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
 216   217   218   219   220 
DETEKSI BURUNG MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK (CNN) DENGAN MODEL ARSITEKTUR MOBILENETV2 Andika Maulana, Sandy; Husna Batubara, Shabrina; Permata Putri Pasaribu, Yohanna; Syahputra, Hermawan; Ramadhani, Fanny
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 4 (2024): JATI Vol. 8 No. 4
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i4.10126

Abstract

Penelitian ini mengimplementasikan model Convolutional Neural Network (CNN) dengan arsitektur MobileNetV2 untuk mendeteksi spesies burung. Permasalahan yang dihadapi yaitu bagaimana meningkatkan akurasi deteksi spesies burung menggunakan model yang efisien untuk perangkat mobile. Tujuan penelitian ini untuk mengembangkan dan mengevaluasi model CNN yang dapat mengenali berbagai spesies burung dengan akurasi tinggi. Metode penelitian meliputi beberapa tahapan: pengunduhan dan ekstraksi data dari TensorFlow Dataset yang terdiri dari 6033 gambar dari 200 spesies burung, visualisasi dan preprocessing data, implementasi model MobileNetV2, training dan validasi model selama 50 epoch dengan batch size 64, serta evaluasi menggunakan metrik loss dan Intersection Over Union (IoU). Hasil penelitian menunjukkan bahwa model mampu mengenali burung dengan akurasi yang memadai. Untuk penelitian selanjutnya, disarankan penambahan jumlah gambar dan spesies burung dalam dataset, eksplorasi arsitektur model lain, teknik augmentasi data, optimisasi hyperparameter, dan penerapan transfer learning. Selain itu, pengujian model pada perangkat mobile diperlukan untuk memastikan efisiensi dan performa di lingkungan nyata, serta mempertimbangkan informasi tambahan seperti habitat atau suara burung untuk meningkatkan akurasi identifikasi.
PENGEMBANGAN WAREHOUSE MANAGEMENT SYSTEM MENGGUNAKAN METODOLOGI SDLC PROTOTYPE (STUDI KASUS PT CENTURY BATTERIES INDONESIA): STUDI KASUS PT CENTURY BATTERIES INDONESIA Putra Jafandi, Rayhan
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 4 (2024): JATI Vol. 8 No. 4
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i4.10128

Abstract

PT. Century Batteries Indonesia, produsen baterai asam timbal untuk berbagai keperluan, menghadapi tantangan manajemen stok di gudang produk jadi akibat pencatatan manual yang tidak efisien. Pengembangan Warehouse Management System (WMS) berbasis database menjadi solusi untuk meningkatkan efisiensi operasional, mengoptimalkan pencarian dan penempatan produk, mempercepat pengambilan barang, serta meningkatkan akurasi pencatatan persediaan. Observasi dan meeting project menunjukkan kendala seperti waktu penjemputan barang yang lama dan kesulitan identifikasi tipe baterai. WMS dapat mengurangi kesalahan dan meningkatkan efisiensi dengan sistem yang mencatat setiap transaksi di gudang. Penelitian ini bertujuan untuk merancang warehouse management system dengan metode SDLC Prototype dan menguji Warehouse Management System yang telah dikembangkan dapat mengurangi kesalahan, menghemat waktu, dan meningkatkan produktivitas operasional gudang. Sistem ini dirancang dengan meliputi enam tahap sesuai dengan metode yang digunakan yaitu SDLC Prototype: pengumpulan kebutuhan, desain, pembuatan prototype, pengembangan, pengujian, dan pemeliharaan. Desain menggunakan UML, sementara pengembangan dilakukan dengan framework CodeIgniter. Pengujian mencakup alpha dan beta testing, dengan model Technology Acceptance Model (TAM). Technology Acceptance Model (TAM) dengan hasil yaitu 94,3% dengan kategori “Sangat Baik”. Implementasi WMS ini menjadi solusi efektif bagi PT. Century Batteries Indonesia untuk mengurangi kesalahan, menghemat waktu, dan meningkatkan produktivitas operasional gudang.
PENEMPATAN PRODUK PENJUALAN PADA E-COMMERCE BERBASIS PERILAKU KONSUMEN MENGGUNAKAN ALGORITMA ECLAT Naden, Yoga; Sudianto, Sudianto; Athiyah, Ummi
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 4 (2024): JATI Vol. 8 No. 4
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i4.10129

