INFORMASI (Jurnal Informatika dan Sistem Informasi) https://ojs.stmik-im.ac.id/index.php/INFORMASI <p>INFORMASI (Jurnal Informatika dan Sistem Informasi) diterbitkan oleh LPPM STMIK IM Bandung secara berkala (setiap dua kali pertahun), dengan tujuan untuk menyebarluaskan hasil penelitian, pengkajian, dan pengembangan bidang Informatika dan Sistem Informasi. Artikel yang dipublikasikan dalam INFORMASI dapat berupa Artikel Penelitian maupun Artikel Konseptual (non-penelitian).</p> <p><strong>p-ISSN: <a href="http://issn.pdii.lipi.go.id/issn.cgi?daftar&amp;1251799118&amp;1&amp;&amp;" target="_blank" rel="noopener">2085-8795</a> (print), e-ISSN: <a href="https://issn.brin.go.id/terbit?search=2715-7040" target="_blank" rel="noopener">2715-7040</a>&nbsp;(online)</strong></p> LPPM STMIK Indonesia Mandiri en-US INFORMASI (Jurnal Informatika dan Sistem Informasi) 2085-8795 <p>Tanggung jawab Penulis</p> <ol> <li class="show">Penulis menyajikan artikel&nbsp; penelitian atau hasil pemikiran secara jelas, jujur, dan tanpa plagiarisme.</li> <li class="show">Penulis harus menunjukkan rujukan dari pendapat dan karya orang lain yang dikutip.</li> <li class="show">Penulis bertanggungjawab atas konfirmasi yang diajukan atas artikel yang telah ditulis.</li> <li class="show">Penulis harus menulis artikel secara etis, jujur, dan bertanggungjawab, sesuai dengan peraturan penulisan ilmiah yang berlaku.</li> <li class="show">Penulis tidak keberatan jika artikel mengalami penyuntingan tanpa mengubah substansi</li> </ol> Implementasi Ensemble Stacking Dengan Pendekatan Sampling dan Logistic Regression Untuk Meningkatkan Akurasi Klasifikasi Penyakit Jantung https://ojs.stmik-im.ac.id/index.php/INFORMASI/article/view/603 <p>Model kategorisasi yang akurat diperlukan untuk membantu identifikasi dini penyakit jantung, yang merupakan salah satu penyebab kematian utama di dunia. Permasalahan utama dalam klasifikasi adalah ketidakseimbangan data yang dapat menurunkan kinerja model. Penelitian ini bertujuan meningkatkan akurasi klasifikasi penyakit jantung menggunakan metode <em>ensemble stacking</em> dengan pendekatan teknik sampling. Dataset yang digunakan adalah <em>Heart Failure Prediction Dataset</em> dari Kaggle sebanyak 918 data. Metode yang digunakan terdiri dari tiga <em>base learner</em>, yaitu <em>K-Nearest Neighbor, Naive Bayes, dan Random Forest</em>, serta <em>Logistic Regression</em> sebagai <em>meta-learner</em>. Penanganan data tidak seimbang dilakukan dengan empat skenario, yaitu tanpa sampling, <em>oversampling, undersampling, dan SMOTE</em>. Evaluasi dilakukan menggunakan <em>10-fold cross validation</em>. Hasil penelitian menunjukkan bahwa metode stacking memberikan performa terbaik dibandingkan model tunggal. Akurasi tertinggi diperoleh pada skenario <em>oversampling</em> sebesar 95,57% dengan nilai <em>precision, recall, dan F1-score</em> sebesar 0,956. Metode ini efektif meningkatkan kinerja klasifikasi penyakit jantung</p> Novandi Catur Aditya Aprilia Baiin Ardiyansyah Yeni Mustika Copyright (c) 2026 INFORMASI (Jurnal Informatika dan Sistem Informasi) https://creativecommons.org/licenses/by/4.0 2026-08-03 2026-08-03 18 2 144 162 10.37424/informasi.v18i2.603 Perancangan Sistem Informasi Formulir Informed Consent Dalam Menunjang Rekam Medis Elektronik Di Rumah Sakit X https://ojs.stmik-im.ac.id/index.php/INFORMASI/article/view/627 <p>Penerapan Rekam Medis Elektronik (RME) di fasilitas pelayanan kesehatan menuntut pengelolaan dokumen medis yang terintegrasi, termasuk formulir <em>informed consent</em> sebagai dokumen klinis dan legal yang penting. Pelaksanaan <em>informed consent</em> di rumah sakit masih banyak dilakukan secara manual atau semi-digital melalui pemindaian dokumen, sehingga