cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Joseph Dedy Irawan
Contact Email
joseph@lecturer.itn.ac.id
Phone
+62811367463
Journal Mail Official
joseph@lecturer.itn.ac.id
Editorial Address
Jl. Raya Karanglo Km. 2 Malang
Location
Kota malang,
Jawa timur
INDONESIA
JATI (Jurnal Mahasiswa Teknik Informatika)
Published by Institut Teknologi Nasional Malang
ISSN : -     EISSN : 2598828X     DOI : -
Core Subject : Science,
Computer Science & IT
Adalah jurnal mahasiswa yang diterbitkan oleh Teknik Informatika Institut Teknologi Nasional Malang, sebagai media publikasi hasil Skripsi Mahasiswa Teknik Informatika ke khalayak luas, diterbitkan secara berkala 6 kali setahun pada bulan Februari, April, Juni, Agustus, Oktober, Desember.
Arjuna Subject : Ilmu Komputer (semua kategori) - Ilmu Komputer (Lain-Lain)
Articles 3,835 Documents
 139   140   141   142   143 
ANALISIS DATASET STATUS GIZI PADA BALITA MENGGUNAKAN ALGORITMA K-MEANS CLUSTERING Raudotul Janah, Fina; Kurniawan, Rudi; Suprapti, Tati
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 7 No. 6 (2023): JATI Vol. 7 No. 6
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v7i6.8220

Abstract

Status gizi balita merupakan satu permasalahan yang harus diperhatikan, terutama pada asupan gizi serta nutrisi yang diperoleh dari makanan sehari-hari. ebagai bagian dari siklus pertumbuhan dan perkembangan buah-buahan, mereka membutuhkan asupan gizi yang lebih baik, karena belita paling mudah menderita kelainan gizi. Pemenuhan kebutuhan gizi merupakan faktor penting untuk mencapai hasil tumbuh kembang pada balita dan anak-anak. Puskesmas Karangsembung merupakan fasilitas pelayanan kesehatan yang menyelenggarakan upaya kesehatan masyarakat dan upaya kesehatan perseorangan tingkat pertama. Pihak puskesmas belum melakukan proses data mining untuk meng-clustering dataset balita. Sehingga belum mengetahui kelompok status gizi balita dan belum mengetahui nilai evaluasi DBI. Tujuan dari Penelitian ini untuk mengelompokan status gizi balita menggunakan algoritma K-means untuk mendapatkan nilai Cluster terbaik dengan evaluasi nilai DBI dengan memanfaatkan tools Rapidminer. Hasil dari penelitian didapatkan jumlah Cluster optimal dengan K=5. Untuk Cluster 0: 41 Balita dengan rata-rata berjenis kelamin Laki-laki, Cluster 1: 83 Balita dengan rata-rata berjenis kelamin Laki-laki, Cluster 2: 82 Balita dengan rata-rata berjenis kelamin Perempuan, Cluster 3: 70 Balita dengan rata-rata berjenis kelamin Perempuan, Cluster 4: 56 Balita dengan rata-rata berjenis kelamin Laki-laki dan nilai DBI yang optimal sebesar 0.132 dimana nilai tersebut mendekati 0 yang berarti klaster yang di evaluasi menghasilkan klaster yang baik.
ANALISIS DATA TRANSAKSI KUE MENGGGUNAKAN METODE K-MEANS CLUSTERING PADA TOKO RAFA CAKE Kholifa, Nur; Suarna, Nana; Prihartono, Willy
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 7 No. 6 (2023): JATI Vol. 7 No. 6
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v7i6.8221

