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
 159   160   161   162   163 
PENERAPAN METODE NAIVE BAYES PADA ANALISIS SENTIMEN APLIKASI MCDONALDS DI GOOGLE PLAY STORE Fathwa Daud, Dhyya' Rohannisa; Irawan, Bambang; Bahtiar, Agus
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.v8i1.8784

Abstract

Penelitian ini menitikberatkan pada implementasi metode Naive Bayes dalam menganalisis sentimen terhadap aplikasi McDonald's di Google Play Store dengan menggunakan ulasan pengguna sebagai sumber data. Proses analisis melibatkan langkah-langkah preprocessing, seperti tokenisasi, eliminasi stopwords, dan vektorisasi menggunakan metode Term Frequency-Inverse Document Frequency (TF-IDF). Dengan model Naive Bayes, penelitian mencapai tingkat akurasi 88%, menunjukkan keahlian model dalam mengklasifikasikan ulasan ke dalam kategori sentimen positif, negatif, atau netral dengan tingkat presisi yang tinggi. Hasil temuan menyoroti keunggulan model dalam mengidentifikasi ulasan ber sentimen negatif, dengan tingkat kepresisian 90%, recall 95%, dan nilai F1-score 93%. Namun, terdapat penurunan kinerja dalam mengklasifikasikan sentimen positif, dengan tingkat kepresisian 77%, recall 61%, dan nilai F1-score 68%. Temuan penelitian ini memberikan wawasan mendalam mengenai persepsi pengguna terhadap aplikasi McDonald's, menjadi dasar bagi pengembang untuk meningkatkan kualitas layanan berdasarkan umpan balik pengguna yang lebih akurat. Dengan akurasi tinggi, penelitian ini berpotensi mendukung pengambilan keputusan berbasis umpan balik pengguna, memungkinkan perbaikan yang lebih cermat dan efektif dalam pengembangan aplikasi berbasis sentimen. Keseluruhan, penelitian ini memberikan pemahaman mendalam mengenai respons pengguna terhadap aplikasi kuliner di era kemajuan digital, dan metodologi yang digunakan dapat diaplikasikan dalam penelitian analisis sentimen pada berbagai sektor industri di era digital, di mana aplikasi telah menjadi platform utama dalam sektor penjualan, khususnya di bidang makanan.
RANCANG BANGUN SISTEM PEMANTAUAN DAN PENGATURAN JARAK JAUH PADA FERTIGASI TETES BERBASIS INTERNET OF THINGS Gemilang, Angga; Widhiyasana, Yudi; Hakim Firdaus, Lukmannul
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.v8i1.8786

Abstract

Seiring berjalannya waktu, teknologi Internet of Things (IoT) berkembang pesat dan diterapkan dalam berbagai bidang, termasuk pertanian untuk mengotomatisasi kegiatan irigasi dan fertilisasi. Hasil survei dan literatur menunjukkan masih banyaknya penggunaan metode manual, berpotensi mengakibatkan ketidakakuratan dosis dan keterbatasan dalam menghadapi anomali. Contohnya seperti ketika kadar air dalam tanah lebih cepat habis pada malam hari atau kadar air yang sudah tercukupi karena terjangan hujan. Oleh karena itu, dikembangkan sistem fertigasi otomatis berbasis IoT dengan metode tetes untuk meningkatkan ketepatan dosis, penanganan anomali, dan memungkinkan pengaturan dinamis. Sistem ini juga memungkinkan pemantauan real-time, menampilkan notifikasi pada kondisi gangguan tertentu, serta kemampuan menjalankan irigasi dan fertilisasi secara terpisah. Pada bagian hardware, alat ini terbagi menjadi dua perangkat, yaitu perangkat pemantau dan utama. Sedangkan pada bagian software dikembangkan dengan menerapkan metodologi SDLC waterfall menggunakan Kotlin dan C sebagai bahasa pemrogramannya. Untuk media penyimpanan dan pentransmisian datanya sistem ini menggunakan Firebase. Cabai rawit merah digunakan sebagai sample pengujian, yaitu tanaman yang memiliki nilai ekonomis tinggi, sejalan dengan diperlukannya biaya pengembangan sistem awal yang tinggi.
PENERAPAN DATA MINING CLUSTERING MENGGUNAKAN METODE K-MEANS PADA DATA TINDAK KRIMINALITAS DI POLRES KABUPATEN KUNINGAN Stedila, Stedila; Astuti, Rini; M Basysyar, Fadhil
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.v8i2.8790

