cover
Contact Name
Zulfan Zainal
Contact Email
zulfanzainal@serambimekkah.ac.id
Phone
+6281360353540
Journal Mail Official
jnkti@serambimekkah.ac.id
Editorial Address
Gedung H Fakultas Teknik Universitas Serambi Mekkah Jl. T. Imum Lueng Bata, Batoh, Kota Banda Aceh - Aceh
Location
Kota banda aceh,
Aceh
INDONESIA
Jurnal Nasional Komputasi dan Teknologi Informasi
ISSN : 26208342     EISSN : 26213052     DOI : https://doi.org/10.32672/jnkti.v8i2
Jurnal Nasional Komputasi dan Teknologi Informasi adalah jurnal nasional yang diterbitkan oleh Program Studi Teknik Komputer Universitas Serambi Mekkah tahun 2018 dan telah Terakreditasi SINTA 5. Jurnal ini terbit sebanyak enam edisi dalam satu tahun yaitu setiap bulan Februari, April, Juni, Agustus, Oktober dan Desember baik cetak (P-ISSN : 2620-8342) dan online (E-ISSN: 2621-3052). Jurnal ini mempublikasikan artikel-artikel ilmiah yang berkaitan dengan bidang Komputer dan Teknologi Informasi dengan scope Rekayasa Perangkat Lunak, Sistem Informasi, Jaringan Komputer, Elektronika dan Sistem Kontrol, Multimedia dan Pengolahan Citrat Digital serta bidang Komputer dan Informatika lainnya yang relevan. Artikel yang dikirimkan ke JNKTI dapat ditulis dalam Bahasa Indonesia atau Bahasa Inggris. Setiap artikel yang dipublikasi dalam jurnal ini akan direview terlebih dahulu dengan metode Peer-Review dan hanya artikel yang memenuhi syarat yang akan dipublikasikan. Artikel-artikel yang telah dipublikasikan oleh JNKTI juga sudah diindeks oleh beberapa lembaga indeksasi seperti Google Scholar, Garuda, CrossRef, BASE, Moraref dan SINTA. Bidang bidang fokus penelitian yang akan dipublikasi dalam jurnal ini antara lain : Bidang Rekayasa Perangkat Lunak Bidang Jaringan Komputer Bidang Multimedia dan Pengolahan Citra Digital Bidang Komputasi Bidang Sistem dan Teknologi Informasi Bidang Kecerdasan Buatan Multidisiplin ilmu lainnya yang relevan
Articles 1,300 Documents
Penerapan Customer Relationship Management (CRM) dalam Sistem Informasi Penjualan Toko Dinda Mulia dengan Pendekatan Strategi Cross Selling Nila Nugraha Ningrum; Arif Setiawan; Supriyono Supriyono
Jurnal Nasional Komputasi dan Teknologi Informasi (JNKTI) Vol 8, No 2 (2025): April 2025
Publisher : Program Studi Teknik Komputer, Fakultas Teknik. Universitas Serambi Mekkah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32672/jnkti.v8i2.8981

