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[Augmented Reality Untuk Media Promosi Rumah Pada Alang-Alang Contruction Berbasis Android ]]>
<![CDATA[Jayang Nurdiansyah]]>;
<![CDATA[Achmad Choiron]]>
<![CDATA[ JOINTECS (Journal of Information Technology and Computer Science) Vol 3, No 3 (2018) ]]>
Publisher : <![CDATA[Universitas Widyagama Malang ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (740.153 KB)
|
DOI: 10.31328/jointecs.v3i3.814
<![CDATA[Aplikasi Augmented reality untuk media promosi rumah pada alang-alang construction berbasis android, dirancang sebagai media penunjang promosi rumah untuk lebih memudahkan menjual rumah, dimana biasanya mempromosikan rumah menggunakan brosur biasa maka dari itu perusahaan dapat memanfaatkan teknologi Augmented reality pada Mobile Phone dengan Sistem Operasi Android agar dapat mengangkat citra perusahaan dan mempunyai nilai plus tersendiri dihadapan para calon pelanggan Dalam tugas akhir ini akan dibangun aplikasi dengan memanfaatkan teknologi Augmented reality sebagai penggabungan benda-benda nyata dan maya di lingkungan nyata, berjalan secara interaktif dalam waktu nyata (realtime),dengan metode Marker atau target yang disetting untuk memunculkan objek 3D secara bersamaan. Dalam pembuatan aplikasi ini menggunakan Unity sebagai software pendukungnya dan menggunakan Vuforia SDK sebagai management datanya, objeck tiga dimensi yang dibuat dengan menggunakan Autodesk 3ds Max. Dengan dibuatnya Aplikasi ini, maka dapat membantu marketing untuk menarik minat pelanggan juga memberikan hasil presentasi model rumah dihadapan calon pelanggan menjadi lebih profesional, dan dari hasil pembuatan gambar rumah secara 3D, dapat membantu para pelanggan untuk lebih mengetahui desain dan tipe rumah yang akan dibeli.]]>
<![CDATA[Image Smoothing Menggunakan Metode Mean Filtering ]]>
<![CDATA[Imanuddin Imanuddin]]>;
<![CDATA[Raza Oktafian]]>;
<![CDATA[Munawir Munawir]]>
<![CDATA[ JOINTECS (Journal of Information Technology and Computer Science) Vol 4, No 2 (2019) ]]>
Publisher : <![CDATA[Universitas Widyagama Malang ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (561.043 KB)
|
DOI: 10.31328/jointecs.v4i2.1007
<![CDATA[Pelembutan Citra (Image smoothing) bertujuan untuk menekan gangguan (noise) pada citra.Gangguan tersebut biasanya muncul sebagai akibat dari hasil penerokan yang tidak bagus (sensor noise, photographic grain noise) atau akibat saluran transmisi (pada pengiriman data).Penelitian ini telah menghasilkan sebuah program aplikasi untuk image smoothing dengan beberapa metode yaitu mean filtering,grayscale dan gaussian filtering. Citra uji yang digunakan pada penelitian ini menggunakan satu sampel gambar. Citra tersebut di-load dan ditampilkan pada program. Kemudian dilakuan proses image smoothing dengan menggunakan metode grayscale,gaussian dan mean.]]>
<![CDATA[Analisis Statistik pada Dampak Negatif dari Sosial Media Terhadap Perilaku Manusia ]]>
<![CDATA[Pradana Agung]]>;
<![CDATA[Fitri Marisa]]>
<![CDATA[ JOINTECS (Journal of Information Technology and Computer Science) Vol 4, No 1 (2019) ]]>
Publisher : <![CDATA[Universitas Widyagama Malang ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (371.76 KB)
|
DOI: 10.31328/jointecs.v4i1.997
