cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Antivirus
Contact Email
ejournal@unisbablitar.ac.id
Phone
-
Journal Mail Official
ejournal@unisbablitar.ac.id
Editorial Address
-
Location
Kota blitar,
Jawa timur
INDONESIA
Antivirus : Jurnal Ilmiah Teknik Informatika
Published by Universitas Islam Balitar Blitar
ISSN : -     EISSN : 2527337X     DOI : -
Core Subject : Science,
Computer Science & IT
Memuat hasil penelitian dan kajian kritis bidang teknologi informasi, teknlogi informasi elektronik, pengajaran, penelitian, aplikasi dan inovasi dan rekayasa informatika.
Arjuna Subject : -
Articles 199 Documents
 16   17   18   19   20 
THE APPLICATION OF MULTINOMIAL NAIVE BAYES FOR SENTIMENT ANALYSIS OF CULTURAL TOURISM REVIEWS: A CASE STUDY OF BOROBUDUR AND PRAMBANAN TEMPLES Irvan Alfaritzi; Baruna Abirawa; Smertniki Javid Ahmedthian; M. Syamsuddin Wisnubroto; Fajri Farid; Meida Cahyo Untoro
Antivirus : Jurnal Ilmiah Teknik Informatika Vol 20 No 1 (2026): Mei 2026
Publisher : Universitas Islam Balitar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35457/dj70zr92

Abstract

Abstract : Candi Borobudur dan Candi Prambanan dikenal sebagai dua situs warisan dunia UNESCO, yang memiliki nilai sejarah dan budaya tinggi. Penelitian ini berfokus pada analisis komparatif sentimen wisatawan berdasarkan 10.000 ulasan yang diambil dari Google Maps. Tujuannya adalah mengidentifikasi persepsi wisatawan terhadap dua destinasi sekaligus mengevaluasi aspek kekuatan dan kelemahannya untuk memberikan umpan balik berbasis data bagi pengelola wisata. Metodologi yang diterapkan menggunakan pendekatan hibrida: data ulasan dikumpulkan melalui web scraping, diterjemahkan ke Bahasa Inggris dan dilabeli secara otomatis menggunakan VADER (Valence Aware Dictionary and sEntiment Reasoner). Setelah tahap preprocessing dan pembobotan fitur menggunakan TF-IDF, model klasifikasi Multinomial Naive Bayes dilatih untuk memprediksi polaritas sentimen. Hasil analisis menunjukkan bahwa Candi Prambanan memiliki proporsi sentimen positif sebesar 82,5%, lebih tinggi dibandingkan Candi Borobudur sebesar 73,7%. Model klasifikasi mencapai akurasi 81,9% untuk Prambanan dan 74,7% untuk Borobudur. Visualisasi word cloud mengindikasikan keluhan negatif yang berulang, seperti “panas”, “harga tiket”, dan “parkir”. Analisis ini menunjukkan adanya perbedaan signifikan dalam persepsi pengunjung terhadap kedua destinasi dan memberikan kontribusi praktis dalam pengembangan strategi peningkatan kualitas layanan wisata berbasis analisis sentimen. English Abstract: Borobudur Temple and Prambanan Temple are known as two UNESCO world heritage sites, possessing high historical and cultural value. This research focuses on a comparative sentiment analysis of tourists based on 10,000 reviews taken from Google Maps. The objective is to identify tourist perceptions of the two destinations while also evaluating their strengths and weaknesses to provide data-driven feedback for tourism management. The methodology applied uses a hybrid approach: review data is collected via web scraping, translated into English, and automatically labeled using VADER (Valence Aware Dictionary and sEntiment Reasoner). After the preprocessing stage and feature weighting using TF-IDF, a Multinomial Naive Bayes classification model is trained to predict sentiment polarity. The analysis results show that Prambanan Temple has a higher proportion of positive sentiment at 82.5%, compared to Borobudur Temple at 73.7%. The classification model achieved an accuracy of 81.9% for Prambanan and 74.7% for Borobudur. Word cloud visualizations indicated recurring negative complaints, such as “panas” (hot), “harga tiket” (ticket price), and “parkir” (parking). This analysis indicates a significant difference in visitor perceptions of the two destinations and provides a practical contribution to developing strategies for improving tourism service quality based on sentiment analysis.
DESIGN OF AN INTERNET OF THINGS (IOT)-BASED AUTOMATIC CLASSROOM AIR QUALITY MONITORING AND NOTIFICATION SYSTEM Jouvanytha Aswar Afendy; Muhammad Hanif; Allya Putri Nadila Gustin
Antivirus : Jurnal Ilmiah Teknik Informatika Vol 20 No 1 (2026): Mei 2026
Publisher : Universitas Islam Balitar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35457/52nvvb47