Abstract

Dengan meningkatnya tingkat tindak kriminalitas di Kabupaten Kuningan tentunya data yang akan disimpan akan terus bertambah. Menurut Polres Kabupaten Kuningan jumlah kasus tindak kejahatan yang terjadi di Kabupaten Kuningan pada 3 Tahun terakhir mencapai 800 kasus. Salah satu upaya untuk menanggulangi kejahatan dengan mengetahui pola dan karakteristik dari tindak kejahatan yang terjadi, dengan mengetahui pola dan karakteristik dari tindak kejahatan maka dapat diidentifikasi fakto-faktor yang menyebabkan terjadinya tindak kejahatan. Oleh karena itu, untuk mengelompokan data tindak kejahatan yang terjadi di masyarakat akan memanfaatkan Dara Mining menggunakan metode K-Means Clustering dengan Tools RapidMiner versi 10.3. Nilai Davies Bouldin Index yang dihasilkan dari algoritma k-means ini sebesar 3.323. Pengelompokan data tindak kejahatan ini dapat digunakan oleh Polres Kabupaten Kuningan untuk menentukan pola dan karakteristik dari tindakan kejahatan yang terjadi.
ALAT PEMBERIAN PAKAN GLOWFISH PADA AQUARIUM BERBASIS MIKROKONTROLER : IOT SMART FEED IKAN GLOWFISH MENGGUNAKAN MIKROKONTROLER Rizki Rinaldi, Ade; Maulana, Rendi; Fathurrohman, Fathurrohman; Rohmat, Cep Lukman
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.v8i1.8791

Abstract

Pemeliharaan ikan hias dalam aquarium merupakan kegiatan yang diminati oleh berbagai kalangan masyarakat di Indonesia. Namun, pemeliharaan ikan dalam aquarium tidak dapat dilakukan secara sembarangan. Ada banyak aspek yang harus diperhatikan, salah satunya adalah pemberian makan. Banyak pemelihara ikan yang sering lupa memberikan makanan pada ikan-ikan mereka. Untuk mempermudah pemberian pakan ikan, pemilik ikan harus menyediakan alat pemberi pakan otomatis. Penelitian ini bertujuan untuk membuat alat pemberi pakan ikan otomatis di aquarium dengan menggunakan Arduino Uno, Motor Servo, Sensor Waktu RTC, Kabel Jumper, dan Lcd. Alat ini dapat memudahkan pemeliharaan ikan hias yang populer di Indonesia, khususnya dalam hal pemberian pakan yang tepat sesuai dengan waktu yang ditentukan. Metode penelitian ini meliputi observasi dan wawancara langsung. Hasil penelitian menunjukkan bahwa alat berfungsi dengan baik sesuai dengan perencanaan.
KLASIFIKASI KANKER PAYUDARA MENGGUNAKAN EXTRA TREE DENGAN SMOTE Handayani, Kartika; Erni, Erni; Lailiah, Badariatul; Sa'adah, Rabiatus
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.v7i6.8797

Abstract

Kanker payudara merupakan jenis kanker yang seringkali didiagnosis pada wanita. Di Indonesia, kanker payudara merupakan jenis kanker dengan tingkat kejadian tertinggi yang menempati peringkat kedua setelah kanker serviks. Mengidentifikasi kanker payudara pada tahap awal sangat krusial untuk mencegah perkembangan yang cepat, selain dari perkembangan metode pencegahan. Metode pembelajaran mesin (ML) dapat digunakan untuk mengindentifikasi kanker payudara. Dalam kasus klasifikasi kanker payudara, mayoritas data yang digunakan mengalami permasalahan data ketidakseimbangan kelas antara kanker payudara dan non-kanker payudara. Untuk mengatasi permasalahan ini digunakan teknik Synthetic Minority Over-sampling Technique (SMOTE) dengan algoritma extra tree. Extra Tree dipilih karena kemampuannya dalam menangani kasus-kasus kompleks dan tingkat akurasi yang tinggi. Hasil eksperimen menunjukkan keberhasilan metode Extra Tree dengan SMOTE, dengan tingkat akurasi mencapai 96.71%, Recall sebesar 95.29%, Precision sebesar 96.13%, F1 Score sebesar 95.61%, dan Area Under the Curve (AUC) sebesar 99.46%. Temuan ini mengindikasikan bahwa penggunaan metode ini memberikan kontribusi positif dalam meningkatkan kemampuan klasifikasi kanker payudara, yang dapat berpotensi meningkatkan keberhasilan deteksi dini dan pengelolaan penyakit ini dalam praktik klinis.
ANALISIS SENTIMEN TERHADAP OPINI PATRIARKI MENGGUNAKAN METODE NAÏVE BAYES Kurmasih, Masih; Rahaningsih, Nining; Danar Dana, Raditya; Dienwati Nuris, Nisa
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.v8i3.8798

