Jurnal Sains, Nalar, dan Aplikasi Teknologi Informasi

Mapping the Safest Routes: A Clustering Study of the French Defense

Feri Wijayanto — Sun, 06 Jul 2025 00:00:00 +0000

This study explores the safest variations in the French Defense using 5,156 artificially generated chess games with Stockfish 17. Unlike prior work reliant on historical data, this method reduces theory bias by randomly selecting from the engine's top five moves at each position. We applied k-means clustering with cosine similarity to group move sequences based on evaluation scores. Both two-cluster and three-cluster models were tested. Stability was assessed via 50 resamples using 50% of the data. The three-cluster model, which includes a neutral group, had excellent stability (ARI = 0.99) but moderate cohesion (silhouette = 0.53). The two-cluster model showed better cohesion (silhouette = 0.65) but lower stability (ARI = 0.68). Among the variations, e5 (Advance) and exd5 (Exchange) stood out, with about 54% of games in each line falling into clusters favoring White. This suggests they are the safest and most reliable options. In contrast, Bb5+ performed well in simulations but poorly in real-world data, indicating theoretical risks. In summary, clustering on simulated games reveals hidden strategic insights, confirming e5 and exd5 as strong, low-risk choices for White in the French Defense.

Predictive Modeling of Microsleep Incidents in Indonesian Drivers Using Random Forest: A Data-Driven Approach for Road Safety Enhancement

Sun, 06 Jul 2025 00:00:00 +0000

Microsleep presents a critical safety challenge for Indonesian drivers, particularly affecting long-distance transportation where existing detection methods remain costly and impractical for widespread deployment. This study introduces a novel application of Random Forest algorithm specifically tailored to Indonesian driving contexts, utilizing locally-sourced accident data combined with driver behavioral surveys to predict microsleep likelihood. Unlike previous studies that relied primarily on physiological monitoring or international datasets, this research leverages accessible vehicle and environmental variables including driving duration, road conditions, weather patterns, and work schedules from National Transportation Safety Committee (KNKT) records spanning 2013-2023. The Random Forest model, configured with 100 trees and maximum depth of 10, demonstrated 87.50% overall accuracy with perfect recall (1.00) for microsleep detection when validated using stratified k-fold cross-validation. This study uniquely contributes to the field by demonstrating that context-specific environmental and behavioral factors can effectively predict microsleep incidents without expensive physiological monitoring, offering a practical foundation for developing cost-effective vehicle safety systems tailored to Indonesian road conditions and driving patterns. The findings provide actionable insights for transportation policy development and establish a framework for implementing affordable microsleep detection in developing countries with similar traffic characteristics.

Redesigning HR Business Processes with Camunda BPMN and Chatbot Integration

Hanuga Fathur Chaerulisma, Novi Setiani — Sun, 06 Jul 2025 00:00:00 +0000

Human Resource Management (HRM) processes such as attendance tracking, bonus management, and employee onboarding are often inefficient due to manual methods that are time-consuming, error-prone, and lack standardisation. This study addresses these issues by implementing the Camunda BPMN Engine and a Telegram-based chatbot, guided by the Agile Business Process and Practice Alignment Methodology (BPPAM). The BPMN engine automates workflows, while the chatbot simplifies interaction, enhancing response time and data accuracy. Significant improvements were observed after implementation. The number of user tasks was reduced. For instance, attendance went from 6 to 0 steps (100% reduction), and onboarding went from 14 to 1 steps (92.86% reduction). Processing times improved as well: attendance dropped from 3–5 minutes to under 2 minutes (60% faster), and bonus approval dropped from over 7 days to less than 1 day (85% reduction). Feedback from employees and HR staff highlighted increased satisfaction due to the system’s speed, ease of use, and standardized workflows. The results demonstrate that integrating BPMN automation with chatbot technology can enhance HR operations by increasing efficiency, accuracy, and user experience. The approach offers a scalable solution aligned with modern organizational needs.

