cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Syahroni Wahyu Iriananda
Contact Email
syahroni@widyagama.ac.id
Phone
-
Journal Mail Official
syahroni@widyagama.ac.id
Editorial Address
-
Location
Kota malang,
Jawa timur
INDONESIA
Journal of Information Technology and Computer Science (JOINTECS)
Published by Universitas Widyagama
ISSN : 25413619     EISSN : 25416448     DOI : -
Core Subject : Science, Education, Engineering,
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Electrical & Electronics Engineering Engineering Languange, Linguistic, Communication & Media Library & Information Science Mathematics
JOINTECS terbit 2 (dua) kali dalam setahun, yaitu pada bulan Agustus dan Pebruari dengan versi cetak p-ISSN: 2541-3619 dan versi elektronik dengan sistem OJS dengan e-ISSN: 2541-6448. (medio online) yang mewajibkan setiap naskah yang masuk, proses review, editing, sampai pada publikasi, dan semua yang berhubungan dengan sistem, wajib menggunakan Open Journal Sistem (OJS). JOINTECS dapat diakses melalui website http://publishing-widyagama.ac.id/ejournal-v2/index.php/jointecs yang telah mendukung penuh fitur-fitur OJS tersebut.
Arjuna Subject : -
Articles 5 Documents
 1 
Search results for , issue "Vol 8, No 1 (2023)" : 5 Documents clear
Izin Ekspor Impor Hasil Pertanian Berbasis Web Menggunakan Algoritma ID3 Asmah Akhriana; Nur Salman; Andi Irmayana; Abdul Rauf; Arini Fitramayanti; I Gusti Made Aprianta Nugraha
JOINTECS (Journal of Information Technology and Computer Science) Vol 8, No 1 (2023)
Publisher : Universitas Widyagama Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31328/jointecs.v8i1.4231

Abstract

Balai Besar Karantina Pertanian Makassar adalah salah satu Unit Pelaksana Teknis (UPT) dari Badan Karantina Pertanian. Selama ini dalam proses pemberian izin ekspor/impor harus melalui proses pengecekan dan penilaian setiap berkas yang dimana proses pengecekan berkas tersebut membutuhkan waktu yang cukup lama karena dikerjakan secara manual dan ada banyak berkas yang akan diproses karena mencakup semua perusahaan pertanian yang ada di Sulawesi Selatan. Penelitian ini bertujuan untuk membuat sebuah aplikasi pemberian izin ekspor/impor hasil pertanian dengan mengimplementasikan algortima Iterative Dichotomizer Three (ID3). Metode penelitian untuk pengembangan sistem menggunakan UML termasuk usecase diagram dan class diagram dengan pengujian fungsionalitas menggunakan metode blackbox dan untuk pengujian kelayakan serta kepuasan pengguna digunakan metode SUS (System Usability Scale). Hasil dari penelitian ini adalah sebuah aplikasi pemberian izin ekspor/impor hasil pertanian berbasis web yang dapat mempermudah pengecekan dan penilaian berkas dalam proses pemberian izin ekspor impor, dapat dijadikan sebagai media bagi perusahaan dalam pengurusan izin ekspor impor hasil pertanian sehingga menjadi lebih efektif dan efesien. Sedangkan dari hasil perhitungan nilai SUS didapatkan nilai sebesar 79,75 dimana nilai tersebut termasuk kedalam kategori acceptable dengan adjective Ratings excellent untuk grade scale B yang berarti aplikasi ini diterima dan layak digunakan oleh pengguna dengan rating aplikasi yang bagus.
Analisis Sentimen Calon Presiden 2024 Menggunakan Algoritma SVM Pada Media Sosial Twitter Aprilia Putri Nardilasari; April Lia Hananto; Shofa Shofia Hilabi; Tukino Tukino; Bayu Priyatna
JOINTECS (Journal of Information Technology and Computer Science) Vol 8, No 1 (2023)
Publisher : Universitas Widyagama Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31328/jointecs.v8i1.4265