Abstract

Kesehatan dan konsentrasi belajar dapat terpengaruh oleh kualitas udara yang buruk di ruang kelas.  Karena tidak dapat memberikan data secara real-time, pengawasan manual seringkali kurang efektif.  Tujuan penelitian ini adalah untuk mengembangkan sistem yang berbasis Internet of Things (IoT) yang dapat melacak dan melaporkan kualitas udara secara cepat dan akurat.  Mikrokontroler ESP32 digunakan dalam sistem, yang terhubung dengan sensor MQ135 untuk mengidentifikasi gas berbahaya, sensor DHT22 untuk mengukur suhu dan kelembapan, dan LCD 16x2 dan LED untuk memberikan tampilan visual. Diuji melalui simulasi Wokwi, data sensor dikirim secara real-time ke aplikasi Blynk melalui jaringan Wi-Fi. Hasil pengujian menunjukkan bahwa sistem mampu menampilkan data dengan stabil, memberikan notifikasi otomatis ketika nilai udara melewati ambang batas aman, dan bekerja secara responsif dengan jeda waktu pembaruan sekitar dua hingga tiga detik.  Dinilai bahwa sistem ini adalah cara yang efektif, efisien, dan mudah digunakan untuk memantau kualitas udara di ruang kelas.
DECISION-MAKING FOR THE SELECTION OF HIGH-YIELDING RICE VARIETIES (ORYZA SATIVA) USING THE AHP METHOD Puteri Aprilani
Antivirus : Jurnal Ilmiah Teknik Informatika Vol 20 No 1 (2026): Mei 2026
Publisher : Universitas Islam Balitar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35457/mha5pq80

Abstract

Pengambilan keputusan dalam pemilihan varietas unggul padi (Oriza sativa) merupakan langkah krusial dalam mendukung produktivitas dan kualitas hasil pertanian. Metode Analytical Hierarchy Process (AHP) dapat digunakan sebagai pendekatan sistematis untuk membantu menyeleksi varietas terbaik berdasarkan kriteria-kriteria yang relevan. Penelitian ini bertujuan untuk mengaplikasikan metode AHP dalam pemilihan varietas padi yang unggul, dengan fokus pada beberapa kriteria penting seperti produktivitas, ketahanan terhadap hama dan penyakit, kualitas gabah, dan adaptasi terhadap kondisi lingkungan. Data yang diperoleh dari percobaan lapangan dan penilaian para ahli akan digunakan untuk membangun struktur hirarki kriteria dan sub-kriteria. Selanjutnya, metode AHP akan diterapkan untuk menghitung bobot relatif setiap kriteria dan menghasilkan prioritas varietas padi berdasarkan nilai komposit. Hasil penelitian menunjukkan bahwa nilai rasio konsistensi yang diperoleh adalah 0,0983, berada di bawah batas toleransi 0,1. Hal ini menunjukkan bahwa perhitungan tersebut sesuai dengan teori rasio konsistensi (CR) dalam metode AHP. Dengan demikian, hasil perhitungan dianggap valid dan layak untuk digunakan. Penelitian ini berhasil menghasilkan peringkat varietas unggul padi, dengan alternatif P9 berada di peringkat pertama, diikuti oleh P5 di peringkat kedua, P7 di peringkat ketiga, P8 di peringkat keempat, P9 di peringkat kelima, P10 di peringkat keenam, P2 di peringkat ketujuh, P3 di peringkat kedelapan, P1 di peringkat kesembilan, dan P4 di peringkat kesepuluh. Berdasarkan hasil tersebut, dapat disimpulkan bahwa metode AHP efektif untuk digunakan dalam proses pengambilan keputusan dalam pemilihan varietas unggul padi (Oriza sativa).
DESIGN AND IMPLEMENTATION OF A WEB-BASED SCHOOL ASSET INFORMATION SYSTEM PROTOTYPE AT SMP ISLAM PB SOEDIRMAN 2 BEKASI salsabila; Rr Nur Assifaa; Hendra Setiawan; Satria
Antivirus : Jurnal Ilmiah Teknik Informatika Vol 20 No 1 (2026): Mei 2026
Publisher : Universitas Islam Balitar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35457/9wfgqk63

