cover
Contact Name
Muhammad Nur Akbar
Contact Email
muhammad.akbar@uin-alauddin.ac.id
Phone
+6285242044250
Journal Mail Official
instek@uin-alauddin.ac.id
Editorial Address
Jl. H. M. Yasin Limpo No. 36 Samata, Gowa, Sulawesi Selatan
Location
Kab. gowa,
Sulawesi selatan
INDONESIA
JURNAL INSTEK (Informatika Sains dan Teknologi)
ISSN : 25411179     EISSN : 25811711     DOI : https://doi.org/10.24252/instek.v6i2
The Scope topics include, but are not limited to : Agent System and Multi-Agent Systems Analysis & Design of Information System Artificial Intelligence Big Data and Data Mining Cloud & Grid Computing Computer Vision Cryptography Decision Support System DNA Computing E-Government E-Business E-Learning Embedded System Enterprise System Green software development Green computing Green Information Technology Human Computer Interaction Image Processing & Computer Vision Informatics Theory Information System IT for Education IT for Industry IT for Chemical Mechatronics Mobile Computing & Applications Natural Language Processing Network & Data Communications Open Source System Semantic Web Social Networking & Application Soft Computing Software Engineering Software Entrepreneurship Web Engineering Wireless Communication Mikrokontroller elektronic and telecomonunication
Articles 367 Documents
ANALISIS KOMPARATIF ALGORITMA AES, BLOWFISH DAN PENDEKATAN HYBRID UNTUK MENJAGA KERAHASIAAN DOKUMEN PENGADILAN AGAMA Hasda Nuril Mala; Eko Riyanto; Sri Lestari Ratna Anugraheni; Eka Ardhianto; Aji Supriyanto
Jurnal INSTEK (Informatika Sains dan Teknologi) Vol 11 No 1 (2026): APRIL
Publisher : Department of Informatics Engineering, Faculty of Science and Technology, Universitas Islam Negeri Alauddin, Makassar, Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24252/instek.v11i1.67053

Abstract

Keamanan dokumen digital menjadi aspek penting dalam menjaga kerahasiaan informasi, khususnya pada dokumen berbasis PDF. Penelitian ini bertujuan untuk menganalisis dan membandingkan performa algoritma kriptografi AES, Blowfish dan metode hybrid yang merupakan gabungan antara AES dan Blowfish dalam mengamankan dokumen yang ada di lingkungan pengadilan agama. Pada penelitan ini, menggunakan 6 dokumen dengan kisaran ukuran 261 KB - 1,7 MB serta proses enkripsi dan dekripsi dilakukan sebanyak 5 kali iterasi untuk memperoleh hasil yang konsisten. Adapun parameter evaluasi yang digunakan meliputi waktu eksekusi enkripsi dan dekripsi, entropi dan avalanche effect. Hasil penelitian menunjukkan bahwa AES memiliki performa terbaik dalam segi kecepatan dengan rata-rata waktu enkripsi selama 0,078 ms dan dekripsi selama 0,052 ms, yang merupakan nilai terendah dibandingkan Blowfish dan hybrid yang rata-rata waktu enkripsinya mencapai 0,554 ms. Sedangkan dari segi keamanan ketiga pendekatan tersebut menghasilkan nilai entropi yang tinggi dan relatif sama. Namun, pada hasil avalanche effect, hybrid menghasilkan nilai tertinggi mencapai 0,153, lebih unggul dibandingkan AES dan Blowfish. Dengan demikian, AES lebih unggul dalam efisiensi waktu, sedangkan hybrid lebih unggul dalam aspek keamanan.
DEVELOPMENT AND QUALITY VALIDATION OF A WEB-BASED GOODS ORDERING SYSTEM FOR SMALL AND MEDIUM ENTERPRISES USING AGILE METHOD AND ISO/IEC 25010 Nabila Sasgita; Tiko Nurhaliza; Cut Mutia; Fauziah; Wilda Putri Sabila; Mahara Bengi; Pradipta, Rahman
Jurnal INSTEK (Informatika Sains dan Teknologi) Vol 11 No 1 (2026): APRIL
Publisher : Department of Informatics Engineering, Faculty of Science and Technology, Universitas Islam Negeri Alauddin, Makassar, Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24252/instek.v11i1.65939

