cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
-
Contact Email
-
Phone
-
Journal Mail Official
-
Editorial Address
-
Location
Kota bau bau,
Sulawesi tenggara
INDONESIA
JURNAL INFORMATIKA
Published by Universitas Dayanu Ikhsanuddin
ISSN : 22529160     EISSN : 25280090     DOI : -
Core Subject : Science, Education, Engineering,
Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Engineering Other
Arjuna Subject : -
Articles 186 Documents
 15   16   17   18   19 
Perbandingan Algoritma Naïve Bayes Dan Decision Tree Untuk Analisis Sentimen Komentar Youtube Terhadap Tragedi Robohnya Musala Al-Khoziny Nauradhia Shofarianti Putri; Zaehol Fatah; Irma Yunita
JURNAL INFORMATIKA Vol 15, No 1 (2026): Jurnal Informatika
Publisher : Informatics Engineering Department, Dayanu Ikhsanuddin University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55340/jiu.v15i1.2692

Abstract

Keterbatasan dalam penanganan ketidakseimbangan data serta minimnya perbandingan algoritma pada analisis sentimen berbasis kasus lokal menjadi tantangan dalam menghasilkan model yang akurat. Pada peristiwa robohnya musala Pondok Pesantren Al-Khoziny Sidoarjo, beragam opini publik di YouTube belum banyak dianalisis dengan pendekatan yang mempertimbangkan kondisi tersebut. Penelitian ini bertujuan untuk mengidentifikasi sentimen publik serta membandingkan kinerja algoritma Naïve Bayes dan Decision Tree pada data yang tidak seimbang. Data yang digunakan berupa kurang lebih 2.200 komentar yang dikumpulkan pada Januari–Maret 2026 melalui web scraping. Tahapan analisis meliputi preprocessing teks, pelabelan sentimen ke dalam kategori positif, negatif, dan netral, ekstraksi fitur menggunakan TF-IDF, serta penerapan SMOTE pada data latih untuk mengatasi ketidakseimbangan kelas. Model kemudian dilatih dan diuji menggunakan kedua algoritma tersebut. Hasil menunjukkan bahwa Decision Tree unggul dengan accuracy sebesar 0,99 dan F-1 Scoresebesar 0,99, sedangkan Naïve Bayes memperoleh accuracy sebesar 0,68 dan F-1 Scoresebesar 0,74. Temuan ini menunjukkan bahwa penanganan data tidak seimbang dan pemilihan algoritma berpengaruh signifikan terhadap hasil analisis sentimen. Temuan ini dapat menjadi acuan bagi pengembang sistem analisis sentimen yang bekerja dengan dataset berbahasa Indonesia, khususnya dalam konteks peristiwa sosial-keagamaan dengan distribusi kelas yang tidak seimbang.
Otomatisasi Efek Follow-Through dan Overlapping Action pada Animasi 3D Berbasis Offset Keyframe F-Curve Prosedural dan Simulasi Mass-Spring-Damper Menggunakan Blender Ahmad Zaid Rahman; Muhammad Fairul Filza; Buyut Khoirul Umri
JURNAL INFORMATIKA Vol 15, No 1 (2026): Jurnal Informatika
Publisher : Informatics Engineering Department, Dayanu Ikhsanuddin University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55340/jiu.v15i1.2678