Abstract

Perdagangan elektornik berkembang sangat pesat pada era modern seperti sekarang ini, yang menjadi faktor utama berkembangnya perdagangan elektronik adalah masyarakat modern yang lebih suka belanja secara daring karena dianggap lebih efisien dibandingkan dengan pasar tradisional. Padatnya persaingan perdagangan elektronik menjadi tantangan tersendiri bagi pelaku bisnis, maka dibutuhkan strategi untuk meningkatkan penjualan, dengan memanfaatkan tata letak produk yang baik dapat meningkatkan penjualan dan mempermudah konsumen menemukan barang dan layanan atau jasa yang mereka cari. Salah satu strategi yang dapat digunakan adalah dengan menganalisa perilaku konsumen, dengan menganalisa perilaku konsumen kita dapat menentukan strategi penjualan berdasarkan data transaksi penjualan untuk mencari barang apa saja yang dibeli pada waktu yang sama pada satu keranjang belanja. Penelitian ini bertujuan untuk mencari hubungan antar barang dengan menggunakan metode Market Basket Analysis dan algoritma asosiasi untuk menemukan hubungan pada tiap item yang dibeli secara bersamaan menggunakan data berdasarkan perilaku konsumen dengan mencari nilai support, confidence, dan lift. Dengan menggunakan data transaksi berdasarkan perilaku konsumen ditemukan hubungan yang kuat antara Travel Voucher, Travel Case Game dan Casing & silicon game console ditemukan nilai confidence sebesar 100% dan nilai support sebesar 2%. Hasil analisa yang ditemukan kemudian dapat digunakan sebagai panduan untuk membuat desain tata letak produk sebagai strategi untuk meningkatkan penjualan pada e-commerce Tokopedia.
KLASIFIKASI POTENSI PENYAKIT DIABETES MELLITUS TIPE II PADA PASIEN MENGGUNAKAN ALGORITME KNN (K-NEAREST NEIGHBOR) Sholikhul Fiqri, Mohammad; Dwi Bhakti, Henny
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 4 (2024): JATI Vol. 8 No. 4
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i4.10133

Abstract

Indonesia berada di peringkat kelima di dunia dalam jumlah penderita diabetes. Menurut laporan dari International Diabetes Federation (IDF), pada tahun 2021 terdapat 19,5 juta orang Indonesia berusia 20-79 tahun yang menderita diabetes. Selain itu, Indonesia juga menempati peringkat teratas di Asia Tenggara untuk jumlah penderita diabetes tipe satu. Diabetes mellitus adalah kondisi di mana tubuh tidak dapat memproduksi atau menggunakan insulin dengan baik. Insulin, hormon yang dihasilkan oleh pankreas, berperan penting dalam mengatur kadar gula darah dari makanan yang dikonsumsi agar dapat digunakan sebagai sumber energi oleh sel-sel tubuh. Penelitian ini bertujuan untuk mendeteksi dini penyakit diabetes mellitus dengan menggunakan algoritme klasifikasi KNN (K-Nearest Neighbor) dalam data mining. Metode yang digunakan dalam penelitian ini meliputi: Dataset, Preprocessing, Klasifikasi, Evaluasi, Prediksi, dan Penyimpanan Model. Dalam penelitian ini, telah dilakukan klasifikasi potensi penyakit diabetes mellitus tipe II pada pasien dengan menggunakan algoritme KNN K=1 dan K=3, serta menggunakan Confusion Matrix sebagai alat pengujinya. Hasilnya, akurasi sebesar 85% untuk KNN K=1 dan 75% untuk KNN K=3. Oleh karena itu, penelitian ini menunjukkan bahwa algoritme KNN dengan K=1 lebih efektif dibandingkan dengan KNN dengan K=3 dalam mengklasifikasi potensi penyakit diabetes mellitus tipe II berdasarkan dataset yang digunakan.
OPTIMALISASI PREDIKSI IMPOR BUAH-BUAHAN DARI NEGARA AUSTRALIA MENGGUNAKAN SIMULASI MONTE CARLO Dwi Zahra Putri, Raisya
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 4 (2024): JATI Vol. 8 No. 4
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i4.10136