Abstract

Penggunaan teknologi dalam bisnis makanan, khususnya di industri toko kue, sangat penting untuk mendapatkan informasi detail tentang produk yang dijual. Toko Rafa Cake menghadapi masalah pengelolaan data transaksi belum dimanfaatkan secara efektif dan penataan produk yang kurang optimal. Banyaknya transaksi mengakibatkan penumpukan data dan stok produk, menghambat pengisian ulang etalase dan pemahaman produk terlaris. Studi ini menerapkan metode algoritma K-Means Clustering pada data transaksi toko, dengan tujuan mengidentifikasi produk yang diminati, cukup diminati, dan kurang diminati. Data transaksi yang dianalisis meliputi no,nama produk, kategori, variasi, harga, merek, stok terjual, dan total penjualan melalui RapidMiner. Hasilnya dapat meningkatkan efisiensi penjualan produk kue dan manajemen stok, serta dapat menjadi acuan bagi toko kue lainnya dengan masalah yang sama, memanfaatkan data transaksi untuk meningkatkan kinerja bisnis. Hasil Clustering diperoleh 3 Cluster yang membedakan produk kue, bolu, dan roti berdasarkan kategori produk, stok terjual, dan harga. Cluster 1 memiliki 1 item menunjukkan penjualan paling diminati dengan nilai transaksi tinggi. Sementara Cluster 2 memiliki 40 item, menandakan penjualan cukup diminati dengan nilai transaksi sedang. Cluster 0, dengan 1272 item, menunjukkan penjualan kurang diminati dengan nilai transaksi rendah. Dengan nilai DBI sebesar 0,004, dan jarak rata-rata Centroid terbaik di Cluster 1 sebesar 0,000.
IMPLEMENTASI ALGORITMA K-MEANS CLUSTERING UNTUK PENGELOMPOKAN STATUS PENERIMA KIP KULIAH MAHASISWA UNIVERSITAS PAPUA Indriati, Eka; Suharyani Azisa, Nur'Ainun; Ivo Sihombing, Ester; Sukma Dewi Mokodompit, Zharima
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 7 No. 6 (2023): JATI Vol. 7 No. 6
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v7i6.8222

Abstract

Penelitian ini berisi mengenai pengelompokan status penerima KIP Kuliah di Universitas Papua. KIP Kuliah merupakan program bantuan pendidikan yang diberikan oleh pemerintah Indonesia untuk meningkatkan akses pendidikan. Pada Universitas Papua proses seleksi calon penerima KIP Kuliah dilakukan secara manual dengan jumlah pendaftar yang sangat banyak sehingga penentuan KIP Kuliah kurang optimal. Penelitian ini bertujuan untuk menentukan calon penerima beasiswa KIP Kuliah di Universitas Papua menggunakan Algoritma K-Means Clustering dan bahasa pemrograman python pada tools Jupyter Notebook. Algoritma K-Means Clustering digunakan untuk mengelompokan setiap data kedalam cluster sehingga data yang mempunyai karakteristik yang sama akan dikelompokan dalam cluster yang sama dan sebaliknya jika data yang mempunyai karakteristik berbeda akan dikelompokkan kedalam cluster yang lain. Hasil penelitian ini terdapat 2 hasil cluster yang akan menjadi hasil akhir yaitu data yang diterima sebagai penerima KIP Kuliah sebanyak 687 data dan 547 data dikelompokkan sebagai data yang tidak diterima sebagai penerima KIP Kuliah.
KLASIFIKASI TINGKAT KEPUASAN PELANGGAN KOPI KENANGAN MENGGUNAKAN METODE DECISION TREE PADA APLIKASI KOPI KENANGAN Fihir, Muhammad; Martanto, Martanto; Hayati, Umi
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 7 No. 6 (2023): JATI Vol. 7 No. 6
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v7i6.8223

Abstract

Pesatnya kemajuan dan inovasi dalam pengolahan kopi didukung dengan kebiasaan masyarakat Indonesia dan dunia dalam mengonsumsi kopi sangatlah tinggi, hingga menjadikan negara Indonesia sebagai penghasil kopi terbesar keempat di dunia. PT Bumi Berkah boga melalui produk Kopi Kenangan sebagai kedai kopi lokal non-waralaba menjadi populer di Indonesia bahkan sampai ke Malaysia, hingga menjadi unicorn dengan metode penjualan melalui pemanfaatan teknologi informasi berupa aplikasi digital. Tujuan dari penelitian ini adalah untuk mengetahui klasifikasi tingkat kepuasan pelanggan dalam memesan kopi melalui aplikasi Kopi Kenangan. Metode yang digunakaan adalah data mining menggunakan algoritma decision tree untuk menghasilkan aturan-aturan keputusan. Dalam melakukan analisis data dan visualisasi menggunakan software RapidMiner versi 10.3. Hasil penelitian menunjukan tingkat akurasi sebesar 86,96% nilai presisi pada prediksi puas sebesar 90% dan nilai presisi prediksi tidak puas sebesar 66,67%. Nilai presisi prediksi tersebut akan dijadikan referensi dalam memutuskan untuk menggunakan aplikasi Kopi Kenangan dalam memesan kopi atau produk lainya.
PENGUKURAN TINGKAT KEPUASAN PENGGUNA FLEXIBLE LEARNING DI UNIVERSITAS KRISTEN SATYA WACANA MENGGUNAKAN PENDEKATAN END USER COMPUTING SATISFICATION (EUCS) Vivo Benfica Gallo, Ferdinandus; Jimmy Carter Tambotoh, Johan
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 1 (2024): JATI Vol. 8 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i1.8226

