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 2 (2023)" : 5 Documents clear
Adopsi Pembangkit Kunci Blum Blum Shub Dan Bilangan Euler Pada Algoritma Extended Vigenere Eka Ardhianto; Widiyanto Tri Handoko; Endang Lestariningsih; Felix Andreas Sutanto
JOINTECS (Journal of Information Technology and Computer Science) Vol 8, No 2 (2023)
Publisher : Universitas Widyagama Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31328/jointecs.v8i2.4326

Abstract

Algoritma Vigenere merupakan model algoritma enkripsi yang sampai saat ini masih dikembangkan dalam bidang keamanan infromasi sampai saat ini. Salah satu aspek yang dipandang penting dalam bidang keamanan informasi adalah confidentiality. Permasalahan pencapaian confidentiality pesan atau informasi yang tinggi menjadi sesuatu yang kritis dalam bidang pengamanan informasi. Extended Vigenere dikenal sebagai evolusi Vigenere yang menggaplikasikan jumlah karakter set yang lebih luas. Salah satu pengembangan dalam algoritma Vigenere adalah dengan memodifikasi pembangkit kunci yang digunakan. Eksperimen ini bertujuan untuk melihat pengaruh confidentiality informasi terhadap penggunaan pembangkit kunci Blum Blum Shub (BBS) dan Bilangan Euler yang diaplikasikan pada Extended Vigenere. Metode pembangkit kunci BBS dan Bilangan Euler digunakan secara berurutan. Sebagai metrik pengukuran digunakan perhitungan entropi terhadap output Extended Vigenere. Hasil yang diperoleh ialah berupa peningkatan confidentiality informasi yang signifikan dengan nilai capaian entropi lebih dari 79% terhadap entropi optimum
Deteksi Mata di Video Smartphone Menggunakan Mediapipe Python Muhammad Furqan Rasyid; Muhammad Syukri Mustafa; Andi Asvin Mahersatillah Suradi; Muhammad Rizal; Mushaf Mushaf; Arham Arifin
JOINTECS (Journal of Information Technology and Computer Science) Vol 8, No 2 (2023)
Publisher : Universitas Widyagama Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31328/jointecs.v8i2.4562

Abstract

Teknologi deteksi mata digunakan untuk mengenali dan menganalisis fitur-fitur unik pada mata seseorang sebagai cara untuk mengidentifikasi atau mengautentikasi identitas seseorang. Teknologi ini dapat digunakan dalam berbagai aplikasi, seperti pengenalan pola, sistem biometrik, sistem pengawasan, dan lainnya. Kebanyakan aplikasi memerlukan ketepatan dalam mendeteksi mata, sehingga diperlukan metode deteksi mata yang cepat dan andal. Dalam penelitian ini, diajukan metode deteksi mata yang menggunakan library Python OpenCV dan MediaPipe, yang menawarkan akurasi yang lebih baik dibandingkan solusi yang sudah ada. Kedua pustaka tersebut diimplementasikan dalam bahasa pemrograman Python, yang populer di kalangan pengembang perangkat lunak karena kemampuan pemrograman berorientasi objek, kemampuan untuk memanipulasi dan memproses data dengan mudah, serta pustaka dan modul yang tersedia dalam berbagai bidang seperti kecerdasan buatan. Pengujian sistem dilakukan dengan menggunakan video yang diambil menggunakan telepon pintar. Meskipun video diambil dalam kondisi kurang optimal, yaitu dengan pencahayaan yang tidak sempurna, pengujian dilakukan pada 56 video yang memiliki kualitas cukup baik dengan durasi sekitar 5-10 detik. Hasil yang diperoleh menunjukkan tingkat akurasi yang mencapai 100%. Selain itu, sistem yang dibuat mampu membedakan antara kondisi mata terbuka dan tertutup, yang akan memudahkan penelitian selanjutnya dalam mendeteksi kedipan mata. Kesimpulan yang dapat diambil adalah model yang telah dibuat mampu mendeteksi mata dengan tingkat akurasi yang sangat tinggi
Pengukuran Usability Pada Learning Management System UMNU Kebumen Menggunakan System Usability Scale Ghufron Zaida Muflih; Iis Nurlaeli; Ageng Restu Triyanto
JOINTECS (Journal of Information Technology and Computer Science) Vol 8, No 2 (2023)
Publisher : Universitas Widyagama Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31328/jointecs.v8i2.4405

