersonalisasi pengalaman belajar, yang krusial untuk meningkatkan kualitas dan hasil pembelajaran di pendidikan tinggi

Evaluasi User Experience pada Sistem Informasi E-Commerce Menggunakan Metode Eye Tracking dan Heatmap

2026-02-20T17:03:47+07:00

Dalam sistem pengenalan ekspresi wajah berbasis deep learning, kualitas citra input memegang peran krusial dalam memengaruhi akurasi klasifikasi. Citra dengan kontras rendah atau distribusi intensitas yang tidak merata dapat mengurangi performa model dalam mengenali fitur-fitur penting pada wajah. Oleh karena itu, diperlukan eksplorasi terhadap teknik peningkatan kontras seperti histogram equalization untuk mengetahui sejauh mana pengaruhnya terhadap hasil klasifikasi ekspresi wajah. Penelitian ini bertujuan untuk menganalisis pengaruh peningkatan kontras citra terhadap akurasi model deep learning, khususnya model CNN berbasis arsitektur VGG-Face, dalam mengenali ekspresi wajah manusia. Penelitian ini menggunakan pendekatan kuantitatif dengan desain eksperimen. Dataset yang digunakan adalah FER-2013 yang terdiri dari enam kategori ekspresi wajah. Citra-citra dibagi dalam dua kelompok: citra asli (tanpa peningkatan kontras) dan citra yang telah melalui proses peningkatan kontras menggunakan histogram equalization. Kedua kelompok citra dilatih menggunakan model VGG-Face yang dimodifikasi pada lapisan akhir untuk klasifikasi ekspresi. Evaluasi dilakukan menggunakan metrik akurasi, F1-score, dan confusion matrix. Hasil eksperimen menunjukkan bahwa citra yang telah melalui proses peningkatan kontras menghasilkan akurasi sebesar 86.3%, meningkat sebesar 3.7% dibandingkan dengan citra tanpa peningkatan kontras yang hanya mencapai akurasi 82.6%. Selain itu, terjadi peningkatan F1-score pada kategori ekspresi netral dan marah yang sebelumnya memiliki tingkat kesalahan klasifikasi tertinggi. Analisis visual menunjukkan bahwa fitur wajah seperti garis senyum dan kerutan menjadi lebih terdefinisi setelah peningkatan kontras, sehingga mempermudah proses klasifikasi oleh model

Integrasi Sistem Informasi Berbasis AI untuk Optimalisasi Layanan Publik di Pemerintahan Daerah

2026-02-20T17:07:40+07:00

Penelitian ini bertujuan untuk mengembangkan dan mengintegrasikan sistem informasi berbasis kecerdasan buatan (AI) guna meningkatkan Layanan publik di pemerintah daerah. Permasalahan utama yang diidentifikasi adalah rendahnya pemanfaatan data secara real time, kurang terintegrasinya basis data antarinstansi, serta lambatnya proses analisis informasi dalam penentuan kebijakan. Metode penelitian menggunakan pendekatan mixed methods yang meliputi analisis kebutuhan sistem, perancangan arsitektur integrasi data, pengembangan model AI berbasis machine learning, serta pengujian performa menggunakan case study pada instansi pemerintah daerah. Data dikumpulkan melalui wawancara, observasi proses bisnis, serta pengujian sistem menggunakan dataset operasional instansi.

Hasil penelitian menunjukkan bahwa integrasi sistem informasi berbasis AI mampu meningkatkan akurasi analisis data sebesar 28%, mempercepat proses pengambilan keputusan hingga 40%, dan meningkatkan konsistensi rekomendasi kebijakan. Selain itu, model AI yang diimplementasikan menunjukkan kemampuan prediksi yang stabil dengan tingkat akurasi rata-rata 92% pada berbagai skenario pengujian. Integrasi data antarunit kerja juga terbukti meminimalkan duplikasi informasi dan memperbaiki alur koordinasi kebijakan publik.