Abstract

Digital transformation in Small and Medium Enterprises (SMEs) requires integrated transaction management systems supported by measurable software quality standards. Manual goods ordering processes in SME operations frequently cause data inconsistencies, calculation errors, and reporting delays. This study aims to develop a web-based goods ordering information system for SME practitioners using a sprint-based Agile methodology and to conduct a quality validation based on the ISO/IEC 25010 model. The system was developed through four iterative sprint cycles over eight weeks with continuous stakeholder feedback. Software quality evaluation covered all eight ISO/IEC 25010 characteristics using measurable instruments. Functional testing across 40 scenarios achieved a 95% success rate. Usability was assessed using the System Usability Scale (SUS) with 30 respondents, yielding a score of 82.3 (Excellent category). Performance efficiency testing showed an average response time below two seconds under up to 50 concurrent users. This study is limited to testing within a controlled local server environment and portability evaluation restricted to two operating systems. The results conclude that integrating Agile development with ISO/IEC 25010 evaluation produces an information system that meets the technical specifications and operational requirements to support digital transaction management in the SME sector.
Evaluating the Effect of Global Channel Attention on EfficientNetB0 for Distracted Driver Classification under Diverse Lighting Conditions Rabbani, Zufar Abdullah; Wahyu Syaifullah J. S; Alfan Rizaldy Pratama
Jurnal INSTEK (Informatika Sains dan Teknologi) Vol 11 No 2 (2026): OCTOBER
Publisher : Department of Informatics Engineering, Faculty of Science and Technology, Universitas Islam Negeri Alauddin, Makassar, Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24252/instek.v11i2.67721

Abstract

Image-based distracted driver classification has been widely studied to reduce the risk of traffic accidents, yet most studies use data captured under uniform lighting conditions. However, illumination variation can degrade feature extraction in Convolutional Neural Network (CNN) architectures. Channel attention (CA) has previously been shown to improve EfficientNetB0, but EfficientNetB0 with CA has not yet been extensively tested for distracted driver classification under diverse lighting conditions. This study aims to evaluate the performance of channel attention on EfficientNetB0 in classifying distracted driver activities under diverse lighting conditions. We used the State Farm Distracted Driver Dataset and a primary dataset of 10.080 images from three subjects captured under dark, semi-bright, and bright lighting conditions. The secondary data and two primary subjects were used for training, while one unseen primary subject was used for testing. Preprocessing included image resizing, normalization, and data augmentation. The models were trained using two-phase transfer learning (frozen backbone followed by fine-tuning) and evaluated using accuracy, precision, recall, and F1-score. The accuracies of baseline EfficientNetB0 versus EfficientNetB0+CA were 38.84% vs 60.36% (dark), 61.07% vs 32.59% (semi-bright), 67.14% vs 84.73% (bright), and 55.68% vs 59.23% (all conditions). CA improved accuracy in dark and bright conditions but reduced it in semi-bright conditions, so a consistent performance gain from adding CA cannot be concluded.
Komparasi Model YOLO untuk Sistem Penerjemah Gestur BISINDO Real-Time Berbasis ESP32-CAM Widison, Daffin; Prasetya, Dwi; Pratama, Alfan
Jurnal INSTEK (Informatika Sains dan Teknologi) Vol 11 No 2 (2026): OCTOBER
Publisher : Department of Informatics Engineering, Faculty of Science and Technology, Universitas Islam Negeri Alauddin, Makassar, Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24252/instek.v11i2.68280

