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
 334   335   336   337   338 
PENERAPAN MODEL HIBRIDA ARIMA-LSTM PADA PREDIKSI INFLASI DI INDONESIA Shaffa Ameera, Divanda; Terza Damaliana, Aviolla; Idhom, Mohammad
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 3 (2025): JATI Vol. 9 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i3.13371

Abstract

Pengendalian inflasi penting untuk menjaga stabilitas ekonomi dan kesejahteraan masyarakat. Oleh karena itu, diperlukan perencanaan dan pengelolaan inflasi yang baik sebagai kunci untuk menjaga stabilitas ekonomi dan memastikan pertumbuhan yang berkelanjutan. Prediksi inflasi yang tepat memungkinkan pemerintah dan pelaku ekonomi untuk merancang kebijakan dan strategi yang efektif dalam menjaga stabilitas ekonomi. Penelitian ini bertujuan untuk menerapkan model hibrida ARIMA-LSTM untuk memprediksi inflasi di Indonesia. Konsep model hibrida yang sudah lama digunakan dalam literatur time series memungkinkan peneliti untuk memanfaatkan kelebihan dari setiap model dan memprediksi data dengan lebih efektif. Model ARIMA-LSTM adalah model hibrida yang menggabungkan dua metode peramalan, yaitu ARIMA (AutoRegressive Integrated Moving Average) dan LSTM (Long Short-Term Memory). Model ARIMA diterapkan pada komponen tren, sedangkan model LSTM diterapkan pada komponen musiman dan residual. Penelitian ini menggunakan data inflasi Indonesia sejak 1979 hingga 2024. Nilai terbaik yang didapatkan adalah kombinasi ARIMA (1, 1, 1) dengan LSTM yang menggunakan arsitektur sederhana, dengan satu lapisan LSTM yang terdiri dari 50 unit dan fungsi aktivasi ReLU. Dari hasil penggabungan ARIMA dan LSTM, didapatkan hasil evaluasi MAE = 0.27, MSE = 0.14, dan RMSE = 0.37. Hasil ini menunjukkan bahwa model memiliki performa yang baik.
PREDIKSI TINGKAT KERAWANAN BANJIR DI KENDARI MENGGUNAKAN METODE FUZZY TSUKAMOTO Kasim, Nurdian; Angraini Aziz, Putri; Hari Wibowo, Asa
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 3 (2025): JATI Vol. 9 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i3.13374

Abstract

Banjir merupakan bencana hidrometeorologi yang sering terjadi di Indonesia, khususnya di Kota Kendari, yang menyebabkan kerugian material dan non-material. Prediksi tingkat kerawanan banjir menjadi langkah preventif penting dalam mitigasi bencana. Kota Kendari memiliki berbagai faktor yang berkontribusi terhadap terjadinya banjir, seperti curah hujan yang tinggi, kondisi topografi, dan kepadatan penduduk. Ketidakpastian dalam data lingkungan menuntut penggunaan metode yang mampu menangani variasi parameter secara fleksibel. Penelitian ini bertujuan untuk mengembangkan model prediksi tingkat kerawanan banjir di Kota Kendari menggunakan metode Fuzzy Tsukamoto dengan mempertimbangkan tiga parameter utama, yaitu curah hujan, ketinggian wilayah, dan kepadatan penduduk. Model dikembangkan menggunakan metode Fuzzy Tsukamoto, yang memungkinkan integrasi berbagai faktor dalam sistem pengambilan keputusan berbasis aturan. Proses inferensi fuzzy dilakukan dengan 27 aturan dan hasil prediksi dievaluasi menggunakan data selama 12 bulan. Akurasi model diuji dengan metrik Mean Absolute Percentage Error (MAPE) dan Root Mean Square Error (RMSE). Evaluasi model menunjukkan nilai MAPE sebesar 3,99% dan RMSE 0,96 yang mengindikasikan tingkat akurasi prediksi yang tinggi. Dari hasil analisis data, ditemukan bahwa 5 bulan memiliki tingkat kerawanan tinggi, 3 bulan dengan tingkat kerawanan sedang, dan 4 bulan dengan tingkat kerawanan rendah. Model ini dapat menjadi alat bantu yang efektif dalam perencanaan mitigasi banjir di Kota Kendari.
PENERAPAN GRID SEARCH UNTUK OPTIMASI MODEL MACHINE LEARNING DALAM KLASIFIKASI SENTIMEN KOMENTAR YOUTUBE Bayu Prayoga, Mahendra; Cahyono, Nuri; Subektiningsih, Subektiningsih; Kamarudin, Kamarudin
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 3 (2025): JATI Vol. 9 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i3.13375

