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
 148   149   150   151   152 
PENERAPAN ALGORITMA C4.5 UNTUK PREDIKSI STOK BAHAN MINUMAN DI CAFE SEMANIS Nur Aziziah, Aldila; Irma Purnamasari, Ade; Ali, Irfan
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.v8i1.8347

Abstract

Dalam era populernya minuman kopi, coffee shop menjadi bisnis yang diminati, termasuk Cafe Semanis yang berhasil menarik banyak pelanggan. Namun, kendala dalam manajemen stok bahan masih menggunakan media kertas yang menyebabkan penumpukan berkas dan penumpukan berkasnya tidak dijadikan analisa prediksi untuk mempersiapkan stok dimasa yang akan datang, hal tersebut dapat mengancam tingkat keberhasilan penjualan. Penelitian ini bertujuan memprediksi stok bahan yang perlu ditambahkan untuk meningkatkan penjualan dengan menggunakan data mining dan Algoritma C4.5 melalui Rapidminer. Dalam penelitian ini, Cafe Semanis yang belum memiliki sistem pendukung keputusan diharapkan dapat merancang strategi bisnis yang lebih efektif. Hasil penelitian menunjukkan tingkat akurasi Algoritma C4.5 mencapai 97.60%, memberikan bukti bahwa algoritma ini dapat digunakan untuk prediksi stok bahan minuman. Implikasi dari penelitian ini memberikan panduan bagi pemilik cafe dalam meningkatkan efisiensi manajemen stok, mendukung keputusan strategis, dan pada gilirannya, meningkatkan tingkat keberhasilan penjualan produk minuman.
IMPLEMENTASI ALGORITMA K-MEANS PADA KASUS KEKERASAN DALAM RUMAH TANGGA DI JAWA BARAT Annurfariz, Aditya; Irma Purnamasari, Ade; Ali, Irfan
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 2 (2024): JATI Vol. 8 No. 2
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i2.8348

Abstract

Penelitian ini membahas kasus Kekerasan Dalam Rumah Tangga (KDRT) di Provinsi Jawa Barat dengan menggunakan algoritma K-Means dalam konteks Knowledge Discovery in Database (KDD). Data korban KDRT dari tahun 2018 hingga 2022 menunjukkan peningkatan setiap tahunnya, dan penelitian ini bertujuan untuk mengelompokkan kasus tersebut berdasarkan karakteristik serupa dengan harapan dapat membantu pemerintah Jawa Barat dalam menekan angka kasus KDRT. Hasil penelitian menunjukkan bahwa K-Means dengan dua kluster (K=2) memberikan hasil terbaik berdasarkan evaluasi menggunakan Davies Bouldin Index. Cluster 0 mencakup wilayah dengan jumlah kasus KDRT rendah, sedangkan Cluster 1 mencakup wilayah dengan jumlah kasus KDRT tinggi. Kabupaten/kota di setiap cluster diidentifikasi, memberikan informasi yang berguna untuk perencanaan dan penanganan kasus KDRT. Kesimpulan dari penelitian ini adalah bahwa penerapan algoritma K-Means dapat membantu mengelompokkan kasus KDRT di Jawa Barat berdasarkan karakteristiknya. Namun, diperlukan langkah-langkah pencegahan dan penanganan yang lebih intensif, termasuk program edukasi masyarakat, penguatan sistem dukungan korban, pelatihan bagi penegak hukum, dan kolaborasi dengan lembaga kesehatan. Selain itu, pengembangan rencana pencegahan yang spesifik dapat menjadi langkah strategis untuk mengurangi angka kasus KDRT di masa mendatang.
ANALISIS TATA KELOLA TEKNOLOGI INFORMASI MENGGUNAKAN KERANGKA KERJA COBIT 5: STUDI KASUS: DINAS KEPEDUDUKAN DAN PENCATATAN SIPIL KOTA SURABAYA Habibi, Nabil; Ali Akbar, Fawwaz; Lina Nurlaili, Afina
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.v8i1.8349