Abstract

Analisis Sentimen banyak digunakan pemangku kepentingan dalam menilai sentimen terhadap suatu objek. Pada penelitan ini objek yang akan diambil yaitu analisis sentimen terhadap tokoh politik calon presiden 2024 yang sedang marak diperbincangkan oleh warganet, khususnya di twitter. Adapun permasalahan yang diangkat yaitu mengenai ukuran kinerja suatu algoritma dalam melakukan klasifikasi sentimen, beberapa algoritma kerap memiliki tingkat akurasi yang rendah. Penelitian ini bertujuan untuk meningkatkan performance measure dari penelitian sebelumnya dengan menggunakan algoritma Naïve Bayes yang memiliki tingkat akurasi cukup rendah, dan pada penelitian ini digunakan algoritma SVM. Penelitian ini mengambil data Twitter yang berhubungan terhadap calon presiden untuk melihat opini masyarakat kepada setiap calon presiden. Data yang diambil yaitu data twitter dengan kata kunci Ganjar, Anies, Prabowo sebanyak 8.959 data yang diambil pada tanggal 17-25 Oktober 2022. Hasil dari pengujian mendapatkan kesimpulan algoritma SVM mempunyai performance measure atau akurasi cukup tinggi dibandingkan dengan algoritma Naïve Bayes pada penelitian sebelumnya hanya sebesar 73, 86% sementara algoritma SVM mendapat nilai rata-rata accuracy mencapai 98,61% yaitu dataset Ganjar Pranowo, lalu precision 98,81%, recall 99,79%. Dan untuk proporsi sentimen menunjukan sentimen positif yang diperoleh Ganjar lebih tinggi daripada calon presiden lainnya yaitu 55%, Prabowo 30% dan Anies 15%, Sementara sentimen negatif Anies lebih tinggi 89% daripada Ganjar 8% dan Prabowo 3%.
Klasifikasi Citra Daun Anggur Menggunakan SVM Kernel Linear Adri Gabriel Sooai; Paskalis Andrianus Nani; Natalia Magdalena Rafu Mamulak; Corazon Olivia Sianturi; Shine Crossifixio Sianturi; Alicia Herlin Mondolang
JOINTECS (Journal of Information Technology and Computer Science) Vol 8, No 1 (2023)
Publisher : Universitas Widyagama Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31328/jointecs.v8i1.4496

Abstract

Pemanfaatan kecerdasan buatan untuk proses pengenalan citra telah dilakukan oleh banyak peneliti. Salah satu bidangnya adalah mengenali penyakit pada daun anggur. Telah dilakukan pemodelan menggunakan augmentasi mendahului pengklasifikasian support vector machine dengan kernel cubic, dengan hasil akurasi yang diperoleh adalah 97.6%.  Peningkatan kinerja akurasi prediksi citra melalui pemodelan masih dapat ditingkatkan melalui berbagai cara. Beberapa teknik yang bisa digunakan antara lain adalah menggunakan seleksi fitur, pengolahan awal untuk mencari dan membuang outlier, ataupun pemilihan algoritma pengklasifikasi yang secara khusus mampu menangani dataset dengan karakteristik tertentu. Teknik lainnya adalah melewatkan citra pada proses ekstraksi fitur untuk memperoleh dataset yang berkualitas baik dan mampu dilatih untuk memperoleh model dengan akurasi yang relatif lebih tinggi, dibandingkan penelitian sebelumnya. Penelitian ini bertujuan meningkatkan perolehan angka akurasi dengan menggunakan bantuan proses ekstraksi fitur, serta membandingkan kinerja beberapa pengklasifikasi yaitu k-Nearest Neighbor, Random Forest, Naïve Bayes, Neural Network dan Support Vector Machine. Metode yang digunakan dimulai dari proses ekstraksi fitur memanfaatkan algoritma SqueezNet untuk mendapatkan dataset dengan komposisi 1000 kolom dan 7222 baris. Selanjutnya dilakukan pembagian data latih dan uji dengan perbandingan 60:40. Pelatihan data menggunakan ragam pengklasifikasi yang di validasi menggunakan 2-fold cross validation. Data yang digunakan adalah dataset sekunder daun anggur, yang terdiri dari 7222 citra daun, terbagi dalam empat kelas yang telah tervalidasi dari penelitian terkait. Hasil yang diperoleh mengungguli penelitian sebelumnya yaitu 98.1% pada pengklasifikasi Support Vector Machine menggunakan kernel linear. 
Analisis SMOTE Pada Klasifikasi Hepatitis C Berbasis Random Forest dan Naïve Bayes Nabilah Sharfina; Nur Ghaniaviyanto Ramadhan
JOINTECS (Journal of Information Technology and Computer Science) Vol 8, No 1 (2023)
Publisher : Universitas Widyagama Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31328/jointecs.v8i1.4456