Simpulan penelitian menyatakan bahwa sistem informasi terintegrasi berbasis AI memberikan kontribusi signifikan terhadap optimalisasi proses pengambilan keputusan di sektor publik, baik dari sisi kecepatan, kualitas analisis, maupun efektivitas koordinasi antarinstansi. Implementasi sistem ini direkomendasikan untuk diperluas pada berbagai sektor layanan publik guna mendorong tata kelola pemerintahan yang lebih responsif, efisien, dan berbasis data

Analisis Big Data dalam Sistem Informasi Akademik untuk Meningkatkan Retensi Mahasiswa

2026-02-20T17:10:23+07:00

Penelitian ini bertujuan untuk menganalisis penerapan Big Data dalam Sistem Informasi Akademik guna meningkatkan retensi mahasiswa di perguruan tinggi. Dengan memanfaatkan teknik analisis data besar, penelitian ini mengidentifikasi pola akademik, perilaku belajar, dan faktor-faktor risiko yang dapat memengaruhi keputusan mahasiswa untuk tetap melanjutkan studi. Metode yang digunakan meliputi pengumpulan data akademik mahasiswa dari sistem informasi, pemrosesan menggunakan alat Big Data, serta penerapan algoritma prediktif untuk mengklasifikasikan mahasiswa berisiko rendah dan tinggi dalam hal retensi. Hasil penelitian menunjukkan bahwa model analisis Big Data mampu memprediksi mahasiswa yang berisiko putus studi dengan akurasi tinggi, serta memberikan rekomendasi intervensi yang tepat waktu. Simpulan penelitian menegaskan bahwa integrasi Big Data dalam Sistem Informasi Akademik dapat menjadi alat strategis bagi perguruan tinggi untuk meningkatkan retensi mahasiswa melalui pengambilan keputusan berbasis data yang lebih efektif

Implementasi Teknologi Blockchain dalam Sistem Informasi Kesehatan untuk Keamanan Data Pasien

2026-02-20T17:11:23+07:00

Penelitian ini bertujuan untuk menganalisis dan mengimplementasikan teknologi blockchain dalam sistem informasi kesehatan sebagai solusi untuk meningkatkan keamanan, integritas, dan kerahasiaan data pasien. Permasalahan utama yang dihadapi pada sistem tradisional meliputi kerentanan terhadap peretasan, manipulasi data, serta kurangnya transparansi dalam proses pertukaran informasi medis antar lembaga. Metode penelitian menggunakan pendekatan studi literatur, analisis kebutuhan sistem, dan simulasi implementasi blockchain berbasis mekanisme konsensus Proof-of-Authority. Pengujian dilakukan melalui evaluasi keamanan, kecepatan transaksi, serta ketahanan sistem terhadap serangan umum seperti perubahan data tanpa otorisasi dan pencurian identitas. Hasil penelitian menunjukkan bahwa penerapan blockchain mampu meningkatkan keamanan data pasien secara signifikan melalui mekanisme pencatatan terdistribusi, enkripsi kriptografi, serta kontrol akses berbasis smart contract. Selain itu, sistem menunjukkan peningkatan integritas data dan transparansi alur informasi tanpa mengorbankan kinerja. Simpulan dari penelitian ini adalah bahwa blockchain merupakan teknologi yang efektif dan layak diterapkan dalam sistem informasi kesehatan, dengan potensi besar untuk menjadi standar keamanan data di masa depan, meskipun masih memerlukan optimalisasi terkait skalabilitas dan interoperabilitas antar platform medis

Sistem Informasi Adaptif untuk Pembelajaran Online Berbasis Profil Kognitif Mahasiswa

2026-02-20T17:12:41+07:00

Penelitian ini bertujuan mengembangkan dan mengevaluasi Sistem Informasi Adaptif untuk Pembelajaran Online yang mampu menyesuaikan konten pembelajaran berdasarkan profil kognitif mahasiswa. Pengembangan sistem dilakukan menggunakan metode Research and Development (R&D) dengan model ADDIE, meliputi analisis kebutuhan, perancangan arsitektur adaptif, pengembangan modul personalisasi, implementasi pada platform e-learning, dan evaluasi kinerja sistem. Profil kognitif mahasiswa diidentifikasi menggunakan tes gaya belajar dan kemampuan penalaran, kemudian dipetakan ke dalam model adaptasi untuk mengatur penyajian materi, tingkat kesulitan, serta rekomendasi aktivitas belajar.