Abstract

Dalam era digital saat ini, media sosial telah menjadi saluran utama di mana opini masyarakat disuarakan. Salah satu isu yang menjadi sorotan dalam ranah sosial adalah masalah patriarki, yaitu sistem sosial yang memberikan dominasi dan kontrol yang lebih besar kepada laki-laki dalam berbagai aspek kehidupan masyarakat. Patriarki menciptakan hierarki gender di mana pria mendominasi dan memiliki kendali atas keputusan dan sumber daya. Pandangan dan opini terkait patriarki sering kali menjadi subjek diskusi yang hangat dan kontroversial dalam berbagai komunitas online. Tujuan penelitian ini dilakukan dengan berfokus melihat sentiment publik berdasarkan opini-opini yang beredar di sosial media. Dengan menggunakan metode Naïve Bayes yang telah terbukti berhasil dalam analisis sentiment. Metode ini dapat digunakan untuk mengkategorikan opini masyarakat menjadi positif (mendukung patriarki), negatif (menentang patriarki). Oleh karena itu, penelitian ini memilih metode Naïve Bayes sebagai pendekatan analisis sentimen terhadap opini patriarki karena kemampuannya yang terbukti dalam menganalisis teks dengan konteks sosial yang kompleks. Data yang diperoleh untuk menganalisis sentiment terhadap opini patriarki terdapat sebanyak 200 data yang telah dikategorikan kedalam kategori positif dan negative kemudian diolah menggunakan Algoritma Naïve Baye. Hasil dari pengujian algoritma Naïve Bayes ini menghasilkan bahwa nilai akurasi diperoleh sebesar 92.50%, nilai presisi diperoleh sebesar 0.0%, sementara nilai recall untuk opini positif diperoleh sebesar 0,0%, dan untuk opini negative diperoleh sebesar 100%. Maka dapat dikatakan dari hasil pengujian algoritma Naïve Bayes untuk analisis sentimen ini memiliki performa yang baik.
PERBANDINGAN KINERJA KERNEL LINEAR DAN RBF SUPPORT VECTOR MACHINE UNTUK ANALISIS SENTIMEN ULASAN PENGGUNA KAI ACCESS PADA GOOGLE PLAY STORE Rizqi Mar'atus Sholiihah, Eka; Susrama Mas Diyasa, I Gede; Yulia Puspaningrum, Eva
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.v8i1.8800

Abstract

Aplikasi KAI Access, yang merupakan platform pembelian tiket online milik PT Kereta Api Indonesia (Persero), dapat diunduh melalui berbagai platform seperti Google Play Store. Ulasan pengguna aplikasi KAI Access di Google Play Store akan membentuk persepsi pengguna terkait aplikasi. Untuk memahami ulasan atau mendeteksi sentimen yang diberikan pengguna terhadap aplikasi, penting dilakukan suatu teknik pengolahan data yang disebut sebagai teknik analisis sentimen. Analisis sentimen dengan menggunakan algoritma support vector machine (SVM), diterapkan pada ulasan KAI Access di Google Play Store dalam penelitian ini. Tujuan dari penelitian ini adalah mengukur performa algoritma SVM dengan kernel linear dan kernel RBF dalam mengklasifikasikan sentimen menjadi dua kelas, yaitu positif dan negatif. Sebanyak 10.000 data ulasan aplikasi KAI Access di Google Play Store digunakan dalam penelitian ini. Hasil pengujian menunjukkan bahwa SVM Kernel Linear mampu menghasilkan model analisis sentimen dengan akurasi tertinggi sebesar 83,1%, sementara SVM Kernel RBF mampu mencapai akurasi tertinggi sebesar 86,1%.
CLUSTERING PENDUDUK MISKIN UNTUK PENERIMA BANTUAN SOSIAL MENGGUNAKAN ALGORITMA K-MEANS: STUDI KASUS: DESA GREGED Subur, Muhamad; 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.v8i1.8809