Abstract

Pemanfaatan teknologi informasi dalam sektor pemerintahan, khususnya melalui konsep good governance dan e-Government, diharapkan dapat meningkatkan mutu layanan pemerintah kepada penduduk. Dalam konteks ini, Dinas Kependudukan dan Pencatatan Sipil Kota Surabaya berupaya meningkatkan kualitas layanan publik dengan menerapkan sistem informasi pelayanan kependudukan. Meskipun demikian, penerapan teknologi informasi masih belum optimal dan konsisten, sehingga diperlukan analisis tata kelola teknologi informasi menggunakan COBIT 5, terutama pada domain Align, Plan, and Organize (APO04), Align, Plan, and Organize (APO12), dan Build, Acquire and Implement (BAI). Hasil analisis menunjukkan tingkat kapabilitas (as-is) menempati level 1 (Performed Process) pada ketiga proses domain. Persentase hasil pada domain APO 04 Manage Innovation memperoleh persentase 51,32% dengan scale rating Largely Achieved, domain APO 12 Manage Risk memperoleh persentase 52,28% dengan scale rating Largely Achieved, domain BAI 04 Manage Availability and Capacity memperoleh persentase 69,07% dengan scale rating Largely Achieved, dan memiliki nilai kesenjangan sebesar 2 dari tingkat kapabilitas yang diharapkan (to-be) yaitu level 3 (Established Proces). Rekomendasi yang diusulkan disusun berdasarkan hasil penilaian, daftar temuan, dan validasi produk kerja untuk mendukung Dinas Kependudukan dan Pencatatan Sipil Kota Surabaya dalam mencapai tingkat kapabilitas tata kelola teknologi informasi yang diharapkan.
PENERAPAN ALGORITMA FP-GROWTH UNTUK MENENTUKAN POLA PENJUALAN PADA TOKO LARIS MANIS ANEKA KUE KERING KHAS CIREBON Nurhaliza, Siti; Astuti, Rini; Muhamad Basysyar, Fadhil
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.v8i1.8350

Abstract

Data mining telah menjadi alat yang sangat penting dalam mengatasi tantangan analisis data besar-besaran dan mendukung pengambilan keputusan yang lebih cerdas di berbagai sektor, Tujuannya adalah menemukan pola, tren, atau informasi yang dapat membantu perkiraan atau pengambilan keputusan di berbagai industri.Karena persaingan usaha yang semakin bervariasi, produsen perlu mempunyai rencana yang matang untuk mencapai tujuannya. Diantara metode utama yang diterapkan produsen untuk menangkis persaingan dan mempertahankan kelangsungan bisnis mereka adalah pemasaran melalui penggunaan data pembelian dari database yang dapat memberikan rincian tren penjualan pelanggan pada data transaksi dengan menerapkan metode Market Basket Analysis untuk mengidentifikasi barang yang dibeli sekaligus. Berdasarkan data perdagangan yang kemudian diproses menggunakan Rapid Miner Studio menggunakan algoritma fp-growth, maka perdagangan akan selesai. Salah satu manfaat dari proses data mining ini adalah dapat membantu bisnis dalam memperoleh angka dan kuantitas penjualan serta mengungkap informasi baru. Menurut temuan penelitian, data mining menggunakan algoritma FP-Growth bisa dalam menganalisis perilaku pelanggan dan direkomendasikan dalam ulasan produk untuk barang berkualitas tinggi. Oleh karena itu, produk yang sering dibeli secara kooperatif ditangani dengan hati-hati oleh pemilik toko. Dapat dihasilkan beberapa pola penjualan dalam penelitian ini dan dimanfaatkan untuk keberlangsungan toko.
IMPLEMENTASI K-MEANS CLUSTERING UNTUK MENGELOMPOKAN TINGKAT PENGANGGURAN Nurjanah, Nurul; Suarna, Nana; Prihartono, Willy
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 2 (2024): JATI Vol. 8 No. 2
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i2.8353