Abstract

Learning Management System (LMS) merupakan media pembelajaran online berbasis website yang umum digunakan pada perguruan tinggi. Kualitas sebuah sistem dapat diukur melalui tingkat usability. Usability sistem penting kaitannya dengan tingkat penerimaan dan kepuasan pengguna sistem karena untuk mengetahui sejauh mana sistem pada LMS tersebut sudah bekerja. Maka dari itu diperlukan adanya evaluasi dan pengujian apakah sistem yang digunakan memiliki kelayakan usability. Penelitian ini bertujuan untuk mengevaluasi LMS Universitas Ma’arif Nahdlatul Ulama Kebumen menggunakan metode System Usability Scale (SUS) dengan jumlah responden 25. Metode SUS merupakan metode yang paling banyak digunakan karen metode SUS sebagai pengukuran yang cepat dan handal, juga merupakan kuesioner valid dan reliabel untuk mengukur atau menguji kepuasan sistem informasi dengan menggunakan sampel yang sedikit dapat memberikan hasil yang baik. Hasil pengujian pada penelitian ini menunjukkan skor rata-rata 61,4. Berdasarkan skor tersebut dianalisis dengan menarik interpretasi yang menunjukkan bahwa LMS UMNU Kebumen memiliki skor 30% untuk percentile ranks, kategori poor untuk adjective rating, dan grade scale D. Sedangkan dalam acceptability menunjukkan kategori marginal dan untuk Net Promoter Score masuk ke dalam kategori detractor.
Sentimen Analisis Aplikasi Belajar Online Menggunakan Klasifikasi SVM Adi Ariyo Munandar; Farikhin Farikhin; Catur Edi Widodo
JOINTECS (Journal of Information Technology and Computer Science) Vol 8, No 2 (2023)
Publisher : Universitas Widyagama Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31328/jointecs.v8i2.4747

Abstract

Google Play Store adalah tempat berbagai macam aplikasi tersedia, baik berbayar ataupun tidak. Halaman Google Play Store menjadi tempat pengguna aplikasi untuk menyampaikan pendapat, ulasan dan penilaian. Ruang Guru, Zenius dan Quipper tersedia di platform tersebut. Data pada ulasan, menjadi sangat bermanfaat untuk dianalisa. Analisa dilakukan dengan menggunakan sentimen analisis dan algoritma SVM. Data diperoleh dengan menggunakan teknik scraping data, dengan menggunakan bantuan library google-play-scraper. Proses web Scraping, dibagi menjadi 3 tahap yaitu Fetching, Extraction, dan Transformation. Data dikumpulkan sebanyak 30.000 data, yang dibagi menjadi 10.000 data Ruang Guru, Zenius dan Quipper. Peneltian diawali dengan Tahap preprocesing data meliputi normalisasi, case folding, cleaning, tokenizing, dan  Stopword. kemudian data dibagi menjadi 90% data latih dan 10% data uji. Data latih diberi label dengan nilai 1, 0, dan -1. Nilai 1 berarti positif, nilai 0 berarti netral dan -1 berarti negatif. Hasil sentimen klasifikasi menggunakan SVM, menunjukkan bahwa Ruang Guru memiliki nilai positif tertinggi dibandingkan Zenius dan Quipper. Akan tetapi, respon pengguna sama-sama memberikan nilai positif untuk aplikasi tersebut. Nilai akurasi dari penelitian menunjukkan bahwa, data Klasifikasi sentimen dengan SVM, mempunyai akurasi rata-rata untuk Ruang Guru sebesar 99%, Zenius sebesar 96%, dan Quipper sebesar 82%.
Analisis Sentimen Berbasis Aspek Ulasan Pelanggan Restoran Menggunakan LSTM Dengan Adam Optimizer Wardianto Wardianto; Farikhin Farikhin; Dinar Mutiara Kusumo Nugraheni
JOINTECS (Journal of Information Technology and Computer Science) Vol 8, No 2 (2023)
Publisher : Universitas Widyagama Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31328/jointecs.v8i2.4737

Abstract

Consumers believe that restaurant reviews are very important when choosing a restaurant. Due to the fact that reviews have become one of the most effective ways to influence customer decisions, research that has been done on restaurant customer reviews is about sentiment analysis. Previous studies have only used sentiment analysis at the sentence or document level, while a better level uses Aspect-Based Sentiment Analysis (ABSA), or a type of aspect-based sentiment analysis. LSTM is a variant of RNN that stores long-term information in memory cells. Use of global max pooling to reduce output resolution features and prevent overfitting. In addition, the optimization method used by Adam Optimizer is an adaptive learning rate optimization algorithm specifically designed to train deep neural networks. This study aims to classify restaurant customer opinions based on aspects (food, place, service, and price) based on restaurant customer reviews on Indonesian-language TripAdvisor with LSTM and global max pooling for sentiment classification (negative, half negative, neutral, half positive, positive). The results of this study indicate that the ABSA in restaurant customer reviews for sentiment classification accuracy is 78.7% and the aspect category accuracy is 78%, both are interconnected and can help understand restaurant customer opinions on TripAdvisor.

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