Abstract

Penyaluran bantuan sosial merupakan strategi vital yang diterapkan oleh pemerintah dan organisasi kemanusiaan untuk memberikan dukungan finansial atau materi kepada individu atau kelompok yang memerlukan. Salah satu kesulitan yang terkadang dihadapi Pemerintah dalam proses penanganan kemiskinan adalah proses pembagian bantuan sosial yang tidak merata dan tidak tepat sasaran. Ini disebabkan karena validasi data sering diabaikan sehingga sering menimbulkan data yang tidak akurat. Tujuan dari penelitian ini penulis mencoba untuk menerapkan Teknik clustering dengan menggunakan algoritma K-Means sebagai metode penyelesaian dalam mengelompokkan data penduduk di Desa Greged yang memang dikatakan tergolong penduduk yang berhak menerima bantuan sosial. . Evaluasi dilakukan di software rapidminer dengan operator cluster distance performance dengan hasil 10 percobaan dengan menggunakan algoritma K-Means Clustering menunjukkan bahwa nilai K yang Paling optimal adalah K=10. Nilai DBI untuk K=10 adalah 0,049, yang menunjukan bahwa cluster-cluster penerima bantuan sosial memiliki tingkat kekompakan yang tinggi dan tingkat kesenjangan antar cluster yang rendah. Hal ini mengindikasikan bahwa penerima bantuan sosial di Desa Greged dapat di kelompokkan menjadi 10 cluster yang berbeda berdasarkan karakteristik demografis, ekonomi, dan sosial mereka.
PENERAPAN ALGORITMA C4.5 TERHADAP KLASIFIKASI KEPUASAN PENUMPANG PADA MASKAPAI PENERBANGAN Alia Cahyani, Cica; Dwilestari, Gifthera; Dienwati Nuris, Nisa
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.v8i1.8815

Abstract

Saat ini transportasi udara telah menjadi bagian penting dalam kehidupan manusia. Semakin tingginya perkembangan moda transportasi udara, maka semakin meningkatnya minat masyarakat dalam menggunakan transportasi ini sebagai salah satu pilihan untuk bepergian. Manajemen perusahaan harus memiliki sistem dalam melakukan pemantauan untuk menjaga pelayanan yang baik bagi penumpang, indikator pelayanan yang baik dapat dilihat dari tingkat kepuasan penumpang yang akan menjadi acuan dalam melakukan pelayanan yang prima, maka penelitian ini bertujuan untuk menganalisis kepuasan pada penumpang maskapai penebangan dengan menggunakan algoritma C4.5. Metode ini digunakan untuk mengidentifikasi faktor-faktor yang paling berpengaruh terhadap tingkat kepuasan pelanggan. Performa model machine learning klasifikasi dianalisis berdasarkan hasil nilai akurasi. Setelah dilakukan pengujian diperoleh performa yang cukup baik menggunakan algoritma C4.5 dimana diperoleh nilai akurasi sebesar 88.52% dan didapat pengetahuan berupa pohon keputusan bahwa terdapat beberapa faktor yang mempengaruhi kepuasan penumpang diantaranya, online boarding, type of travel, inflight entertainment, inflight wifi service.
PREDIKSI HASIL PRODUKSI JAGUNG DI JAWA BARAT DENGAN METODE ALGORITMA REGRESI LINEAR MENGGUNAKAN GOOGLE COLLAB Maulana, Guruh; 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.v8i1.8816

Abstract

Jagung merupakan makanan pokok penting di Indonesia karena mempunyai sumber karbohidrat terbesar kedua setelah nasi. Jagung memiliki sumber karbohidrat yang penting bagi Sumber Daya manusia karena jagung memiliki kandungan tinggi lemak dan kalori dari pada nasi serta dapat berperan penting untuk pencegahan penyakit. Sebagai permasalahan penelitian ini, terdapat tantangan terkait dengan permintaan produksi Jagung di Jawa Barat yang cukup signifikan. Akibat dari pertumbuhan penduduk yang terus meningkat namun produksi jagung sendiri masih rendah, menyebabkan ketimpangan dalam pemenuhan kebutuhan produksi jagung di Jawa Barat. Seiring dengan berjalannya waktu, pertumbuhan penduduk di Jawa Barat semakin meningkat dan produksi jagung mengalami perubahan setiap tahunnya, maka diperlukan suatu metode untuk mengetahui apakah produksi jagung akan menurun atau meningkat. Selain itu, beberapa faktor yang mempengaruhi peran penting terhadap peningkatan atau penurunan produksi jagung yaitu produktivitas jagung, luas panen, dan luas areal tanaman yang di mana beberapa faktor tersebut tidak dapat diprediksi. Dalam mengatasi permasalahan ini, peneliti akan menggunakan metode Algoritma Regresi Linear untuk memprediksi hasil produksi jagung. Penelitian ini bertujuan untuk mengatasi permasalahan permintaan produksi jagung ke depannya. Berdasarkan hasil yang peneliti lakukan dengan metode algoritma linear regresi hasil produksi jagung sebanyak 2.056.890 ton dengan nilai MAE: 5741.21, MSE: 124802556, RMSE: 124802556.11, dan Performance: 0.991046 (99.10%) dan hasil persamaan regresi linear yaitu Y = -2753.018316202004 * x + [7.72294428].

Page 161 of 384 | Total Record : 3835

 159   160   161   162   163 

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