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
 363   364   365   366   367 
IMPLEMENTASI MACHINE LEARNING DALAM DETEKSI BUG OTOMATIS PADA KODE SUMBER OPEN SOURCE Pitunas, Hery; Teja Kusuma, Wahyu; Naseh Khudori, Ahsanun
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 4 (2025): JATI Vol. 9 No. 4
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i4.13965

Abstract

Dalam pengembangan software, menghilangkan bug penting untuk menjaga kualitas aplikasi. Developer sering menghabiskan banyak waktu untuk mengatasi dan menemukan solusi bug yang dialami. Beragamnya jenis bug membuat proses ini menjadi semakin kompleks dan memakan waktu. Berdasarkan hal tersebut, klasifikasi bug menjadi solusi penting. Data penyelesaian bug yang tersedia secara public dapat dimanfaatkan untuk klasifikasi dan prediksi otomatis menggunakan machine learning. Penelitian ini menerapkan KNN untuk mendeteksi bug otomatis pada kode sumber open source. Hasilnya menunjukkan bahwa parameter k dalam KNN dan k-fold pada cross-validation berpengaruh signifikan terhadap performa model. Nilai k yang kecil membuat model lebih sensitive terhadap noise dan rentan overfitting, sedangkan nilai k ynag besar meningkatkan stabilitas dan generalisasi meskipun akurasi menurun. K-fold yang lebih besar menghasilkan model yang lebih stabil dengan akurasi yang lebih tinggi. Akurasi terbaik yang diperoleh adalah 0,9025 dengan presisi, recall, dan f-measure yang perlu dioptimalkan.
EFISIENSI ANGGARAN DALAM WACANA PUBLIK: ANALISIS SENTIMEN PLATFORM X DENGAN NAÏVE BAYES Ananda Hafika, Rizky; Hafiz, Alvin; Agus Waruwu, Stefen; Yazid Noor, Muhammad; Advis Ambrosius Sitohang, Yuda; Saputra, Kana
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 4 (2025): JATI Vol. 9 No. 4
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i4.13967

Abstract

Efisiensi anggaran merupakan isu krusial dalam pengelolaan keuangan negara yang sering menjadi sorotan publik, khususnya di media sosial seperti Twitter. Opini masyarakat yang tersebar di platform tersebut mencerminkan tingkat kepercayaan terhadap keterbukaan dan akuntabilitas pemerintah. Namun, data opini yang bersifat tidak terstruktur menimbulkan tantangan dalam analisis sentimen publik secara menyeluruh. Penelitian ini bertujuan untuk mengevaluasi opini masyarakat mengenai efisiensi anggaran menggunakan algoritma Naïve Bayes. Sebanyak 1.610 tweet dikumpulkan dan diproses melalui tahap preprocessing yang meliputi pembersihan data, case folding, tokenisasi, normalisasi, penghapusan stopword, dan stemming. Setelah preprocessing, data diberi label secara manual untuk klasifikasi sentimen. Selanjutnya, dilakukan ekstraksi fitur menggunakan metode TF-IDF dan pembagian data menjadi 80% untuk pelatihan dan 20% untuk pengujian model. Hasil analisis menunjukkan bahwa opini publik cenderung negatif dengan distribusi 58,4% negatif, 23,5% netral, dan 18,1% positif. Model klasifikasi menghasilkan akurasi sebesar 73,29%, dengan nilai F1-score tertinggi pada sentimen negatif (0,82) dan terendah pada sentimen netral (0,06), yang mengindikasikan adanya ketidakseimbangan data. Penelitian ini menyimpulkan bahwa algoritma Naïve Bayes cukup efektif dalam mengidentifikasi sentimen negatif, namun memerlukan perbaikan dalam mendeteksi sentimen netral, antara lain melalui teknik penyeimbangan data dan eksplorasi algoritma lain di masa mendatang.
SISTEM PAKAR DIAGNOSA PENYAKIT PADA TANAMAN TERONG MENGGUNAKAN CERTAINTY FACTOR Yusril Kinanggi, Taufik; Yusuf Bisilisin, Franki
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 4 (2025): JATI Vol. 9 No. 4
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i4.13968

