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)
Sapta Warman Zai, Tri
Unknown Affiliation
Computer Science & IT

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

Found 3 Documents
Search

 1 
STUDI PENGGUNAAN DUA MANAGER PAKET ARCH LINUX : PACMAN DAN AUR HELPER DALAM PENGELOLAAN APLIKASI Sapta Warman Zai, Tri; Br Hutagalung, Fhadillah; Putri Handayani Simbolon, Agata; 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.v9i1.12642

Abstract

Penelitian ini mengevaluasi penggunaan dua manajer paket pada Arch Linux, yaitu Pacman dan AUR Helper, dalam pengelolaan aplikasi. Pacman, sebagai manajer paket resmi Arch Linux, menawarkan kecepatan, stabilitas, dan keandalan dalam instalasi serta pemeliharaan paket dari repositori resmi. Di sisi lain, AUR Helper memungkinkan pengguna untuk mengakses dan menginstal aplikasi dari Arch User Repository (AUR), memberikan fleksibilitas yang lebih besar untuk aplikasi tambahan yang tidak tersedia di repositori resmi. Melalui pengujian komparatif, ditemukan bahwa Pacman lebih unggul dalam efisiensi dan keamanan repositori standar, sementara AUR Helper memerlukan langkah verifikasi tambahan untuk memastikan keamanan aplikasi pihak ketiga. Kombinasi penggunaan kedua alat ini memberikan solusi yang fleksibel dan efektif bagi pengguna Arch Linux untuk memenuhi kebutuhan pengelolaan aplikasi yang bervariasi. Penelitian ini memberikan wawasan bagi pengguna sistem operasi berbasis Arch Linux dalam memilih alat pengelolaan paket sesuai kebutuhan.
PERKEMBANGAN PROJEK RANCANGAN SISTEM PENYELESAIAN EKUASI DENGAN MODEL DEEP LEARNING BERBASIS GNN Prana Walidin, Adamsyach; Sapta Warman Zai, Tri; Asro Harahap, Fatima; 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.v9i4.13998

Abstract

Kemajuan kecerdasan buatan (AI) dalam rekayasa perangkat lunak telah memungkinkan pengembangan sistem yang lebih cerdas dan efisien, termasuk dalam penyelesaian perhitungan matematis yang kompleks. Penelitian ini berfokus pada pengembangan sistem berbasis Graph Neural Networks (GNN) untuk menyelesaikan persamaan matematika secara otomatis dengan akurasi tinggi. Permasalahan utama yang dihadapi adalah keterbatasan metode konvensional dalam memahami hubungan kompleks antar variabel dalam persamaan. Oleh karena itu, penelitian ini bertujuan untuk mengimplementasikan GNN sebagai model deep learning yang mampu mengenali pola hubungan antar variabel dan memberikan solusi yang lebih presisi. Metode yang digunakan mencakup pengumpulan dan preprocessing data persamaan matematika, pelatihan model GNN, serta evaluasi performa menggunakan metrik akurasi dan efisiensi komputasi. Hasil penelitian menunjukkan model mendapatkan loss terkecil sebesar 0,374 dari dataset MathQA dan membuktikan bahwa pendekatan berbasis GNN lebih unggul dibandingkan metode tradisional dalam menyelesaikan persamaan dengan kompleksitas tinggi. Dengan implementasi ini, sistem diharapkan dapat digunakan dalam berbagai bidang seperti pendidikan dan penelitian ilmiah.
PENERAPAN POHON KEPUTUSAN C4.5 UNTUK MEMPREDIKSI TREN POPULARITAS GAME DI PLATFORM STEAM Drilanang, Mhd Ilyasyah; Sapta Warman Zai, Tri; Juliana Silalahi, Feby; Ramadhani, Fanny
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.v9i4.14083

Abstract

Pengembang dan penerbit game menghadapi kesulitan dalam menentukan game mana yang dapat menjadi populer atau trending seiring dengan meningkatnya jumlah game yang tersedia di platform distribusi digital seperti Steam. Banyak faktor yang memengaruhi popularitas suatu game, serta kurangnya alat prediksi yang efektif untuk membantu membuat keputusan tentang pengembangan dan pemasaran produk, menyebabkan masalah ini. Dengan menggunakan algoritma pohon keputusan C4.5, tujuan penelitian ini adalah untuk membangun model yang dapat memprediksi tren popularitas game. Pengumpulan data dari platform Steam digunakan. Data ini termasuk jumlah rekomendasi, ulasan positif, pencapaian game, dan harga. Setelah itu, data diproses melalui tahapan preprocessing, pemilihan fitur, dan pembagian dataset. Untuk pelatihan dan pengujian, rasio 80:20 digunakan. Untuk mencegah overfitting, model dibangun menggunakan DecisionTreeClassifier dengan parameter optimasi seperti kriteria pemisahan entropy dan kedalaman maksimum lima level. Hasil evaluasi menunjukkan bahwa model memiliki akurasi sebesar 92 persen, dengan jumlah rekomendasi dan ulasan positif yang paling penting. Studi ini dapat membantu pengembang game dan analis pasar memahami faktor utama yang memengaruhi popularitas game. Ini juga dapat menjadi dasar untuk membuat strategi pemasaran dan pengembangan produk yang lebih baik. Disarankan untuk ditambahkan fitur baru, seperti kategori game, dan teknik ensemble untuk meningkatkan prediksi.
Co-Authors Adidtya Perdana, Adidtya Asro Harahap, Fatima Br Hutagalung, Fhadillah Dedy Kiswanto Drilanang, Mhd Ilyasyah Juliana Silalahi, Feby Prana Walidin, Adamsyach Putri Handayani Simbolon, Agata Ramadhani, Fanny