Abstract

Optimalisasi prediksi impor buah-buahan dari Negara Australia merupakan aspek penting dalam manajemen rantai pasok dan kebijakan perdagangan. Pertumbuhan permintaan buah-buahan yang terus meningkat, didorong oleh perubahan pola makan yang lebih sehat dan peningkatan daya beli, menimbulkan tantangan dalam memastikan ketersediaan pasokan yang memadai. Penelitian ini bertujuan untuk mengoptimalkan prediksi jumlah impor buah-buahan dari Negara Australia menggunakan metode simulasi Monte Carlo, dan diharapkan prediksi yang dihasilkan akan lebih akurat dan bermanfaat dalam perencanaan serta pengambilan keputusan terkait impor buah-buahan. Hasil penelitian menunjukkan bahwa metode Monte Carlo efektif dalam memprediksi jumlah impor buah-buahan dari Negara Australia dengan tingkat akurasi mencapai 98%, yang menunjukkan bahwa metode ini sangat andal. Dengan prediksi yang akurat ini, para pemangku kepentingan dapat merancang strategi impor yang lebih tepat dan efisien, memastikan ketersediaan pasokan buah-buahan yang stabil, mengurangi risiko kekurangan atau kelebihan stok, serta mengoptimalkan biaya dan sumber daya. Pada akhirnya, hasil ini berkontribusi pada peningkatan efisiensi rantai pasok dan kepuasan konsumen.
PERBANDINGAN SIMULASI MONTE CARLO DAN BOOSTRAP DALAM ANALISIS KECEPATAN INTERNET UNTUK MENGHITUNG RISIKO KETERLAMBATAN KONEKSI Rafaela Puteri, Nadya; Meirza, Alifya
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 4 (2024): JATI Vol. 8 No. 4
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i4.10137

Abstract

Internet telah menjadi bagian penting dalam kehidupan modern, namun masalah keterbatasan fasilitas, sinyal yang tidak memadai, dan harga yang tinggi dapat mempengaruhi pengalaman pengguna. Analisis kecepatan internet dan risiko keterlambatan koneksi menjadi esensial dalam menghadapi tantangan ini. Metode simulasi, khususnya Metode Monte Carlo dan Bootstrap, memberikan cara untuk memahami dan mengukur ketidakpastian dalam data dan model statistik terkait kecepatan internet. Simulasi Monte Carlo memungkinkan prediksi potensi risiko keterlambatan koneksi, sementara Bootstrap efektif dalam mengevaluasi ketidakpastian dalam estimasi parameter statistik dan model. Dalam penelitian ini, data kecepatan internet dari platform Kaggle digunakan untuk melakukan analisis dengan kedua metode tersebut. Hasil analisis menunjukkan perbedaan dalam rata-rata risiko keterlambatan, standar deviasi, dan distribusi hasil antara Monte Carlo dan Bootstrap. Meskipun keduanya memberikan perkiraan risiko, Bootstrap menunjukkan keunggulan dengan MSE yang lebih rendah, menunjukkan keakuratan yang lebih baik dalam mengestimasi risiko keterlambatan internet.
IDENTIFIKASI JENIS REMPAH-REMPAH INDONESIA DENGAN CONVOLUTIONAL NEURAL NETWORK (CNN) MENGGUNAKAN ARSITEKTUR VGG16 Maulana, Raihan; Dwi Zahra Putri, Raisya; Ade Amelia, Tasya; Syahputra, Hermawan; Ramadhani, Fanny
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 4 (2024): JATI Vol. 8 No. 4
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i4.10138