Abstract

Bahasa Isyarat Indonesia (BISINDO) merupakan media komunikasi bagi penyandang tunarungu dan tunawicara, namun keterbatasan pemahaman bahasa isyarat oleh masyarakat umum masih menjadi kendala dalam komunikasi. Salah satu tantangan dalam pengembangan sistem penerjemah BISINDO berbasis Internet of Things (IoT) adalah menyeimbangkan akurasi deteksi dan latensi agar sistem dapat bekerja secara real-time pada perangkat dengan sumber daya terbatas. Penelitian ini mengembangkan sistem penerjemah gestur BISINDO menggunakan ESP32-CAM dan metode deteksi objek YOLO dengan keluaran berupa teks dan suara. Penelitian membandingkan lima model, yaitu YOLOv8m, YOLOv9m, YOLOv10m, YOLO11m, dan YOLO26m, menggunakan dataset gabungan primer dan sekunder sebanyak 7.169 citra yang terdiri atas alfabet dan 30 kata dasar BISINDO. Evaluasi model dilakukan menggunakan precision, recall, mAP50, mAP50–95, F1-score, dan latensi pada lingkungan pengujian NVIDIA GeForce GTX 1050. Hasil pengujian menunjukkan bahwa YOLOv8m memberikan keseimbangan performa terbaik dengan nilai mAP50–95 sebesar 81,3% dan latensi sebesar 53,91 ms/image. Pada implementasi sistem, diperoleh accuracy sebesar 96,8%, precision 97,8%, recall 96,8%, dan F1-score 96,6%, dengan latensi komunikasi sebesar 47–52 ms. Hasil tersebut menunjukkan bahwa model YOLOv8m mampu memberikan performa deteksi yang akurat dengan latensi yang responsif untuk mendukung penerjemahan gestur BISINDO secara real-time menggunakan ESP32-CAM.
Comparative Analysis of Random Forest, SVM-RBF, and XGBoost with SHAP Interpretation for Google Earth Engine-Based Landslide Susceptibility Classification in Wonosobo Regency Amaliya, Mizana; Dwi Astuti, Erna; Mahmudati, Rina
Jurnal INSTEK (Informatika Sains dan Teknologi) Vol 11 No 2 (2026): OCTOBER
Publisher : Department of Informatics Engineering, Faculty of Science and Technology, Universitas Islam Negeri Alauddin, Makassar, Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24252/instek.v11i2.68406

Abstract

Landslides constitute the predominant disaster type in Wonosobo Regency, Central Java, with 190 recorded events (62% of all disaster incidents) in 2024. Prior studies have reported inconsistent performance among machine learning algorithms due to variations in geographic context, dataset characteristics, feature selection, and evaluation frameworks. A review of the literature reveals a lack of comparative evaluations of Random Forest (RF), Support Vector Machine with Radial Basis Function kernel (SVM-RBF), and XGBoost that integrate Google Earth Engine (GEE), SHAP interpretability analysis, and three-class susceptibility classification specifically for Wonosobo Regency. This study aims to evaluate and compare the performance of these three algorithms in mapping landslide susceptibility using geospatial data. A total of 642 sample points (321 landslide and 321 non-landslide locations) were analyzed using eight conditioning factors extracted via GEE, seven of which were retained following Variance Inflation Factor (VIF) testing. Model performance was evaluated using accuracy, Cohen’s Kappa, Matthews Correlation Coefficient (MCC), and AUC-ROC with 10-fold stratified cross-validation. XGBoost achieved the highest performance on the study dataset, with an accuracy of 93.02%, an AUC-ROC of 0.974, and a cross-validation accuracy of 91.0% ± 3.1%. SHAP analysis indicated that rainfall made the largest contribution to the model predictions, highlighting its importance in the model’s decision-making process. Classification of prediction probabilities at the sample points using the Jenks Natural Breaks method yielded a susceptibility distribution of 49.2% Low, 6.4% Moderate, and 44.4% High.
Klasifikasi Acute Lymphoblastic Leukemia Berbasis Citra Mikroskopis Sel Darah Putih Menggunakan ResNet-50V2 dengan Squeeze-and-Excitation dan Grad-CAM Harnelia; Rizal Adi Saputra; Asa Hari Wibowo
Jurnal INSTEK (Informatika Sains dan Teknologi) Vol 11 No 2 (2026): OCTOBER
Publisher : Department of Informatics Engineering, Faculty of Science and Technology, Universitas Islam Negeri Alauddin, Makassar, Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24252/instek.v11i2.68619