Abstract

Universitas di Indonesia semakin berkembang terutama pada fasilitas teknologi informasi untuk mendukung proses perkuliahan. Salah satunya pada Universitas Kristen Satya Wacana yang memiliki sistem informasi F-Learn untuk menunjang proses perkuliahan dan mencakup 14 Fakultas didalamnya. Penelitian bertujuan agar mengevaluasi juga menilai tingkat kepuasan user terhadap sistem informasi yang akan digunakan, serta mengidentifikasi faktor yang berpengaruh terhadap tingkat kepuasan pada pengguna terhadap Sistem Informasi tersebut. Objek yang sedang diteliti ini adalah sistem informasi F-Learn di Universitas Kristen Satya Wacana (UKSW). Riset ini didasarkan pada pentingnya evaluasi terhadap perkembangan sistem yang telah mengikuti perkembangan zaman. Metode yang akan diterapkan didalam penelitian yaitu End User Computing Satisfaction (EUCS), yang mencakup lima variabel bebas, yaitu content (isi), accuracy (akurasi), format (tampilan), ease of use (kemudahan penggunaan), dan timeliness (ketepatan waktu). Terdapat 100 responden yang merupakan mahasiswa yang pernah menggunakan F-Learn dengan penyebaran kuisioner melalui google form dan kuisioner secara langsung di lokasi. Hasil dari penelitian ini menyatakan seluruh aspek tingkat kepuasannya berada pada kategori puas. Evaluasi perlu dilakukan untuk mencapai kategori sangat puas sehingga mutu pelayanan dapat mencapai titik tertinggi dan memuaskan pengguna.
ANALISIS SENTIMEN TERHADAP REVIEW APLIKASI BRIMO DI GOOGLE PLAY STORE MENGGUNAKAN ALGORITMA NAÏVE BAYES Nuraini, Asyifa; Faqih, Ahmad; Dwilestari, Gifthera; Dienwati Nuris, Nisa; Narasati, Riri
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 7 No. 6 (2023): JATI Vol. 7 No. 6
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v7i6.8228

Abstract

Dalam era perkembangan teknologi informasi, khususnya dalam ranah analisis sentimen menggunakan algoritma Naive Bayes, dampak signifikan terlihat pada aplikasi Brimo, platform perbankan internet dan mobile yang dikembangkan oleh Bank BRI. Analisis sentimen terhadap ulasan pengguna di Google Play Store dengan Naive Bayes menghadapi tantangan, seperti tingkat ketidak pastian dalam hasil analisis. Algoritma ini cenderung memperlakukan kata-kata secara terpisah, mengabaikan konteks, dan berpotensi menghasilkan hasil yang kurang akurat, terutama pada sentimen kompleks seperti ironi atau sarkasme. Pentingnya text mining, penggunaan metode klasifikasi, dan proses Knowledge Discovery in Database (KDD) muncul dalam mendukung analisis sentimen. Penelitian ini menggunakan metode KDD dan Naive Bayes untuk menganalisis sentimen ulasan pengguna Brimo di Google Play Store. Tahapan melibatkan seleksi data, pembersihan data, transformasi dengan TF-IDF, data mining dengan Naive Bayes, dan evaluasi pola. Hasil menunjukkan tingkat akurasi tinggi sebesar 89.58%, dengan nilai presisi 85.94%, Recall 89.58%, dan F1-Score 86.90%. Meskipun demikian, perhatian khusus diperlukan untuk sentimen negatif guna meningkatkan performa Recall. Proses implementasi model Naive Bayes pada data baru menunjukkan efisiensi melalui penggunaan joblib dan visualisasi hasil prediksi. Penelitian ini memberikan kontribusi dalam meningkatkan pemahaman evaluasi sentimen pengguna, mendukung pengambilan keputusan, dan mengembangkan strategi bisnis yang efektif pada aplikasi Brimo.
OPTIMASI PARAMETER ALGORITMA K-MEANS PADA DATA REKAM MEDIS KLINIK ANANDA MEDIKA RANCAH Alfirda Sofyan, Zahra; Kurniawan, Rudi; Arie Wijaya, Yudhistira
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 7 No. 6 (2023): JATI Vol. 7 No. 6
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v7i6.8229

