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 158 Documents
 12   13   14   15   16 
Klasifikasi Ayam Petelur Menggunakan Artificial Neural Network dan Decision Tree Firman Nurdiansyah; Fitri Marisa
JOINTECS (Journal of Information Technology and Computer Science) Vol 7, No 3 (2022)
Publisher : Universitas Widyagama Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31328/jointecs.v7i3.4053

Abstract

Indonesia merupakan negara yang sangat berkembang jumlah penduduknya. Seiring dengan perkembangan tahun ke tahun terus diimbangi dengan kesadaran akan arti penting peningkatan gizi dalam kehidupan. Oleh karena itu diperlukan sistem klasifikasi ayam petelur menggunakan Artificial Neural Network dan Decision Tree. Penelitian ini bertujuan untuk mengklasifikasikan jenis-jenis dari ayam petelur yang ada di Indonesia. Karena banyaknya jenis ayam, nantinya akan memudahkan masyarakat ataupun pengusaha ayam dalam memilih ayam petelur yang berkualitas baik. Disisi lain juga dapat meningkatkan ekonomi masyarakat dengan cara menjual sebuah ayam petelur dengan kualitas yang baik. Dalam pengujian yang dihasilkan Artificial Neural Network lebih baik dalam proses pengujiannya. Hasil membuktikan pada split ratio 50:50 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 mencapai 92.50% pada split ratio 50:50 antara data training dan data testing. Hasil membuktikan dengan klasifikasi menggunakan Artificial Neural Network menghasilkan precision, recall, f-measure dan accuracy tertinggi dibandingkan decision tree.
Sistem Monitoring BTS Pada Perusahaan Telekomunikasi Seluler Berbasis Aplikasi Mobile Imron Rosydi; Aryo Nugroho; Awalludiyah Ambarwati
JOINTECS (Journal of Information Technology and Computer Science) Vol 7, No 3 (2022)
Publisher : Universitas Widyagama Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31328/jointecs.v7i3.3782

Abstract

Telekomunikasi adalah hal penting di masa kini. Penyelenggara jasa dan jaringan telekomunikasi berlomba memberikan pelayanan terbaik, salah satunya dengan memperbanyak BTS miliknya. BTS (Base Transceiver Station) milik perusahaan telekomunikasi tersebar di seluruh wilayah. BTS adalah suatu perangkat jaringan telekomunikasi seluler yang umumnya berupa sebuah tower dengan antena yang berfungsi sebagai pemancar dan penerima sinyal, sehingga dapat menghubungkan jaringan operator telekomunikasi seluler dengan penggunanya. Pemeliharaan dan penanganan gangguan BTS harus dilakukan dengan baik dan tepat, agar kualitas jaringan tetap terjaga. Jika suatu BTS mengalami gangguan, maka sinyal jaringan selular pada area tersebut akan hilang, dan otomatis akan merugikan konsumen karena tidak dapat melakukan panggilan telepon dan tidak dapat mengakses internet. Oleh karena itu perbaikan harus segera dilakukan agar menghindari kerugian dari pihak perusahaan maupun konsumen. Berdasarkan permasalahan tersebut aplikasi ini dibuat. Metode yang digunakan adalah sistem development life cycle (SLDC) waterfall berbasis Android. Pengujian sistem menggunakan tiga karakteristik pada standar ISO 25010, yaitu functional suitability, usability, dan performance efficiency. Hasil pengujian mendapatkan nilai 1 (baik) pada pengujian functional suitability, mendapatkan nilai 90% (sangat layak) pada pengujian usability, dan mendapatkan nilai 2 detik (diterima) pada pengujian performance efficiency.
Digitalisasi Proses Bisnis UMKM Fotografi Melalui Aplikasi Berbasis Web Menggunakan Metode RAD Vindy Kusuma Dwinanda; Cepi Ramdani; Sisilia Thya Safitri
JOINTECS (Journal of Information Technology and Computer Science) Vol 7, No 3 (2022)
Publisher : Universitas Widyagama Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31328/jointecs.v7i3.3873

Abstract

Fotografi merupakan kegiatan mengambil gambar melalui kamera dalam menghasilkan karya seni yang dapat dinikmati diri sendiri maupun orang lain dan sebagai pekerjaan jasa mengabadikan kegiatan dalam bentuk foto. Jasa Fotografi memberikan pelayanan dari pemesanan, penjadwalan, pengelolaan administrasi serta manajemen data foto. Pengolahan data pada UMKM Phi Photograph masih dilakukan secara konvensional dan proses dokumentasi masih kurang baik yang mengharuskan pelanggan datang ke studio untuk memesan jasa sehingga menyebabkan kurang efisiensi waktu bagi pelanggan. Masalah tersebut menyebabkan kendala, kurang efisien waktu dan belum tepat sasaran. Tujuan dari penelitian membangun sistem informasi yang dapat melakukan pengolahan data jasa agar dapat terkomputerisasi dengan baik. Penggunaan Metode RAD dipilih karena perancangan sistem informasi karena membutuhkan langkah dan waktu yang sangat cepat dan singkat. Selanjutnya, pengujian dilakukan dengan dua metode, pertama menggunakan pengujian black box untuk mengetahui tingkat keberhasilan dan pengujian menggunakan SUS untuk mengurangi cacat dari sistem yang telah dibangun. Skor rata-rata yang dihasilkan dari pengujian 80, maka dapat dikategorikan Excellent (B) yang mendapatkan penilaian dapat diterima. Dengan adanya sistem informasi diharapkan dapat memudahkan proses bisnis yang berjalan sesuai tujuan bisnis sehingga admin dan pelanggan dapat melakukan pemesanan paket foto secara langsung maupun online.
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.
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

Page 14 of 16 | Total Record : 158

 12   13   14   15   16 

Filter by Year

2016 2024


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