Article Per Year (5 Year)
p-Index From 2021 - 2026
1.151
P-Index
This Author published in this journals
All Journal JSAI (Journal Scientific and Applied Informatics) Jurnal Informatika dan Sistem Informasi Bulletin of Computer Science Research Infact: Jurnal Sains dan Komputer
Jatmika
Unknown Affiliation
Computer Science & IT Decision Sciences, Operations Research & Management Electrical & Electronics Engineering

Published : 7 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 7 Documents
Search

 1 
Pengembangan Sistem Informasi Kepegawaian dengan Fungsi Pengelompokkan Agglomerative Rachel Christia Tumbel; Antonius Bima Murti Wijaya; Jatmika
JURNAL SAINS DAN KOMPUTER Vol. 1 No. 2 (2017): Jurnal Infact Edisi Agustus 2017
Publisher : Universitas Kristen Immanuel

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Rekap absensi di Dinas Pekerjaan Umum Penataan Ruang dan Perumahan Rakyat masih dilakukan secara manual, membutuhkan waktu yang sedikit lama, serta pengajuan cuti pegawai pun masih dilakukan secara manual. Penelitian dengan judul “Pengembangan Sistem Informasi Kepegawaian dengan Fungsi Pengelompokan Agglomerative (Studi Kasus Dinas Pekerjaan Umum Penataan Ruang dan Perumahan Rakyat Kabupaten Landak)” bertujuan untuk melihat pola libur para pegawai yang berdekatan berdasarkan tanggal libur para pegawai, agar atasan dapat melihat/memantau pola libur para pegawai. Agglomerative Hierarchical Clustering (AHC) merupakan merupakan algoritma pengelompokan hierarki dengan pendekatan bawah atas (bottom up). Proses pengelompokan ini dimulai dari masingmasing data sebagai sebuah kelompok, yang kemudian secara rekrusif mencari kelompok terdekat sebagai pasangan untuk bergabung yang kemudian menjadi satu kelompok yang besar. Algoritma ini bekerja membentuk klasternya masing-masing, kemudian objek yang satu dibandingkan dengan objek yang lainnya, sehingga dua obyek dengan jarak yang terdekat bergabung menjadi satu klaster. Hasil penelitian menunjukkan bahwa sistem informasi kepegawaian dapat merekap absensi, mengajukan cuti, mengkonfirmasi cuti, serta melihat pola libur para pegawai dengan cara mengklasterkan berdasarkan tanggal libur para pegawai.
ANALISIS PERBANDINGAN PERFORMA SSTP DAN PPTP PADA VPN Deona Carol Gerjana Rijke Saijuna; Agustinus Rudatyo Himamunanto; Jatmika
JURNAL SAINS DAN KOMPUTER Vol. 1 No. 2 (2017): Jurnal Infact Edisi Agustus 2017
Publisher : Universitas Kristen Immanuel

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

VPN merupakan sebuah teknologi keamanan jaringan yang dapat dijadikan solusi keamanan informasi. VPN memungkinkan 2 atau lebih site yang berjauhan untuk dapat terhubung secara pribadi melalui jaringan public seperti internet. Untuk menerapkan VPN, diperlukan protokol SSTP (Secure Socket Tunneling Protocol) dan PPTP (Point to Point Tunneling Protocol) yang masing-masing memiliki pengaruh terhadap performa QoS (Quality of Service). Pada penelitian ini, dilakukan analisis perbandingan antara SSTP dan PPTP dengan membandingkan kinerja QoS. Pengujian dilakukan terhadap client yang terhubung ke router board dengan dua scenario jaringan, skenario pertama client mengakses web berbasis download dan skenario kedua client pada jaringan mengakses web streaming video. Tujuan dari penelitian ini adalah untuk mengetahui performa QoS, transfer & download file dari jaringan VPN yang menggunakan protokol SSTP dan PPTP. Hasil pengujian yang didapat dari penelitian ini menunjukkan bahwa PPTP lebih unggul pada parameter QoS dibanding dengan SSTP.Sedangkan hasil yang didapat dari pengujian FTP dan download menunjukkan bahwa SSTP lebih unggul pada kecepatan transfer file dan download jika dibandingkan dengan PPTP.
PERBANDINGAN DAN ANALISIS THROUGHOUT LOAD BALANCE Nth DAN PCC UNTUK OPTIMALISASI TRAFIK MANGLE Jatmika; Rodi Arjeko
JURNAL SAINS DAN KOMPUTER Vol. 6 No. 2 (2021): Jurnal Sains Dan Teknologi Informasi
Publisher : Universitas Kristen Immanuel