Abstract

Data rekam medis merupakan informasi medis terkait identifikasi pasien, penyakit dan riwayat pengobatan. Peningkatan jumlah data rekam medis dari waktu ke waktu menyulitkan identifikasi pola penting yang tersembunyi dalam dataset. Oleh karena itu, diperlukan teknik analisis data yang tepat untuk mengelola data rekam medis secara optimal. Penelitian ini bertujuan untuk menemukan parameter terbaik yang menghasilkan cluster optimum berdasarkan Davies Bouldin Index (DBI), semakin rendah nilai DBI menunjukan cluster terbaik. Metode yang digunakan dalam penelitian ini adalah clustering dengan Algoritma K-Means. Algoritma K-Means diimplementasikan dengan tools Rapidminer versi 10.3. Parameter yang digunakan dalam melakukan eksperimen terhadap nilai DBI adalah parameter Measure Types Numerical Measure. Dengan tiga kali percobaan Numerical Measure yang berbeda yaitu Euclidean Distance, Manhattan Distance, dan Dynamic Time Warping Distance, serta proses iterasi rmenggunakan parameter Max Optimization dimulai dari 1 hingga 10. Dari hasil eksperimen menunjukan parameter terbaik adalah Measure Types Numerical Measure dengan Manhattan Distance karena menghasilkan nilai DBI terkecil dibandingkan parameter lainnya. Proses iterasi algoritma K-Means berakhir pada iterasi ke-3 karena pada iterasi tersebut diperoleh keanggotaan cluster yang sama dengan iterasi sebelumnya. Hal ini menunjukkan bahwa algoritma telah mencapai nilai konfiden.
ANALISIS PERFORMA FEATURE SELECTION M5 PRIME, GREEDY, DAN T-TEST PADA REGRESI LINEAR UNTUK PREDIKSI KASUS KEKERASAN ANAK DI JAWA BARAT Ramadhan, Gilang; Kurniawan, Rudi; Suprapti, Tati
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 7 No. 6 (2023): JATI Vol. 7 No. 6
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v7i6.8230

Abstract

Kekerasan terhadap anak masih menjadi masalah di Indonesia, khususnya di Jawa Barat. Kekerasan ini memberikan trauma mendalam pada anak dan berisiko gangguan mental serta perilaku buruk di masa depan. Penelitian ini bertujuan membangun model prediksi korban kekerasan anak di Jawa Barat dengan Regresi Linear. Regresi Linear dipilih karena mampu menangkap tren data dengan baik. Data sekunder digunakan dari dataset kekerasan terhadap anak berdasarkan tingkat pendidikan di Jawa Barat tahun 2017-2022. Data dikumpulkan dari dinas terkait dan literatur. Hasil pengujian menggunakan Regresi Linear menghasilkan performa baik, ditunjukkan RMSE 2,480 dan MAE 2,123. Performa Regresi Linear cukup baik memodelkan data historis untuk prediksi di masa depan. Model ini dapat dimanfaatkan mendukung kebijakan pencegahan kekerasan terhadap anak di Jawa Barat.
PENGELOMPOKAN DATA FILM PADA NETFLIX MENGGUNAKAN ALGORITMA K-MEANS CLUSTERING Suarna, Nana; Hidayah, Nurni; Prihartono, Willy
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 7 No. 6 (2023): JATI Vol. 7 No. 6
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v7i6.8231

Abstract

Dalam era digital yang berkembang sangat pesat, adanya platform streaming telah membuka pintu bagi ribuan film dan serial TV untuk diakses oleh jutaan pelanggan di seluruh dunia. Netflix sebagai salah satu pemimpin dalam industri layanan streaming, telah merevolusi cara kita mengkonsumsi berbagai konten. Permasalahan dalam penelitian ini bahwa persepsi tentang "film terpopuler" dapat bervariasi secara subyektif tergantung pada preferensi individu, kelompok, atau faktor budaya serta pengelolaan data film dilayanan streaming seperti Netflix didalam konteks Informatika. Tujuan penelitian ini untuk mengelompokkan dataset film Netflix menggunakan algoritma K-Means untuk mengidentifikasi pola atau kesamaan antara film-film berdasarkan atribut-atribut tertentu serta mengevaluasi struktur dan jarak antar klaster yang dihasilkan. Analisis data film akan membantu dalam mengidentifikasi tren yang relevan. Metode penelitian ini Knowledge Discovery in Database (KDD) dengan Algoritma K-Means Clustering menggunakan dataset yang diperoleh dari Kaggle sebagai data acuan. Hasil dari penelitian ini dalam menggunakan metode KDD dan Algoritma K-Means Clustering, menunjukkan 2 cluster yang memiliki nilai rata-rata centroid yang berbeda. Dari kedua cluster tersebut menemukan film-film popularitas dalam dataset film Netflix pada cluster 0 yaitu dengan ciri-ciri ideal rata-rata atribut Hidden Gem Score sebesar 8.034, atribut Runtime sebesar 0.793 dan atribut IMDb Score sebesar 7.148. Dari hasil penelitian tersebut dapat membantu pengguna dalam menemukan film-film yang sesuai dengan minat dan preferensi pengguna.
KLASTERISASI DATA LAGU TERPOPULER SPOTIFY 2023 BERDASARKAN SUASANA HATI MENGGUNAKAN ALGORITMA K-MEANS Nuriska, Dwi; Irawan, Bambang; Bahtiar, Agus; Rinaldi Dikananda, Arif
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 7 No. 6 (2023): JATI Vol. 7 No. 6
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v7i6.8232