Deep Learning-Based Bidirectional RNN for Cryptocurrency Price Prediction with Hyperparameter Tuning

Sun, 06 Jul 2025 00:00:00 +0000

Predicting cryptocurrency is difficult because it has high volatility, where prices can experience spikes or declines due to market dynamics. This study focuses on NameCoin, one of the oldest altcoins originating from Bitcoin. NameCoin was selected because it has relatively stable and extensive historical data. The objective of this study is to evaluate the performance of the Bidirectional Recurrent Neural Network (BiRNN) in predicting NameCoin price movements. This study employs an experimental method using historical data as input for the training process. Hyperparameter tuning is conducted systematically using four different scenarios to obtain the optimal model configuration. The dataset is divided into 80% for training the model and 20% for testing the performance of the trained model. Model performance is evaluated using RMSE, MSE, MAPE, coefficient of determination (R²), Directional Statistic (D-Stat), and loss value as indicators of model accuracy and stability. The experimental results show that Scenario 1 produces the most optimal performance, with RMSE = 0.0216, MAPE = 2.59%, R² = 0.9899, D-Stat = 53.71%, and the smallest loss value of 0.0012. These performance metrics indicate that the BiRNN model effectively captures nonlinear trends and accurately predicts the direction of price movements. Conversely, Scenario 3 had the worst performance, with a MAPE of 10.19%. By comparing these scenarios, it is clear that the configuration in Scenario 1 outperforms the others in terms of prediction accuracy and model stability against data fluctuations.

Kajian Literatur Intervensi Terapi Digital untuk Depresi

Ratih Sekar Wulan, Rahadian Kurniawan — Sun, 06 Jul 2025 00:00:00 +0000

Kajian ini dilatarbelakangi oleh tingginya beban depresi sebagai gangguan mental global yang terus meningkat dalam beberapa dekade terakhir, serta kebutuhan mendesak akan pemahaman menyeluruh terhadap terapi digital sebagai solusi aksesibel tanpa batasan ruang dan waktu. Kajian ini memuat rangkuman intisari dari literatur keluaran 2020–2025 yang membahas tentang terapi digital untuk depresi. Proses kajian dilakukan dengan mencari literatur yang membahas tentang terapi digital untuk depresi dalam lima sampai enam tahun terakhir, lalu dianalisis menurut platform teknologi, jenis terapi, dan karakteristik penyampaian. Tinjauan ini mengidentifikasi CBT sebagai jenis terapi yang paling sering diterapkan, aplikasi mobile sebagai platform teknologi yang paling dominan, dan karakteristik pendekatan mandiri sebagai yang paling umum.

Perbandingan Versi Terbaik YOLO Dalam Mendeteksi Jarak Spasi Antar Baris Tulisan Tangan

Zaid Romegar Mair, Muhamad Ardi Rahmanda — Sun, 06 Jul 2025 00:00:00 +0000

Tulisan tangan tetap memiliki nilai penting dalam pendidikan dan psikologi, khususnya dalam mengevaluasi kemampuan struktur penulisan siswa. Salah satu indikator penting adalah jarak spasi antar baris, yang mencerminkan keteraturan dan kerapihan tulisan. Penilaian manual terhadap aspek ini rentan terhadap subjektivitas dan kurang efisien. Oleh karena itu, penelitian ini bertujuan untuk membandingkan kinerja tiga versi model You Only Look Once (YOLO), yaitu YOLOv5, YOLOv8, dan YOLO 11 dalam mendeteksi jarak antar baris tulisan tangan. Sebanyak 90 sampel tulisan tangan mahasiswa dikumpulkan, dipindai, dan dianotasi menjadi dua kategori: "sempit" dan "lebar". Proses pelatihan dilakukan dengan parameter yang seragam dan diuji menggunakan metrik evaluasi seperti precision, recall, dan mean Average Precision (mAP). Hasil penelitian menunjukkan perbedaan performa di antara ketiga model, yang memberikan wawasan tentang efektivitas masing-masing versi YOLO dalam mendeteksi elemen spasial tulisan tangan. YOLOv5x secara konsisten memiliki performa tertinggi pada ketiga metrik, terutama pada Precision, dengan nilai sekitar 0.75. YOLOv8x dan YOLO 11x menunjukkan performa yang sebanding pada nilai mAP@0.5 dan Recall, tetapi lebih rendah daripada YOLOv5x. model YOLOv5x memiliki kemampuan yang lebih baik untuk mendeteksi dan mengklasifikasikan objek tulisan tangan dibandingkan dengan dua model lainnya.