berpotensi menimbulkan permasalahan seperti ketidaklengkapan data, keterbacaan yang rendah, keterlambatan akses dokumen, dan risiko kehilangan berkas. Penelitian ini bertujuan untuk merancang sistem informasi formulir <em>informed consent</em> berbasis elektronik yang terintegrasi dengan rekam medis elektronik di Rumah Sakit X. Metode penelitian yang digunakan adalah penelitian deskriptif dengan pendekatan kualitatif dan metode pengembangan sistem <em>Waterfall</em> yang meliputi tahap analisis kebutuhan, perancangan sistem, implementasi, dan pengujian. Teknik pengumpulan data dilakukan melalui observasi, wawancara, dan studi pustaka. Hasil penelitian menunjukkan bahwa sistem yang dirancang mampu menghasilkan dokumen <em>informed consent</em> elektronik yang lengkap, terstruktur, dan terdokumentasi secara digital, dengan mendukung penggunaan tanda tangan digital oleh dokter, pasien atau wali, dan saksi. Pengujian sistem menggunakan metode <em>blackbox </em>menunjukkan bahwa seluruh fungsi sistem berjalan sesuai dengan kebutuhan pengguna. Disarankan agar rumah sakit segera mengimplementasikan sistem ini secara penuh untuk meningkatkan efisiensi, kelengkapan rekam medis, dan keamanan data, mempermudah pengelolaan dokumen informed consent, dan mendukung penerapan RME dan kepatuhan terhadap regulasi kesehatan yang berlaku.</p> Putri Wulandari Wahyudin Sali Setiatin Falaah Abdussalaam Copyright (c) 2026 INFORMASI (Jurnal Informatika dan Sistem Informasi) https://creativecommons.org/licenses/by/4.0 2026-08-18 2026-08-18 18 2 163 179 10.37424/informasi.v18i2.627 Rancang Bangun Sistem Informasi Tumbuh Kembang Balita Dan Deteksi Dini Stunting Berbasis Web https://ojs.stmik-im.ac.id/index.php/INFORMASI/article/view/641 <p>Pengelolaan data tumbuh kembang balita di Posyandu yang masih dilakukan secara manual berpotensi menimbulkan kesalahan pencatatan, kehilangan data, dan keterlambatan deteksi dini stunting. Penelitian ini bertujuan merancang dan membangun Sistem Informasi Tumbuh Kembang Balita Deteksi Dini Stunting berbasis web untuk meningkatkan efektivitas pengelolaan data balita. Penelitian menggunakan metode kualitatif melalui observasi, wawancara, dan studi literatur. Pengembangan sistem menerapkan model Waterfall yang meliputi analisis kebutuhan, perancangan, implementasi, pengujian, dan pemeliharaan. Perancangan sistem menggunakan Unified Modeling Language (UML), sedangkan implementasi menggunakan PHP, HTML, CSS, JavaScript, dan MySQL. Sistem mengolah data antropometri berdasarkan standar World Health Organization (WHO) dengan metode Z-score untuk menentukan status gizi balita secara otomatis. Pengujian dilakukan menggunakan Black Box Testing. Hasil penelitian menunjukkan bahwa sistem mampu mengelola data balita, antropometri, status gizi, grafik pertumbuhan, laporan, dan pengguna secara terintegrasi sehingga mendukung pemantauan pertumbuhan balita secara lebih cepat dan akurat.</p> Alvi Fahreza Rina Kurniawati Copyright (c) 2026 INFORMASI (Jurnal Informatika dan Sistem Informasi) https://creativecommons.org/licenses/by/4.0 2026-08-31 2026-08-31 18 2 180 200 10.37424/informasi.v18i2.641 Pengembangan Game Gerbang Logika Berbasis ADDIE dengan Integrasi Learning Analytics untuk Analisis Performa Pemain https://ojs.stmik-im.ac.id/index.php/INFORMASI/article/view/655 <p>Gerbang logika merupakan materi fundamental dalam sistem digital yang perlu dikuasai siswa SMK pada bidang teknologi informasi dan elektronika. Sifat materi yang cenderung abstrak sering menyulitkan siswa dalam menghubungkan simbol gerbang, tabel kebenaran, dan penerapannya pada rangkaian digital. Penelitian ini bertujuan mengembangkan game pembelajaran gerbang logika berbasis <em>learning analytics</em> untuk