Abstract

YouTube bukan hanya platform berbagi video, tetapi juga ruang interaksi sosial melalui komentar yang mencerminkan opini dan persepsi pengguna. Penelitian ini bertujuan untuk menganalisis kinerja algoritma klasifikasi sentimen, yaitu Support Vector Machine (SVM), Logistic Regression, dan Random Forest, yang dioptimasi menggunakan Grid Search untuk klasifikasi sentimen komentar YouTube. Dataset yang digunakan terdiri dari 12.000 komentar dari 12 topik berbeda, meliputi politik, pendidikan, hiburan, teknologi, dan lainnya. Data diproses melalui preprocessing yang meliputi unique handling, case folding, text cleaning, slang words normalization, stopwords removal, tokenizing, dan stemming menggunakan Sastrawi. Pelabelan sentimen dilakukan dengan menggunakan kamus sentimen dalam tiga kelas: positif, negatif, dan netral. Oversampling dengan SMOTE diterapkan untuk mengatasi ketidakseimbangan data. Hasil penelitian menunjukkan bahwa optimasi menggunakan Grid Search meningkatkan akurasi model: SVM meningkat dari 90,97% menjadi 92,55%, Logistic Regression dari 86,72% menjadi 92,34%, dan Random Forest dari 87,33% menjadi 88,84%. Model SVM dengan kombinasi parameter 'C': 10, 'kernel': 'linear', 'max_iter': 1000, 'tol': 0.0001 menunjukkan performa terbaik dibandingkan model lain yang sudah dioptimasi.
PENGGUNAAN ALGORITMA CNN DENGAN ADAM OPTIMIZER DALAM APLIKASI WEB UNTUK PREDIKSI JENIS KELAMIN BUNGA Afnan Wijaya, Hafid; Cahyono, Nuri
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 3 (2025): JATI Vol. 9 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i3.13376

Abstract

Identifikasi jenis kelamin bunga pada tanaman dioecious (memiliki jenis kelamin jantan dan betina pada tanaman yang berbeda) dan monoecious (memiliki jenis kelamin jantan dan betina dalam satu tanaman) secara manual memerlukan waktu lama dan berisiko kesalahan. Kesulitan ini dapat mempengaruhi efisiensi pemuliaan tanaman serta hasil produksi. Oleh karena itu, diperlukan teknologi yang dapat mengotomatisasi proses identifikasi untuk meningkatkan akurasi dan efisiensi dalam pertanian. Penelitian ini bertujuan untuk mengembangkan aplikasi berbasis web untuk prediksi jenis kelamin bunga menggunakan algoritma Convolutional Neural Network (CNN). Metode penelitian yang digunakan mencakup pengumpulan dataset gambar bunga, pra-pemrosesan data untuk meningkatkan kualitas gambar, pelatihan model CNN, serta integrasi model ke dalam aplikasi web. Model CNN ini dilatih menggunakan dataset gambar bunga dengan jenis kelamin berbeda, dan optimisasi dilakukan menggunakan Adam optimizer untuk meningkatkan akurasi prediksi. Hasil penelitian menunjukkan bahwa model CNN yang dikembangkan mampu mencapai akurasi 92% dalam memprediksi jenis kelamin bunga. Aplikasi web yang dihasilkan memungkinkan pengguna mengunggah gambar bunga dan menerima hasil prediksi secara cepat dan akurat, tanpa memerlukan perangkat khusus.
PENERAPAN GAME INTERAKTIF BERBASIS MOBILE UNTUK MENINGKATKAN MINAT BELAJAR ANAK DALAM PEMBELAJARAN MATEMATIKA Oktafria, Fikri; Cahyono, Nuri; Wardhana, Raditya; Tofa Nurcholis, Muhammad
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 3 (2025): JATI Vol. 9 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i3.13377