Abstract

Pengelolaan aset sekolah merupakan aspek penting dalam mendukung kegiatan belajar mengajar, termasuk perangkat komputer, proyektor, meja, kursi, dan perlengkapan lainnya. Namun, di SMP Islam PB Soedirman 2 Bekasi, pencatatan aset masih dilakukan secara manual sehingga menyulitkan proses monitoring, distribusi, dan pembuatan laporan penyusutan. Penelitian ini bertujuan merancang sistem informasi aset berbasis web untuk meningkatkan efisiensi dan akurasi pengelolaan aset. Metode yang digunakan adalah Prototype, yang memungkinkan pengguna dan pengembang berinteraksi langsung dalam proses perancangan agar kebutuhan pengguna dapat terakomodasi secara optimal. Hasil penelitian menunjukkan bahwa sistem yang dibangun mampu mencatat data aset secara digital dengan validasi input yang menjaga akurasi data, memudahkan pelacakan, serta mengurangi risiko kesalahan manusia dalam penginputan. Selain itu, sistem informasi ini mempercepat proses pencatatan dan meningkatkan kualitas informasi aset sekolah. Sehingga, sistem informasi aset berbasis web dengan pendekatan Prototype terbukti efektif dalam mendukung pengelolaan aset sekolah dan berpotensi diadopsi oleh institusi pendidikan lain yang menghadapi kendala serupa.
NAÏVE BAYES SENTIMENT ACCURACY WITH CHI-SQUARE AND INFORMATION GAIN Muhamad Fahrurozi; Dian Ade Kurnia; Yudhistira Arie Wijaya; Puji Pramudya Marta; Khaerul Anam
Antivirus : Jurnal Ilmiah Teknik Informatika Vol 20 No 1 (2026): Mei 2026
Publisher : Universitas Islam Balitar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35457/1nmksc45

Abstract

This study aims to evaluate the effectiveness of the Chi-Square and Information Gain feature selection techniques in improving the accuracy of sentiment classification on application reviews using the Naive Bayes algorithm. The main issue addressed in this research is the high dimensionality of features in Indonesian-language text data, which may potentially affect model performance. To address this, the study applies a text preprocessing pipeline consisting of sentiment labeling, normalization, and feature extraction using TF-IDF with an initial 5000 features. The dataset contains 225,043 Gojek application reviews, which were reduced to 220,860 valid entries after cleaning, and subsequently divided into training and testing sets using a stratified split. Experimental results show that Chi-Square achieved the highest accuracy of 0.877864 with 3000 features, while Information Gain reached an accuracy of 0.877751 with 4000 features. Both values are slightly lower than the model without feature selection, which achieved an accuracy of 0.878045. These findings indicate that feature reduction does not improve the performance of Naive Bayes, as the algorithm performs more effectively when retaining a broader distribution of words and more complete contextual representations. In conclusion, feature selection for probabilistic models should be applied cautiously, especially on Indonesian-language review data that are informal and exhibit high variation in expression.
EVALUASI DAMPAK PENERAPAN SISTEM INFORMASI KEPEGAWAIAN (SIKAWAN) TERHADAP KINERJA SDM DI RSUD KABUPATEN JOMBANG Hudan Eka Rosyadi; Iqbal Baghis Kenvin
Antivirus : Jurnal Ilmiah Teknik Informatika Vol 20 No 1 (2026): Mei 2026
Publisher : Universitas Islam Balitar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35457/6hgdmk04