Abstract

Abstrak - Dinda Mulia merupakan usaha kecil menengah (UKM) yang bergerak di bidang fesyen, khususnya penjualan busana muslim wanita secara daring melalui Instagram. Usaha ini menghadapi beberapa kendala, antara lain keterbatasan media promosi, pencatatan penjualan secara manual, dan kesalahan dalam penghitungan total pembelian. Untuk mengatasi kendala tersebut, penelitian ini mengusulkan pengembangan sistem informasi promosi penjualan daring yang memudahkan interaksi pelanggan dengan produk yang ditawarkan dan memungkinkan transaksi daring yang lancar. Penggunaan Customer Relationship Management (CRM) juga disarankan untuk mengelola data pelanggan, mengumpulkan rating produk, dan menerapkan strategi pemasaran melalui email. Sistem yang diusulkan bertujuan untuk meningkatkan pengalaman pelanggan dengan menyediakan akses mudah ke informasi produk dan memungkinkan transaksi yang lancar. Sistem ini juga akan membantu usaha dalam mengelola data pelanggan dan menghasilkan laporan penjualan instan. Dengan menggabungkan strategi CRM dan cross-selling, sistem ini diharapkan dapat meningkatkan loyalitas pelanggan dan penjualan. Pada akhirnya, penerapan sistem ini akan memperluas jangkauan pemasaran, meningkatkan kepuasan pelanggan, dan mengefisienkan manajemen penjualan bagi Dinda Mulia.Kata kunci: Sistem Informasi, CRM (Customer Relationship Management), Penjualan Daring, Cross Selling. Abstract - Dinda Mulia is a small and medium-sized enterprise (SME) operating in the fashion industry, specializing in Muslim women’s clothing sold online via Instagram. The business faces several issues, including limited promotional media, manual sales record-keeping, and errors in the calculation of purchase totals. To address these challenges, this study proposes the development of an online sales promotion information system that facilitates customer interactions with the products offered and allows for seamless online transactions. The use of Customer Relationship Management (CRM) is also suggested to manage customer data, gather product ratings, and implement email marketing strategies. The proposed system aims to enhance customer experience by providing easy access to product information and enabling smooth transactions. It will also assist the business in managing customer data and generating instant sales reports. By incorporating CRM and cross-selling strategies, the system is expected to increase customer loyalty and sales. Ultimately, the implementation of this system will broaden the marketing reach, improve customer satisfaction, and streamline sales management for Dinda Mulia.Keywords: Information System, CRM (Customer Relationship Management), Online Sales, Cross Selling.
Klasifikasi Sentimen Terhadap Angket Penilaian Dosen Menggunakan INSET dan Pendekatan N-Gram (Studi Kasus di STMIK PPKIA Tarakanita Rahmawati) Evi Dianti Bintari; Roman Gusmana
Jurnal Nasional Komputasi dan Teknologi Informasi (JNKTI) Vol 8, No 4 (2025): Agustus 2025
Publisher : Program Studi Teknik Komputer, Fakultas Teknik. Universitas Serambi Mekkah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32672/jnkti.v8i4.9493

Abstract

Abstrak - Penilaian terhadap dosen merupakan salah satu instrumen penting dalam upaya peningkatan mutu pembelajaran di lingkungan perguruan tinggi. Salah satu bentuk penilaian tersebut adalah angket terbuka yang berisi komentar-komentar mahasiswa. Penelitian ini bertujuan untuk mengklasifikasikan komentar-komentar tersebut ke dalam kategori sentimen positif, negatif, atau netral dengan menggunakan pendekatan lexicon-based berbasis kamus INSET (Indonesian Sentiment Lexicon) dan teknik N-Gram (1-gram hingga 3-gram). Proses klasifikasi melibatkan tahapan-tahapan seperti tokenisasi, case folding, normalisasi, pembentukan N-Gram, stemming, dan pencocokan frasa atau kata dengan entri pada kamus INSET. Berdasarkan pengujian terhadap 50 komentar mahasiswa, sistem mampu mengenali sejumlah ekspresi sentimen secara cukup akurat, khususnya pada komentar eksplisit yang sesuai dengan entri kamus. Hasil evaluasi menunjukkan bahwa pendekatan ini menghasilkan akurasi sebesar 40%, dengan nilai precision, recall, dan F1-score tertinggi diperoleh pada kelas sentimen positif. Meskipun demikian, sistem masih memiliki keterbatasan dalam menangani komentar yang mengandung sentimen campuran, kritik implisit, atau penggunaan bahasa informal khas mahasiswa. Oleh karena itu, pengembangan lanjutan disarankan dengan memperluas cakupan kamus INSET dan mengintegrasikan teknik analisis berbasis konteks untuk meningkatkan performa klasifikasi sentimen secara keseluruhan.Kata kunci: Klasifikasi Sentimen; Lexicon-Based; INSET; N-Gram; Penilaian Dosen; Abstract - Lecturer evaluation is one of the key instruments in efforts to improve the quality of learning in higher education institutions. One form of this evaluation is open-ended questionnaires containing student comments. This study aims to classify these comments into positive, negative, or neutral sentiment categories using a lexicon-based approach supported by the INSET (Indonesian Sentiment Lexicon) and N-Gram techniques (1-gram to 3-gram). The classification process involves several stages: tokenization, case folding, normalization, N-Gram formation, stemming, and phrase or word matching with entries in the INSET lexicon. Based on testing 50 student comments, the system was able to accurately identify several sentiment expressions, particularly in explicit comments that matched the lexicon entries. Evaluation results show that this approach achieved an accuracy of 40%, with the highest precision, recall, and F1-score observed in the positive sentiment class. Nevertheless, the system still has limitations in handling mixed sentiments, implicit criticism, or informal language commonly used by students. Therefore, future development is recommended by expanding the coverage of the INSET lexicon and integrating context-aware analytical techniques to enhance overall sentiment classification performance.Keywords: Sentiment Classification; Lexicon-Based; INSET; N-Gram; Lecturer Evaluation;
Prototyping Sistem Penyortiran Kematangan Buah Jambu Air Berbasis Arduino Hutapea Dwi Agustian; Nursobah Nursobah; Rizky Zakariyya Rasyad
Jurnal Nasional Komputasi dan Teknologi Informasi (JNKTI) Vol 8, No 3 (2025): Juni 2025
Publisher : Program Studi Teknik Komputer, Fakultas Teknik. Universitas Serambi Mekkah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32672/jnkti.v8i3.9056