Abstract

Game interaktif merupakan salah satu bentuk media interaktif yang dirancang untuk menghibur sekaligus mendidik penggunanya. Dalam dunia pendidikan, game berbasis mobile menjadi inovasi yang menarik karena kemampuannya untuk menggabungkan elemen hiburan dengan pembelajaran. Penggunaan game sebagai media pembelajaran memberikan pengalaman belajar yang lebih interaktif, menyenangkan, dan memotivasi siswa, khususnya dalam mata pelajaran yang sering dianggap sulit seperti matematika. Pengembangan game dilakukan menggunakan metode Game Development Life Cycle (GDLC) yang meliputi tahapan konsep, desain, implementasi, pengujian, dan distribusi. Dalam penelitian ini, game Math Racer dikembangkan sebagai media interaktif untuk pembelajaran matematika anak. Game ini dirancang agar siswa dapat belajar sambil bermain, dengan mekanisme permainan yang melibatkan penyelesaian soal matematika secara interaktif. Berdasarkan hasil pengujian menggunakan metode black box testing, seluruh fitur dalam game Math Racer telah diuji dan berfungsi sesuai dengan yang diharapkan. Pengujian dilakukan pada 30 perangkat berbeda, dengan tingkat keberhasilan 100% dalam menjalankan setiap fitur tanpa ditemukan bug atau error. Dengan hasil tersebut, game ini dinilai stabil dan siap digunakan sebagai media pembelajaran interaktif berbasis game.
ANALISIS DATA MINING PADA APLIKASI IREAP LITE POS MENGGUNKAN METODE ASOSIASI APRIORI UNTUK MENGIDENTIFIKASI POLA PENJUALAN Rosmeri Manurung, Agnes; Faqih, Ahmad; Dwilestari, Gifthera
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 3 (2025): JATI Vol. 9 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i3.13378

Abstract

Dalam dunia bisnis, pengelolaan stok dan promosi yang efisien merupakan tantangan utama, terutama bagi usaha kecil dan menengah (UKM). Salah satu pendekatan untuk mengatasi tantangan ini adalah dengan mengidentifikasi pola pembelian produk yang sering terjadi secara bersamaan. Penelitian ini bertujuan menganalisis pola penjualan menggunakan metode Asosiasi Apriori pada aplikasi iReap Lite POS, sebuah aplikasi yang digunakan oleh UKM untuk memantau transaksi penjualan secara real-time. Metode yang digunakan adalah Knowledge Discovery in Databases (KDD), dengan implementasi algoritma Apriori pada data transaksi yang mencakup informasi produk, jumlah pembelian, dan waktu transaksi. Algoritma Apriori diterapkan untuk menemukan aturan asosiasi antar produk yang sering dibeli bersamaan. Evaluasi hasil dilakukan menggunakan dua metrik utama, yaitu support dan confidence, untuk menilai relevansi dan kekuatan hubungan antar produk. Penelitian ini menemukan beberapa aturan asosiasi signifikan, misalnya, produk A sering dibeli bersamaan dengan produk B dalam transaksi yang sama dengan tingkat kepercayaan tinggi. Temuan ini memberikan wawasan penting bagi pengelola bisnis dalam mengoptimalkan pengelolaan stok dan merancang strategi promosi yang lebih tepat sasaran. Berdasarkan hasil pengujian, algoritma Apriori berhasil mengidentifikasi Es teh manis, Es teh tawar, Nasi goreng, Babi cabai garam dan Babi goreng dengan tingkat keterkaitan mencapai 75%, yang dapat digunakan untuk merancang strategi pemasaran yang lebih efektif. Secara keseluruhan, penelitian ini menunjukkan bahwa penerapan algoritma Apriori pada data transaksi dapat membantu memahami perilaku konsumen dan mendukung pengambilan keputusan berbasis data, yang relevan untuk meningkatkan kinerja operasional dan strategi pemasaran, khususnya pada usaha seperti Pork Corner.
PERAMALAN PENJUALAN TELUR AYAM RAS MENGUNAKAN METODE ARIMA Sofyan Rachma Danni, Muhammad; Nurdiyansyah, Firman; Marisa, Fitri
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 3 (2025): JATI Vol. 9 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i3.13379