Abstract

The implementation of the Employee Information System (SIKAWAN) at Jombang Regional General Hospital (RSUD) aims to enhance administrative efficiency and employee performance. However, challenges arise due to the dominance of Baby Boomer, Gen X, and Gen Y employees who are less familiar with technology, coupled with limited IT resources for user support. This study analyzes the system’s acceptance and its impact on employee performance using the Technology Acceptance Model (TAM), given that the system is still in the development phase and requires comprehensive evaluation. This research aims to measure the effectiveness of SIKAWAN in improving employee performance at RSUD Jombang based on technology acceptance factors, including Perceived Usefulness (PU), Perceived Ease of Use (PEOU), Attitude Toward Using (ATU), and Behavioral Intention (BIU). This quantitative study employed a Likert-scale questionnaire distributed to 100 RSUD Jombang employees. Data were analyzed using TAM through validity and reliability tests, multiple linear regression, and classical assumption tests (normality, multicollinearity, heteroscedasticity) with SPSS software. The analysis revealed that Perceived Usefulness (β=0.394; p=0.000) and Behavioral Intention (β=0.374; p=0.000) significantly influenced Actual System Usage (AU). However, Perceived Ease of Use (β=0.063; p=0.460) and Attitude Toward Using (β=-0.098; p=0.253) showed no significant impact. The simultaneous test (F=36.040; p=0.000) confirmed the TAM model’s validity in explaining system acceptance. SIKAWAN’s effectiveness is driven by users’ perception of its benefits and sustained usage intention, rather than ease of operation. To enhance employee performance, intensive socialization about system benefits, age-specific training for Baby Boomers, and improvements in system interface and stability are recommended. The findings emphasize integrating user psychological factors into public sector HR information system development.
DESIGN AND DEVELOPMENT OF AN ESP32-BASED GAS MONITORING SYSTEM USING FUZZY LOGIC ALGORITHMS AND A WHATSAPP GATEWAY Muhamad Rovi; Yayan Sopyan; Muhamad Wildan Khaerudin
Antivirus : Jurnal Ilmiah Teknik Informatika Vol 20 No 1 (2026): Mei 2026
Publisher : Universitas Islam Balitar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35457/03qmka72

Abstract

Keselamatan kerja di laboratorium kesehatan masyarakat sangat penting, khususnya dalam mencegah paparan gas beracun yang sulit terdeteksi secara langsung. Penelitian ini bertujuan mengembangkan sistem deteksi gas beracun berbasis Internet of Things (IoT) yang mampu memberikan peringatan cepat melalui notifikasi WhatsApp.Sistem dirancang menggunakan mikrokontroler ESP32 yang dipadukan dengan sensor MQ-135 dan algoritma Fuzzy Logic untuk mengklasifikasikan tingkat bahaya menjadi tiga kategori: aman, waspada, dan bahaya. Sistem juga terintegrasi dengan WhatsApp Gateway untuk mengirimkan notifikasi secara otomatis. Pengujian dilakukan di Laboratorium Kesehatan Masyarakat Universitas Bhakti Husada Indonesia (UBHI). Sistem mampu mendeteksi kebocoran gas secara akurat, mengaktifkan alarm suara dalam waktu kurang dari 3 detik, dan mengirimkan notifikasi WhatsApp secara real-time. Implementasi algoritma Fuzzy Logic meningkatkan akurasi klasifikasi tingkat bahaya, sedangkan integrasi IoT memastikan pemantauan udara dilakukan secara berkesinambungan. Sistem deteksi gas berbasis IoT dengan algoritma Fuzzy Logic dan WhatsApp Gateway terbukti efektif, hemat biaya, serta dapat meningkatkan kesiapsiagaan pengguna laboratorium terhadap risiko paparan gas beracun.
SENTIMENT ANALYSIS OF THE DISSOLVE THE DPR HASHTAG ON X.COM USING THE SUPPORT VECTOR MACHINE (SVM) ALGORITHM Virdio Samuel Saragih Saragih; Farrel Julio Akbar; Sahid Maulana; M. Syamsuddin Wisnubroto; Fajri Farid
Antivirus : Jurnal Ilmiah Teknik Informatika Vol 20 No 1 (2026): Mei 2026
Publisher : Universitas Islam Balitar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35457/znctvk95