Abstract

Indonesia merupakan negara yang kaya akan rempah-rempah alami, sebuah kekayaan alam yang telah menjadi bagian integral dari budaya dan ekonomi nasional. Rempah-rempah Indonesia tidak hanya digunakan dalam masakan sehari-hari tetapi juga diekspor ke berbagai negara, menjadikannya komoditas penting yang perlu dijaga keberadaannya dengan baik. Meskipun begitu, membedakan berbagai jenis rempah menjadi tantangan bagi sebagian masyarakat. Hal ini disebabkan oleh kurangnya pengetahuan masyarakat tentang bentuk asli rempah, serta minimnya keterlibatan langsung dalam pengolahannya. Kesulitan ini berdampak pada pengenalan dan penggunaan rempah yang kurang optimal, baik di tingkat rumah tangga maupun industri. Untuk mengatasi tantangan ini, penelitian ini bertujuan mengembangkan sebuah sistem berbasis teknologi yang dapat membantu masyarakat mengenali berbagai jenis rempah secara akurat. Sistem yang dikembangkan menggunakan Convolutional Neural Network (CNN) dengan arsitektur VGG16, yang dirancang untuk mengidentifikasi berbagai jenis rempah-rempah secara efektif dan efisien. CNN telah terbukti sebagai metode pembelajaran mendalam yang sangat efektif dalam mengklasifikasikan objek berdasarkan ciri-ciri visualnya. Dalam penelitian ini, dataset citra rempah terdiri dari tiga puluh satu kelas, masing-masing kelas memiliki 210 citra, dengan total 6510 citra. Model CNN yang digunakan dalam penelitian ini mengimplementasikan arsitektur VGG16, yang terdiri dari beberapa lapisan konvolusi untuk mengekstraksi fitur visual dari citra, diikuti oleh lapisan fully connected untuk melakukan klasifikasi. Hasil penelitian menunjukkan bahwa model CNN yang dikembangkan berhasil mencapai akurasi tertinggi sebesar 86,66% dalam mengklasifikasikan citra-citra rempah. Akurasi ini menunjukkan bahwa model mampu mengenali berbagai jenis rempah dengan cukup baik, meskipun terdapat beberapa kelas yang masih mengalami kesulitan dalam prediksi. Pendekatan ini tidak hanya memberikan solusi modern namun juga mudah diakses untuk mengenali rempah-rempah, sehingga dapat membantu masyarakat dalam membedakan jenis-jenis rempah secara lebih efektif dan efisien.
APLIKASI METODE MONTE CARLO DALAM ANALISIS PREDIKSI IMPOR BERAS DARI PAKISTAN Maulana, Raihan
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 4 (2024): JATI Vol. 8 No. 4
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i4.10139

