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
 150   151   152   153   154 
ANALISIS PRODUK TERLARIS DAN PENGUJIAN K-MEANS UNTUK “UMKM CETOM” Fahrizal, Febri; Irawan, Bambang; Bahtiar, Agus
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 3 (2024): JATI Vol. 8 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i3.8379

Abstract

Penelitian ini bertujuan untuk menganalisis produk terlaris pada Usaha Mikro Kecil dan Menengah (UMKM) Cetom menggunakan algoritma K-Means. Data penjualan produk selama satu tahun diambil dari UMKM Cetom dan diolah menggunakan algoritma K-Means untuk mengelompokkan produk berdasarkan tingkat penjualannya. Hasil analisis menunjukkan bahwa produk terlaris pada UMKM Cetom adalah produk A dengan tingkat penjualan tertinggi sebesar 45%. Selain itu, penelitian ini juga menunjukkan bahwa algoritma K-Means dapat digunakan sebagai metode analisis produk terlaris pada UMKM.
ANALISIS SENTIMEN TWITTER TERHADAP CRYPTOCURRENCY MENGGUNAKAN ALGORITMA NAIVE BAYES DAN DECISION TREE Syahrul, Adis; Purnamasari, Ade Irma; 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.v8i2.8381

Abstract

Analisis sentimen terhadap cryptocurrency telah menjadi topik penting dalam riset dan pengembangan di bidang keuangan dan teknologi informasi. Twitter, sebagai platform media sosial yang populer, menjadi sumber data yang berharga untuk memahami sentimen pengguna terhadap cryptocurrency. Penelitian ini bertujuan untuk melakukan analisis sentimen terhadap cryptocurrency berdasarkan data dari Twitter menggunakan algoritma Naive Bayes dan Decision Tree. Metode yang digunakan melibatkan pengumpulan data dari Twitter yang berisi percakapan terkait cryptocurrency. Data tersebut kemudian dibersihkan, diproses, dan dianalisis menggunakan algoritma Naive Bayes dan Decision Tree. Naive Bayes digunakan untuk mengklasifikasikan sentimen menjadi positif, negatif, atau netral berdasarkan fitur-fitur teks dari tweet. Sementara itu, Decision Tree digunakan untuk membangun model prediktif yang dapat mengidentifikasi pola sentiment terhadap cryptocurrency..Hasil penelitian menunjukkan bahwa akurasi Naïve Bayes mencapai 80.222%, sedangkan Decision Tree mencapai 65.03%. Dari hasil ini, dapat disimpulkan bahwa Naïve Bayes lebih baik dalam mengklasifikasikan text mining dengan akurasi tertinggi. Perbandingan antara kedua metode menunjukkan perbedaan akurasi yang tidak signifikan, yaitu untuk Naïve Bayes dengan akurasi 80.22%, Presisi 96.90%, dan Recall 62.54%, serta Decision Tree dengan akurasi 65.03%, Presisi 52.02%, dan Recall 98.94%. Analisis opini publik terhadap cryptocurrency mengungkapkan bahwa masyarakat Indonesia cenderung memberikan tanggapan positif terhadap mata uang digital ini setelah dilakukan penelitian ini.
ANALISIS SENTIMEN PADA APLIKASI KFCKU Di GOOGLE PLAYSTORE MENGGUNAKAN NAÏVE BAYES Sisnawati, Sisnawati; Astuti, Rini; muhamad basysyar, Fadhil
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 3 (2024): JATI Vol. 8 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i3.8382

Abstract

KFC merupakan restoran dengan sistem unit terbesar di Indonesia.KFC memiliki aplikasi yang bernama KFCku aplikasi ini berfungsi untuk memesan makanan secara online atau bisa disebut dengan aplikasi Online Food Delivery system (OFDS) aplikasi ini bertujuan untuk memudahkan konsumen dalam memesan makanan melalui aplikasi dan dapat menjangkau konsumen lebih luas, aplikasi KFCku ini di distribusikan pada google playstore sehingga banyak menghasilkan ulasan dari pengguna.Hasil dari ulasan tersebut memiliki pengaruh bagi penggunaan dan pengembangan pada aplikasi tersebut, namun dengan banyaknya data dan ulasan yang ada sehingga data tersebut tidak bisa di lakukan secara manual. Maka dari itu di perlukan metode untuk melihat kecenderungan pengguna pada aplikasi secara otomatis apakah positif atau negative Pada penelitian ini bertujuan untuk analisis pengguna pada aplikasi KFCku pada Google Playstore, tahapan yang di lakukan dalam penelitian ini adalah menggumpulakan data dari ulasan yang ada di apliksi KFCku sebanyak 500 data baik itu ulasan positif atau negatif. Penelitian ini menggunakan metode text mining yang terdiri dari tahapan, scraping data, labelling, cleaning, preprocessing (transformation, tokenization,filtering) Algoritma yang di gunakan dalam penelitian ini menggunakan algoritma naïve bayes, setelah melakukan proses semuanya hasil dari penelitian analisis sentiment pada aplikasi KFCKU mendapatkan akurasi 83%, untuk ulasan positive, precision mencapai 98%, dan untuk recall 83%. Dari hasil pemprosesan dengan cara klasifikasi dengan menggunakan algoritma naïve bayes bagus dan berjalan dengan baik
FIREWALL FILTERING BERBASIS DEEP PACKET INSPECTION DALAM MENDETEKSI DAN MENCEGAH ANCAMAN MALWARE Syafi’i Bachtiar, Mochammad; Rahaningsih, Nining; Danar Dana, Raditya
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.v8i1.8387