Abstract

Isu terkait besaran gaji anggota Dewan Perwakilan Rakyat (DPR) kembali menjadi sorotan publik karena dianggap tidak sebanding dengan kinerja yang ditunjukkan. Ketegangan ini mencapai puncaknya saat aksi demonstrasi nasional pada 25–28 Agustus 2025, yang diikuti dengan meningkatnya percakapan mengenai tagar #BubarkanDPR di platform X. Lonjakan opini publik tersebut menunjukkan perlunya pemetaan sentimen yang akurat untuk memahami persepsi digital masyarakat terhadap isu politik yang berkembang. Penelitian ini mengembangkan model klasifikasi sentimen publik menggunakan algoritma Support Vector Machine (SVM), dengan penerapan Random Oversampling untuk mengatasi ketidakseimbangan kelas pada dataset. Total 555 tweet diperoleh melalui proses web scraping, kemudian diproses melalui tahapan Natural Language Processing (NLP) dan diberi label secara otomatis menggunakan Large Language Model (LLM). SVM dipilih karena kinerjanya yang konsisten pada data teks berdimensi tinggi dan lebih stabil dibandingkan model klasik seperti Naive Bayes maupun Decision Tree. Hasil eksperimen menunjukkan bahwa model SVM dengan Random Oversampling mencapai akurasi 92%, recall 89%, dan precision 86%, yang mengindikasikan kemampuan model dalam mengenali pola sentimen secara efektif meskipun dataset relatif terbatas. Temuan ini memberikan gambaran empiris mengenai respons masyarakat terhadap isu sosial-politik yang sensitif, serta membuka peluang pemanfaatan analitik sentimen sebagai dasar pengambilan keputusan berbasis data dalam merespons dinamika opini publik.
CLASSIFICATION OF MANGO RIPENESS LEVELS BASED ON DIGITAL IMAGES USING YOLOV8 Sopyan; Fransiscus Andre Suwarno; Rasya Abel Putra Gumulija; Sumanto; Ghofar Taufiq; Jefina Tri Kumalasari
Antivirus : Jurnal Ilmiah Teknik Informatika Vol 20 No 1 (2026): Mei 2026
Publisher : Universitas Islam Balitar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35457/4k5j3338

Abstract

Penilaian konvensional terhadap tingkat kematangan buah mangga umumnya didasarkan pada observasi visual. Pendekatan manual ini memiliki keterbatasan karena sangat bergantung pada pengalaman individu serta faktor lingkungan, menjadikannya rentan terhadap inefisiensi dan ketidakakuratan pada operasi skala besar. Untuk mengatasi hal ini, kami mengusulkan solusi otomatis berbasis deep learning melalui implementasi YOLOv8 (You Only Look Once versi 8) untuk klasifikasi kematangan buah mangga. Kami menggunakan dataset yang mencakup 2.328 citra dari Roboflow Universe, yang dikelompokkan menjadi tiga status: mentah, terlalu matang, dan matang. Model dilatih selama 50 epoch dengan resolusi 640 X 640 piksel. Hasil evaluasi menggunakan metrik Precision, Recall, mAP, dan Confusion Matrix menunjukkan kinerja yang superior. Model mencapai mAP50 sebesar 0,84497, mAP50–95 sebesar 0,86308, dan akurasi total 92,13%. Temuan ini mengindikasikan bahwa YOLOv8 merupakan metode deteksi dan klasifikasi yang stabil, cepat, dan efektif untuk pengenalan kematangan buah, sangat mendukung implementasi Smart Farming 4.0.

Page 20 of 20 | Total Record : 199

 16   17   18   19   20 

Filter by Year

2016 2026


Reset
Filter By Issues
All Issue Vol 20 No 1 (2026): Mei 2026 Vol 19 No 2 (2025): November 2025 Vol 19 No 1 (2025): Mei 2025 Vol 18 No 2 (2024): November 2024 Vol 18 No 1 (2024): Mei 2024 Vol 17 No 2 (2023): November 2023 Vol 17 No 1 (2023): Mei 2023 Vol 16 No 2 (2022): November 2022 Vol 16 No 1 (2022): Mei 2022 Vol 15 No 2 (2021): November 2021 Vol 15 No 1 (2021): Mei 2021 Vol 14 No 2 (2020): November 2020 Vol 14 No 1 (2020): Mei 2020 Vol 13 No 2 (2019): November 2019 Vol 13 No 1 (2019): Mei 2019 Vol 12 No 2 (2018): November 2018 Vol 12 No 1 (2018): Mei 2018 Vol 11 No 2 (2017): November 2017 Vol 11 No 1 (2017): Mei 2017 Vol 10 No 2 (2016): November 2016 Vol 10 No 1 (2016): Mei 2016 More Issue