Kajian Literatur Teknologi Digital untuk Intervensi Kesehatan Mental

Muhammad Rafli Ihsanuddin, Rahadian Kurniawan — Sun, 06 Jul 2025 00:00:00 +0000

Dalam enam tahun terakhir (2020–2025), isu kesehatan mental telah menjadi topik yang banyak diteliti dalam berbagai studi ilmiah. Tingginya prevalensi gangguan mental serta dampaknya terhadap kehidupan individu menunjukkan urgensi akan intervensi yang tepat, mengingat semakin meningkatnya jumlah penelitian mengenai kesehatan mental secara global dalam beberapa dekade terakhir. Penelitian ini mengkaji berbagai teknologi, metode pengembangan, tujuan intervensi, dan target pengguna dalam menangani kesehatan mental. Hasil kajian menunjukkan bahwa aplikasi mobile merupakan teknologi yang paling sering digunakan dalam intervensi kesehatan mental, diikuti oleh website dan game interaktif. Fokus intervensi lebih banyak pada terapi digital dibandingkan metode tradisional, dengan target pengguna utama adalah remaja dan dewasa muda. Kajian ini menyoroti bahwa intervensi digital untuk kesehatan mental mengarah pada pendekatan mandiri dengan memprioritaskan aksesibilitas, fleksibilitas, dan distribusi lintas-perangkat sebagai respons terhadap kebutuhan pengguna dan perkembangan teknologi kesehatan mental.

Penerapan Algoritma K-Nearest Neighbors untuk Deteksi Serangan Network Flood Berbasis Supervised Learning

roni habibi, Naufal Dekha Widana — Sun, 06 Jul 2025 00:00:00 +0000

Deteksi anomali akibat serangan flood merupakan tantangan utama dalam pengelolaan keamanan jaringan modern. Penelitian ini mengusulkan penerapan algoritma K-Nearest Neighbors (KNN) dalam kerangka supervised learning untuk membangun model Network Flood Detection (NFD) yang dievaluasi menggunakan metrik performa yang lebih komprehensif, yaitu akurasi, presisi, dan recall. Model dikembangkan berdasarkan fitur jaringan seperti bandwidth masuk, bandwidth keluar, ping, serta distribusi trafik flood dan normal. Data diperoleh dari laporan jaringan instansi secara real-time dan historis, yang kemudian diproses melalui tahapan normalisasi, pengurangan fitur, dan penghapusan noise. Hasil evaluasi menunjukkan bahwa model mampu mencapai akurasi hingga 92,42% dengan skor F1 yang seimbang antar kelas. Selain itu, kurva ROC dengan AUC sebesar 0,99 menunjukkan bahwa model memiliki kemampuan diskriminasi yang tinggi dalam membedakan trafik flood dan normal. Temuan ini menunjukkan bahwa KNN, meskipun sederhana, dapat digunakan secara efektif dalam sistem deteksi serangan flood jika didukung oleh data yang representatif dan proses evaluasi yang tepat.

Analisis Kualitas Audio Steganografi MP3 Menggunakan Teknik Masking Pada Spectrogram