Abstract

Abstrak - Proses penyortiran buah jambu air (Syzygium aqueum) secara manual sering kali kurang efisien dan tidak akurat, sehingga berpotensi menurunkan kualitas hasil panen. Penelitian ini bertujuan untuk mengembangkan sistem otomatis yang mampu menyortir buah jambu air berdasarkan tingkat kematangan, khususnya untuk membedakan antara buah matang dan busuk. Sistem ini menggunakan mikrokontroler Arduino Uno dan sensor warna TCS3200 untuk mendeteksi nilai RGB pada kulit buah. Berdasarkan hasil deteksi, buah akan diklasifikasikan sebagai matang atau busuk dan dipilah secara otomatis menggunakan motor servo. Prototipe dirancang dengan tambahan konveyor dan LCD untuk menampilkan informasi secara real-time, serta dikembangkan menggunakan metode prototyping iteratif (communication, quick plan, modeling, construction, evaluation). Hasil pengujian menunjukkan bahwa sistem mampu membedakan buah matang (RGB: 237, 302, 264) dan busuk (RGB: 289, 359, 308) dengan akurasi yang cukup baik. Kecepatan konveyor diketahui memengaruhi ketepatan pembacaan sensor, tetapi secara keseluruhan sistem telah memenuhi tujuan awal sebagai solusi otomasi penyortiran pascapanen. Rekomendasi pengembangan selanjutnya adalah integrasi kecerdasan buatan (AI) atau machine learning untuk meningkatkan akurasi klasifikasi dan adaptivitas sistem.Kata kunci: Arduino Uno; sensor warna TCS3200; jambu air; penyortiran kematangan; motor servo; prototyping; analisis RGB. Abstract- Manual sorting of water guava (Syzygium aqueum) fruit is often inefficient and inaccurate, potentially reducing the quality of the harvest. This research aims to develop an automated system capable of sorting water guava fruit based on the level of ripeness, specifically to distinguish between ripe and rotten fruit. The system uses Arduino Uno microcontroller and TCS3200 color sensor to detect RGB value on the fruit skin. Based on the detection results, the fruit will be classified as ripe or rotten and sorted automatically using a servo motor. The prototype is designed with an additional conveyor and LCD to display real-time information, and developed using the iterative prototyping method (communication, quick plan, modeling, construction, evaluation). The test results show that the system is able to distinguish ripe (RGB: 237, 302, 264) and rotten (RGB: 289, 359, 308) fruits with fairly good accuracy. The speed of the conveyor is known to affect the accuracy of the sensor readings, but overall the system has fulfilled its original purpose as a post-harvest sorting automation solution. Future development recommendations include the integration of artificial intelligence (AI) or machine learning to improve classification accuracy and system adaptivity.Keywords: Arduino Uno; TCS3200 color sensor; water apple; ripeness sorting; servo motor; prototyping; RGB analysis.
Integrasi Model RoBERTa untuk Analisis Sentimen dan Deteksi Ujaran Kebencian pada Komentar YouTube: Pendekatan NLP dan Netiket Syukriyansyah Syukriyansyah; Annisa Damayanti
Jurnal Nasional Komputasi dan Teknologi Informasi (JNKTI) Vol 8, No 4 (2025): Agustus 2025
Publisher : Program Studi Teknik Komputer, Fakultas Teknik. Universitas Serambi Mekkah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32672/jnkti.v8i4.9718