<![CDATA[Artikel ini dibuat untuk menelusuri penyebab dampak negatif sosial media yang sudah terjadi di kalangan masyarakat. Tujuannya memeriksa perilaku pengguna sosial media antar sesama. Sosial media sekarang ini digunakan dalam berbagai hal seperti belanja online, berbagi berita, periklanan, dan berita politik. Perkembangan penggunaan sosial media tumbuh sangat. namun, dampak yang akan terjadi tidak dapat terkontrol bila tidak diatasi secepat mungkin. ada berberapa sosial media perilaku penggunaan yang harus di amati seperti selfie, belanja online, pertemuan offline, kontrol diri dan budaya bersama. melalui jurnal ini diharapkan pembaca dapat melihat fenomena ini dalam perspektif lengkap dari social media.]]>
<![CDATA[Komparasi Algoritma Klasifikasi Data Mining untuk Memprediksi Tingkat Kematian Dini Kanker dengan Dataset Early Death Cancer ]]>
<![CDATA[Panny Agustia Rahayuningsih]]>
<![CDATA[ JOINTECS (Journal of Information Technology and Computer Science) Vol 4, No 2 (2019) ]]>
Publisher : <![CDATA[Universitas Widyagama Malang ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (445.267 KB)
|
DOI: 10.31328/jointecs.v4i2.1008
<![CDATA[Penyakit Kanker merupakan sepuluh besar penyakit pembunuh di dunia. Kanker merupakan penyakit yang ganas dan sulit disembuhkan jika penyebarannya sudah terlalu luas. Akan tetapi, pendeteksian sel kanker sedini mungkin dapat mengurangi resiko kematian. Penelitian ini bertujuan untuk memprediksikan tingkat kematian dini kanker pada penduduk Eropa dengan menggunakan 5algoritma klasifikasi yaitu: Desecion Tree, Naïve Bayes, k-Nearset Neighbour, Random Forest dan Neural Network dari algoritma tersebut algoritma mana yang dianggap paling baik untuk penelitian ini. Pengujian dilakukan dengan beberapa tahapan penelitian antara lain: dataset (pengumpulan data), pengolahan data awal, metode yang diusulkan, pengujian metode menggunakan 10-fold cross validation, evaluasi hasil dan uji beda t-test. Nilai alpha yang digunakan adalah 0.05. jika probabilitasnya >0.05 maka H0 diterima. Sedangkan jika probabilitasnya <0.05 maka Ho ditolak.Hasil dari penelitian yang mendapatkan performe terbaik dengan nilai akurasi sebesar 98,35% adalah algoritma Neural Network. Sedangkan, hasil penelitian menggunakan uji t-test algoritma dengan model terbaik yaitu: algoritma Random Forest dan Neural Network, algoritma Naïve Bayes lumanyan baik, algoritma Desecion Tree cukup baik dan algoritma yang kurang baik adalah algoritma K-Nearset Neighbour (K-NN).]]>
<![CDATA[Sistem Pendukung Keputusan Untuk Tender Alat Kesehatan Di Rumah Sakit PKU Muhammadiyah Sekapuk Gresik ]]>
<![CDATA[Maulana Ishaq]]>;
<![CDATA[Dwi Cahyono]]>;
<![CDATA[Ratna Nur Tiara Shanty]]>
<![CDATA[ JOINTECS (Journal of Information Technology and Computer Science) Vol 4, No 1 (2019) ]]>
Publisher : <![CDATA[Universitas Widyagama Malang ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (787.474 KB)
|
DOI: 10.31328/jointecs.v4i1.1003