Permadi Kusuma Madi, Yudi Prayudi — Sun, 06 Jul 2025 00:00:00 +0000

Steganografi menyembunyikan informasi rahasia melalui media seperti audio, video dan gambar. Penelitian ini bertujuan untuk menerapkan teknik masking pada spectrogram audio dari media MP3, serta menganalisis hasil steganografi menggunakan pendekatan pemrograman Python dengan pustaka Librosa. Permasalahan pada penelitian ini ialah bagaimana menyisipkan pesan rahasia ke dalam file audio tanpa mengganggu kualitas suara, dan pesan rahasia dapat dideteksi menggunakan teknik masking. Sehingga proses penyisipan dilakukan dengan memanfaatkan area frekuensi tertentu pada spectrogram yang cenderung tidak sensitif terhadap persepsi manusia. Sampel audio yang digunakan dalam penelitian ini terdiri dari lagu Bernadya - Hidup Harus Tetap Berjalan, nada dering Samsung Galaxy S3 dan Samsung Galaxy S20. Analisis audio dilakukan melalui visualisasi spectrogram, ekstraksi fitur Mel-Frequency Cepstral Coefficients (MFCC), Zero-Crossing Rate (ZCR), serta evaluasi metadata file audio. Tujuan dari analisis ini adalah untuk melihat apakah ada pola pola aneh atau tidak wajar yang muncul akibat penyisipan pesan rahasia dalam file audio. Jadi ketika ada data disisipkan secara tersembunyi, biasanya akan muncul perbedaan kecil dalam bentuk garis, noise, atau perubahan struktur visual yang tidak alami. Hasil penelitian menunjukkan bahwa penyisipan pesan berhasil dilakukan menggunakan teknik masking, namun menimbulkan perubahan pada karakteristik visual dan statistik sinyal audio asli dengan hasil steganografi. Sedangkan kualitas suara tidak jauh berbeda dengan audio asli.

Analisis Risiko Keamanan Data Pribadi Pada Penggunaan Media Sosial Instagram Dengan Menggunakan Metode DREAD

Rapina, Ikhwan Fitrah Albuchori — Sun, 06 Jul 2025 00:00:00 +0000

Perkembangan teknologi informasi yang pesat, khususnya melalui media sosial seperti Instagram, telah mempermudah interaksi digital namun juga meningkatkan potensi risiko terhadap keamanan data pribadi. Kurangnya kesadaran pengguna dalam menjaga privasi serta lemahnya pengaturan keamanan sering kali dimanfaatkan oleh pihak tidak bertanggung jawab untuk melakukan pelanggaran data. Penelitian ini dilakukan untuk menganalisis tingkat risiko keamanan data pribadi pada pengguna Instagram, mengingat tingginya aktivitas pengguna di platform tersebut tanpa perlindungan yang memadai. Penelitian menggunakan metode DREAD (Damage, Reproducibility, Exploitability, Affected Users, dan Discoverability) untuk mengukur dan mengklasifikasikan risiko dari berbagai ancaman yang mungkin terjadi. Sampel dipilih secara purposive terhadap 15 responden aktif pengguna Instagram, dengan pengumpulan data melalui kuesioner berbasis skala Likert 1 hingga 3. Hasil analisis menunjukkan bahwa ancaman seperti pencurian identitas dan kebocoran data termasuk dalam kategori risiko tinggi dengan nilai rata-rata di atas 2,6. Untuk mengurangi risiko tersebut, disarankan penerapan two-factor authentication (2FA), pengaturan privasi yang lebih ketat, dan peningkatan literasi keamanan digital di kalangan pengguna. Penelitian ini menegaskan pentingnya kesadaran individu dan dukungan kebijakan platform dalam menjaga keamanan data pribadi di era digital.

Kesiapan dan Keamanan Infrastruktur Penyelenggaraan Rekam Medis Elektronik di RSUD Kabupaten Kediri

