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
 242   243   244   245   246 
PREDIKSI MAHASISWA NON-AKTIF MENGGUNAKAN ALGRITMA C4.5: STUDI KASUS : UNIVERSITAS MUHAMMADIYAH SUKABUMI Siti Rahma, Leonie; Budiman Kusdinar, Asep; Prajoko, Prajoko
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 5 (2024): JATI Vol. 8 No. 5
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i5.10937

Abstract

Dalam lingkungan perguruan tinggi di Indonesia, tingkat keberlanjutan studi mahasiswa menjadi perhatian penting, mengingat tingginya angka mahasiswa yang tidak melanjutkan studi. Untuk mengatasi permasalahan ini, machine learning khususnya menggunakan algoritma C4.5 digunakan untuk memprediksi potensi mahasiswa nonaktif. Dataset mahasiswa diambil dari Biro Kemahasiswaan dan Akademik Universitas Muhammadiyah Sukabumi, setelah melalui proses preprocessing, digunakan untuk melatih dan menguji model yang bertujuan untuk mengidentifikasi pola kritis yang dapat memprediksi keputusan mahasiswa untuk tidak melanjutkan studi. Algoritma C4.5 dipilih karena kemampuannya menghasilkan model yang mudah diinterpretasikan, sehingga memudahkan pengambil kebijakan dan staf akademik untuk mengambil tindakan proaktif. Evaluasi model dilakukan dengan menggunakan metrik akurasi yang menghasilkan 96.8%, presisi 98%, recall 94.2%, dan F1-score 96.5%, yang memberikan gambaran komprehensif tentang kinerja model dalam mengidentifikasi mahasiswa yang berpotensi tidak aktif. Penelitian ini memberikan kontribusi terhadap pengembangan sistem prediksi dan dapat menjadi dasar solusi keputusan berbasis data untuk meningkatkan tingkat keberlanjutan studi mahasiswa di perguruan tinggi di Indonesia.
MARKET BASKET ANALYSIS PADA DATA PENJUALAN UMKM MENGGUNAKAN ALGORITMA FP-GROWTH Pratama, Denni; Kaslani, Kaslani; Tohidi, Edi
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.v8i4.10939

Abstract

UMKM di Indonesia menghadapi tingkat kegagalan yang tinggi, mencapai 78-80%, yang disebabkan oleh berbagai faktor termasuk pengelolaan inventori yang buruk, persaingan usaha, dan rendahnya penjualan. Pandemi COVID-19 juga memberikan dampak signifikan, terutama pada usaha sektor makanan dan minuman. Toko Rafa Cake, UMKM di Kota Cirebon yang memproduksi dan menjual makanan, mengalami dampak pandemi pada penjualannya. Pasca pandemi, Toko Rafa Cake, berusaha memperbaiki pengelolaan dan berinovasi dengan menghadirkan 155 varian produk, namun mengalami kesulitan dalam mengelola inventori dan menentukan strategi penjualan yang tepat. Penelitian ini menggunakan Market Basket Analysis dengan algoritma FP-Growth dan empat matriks evaluasi aturan asosiasi untuk menganalisis data transaksi penjualan. Kerangka penelitian menggunakan CRISP-DM. Dari 10.987 data transaksi, dihasilkan 6 aturan asosiasi umum dengan hasil yang bervariasi setiap bulannya. Produk Roti Regular All Varian memiliki support tertinggi sebesar 32,10%. Analisis menunjukkan bahwa pelanggan yang membeli Donat Ring Regular dan Glass Cake cenderung membeli Roti Regular All Varian dengan support 5,50%, confidence 98,80%, lift 3.075, dan conviction 55.436. Rekomendasi yang dihasilkan meliputi pengaturan tata letak produk yang sering dibeli bersamaan dan penerapan strategi bundling Roti Regular All Varian dengan produk lainnya. Hasil penelitian ini dapat membantu Toko Rafa Cake dalam menentukan strategi penjualan dan mengelola inventori dengan lebih efektif.
ANALISIS TEKNIK BOOTSTRAP AGGREGATING DENGAN ALGORITMA DECISION TREE UNTUK MEMPREDIKSI DATA TRACER LULUSAN Nurhakim, Bani; Mulyawan, Mulyawan; Lukman Rohmat, Cep
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.v8i4.10940