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Penggunaan jaringan line dua atau lebih Internet Service Protocol (ISP) sudah banyak diinstansi perusahaan dan lainnya. Metode digunakan guna memonitoring jaringan agar tidak timbul masalah. Tetapi pada jaringan load balance line dua atau lebih ISP yang tidak seimbang, menyebabkan gangguan kualitas jaringan. Penelitian ini melakukan perbandingan dan anasisis throughout load balance metode Nth dan Per-Connection Classifier (PCC) untuk optimalisasi trafik mangle guna mengetahui kualitas jaringan pada penggunaan internet berbasis zoom, youtube dan google meet. Melakukan perbandingan dan analisis metode dan diuji trafik mangle dengan monitoring wireshark, diambil data hasil uji, maka hasil throughout load balance dapat terlihat, pemakaian throughout load balance line dua ISP dilakukan dengan baik saat implementasi kedua metode. Hasil penelitian menunjukan rata-rata throughout load balance PCC lebih baik dalam standar Tiphon dengan uji zoom throughput 960.25kbps, delay 9.375/ms dan uji youtube throughput 1936.384kbps, delay 9.999/ms dan uji google meet throughput 1028.4kbps, delay 10.475/ms. Dibandingkan Nth dengan uji zoom throughput 885.25kbps, delay 11.7114/ms dan uji youtube throughput 2230.462kbps, delay 10.3848/ms dan uji google throughput 903.9333kbps, delay 10.9252/ms. PCC unggul untuk uji zoom, google meet dan Nth unggul uji youtube dibagian throughput, sedangkan PCC lebih baik dibagian delay uji youtube
Implementasi Text Clustering Terkait Pilpres 2024 Menggunakan Metode K-Means Miquel Yosafat; Jatmika
Infact: International Journal of Computers Vol. 8 No. 01 (2024): Jurnal Sains dan Komputer
Publisher : Universitas Kristen Immanuel

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61179/jurnalinfact.v8i01.496

Abstract

This research focuses on implementing the K-Means Clustering method to analyze public opinion regarding the 2024 presidential election. The K-Means algorithm, as a data mining method without direction, is used to group opinion data that has similar characteristics. The results of the cluster analysis confirmed the absence of text that was sarcastic or sarcastic in the Twitter data taken. Clusters were divided and categorized based on the text approach, and the results showed that the word "pilpres" appeared the most with a total count of 1778, while the word "ahy" appeared the least with a total count of 15. This research provides in-depth insight into public perceptions of the 2024 presidential election through analysis opinion data clusters on social media.
Analisis Performa Metode HTB - Traffic Shaping Layer 7 Pada Manajemen Bandwidth Jatmika; Putri, Farelia Devi Julia; Sumihar, Yo’el Pieter; Budiati, Haeni
Jurnal Informatika dan Sistem Informasi Vol. 9 No. 2 (2023): Jurnal Informatika dan Sistem Informasi
Publisher : Universitas Ciputra Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37715/juisi.v9i2.4214

