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
 167   168   169   170   171 
CLUSTERING JENIS SUMBER AIR DI PROVINSI JAWA BARAT MENGGUNAKAN ALORITMA K-MEDOIDS Apriliyani, Ela; Nurhakim, Bani; Eka Permana, Sandy; Dwilestari, Gifthera; Mulyawan, Mulyawan
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.v8i2.8982

Abstract

Air sangat penting bagi seluruh makhluk hidup di Bumi karena merupakan kebutuhan dasar yang harus dipenuhi dan dikonsumsi. Sumber air merupakan fondasi ekosistem dan keanekaragaman hayati. Terbatasnya ketersediaan air menunjukkan pentingnya melindungi dan mengelola penggunaannya secara bijaksana. Perubahan iklim dapat mempengaruhi siklus air di bumi. Dengan data sumber air yang di keluarkan dalam periode 1 tahun sekali oleh Dinas Pemberdayaan Masyarakat Tujuan penelitian ini adalah mengelompokkan jenis sumber air dengan metode K-Medoids dan menganalisis hasilnya dengan implementasinya menggunakan RapidMiner. Penelitian ini menghasilkan sebanyak 3 cluster, pada masing-masing cluster memiliki anggota yang berbeda. Cluster 0 memiliki 200 item, cluster 1 memiliki 96 items, dan cluster 2 memiliki 160 items yang, dengan total dari ketiga cluster tersebut sebanyak 456 items.
PENERAPAN ALGORITMA K-MEANS CLUSTERING UNTUK PENGELOMPOKAN DATA PENJUALAN PAKAIAN: STUDI KASUS : UMKM LIMA MEDIA KUNINGAN Wahyunisari, Nina; Kurniawan, Rudi
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.v8i2.8985

Abstract

ABSTRAK Kabupaten Kuningan yang terletak di Jawa Barat merupakan salah satu kota yang memiliki jumlah UMKM yang terus meningkat setiap tahunnya. UMKM Lima Media merupakan UMKM yang menyediakan pakaian dalam dari berbagai brand di online shop. UMKM Lima Media masih mengalami kesulitan dalam menentukan pakaian dalam mana yang laku dan kurang laku. Sehingga persediaan stok terlalu banyak dapat mengakibatkan minimnya keuntungan, persediaan stok terlalu sedikit dapat menyebabkan toko kehabisan stok. Tujuan utama dari penelitian ini yaitu mengelompokan data penjualan pakaian dalam sehingga dapat digunakan untuk analisis lebih lanjut, seperti persediaan untuk periode selanjutnya. Metode yang digunakan yaitu data mining menggunakan algoritma K-Means Clustering untuk mengelompokkan data kedalam beberapa kelompok sehingga dapat mengetahui pakaian dalam mana yang banyak diminati oleh customer pada aplikasi Rapidminer versi 10.3. Hasil dari pengelompokan data penjualan pakaian, diperoleh pengelompokan 3 Cluster, yaitu Cluster 0 dengan jumlah 48 items, Cluster 1 dengan jumlah 120 items, dan Cluster 2 dengan jumlah 72 items. Selain itu, nilai Davies Bouldin Index yang didapat sebesar 0.271.
ANALISIS SENTIMEN TERHADAP OPINI MASYARAKAT TERKAIT PERUBAHAN CUACA DI INDONESIA MENGGUNAKAN ALGORITMA SUPPORT VECTOR MACHINE Yosef Kolo, Severianus; Supatman, Supatman
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.v8i2.8988

Abstract

Perubahan cuaca merupakan berubahnya kondisi atmosfer yang dipengaruhi oleh angin, badai, hingga gerakan udara yang konstan. Perubahan cuaca juga mempunyai dampak yang besar ke kehidupan manusia dalam berbagai sektor kehidupan. Dalam tulisan ini, pemahaman mengenai sentimen masyarakat terkait perubahan cuaca menjadi hal yang penting. Penelitian ini difokuskan pada analisis sentiment terkait opini masyarakat terhadap perubahan cuaca dengan memanfaatkan data dari platform Twitter. Data dikumpulkan menggunakan bahasa pemrograman Python pada aplikasi web Google Colab dengan menggunakan API Key Twitter. Metode klasifikasi yaitu menggunakan algoritma Support Vector Machine digunakan untuk mengklasifikasikan data. Evaluasi model menunjukkan tingkat accuracy sebesar 70%, dengan kinerja yang lebih unggul dalam mengidentifikasi sentimen positif, mencapai precision 39%, recall 39%, dan f1-score 37%. Penelitian ini menggambarkan proses lengkap dari hasil pengumpulan data hingga klasifikasi sentimen menggunakan algoritma SVM. Penelitian ini menunjukan bahwa model akan lebih baik dalam mengidentifikasi sentimen negatif dengan tingkat keakuratan yang cukup baik.
ANALISIS PENGARUH POLA PENJUALAN DENGAN MENGGUNAKAN FREQUENT PATTERN GROWTH DI TOKO AZZAHRA SNACK Alkatiri, Nazwa; 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.v8i2.8990