Abstract

Produksi animasi 3D modern semakin menuntut efisiensi alur kerja tanpa mengorbankan kualitas gerak karakter. Penelitian ini mengusulkan pendekatan prosedural berbasis F-Curve untuk mengotomasi prinsip follow-through dan overlapping action secara langsung pada domain keyframe tanpa modifikasi mesh dan tanpa baking destruktif yang diimplementasikan sebagai add-on Python "Overlapping Animation v5.0" dalam lingkungan Blender 3D. Pendekatan ini hadir sebagai respons terhadap dua keterbatasan utama: implementasi manual yang membutuhkan waktu lama dan membatasi fleksibilitas revisi, serta metode berbasis spring yang ada seperti Velocity Skinning dan Spring Decomposed Skinning yang memerlukan modifikasi pada level skinning mesh sehingga tidak aksesibel bagi animator independen. Add-on dikembangkan dengan tiga mode : (1) Keyframe Offset berbasis hierarki tulang, (2) Overshoot parametrik, dan (3) simulasi fisika Mass-Spring Damper (MSD) langsung pada data F-Curve tanpa baking destruktif. Kebaruan utama terletak pada pendekatan prosedural berbasis F-Curve yang memanipulasi domain keyframe secara langsung sebagai ruang kerja yang familiar bagi animator, menghasilkan kurva animasi yang dapat diedit ulang dengan mekanisme reset penuh karakteristik yang tidak dimiliki metode berbasis skinning mesh. Eksperimen pada karakter Snow v2 menunjukkan mode Keyframe Offset mencapai penghematan 90,2% densitas keyframe (20 berbanding 204 dari baking konvensional), Sementara mode MSD Physics menghasilkan ≈1.250 keyframe dengan hasil simulasi yang dievaluasi terhadap kurva referensi manual animator senior (MSDeval 0,0011), nilai tersebut merepresentasikan kedekatan terhadap kurva referensi, bukan akurasi fisika yang tervalidasi secara eksternal. Seluruh mode mempertahankan kemampuan reset penuh, menawarkan alternatif non-destruktif dan art-directable yang aksesibel bagi animator independen dalam produksi animasi prosedural. 
Implementasi Sistem Manajemen Peternakan Domba di PT XYZ Menggunakan Metode Waterfall Inayatus Sholekhawati; Yogi Yulianto; Eko Budiarto
JURNAL INFORMATIKA Vol 15, No 1 (2026): Jurnal Informatika
Publisher : Informatics Engineering Department, Dayanu Ikhsanuddin University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55340/jiu.v15i1.2706

Abstract

PT XYZ (Dombazone Farm) masih menghadapi kendala dalam pengelolaan data peternakan karena proses pencatatan data ternak, kesehatan, pakan, dan penjualan masih dilakukan secara manual menggunakan buku dan dokumen terpisah. Kondisi tersebut menyebabkan keterlambatan penyusunan laporan, risiko kehilangan data, kesalahan pencatatan, serta kesulitan dalam melakukan pemantauan riwayat ternak secara menyeluruh. Meskipun beberapa sistem informasi peternakan telah dikembangkan, sebagian besar belum mengintegrasikan modul fattening (penggemukan) dan manajemen stok pakan dalam satu platform terpusat berbasis web responsif. Penelitian ini bertujuan merancang dan mengimplementasikan sistem manajemen peternakan domba berbasis web yang mampu mengintegrasikan seluruh data operasional peternakan dalam satu platform terpusat. Metode pengembangan sistem yang digunakan adalah Waterfall yang terdiri atas tahapan analisis kebutuhan, perancangan sistem menggunakan Unified Modeling Language (UML), implementasi menggunakan bahasa pemrograman PHP dan basis data MySQL, pengujian Black-box Testing, serta pemeliharaan sistem. Hasil penelitian menunjukkan bahwa sistem yang dibangun mampu mendukung pengelolaan data domba, pencatatan aktivitas harian, pengelolaan stok pakan, transaksi penjualan, dan penyajian laporan secara terintegrasi. Pengujian Black-box Testing dilakukan pada 10 skenario utama dengan tingkat keberhasilan 100%. Hasil implementasi menunjukkan bahwa sistem ini secara operasional mampu mentransformasi penyusunan laporan peternakan dari yang semula membutuhkan waktu 3–5 hari kerja menjadi real-time, serta menekan tingkat kesalahan (error) input data hingga di bawah 1%.
Seleksi Fitur dan Optimasi Model untuk Sistem Deteksi Intrusi Berbasis Machine Learning pada Jaringan IoT: Sebuah Tinjauan Literatur Sistematis Abdul Burhanudin; Adhwa Pranaja Widyadana; Arip Solehudin
JURNAL INFORMATIKA Vol 15, No 1 (2026): Jurnal Informatika
Publisher : Informatics Engineering Department, Dayanu Ikhsanuddin University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55340/jiu.v15i1.2685