Abstract

Ancaman Malware sudah menjadi masalah serius bagi keamanan sistem komputer bagi suatu organisasi, karena dapat menyebabkan kerugian finansial dan gangguan operasional. Deep Packet Inspection adalah teknologi yang memungkinkan firewall untuk memeriksa konten aktual dari paket data yang akan melewatinya, bukan hanya header paketnya. Teknologi DPI pertama kali diperkenalkan pada tahun 1990-an untuk memfilter konten web. Saat ini, DPI digunakan secara luas oleh firewall tingkat enterprise, Intrusion Prevention System , dan perangkat keamanan jaringan lainnya untuk mendeteksi ancaman yang mungkin tidak terlihat oleh firewall tradisional. Sebagai kontribusi untuk membantu organisasi ataupun individu dari ancaman siber. Penelitian yang digunakan mengusung pendekatan eksperimental yang secara sistematis menguji kinerja Firewall berbasis DPI untuk mendeteksi dan mencegah serangan Malware. Variabel yang mungkin mempengaruhi hasil digunakan untuk mendapatkan kesimpulan sebab akibat yang kuat. Hasil pengujian menunjukkan bahwa menambahkan sistem DPI ke Firewall Fortigate meningkatkan deteksi situs web berbahaya dan membatasi akses sebesar 25%. Namun agar DPI dapat bekerja secara maksimal, ada beberapa faktor yang harus diperhatikan seperti kemungkinan terjadinya gangguan jaringan ataupun trouble pada alat yang digunakan dan perlunya regulasi untuk penerapan DPI di Indonesia. Oleh karena itu, penerapan DPI harus tetap mempertimbangkan standar etika dan kepatuhan terhadap peraturan perundang-undangan yang berlaku.
ALGORITMA DECISION TREE C4.5 DIGUNAKAN UNTUK MENGKLASIFIKASIKAN DATA STROKE Maulana Sidiq, Cecep; Faqih, Ahmad; Dwilestari, Gifthera
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.v8i2.8388

Abstract

Tujuan utama dari penelitian ini adalah untuk menggunakan algoritma pohon keputusan atau Decision Tree C4.5 untuk mengkategorikan data stroke. Upaya penelitian khusus ini dimotivasi oleh masalah mendesak dari tingkat kejadian yang mengkhawatirkan terkait dengan stroke, akibat perlu prediksi yang tepat dari faktor risiko stroke. Dataset yang digunakan untuk penelitian ini diperoleh dari situs web data publik dan platform terkenal www.kaggle.com, yang mencakup total 11 variabel. Metodologi penelitian yang digunakan dalam penyelidikan ini mencakup beberapa langkah integral, termasuk pengumpulan data, pra-pemrosesan data, transformasi data, pemodelan penambangan data dengan algoritma Pohon Keputusan C4.5, dan, terakhir, evaluasi model. Temuan fase evaluasi mengungkapkan tingkat akurasi yang mengesankan 93,64%, dengan nilai presisi 12,50% untuk prediksi stroke positif dan 95,26% untuk prediksi stroke negatif. Namun, penting untuk menyoroti bahwa meskipun tingkat akurasi tinggi dicapai, nilai presisi dan penarikan untuk kasus stroke positif masih relatif rendah, sehingga memerlukan peningkatan dan penyempurnaan model. Secara keseluruhan, analisis komprehensif dan hasil penelitian ini sangat menyiratkan bahwa algoritma Pohon Keputusan C4.5 menunjukkan potensi yang signifikan untuk klasifikasi awal penyakit stroke.
PENERAPAN DATA MINING MENGGUNAKAN ALGORITMA FP-GROWTH PADA DATA PENJUALAN SEMBAKO Syach Putra, Yanuar; Kurniawan, Rudi; Arie Wijaya, Yudhistira
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.v8i1.8391