Abstract

Dalam bisnis yang berkembang pesat, peran teknologi informasi sangat penting. Analisis belanja keranjang pasar (Market Basket Analysis) menggunakan algoritma FP-Growth telah menjadi metode yang relevan untuk memahami pola transaksi penjualan. Penelitian ini bertujuan menganalisis pola transaksi di Toko Azzahra Snack dengan menerapkan algoritma FP-Growth. Data Mining dengan algoritma FP-Growth digunakan untuk menemukan pola kombinasi hubungan antar item-set melalui Association Rules. Hasil analisis dapat membimbing manajemen stok produk yang kurang diminati, melalui tahapan Knowledge Discovery in Database (KDD) yang melibatkan Data Selection, Data Cleaning, Transformation Data, Data Mining, dan Interpretation atau Evaluation. Eksperimen pertama mengungkapkan empat item makanan paling sering dibeli oleh pelanggan: Lemper, Dimsum, Combro, dan Donat. Eksperimen kedua menunjukkan lima item makanan yang sering dibeli, termasuk Putu Ayu. Rules Support (X,Y) menunjukkan Support dan Confidence tertinggi untuk masing-masing item, memberikan wawasan untuk mengoptimalkan penjualan pada makanan yang diminati pelanggan. Berdasarkan hasil eksperimen, Association Rules pada 4 item makanan pertama dan 5 item makanan kedua dapat mengoptimalkan penjualan pada produk yang sering dibeli pelanggan, dengan Support dan Confidence tertinggi untuk setiap item.
ANALISIS PERTUMBUHAN DAN PERKEMBANGAN ANAK DI WILAYAH PEDESAAN MENGGUNAKAN ALGORTIMA K-MEANS Rahmawati, Dewi; 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.v8i3.8991

Abstract

Pertumbuhan dan perkembangan anak-anak balita di wilayah pedesaan memiliki peran krusial dalam pemantauan kesehatan anak. Penelitian ini menggunakan metode eksploratif kuantitatif untuk menganalisis karakteristik pertumbuhan dan perkembangan anak-anak balita (usia 0-5 tahun) di pedesaan, dengan memperhatikan representativitas sampel dari berbagai kelompok usia dan latar belakang sosioekonomi. Data dikumpulkan melalui survei langsung, wawancara dengan orang tua atau wali, pengukuran fisik, dan pemeriksaan medis ringan. Tujuan utama penelitian ini adalah untuk memberikan pemahaman yang lebih mendalam mengenai pola pertumbuhan anak-anak balita di pedesaan menggunakan algoritma K-Means, yang menghasilkan tiga klaster pola pertumbuhan. Temuan ini memberikan wawasan penting tentang variasi pertumbuhan anak di pedesaan dan menyoroti kebutuhan akan intervensi kesehatan yang disesuaikan dengan konteks lokal. Hasil analisis menunjukkan perbedaan signifikan dalam pertumbuhan antar daerah, dan melalui penerapan algoritma, cluster optimal ditemukan pada k=2 dengan nilai Davies Bouldin Indeks -0,662. Penelitian ini diharapkan dapat membantu pemangku kepentingan dalam pengambilan keputusan strategis untuk mendukung perkembangan dan pertumbuhan anak-anak balita di masa mendatang, serta memberikan kontribusi positif terhadap pemberdayaan kesehatan anak-anak dan peningkatan kualitas hidup mereka di lingkungan pedesaan
RANCANG BANGUN VIRTUAL REALITY MENGGUNAKAN UNREAL ENGINE SEBAGAI SARANA PELATIHAN PEMELIHARAAN ALAT BERAT DENGAN METODE GAME DEVELOPMENT LIFE CYCLE Hasna Aqilla, Mutiara; Voutama, Apriade
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.v8i2.8992