Pengujian dilakukan pada 120 mahasiswa menggunakan desain eksperimen pretest-posttest dengan kelompok kontrol. Hasil penelitian menunjukkan bahwa sistem adaptif mampu meningkatkan efektivitas pembelajaran, dibuktikan oleh peningkatan nilai belajar secara signifikan (p < 0,05) serta peningkatan keterlibatan belajar sebesar 23% dibandingkan kelompok non-adaptif. Analisis kepuasan pengguna menunjukkan bahwa 92% mahasiswa menilai sistem membantu mereka memahami materi sesuai gaya kognitif masing-masing.

Dapat disimpulkan bahwa sistem informasi adaptif yang dikembangkan terbukti valid, efektif, dan layak diterapkan dalam lingkungan pembelajaran online. Sistem ini mampu memberikan pengalaman belajar yang lebih personal dan mendukung peningkatan hasil belajar mahasiswa berdasarkan profil kognitif individual

Model Prediktif untuk Sistem Informasi Logistik Menggunakan Big Data dan Analisis Spasial

2026-04-14T17:11:17+07:00

Pengelolaan logistik yang efisien menjadi tantangan utama di tengah meningkatnya volume distribusi barang. Penelitian ini bertujuan untuk membangun model prediktif yang mengintegrasikan teknologi Big Data dan analisis spasial guna meningkatkan akurasi estimasi waktu pengiriman serta optimalisasi rute. Metode yang digunakan mencakup pemrosesan data historis pengiriman skala besar yang digabungkan dengan data spasial berbasis Geographic Information System (GIS). Temuan penting menunjukkan bahwa integrasi variabel spasial mampu meningkatkan akurasi prediksi waktu tiba menjadi 89%, atau naik sebesar 22% dibandingkan model konvensional yang hanya mencapai 73%. Kesimpulannya, model prediktif berbasis Big Data ini memberikan solusi praktis bagi pengambilan keputusan yang lebih responsif dan efisien dalam sistem informasi logistik.

Rancang Bangun Sistem Informasi Manajemen Energi

2026-04-14T17:15:22+07:00

Pengelolaan energi pada gedung perkantoran, fasilitas pendidikan, dan lingkungan industri masih banyak dilakukan secara manual sehingga proses pencatatan konsumsi energi, pemantauan beban, serta evaluasi efisiensi belum berjalan optimal. Kondisi ini menyebabkan keterlambatan pengambilan keputusan dan sulitnya mengidentifikasi sumber pemborosan energi. Penelitian ini bertujuan merancang dan membangun Sistem Informasi Manajemen Energi yang mampu mengintegrasikan proses pencatatan data, pemantauan penggunaan energi secara real-time, analisis konsumsi, serta penyajian laporan sebagai dasar pengambilan keputusan. Metode penelitian yang digunakan meliputi observasi lapangan, wawancara pengguna, analisis kebutuhan sistem, perancangan menggunakan Unified Modeling Language (UML), pengembangan sistem berbasis web dengan metode prototype, serta pengujian menggunakan black-box testing dan uji kepuasan pengguna. Hasil penelitian menunjukkan bahwa sistem yang dibangun mampu menampilkan data konsumsi energi harian, mingguan, dan bulanan, memberikan notifikasi ketika terjadi lonjakan pemakaian, serta menghasilkan laporan otomatis. Pengujian fungsional menunjukkan seluruh fitur berjalan sesuai rancangan, sedangkan hasil uji pengguna menunjukkan sistem mudah digunakan dan membantu proses monitoring energi. Implementasi sistem juga menunjukkan adanya peningkatan kecepatan pelaporan dan kemudahan identifikasi area boros energi. Dengan demikian, Sistem Informasi Manajemen Energi yang dikembangkan dapat menjadi solusi efektif untuk meningkatkan efisiensi operasional, akurasi data, dan kualitas pengambilan keputusan terkait pengelolaan energi.