Abstract

Ketidaksesuaian antara bidang kerja lulusan dengan kompetensi mereka di bidang pekerjaan masing-masing, yang tidak sesuai dengan latar belakang pendidikan dan keahlian mereka, memiliki dampak signifikan terhadap fleksibilitas pekerjaan dan dapat mempengaruhi kinerja kerja. Langkah antisipatif yang dapat digunakan untuk pengambilan keputusan terkait penelitian yang dilakukan, dan menurut hasil wawancara dengan manajemen tracer study STMIK IKMI Cirebon, hingga saat ini, informasi mengenai prediksi kesesuaian pekerjaan lulusan belum diperoleh, meskipun prediksi tersebut diperlukan untuk mempersiapkan sumber daya manusia agar bekerja sesuai dengan kompetensi mereka. Penelitian ini merupakan penelitian eksperimental dan studi kasus menggunakan metode Knowledge Discovery in Database (KDD). Algoritma yang digunakan adalah pohon keputusan C4.5 dengan teknik bootstrap aggregating. Dengan menganalisis, mengimplementasikan, dan mengeksperimenkan model yang akan menghasilkan evaluasi akurasi model pohon keputusan C4.5 terbaik dengan teknik bootstrap aggregating. Kesesuaian bidang kerja lulusan dipengaruhi oleh atribut yang paling dominan, yaitu IPK lulusan (100%) dengan IPK tertinggi maksimal 3,71 untuk 12 orang, usia lulusan (97,4%) dengan 776 lulusan yang termuda berusia 21 tahun, dan durasi studi (53,85%). Sementara itu, atribut yang paling sedikit mempengaruhi kesesuaian bidang kerja lulusan adalah tahun kelulusan (10,4%). Model optimasi klasifikasi terbaik diperoleh melalui pengaturan parameter gain ratio, menghasilkan model prediksi yang sangat baik. Berdasarkan evaluasi akurasi model terbaik, skor akurasi adalah 95,27% dan skor AUC adalah 98,60%.
KOMPARASI ALGORITMA MACHINE LEARNING DALAM KLASIFIKASI LOYALITAS NASABAH BANK BERBASIS PARTICLE SWARM OPTIMIZATION Anam, Khaerul; Rinaldi, Ade Rizki; Fathurrohman, Fathurrohman
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.v8i4.10941

Abstract

Konsumen atau nasabah dalam bisnis adalah aset berharga untuk keberlanjutan bisnis di masa depan. Memperoleh kepercayaan dan meningkatkan loyalitas nasabah memerlukan perhatian dan kepedulian yang tulus. Kemajuan teknologi telah membuat persaingan bisnis lebih ketat, meningkatkan potensi churn atau penghentian penggunaan produk oleh nasabah. Salah satu upaya untuk mengatasi penurunan loyalitas adalah dengan melakukan klasifikasi loyalitas nasabah bank menggunakan teknik machine learning. Penelitian ini bertujuan untuk membandingkan algoritma Random Forest, Decision Tree, dan Artificial Neural Network yang dioptimasi dengan metode boosting Particle Swarm Optimization (PSO) pada dataset nasabah bank XYZ yang diperoleh dari situs www.kaggle.com. Hasil penelitian menunjukkan bahwa algoritma Random Forest memiliki nilai akurasi tertinggi sebesar 86,34%, nilai AUC sebesar 0,854, rata-rata precision sebesar 83,55%, dan rata-rata recall sebesar 70,42%. Atribut yang paling signifikan dalam Random Forest adalah Geography, Gender, Tenure, dan Estimated Salary. Pada Decision Tree, atribut signifikan adalah Tenure dan Estimated Salary, sementara pada Artificial Neural Network, atribut signifikan adalah Geography, Has Card, dan Estimated Salary.
PERANCANGAN SISTEM INFORMASI MANAJEMEN KEUANGAN DAN STOK BARANG PADA KLINIK PRATAMA HANGTUAH MEDIKA Ardian, Ibnu; Hanif Muzakki, Naufal; Syahril, Syahril
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 5 (2024): JATI Vol. 8 No. 5
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i5.10946