Abstract

Alat berat konstruksi seperti truk, bulldozer, dan sejenisnya memainkan peran yang vital dalam industri konstruksi. Alat-alat ini memiliki fungsi untuk mempercepat proses konstruksi, memindahkan material, dan membangun infrastruktur. Penggunaan yang efektif dan efisien dari alat berat konstruksi dapat meningkatkan produktivitas dan mengurangi waktu yang dibutuhkan dalam proyek konstruksi. Namun, karena kompleksitas dan ukuran yang besar dari alat-alat ini, perawatan dan perbaikan menjadi sangat penting. Ketidakmampuan dalam merawat dan memperbaiki alat berat konstruksi dapat mengakibatkan penurunan kinerja, kerusakan yang lebih parah, dan bahkan kecelakaan yang berbahaya. Oleh karena itu, adanya kepentingan untuk mengembangkan pelatihan yang efektif dalam keterampilan teknis untuk merawat dan memperbaiki alat berat konstruksi. Penelitian ini terkait dengan pengembangan aplikasi simulasi perbaikan alat berat menggunakan teknologi Virtual Reality (VR) dengan memanfaatkan Unreal Engine 5. Prototipe aplikasi ini diharapkan dapat menjadi proses awal dalam mengintegrasikan pelatihan alternative dengan menggunakan teknologi VR. Demikian, penelitian ini menyajikan hasil penelitian mengenai penggunaan simulasi, VR, dan Unreal Engine 5 dalam meningkatkan keterampilan teknis dalam merawat dan memperbaiki alat berat konstruksi untuk pekerja pada industry tersebut.
PENERAPAN ALGORITMA K-MEANS CLUSTERING DALAM PENGELOMPOKAN DATA PENJUALAN SUPERMARKET BERDASARKAN CABANG (BRANCH) Alvianatinova, Via; Ali, Irfan; Rahaningsih, Nining; Bahtiar, Agus
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.v8i2.8993

Abstract

Penjualan ritel, terutama dalam konteks supermarket, merupakan aspek krusial dalam operasional bisnis yang memerlukan pengelolaan data yang efisien. Penelitian ini dilakukan untuk mengeksplorasi implementasi algoritma K-Means clustering dalam mengelompokkan data penjualan dari berbagai cabang supermarket, dengan fokus utama pada peningkatan efisiensi operasional dan strategi penjualan. Dalam era digital saat ini, penjualan supermarket menghasilkan volume besar dan data penjualan yang kompleks setiap hari. Pengelolaan dan pemahaman data ini menjadi tantangan signifikan, terutama ketika terdapat banyak cabang yang tersebar luas. Algoritma K-Means clustering telah terbukti sebagai metode yang efektif dalam menyelesaikan permasalahan semacam ini. Metode ini memungkinkan pengelompokkan data penjualan ke dalam kelompok-kelompok yang memiliki karakteristik serupa, mempermudah analisis dan pengambilan keputusan. Studi ini mengumpulkan data historis penjualan dari berbagai cabang supermarket. Data diproses terlebih dahulu untuk memastikan kualitasnya sebelum menerapkan algoritma K-Means clustering. Hasil pengelompokan data dianalisis secara menyeluruh untuk mengidentifikasi pola penjualan utama. Analisis ini menjadi dasar untuk meningkatkan efisiensi operasional setiap toko, termasuk manajemen inventaris dan strategi penjualan. Tujuan penelitian ini adalah untuk memahami cara mengoptimalkan pengelolaan data penjualan supermarket menggunakan algoritma K-Means clustering. Hasilnya menunjukkan bahwa toko dapat dikelompokkan menjadi dua kelompok utama, yaitu kelompok cabang besar (cluster 0) dan kelompok cabang kecil (cluster 1). Penerapan algoritma K-Means clustering memungkinkan pengelompokkan data penjualan supermarket berdasarkan toko, memberikan kontribusi signifikan terhadap pemahaman dan pengelolaan data penjualan secara lebih efisien. Evaluasi model dengan indeks Davies Bouldin menghasilkan nilai sebesar 0.375, menunjukkan keberhasilan tinggi dalam mengelompokkan data.
PEMODELAN UML UNTUK PERANCANGAN SISTEM PAKAR MENDETEKSI KERUSAKAN PADA MOBIL MITSUBISHI COLT L300 MENGGUNAKAN PENDEKATAN CERTAINTY FACTOR Suryadila, Lusi; Okmayura, Finanta; Hasanah, Fitri; Santia, Erma; Dawita, Yanda Rahmadani; Saputra, Tio Meylandi
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.v8i3.8995

