Journal of Information Technology and Computer Science (JOINTECS)
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.
Articles
158 Documents
<![CDATA[Forensics Mobile Layanan WhatsApp pada Smartwatch Menggunakan Metode National Institute of Justice ]]>
<![CDATA[Sunardi Sunardi]]>;
<![CDATA[Imam Riadi]]>;
<![CDATA[Joko Triyanto]]>
<![CDATA[ JOINTECS (Journal of Information Technology and Computer Science) Vol 6, No 2 (2021) ]]>
Publisher : <![CDATA[Universitas Widyagama Malang ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.31328/jointecs.v6i2.2315
<![CDATA[Perkembangan teknologi memberikan dampak positif berupa kemudahan dalam memperoleh data dan informasi termasuk pesatnya penggunaan smartphone berbasis Android. Namun disisi lain, penggunaan teknologi juga dapat menimbulkan peluang terjadinya cybercrime. Penelitian ini bertujuan untuk mengungkap barang bukti digital dalam identifikasi kejahatan yang menggunakan aplikasi WhatsApp pada Smartwatch sebagai media komunikasi. Metode dalam mengeksekusi forensik digital pada penelitian ini memakai kerangka kerja National Institute of Justice (NIJ) dengan tahapan identification, examination, collection, analisys, dan reporting. Tools yang dipakai yaitu Wondershare Dr Fone untuk analisis dan ekstraksi. Penelitian ini mendapatkan keberhasilan 100% dalam mengumpulkan data berupa photos, videos, contacts, dan documents yang ada pada Smartwatch. Namun demikian tidak dapat membaca pada chatt mesengger dan call history serta tidak bisa mengembalikan data yang telah hilang.]]>
<![CDATA[Pengenalan Suku Kata Bahasa Indonesia Menggunakan Metode LPC Dan Backpropagation Neural Network ]]>
<![CDATA[Yenni Fatman]]>;
<![CDATA[Islamiyati Islamiyati]]>
<![CDATA[ JOINTECS (Journal of Information Technology and Computer Science) Vol 5, No 3 (2020) ]]>
Publisher : <![CDATA[Universitas Widyagama Malang ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.31328/jointecs.v5i3.1331
<![CDATA[Suara menjadi komponen terpenting dalam perkembangan teknologi digital saat ini, untuk mempermudah kehidupan manusia. Berbagai sistem pengenalan suara atau Automatic Speech Recognation (ASR) telah banyak dikembangkan di berbagai negara dengan berbagai bahasa. Pengenalan suara dapat diaplikasikan di berbagai bidang kehidupan salah satunya pada sistem keamanan berbasis suara, berupa password. Di Indonesia sendiri banyak penelitian mengenai pengenalan suara menggunakan bahasa Indonesia dengan berbagai metode, tetapi masih dalam jumlah yang terbatas dan hanya berfungsi untuk perintah suatu aplikasi tertentu. Oleh karena itu, pada penelitian ini, penulis melakukan pengenalan suara berdasarkan suku kata bahasa Indonesia karena bahasa Indonesia sendiri memiliki suku kata yang terbilang banyak dibandingkan dengan suku kata bahasa asing lainnya. Sistem ini terdiri dari 4 proses yaitu proses perekaman suara, proses pre-processing, proses ekstraksi ciri menggunakan metode Linier Predictive Code (LPC), dan proses klasifikasi suara menggunakan metode Backpropagation Neural Network. Terdapat 115 suku kata dan 74 suku kata yang berbeda dari 50 kata bahasa Indonesia yang diucapkan. Total suku kata bahasa Indonesia yang digunakan berjumlah 690 suku kata dari 6 responden. Hasil akurasi pada sistem pengenalan suku kata bahasa Indonesia yaitu 100% mampu mengenali 74 data pelatihan dari setiap 6 responden dan 115 data pengujian belum dilatih didapatkan akurasi terbaik sebesar 69% dari 6 responden. Berdasarkan hasil pengujian yang telah dilakukan, semakin banyak data pelatihan yang diproses dalam jaringan maka semakin tinggi akurasi keberhasilan yang diperoleh (Sinyal suara dapat dikenali).]]>