Abstract

Abstrak − Isu lingkungan seperti pertambangan di Papua memicu diskusi luas di YouTube, namun sering diwarnai ujaran kebencian yang melanggar prinsip etika digital (netiket). Penelitian ini menganalisis sentimen dan mendeteksi ujaran kebencian dalam komentar YouTube menggunakan pendekatan Natural Language Processing (NLP). Sebanyak 3.827 komentar dari kanal Greenpeace Indonesia dikumpulkan dan dipraproses melalui tahapan konversi huruf kecil, penghapusan tag HTML dan URL, penghapusan angka, normalisasi kata tidak baku, penghapusan simbol non-alfabetik, stemming dengan Sastrawi Stemmer, dan penghapusan stopword. Analisis sentimen dilakukan dengan model w11wo/indonesian-roberta-base-sentiment-classifier, sedangkan deteksi ujaran kebencian menggunakan model OwLim/indonesian-roberta-hate-speech. Hasil menunjukkan 57,7% komentar bersentimen negatif, dan 52,4% di antaranya mengandung ujaran kebencian. Analisis linguistik mengungkap strategi dehumanisasi, kosakata ofensif, dan tuduhan kolektif yang melanggar netiket. Penelitian ini menyoroti perlunya integrasi teknologi moderasi konten berbasis NLP dengan pendidikan etika digital untuk menciptakan ekosistem diskusi yang sehat dan beradab di ruang digital.Kata Kunci: Ujaran Kebencian; NLP; Analisis Sentimen; YouTube; Netiket; Etika Digital; Abstract - Environmental issues such as mining in Papua spark extensive discussions on YouTube, but are often marred by hate speech violating digital ethics principles (netiquette). This study analyzes sentiment and detects hate speech in YouTube comments using a Natural Language Processing (NLP) approach. A total of 3,827 comments from Greenpeace Indonesia's channel were collected and preprocessed through lowercase conversion, HTML and URL removal, number removal, informal word normalization, non-alphabetic symbol removal, stemming using Sastrawi Stemmer, and stopword removal. Sentiment analysis was conducted using the w11wo/indonesian-roberta-base-sentiment-classifier model, while hate speech detection employed the OwLim/indonesian-roberta-hate-speech model. Results show 57.7% of comments had negative sentiment, with 52.4% containing hate speech. Linguistic analysis revealed dehumanization strategies, offensive vocabulary, and collective accusations that violate netiquette. This research highlights the need to integrate NLP-based content moderation technology with digital ethics education to create a healthy and civilized discussion ecosystem in digital spaces. Keywords: Hate Speech, NLP, Sentiment Analysis, YouTube, Netiquette, Digital Ethics;
Sistem Informasi Manajemen Pengelolaan Praktek Kerja Lapangan Berbasis Website Geolocation pada SMK Negeri 3 Kudus Deni Agus Haryadi; Fajar Nugraha; Diana Laily Fithri
Jurnal Nasional Komputasi dan Teknologi Informasi (JNKTI) Vol 8, No 1 (2025): Februari 2025
Publisher : Program Studi Teknik Komputer, Fakultas Teknik. Universitas Serambi Mekkah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32672/jnkti.v8i1.8782