Abstract

Acute Lymphoblastic Leukemia (ALL) merupakan salah satu penyakit keganasan hematologi yang memerlukan identifikasi secara dini dan akurat. Penelitian ini mengembangkan model klasifikasi berbasis citra menggunakan ResNet-50V2 dengan Squeeze-and-Excitation (SE) Block serta Grad-CAM untuk mengklasifikasikan citra sel darah putih ke dalam kelas ALL dan Non-ALL sekaligus memberikan visualisasi area yang berkontribusi terhadap prediksi model. Dataset yang digunakan terdiri dari 11.210 citra yang dikumpulkan dari beberapa sumber, termasuk dataset publik dan data klinis dari RS Kanker Dharmais. Model dilatih menggunakan strategi transfer learning dua fase dan dievaluasi menggunakan metrik akurasi, AUC-ROC, precision, recall, dan F1-score. Hasil pengujian menunjukkan bahwa model memperoleh akurasi sebesar 0,89 dan AUC-ROC sebesar 0,95 pada data uji. Evaluasi interpretabilitas menggunakan Grad-CAM melalui Pointing Game Accuracy (PGA) memperoleh nilai 100% pada sampel purposif dan 65% pada sampel acak. Hasil tersebut menunjukkan bahwa model dapat memberikan informasi visual mengenai area yang berkontribusi terhadap prediksi, meskipun konsistensi area yang ditunjukkan masih bervariasi pada beberapa citra. Model juga diimplementasikan ke dalam aplikasi berbasis web menggunakan Flask untuk menampilkan hasil klasifikasi dan visualisasi Grad-CAM. Sistem yang dikembangkan ditujukan sebagai alat bantu skrining awal ALL dan bukan sebagai alat diagnosis definitif.
Deteksi Objek Berbahaya pada Video Animasi Kartun Anak Menggunakan YOLO26 Berbasis Computer Vision Widiyono, Ridwan; Muslim Hidayat; Iman Ahmad Ihsannuddin
Jurnal INSTEK (Informatika Sains dan Teknologi) Vol 11 No 2 (2026): OCTOBER
Publisher : Department of Informatics Engineering, Faculty of Science and Technology, Universitas Islam Negeri Alauddin, Makassar, Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24252/instek.v11i2.69650

Abstract

Perkembangan media digital meningkatkan akses anak terhadap tayangan animasi kartun yang tidak selalu aman, di mana beberapa tayangan diketahui mengandung objek berbahaya seperti pisau, senjata tajam, pistol, dan senapan yang berpotensi memberikan pengaruh negatif terhadap perkembangan anak. Penelitian ini bertujuan mengimplementasikan sistem deteksi objek berbahaya pada video animasi kartun anak menggunakan algoritma YOLO26 (You Only Look Once) untuk filtrasi konten. Kontribusi utama penelitian ini adalah pembangunan dataset anotasi khusus berisi 4.486 gambar dengan 5.060 bounding box yang dikumpulkan dari berbagai gaya animasi kartun, berbeda dari penelitian terdahulu yang umumnya menggunakan dataset domain nyata (real-world). Dataset terdiri atas empat kelas objek (pisau, senjata tajam, pistol, dan senapan) dan dibagi dengan rasio 80:10:10 untuk data latih, validasi, dan uji, dengan model YOLO26 di-fine-tuning dari bobot pra-latih COCO. Model YOLO26 dilatih dan dievaluasi menggunakan metrik Precision, Recall, F1-Score, mAP@0.5, dan mAP@0.5:0.95 terhadap 449 gambar uji dengan 501 objek berbahaya. Hasil evaluasi menunjukkan Precision sebesar 0,945, Recall 0,938, F1-Score 0,941, mAP@0.5 sebesar 0,953, dan mAP@0.5:0.95 sebesar 0,763, dengan mAP@0.5 di atas 0,88 pada seluruh kelas. Model diimplementasikan sebagai purwarupa aplikasi berbasis web untuk filtrasi konten yang memungkinkan pengguna memasukkan tautan video animasi dari repositori video aplikasi dan memperoleh hasil deteksi otomatis.
Evaluasi Dampak SMOTE-NC Terhadap Stabilitas Interpretasi SHAP pada Model XGBoost Teroptimasi untuk Klasifikasi Churn Pelanggan Haeruzzikri; Robert Marco
Jurnal INSTEK (Informatika Sains dan Teknologi) Vol 11 No 2 (2026): OCTOBER
Publisher : Department of Informatics Engineering, Faculty of Science and Technology, Universitas Islam Negeri Alauddin, Makassar, Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24252/instek.v11i2.69816