<![CDATA[Prediksi Indeks Harga Konsumen Komoditas Makanan Berbasis Cloud Computing Menggunakan Multilayer Perceptron ]]>
<![CDATA[Soffa Zahara]]>;
<![CDATA[Sugianto Sugianto]]>
<![CDATA[ JOINTECS (Journal of Information Technology and Computer Science) Vol 6, No 1 (2021) ]]>
Publisher : <![CDATA[Universitas Widyagama Malang ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.31328/jointecs.v6i1.1702
<![CDATA[Teknik prediksi merupakan salah satu area dalam data mining dimana menemukan pola dari sekumpulan data yang mengarah pada prediksi di masa depan. Prediksi dalam bidang ekonomi merupakan prediksi yang mendominasi karena merupakan salah satu parameter berkembangnya suatu negara. Indeks Harga Konsumen menggambarkan tingkat konsumsi barang dan jasa pada masyarakat yang dapat dijadikan acuan nilai inflasi. Mayoritas penelitian yang melakukan prediksi nilai Indeks Harga Konsumen sebelumnya hanya melakukan prediksi menggunakan nilai Indeks Harga Konsumen itu sendiri sebagai nilai input dan output. Penelitian ini membangun model peramalan dengan memanfaatkan multi variabel input yaitu 28 jenis harga bahan pokok harian sebagai nilai input untuk meramal nilai Indeks Harga Konsumen di kota Surabaya periode 2014 sampai 2018 dimana keseluruhan pembangunan model prediksi dilakukan di lingkungan Amazon Cloud Services. Sistem prediksi dibangun dengan algoritma Multilayer Perceptron dengan variasi arsitektur jumlah neuron, epoch, dan hidden layer. Berdasarkan hasil pengujian, akurasi terbaik dengan nilai RMSE 3.380 dihasilkan oleh konfigurasi 2 hidden layer, hidden layer pertama dan kedua mempunyai neuron masing-masing berjumlah 10 dengan epoch sebesar 1000.]]>
<![CDATA[Forensik Mobile Pada Kasus Cyber Fraud Layanan Signal Messenger Menggunakan Metode NIST ]]>
<![CDATA[Imam Riadi]]>;
<![CDATA[Herman Herman]]>;
<![CDATA[Nur Hamida Siregar]]>
<![CDATA[ JOINTECS (Journal of Information Technology and Computer Science) Vol 6, No 3 (2021) ]]>
Publisher : <![CDATA[Universitas Widyagama Malang ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.31328/jointecs.v6i3.2591
<![CDATA[Perkembangan dalam penggunaan media sosial mengalami peningkatan yang sangat pesat saat ini. Salah satu faktor meningkatnya penggunaan media sosial yaitu pandemi Covid-19. Segala aktivitas pekerjaan diharuskan dan dialihkan untuk dikerjakan secara online. Aplikasi Signal Messenger memiliki fitur serupa WhatsApp (WA) tetapi lebih aman dari segi keamanan data pribadi. Keamanan data pribadi menjadi salah satu faktor beralihnya pengguna WA ke signal messenger. Penggunaan media sosial memiliki dampak positif dan dampak negatif. Salah satu contoh dampak negatif yaitu terjadinya tindak kejahatan. Tindak kejahatan dapat terjadi selama aplikasi yang digunakan menyediakan fitur untuk mengirim pesan teks, gambar maupun video. Aplikasi signal messenger juga memungkinkan disalahgunakan oleh individu yang tidak bertanggung jawab. Hal ini mendorong dilakukannya investigasi terhadap kasus cyber fraud melalui analisis forensik menggunakan pendekatan atau metode National Institute of Standarts and Technology (NIST). Tujuan penelitian ini yaitu mendapatkan barang bukti digital berupa data teks percakapan (chat), gambar, GIF, dokumen pdf, video, voice call dan video call. Perangkat yang digunakan sebagai objek penelitian berupa smartphone android. Perangkat lunak forensik mobile yang digunakan pada penelitian ini yaitu MOBILedit Forensic Express. Berdasarkan hasil analisis forensik, kinerja tools MOBILedit Forensic cukup baik karena mampu mengangkat bukti digital berupa 2 gambar, 1 GIF, 1 dokumen pdf, dan 1 video. Bukti digital yang diperoleh dari penelitian ini memiliki tingkat keberhasilan secara keseluruhan sebesar 57,14%. Barang bukti dapat digunakan sebagai pendukung penyelidikan tindak kejahatan kasus cyber fraud di pengadilan. Penelitian ini mendapatkan hasil sesuai tujuan yang diharapkan walaupun belum mampu membaca chat, histori voice call dan video call. ]]>