Abstract

Banyak pengemudi menggunakan mobil Mitsubishi Colt L300, namun disayangkan, sebagian besar dari mereka mengalami kendala akibat kurangnya pengetahuan dalam melakukan pemeriksaan dan perawatan mesin mobil. Pemilik mobil baru sering kali menyadari adanya kerusakan pada kendaraannya setelah mengalami ketidaknormalan dalam kinerjanya. Oleh karena itu, penting untuk menjalani perawatan secara rutin, dan inilah yang mendorong pengembangan sistem pakar untuk mengidentifikasi potensi masalah pada mobil Mitsubishi Colt L300. Algoritma yang digunakan untuk melakukan perhitungan mendeteksi kerusakan pada mobil mitsubishi colt l300 adalah certainty factor. Pengumpulan data dalam penelitian ini dilakukan dengan melakukan sesi wawancara langsung dengan pakar dan studi literatur. Dari wawancara langsung dengan pakar diperoleh sembilan kerusakan dengan delapan belas ciri-ciri kerusakan. Selanjutnya, untuk melakukan perancangan system pakar ini, peneliti melakukan pemodelan UML (Unified Modelling Language) yang melibatkan use case diagram, activity diagram, context diagram, ERD (Entity Relationship Diagram)
IMPLEMENTASI PENGELOMPOKAN REALISASI BELANJA MENGGUNAKAN ALGORITMA K-MEANS DI PROVINSI DKI JAKARTA Widyastuti, Sri; 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.v8i2.8997

Abstract

ABSTRAK Dalam era globalisasi dan perkembangan teknologi informasi yang cepat, pengolahan dan analisis data menjadi krusial dalam pengambilan keputusan di berbagai sektor, termasuk sektor publik. Penelitian ini menghadapi masalah kompleksitas data realisasi belanja, terdiri dari banyak unit kerja dengan karakteristik yang beragam. Untuk mengatasi hal ini, dilakukan pengelompokan data menggunakan pendekatan K-Means Clustering menggunakan bahasa pemrograman Python. Data dibagi ke dalam kelompok cluster berbeda menggunakan metode K-Means Clustering. Penelitian ini menerapkan metode tersebut pada realisasi belanja di Provinsi DKI Jakarta tahun 2020. Hasil pengelompokan menunjukkan tiga cluster, dengan cluster 0 memiliki unit kerja terbanyak (436 unit kerja), cluster 1 memiliki unit kerja paling sedikit (18 unit kerja), dan cluster 2 memiliki 69 unit kerja. Unit kerja pada cluster 1 belum mencapai target pengeluaran yang ditetapkan. Identifikasi terhadap cluster tinggi (503 data) dan rendah (20 data) mengindikasikan bahwa perhatian khusus diperlukan pada cluster rendah untuk mencapai target yang ditetapkan pemerintah.
PERBANDINGAN ALGORITMA REGRESI LINIER DENGAN NEURAL NETWORK UNTUK MEMPREDIKSI HARGA SAHAM BANK JAGO Rifaai Alldi Ananda, Muhamad; Kurniawan, Rudi
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.v8i2.8998

Abstract

Investasi merupakan alokasi sejumlah dana untuk mendapatkan pendapatan di masa yang akan datang, terdapat berbagai macam dan bentuk pilihan investasi. Saham merupakan salah satu instrumen pasar keuangan yang populer dan paling banyak dipilih investor. Peramalan harga saham relatif cukup sulit dan tidak umum untuk dilakukan karena dipengaruhi beberapa faktor seperti kondisi ekonomi, kinerja perusahaan dan sentimen pasar. Dengan demikian yang menjadi akar masalah adalah bagaimana membantu investor dan pelaku pasar untuk melakukan prediksi harga saham sehingga dapat mengurangi risiko dan meningkatkan keberhasilan investasi. Tujuan dari penelitian ini untuk melakukan perbandingan dan menentukan mana yang lebih baik antara metode algoritma Regresi Linier dengan algoritma Neural Network dalam memprediksi harga saham Bank Jago. Metodologi yang digunakan dalam penelitian ini dengan menggunakan algoritma Regresi Linier dan Neural Network menggunakan aplikasi Rapidminer. Dataset diambil dari halaman web yahoo.finance.com dan menggunakan data historis saham PT. Bank Jago Tbk. (ARTO) pada periode 6 November 2019 sampai dengan 27 Oktober 2023 yang terdiri dari variabel date, open, high, low, close, dan volume. Hasil pengujian mendapatkan Regresi Linier menghasilkan nilai RMSE 228.130 +/- 0.000 dibandingkan dengan Neural Network menghasilkan nilai RMSE 180.745 +/- 0.000, hal ini berarti bahwa algoritma Neural Network direkomendasikan untuk memprediksi harga saham.

Page 169 of 384 | Total Record : 3835

 167   168   169   170   171 

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