Abstract

Perkembangan teknologi informasi dan perkembangan bisnis ritel telah menghasilkan data transaksi dalam jumlah besar yang jika dianalisis dengan benar dapat memberikan wawasan berharga bagi toko untuk meningkatkan efisiensi operasional dan meningkatkan kepuasan pelanggan. Perlu diketahui pula, bahwa toko ini belum memiliki acuan ataupun pedoman khusus dalam meningkatkan omzet toko dan penyetokan barang melalui strategi bisnis yang diterapkannya, dengan kata lain perusahaan ini masih mengandalkan perkiraan saja. Oleh sebab itu, penelitian ini dibuat dengan tujuan agar perusahaan toko sembako AA dapat mengetahui tren penjualan. Metode yang digunakan dalam penelitian ini adalah analisis data transaksi penjualan menggunakan Algoritma FP-Growth, menggunakan Tools RapidMiner Versi 10.3. Algoritma FP-Growth adalah teknik pencarian tautan yang kuat dalam penambangan data, yang mampu mengidentifikasikan pola pembelian yang berarti dalam data transaksional. Oleh karena itu, Algoritma FP-Growth sangat dibutuhkan untuk menentukan persediaan barang berdasarkan banyaknya pembelian oleh pelanggan. Hasil yang dicapai dalam penelitian ini menggunakan minimum Frequency = 100 dan minimum Confidence = 60% mendapatkan 6 aturan asosiasi, dan 1 Asosiasi terbaik yaitu jika membeli Daging, Migor maka akan membeli juga Tepung. Oleh karena itu, hasil dari penelitian ini dapat mengoptimalkan operasionalnya, meningkatkan kepuasan pelanggan dan meningkatkan keuntungan perusahaan secara keseluruhan melalui analisis data transaksi penjualan menggunakan algorima FP-Growth.
ANALISIS POLA PENJUALAN OBAT DI APOTEK AN-NAAFI MENGGUNAKAN METODE K-MEANS CLUSTERING Fajar, Miftahul; Rahaningsih, Nining; Danar Dana, Raditya
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.v8i1.8395

Abstract

Apotek An-Naafi mengalami minimnya informasi untuk pengembangan bisnis dan produk karena belum melakukan pengelompokan data penjualan obat berdasarkan perilaku konsumen. Ini menghambat analisis peluang pengembangan produk, layanan, dan strategi pemasaran yang tepat. Oleh karena itu, perlu melakukan pengelompokan data penjualan obat berdasarkan perilaku konsumen untuk mendukung pengembangan bisnis di Apotek An-Naafi. Penelitian ini menerapkan metode K-Means untuk menganalisis data penjualan obat di Apotek An-Naafi. Data obat dikelompokkan berdasarkan tingkat penjualan (rendah dan tinggi) untuk mengidentifikasi pola dan tren penjualan guna memberikan wawasan penting bagi apotek. Data penjualan melibatkan informasi seperti nama obat, penjualan, pendapatan dan laba. Analisis dimulai dengan preprocessing data, termasuk penanganan data yang hilang dan kategorisasi obat berdasarkan tingkat pemakaian. Metode K-Means diterapkan dengan inisialisasi cluster yang sesuai, membentuk 2 cluster utama mencerminkan tingkat penjualan: rendah dan tinggi. Setiap cluster menunjukkan karakteristik penjualan obat yang berbeda, memberikan wawasan tentang preferensi pelanggan dan potensi peningkatan penjualan. Hasil ini mendalam tentang tren penjualan obat, termasuk obat yang perlu perhatian lebih, peningkatan signifikan, atau penurunan dalam kategori tertentu. Diskusi hasil penelitian melibatkan rekomendasi untuk meningkatkan strategi penjualan obat di Apotek An-Naafi. Penerapan K-Means berhasil membentuk cluster, memberikan wawasan berharga untuk meningkatkan efisiensi dalam industri farmasi. Penggunaan Euclidean distance memengaruhi pembentukan hasil cluster, dengan cluster 1 menonjol dalam penjualan dan pendapatan tinggi, sedangkan cluster 0 lebih beragam. Cluster 0 mencakup 381 hasil penjualan dengan pendapatan sebesar Rp. 668.767, yang tergolong rendah. Sementara itu, cluster 1 menunjukkan hasil unggul dengan 521 penjualan dan pendapatan sebesar Rp. 3.353.880, yang dikategorikan sebagai tinggi.
ANALISIS KLASTERISASI WILAYAH PENYANDANG DISABILITAS DI PROVINSI JAWA BARAT Azizah, Maulidina; Rahaningsih, Nining; Danar Dana, Raditya
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.v8i1.8398