Abstract

Abstrak - Praktik Kerja Lapangan (PKL) adalah program strategis di Sekolah Menengah Kejuruan (SMK) yang bertujuan membekali siswa dengan pengalaman kerja nyata. Namun, pengelolaan manual PKL di SMK Negeri 3 Kudus untuk 382 siswa kelas 11 menghadapi tantangan besar, seperti pencatatan data yang rentan hilang, validasi absensi yang rumit, dan kurangnya monitoring kegiatan siswa secara terstruktur. Penelitian ini memperkenalkan Sistem Informasi Manajemen PKL berbasis web dengan integrasi fitur geolokasi sebagai inovasi utama. Sistem ini mencakup pendataan siswa, guru pembimbing, tempat PKL, absensi berbasis lokasi, log harian, laporan kunjungan, dan evaluasi kinerja siswa secara digital dan terintegrasi. Metode pengembangan menggunakan model waterfall, dimulai dari analisis kebutuhan hingga tahap perawatan sistem. Perancangan dilakukan menggunakan Unified Modeling Language (UML) untuk merepresentasikan alur kerja dan interaksi sistem secara efektif. Hasil menunjukkan sistem ini mampu merevolusi pengelolaan PKL dengan meningkatkan efisiensi administrasi, keakuratan data, dan transparansi proses. Sistem ini tidak hanya memudahkan pihak sekolah dalam monitoring siswa, tetapi juga memberikan solusi digital yang dapat diadopsi oleh institusi pendidikan lainnya.Kata kunci: PKL, sistem informasi, geolokasi, waterfall, digitalisasi pendidikan. Abstract - The Internship Program (PKL) is a strategic program in Vocational High Schools (SMK) aimed at equipping students with real-world work experience. However, the manual management of PKL at SMK Negeri 3 Kudus for 382 11th-grade students faces significant challenges, such as data recording vulnerabilities, complicated attendance validation, and a lack of structured student activity monitoring. This study introduces a web-based PKL Management Information System with geolocation integration as its primary innovation. The system includes student data management, supervisor data, PKL location records, location-based attendance, daily logs, visit reports, and integrated performance evaluations. The development methodology uses the waterfall model, starting from requirement analysis to system maintenance. The system design employs Unified Modeling Language (UML) to effectively represent workflows and system interactions. The results indicate that this system can revolutionize PKL management by improving administrative efficiency, data accuracy, and process transparency. This web-based system not only facilitates schools in monitoring students but also provides a digital solution that can be adopted by other educational institutions.Keywords: PKL, information system, geolocation, waterfall, education digitalization
Analisis Sentimen Pengguna X Terhadap Cryptocurrency di Platform X dengan Pendekatan Data Mining Menggunakan Classifier Naïve Bayes Ardiansyah, Moch. Anang; Wicaksono, Raka Tegar; Rosyid, Harun Al
Jurnal Nasional Komputasi dan Teknologi Informasi (JNKTI) Vol 8, No 6 (2025): Desember 2025
Publisher : Program Studi Teknik Komputer, Fakultas Teknik. Universitas Serambi Mekkah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32672/jnkti.v8i6.10159