Abstract

Spotify sebagai platfrom streaming musik, menampilkan berbagai fitur yang beragam dan secara terus-menerus diperbarui untuk mencerminkan perkembangan dalam dunia musik. Permasalahan penelitian muncul dari beragamnya preferensi pengguna dan tren mendengarkan sebuah lagu atau musik mengakibatkan kompleksitas dalam pemahaman dan pengelompokan musik. Tujuan penelitian ini adalah menghasilkan kelompok lagu yang lebih terfokus berdasarkan suasana hati, memungkinkan pengguna untuk lebih mudah menemukan lagu yang sesuai dengan mood atau suasana hati mereka. Dalam penelitian ini akan mengelompokkan data lagu-lagu terpopuler Spotify 2023 berdasarkan empat kategori suasana hati model Thayer’s (Angry, Sad, Relax, dan Happy) dengan menggunakan Algoritma K-Means Clustering. Dengan pendekatan Knowledge Discovery in Database (KDD). Atribut-atribut audio seperti tempo (bpm), danceability, valence, dan energy digunakan dalam analisis ini. Hasil penelitian diperoleh nilai Davies-Bouldin Index (DBI) terkecil adalah 0,299 dengan jumlah K = 3, di mana cluster 0 merupakan suasana hati happy dengan 361 anggota lagu, cluster 1 merupakan suasana hati relax dengan 329 anggota lagu, dan cluster 2 merupakan suasana hati sad dengan 252 anggota lagu. Tidak terdapat cluster yang secara jelas menggambarkan suasana hati marah. Dengan distribusi anggota yang merata di setiap cluster, maka tidak ada suasana hati yang mendominasi dari hasil pengelompokan lagu.

Page 141 of 384 | Total Record : 3835

 139   140   141   142   143 

Filter by Year

2017 2025


Reset
Filter By Issues
All Issue Vol. 9 No. 5 (2025): JATI Vol. 9 No. 5 Vol. 9 No. 4 (2025): JATI Vol. 9 No. 4 Vol. 9 No. 3 (2025): JATI Vol. 9 No. 3 Vol. 9 No. 2 (2025): JATI Vol. 9 No. 2 Vol. 9 No. 1 (2025): JATI Vol. 9 No. 1 Vol. 8 No. 6 (2024): JATI Vol. 8 No. 6 Vol. 8 No. 5 (2024): JATI Vol. 8 No. 5 Vol. 8 No. 4 (2024): JATI Vol. 8 No. 4 Vol. 8 No. 3 (2024): JATI Vol. 8 No. 3 Vol. 8 No. 2 (2024): JATI Vol. 8 No. 2 Vol. 8 No. 1 (2024): JATI Vol. 8 No. 1 Vol. 7 No. 6 (2023): JATI Vol. 7 No. 6 Vol. 7 No. 5 (2023): JATI Vol. 7 No. 5 Vol. 7 No. 4 (2023): JATI Vol. 7 No. 4 Vol. 7 No. 3 (2023): JATI Vol. 7 No. 3 Vol. 7 No. 2 (2023): JATI Vol. 7 No. 2 Vol. 7 No. 1 (2023): JATI Vol. 7 No. 1 Vol. 6 No. 2 (2022): JATI Vol. 6 No. 2 Vol. 6 No. 1 (2022): JATI Vol. 6 No. 1 Vol. 5 No. 2 (2021): JATI Vol. 5 No. 2 Vol. 5 No. 1 (2021): JATI Vol. 5 No. 1 Vol. 4 No. 2 (2020): JATI Vol. 4 No. 2 Vol. 4 No. 1 (2020): JATI Vol. 4 No. 1 Vol. 3 No. 2 (2019): JATI Vol. 3 No. 2 Vol. 3 No. 1 (2019): JATI Vol. 3 No. 1 Vol. 2 No. 2 (2018): JATI Vol. 2 No. 2 Vol. 2 No. 1 (2018): JATI Vol. 2 No. 1 Vol. 1 No. 2 (2017): JATI Vol. 1 No. 2 Vol. 1 No. 1 (2017): JATI Vol. 1 No. 1 More Issue