Abstract

Perkembangan teknologi sangat berkembang pesat di era modern ini. Tentunya perkembangan itu berdampak sangat penting bagi perusahaan guna meningkatkan performa serta produktivitas bagi perusahaan itu sendiri agar lebih bisa bersaing antar perusahaan yang lainnya. Klinik Pratama Hangtuah Medika merupakan sebuah unit pelayanan kesehatan ysng berada di pekanbaru. Klinik Pratama Hangtuah Medika menghadapi beberapa tantangan seperti sulitnya mengelola ketersediaan stok obat yang ada pada klinik, pembukuan keuangan klinik masih menggunakan kertas manual yang cukup riskan untuk mengecek riwayat jika terjadi kehilangan. Untuk mengatasi masalah yang ada, penelitian ini bertujuan untuk merancang sebuah sistem informasi yang dapat digunakan oleh para pegawai yang ada di Klinik Pratama Hangtuah Medika. Sistem informasi yang akan dihasilkan merangkum pengelolaan stok obat, manajemen keuangan. Sistem yang akan dibuat diharapkan dapat memenuhi dan mempermudah tugas-tugas yang akan dikerjakan oleh para pegawai di Klinik ini. Hasil dari kajian menunjukkan bahwa sistem ini akan mampu untuk meningkatkan kinerja operasional pada klinik serta dapat memberikan dampak positif bagi Klinik Pratama Hangtuah Medika.
PERANCANGAN SISTEM INFORMASI INVENTORI BERBASIS WEB PADA RUMAH MAKAN PEMPEK NANGCIK DENGAN METODE WATERFALL Irawan, Gilang; Hafsari, Rizka; Hosman, Alifa; Dharma Aji, Bima; Amalia Ihsan, Luthfa
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 5 (2024): JATI Vol. 8 No. 5
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i5.10950

Abstract

Inovasi di era modern menjadi semakin penting, dan industri kuliner tidak terkecuali. Salah satu contohnya adalah Restoran Pempek Nangcik, yang menggunakan metode pencatatan manual untuk memantau stok bahan bakunya. Hal ini menyebabkan banyak masalah, seperti data produk yang tidak lengkap, informasi yang salah, dan masalah untuk memastikan bahan baku tersedia, Tujuan proyek ini adalah membuat Sistem Informasi Inventaris Berbasis Web untuk Restoran Pempek Nangcik menggunakan pendekatan Waterfall. Sistem ini diharapkan akan menyelesaikan masalah seperti mempercepat pengumpulan data produk, mengurangi kesalahan input inventaris, dan meningkatkan pengiriman produk.
ANALISIS POLA PEMBELIAN KONSUMEN PADA DATA PENJUALAN MENGUNAKAN ALGORITMA APRIORI: STUDI KASUS COFFEE SHOP GELORA FANTASI Alya Shafira, Salma; Lestari Anggreini, Novita
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 5 (2024): JATI Vol. 8 No. 5
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i5.10953