Abstract

Industri peternakan ayam ras, khususnya produksi telur ayam ras, memainkan peran strategis dalam ketahanan pangan nasional. Namun, pengelolaan produksi menghadapi tantangan dalam perencanaan akibat fluktuasi permintaan pasar. Penelitian ini bertujuan untuk mengembangkan model peramalan penjualan telur ayam ras menggunakan metode ARIMA (AutoRegressive Integrated Moving Average). Data runtun waktu dianalisis untuk mengidentifikasi pola tren dan musiman. Hasil penelitian menunjukkan bahwa metode ARIMA mampu memberikan prediksi yang akurat dengan tingkat kesalahan rata-rata yang rendah. Model ini diharapkan dapat mendukung efisiensi produksi, manajemen stok, serta pengambilan keputusan bisnis yang lebih baik. Selain itu, penelitian ini berkontribusi dalam mendukung ketahanan pangan nasional melalui penyediaan pasokan telur yang stabil dan terjangkau. Temuan ini juga dapat menjadi referensi untuk pengembangan sistem peramalan pada komoditas agribisnis lainnya. Setelah dilakukan verifikasi dengan mengecek nilai MSE atau nilai error yang dimiliki kedua model yaitu Model ARIMA (1,1,0) mempunyai nilai MSE sebesar 898.567 dan Model ARIMA (0,1,1) mempunyai nilai MSE sebesar 720.991 maka dapat disimpulkan bahwa model yang paling baik digunakan adalah model ARIMA (0,1,1) yang memiliki nilai MSE terkecil untul model peramalan penjualan Telur Ayam Ras.
PENGEMBANGAN GAME EDUKASI SISKOM ADVENTURE BERBASIS ANDROID PADA MATA PELAJARAN INFORMATIKA KELAS X DI SMK NEGERI 2 PADANG PANJANG Anggraini, Anggun; Kurniawan, Haris; Junaidi, Satrio
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 3 (2025): JATI Vol. 9 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i3.13382

Abstract

Game edukasi merupakan jenis permainan yang dirancang khusus untuk mendukung proses pembelajaran, namun tetap memberikan kesenangan dan hiburan bagi para pemainnya. Untuk mencapainya tujuan pembelajaran yang efektif maka dibutuhkannya game pendukung pembelajaran, karena kurangnya media pembelajaran dalam proses pembelajaran menyebabkan siswa merasa jenuh dan kurang minat dalam belajar. Untuk mengatasi permasalahan di atas, para peneliti mengembangkan sebuah permainan edukasi berbasis Android yang diharapkan dapat menjadi media pendukung atau tambahan untuk meningkatkan minat belajar siswa dan membuat proses pembelajaran menjadi lebih menyenangkan. Jenis penelitian ini menggunakan pengembangan atau Research and Deveploment (R&D). Dalam penelitian ini akan menggunakan model ADDIE yaitu analisis (Analysis), Perancangan (Design), pengembangan (Development), pengembangan (Implementation), dan evaluasi (Evalution).Penelitian ini bertujuan untuk menghasilkan sebuah produk game edukasi berbasis android pada materi sistem komputer mata pelajaran informatika kelas X DKV di SMK Negeri 2 Padang Panjang. Berdasarkan hasil menunjukkan tingkat validitas game edukasi validasi media memperoleh rata-rata 89,35% dengan kategori “Sangat Valid”dan validasi materi memperole rata-rata 90,97% dengan kategori “Sangat Valid”. Dari kepraktisan game edukasi yang di nilai oleh praktikalitas guru memperoleh ratarata 94,44% dengan kategori “Sangat Praktis” dan game edukasi yang dinilai oleh siswa memperoleh rata-rata 88,79% dengan kategori “Sangat Praktis”.
IMPLEMENTASI JARINGAN RT/RW NET PERUM SLEMAN PERMAI I DENGAN METODE NDLC Arwanto, Edy; Lufti Mufreni, Sadr
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 3 (2025): JATI Vol. 9 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i3.13384