<![CDATA[Pebandingan Performa Naïve Bayes dan KNN pada Klasifikasi Teks Sentimen Jasa Ekspedisi ]]>
<![CDATA[Zuda Pradana Putra]]>;
<![CDATA[Aryo Nugroho]]>
<![CDATA[ JOINTECS (Journal of Information Technology and Computer Science) Vol 6, No 3 (2021) ]]>
Publisher : <![CDATA[Universitas Widyagama Malang ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.31328/jointecs.v6i3.2635
<![CDATA[Penelitian ini bertujuan untuk mengetahui performa dari model naïve bayes dan KNN (K-Nearest Neighbor) dalam mengklasifikasikan dataset teks sentimen jasa ekspedisi. Ulasan pengguna twitter pada akun @jntexpressid, @JNE_ID, dan @posindonesia akan di tambang dan diklasifikan berdasarkan sentimen positif, netral, dan negatif. Data digali dari 1 Oktober hingga 1 Desember 2020, hasil didapat pada data JNT sebanyak 46.220, JNE 5.364, dan Pos Indonesia 11.194. Data mentah yang didapat akan dibersihkan dan dilabeli sebelum masuk ketahap pembobotan kata menggunakan TF-IDF. Data bersih yang didapat dari pra-pemrosesan teks akan dibagi menjadi data latih sebanyak 70% dan data uji 30% untuk diuji akurasinya kesetiap model. Metode over-sampling digunakan untuk meyeimbangkan dataset dan menghindari data latih yang overfitting. Pada model naïve bayes dan KNN terjadi peningkatan cukup signifikan setelah metode over-sampling diimplementasikan. Akurasi terbesar pada naïve bayes terdapat pada data JNT 82%, sedangkan KNN pada data POS 71%. Pada KNN nilai K tinggi tidak menentukan hasil akurasi, terbukti K=2 memiliki akurasi tertinggi dibanding K=4, K=6, K=8, K=10 setelah teknik resampling dilakukan.]]>
<![CDATA[Analisa Cluster Data Transaksi Penjualan Minimarket Selama Pandemi Covid-19 dengan Algoritma K-means ]]>
<![CDATA[Iis Setyawan Mangku Negara]]>;
<![CDATA[Purwono Purwono]]>;
<![CDATA[Imam Ahmad Ashari]]>
<![CDATA[ JOINTECS (Journal of Information Technology and Computer Science) Vol 6, No 3 (2021) ]]>
Publisher : <![CDATA[Universitas Widyagama Malang ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.31328/jointecs.v6i3.2693
<![CDATA[Covid-19 berdampak buruk pada sektor ekonomi di Indonesia. Hal ini terlihat dari kerugian yang dialami pelaku industri berupa penurunan omset penghasilan. Strategi penjualan perlu dilakukan agar kerugian dapat diminimalisir. Analisa transaksi penjualan bisa dilakukan untuk menemukan kelompok produk dengan data penjualan terbanyak sehingga manajemen stok dapat terpenuhi dan meningkatkan transaksi penjualan. Minimarket Berkah Abadi merupakan industri yang terdampak oleh pandemi ini. Analisa data belum dilakukan untuk mencari tahu produk mana yang memiliki data penjualan terbanyak, sehingga perlu dilakukan analisa dengan algoritma k-means. Algoritma ini dapat mengelompokan data berdasarkan kemiripan karakteristiknya. Penerapan algoritma pada 278480 data transaksi, didapatkan tiga cluster data penjualan yaitu cluster 2 atau penjualan terbanyak sebanyak 57 produk, cluster 1 atau penjualan sedang sebanyak 5 produk dan sisanya adalah cluster 0 dengan penjualan rendah. Hasil akurasi model klusterisasi yang dihasilkan dengan confusion matrix adalah 87%. Berdasarkan hasil ini pemilik Minimarket Berkah Abadi dapat terbantu dalam membuat keputusan pada manajemen stok barang pada saat pandemi Covid-19 masih berlangsung. ]]>