Abstract

Pada Coffee Shop Gelora Fantasi, data – data terkait penjualan dan stok bahan masih belum terorganisir secara baik dan masih dilakukan secara manual seperti pada data penjualan, stok bahan lama dan stok untuk produk yang tidak terjual. Hal tersebut mengakibatkan sulitnya melihat stok yang habis sehingga membuat banyaknya stok tersebut terabaikan dan menyebabkan penumpukan data. Tujuan dibuatnya analisis pola pembelian konsumen ini yaitu untuk memudahkan proses baik pembelian dan pengukur untuk stok bahan juga mengurangi terbuangnya stok saat proses general cleaning. Metode yang di implementasikan yaitu Data Mining dengan Algoritma Apriori. Data yang digunakan merupakan data penjualan Coffee Shop Gelora Fantasi selama 6 bulan sekitar 15.409 data. Analisis pola pembelian produk dengan menngunakan Algoritma Apriori ini diharapkan dapat mengetahui akurasi data penjualan lalu dijadikan bahan evaluasi dan juga perbaikan sehingga dapat memudahkan Coffee Shop Gelora Fantasi terhadap stok bahan yang keluar masuk dan dijadikan acuan juga untuk pemasaran produk yang dapat ditingkatkan kembali. Proses analisis menggunakan Rapid Miner, hasil pengujian menghasilkan menu Cappucino dan Kopi Susu Aren menunjukkan hubungan erat dengan nilai Support tertinggi 14,5% dari total transaksi namun untuk nilai Confidence tertinggi 85,3% dengan nilai Support sebesar 10,5% untuk menu Cafe Latte dan Kopi Susu Aren.
PREDIKSI HASIL PANEN WORTEL MENGGUNAKAN ALGORITMA REGRESI LINEAR BERGANDA Afrilia S, Nandita; Frazna Az-Zahra, Fathia; Prajoko, Prajoko
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 5 (2024): JATI Vol. 8 No. 5
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i5.10954

Abstract

Selama beberapa dekade terakhir, pertanian hortikultura telah berkembang pesat dan berkembang menjadi pemasok utama berbagai macam sayuran. Wortel (daucus carota l) yang merupakan sumber utama vitamin A merupakan salah satu sayuran unggulan dalam bidang hortikultura. Kandungan vitamin dan mineral pada wortel menjadikannya pilihan yang sangat baik untuk dikonsumsi sehari-hari karena sangat penting untuk kesehatan tubuh. Budidaya wortel adalah fokus utama Maya Wortel, sebuah bisnis pertanian. Perusahaan ini didirikan di Sukabumi dengan potensi wortel yang besar untuk memenuhi permintaan konsumen. Pemanenan adalah salah satu langkah penting dalam produksi tanaman. Akibat ketidakstabilan produksi, produksi wortel Maya tidak optimal sehingga menimbulkan risiko yang mempengaruhi pasokan tanaman untuk memenuhi permintaan pasar. Jika panen tidak dilakukan sebaik mungkin, maka produksi tertinggi tidak akan berarti apa-apa. Memperkirakan hasil panen wortel memerlukan prediksi guna menjamin produksi optimal pada musim panen. Untuk meramalkan hasil panen, algoritma machine learning yang dikenal sebagai Regresi Linear Berganda diterapkan. Regresi Linear Berganda merupakan salah satu teknik untuk menghitung pengaruh variabel independen terhadap variabel dependen. Hasil evaluasi kinerja model dengan menggunakan MSE sebesar 0,00228 dan RMSE sebesar 0,04788 yang digunakan dalam penelitian ini untuk menghasilkan model prediksi hasil panen wortel menunjukkan bahwa model prediksi tersebut cukup akurat dalam memperkirakan hasil panen wortel.
PERBANDINGAN ALGORITME K-NEAREST NEIGHBOR DAN NAÏVE BAYES DALAM KLASIFIKASI KELULUSAN MAHASISWA Fahmi As Shiddiqi, Muhammad; Dwi Bhakti, Henny
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 5 (2024): JATI Vol. 8 No. 5
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i5.10955