Abstract

Internet sangat dibutuhkan untuk mendapatkan informasi. Internet merupakan komponen penting dalam bidang pendidikan, perkantoran, bisnis, perusahaan, dan lain sebagainya. Perkembangan Internet semakin pesat, tetapi jika tidak dimanajemen dengan baik bandwidth-nya akan mempengaruhi kinerja jaringan. Pada jaringan Internet saat ini sering terjadi masalah, dimana pada layanan tertentu bisa mengkonsumsi bandwidth dalam jumlah besar mengakibatkan layanan lain tidak bisa mendapat bandwidth sesuai kebutuhan. Penelitian ini melakukan pembagian bandwidth ke dalam beberapa kelas, melakukan pembatasan traffic pada tiap level, membuat alokasi aktivitas upload dan download. Manajemen bandwidth dilakukan dengan menggunakan metode HTB (Hierarchical Token Bucket). Pembagian bandwidth dilakukan secara hirarki yang dibagi ke dalam beberapa kelas. Performa jaringan lebih terjamin jika menambahkan monitoring traffic dengan menggunakan metode Traffic Shaping. Berdasarkan hasil penelitian, didapatkan performa jaringan menggunakan standart TIPHON untuk pengukuran parameter performa jaringan menggunakan metode HTB (Hierarchical Token Bucket) dan Traffic Shaping memiliki rata-rata 3,5 dan termasuk dalam kategori “Baik”, sedangkan pengujian tanpa menggunakan metode HTB (Hierarchical Token Bucket) dan Traffic Shaping memiliki rata-rata 2,75 dan termasuk kategori “Kurang Baik”.
Deteksi Penyakit Tanaman Padi (Oryza Sativa L.) Menggunakan Support Vector Machine (SVM) Dan Random Forest Pada Citra Daun Gulo, Bintang Karmila; Agustinus Rudatyo Himamunanto; Jatmika
Bulletin of Computer Science Research Vol. 5 No. 4 (2025): June 2025
Publisher : Forum Kerjasama Pendidikan Tinggi (FKPT)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47065/bulletincsr.v5i4.660

Abstract

Rice (Oryza sativa L.) is a major food crop that is susceptible to disease attacks, which can reduce farmers' productivity and yields. This study aims to develop a digital image-based rice leaf disease classification system using the Support Vector Machine (SVM) and Random Forest algorithms. The dataset consists of three disease classes (Blast, Blight, and Tungro), which are processed through pre-processing stages such as resizing, normalization, and augmentation. Feature extraction is performed using HSV histograms, RGB average values, and Gray Level Co-occurrence Matrix (GLCM) to obtain color and texture characteristics. The data is then divided with a ratio of 80:20 for model training and testing. The evaluation results show that Random Forest provides the best performance with an accuracy of 97.73%, precision and recall values ??above 0.94, and an average F1 score of 0.98. This study shows that a machine learning-based image classification approach can be an effective solution for early detection of diseases in rice plants.
Contrastive Learning pada IndoBERT untuk Analisis Sentimen Kebijakan Makan Bergizi Gratis Hia, Dwi Dian Sari Nonibenia; Berutu, Sunneng Sandino; Jatmika
JSAI (Journal Scientific and Applied Informatics) Vol 9 No 1 (2026): Januari
Publisher : Fakultas Teknik Universitas Muhammadiyah Bengkulu

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36085/jsai.v9i1.9963

Abstract

Transformer-based language models such as IndoBERT still face limitations in topic and sentiment analysis of short social media texts, particularly due to embedding anisotropy, semantic overlap between topics, and limited sensitivity to implicit sentiment intensity. This study aims to evaluate the effectiveness of integrating SimCSE-based contrastive learning to optimize IndoBERT vector representations for sentiment analysis of the “Free Nutritious Meals” public policy. A comparative experimental approach was employed using an equal number of topics (three topics) and evaluated through BERTopic and Aspect-Based Sentiment Analysis (ABSA). The results demonstrate that the contrastive learning–based model substantially improves cluster separability, indicated by an increase of more than 1000% in the Silhouette Score compared to the baseline model, along with a reduction in topic overlap of approximately 40–50%. In addition, topic keyword diversity increased by more than 75%, yielding more informative and interpretable topic representations. In aspect-based sentiment analysis, the contrastive model exhibited approximately a 50% improvement in sensitivity to sentiment intensity and achieved perfect classification of implicit high-confidence sentiments that were previously misclassified as neutral by the baseline model. These findings confirm that contrastive learning–based embedding optimization effectively addresses the limitations of conventional embeddings and enhances the quality of topic modeling and aspect-based sentiment analysis for Indonesian social media texts.
Co-Authors Agustinus Rudatyo Himamunanto Antonius Bima Murti Wijaya Deona Carol Gerjana Rijke Saijuna Gulo, Bintang Karmila Haeni Budiati Hia, Dwi Dian Sari Nonibenia Miquel Yosafat Putri, Farelia Devi Julia Rachel Christia Tumbel Rodi Arjeko Sumihar, Yo’el Pieter Sunneng Sandino Berutu