Abstract

Penelitian ini membahas penerapan jaringan RT/RW Net di Perum Sleman Permai I menggunakan perangkat MikroTik dan metode Network Development Life Cycle (NDLC). Permasalahan utama yang dihadapi adalah keterbatasan akses internet yang stabil dan terjangkau bagi masyarakat setempat. Penelitian ini bertujuan untuk merancang dan mengimplementasikan sistem jaringan berbasis komunitas yang mampu membagi bandwidth secara adil menggunakan manajemen jaringan MikroTik. Metode NDLC diterapkan dengan tahapan analisis kebutuhan, perancangan, simulasi, implementasi, monitoring, dan manajemen jaringan. Hasil penelitian menunjukkan bahwa sistem yang dibangun berhasil membagi bandwidth sesuai dengan konfigurasi yang telah ditentukan. Pengujian dilakukan dalam beberapa skenario dengan hasil rata-rata kecepatan unduh antara 52,48 Mbps hingga 53,89 Mbps, kecepatan unggah 39,07 Mbps hingga 39,15 Mbps, serta latensi 10 ms hingga 14 ms. Implementasi ini membuktikan bahwa metode NDLC dapat digunakan secara efektif untuk membangun jaringan komunitas yang efisien dan stabil.
PENGGUNAAN ALGORITMA SUPPORT VECTOR MACHINE UNTUK MENDETEKSI ANOMALI AKTIVITAS PENGGUNA PADA SISTEM INFORMASI KEUANGAN PT. DIGIDOKAT INDONESIA Rizki, Wahyu; Darip, Mochammad
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 3 (2025): JATI Vol. 9 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i3.13385

Abstract

Penelitian ini mengkaji penggunaan algoritma Support Vector Machines (SVM) untuk mendeteksi anomali aktivitas pengguna pada sis-tem informasi keuangan PT. DigiDokat Indonesia. Dalam era digitalisasi, sistem informasi keuangan menghadapi tantangan besar terkait keamanan data, di mana aktivitas anomali seperti akses tidak sah dan kesalahan verifikasi dapat merugikan institusi. SVM bekerja dengan mencari hyperplane optimal untuk memisahkan transaksi normal dan anomali dengan margin terbesar. Dalam penelitian ini, digunakan kernel Radial Basis Function (RBF) agar model dapat mengenali pola transaksi yang kompleks dan non-linear secara lebih akurat. Penelitian ini bertujuan untuk mengembangkan model deteksi anomali yang efektif dengan pendekatan machine learning, khususnya SVM, yang telah terbukti meningkatkan akurasi deteksi hingga 95%. Metode penelitian meliputi pengumpulan data melalui wawancara, observasi, dan dokumentasi, diikuti oleh pengembangan sistem berbasis Python. Hasil menunjukkan bahwa sistem mampu mendeteksi pola transaksi mencurigakan secara otomatis dan memberikan notifikasi kepada pengguna, sehingga meningkatkan keamanan dan efisiensi operasional.

Page 336 of 384 | Total Record : 3835

 334   335   336   337   338 

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