mendukung pemahaman siswa sekaligus merekam aktivitas belajar selama permainan. Penelitian menggunakan metode <em>Research and Development</em> (R&amp;D) dengan model ADDIE yang meliputi tahap <em>Analysis, Design, Development, Implementation,</em> dan <em>Evaluation</em>. Game dikembangkan dengan pendekatan <em>game-based learning</em> melalui serangkaian tantangan pemecahan masalah rangkaian logika, sementara aktivitas pemain direkam untuk menghasilkan informasi mengenai ketercapaian level dan waktu penyelesaian tugas. Kelayakan media divalidasi oleh delapan guru SMK sebagai validator praktisi menggunakan instrumen berskala Likert dan memperoleh skor rata-rata 4,40 dari skala 5 atau tingkat kelayakan 88,04%. Pengujian efektivitas dilakukan melalui desain kuasi-eksperimen terhadap 60 siswa yang terdiri atas 30 siswa kelompok eksperimen dan 30 siswa kelompok kontrol. Rata-rata peningkatan skor kelompok eksperimen mencapai 23,17 poin, sedangkan kelompok kontrol sebesar 3,73 poin. Hasil <em>independent samples t-test</em> terhadap skor peningkatan menunjukkan adanya perbedaan yang signifikan antara kedua kelompok, dengan <em>df</em> = 58, dan <em>p</em> &lt; 0,001. Nilai N-Gain kelompok eksperimen sebesar 0,6084 berada pada kategori sedang, sedangkan kelompok kontrol sebesar 0,0958 berada pada kategori rendah. Analisis aktivitas permainan menunjukkan rata-rata ketercapaian 11,47 dari 15 level serta waktu penyelesaian evaluasi yang lebih singkat setelah penggunaan media. Hasil tersebut menunjukkan bahwa game yang dikembangkan efektif dalam meningkatkan hasil belajar dibandingkan pembelajaran pada kelompok kontrol, sekaligus memiliki potensi sebagai media pembelajaran interaktif yang menyediakan data aktivitas siswa untuk mendukung penerapan <em>learning analytics</em> dalam proses pembelajaran rangkaian logika.</p> Zulhaydar Fairozal Akbar Fony Revindasari Dody Pradipta Copyright (c) 2026 INFORMASI (Jurnal Informatika dan Sistem Informasi) https://creativecommons.org/licenses/by/4.0 2026-09-12 2026-09-12 18 2 201 216 10.37424/informasi.v18i2.655 Optimalisasi Arsitektur LSTM untuk Model Analisis Sentimen terhadap Program Makan Bergizi Gratis (MBG) https://ojs.stmik-im.ac.id/index.php/INFORMASI/article/view/658 <p>Program Makan Bergizi Gratis (MBG) merupakan salah satu prioritas pembangunan nasional yang bertujuan untuk memperkuat pemenuhan gizi anak, mengurangi stunting, dan meningkatkan kualitas sumber daya manusia. Namun, implementasi kebijakan ini memicu reaksi beragam di media sosial, mulai dari dukungan hingga kritik mengenai efektivitas, pendanaan, dan aspek teknis pelaksanaannya. Analisis sentimen konvensional dalam bahasa Indonesia masih mengalami keterbatasan dalam memahami konteks informal, sehingga dibutuhkan model yang lebih adaptif dan presisi. Penelitian ini bertujuan untuk mengoptimalkan model <em>Long Short-Term Memory</em> (LSTM) guna meningkatkan akurasi analisis sentimen masyarakat terhadap Program MBG. Metode yang digunakan meliputi pengumpulan data dari <em>platform </em>media sosial, pembersihan dan <em>preprocessing </em>teks, pelatihan model baseline LSTM, optimasi arsitektur melalui <em>hyperparameter </em>tuning, evaluasi performa, serta visualisasi sentimen publik. Hasil penelitian menunjukkan bahwa model LSTM teroptimasi mampu meningkatkan akurasi secara signifikan dibandingkan model <em>baseline</em>. Penelitian ini diharapkan memberikan kontribusi signifikan terhadap pengembangan <em>Natural Language Processing</em> (NLP) berbahasa Indonesia serta mendukung perumusan kebijakan publik yang lebih adaptif dan berbasis bukti.