Abstract

Abstrak - Diskusi mengenai aset kripto di platform X mengalami peningkatan pesat, khususnya saat peristiwa Bitcoin Halving yang memicu beragam respon dari pengguna. Studi ini bertujuan untuk mengidentifikasi sentimen publik terkait Bitcoin Halving dengan metode analisis teks. Data dikumpulkan melalui API X dan diproses dengan tahapan pre-processing seperti pembersihan data, normalisasi, tokenisasi, penghilangan kata yang tidak penting, serta stemming agar teks lebih terstruktur dan siap untuk diklasifikasikan. Untuk mengatasi ketidakseimbangan distribusi kelas sentimen, digunakan teknik Synthetic Minority Over-Sampling Technique (SMOTE) untuk menambah data sintetis pada kelas minoritas. Model klasifikasi yang digunakan adalah Complement Naïve Bayes (CNB), varian Naïve Bayes yang sesuai untuk data teks berdimensi tinggi dengan ketidakseimbangan kelas. Evaluasi dilakukan dengan dua variasi rasio pembagian data latih dan uji, yakni 90:10 dan 80:20. Hasil menunjukkan akurasi 64% pada rasio 90:10 yang meningkat menjadi 66% pada rasio 80:20, menunjukkan bahwa proporsi data latih memengaruhi performa klasifikasi sentimen secara stabil. Penelitian ini memberikan gambaran awal terhadap persepsi publik pada Bitcoin Halving dan dapat menjadi dasar untuk penelitian lanjutan dalam bidang analisis sentimen aset kripto.Kata kunci : bitcoin halving; sentimen publik; complement naïve bayes; smote; x; Abstract - Discussions about crypto assets on platform X have been rapidly increasing, especially during the Bitcoin Halving event, which often triggers diverse reactions from users. This study aims to identify public sentiment regarding Bitcoin Halving through a text analysis approach. Data were collected via the X API and processed with several pre-processing steps such as data cleansing, normalization, tokenization, stop-word removal, and stemming to structure the text for classification. To address the imbalanced distribution of sentiment classes, the Synthetic Minority Over-Sampling Technique (SMOTE) was applied to generate synthetic samples for the minority class. The classification model employed is Complement Naïve Bayes (CNB), a variant of Naïve Bayes suited for high-dimensional text data with class imbalance. The model was evaluated using two different train-test split ratios, 90:10 and 80:20. Results showed an accuracy of 64% with the 90:10 split, which improved to 66% with the 80:20 split, indicating that the proportion of training data influences the stability of sentiment classification performance. This study provides an initial understanding of public perception towards Bitcoin Halving and serves as a basis for further research in crypto asset sentiment analysis.Keywords: bitcoin halving; public sentiment; complement naïve bayes; smote; X;
Pemanfaatan Filter XR Berbasis Web sebagai Media Promosi STMIK Widya Cipta Dharma Uleh Lod; Bartolomius Harpad; Ahmad Fahrijal Pukeng
Jurnal Nasional Komputasi dan Teknologi Informasi (JNKTI) Vol 8, No 3 (2025): Juni 2025
Publisher : Program Studi Teknik Komputer, Fakultas Teknik. Universitas Serambi Mekkah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32672/jnkti.v8i3.9169

Abstract

Abstrak - STMIK Widya Cipta Dharma sebagai salah satu perguruan tinggi berbasis teknologi di Samarinda memiliki potensi yang cukup besar untuk mengadopsi teknologi web dalam strategi promosi kampus. Dengan memanfaatkan filter XR berbasis web, baik perguruan tinggi maupun mahasiswa dapat saling berbagi filter interaktif di media sosial sebagai sarana promosi yang menarik. Penelitian ini bertujuan untuk mengimplementasikan pendekatan promosi dengan menggunakan teknologi realitas campuran melalui web, sehingga dapat diakses tanpa perlu mengunduh aplikasi khusus. Beberapa tema filter dirancang untuk merefleksikan berbagai fase kehidupan kampus. Proses pengembangan mengikuti Multimedia Development Life Cycle (MDLC) yang terdiri dari enam tahap, yaitu konsep, desain, pengumpulan materi, perakitan, pengujian, dan distribusi. Data akan dikumpulkan selama fase pengujian melalui kuesioner beta yang disebarkan kepada 10 responden di STMIK Widya Cipta Dharma. Hasil evaluasi diharapkan dapat menunjukkan kepuasan pengguna dalam menggunakan filter promosi kampus.Kata kunci: Filter XR; MDLC; Website Abstract - STMIK Widya Cipta Dharma, as a technology-based higher education institution in Samarinda, holds significant potential to adopt Web technology for campus promotion strategies. By utilizing Web-based XR filters, both the institution and its students can share interactive filters on social media as an engaging promotional tool. This study aims to implement a promotional approach using mixed reality technology through the Web, allowing access without the need to download a dedicated application. Several filter themes are designed to reflect various phases of campus life. The development process follows the Multimedia Development Life Cycle (MDLC), which consists of six stages: concept, design, material collecting, assembly, testing, and distribution. Data will be collected during the testing phase through a beta questionnaire distributed to 10 respondents at STMIK Widya Cipta Dharma. The evaluation results are expected to indicate user satisfaction in using the campus promotional filters.Keywords: XR Filter; MDLC; Website.
Perancangan Sistem Kontrol Steam Carbon Ratio pada Primary Reformer Menggunakan Fuzzy Logic Control di Pabrik Ammonia Arfittariah Arfittariah
Jurnal Nasional Komputasi dan Teknologi Informasi (JNKTI) Vol 8, No 5 (2025): Oktober 2025
Publisher : Program Studi Teknik Komputer, Fakultas Teknik. Universitas Serambi Mekkah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32672/jnkti.v8i5.9851