<![CDATA[Tender alat kesehatan merupakan salah satu kegiatan pengadaan yang dilakukan oleh Rumah Sakit PKU Muhammadiyah Sekapuk Gresik bertujuan untuk memenuhi kebutuhan dalam meningkatkan pelayanannya. Pihak rumah sakit sering mengalami kesulitan dalam menjalankan proses tender. Salah satunya dalam menentukan perusahaan peserta tender yang berhak lolos ke tahapan presentasi karena pemilihan sebelumnya hanya berdasarkan insting semata, sehingga dapat menyebabkan proses tender berlangsung lama. Oleh karena itu, dibutuhkan suatu pengelolaan khusus dengan menerapkan teknologi informasi sebagai pendukung keputusan untuk menentukan perusahaan yang lolos seleksi tahap awal. Pada Tugas Akhir ini dibuatlah “Sistem Pendukung Keputusan untuk Tender Alat Kesehatan” berbasis Web yang dikembangkan ini menggunakan bahasa pemrograman PHP dan menggunakan metode Technique for Order Preference by Similarity to Ideal Solution (TOPSIS) yang dapat melakukan seleksi dan merekomendasikan perusahaan peserta tender berdasarkan dengan kriteria yang telah ditentukan. Penelitian ini mampu untuk memudahkan pihak rumah sakit dalam melakukan seleksi perusahaan peserta tender dalam proses pengadaan dengan cara memberikan output berupa perangkingan yang dapat dijadikan prioritas dalam pengambilan keputusan.]]>
<![CDATA[Klasterisasi Pengendalian Persediaan Aki Menggunakan Metode K-Means ]]>
<![CDATA[Ricsa Andrean]]>;
<![CDATA[Septian Fendy]]>;
<![CDATA[Aryo Nugroho]]>
<![CDATA[ JOINTECS (Journal of Information Technology and Computer Science) Vol 4, No 1 (2019) ]]>
Publisher : <![CDATA[Universitas Widyagama Malang ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (1034.126 KB)
|
DOI: 10.31328/jointecs.v4i1.998
<![CDATA[Proses pengendalian persediaan merupakan bagian penting bagi perusahaan untuk melakukan penyediaan barang. Pengendalian persediaan dilakukan untuk memenuhi jumlah barang yang dibutuhkan pada saat pemasaran dilakukan, namun perusahaan memiliki permasalahan dalam menentukan jumlah persediaan barang dikarenakan jumlah barang yang dibutuhkan pada saat pemasaran berubah setiap waktu. Penelitian ini melakukan data mining guna membantu perusahaan agar dapat mengukur jumlah persediaan barang sebelum dipasarkan dengan melakukan penggalian data menggunakan salah satu metode data mining yaitu pengelompokan data. Pada penelitian ini melakukan mengelompokkan data laporan distribusi dan laporan penjualan pada perusahaan aki, data tersebut di kelompokkan menjadi 3 kelompok dengan menggunakan salah satu algoritma pengelompokan data yaitu K-Means, dari hasil pengelompokan digunakan untuk mengetahui kelompok produk yang diminati, sedang dan kurang diminati kemudian kelompok tersebut digunakan sebagai acuan persediaan banyak, sedang dan sedikit. Data yang digunakan merupakan data laporan distribusi dan laporan penjualan periode Januari – Desember 2018 dengan total sebanyak 125 produk. Setelah data tersebut diolah menggunakan algoritma K-Means, menunjukkan bahwa kelompok 1 dengan nilai objek data rendah merupakan kelompok produk yang kurang diminati, kelompok 2 dengan nilai objek data sedang merupakan kelompok produk diminati dalam kategori sedang, sedangkan kelompok 3 dengan nilai objek data tinggi merupakan kelompok produk yang banyak diminati.]]>
<![CDATA[Penilaian Kinerja Karyawan di Kantor RUPBASAN Kelas II Blitas Dengan Menggunakan Fuzzy Simple Additive Weighted ]]>
<![CDATA[Ahmad Desma Syahputra]]>;
<![CDATA[Fitri Marisa]]>
<![CDATA[ JOINTECS (Journal of Information Technology and Computer Science) Vol 4, No 2 (2019) ]]>
Publisher : <![CDATA[Universitas Widyagama Malang ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (781.644 KB)
|
DOI: 10.31328/jointecs.v4i2.1009