Abstract

Di dalam era digital ini, pertumbuhan data ekonomi dan ketersediaan teknologi informatika memberikan peluang untuk mendekati isu kompleks seperti tingkat pengangguran dengan pendekatan yang lebih canggih, dan provinsi Jawa Barat sebagai pusat ekonomi menjadi fokus penelitian ini. Permasalahan dalam penelitian ini adalah bagaimana cara mengelompokkan tingkat jumlah pengangguran di Jawa Barat menggunakan algoritma clustering K-Means, berapa cluster yang dihasilkan dan berapa nilai titik pusat (centroid) nya. Adapun tujuan dari penelitian ini adalah mengelompokkan lebih detail lagi dalam menganalisis data pengangguran di Provinsi Jawa Barat melalui penerapan algoritma clustering K-Means untuk mengidentifikasi tiap cluster berdasarkan tingkat kabupaten/kota, pendidikan, dan tahun serta menentukan jarak atau titik pusat (centroid). Cara kerja analisis data tingkat pengangguran ini menggunakan tools RapidMiner Studio dengan menggunakan metode penelitian kuantitatif menggunakan algoritma clustering K-Means. Hasil yang diperoleh dari penelitian ini yaitu mengelompokan data tingkat pengangguran di Provinsi Jawa Barat menjadi 3 cluster yaitu cluster 0 dengan kategori pengangguran rendah meliputi kota Banjar, cluster 1 dengan kategori pengangguran sedang meliputi kota/kabupaten Kota/kabupaten Sukabumi, Cianjur, Bandung, Garut Tasikmalaya, Ciamis, Kuningan, Cirebon, Sumedang, Indramayu, Subang, Purwakarta, Karawang, dan Bandung Barat sedangkan pada cluster 2 dengan kategori pengangguran tinggi meliputi kota/kabupaten Bogor, Bekasi, Bandung, dan Depok
KLASIFIKASI KOMPETENSI SISWA DI SMK BASURAGA MENGGUNAKAN ALGORITMA DECISION TREE Musyarofah, Musyarofah; Martanto, Martanto; Hayati, Umi
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.v8i1.8354

Abstract

Penelitian ini difokuskan pada klasifikasi kompetensi siswa dengan metode decision tree di Sekolah Menengah Kejuruan (SMK) Basuraga. Dalam penelitian ini, permasalahan yang diangkat adalah tentang bagaimana mengenali kompetensi siswa dengan menerapkan metode decision tree. Tujuan utama adalah mengidentifikasi kompetensi siswa guna mendukung manajemen data, perancangan program pembelajaran yang lebih terfokus, dan perencanaan kegiatan ekstrakurikuler yang sesuai dengan kebutuhan siswa. Dengan menggunakan algoritma decision tree untuk mengklasifikasikan kompetensi siswa berdasarkan nilai rata-rata per mata pelajaran dari data siswa tahun ajaran 2022-2023, hasil penelitian menunjukkan akurasi sebesar 98,24%. Model ini memiliki presisi prediksi kompeten mencapai 99,30%, presisi prediksi tidak kompeten mencapai 93,10%, dan tingkat keberhasilan model untuk memprediksi siswa kompeten dan tidak kompeten masing-masing sebesar 98,60% dan 96,43%. Dengan demikian, metode klasifikasi decision tree terbukti efektif dalam mengklasifikasikan kompetensi siswa, memberikan dasar bagi pengembangan strategi manajemen pendidikan yang lebih efisien dan terfokus.
PENGGUNAAN ALGORITMA DECISION TREE UNTUK PREDIKSI PRESTASI SISWA DI SEKOLAH DASAR NEGERI 3 BAYALANGU KIDUL Nailil Amani, Najiyah; Martanto, Martanto; Hayati, Umi
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.v8i1.8355