Abstract

Penelitian ini bertujuan untuk mengembangkan model prediksi yang akurat untuk impor beras dari Pakistan menggunakan metode simulasi Monte Carlo. Metode ini dipilih karena kemampuannya dalam menangani ketidakpastian dan variabilitas data, yang sering menjadi tantangan dalam prediksi ekonomi dan perdagangan. Hasil penelitian menunjukkan bahwa metode Monte Carlo efektif dalam memprediksi jumlah impor beras dengan tingkat akurasi sebesar 98%, menunjukkan bahwa metode ini sangat andal. Dengan prediksi yang akurat ini, diharapkan dapat membantu para pemangku kepentingan dalam merancang strategi impor yang lebih tepat dan efisien, memastikan ketersediaan pasokan beras yang stabil, mengurangi risiko kekurangan atau kelebihan stok, serta mengoptimalkan biaya dan sumber daya. Penelitian ini berkontribusi pada peningkatan efisiensi rantai pasok dan kesejahteraan konsumen melalui prediksi impor yang lebih baik dan pengambilan keputusan yang lebih informatif.
ANALISIS PERSENTASE WARNA BLUE GEM PADA SKIN CASE HARDENED DI COUNTER STRIKE 2 MENGGUNAKAN OPENCV DAN PYTHON Fajar Wibowo, Cahyo; Izzul Haq, Fajri; Maulana Ansaris, Fatur; Agustin, Soffiana
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 4 (2024): JATI Vol. 8 No. 4
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i4.10140

Abstract

Identifikasi pola "Blue Gem" pada skin Karambit Case Hardened memerlukan ketelitian dan pengalaman dalam mengenali pola warna yang kompleks. Banyak pemain yang kesulitan dalam menilai persentase warna biru pada skin mereka, yang bisa berujung pada kesalahan dalam penentuan harga jual atau beli. Penelitian ini bertujuan untuk mengembangkan sistem deteksi warna yang dapat mengidentifikasi pola "Blue Gem" pada skin Karambit Case Hardened di game Counter-Strike 2 (CS2) menggunakan OpenCV dan Python. Skin dengan pola "Blue Gem" sangat dicari karena kelangkaannya dan nilai jualnya yang tinggi, di mana nilai tersebut bergantung pada persentase warna biru yang ada. Sistem yang dikembangkan bekerja dengan mengunggah gambar skin, menghapus latar belakang, dan menghitung persentase area biru menggunakan metode pengolahan citra yaitu konversi ruang warna HSV, thresholding, dan masking. Hasil penelitian menunjukkan bahwa sistem ini efektif dalam mendeteksi warna biru, sehingga dapat membantu pemain dan kolektor menilai skin mereka dengan lebih akurat dan efisien, serta mengurangi risiko kesalahan penilaian harga di pasar sekunder. Penelitian ini berkontribusi pada pengembangan aplikasi computer vision dalam konteks game dan perdagangan digital, menunjukkan bagaimana teknologi ini dapat digunakan untuk menyelesaikan masalah praktis dalam kehidupan sehari-hari.
ANALISIS BUSINESS INTELLIGENCE DATA PENJUALAN PT AMBULANCE PINTAR 2021 Pratama Bukhari, Aziz; Hafidz, Rifqi; Prio Pamungkas, R Wisnu
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 4 (2024): JATI Vol. 8 No. 4
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i4.10141

Abstract

Penjualan adalah hal yang mendasari suatu bisnis tetap berjalan sebagaimana mestinya. Dari penjualan yang dilakukan akan menghasilkan keuntungan yang dapat menjalankan bisnis untuk tetap beroperasi. Peneliti mengidentifikasi bahwa pada PT. Ambulance Pintar mengalami masalah dalam pengelolaan data penjualan yang dilakukan secara manual sehingga proses pengambilan keputusan menjadi tidak efisien. Data penjualan pada suatu perusahaan perlu dilakukan pengelolaan sebaik mungkin karena dari data penjualan dapat dilakukan analisis untuk pengambilan keputusan. Melalui metode step nine kimball, penelitian ini merancang data warehouse dan memvisualisasikan data menggunakan software Microsoft Power Bi. Hasil dari penelitian ini menunjukkan bahwa penggunaan metode nine step kimball telah berhasil dalam perancangan data warehouse dan penggunaan Microsoft Power BI membuat perusahaan mendapat informasi penjualannya secara lebih praktis sehingga memungkinkan pengambilan keputusan dapat dilakukan dengan efisien.

Page 218 of 384 | Total Record : 3835

 216   217   218   219   220 

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