<![CDATA[Pengukuran kinerja suatu perusahaan sangat penting guna evaluasi dan perencanaan masa depan. Penilaian prestasi karyawan mutlak harus dilakukan untuk mengetahui prestasi yang hendak dicapai setiap karyawan. Untuk itu setiap perusahaan mempunyai cara yang berbeda dalam melakukan penilaian prestasi kerja karyawan. Dalam praktiknya, kegiatan penilaian atas prestasi kerja para karyawan harus dilakukan dengan metode yang baik dan tepat, sehingga tidak terjadi kesalahan dalam penilaian. Hasil penilaian yang dilakukan harus dapat menjamin perlakuan yang adil serta memuaskan bagi para karyawan yang dinilai, sehingga pada gilirannya menumbuhkan loyalitas dan semangat kerja. Ada beberapa alat bantu yang sudah umum digunakan untuk melakukan penilaian prestasi kerja karyawan, yaitu dengan metode performance apparsial. Akan tetapi metode ini memiliki beberapa masalah diantaranya adalah penilaian masih bersifat samar, terjadi efek halo, kecenderungan terpusat, dipengaruhi umur, ras dan jenis kelamin. Sistem pendukung keputusan merupakan alat bantu yang dapat digunakan untuk melakukan penilaian prestasi kerja karyawan dengan cara memperbaiki metode penilaian dari performance apparsial. Metode Fuzzy Simple Additive Weighting dipilih untuk melakukan penilaian dan perangkingan prestasi kerja karyawan. Dari hasil pengujian dapat disimpulkan bahwa aplikasi ini dapat diimplementasikan untuk penilaian prestasi kerja karyawan kontrak di kantror RUPBASAN kelas II Blitar.]]>
<![CDATA[Analisis Sentimen Twitter Debat Calon Presiden Indonesia Menggunakan Metode Fined-Grained Sentiment Analysis ]]>
<![CDATA[Septian Fendyputra Pratama]]>;
<![CDATA[Ricsa Andrean]]>;
<![CDATA[Aryo Nugroho]]>
<![CDATA[ JOINTECS (Journal of Information Technology and Computer Science) Vol 4, No 2 (2019) ]]>
Publisher : <![CDATA[Universitas Widyagama Malang ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (434.446 KB)
|
DOI: 10.31328/jointecs.v4i2.1004
<![CDATA[Media sosial, Twitter, saat ini telah banyak memberikan dampak besar dalam membangun opini, pandangan, sentimen, dan preferensi politik publik (menjelang Pemilihan Umum) berlangsung. Penelitian ini dilakukan untuk mengetahui percakapan di Twitter pada debat pertama calon presiden Republik Indonesia melalui hashtag dari kedua pasang calon. Selain itu, juga untuk mengetahui tentang kecenderungan masyarakat di Twitter terkait dengan debat yang sedang berlangsung tersebut cenderung positif, negatif, atau netral. Data percakapan di Twitter didapatkan melalui Twitter API yang diambil dengan bahasa Pemrograman R. Proses analisis sentimen ini menggunakan metode Fined-grained Sentiment Analysis yaitu, Jika satu tweet berisi lebih banyak kalimat positif daripada negatif, maka hasil keseluruhan akan positif dan bernilai (+1). Jika jumlah kalimat negatif lebih besar dari kalimat positif, maka hasil keseluruhan negatif dan bernilai (-1). Jika ada jumlah yang sama dari kalimat positif dan negatif dalam paragraf, maka hasilnya adalah netral dan bernilai (0). Hasil dari penelitian ini menunjukkan bahwa tweet sentimen dari kedua hashtag cenderung positif, lebih banyak daripada sentimen negatif dan netral.]]>
<![CDATA[Modifikasi Metode MFCC untuk Identifikasi Pembicara di Lingkungan Ber-Noise ]]>
<![CDATA[Yanuar Risah Prayogi]]>