Abstract

Kelulusan merupakan tujuan akhir bagi setiap orang dalam rangkaian proses menyelesaikan studi dalam memperoleh gelar, penghargaan ataupun yang lainnya. Pada Program Studi Teknik Informatika Universitas Muhammadiyah Gresik terdapat banyak mahasiswa yang lulus tidak tepat waktu (terlambat) dan mahasiswa yang Drop Out (DO), hal tersebut merupakan masalah penting bagi Program Studi, dikarenakan jumlah total dari mahasiswa yang mendaftar tidak sebanding dengan mahasiswa lulus yang berdampak pada penilaian Akreditasi dimana akan berakibat pada menurunnya calon mahasiswa baru di Program Studi Teknik Informatika Universitas Muhammadiyah Gresik. Sangat penting bagi Program Studi mengetahui klasifikasi kelulusan mahasiswa. Dalam penelitian ini akan dilakukan klasifikasi kelulusan mahasiswa menggunakan algoritme K-Nearest Neighbor dan Naïve Bayes. Hasil pengujian evaluasi performa menggunakan Confusion Matrix didapatkan nilai rata-rata precision dan recall dari kedua algoritme. Algoritme K-Nearest Neighbor mendapatkan rata-rata nilai precision, dan recall lebih tinggi sebesar 85,1% dan 92,9%. Sedangkan untuk algoritme Naïve Bayes mendapatkan nilai rata-rata precision dan recall lebih rendah sebesar 73% dan 73,5%. Sementara hasil pengujian menggunakan K-Fold Cross Validation mendapatkan hasil bahwa algoritme K-Nearest Neighbor dinilai lebih baik dari algoritme Naïve Bayes dengan melihat nilai hasil dari accuracy, precision, dan recall algoritme K-Nearest Neighbor dengan nilai accuracy sebesar 84,2%, precision sebesar 92,3% dan recall sebesar 82,6%.
PENERAPAN METODE DESIGN THINKING PADA PERANCANGAN UI/UX APLIKASI NILAI RAPOR BERBASIS WEBSITE DI SMA INTEGRAL LUQMAN AL-HAKIM Rijaluddin, Khalid; Cahyo Wibowo, Nur; Fitri Ana Wati, Seftin
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 5 (2024): JATI Vol. 8 No. 5
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i5.10956

Abstract

Perkembangan teknologi informasi memberikan dampak yang positif pada bidang pendidikan, sehingga dapat mendukung proses pengolahan data di sekolah. Pengolahan data nilai peserta didik pada banyak sekolah masih dilakukan secara konvensional, salah satunya pada SMA Integral Luqman Al-Hakim. Laporan nilai seluruh mata pelajaran dimasukkan satu persatu dengan menggunakan microsoft excel. Hal itu membutuhkan waktu yang cukup lama untuk mengolah nilai tugas, nilai harian, nilai hasil ulangan hingga menjadi nilai rapor. Guru pun mengeluhkan proses input nilai yang tidak efisien, dikarenakan proses input terbatas pada beberapa komputer dan hanya dapat dilakukan di sekolah. Akibatnya, membuat para guru harus mengantri terlebih dulu. Tujuan adanya penelitian ini untuk menghasilkan antarmuka pengguna yang dapat memenuhi kebutuhan dan kemudahan pengguna, serta memberikan pengalaman yang menyenangkan dan intuitif. Sehingga, diharapkan dapat dijadikan rekomendasi untuk diimplementasikan kedepannya. Penelitian ini menggunakan metode design thinking sebagai pedoman dalam merancang antarmuka pengguna aplikasi nilai rapor. Terdapat 5 tahapan metode design thinking antara lain empathize, define, ideate, prototype, dan test. Adapun untuk mendapatkan feedback dari pengguna maka dilakukanlah usability testing menggunakan system usability scale (SUS). Hasil pengujian antarmuka aplikasi nilai rapor yang diujikan kepada 5 orang guru mendapatkan skor rata-rata sebesar 75,5 yang layak secara usability juga dapat diterima pengguna.

Page 244 of 384 | Total Record : 3835

 242   243   244   245   246 

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