Abstract

Pertumbuhan pesat jaringan Internet of Things (IoT) telah memperluas permukaan serangan siber, sehingga Intrusion Detection System (IDS) yang akurat dan efisien menjadi semakin diperlukan. IDS berbasis machine learning telah banyak diadopsi untuk mengidentifikasi pola lalu lintas jaringan normal dan berbahaya, namun kinerjanya sangat dipengaruhi oleh kualitas fitur, karakteristik dataset, dan strategi optimasi model. Penelitian ini bertujuan menganalisis pengaruh metode seleksi fitur dan optimasi model terhadap kinerja IDS berbasis machine learning pada jaringan IoT. Systematic Literature Review dilakukan terhadap 25 artikel jurnal nasional dan internasional yang diterbitkan antara tahun 2020 hingga 2025, dengan analisis melalui tahap identifikasi, seleksi, ekstraksi data, dan sintesis tematik. Hasil kajian menunjukkan bahwa seleksi fitur mampu mengurangi atribut yang tidak relevan, menurunkan kompleksitas komputasi, dan meningkatkan stabilitas klasifikasi. Optimasi model melalui Bayesian Optimization, Genetic Algorithm, SMOTE, normalisasi, dan ekstraksi fitur turut mendukung peningkatan kinerja IDS. Temuan ini menegaskan bahwa kinerja IDS tidak cukup dinilai hanya dari akurasi, tetapi juga harus mempertimbangkan precision, recall, F1-score, false alarm rate, jumlah fitur terpilih, dan waktu komputasi. Penelitian ini berkontribusi secara teoretis dengan memetakan hubungan antara seleksi fitur, optimasi model, dan kinerja IDS pada jaringan IoT, sekaligus memberikan panduan praktis bagi pengembangan sistem deteksi intrusi yang lebih adaptif.
Pengembangan Marketplace Kampus Berbasis R&D dan Trust By Design Triyono Triyono; Ahmad Rifa’i
JURNAL INFORMATIKA Vol 15, No 1 (2026): Jurnal Informatika
Publisher : Informatics Engineering Department, Dayanu Ikhsanuddin University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55340/jiu.v15i1.2696

Abstract

Transformasi digital di lingkungan perguruan tinggi mendorong kebutuhan terhadap platform transaksi internal yang mampu mendukung aktivitas jual beli barang dan jasa antarmahasiswa secara lebih terstruktur, aman, dan terdokumentasi. Selama ini, transaksi mahasiswa masih banyak dilakukan melalui media sosial, grup pesan instan, atau komunikasi personal sehingga menimbulkan kendala, seperti informasi cepat tenggelam, pencarian produk tidak optimal, identitas penjual belum terverifikasi, serta riwayat transaksi dan pelaporan belum terpusat. Penelitian ini bertujuan merancang, mengimplementasikan, dan mengevaluasi kelayakan prototipe marketplace kampus untuk mendukung transaksi barang dan jasa antarmahasiswa. Sistem yang dikembangkan mencakup fitur utama transaksi peer-to-peer, mulai dari verifikasi profil, pengelolaan listing, chat, order, pembayaran, hingga panel admin. Metode penelitian menggunakan Research and Development yang diselaraskan dengan Design Science Research melalui tahapan analisis kebutuhan, perancangan sistem, pengembangan prototipe, implementasi, pengujian, dan evaluasi. Pengembangan perangkat lunak dilakukan secara Agile iteratif-incremental dengan dukungan prototyping untuk validasi antarmuka, sedangkan prinsip Spiral diterapkan secara selektif pada fitur berisiko tinggi seperti autentikasi, keamanan data, dan pembayaran. Pendekatan trust by design digunakan untuk membangun kepercayaan pengguna sejak tahap perancangan. Teknologi yang digunakan meliputi Flutter, Supabase, Firebase Cloud Messaging, dan Midtrans sandbox. Hasil pengujian menunjukkan static analysis tanpa issue, SQL smoke test berhasil, 76 unit/widget test lulus, build web dan Android berhasil, serta 24 skenario User Acceptance Testing mencapai keberhasilan 100%. Seluruh fitur utama MVP berjalan sesuai kebutuhan. Dengan demikian, prototipe dinyatakan layak untuk beta internal, berkontribusi sebagai model marketplace kampus berbasis kepercayaan, dan menjadi dasar evaluasi penerimaan pengguna menggunakan Technology Acceptance Model.
Evaluasi IndoBERTweet untuk Klasifikasi Sentimen Ulasan Wisata melalui Inferensi Langsung Lintas Domain: Studi Kasus Kota Baubau Nurul Hidayah; Dodiman Dodiman; Asniati Asniati; La Ode Dwiyan Pramono Darmin
JURNAL INFORMATIKA Vol 15, No 1 (2026): Jurnal Informatika
Publisher : Informatics Engineering Department, Dayanu Ikhsanuddin University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55340/jiu.v15i1.2683