<![CDATA[ JOINTECS (Journal of Information Technology and Computer Science) Vol 4, No 1 (2019) ]]>
Publisher : <![CDATA[Universitas Widyagama Malang ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (581.976 KB)
|
DOI: 10.31328/jointecs.v4i1.999
<![CDATA[Beberapa metode ekstraksi fitur untuk sistem identifikasi pembicara memiliki kelemahan yaitu ketika dilingkungan berderau hasil akurasinya menurun. Metode ekstraksi fitur Mel-Frequency Cepstral Coefficient (MFCC) merupakan metode ekstraksi sinyal suara yang peka terhadap derau. Metode MFCC menghasilkan akurasi yang tinggi ketika dilingkungan yang bersih. Sebaliknya ketika di lingkungan yang berderau akurasi yang dihasilkan turun drastis. Penelitian ini mengusulkan metode ekstraksi fitur menggunakan MFCC digabung dengan algoritma deteksi endpoint. Algoritma deteksi endpoint memisahkan daerah speech dan nonspeech. Daerah nonspeech biasanya lebih banyak berisi derau sehingga bisa dijadikan informasi derau. Informasi derau diekstrak dan menghasilkan magnitude frekuensi derau. Uji coba metode yang diusulkan menghasilkan nilai akurasi yang lebih tinggi pada semua tipe derau dan tingkat SNR. Akurasi yang dihasilkan oleh metode yang diusulkan lebih tinggi 14.69% dibanding metode MFCC, 6.4% dibanding metode MFCC+wiener, dan 2.74% dibanding metode MFCC+Spectral Subtraction (SS).]]>
<![CDATA[Sistem Pakar Tes Kepribadian Menggunakan Metode Naive Bayes ]]>
<![CDATA[Khalid Aji]]>
<![CDATA[ JOINTECS (Journal of Information Technology and Computer Science) Vol 4, No 2 (2019) ]]>
Publisher : <![CDATA[Universitas Widyagama Malang ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (495.391 KB)
|
DOI: 10.31328/jointecs.v4i2.1010
<![CDATA[Ilmu Psikologi merupakan disiplin ilmu yang secara umum bertujuan untuk memahami perilaku sesama manusia. Dalam prakteknya ilmu psikologi sebagian besar masih menggunakan cara-cara dan metode lama dalam proses memahami dan mempelajari ilmu psikologi suatu objek. Salah satu metode lama yang masih digunakan dalam ilmu psikologi yakni dengan cara membuat lembaran-lembaran kuisioner atau serangkaian pernyataan yang akan diberikan kepada objek yang akan dipelajari lalu kuisioner-kuisioner tersebut diisi oleh masing-masing objek.Melihat hal tersebut perlu pemanfaatan teknologi untuk membuat aplikasi bidang psikologi, khususnya pada sub bidang kepribadian dimana aplikasi tersebut menggunkan pengetahuan komputer dibidang kecerdasan buatan khususnya cabang sistem pakar untuk membantu klasifikasi kepribadian seseorang dengan menggunkana metode Naive Bayes. Sebab, metode ini mempunyai tingkat akurasi yang lebih baik dibandingan model klasifikasi lainnya. Metode Naive Bayes merupakan salah satu metode klasifikasi yang efektif dan efisien karena proses pengklasifikasiannya bekerja secara independen pada setiap fitur objek yang akan diklasifikasi.Berdasarkan hasil perbandingan pengujian sistem dengan menggunakan metode Naive Bayes dengan 100 data learning dan menguji 10 data testing, perbandingan untuk uji sistem pakar memiliki hasil akurasi 70%. Berdasarkan penelitian yang dilakukan hasil akurasi menunjukkan bahwa metode yang digunakan cukup baik untuk klasifikasi menentukan jenik kepribadian Introvert atau Ekstrovert. Dapat disimpulkan semakin banyak data yang digunakan maka semakin besar pula nilai akurasinya.]]>