<![CDATA[Sistem Informasi Pelayanan Rawat Jalan Berbasis Web Menggunakan Teknologi Fingerprint Pengganti KIB ]]>
<![CDATA[Mochammad Choirur Roziqin]]>;
<![CDATA[Chusnaini Nur Aprilyanti]]>;
<![CDATA[Sustin Farlinda]]>;
<![CDATA[Bachtiar Hadi Prakoso]]>
<![CDATA[ JOINTECS (Journal of Information Technology and Computer Science) Vol 6, No 3 (2021) ]]>
Publisher : <![CDATA[Universitas Widyagama Malang ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.31328/jointecs.v6i3.2250
<![CDATA[Pusat Kesehatan Masyarakat adalah tempat fasilitas pelayanan kesehatan yang menyelenggarakan upaya kesehatan masyarakat dan upaya kesehatan perseorangan tingkat pertama, dengan lebih mengutamakan upaya promotif dan preventif, untuk mencapai derajat kesehatan masyarakat yang setinggi-tingginya di wilayah kerjanya yang dituntut memberikan pelayanan yang terbaik. Pada zaman dengan kemajuan teknologi yang terus berkembang pesat dan cepat tanpa terkecuali pada bidang pelayanan kesehatan. Tetapi dalam bidang kesehatan seringkali mempunyai kendala dan masalah yang harus diatasi dengan baik. Pada Puskesmas terdapat pelayanan rawat jalan, rawat inap dan IGD. Kendala yang dihadapi yaitu pada proses pelayanan rawat jalan, pemeriksaan di poli, apotek sampai pelaporan masih dilakukan secara manual serta pasien sering kali lupa dalam membawa kartu indeks berobat (KIB). Maka diperlukan sebuah sistem informasi pelayanan rawat jalan dengan teknologi fingerprint agar lebih meningkatkan efisien dalam waktu, mengurangi resiko petugas dalam kesalahan penulisan laporan, dan membantu petugas dalam mengidentifikasi pasien lama saat tidak membawa kartu indeks berobat (KIB). Penelitian ini menggunakan metode waterfall Dalam proses perancangan sistem ini menggunakan Flowchart system, Contex Diagram, Data Flow Diagram, Entity Relationship Diagram serta dalam mengimplementasikan program menggunakan microsoft visual studio code versi 1.46. Hasil dari penelitian ini adalah sistem informasi pelayanan rawat jalan berbasis web menggunakan teknologi fingerprint sebagai pengganti KIB. Keunggulan dari sistem informasi yang dibuat oleh peneliti telah menggunakan teknologi fingerprint dalam mengidentifikasi pasien serta login petugas sehingga menghindari lupa username dan password dengan tingkat akurasi sebesar 75%.]]>
<![CDATA[Strategi Gamifikasi Sebagai Peningkatan Motivasi Kuliah Pemrograman Website Pada Masa Pandemi Covid19 ]]>
<![CDATA[Purwono Purwono]]>;
<![CDATA[Endang Setyawati]]>;
<![CDATA[Khoirun Nisa]]>;
<![CDATA[Amanah Wulandari]]>
<![CDATA[ JOINTECS (Journal of Information Technology and Computer Science) Vol 6, No 3 (2021) ]]>
Publisher : <![CDATA[Universitas Widyagama Malang ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.31328/jointecs.v6i3.2459
<![CDATA[Pandemi Covid-19 masih menjadi wabah yang membahayakan manusia sehingga menjadi tantangan khusus dan menuntut adanya perubahan pada berbagai bidang masyarakat. Pendidikan menjadi salah satu bidang yang terdampak oleh pandemi ini. Aktivitas belajar mengajar harus dilakukan secara daring yang mengakibatkan kualitas belajar mengajar menjadi tidak maksimal. Perkuliahan daring sudah dilakukan lebih dari satu tahun. Model kuliah ini ternyata telah menurunkan motivasi belajar mahasiswa karena dianggap menjenuhkan sehingga dibutuhkan inovasi pembelajaran dari para Dosen. Gamifikasi menjadi salah satu solusi yang sudah beberapa kali digunakan dan merupakan suatu teknik yang dapat membuat mahasiswa berperan aktif selama perkuliahan serta merasa menikmati setiap tugas perkuliahan yang diberikan. Kami melakukan perancangan dan implementasi gamifikasi untuk matakuliah pemrograman website dengan platform classcraft. Hasil penelitian menunjukan adanya kenaikan motivasi mahasiswa dalam perkuliahan. Hal ini dilihat dari beberapa indikator yaitu tepat waktu dalam masuk kuliah naik dengan persentase 16.67%, minat diskusi dengan dosen naik 40%, ketepatan pengumpulan tugas naik 39,39%, kemampuan menyelesaikan projek UTS naik 28,57% dan kemampuan menyelesaikan projek UAS naik sebesar 34,21%.]]>