Abstract

Tanaman terong merupakan salah satu komoditas hortikultura yang banyak dibudidayakan dan dikonsumsi masyarakat Indonesia. Namun, produktivitas tanaman terong sering mengalami penurunan akibat serangan penyakit, terutama saat musim penghujan. Di Kabupaten Kupang, produksi terong menurun dari 7.363 kuintal menjadi 2.832 kuintal pada tahun 2023, yang disebabkan oleh keterbatasan petani dalam mengidentifikasi penyakit dan menentukan penanganan yang tepat. Untuk mengatasi permasalahan tersebut, penelitian ini mengembangkan sistem pakar diagnosis penyakit pada tanaman terong menggunakan metode Certainty Factor (CF). Metode CF digunakan untuk menghitung tingkat kepastian berdasarkan gejala-gejala yang diamati, sehingga sistem dapat memberikan hasil diagnosis beserta nilai keyakinan terhadap penyakit yang terdeteksi. Sistem ini dibangun dalam bentuk aplikasi desktop menggunakan bahasa pemrograman Python dan diuji menggunakan Mean Absolute Percentage Error (MAPE). Hasil pengujian menunjukkan bahwa sistem mampu mendiagnosia penyakit dengan baik dan tingkat keakuratan sistem mencapai 72% dan tingkat kesalahan sistem yaitu 28% . Sistem ini diharapkan dapat membantu petani dalam melakukan diagnosis awal secara mandiri dan memberikan rekomendasi penanganan secara cepat dan tepat.
PENGUJIAN PERANGKAT LUNAK PADA WEBSITE KA’CAKE: IMPLEMENTASI UNIT TESTING, INTEGRATION TESTING, SYSTEM TESTING, DAN VALIDATION TESTING UNTUK MENJAMIN KUALITAS DAN KEANDALAN SISTEM Amin Rahim Hidayat, Muhammad; Nura Izzati, Nadia; Rizky Putra Prirhatama, Andika; Patria, Yudhistira; Kurmilasari, Susanti
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 4 (2025): JATI Vol. 9 No. 4
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i4.13969

Abstract

Penjaminan mutu perangkat lunak merupakan tahapan penting dalam pengembangan aplikasi untuk memastikan sistem berfungsi dengan baik, aman, dan sesuai kebutuhan pengguna. Penelitian ini membahas penerapan pengujian perangkat lunak pada website restoran Ka’Cake dengan metode White Box dan Black Box Testing. Pengujian dilakukan pada berbagai tahap, yaitu Unit Testing, Integration Testing, System Testing, dan Validation Testing. Hasil pengujian menunjukkan bahwa sistem mampu memvalidasi input dan menyimpan data dengan baik. Tingkat keberhasilan pengujian mencapai 100% untuk semua skenario pada Unit Testing, Integration Testing, System Testing, dan Validation Testing. Meskipun demikian, masih ditemukan beberapa perbedaan respons sistem terhadap input tidak valid pada tahap System Testing. Artikel ini juga menyajikan perbandingan dan hubungan antar jenis pengujian yang digunakan sebagai dasar evaluasi mutu perangkat lunak secara menyeluruh.
SISTEM INFORMASI PRESENSI KARYAWAN BERBASIS WEBSITE PADA CV. ALISA KOTA TEGAL Septiani Fahestin, Tennia; Riyanto, Riyanto; Setyani Wahyu Prasetyawati, Aries
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 4 (2025): JATI Vol. 9 No. 4
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i4.13970

Abstract

Pada CV. Alisa menerapkan sistem presensi yang konvensional yaitu karyawan mengirimkan foto pada saat tiba di lokasi melalui grup whatsapp khusus presensi. Permasalahan yang sering terjadi di CV. Alisa adalah terhapusnya data sebelum dilakukannya pencatatan oleh admin, serta terjadinya manipulasi data. Kendala lain proses rekapitulasi data presensi karyawan dilakukan menggunakan sistem hitungan manual sehingga terjadi kesalahan serta tidak efektif dan efisien. Metode perancangan yang digunakan dalam laporan tugas akhir ini menggunakan metode waterfall dan UML (Unifield Modeling Language). Hasil dari analisis sistem presensi karyawan di CV. Alisa yang masih konvensional menimbulkan beberapa masalah, sehingga peneliti berencana untuk membuat sistem informasi presensi karyawan berbasis website yang dapat meningkatkan kinerja karyawan dan mempermudah proses penggajian.
PERBANDINGAN KINERJA KNN DAN SVM DALAM KLASIFIKASI SAMPAH ORGANIK DAN ANORGANIK MENGGUNAKAN EKSTRAKSI FITUR HOG DAN LBP Hidayatul Arifin, Muhammad; Amelia Vega S. Meliala, Ruth; Impana Manik, Kristin; Defiyanti, Aqilah; Syahputra, Hermawan
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 4 (2025): JATI Vol. 9 No. 4
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i4.13972