</p> Teguh Wiharko Riffa Haviani Laluma Gunawansyah Euis Nuraeni Copyright (c) 2026 INFORMASI (Jurnal Informatika dan Sistem Informasi) https://creativecommons.org/licenses/by/4.0 2026-10-17 2026-10-17 18 2 217 229 10.37424/informasi.v18i2.658 Perancangan Aplikasi Distribusi Donasi Makanan Berbasis Web Menggunakan Metode Simple Additive Weighting (SAW) dan Agile Modeling https://ojs.stmik-im.ac.id/index.php/INFORMASI/article/view/664 <p style="font-weight: 400;">Distribusi surplus pangan menjadi salah satu faktor adanya limbah makanan di Indonesia. Penelitian ini bertujuan merancang aplikasi distribusi donasi makanan berbasis web untuk meningkatkan efektivitas penyaluran bantuan. Metode Agile Modeling digunakan untuk pengembangan aplikasi yang fleksibel dan adaptif. Untuk pengambilan keputusan, metode <em>Simple Additive Weighting</em> (SAW) digunakan untuk penentuan prioritas dengan berdasarkan kriteria tertentu. Selain itu, algoritma Haversine digunakan di konsep <em>Location Based Service</em> (LBS) untuk menghitung jarak antara donatur dan penerima dengan akurat. Hasil penelitian berupa aplikasi yang mampu memberikan rekomendasi prioritas secara otomatis dan real-time, sehingga dapat membantu mengurangi pemborosan makanan, dan meningkatkan efisiensi distribusi. Aplikasi ini menjadi solusi efektif dalam pengelolaan dan redistribusi makanan surplus.</p> William Van Govert Andrew Fernando Pakhpahan Copyright (c) 2026 INFORMASI (Jurnal Informatika dan Sistem Informasi) https://creativecommons.org/licenses/by/4.0 2026-10-20 2026-10-20 18 2 230 249 10.37424/informasi.v18i2.664 Sistem Prediksi Risiko Volatilitas Saham Menggunakan Hybrid LSTM dan Random Forest https://ojs.stmik-im.ac.id/index.php/INFORMASI/article/view/665 <p>Fluktuasi harga merupakan salah satu sumber risiko di pasar saham. Bagi investor yang belum berpengalaman, perubahan harga tersebut tidak selalu mudah diterjemahkan menjadi gambaran tingkat risiko. Penelitian ini mengembangkan sistem untuk memperkirakan volatilitas dan mengelompokkannya sebagai risiko rendah, sedang, atau tinggi pada saham BUMI.JK melalui gabungan <em>Long Short-Term Memory</em> (LSTM) dan <em>Random Forest</em>. Data <em>Open</em><em>, High, Low, Close, Adjusted Close</em>, serta <em>Volume</em> diambil secara otomatis dari <em>Yahoo Finance</em> API. Setelah data dibersihkan, <em>log return</em> dihitung dan volatilitas diukur menggunakan standar deviasi <em>log return</em> untuk jendela 7 dan 30 hari. LSTM memodelkan pola berurutan pada data dan menghasilkan estimasi volatilitas; estimasi tersebut beserta fitur temporal yang relevan kemudian menjadi masukan <em>Random Forest</em> untuk menentukan kelas risiko. Ambang risiko ditetapkan sebagai kriteria operasional penelitian, yakni volatilitas di bawah 2% tergolong rendah, 2% sampai 5% sedang, dan di atas 5% tinggi. Aplikasi dikembangkan dengan <em>Flask</em> dan menyajikan angka volatilitas, kategori risiko, grafik pergerakan historis, serta tanggal data terakhir pada <em>dashboard</em> <em>web</em>. Pada evaluasi regresi, LSTM menghasilkan MAE 0,01240401 dan RMSE 0,01665610 dalam satuan <em>log return</em>. Untuk klasifikasi, model gabungan mencapai <em>Accuracy</em> 86,45%, <em>Weighted Precision</em> 86,19%, <em>Weighted Recall</em> 86,45%, dan <em>Weighted F1-Score</em> 86,27%. Perhitungan pada data terkini menghasilkan volatilitas 7,7418% untuk jendela 7 hari dan 5,8185% untuk jendela 30 hari; keduanya masuk kelas risiko tinggi menurut batas yang diterapkan. Sistem yang dihasilkan menyatukan estimasi dan pengelompokan risiko dalam bentuk informasi yang dapat dipakai sebagai analisis awal.</p> Ragil Leon Putra Ledy Elsera Astrianty Copyright (c) 2026 INFORMASI (Jurnal Informatika dan Sistem Informasi) https://creativecommons.org/licenses/by/4.0 2026-10-23 2026-10-23 18 2 250 264 10.37424/informasi.v18i2.665