Abstract

Menurut WHO, orang yang terinfeksi virus Hepatitis C tercatat sekitar 71 juta orang pada 2019. Hanya 49,7% orang yang menyadari adanya penyakit Hepatitis C. Pencegahan dini penting dilakukan untuk meminimalisir kemungkinan buruk terjadi. Untuk memaksimalkan upaya ahli medis dalam meminimalisir risiko penularan, dibuat program yang mampu mengklasifikasikan penyakit Hepatitis C dengan sistem deteksi otomatis menggunakan model machine learning. Random Forest dipilih karena mampu menangani outlier dan imbalance data sehingga mampu menghasilkan nilai akurasi yang tinggi serta mampu mengidentifikasi fitur-fitur yang penting. Naïve Bayes dipilih karena algoritmanya yang sederhana, namun mampu menghasilkan nilai akurasi tinggi. Setelah dilakukan pengujian pada kedua model, dilakukan perhitungan terhadap hasil prediksi menggunakan formula confusion matrix. Hasil pengujian menunjukkan dengan menerapkan model Random Forest tanpa SMOTE sebesar 93% dan Naïve Bayes tanpa SMOTE sebesar 88%. Sehubungan dengan adanya imbalance data pada dataset, maka dilakukan teknik oversampling menggunakan metode SMOTE. Hasil pengujian yang diperoleh dari menerapkan model Random Forest dengan SMOTE sebesar 98% dan Naïve Bayes dengan SMOTE sebesar 89%.
Pengendali Dan Pemantau Arus Tegangan Pada Terminal Listrik Rumah Tangga Berbasis IoT Ardiansyah Setiawan; Istiadi Istiadi; Gigih Priyandoko
JOINTECS (Journal of Information Technology and Computer Science) Vol 8, No 1 (2023)
Publisher : Universitas Widyagama Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31328/jointecs.v8i1.4633

Abstract

Internet of things (IoT) sangat bermanfaat memberikan peran membantu aktivitas rumah tangga dalam kehidupan sehari-hari. Dengan kecanggihan yang disajikan oleh Internet of Things (IoT), memungkinkan IoT untuk melakukan pengontrolan dan pemantauan penggunaan listrik pada suatu lokasi dari jarak jauh tanpa menggunakan kabel yang dikontrol melalui smart phone yang kita miliki. Korsleting listrik banyak ditemukan di kota-kota besar yang dimana penggunaan listrik berlebih tanpa ada pengontrolan sehingga menimbulkan panas pada suatu perlengkapan elektronik yang mengakibatkan percikan api dan kebakaran rumah. Tujuan dalam penelitian ini yaitu mengembangkan teknologi smart home dalam mengendalikan dengan memanfaatkan smartphone android dan teknologi wifi. Hal ini juga membantu pengguna untuk mengendalikan perangkat smart home hanya dengan smartphone dan memanfaatkan teknologi wifi. Hasil dalam penelitian ini yaitu 223 volt ampere meter dengan arus 1 sebesar 0,03 dan arus 2 sebesar 3,29. Rata-rata waktu dalam penyusutan tegangan sebesar 1,66 detik. Dengan Smart Electric Terminal berbasis Internet of Things kita dapat melakukan pemantauan dan pengendalian penggunaan listrik di rumah kita. Microcontroller NodeMCU dan Arduino Nano dilengkapi dengan dua Sensor Arus ACS712 dan Sensor SCT013 dengan tambahan satu Sensor Tegangan ZMPT1018 memudahkan pengguna untuk mengatur dan memantau pergerakan aktivitas listrik di rumah. Tidak hanya itu Smart Electric Terminal dilengkapi dengan Modul Relay yang dimana dapat memutus arus listrik yang berlebih.

Page 1 of 1 | Total Record : 5

 1 

Filter by Year

2023 2023


Reset
Filter By Issues
All Issue Vol 8, No 2 (2024) Vol 8, No 1 (2024) Vol 8, No 3 (2023) Vol 8, No 2 (2023) Vol 8, No 1 (2023) Vol 7, No 3 (2022) Vol 7, No 2 (2022) Vol 7, No 1 (2022) Vol 6, No 3 (2021) Vol 6, No 2 (2021) Vol 6, No 1 (2021) Vol 5, No 3 (2020) Vol 5, No 2 (2020) Vol 5, No 1 (2020) Vol 4, No 3 (2019) Vol 4, No 2 (2019) Vol 4, No 1 (2019) Vol 3, No 3 (2018) Vol 3, No 2 (2018) Vol 3, No 1 (2018) Vol 2, No 2 (2017) Vol 2, No 1 (2017) Vol 1, No 1 (2016) More Issue