Abstract

Penelitian ini bertujuan mengembangkan model prediksi prestasi belajar siswa di Sekolah Dasar Negeri 3 Bayalangu Kidul menggunakan algoritma Decision Tree. Metodologi melibatkan pengumpulan data prestasi siswa, termasuk nilai akademik dan informasi lainnya, dengan algoritma Decision Tree sebagai metode analisis. Data diperoleh dari siswa yang telah lulus dari sekolah tersebut pada tahun terakhir. Penelitian ini menitikberatkan pada pengelompokan siswa berdasarkan prestasi mereka, dan pendekatannya melibatkan penggunaan algoritma pohon keputusan. Tujuannya adalah untuk mengidentifikasi pola yang dapat merekomendasikan apakah seorang siswa akan lulus atau tidak. Hasil prediksi kenaikan atau kelulusan menunjukkan tingkat presisi 99,01%, sedangkan tingkat presisi untuk prediksi ketidaklulusan mencapai 71,43%. Rincian prediksi mencakup 100 data lulus, hanya 1 data yang tidak lulus tetapi diprediksi lulus, serta 2 data yang diprediksi tidak lulus tetapi kenyataannya lulus, dan 5 data diprediksi tidak lulus. Dengan demikian, tingkat keberhasilan prediksi lulus mencapai 98,04%, sedangkan prediksi ketidaklulusan adalah 83,33%.
ANALISIS TINGKAT KECENDERUNGAN FEAR OF MISSING OUT MENGGUNAKAN ALGORITMA RANDOM FOREST PADA MEDIA SOSIAL Chrisna Basila Rahman, Muhammad; Martanto, Martanto; Hayati, Umi
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.v8i1.8356

Abstract

Media sosial telah menjadi salah satu platform digital yang banyak digunakan saat ini. Fear of Missing Out menjadi salah satu kendala yang sering dialami para pengguna media sosial yang dampaknya cukup buruk. Adapun tujuan dari penilitian ini yaitu untuk menganalisis tingkat kecenderungan FoMO pada media sosial menggunakan teknik data mining. Data survei kuesioner yang telah terkumpul akan digunakan sebagai sumber data. Penelitian ini akan menggunakan metode data mining klasifikasi algoritma Random forest untuk mengklasifikasikan tingkat kecenderungan FoMO pada media sosial. Selanjutnya, dataset dibagi menjadi data latih dan uji menggunakan beberapa skema rasio pembagian data, lalu dilakukan pemodelan dengan menggunakan algoritma Random forest untuk memprediksi tingkat kecenderungan Fomo. Model dievaluasi dengan confusion matrix untuk mengukur performa klasifikasi. Hasil penelitian ini menunjukkan bahwa algoritma Random forest menunjukkan akurasi cukup tinggi yaitu 88,2% pada data uji yang digunakan untuk kalsifikasi dengan 43 True Negative dan 4 False Positive untuk kelas Tidak Fomo, dengan nilai presisi 91,48%, recall 86,00%, dan F1-Score 88,65%. Pada kelas Fomo, model memiliki 40 True Positive dan 7 False Negatif, dengan nilai presisi 90,90%, recall 85,10%, dan F1-Score 87,85%. Analisis keseluruhan menunjukkan bahwa model Random Forest dapat dengan baik mengklasifikasikan tingkat kecenderungan FoMO pada media sosial.
KLASIFIKASI PENERIMA BANTUAN BPNT MENGGUNAKAN ALGORITMA K-NN Syajida, Hanna; Irma Purnamasari, Ade; Suprapti, Tati
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.v8i1.8357

