Article Per Year (5 Year)
p-Index From 2020 - 2025
0.562
P-Index
This Author published in this journals
All Journal JATI (Jurnal Mahasiswa Teknik Informatika)
Khoiriah, Najwatul
Unknown Affiliation
Computer Science & IT

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
ANALISIS KECEPATAN METODE PENYORTIRAN DAN PEMROSESAN YANG DITERAPKAN PADA PROGRAM KERANJANG BELANJA Prana Walidin, Adamsyach; Pebiana Putri, Fahra; Farezi, Nazwar; Khoiriah, Najwatul; Ramadhani, Fanny
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 1 (2025): JATI Vol. 9 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i1.12407

Abstract

Kecepatan adalah salah satu aspek yang sangat diperlukan dalam teknologi saat ini. Kecepatan biasanya menjadi tolak ukur sebuah sistem atau perangkat, semakin cepat semakin baik. Efisiensi sebuah sistem atau perangkat ditentukan oleh kecepatan sistem itu sendiri ketika memproses atau mengolah data. Pada zaman yang mewajibkan tiap hal berjalan secara singkat dan praktis, diperlukan pengujian terhadap berbagai macam hal terutama pada bidang teknologi struktur data. Untuk mengetahui seberapa efisien teknik struktur data list dan dictionary maka dilakukan implementasi pada sebuah program keranjang belanja sederhana untuk membuktikan dan mendapatkan angka pasti dalam hal kecepatan. Dengan menggunakan metode eksperimental kuantitatif, program dikembangkan dalam bahasa python dengan GUI dari library tkinter dan modul penghitungan waktu dari library time. Diketahui bahwa penggunaan dan kombinasi list dan kamus pada program keranjang belanja relatif cepat dalam memproses data, dengan rentang waktu 0.00007 detik hingga 1.8 detik dalam memproses setiap variabel. Hal ini membuat list dan kamus relatif efisien dalam penggunaannya pada program shopping cart.
ANALISIS KINERJA PENCARIAN FILE DENGAN FIND DAN LOCATE PADA RED HAT 9.0 Latifah Hasibuan, Najwa; Khoiriah, Najwatul; Kiswanto, Dedy
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 1 (2025): JATI Vol. 9 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i1.12679

Abstract

Pencarian file merupakan salah satu fungsi utama dalam sistem operasi Linux, termasuk pada Red Hat 9.0. Artikel ini membandingkan kinerja dua perintah pencarian file, yaitu find dan locate, yang memiliki pendekatan berbeda. Perintah find bekerja langsung pada sistem file, sementara locate menggunakan database indeks untuk pencarian yang lebih cepat. Penelitian ini menggunakan metode eksperimen komparatif dengan mengukur waktu eksekusi, penggunaan CPU, memori, serta fleksibilitas pencarian pada berbagai ukuran direktori (100, 1.000, dan 10.000 file). Hasil penelitian menunjukkan bahwa find lebih efisien dalam penggunaan CPU, terutama pada direktori kecil, namun membutuhkan lebih banyak memori dibandingkan locate. Sebaliknya, locate lebih cepat dalam pencarian sederhana tetapi bergantung pada pembaruan database yang memengaruhi akurasi. Kesimpulan dari penelitian ini merekomendasikan penggunaan find untuk pencarian kompleks dan locate untuk pencarian cepat pada data yang stabil.
PENERAPAN MACHINE LEARNING UNTUK REKOMENDASI FILM BERDASARKAN PREFERENSI PENGGUNA Insan Pratama Siagian, Raihan; Khoiriah, Najwatul; Audy Priscilia, Selfi; Raffi Akbar Tanjung, Muhammad; Perdana, Adidtya
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 4 (2025): JATI Vol. 9 No. 4
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i4.13884

Abstract

Dalam era digital, semakin banyaknya film yang tersedia di berbagai platform streaming menimbulkan tantangan bagi pengguna dalam memilih tontonan yang sesuai dengan preferensi mereka. Permasalahan utama yang dihadapi adalah bagaimana meningkatkan akurasi rekomendasi film agar lebih relevan dan personal bagi pengguna. Penelitian ini bertujuan untuk mengembangkan sistem rekomendasi film berbasis Machine Learning dengan metode Content-Based Filtering. Sistem ini dirancang untuk memberikan rekomendasi yang lebih sesuai dengan preferensi pengguna berdasarkan deskripsi film. Metode yang digunakan dalam penelitian ini melibatkan pemrosesan dataset dari The Movie Database (TMDb), di mana teknik Term Frequency-Inverse Document Frequency (TF-IDF) dan cosine similarity digunakan untuk mengukur kesamaan antar film. Implementasi dilakukan menggunakan bahasa pemrograman Python dengan pustaka pandas, numpy, dan scikit-learn, serta dikembangkan dalam antarmuka berbasis Streamlit untuk kemudahan penggunaan. Hasil penelitian menunjukkan bahwa sistem yang dikembangkan mampu memberikan rekomendasi yang relevan sesuai dengan preferensi pengguna. Namun, terdapat beberapa keterbatasan, seperti kurangnya variasi rekomendasi akibat ketergantungan pada data deskriptif film. Oleh karena itu, pengembangan lebih lanjut dapat mempertimbangkan pendekatan Hybrid Filtering atau integrasi dengan model Deep Learning untuk meningkatkan akurasi dan pengalaman pengguna.
Co-Authors Adidtya Perdana, Adidtya Audy Priscilia, Selfi Dedy Kiswanto Farezi, Nazwar Insan Pratama Siagian, Raihan Latifah Hasibuan, Najwa Pebiana Putri, Fahra Prana Walidin, Adamsyach Raffi Akbar Tanjung, Muhammad Ramadhani, Fanny