Abstract

Ulasan wisatawan di platform digital merupakan sumber data persepsi publik yang berharga untuk mendukung pengelolaan pariwisata berbasis bukti. Penelitian ini menganalisis kemampuan IndoBERTweet dalam mengklasifikasikan sentimen ulasan wisatawan melalui pendekatan cross-domain direct inference tanpa fine-tuning tambahan, dengan studi kasus pada Benteng Keraton Buton dan Pantai Nirwana di Kota Baubau. Sebanyak 896 ulasan dikumpulkan dari Google Maps melalui web scraping dan diproses melalui case folding, cleaning, normalisasi teks, dan penggabungan kata negasi untuk mengklasifikasikan sentimen positif, negatif, dan netral. Evaluasi menggunakan confusion matrix menghasilkan akurasi 0,67 dan weighted F1-Score 0,71, dengan kinerja terbaik pada kelas positif (F1: 0,80) dan kinerja lebih rendah pada kelas negatif (F1: 0,41) dan netral (F1: 0,44). Temuan ini mengindikasikan bahwa IndoBERTweet berpotensi digunakan sebagai instrumen awal analisis sentimen wisata lokal pada kondisi ketiadaan dataset berlabel domain spesifik, dan hasilnya dapat menjadi pertimbangan awal bagi prioritas kebijakan pengelolaan pariwisata Kota Baubau, namun peningkatan performa lebih lanjut memerlukan fine-tuning dengan data berlabel dari domain wisata yang relevan.

Page 19 of 19 | Total Record : 186

 15   16   17   18   19 

Filter by Year

2016 2026


Reset
Filter By Issues
All Issue Vol 15, No 1 (2026): Jurnal Informatika Vol 14, No 2 (2025): Jurnal Informatika Vol 14, No 1 (2025): Jurnal Informatika Vol 13, No 2 (2024): Jurnal Informatika Vol 13, No 1 (2024): Jurnal Informatika Vol 12, No 2 (2023): Jurnal Informatika Vol 12, No 1 (2023): Jurnal Informatika Vol 11, No 2 (2022): Jurnal informatika Vol 11, No 1 (2022): JURNAL INFORMATIKA Vol 10, No 2 (2021): JURNAL INFORMATIKA Vol 10, No 1 (2021): JURNAL INFORMATIKA Vol 8, No 1 (2019): JURNAL INFORMATIKA Vol 9, No 1 (2018): JURNAL INFORMATIKA Vol 7, No 2 (2018): Jurnal Informatika Vol 7, No 2 (2018): Jurnal Informatika Vol 7, No 1 (2018): JURNAL INFORMATIKA Vol 7, No 1 (2018): JURNAL INFORMATIKA Vol 6, No 2 (2017): Jurnal Informatika Vol 6, No 2 (2017): Jurnal Informatika Vol 6, No 1 (2017): Jurnal Informatika Vol 6, No 1 (2017): Jurnal Informatika Vol 6, No 2 (2016): JURNAL INFORMATIKA Vol 5, No 2 (2016): JURNAL INFORMATIKA Vol 5, No 2 (2016): JURNAL INFORMATIKA Vol 5, No 1 (2016): JURNAL INFORMATIKA Vol 5, No 1 (2016): JURNAL INFORMATIKA More Issue