Abstract

Abstrak - Sistem Setam carbon ratio memiliki peran penting yang bertujuan untuk menjaga kondisi ratio steam dan carbon yang akan  lolos menuju  primary reformer dengan menghaslikan reaksi yang sempurna. Untuk mengendalikan steam carbon ratio agar sesuai dengan kebutuhan maka yang perlu dikontrol adalah pada kontrol tiap valve dari dua loop dengan inputan yang berbeda yang akan diratiokan sebelum masuk ke dalam primary reformer.   Proses pengendalian ini dapat dilakukan pada simulasi fuzzy logic control, untuk mengatur kecepatan menutup dan membuka agar ratio tetap terjaga. Hasil simulasi respon yang telah didapat bahwa pada saat set point masih ditemukannya error yang cukup besar yaitu pada carbon dengan error = 0.071%, untuk steam dengan error = 0.252% dan untuk ratio ditemukannya error =0.735%. yang dibandingkan dengan saat uji set point dimana set point itu dibawah dari set point yang telah diberikan pabrik yaitu pada set point 25 kg/h pada carbon dengan error=0%, steam  = 0.05% dan untuk ratio = 0.02%. Sehingga  Fuzzy Logic Controller yang dirancang mampu menghasilkan hasil respon yang cukup baik walaupun masih terdapat selisih error.Kata Kunci : Fuzzy logic controller; set point; error; steam; carbon; ratio; Abstract - The Steam-Carbon Ratio System plays an important role in maintaining the ratio conditions of steam and carbon that will pass through to the primary reformer in order to achieve a perfect reaction. To control the steam-carbon ratio according to the requirements, it is necessary to regulate each valve in two loops with different inputs that will be ratioed before entering the primary reformer. This control process can be implemented through fuzzy logic control simulation, which adjusts the speed of valve opening and closing to keep the ratio stable. The simulation results show that at the same set point a significant error was still found, namely for carbon with an error of 0.071%, for steam with an error of 0.252%, and for the ratio with an error of 0.735%. Compared to the test conducted at a set point lower than the factory’s set point, namely at 25 kg/h, the errors were reduced to 0% for carbon, 0.05% for steam, and 0.02% for the ratio. Thus, the designed Fuzzy Logic Controller is able to produce fairly good response results, although there are still some error deviations.Keywords : Fuzzy logic controller; set point; error; steam; carbon; ratio;
Perbandingan Kinerja SVM dan Naive Bayes dalam Analisis Komentar Platform X Mengenai Kenaikan PPN 12% I Putu Rio Agastya Prawira Dharma; I Putu Surya Tadahisa Mahawira; Ricky Aurelius Nurtanto Diaz; Ni Putu Linda Santiari
Jurnal Nasional Komputasi dan Teknologi Informasi (JNKTI) Vol 8, No 2 (2025): April 2025
Publisher : Program Studi Teknik Komputer, Fakultas Teknik. Universitas Serambi Mekkah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32672/jnkti.v8i2.8883