Abstract

Pertumbuhan limbah yang semakin meningkat menimbulkan tantangan yang signifikan bagi upaya pelestarian lingkungan. Proses pemisahan sampah masih dilakukan secara manual dan sering kali tidak konsisten, yang merupakan kendala utama. Penelitian ini bertujuan untuk mengembangkan sistem yang menggunakan pengolahan citra untuk mengklasifikasikan sampah organik dan anorganik secara otomatis. Penelitian ini menggunakan dataset yang digunakan terdiri dari 1.800 citra dimana 900 organik dan 900 anorganik yang diekstraksi melalui Histogram of Oriented Gradients (HOG) dan Local Binary Pattern (LBP). Tahap preprocessing, yang mencakup pengubahan ukuran dan konversi ke grayscale. Selanjutnya, Principal Component Analysis (PCA) digunakan untuk mengurangi dimensi fitur HOG, kemudian digabungkan dengan fitur LBP dan diklasifikasikan menggunakan algoritma Support Vector Machine (SVM) dan K-Nearest Neighbors (KNN). Hasil pengujian menunjukkan bahwa SVM dengan kernel RBF memiliki akurasi tertinggi sebesar 88,89%, sementara KNN dengan nilai k=5 memiliki akurasi sebesar 83,61%. Keunggulan SVM terletak pada kemampuan mereka untuk memaksimalkan margin pemisahan. Hasilnya menunjukkan bahwa metode penggabungan HOG dan LBP dengan klasifikasi berbasis SVM dapat meningkatkan akurasi pemisahan sampah secara otomatis. Hasil ini dapat mendorong upaya untuk mengurangi beban di TPA serta meningkatkan praktik daur ulang yang berkelanjutan.
ANALISIS KEPUASAN PENGGUNA APLIKASI LIVIN BY MANDIRI MENGUNAKAN METODE PIECES Ainur Rahman, Mukhlis; Dian Safira, Risma; Nur Khofifah, Sitti; Fajrul Islam, Muhammad; Maulidia, Ika; Dellia, Prita
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 4 (2025): JATI Vol. 9 No. 4
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i4.13974

Abstract

Di era teknologi yang semakin canggih ini, Bank mandiri kini mengembangkan sebuah aplikasi mobile banking yaitu Livin by Mandiri. Dengan adanya aplikasi ini dapat mempermudah pengguna bank Mandiri dalam melakukan transaksi secara online. Namun belum diketahui secara menyeluruh tingkat kepuasan pengguna aplikasi, khususnya dari kalangan mahasiswa. Penelitian ini menganalisis tingkat kepuasan pengguna aplikasi Livin’ by Mandiri menggunakan metode PIECES (Performance, Information, Economic, Control, Efficiency, dan Service) untuk mengevaluasi berbagai aspek seperti kinerja aplikasi, akurasi informasi, efisiensi biaya, kemudahan kontrol, efektivitas, dan kualitas layanan. Data dikumpulkan melalui survei terhadap para mahasiswa dan dianalisis menggunakan pendekatan kuantitatif serta kualitatif. Hasil pengujian menunjukkan bahwa secara keseluruhan pengguna merasa puas terhadap aplikasi Livin’ by Mandiri, dengan nilai rata-rata kepuasan mencapai 3,831. Namun, aspek efisiensi dan keamanan layanan menjadi perhatian untuk peningkatan lebih lanjut guna menunjang daya saing aplikasi di era digital perbankan saat ini.
PENGEMBANGAN APLIKASI LIBRARY INTEGRATED MANAGEMENT (LIM) SEBAGAI ALAT MANAJEMEN PEMINJAMAN BUKU DENGAN INTEGRASI AI CHATBOT BERBASIS WEB Zulfahrizan, Atta; Ilyasyah Drilanang, Muhammad; Br. Hutagalung, Fhadillah; Perdana, Adidtya
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 4 (2025): JATI Vol. 9 No. 4
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i4.13975