Abstract

Ketidakseimbangan kelas pada dataset telekomunikasi dapat memicu tingginya angka false negative dalam prediksi customer churn. Pendekatan SMOTE-NC mampu mengatasi masalah tersebut, namun berisiko mendistorsi interpretasi pada model black-box seperti XGBoost. Penelitian ini bertujuan mengevaluasi efektivitas SMOTE-NC dalam meningkatkan deteksi kelas minoritas, sekaligus mengukur stabilitas interpretasi Explainable AI (XAI) pada XGBoost yang dioptimasi dengan Optuna melalui evaluasi multi-seed dan skenario kontrol (ablation study). Ekstraksi fitur dievaluasi dengan TreeSHAP, sementara stabilitas kuantitatif diukur melalui Jaccard Index dan Spearman Rank Correlation pada variasi ambang batas k = 5, 10, 15. Hasil empiris menunjukkan SMOTE-NC secara konsisten meningkatkan kepekaan deteksi (Recall) sebesar +8.55%, dengan kompromi penurunan akurasi global sebesar -2.38%. Analisis XAI mengonfirmasi bahwa kendati terjadi distorsi interpretasi pada representasi fitur kategorikal, komposisi fitur utama (k=10) secara umum berhasil dipertahankan secara konsisten (rerata Jaccard Index 0.7939 ± 0.1233) dengan korelasi hierarki yang sangat kuat (Spearman Correlation 0.8526). Pengujian kontrol membuktikan bahwa optimasi hyperparameter Optuna berfungsi memitigasi degradasi stabilitas eksplanasi yang dipicu oleh SMOTE-NC. Penelitian ini menyimpulkan bahwa kompromi performa akibat interpolasi data sintetis layak secara operasional untuk strategi retensi pelanggan, dengan prioritas intervensi bisnis pada fitur jenis kontrak, masa berlangganan, dan metode pembayaran.
UI/UX Redesign of the Alfagift Application Based on Design Thinking and Usability Evaluation Using the System Usability Scale (SUS) Sari, Riska Amelia Puspita; Aldini, Mizan Aldini; Hasan, Firman Noor
Jurnal INSTEK (Informatika Sains dan Teknologi) Vol 11 No 2 (2026): OCTOBER
Publisher : Department of Informatics Engineering, Faculty of Science and Technology, Universitas Islam Negeri Alauddin, Makassar, Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24252/instek.v11i2.69935

Abstract

The rapid growth of e-commerce has increased the demand for applications with high usability. This study redesigns the UI/UX of the Alfagift application using the Design Thinking approach, focusing on three transaction features: store search, order tracking, and order history. Usability was measured with an Indonesian adaptation of the ten-item System Usability Scale (SUS) administered on a five-point scale. An initial evaluation involving 60 participants produced an average SUS score of 48.88, which is below the acceptable level. Guided by the Empathize, Define, Ideate, Prototype, and Test stages, a high-fidelity Figma prototype was developed and evaluated by 30 of the initial participants who completed the retest, yielding an average SUS score of 75.17 (Good category). Because the two evaluations involved partially different respondents and a prototype rather than the live application, the 26.29-point difference is interpreted descriptively. In addition, 73.3% of respondents preferred the redesigned interface for its clearer navigation and more informative order tracking. The findings offer focused UI/UX recommendations for improving transaction transparency and user control in retail e-commerce applications.
Pengenalan BISINDO Berbasis MediaPipe dengan Transformer Encoder, Long Short-Term Memory, Connectionist Temporal Classification, dan Text-to-Speech Adellia, Elvina; Hasan, Firman Noor
Jurnal INSTEK (Informatika Sains dan Teknologi) Vol 11 No 2 (2026): OCTOBER
Publisher : Department of Informatics Engineering, Faculty of Science and Technology, Universitas Islam Negeri Alauddin, Makassar, Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24252/instek.v11i2.69940

Abstract

Perbedaan pemahaman antara pengguna Bahasa Isyarat Indonesia (BISINDO) dan masyarakat yang belum menguasainya masih menghambat komunikasi. Penelitian ini bertujuan mengembangkan prototipe pengenalan 15 kosakata atau frasa dasar BISINDO secara real-time dengan keluaran teks dan suara. Dataset terdiri atas 4.500 sequence yang direkam oleh satu peraga isyarat, yaitu peneliti sendiri. Sistem menggunakan MediaPipe untuk mengambil landmark tangan dan tubuh. Fitur koordinat dan velocity disusun menjadi sequence 30 frame, kemudian diproses menggunakan model Transformer Encoder dan LSTM. Hasil prediksi diolah menggunakan CTC dan Levenshtein Distance, ditampilkan melalui Streamlit, dan diubah menjadi suara dengan Text-to-Speech. Evaluasi dilakukan pada 450 sequence yang juga digunakan sebagai data validasi. Hasilnya menunjukkan accuracy 95,56%, precision 95,53%, recall 95,57%, F1-score 95,55%, dan CER 4,00%. Pada pengujian real-time, akurasi mencapai 92,00% pada jarak ±100 cm, 92,67% pada pencahayaan terang, dan 92,67% pada posisi kamera lurus. Namun, akurasi turun menjadi 65,33% pada jarak jauh, 81,33% pada pencahayaan redup, dan 78,00% pada posisi serong. Hasil penelitian masih terbatas pada kosakata, peraga isyarat, dan kondisi pengujian yang digunakan.