<![CDATA[Implementasi Metode Triple Des Pada Aplikasi Keamanan Pesan Berbasis Mobile ]]>
<![CDATA[Muhamad Alda]]>;
<![CDATA[Mhd Ikhsan Rifki]]>
<![CDATA[ JOINTECS (Journal of Information Technology and Computer Science) Vol 7, No 1 (2022) ]]>
Publisher : <![CDATA[Universitas Widyagama Malang ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.31328/jointecs.v7i1.3281
<![CDATA[Pesan merupakan Sesuatu yang disampaikan dari pengirim ke penerima. Pesan dapat berupa teks, audio, video maupun gambar. Proses penyampaian pesan teks pada smartphone android belum dilengkapi keamanan yang memadai. Sehingga pesan yang telah dikirim ataupun telah diterima dapat dilihat oleh orang lain. Kerahasiaan pesan yang telah dikirim dan diterima menjadi tidak terjamin. Berdasarkan permasalahan tersebut, penulis ingin membangun sebuah aplikasi kriptografi yang dapat digunakan dalam keamanan pada saat proses pengiriman dan penerimaan pesan. Aplikasi kriptografi yang dibangun penulis dapat melakukan enkripsi dan deskripsi pesan yang akan di kirim atau yang telah diterima dengan menggunakan metode Triple DES berbasis mobile. Sedangkan metode pengembangan aplikasi yang digunakan adalah metode waterfall, terdiri dari analisis, desain, coding, testing dan implementasi. Dengan adanya aplikasi ini, diharapkan akan memberikan keamanan pada pengguna smartphone android dalam melakukan pengiriman maupun penerimaan pesan. ]]>
<![CDATA[Klasifikasi Logo Mobil Menggunakan Jaringan Syaraf Tiruan Backpropagation dan Decision Tree ]]>
<![CDATA[Syahroni Wahyu Iriananda]]>;
<![CDATA[Rangga Pahlevi Putra]]>;
<![CDATA[Firman Nurdiyansyah]]>;
<![CDATA[Fitri Marisa]]>;
<![CDATA[Istiadi Istiadi]]>
<![CDATA[ JOINTECS (Journal of Information Technology and Computer Science) Vol 7, No 1 (2022) ]]>
Publisher : <![CDATA[Universitas Widyagama Malang ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.31328/jointecs.v7i1.3464
<![CDATA[Logo mobil sendiri sangat dalam membedakan dalam sebuah mobil adalah logo kendaraan yang berfungsi untuk mengenalkan kepada masyarakat tentang sebuah brand mereka. Pada klasifikasi ini agar masyarakat paham dalam mengetahui logo mobil yang telah ada. Oleh karena itu, dalam penelitian ini mengusulkan klasifikasi logo mobil menggunakan JST -backpropagation dan decision tree. Penelitian ini bertujuan untuk mengklasifikasikan jenis logo mobil yang ada di indonesia. Serta dapat memudahkan masyarakat awam dalam pengenalan sebuah logo mobil, sehingga nantinya masyarakat akan paham dalam pemilihan sebuah mobil dengan brand yang berkualitas. Dari hasil yang didapatkan bahwa Decision Tree pada split ratio 50:50 precision mendapatkan nilai 0.604, recall mendapatkan nilai 0.611, f-measure mendapatkan nilai 0.598 dan accuracy mendapatkan nilai 95.70%. Kemudian pengujian yang dilakukan JST-backpropagation hasil pada split ratio 50:50 fitur tekstur dan bentuk dengan nilai precision mendapatkan nilai mencapai 0.680, recall mendapatkan nilai 0.521, f-measure mendapatkan nilai 0.600 dan accuracy juga memiliki nilai tertinggi yang dihasilkan oleh JST-backpropagation mencapai 92.50% dengan perbandingan data 50:50. Hasil membuktikan dengan klasifikasi dengan Decision Tree menghasilkan precision, recall, f-measure dan accuracy tertinggi dibandingkan decision tree. ]]>