Abstract

Mendukung kegiatan akademik dan melek informasi komunitas memerlukan manajemen perpustakaan yang baik. Namun, antrian panjang, kesulitan mencari buku yang tersedia, dan kurangnya sistem yang terintegrasi untuk mengejar status pinjaman adalah masalah yang sering menghalangi proses peminjaman dan pengembalian buku. Penelitian ini bertujuan untuk menyelesaikan masalah pengguna dan staf perpustakaan dengan mengembangkan sistem manajemen perpustakaan berbasis web yang mencakup informasi real-time, sistem rekomendasi, dan akses mudah terhadap informasi tentang ketersediaan buku. Faktor-faktor tersebut termasuk kurangnya sistem yang dapat membantu staf perpustakaan mengelola data peminjaman dan pengembalian dengan lebih efektif. Model Waterfall, yang mencakup analisis kebutuhan, perancangan sistem, implementasi, dan pengujian fitur utama, digunakan dalam penelitian ini. Metode berbasis teknologi digunakan untuk membangun sistem; ini termasuk membuat perangkat lunak berbasis web, memasukkan chatbot kecerdasan buatan, melakukan uji coba dan evaluasi, dan menerapkan sistem. Hasil penelitian ini menunjukkan bahwa sistem berbasis web yang menggabungkan AI dapat meningkatkan manajemen perpustakaan dan memberi pengguna pengalaman yang lebih baik saat mengakses buku. Selain itu, penelitian ini menunjukkan bahwa sistem LIM dapat memberikan informasi tentang ketersediaan buku secara real-time dan memungkinkan peminjaman dan pengembalian buku secara lebih efisien.
IDENTIFIKASI DAERAH RAWAN BANJIR DI KOTA BENGKULU MENGGUNAKAN K-MEANS CLUSTERING DENGAN PYTHON Hadi, Bintang; Guntur Alam, RG; Juhardi, Ujang; Kharisma Hidayah, Agung
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 4 (2025): JATI Vol. 9 No. 4
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i4.13976

Abstract

Kota Bengkulu merupakan salah satu wilayah di Indonesia yang rentan terhadap bencana banjir, terutama akibat tingginya curah hujan serta perubahan tata guna lahan yang tidak terkendali. Permasalahan utama dalam mitigasi banjir adalah kurangnya identifikasi wilayah rawan secara sistematis berbasis data. Penelitian ini bertujuan untuk mengidentifikasi daerah rawan banjir di Kota Bengkulu dengan memanfaatkan algoritma K-Means Clustering berbasis Python. Data yang digunakan meliputi curah hujan dari BMKG periode April hingga Desember 2024 dan data historis banjir dari BNPB. Metode penelitian terdiri dari tahap pengumpulan dan praproses data, penerapan algoritma K-Means menggunakan Rumus Jarak Absolut, serta visualisasi hasil menggunakan pustaka matplotlib. Hasil analisis menghasilkan tiga kategori wilayah: risiko tinggi, sedang, dan rendah. Kecamatan Muara Bangka Hulu teridentifikasi sebagai wilayah dengan risiko tinggi, sedangkan Teluk Segara tergolong risiko rendah. Validasi dengan data historis menunjukkan hasil yang akurat dan relevan. Penelitian ini diharapkan dapat menjadi dasar pengambilan kebijakan mitigasi banjir di Kota Bengkulu, serta menjadi referensi bagi penerapan metode serupa di wilayah lain.
PERANCANGAN APLIKASI SIMULASI UJIAN SEKOLAH DI SMK NEGERI 1 PONOROGO MENGGUNAKAN ALGORITMA LINEAR CONGRUENTIAL GENERATOR BERBASIS WEB Purnomo Aji, Lintang; Abdurrozzaq Zulkarnain, Ismail; Nurfitri, Khoiru
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 4 (2025): JATI Vol. 9 No. 4
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i4.13979

Abstract

Pendidikan merupakan proses penting dalam membentuk karakter dan meningkatkan kualitas individu. Namun, pelaksanaan ujian sekolah secara manual masih menghadapi kendala seperti efisiensi waktu dan potensi kecurangan. Penelitian ini bertujuan untuk mengimplementasikan algoritma Linear Congruential Generator (LCG) pada aplikasi simulasi ujian sekolah berbasis web di SMK Negeri 1 Ponorogo. Metode pengembangan sistem yang digunakan adalah Waterfall, yang terdiri dari tahap analisis kebutuhan, perancangan, implementasi, pengujian, serta pemeliharaan. Permasalahan utama yang diangkat adalah kurangnya sistem otomatisasi dalam penyusunan dan pengacakan soal ujian. LCG dipilih karena kemampuannya dalam menghasilkan angka acak secara merata dan terprediksi. Hasil pengujian menunjukkan tingkat keacakan soal yang tinggi, dengan hanya 33 dari 690 soal yang sama dari total 23 siswa, atau sekitar 4,78%, sehingga tingkat keunikan soal mencapai 95,22%. Temuan ini menunjukkan bahwa penggunaan LCG dapat mengurangi potensi kecurangan, menjaga kerahasiaan soal, dan meningkatkan efisiensi pelaksanaan ujian. Sistem ini berpotensi untuk dikembangkan lebih lanjut dalam skala pendidikan yang lebih luas.

Page 365 of 384 | Total Record : 3835

 363   364   365   366   367 

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