Abstract

Program Keluarga Harapan (PKH) dan Bantuan Pangan Non-Tunai (BPNT) merupakan dua program bantuan sosial yang bertujuan untuk meningkatkan kesejahteraan masyarakat yang berada dalam kondisi ekonomi rendah. PKH fokus pada bantuan tunai bagi keluarga miskin, sementara BPNT memberikan bantuan pangan dalam bentuk non-tunai. Meskipun memiliki tujuan yang sama, yaitu mengentaskan kemiskinan dan memberikan bantuan kepada keluarga yang membutuhkan, seringkali terdapat overlap antara penerima bantuan dari kedua program ini. perlu dilakukan analisis lebih lanjut untuk mengidentifikasi pola-pola dalam data penerima bantuan dan memahami kesamaan karakteristik antara kedua program. Penelitian ini bertujuan untuk melakukan klasifikasi penerima bantuan Program Keluarga Harapan (PKH) dan Bantuan Pangan Non-Tunai (BPNT) menggunakan algoritma K-NN. Klasifikasi ini dilakukan dengan mengelompokkan penerima bantuan berdasarkan kriteria tertentu, seperti pendapatan keluarga, jumlah tanggungan, status rumah tinggal, pekerjaan, dinding rumah, lantai rumah, kendaraan. Penelitian ini menggunakan pendekatan kuantitatif dengan mengumpulkan data kriteria penerima bantuan PKH dan BPNT. Hasil dari penelitian memberikan kontribusi penting dalam meningkatkan akurasi dan efisiensi dalam penentuan penerima manfaat dari program ini di masa mendatang. ini dapat memberikan wawasan yang lebih baik terkait pola distribusi bantuan dan membantu penyelenggara program dalam menentukan kriteria penerima bantuan BPNT. Program ini dapat mencapai tujuan utama penerima bantuan, yaitu mengurangi tingkat kemiskinan dan meningkatkan kesejahteraan masyarakat yang berhak menerima manfaat dari program pemerintah.
IMPLEMENTASI DATA MINING UNTUK MENENTUKAN POLA PENJUALAN PRODUK MENGGUNAKAN ALGORITMA K-MEANS CLUSTERING Pujiono, Slamet; Astuti, Rini; Muhamad Basysyar, Fadhil
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.v8i1.8360

Abstract

Penjualan fashion adalah proses pemasaran dan penjualan produk yang berkaitan dengan bisnis fashion. Bisnis fashion mencakup segala sesuatu yang berhubungan dengan pakaian, aksesoris, dan produk gaya hidup lainnya yang diproduksi dan dijual untuk memenuhi kebutuhan gaya dan penampilan konsumen. Dalam penelitian ini, pihak bersangkutan memilih untuk menjaga kerahasiaan identitasnya dan menggunakan nama samaran merek X. Karena beragamnya produk yang dijual dan tingkat minat konsumen untuk membelinya, mungkin mengalami kesulitan dalam mengisi persediaan produk. Oleh karena itu, dibutuhkan suatu sistem agar dapat membantu membuat keputusan dengan lebih cepat dan akurat. Untuk mengatasi permasalahan ini, analisis dilakukan dengan menerapkan metode Clustering menggunakan Algoritma K-Means. Penelitian ini bertujuan untuk menyelidiki strategi dan metode yang dapat diterapkan dalam pengelolaan stok barang lebih efisien, mengetahui barang-barang yang diminati guna meningkatkan pendapatan, serta menghindari akumulasi stok berlebihan yang dapat menyebabkan kerugian. Dari hasil penelitian ini diketahui nilai terbaik terdapat pada cluster 2 dengan nilai DBI sebesar -0,310 Terdapat 616 item produk yang termasuk dalam kategori paling laris dalam Cluster_0, sementara 8 item produk kurang laris dalam Cluster_1. Hal ini memungkinkan pemangku kepentingan untuk mengambil tindakan yang lebih baik, diantaranya adalah mengefektifkan pengelolaan persediaan, mengamankan produk yang laris, dan memperluas promosi serta memperbaiki produk yang kurang laris.

Page 150 of 384 | Total Record : 3835

 148   149   150   151   152 

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