Sun, 06 Jul 2025 00:00:00 +0000

Teknologi telah menjadi kebutuhan dasar dan pokok manusia serta telah digunakan di semua aspek kehidupan, terutama di bidang kesehatan, seperti di rumah sakit. RSUD Kabupaten Kediri (RSKK) berupaya menjalankan RME secara penuh namun masih mengalami kendala jaringan dan membuat perangkat dan pelayanan menjadi lumpuh sehingga membutuhkan analisis penyebabnya. Tujuan penelitian ini untuk menganalisis keamanan rekam medis elektronik yang ditinjau dari infrastruktur yang meliputi VLAN, topologi, server, backup dan keamanan jaringan yang meliputi proteksi jaringan dan antivirus. Jenis penelitian ini menggunakan deskriptif kualitatif dengan populasi dan sampel 2 petugas IT di RSKK dengan teknik sampling jenuh. Hasil penelitian menunjukkan bahwa infrastruktur jaringan menggunakan topologi star dan tree dengan server lokal yang memiliki genset untuk cadangan listrik apabila dibutuhkan yang terhubung melalui konektivitas PTP (Point to Point), namun belum menerapkan VLAN untuk segmentasi jaringan. Proses pencadangan data dilakukan rutin setiap 24 jam, namun proteksi jaringan masih menggunakan WPA2-PSK. Rekomendasi diberikan untuk meningkatkan keamanan melalui penggantian koneksi kabel dan penerapan VLAN dengan memberikan IP Address, serta pemisahan akses untuk perangkat mobilitas. Kesimpulannya, infrastruktur telah cukup memadai untuk mendukung rekam medis elektronik dengan beberapa perbaikan, terutama pada aspek keamanan. Saran diberikan untuk memperbarui perlindungan jaringan agar lebih andal terhadap ancaman keamanan siber.

Pemodelan Sistem Urinalisis Mikroskopik Untuk Kristal Amorf Sebagai Solusi Pada Laboratorium

Annisa Rositasari, Izzati Muhimmah, Linda Rosita — Sun, 06 Jul 2025 00:00:00 +0000

Dalam penelitian ini mikroskop berfungsi untuk melihat objek terkecil yang ada di dalam kandungan urin. Ahli Tenaga Laboratorium Medis (ATLM) merupakan tenaga kesehatan yang menggunakan mikroskop untuk pengamatan. Penelitian dilaksanakan dengan mengambil data dari Rumah Sakit Islam Yogyakarta PDHI dan mendapat 153 data pemeriksaan urin dari pasien yang datang ke Unit Gawat Darurat (UGD), rawat jalan, dan rawat inap. Dari 153 data yang diperoleh, di mana 53 di antaranya menunjukkan adanya urin dengan enam jenis kristal yang terdeteksi. Keenam jenis kristal tersebut meliputi kristal kalsium oksalat, kristal fosfat triple, fosfat amorf, kalsium karbonat, kristal amonium biurat, dan kristal asam urat. Sistem yang dikembangkan menggunakan bahasa pemrograman Python ini fokus pada identifikasi jenis kristal amorf. Dalam sistem tersebut, hasil marking yang dilakukan oleh ahli pada objek kristal berhasil dikenali oleh sistem. Sistem sudah sesuai dengan hasil yang diperoleh dari pakar. Pengujian ini menggunakan Single Decision Threshold dan memperoleh hasil nilai sensitivity sebesar 0.63 atau dalam bentuk persen yaitu 63%. Sistem mendapatkan hasil nilai specificity sebesar 0.17 atau 17%. Sistem mendapatkan hasil nilai accuracy sebesar 0.36 atau 36% dan sistem mendapatkan hasil nilai precision sebesar 0.35 atau 35%. Kinerja sistem sebesar 26%.

Desain Ulang Website Lumiere Menggunakan Metode User Centered Design (UCD)

Alwi Achmad Alatas, Sri Kusumadewi — Sun, 06 Jul 2025 00:00:00 +0000

Website Lumiere merupakan media digital milik perusahaan Majapahit yang bergerak di bidang jasa pembuatan media periklanan. Seiring berkembangnya tren, desain antarmuka website yang ada dinilai sudah tidak relevan, sehingga perlu dilakukan perancangan ulang. Penelitian ini bertujuan untuk merancang ulang UI/UX pada website Lumiere menggunakan pendekatan User Centered Design (UCD) yang berfokus pada kebutuhan dan pengalaman pengguna. Metode UCD diterapkan melalui lima tahapan: pengumpulan data, pembuatan konsep desain, implementasi wireframe, pengembangan prototype, dan pengujian. Evaluasi usability dilakukan menggunakan kuesioner System Usability Scale (SUS) sebelum dan sesudah perancangan ulang. Hasil pengujian kuantitatif menunjukkan peningkatan skor usability yang signifikan. Skor SUS rata-rata meningkat dari 37,98 (kategori 'Awful') pada desain awal menjadi 73,17 (kategori 'Good') pada desain baru, yang merepresentasikan kenaikan kepuasan pengguna sebesar 92,65%. Peningkatan drastis ini mengonfirmasi bahwa keterlibatan pengguna melalui setiap tahapan UCD merupakan faktor kunci dalam menciptakan desain yang optimal. Dengan demikian, penelitian ini membuktikan bahwa metode UCD secara efektif mampu meningkatkan kualitas pengalaman pengguna secara terukur dan direkomendasikan sebagai pendekatan utama dalam proyek pengembangan produk digital serupa.