Abstract

Abstrak - Penelitian ini mengevaluasi kinerja 2 algoritma klasifikasi, yakni Support Vector Machine (SVM) serta Naïve Bayes, dalam melaksanakan analisis terhadap sentimen komentar terkait kebijakan kenaikan PPN sebesar 12%. Hasil analisis memperlihatkan bahwasanya SVM mempunyai tingkat akurasi lebih tinggi, yang memiliki rata-rata 82.39%, sedangkan Naïve Bayes hanya mencapai 78.62%. Di sisi lain, SVM pun punya keunggulan dalam nilai F1-Score, yaitu 41.73%, dibandingkan dengan Naïve Bayes yang memperoleh 30.96%. Meskipun nilai presisi Naïve Bayes tidak jauh berbeda dengan SVM (49.71% berbanding 51.35%), secara keseluruhan, SVM menunjukkan performa yang lebih baik. Temuan ini memperlihatkan bahwasanya SVM lebih unggul dalam mengenali pola sentimen yang kompleks dalam data yang dianalisis. Dapat disimpulkan, SVM lebih disarankan untuk digunakan dalam analisis sentimen karena memberikan hasil yang stabil dan akurat.Kata Kunci: Analisis Sentimen, SMOTE, Support Vector Machine (SVM), Naïve Bayes, PPN 12% Abstract - This research evaluates the performance of two classification algorithms, Support Vector Machine (SVM) and Naïve Bayes, in analyzing sentiment from comments related to the 12% VAT increase policy. The analysis results conduct that SVM achieves a higher accuracy rate, averaging 82.39%, while Naïve Bayes reaches only 78.62%. Additionally, SVM outperforms Naïve Bayes in terms of F1-Score, achieving 41.73% compared to 30.96%. Although the precision of Naïve Bayes is relatively close to that of SVM (49.71% vs. 51.35%), SVM demonstrates overall superior performance. These findings suggest that SVM is more effective in recognizing complex sentiment patterns in the analyzed comments. Therefore, SVM is recommended for sentiment analysis in this domain as it provides more stable and accurate results.Keywords: Sentiment Analysis, SMOTE, Support Vector Machine (SVM), Naïve Bayes, VAT 12%
Perancangan Aplikasi Inventory pada Politeknik Kesehatan Kemenkes Tasikmalaya Menggunakan Framework Laravel Wendi Kriswanto; Hadiansyah Ma’sum
Jurnal Nasional Komputasi dan Teknologi Informasi (JNKTI) Vol 8, No 4 (2025): Agustus 2025
Publisher : Program Studi Teknik Komputer, Fakultas Teknik. Universitas Serambi Mekkah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32672/jnkti.v8i4.9239

Abstract

Abstrak - Pengelolaan inventaris secara manual di Politeknik Kesehatan Kemenkes Tasikmalaya masih menghadapi berbagai hambatan, seperti keterlambatan pencatatan, ketidakakuratan data, dan kurangnya efisiensi dalam pemantauan stok barang. Penelitian ini bertujuan merancang sistem inventory berbasis web menggunakan framework Laravel untuk mempermudah pencatatan dan pemantauan barang secara real-time. Metode pengembangan yang digunakan adalah Waterfall, yang mencakup tahap analisis kebutuhan, perancangan sistem, implementasi, pengujian, dan pemeliharaan. Hasil implementasi menunjukkan bahwa sistem yang dibangun mampu meningkatkan efektivitas pengelolaan inventaris, mengurangi kesalahan pencatatan, dan memudahkan pelaporan. Sistem ini mendukung pengelolaan barang yang lebih terstruktur dan efisien di lingkungan institusi pendidikan. Kata kunci: Inventory; Laravel; Website; Pengelolaan Barang;Abstract - Manual inventory management at the Politeknik Kesehatan Kemenkes Tasikmalaya still faces several challenges, such as delayed recording, data inaccuracy, and inefficiency in stock monitoring. This study aims to design a web-based inventory system using the Laravel framework to facilitate real-time recording and monitoring of goods. The development method employed is the Waterfall model, which consists of requirement analysis, system design, implementation, testing, and maintenance stages. The implementation results show that the developed system is capable of improving the effectiveness of inventory management, reducing recording errors, and simplifying the reporting process. This system supports more structured and efficient inventory management within the educational institution.Keywords: Inventory; Laravel; Website; Goods Management;