Abstract

Penelitian ini menggunakan algoritma K-Means untuk mengklasterisasi beberapa wilayah di Provinsi Jawa Barat berdasarkan jumlah penduduk penyandang disabilitas. Data yang digunakan berasal dari Dinas Kependudukan dan Pencatatan Sipil Provinsi Jawa Barat, yang mencakup berbagai jenis disabilitas seperti cacat fisik, netra atau buta, rungu atau berbicara, mental atau jiwa, fisik, atau mental. Selain itu, penelitian ini menggunakan program RapidMiner untuk melakukan analisis data yang efektif. Hasil klasterisasi menghasilkan tiga klaster yang dianggap penting. Klaster 0 fokus pada Kabupaten Ciamis, Klaster 1 fokus pada Kota Bandung, dan Klaster 2 fokus pada Kabupaten Pangandaran. Klasterisasi ini dianggap ideal dengan nilai Davies-Bouldin Index (DBI) sebesar 0.214. Diharapkan hasil penelitian ini akan berkontribusi pada pembuatan kebijakan yang lebih sesuai dan efektif untuk masyarakat penyandang disabilitas di Provinsi Jawa Barat.
IMPLEMENTASI DATA MINING UNTUK PREDIKSI PRODUKSI BAWANG MERAH DI KABUPATEN BREBES Suyono, Suyono; Astuti, Rini; M. 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.v8i1.8399

Abstract

Kabupaten Brebes merupakan lokasi utama di Indonesia yang menghasilkan bawang merah dalam jumlah besar. Bawang merah Brebes memiliki ciri bentuk lebih kering dan tahan busuk serta rasanya lebih pedas daripada bawang dari daerah lain menjadikan keunggulan bawang merah dari Brebes ini. Dinas Pertanian dan Ketahanan Pangan (DPKP) Kabupaten Brebes menyebutkan bahwa luas panen pada tahun 2022 mencapai 32,571 ha dengan jumlah total produksi mencapai 384,448 ton. Ketidakpastian hasil produksi bawang merah membuat harga bawang merah mejadi tidak stabil dan cenderung melonjak. Oleh karena itu, dengan memprediksi hasil produksi bawang merah akan membantu petani dalam melakukan manajemen pertanian bawang merah. Dalam penelitian ini, akan di terapkan metode regresi linier, dimana metode ini dapat menguji suatu hubungan dari variable yang satu dengan variable yang lain, dan memprediksi guna keperluan di bidang pertanian, sumber data yang digunakan berasal dari dataset Dinas Pertanian dan Ketahanan Pangan (DPKP) Kabupaten Brebes. Kemudian, membagi dua data menjadi data training sebesar 80% dan 20% untuk data testing, menghasilkan hasil prediksi jumlah produksi bawang merah pada tahun 2024 sebanyak 3.962.376 Kuintal, mengalami kenaikan daripada tahun 2022. Dengan nilai Mean Absolute Error (MAE) sebesar : 30116.24, Mean Squared Error (MSE) : 2989724823.94, Root Mean Squared Error (RMSE) : 54678.38 serta nilai R2-Score : 0.948.
CLUSTERING DATA PENJUALAN PRODUK KESEHATAN MENGGUNAKAN ALGORITMA K-MEANS DI PT. CITRA TEKNIK MEDICA: STUDI KASUS: PT. CITRA TEKNIK MEDICA Mubarok, Husni; Irawan, Bambang; Suprapti, Tati
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.v8i2.8400

Abstract

Penawaran produk kesehatan merupakan bagian penting dari industri kesehatan yang terus berkembang seiring meningkatnya kesadaran masyarakat akan layanan medis. PT. Citra Teknik Medica sebagai salah satu pemain utama berperan dalam menyediakan berbagai produk dan jasa untuk mendukung fasilitas kesehatan di Indonesia. Dengan permintaan yang terus meningkat dari konsumen, penting bagi PT. Citra Teknik Medica untuk mengidentifikasi produk-produk yang paling diminati untuk mengoptimalkan strategi penjualan dan pengelolaan stok barang. Penelitian ini bertujuan untuk melakukan analisis terhadap data penjualan produk kesehatan yang paling diminati di PT. Citra Teknik Medica menggunakan Algoritma K-Means Clustering. Metode penelitian mengikuti proses Knowledge Discovery in Databases (KDD), meliputi seleksi data, preprocessing, transformasi data, penerapan Algoritma K-Means Clustering, dan evaluasi hasil menggunakan Davies Bouldin Index (DBI). Data yang digunakan adalah data penjualan produk kesehatan tahun 2018-2022 yang diperoleh dari PT. Citra Teknik Medica. Dari percobaan dengan variasi jumlah cluster (K) dari 2 hingga 7, ditemukan bahwa nilai Davies Bouldin Index (DBI) teroptimal dimiliki oleh cluster 4 (K=4) dengan nilai DBI 1.566.714.125.739.650.000 yang paling mendekati 0, menunjukkan pengelompokan produk kesehatan terbaik berdasarkan kuantitas penjualan dengan menggunakan 4 cluster.

Page 152 of 384 | Total Record : 3835

 150   151   152   153   154 

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