Diagnosa Awal Autisme pada Anak dengan Algoritma Machine Learning

Taryadi, Era Yunianto, Mosses Aidjili — Sun, 06 Jul 2025 00:00:00 +0000

Gangguan spektrum autisme adalah kondisi neurologis yang ditandai dengan gangguan kemampuan komunikasi, keterasingan sosial, dan perilaku repetitif pada individu. Organisasi kesehatan global menghadapi kesulitan dalam membangun sistem diagnostik ASD yang efektif yang memfasilitasi analisis yang tepat dan prediksi autisme dini. Penelitian ini menyajikan pendekatan untuk prediksi dini anak-anak dengan ASD dengan memanfaatkan variabel signifikan melalui metode pembelajaran mesin. Data set terdiri dari kasus ASD sebanyak 1250 data dimana diambil 5 variabel yang sangat efektif untuk menghiutng koefisien korelasi pearson yaitu: jenis kelamin, keterlambatan bisaca, penyakit kuning, gangguan genetik dan riwatat keluarga. Analisis dataset mengunakan lima teknik Machine Learning yaitu: Naïve Bayes, K-Nearest Neighbor, Decision Tree, Support Vector Machine dan AdaBoostM1. Pengukuran akurasi, presisi, waktu prediksi, recall dan F1-score digunakan untuk menguji algoritma ML yang digunakan. Hasil pengujian menunjukkan bahwa metode Naïve Bayes dan K-Nearest Neighbor dengan tingkat akurasi sebesar 99,2% dan 96,3% dan waktu prediksi yang minimal sebesar 0,31 dan 0,46 detik. Sedangkan metode yang menunjukkan penurusan akurasi adalah Decision Tree dan AdaBoostM1 dengan masing-masing sebesar 95,8% dan 88,6%. Sedangkan kinerja paling rendah adalah metode Support Vector Machine dengan tingkat akurasi sebesar 81,2% dan waktu prediksi tertinggi sebesar 0,82 detik.

Perancangan IoT-Based Sport Health Assistant untuk Monitoring Kesehatan Saat Berolahraga

Fajar Suryani, Nurchim, Ian Putra Prasetya — Sun, 06 Jul 2025 00:00:00 +0000

Kematian mendadak saat berolahraga sering terjadi akibat kurangnya pemantauan kondisi tubuh secara real-time. Penelitian ini bertujuan merancang IoT-Based Sport Health Assistant untuk memonitor kesehatan saat berolahraga dengan mengukur detak jantung, suhu tubuh, dan kadar oksigen (SpO₂) secara langsung selama aktivitas fisik. Sistem ini menggunakan mikrokontroler ESP32, sensor MAX30100 untuk detak jantung dan SpO₂, serta sensor MLX90614 untuk suhu tubuh. Data dikirim secara berkala ke server Node.js, disimpan dalam database PostgreSQL, dan ditampilkan dalam grafik pada aplikasi berbasis web. Prototipe dirancang portabel dan dapat dipasang di lengan menggunakan armband. Pengujian dilakukan pada 10 subjek berusia 18–30 tahun dengan membandingkan hasil alat dengan alat medis standar seperti oxymeter dan termometer inframerah. Hasil ketiga sensor (detak jantung, oksigen, suhu) memiliki p-value > 0.05, hal tersebut menunjukkan bahwa sistem bekerja dengan baik. Prototipe ini dapat menjadi solusi awal dalam upaya pencegahan risiko kesehatan saat berolahraga.