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
 369   370   371   372   373 
KNOWLEDGE DISCOVERY TERHADAP SENTIMEN PELANGGAN KOPI KENANGAN MENGGUNAKAN NAÏVE BAYES Munaspin, Zahra Diva Putri; Titiana, Nuke Merisca; Tsabitah, Laila; Karima, Dzakiah Aulia; Tania, Ken Ditha; Meiriza, Allsela
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.v9i3.14080

Abstract

Perkembangan industri minuman kopi di Indonesia semakin pesat, salah satunya ditandai dengan banyaknya kedai kopi modern yang bermunculan, seperti Kopi Kenangan. Seiring meningkatnya jumlah pelanggan, opini atau sentimen pelanggan terhadap produk dan layanan menjadi aspek penting yang perlu dianalisis untuk menjaga kualitas dan kepuasan pelanggan. Permasalahan yang diangkat dalam penelitian ini adalah banyaknya data ulasan pelanggan di internet yang belum dimanfaatkan secara maksimal untuk mengevaluasi sentimen terhadap Kopi Kenangan. Penelitian ini bertujuan untuk mengklasifikasikan sentimen pelanggan Kopi Kenangan menggunakan algoritma Naïve Bayes, serta memberikan wawasan terhadap kecenderungan opini pelanggan secara otomatis. Metode yang digunakan adalah knowledge discovery in database (KDD) yang mencakup tahapan: data selection, preprocessing, transformation, data mining menggunakan algoritma Naïve Bayes, dan evaluasi model. Data diperoleh dari ulasan pelanggan Kopi Kenangan melalui platform Google Review, kemudian diklasifikasikan menggunakan model Naïve Bayes dengan pembagian data latih dan uji sebesar 80:20. Hasil dari penelitian menunjukkan bahwa algoritma Naïve Bayes mampu mengklasifikasikan sentimen dengan akurasi sebesar 72,24%, presisi sebesar 75,20%, recall 72,24%, dan F1-score 72,20%. Model dapat mengenali sentimen positif dan netral dengan cukup baik, meskipun masih mengalami kesulitan dalam mengklasifikasikan sentimen negatif. Hasil ini dapat dijadikan acuan bagi perusahaan dalam meningkatkan kualitas layanan dan produk berdasarkan opini pelanggan
PENGEMBANGAN APLIKASI PENGAJUAN SURAT TERINTEGRASI BERBASIS WEB PADA POLTEKES KEMENKES TASIKMALAYA Dhiya Aula, Tiara; Tasdik, Komarudin
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.v9i4.14082

Abstract

Pengelolaan administrasi surat-menyurat di Poltekkes Kemenkes Tasikmalaya masih dilakukan secara manual menggunakan Google Form dan WhatsApp, sehingga menimbulkan kendala berupa keterlambatan proses, sulitnya pelacakan status surat, serta risiko miskomunikasi. Penelitian ini bertujuan untuk merancang aplikasi pengajuan surat terintegrasi berbasis web guna meningkatkan efisiensi dan efektivitas proses administrasi. Pengembangan sistem ini menggunakan metode Waterfall, yang terdiri dari tahapan berurutan, yaitu analisis kebutuhan, perancangan sistem, implementasi, pengujian. Pendekatan ini memastikan bahwa setiap tahap diselesaikan secara menyeluruh sebelum melanjutkan ke tahap berikutnya, sehingga menghasilkan sistem yang lebih terstruktur dan terdokumentasi dengan baik. Hasil penelitian menunjukkan bahwa aplikasi ini mampu mempercepat proses pengajuan dan persetujuan surat, mempermudah pelacakan status secara real-time, serta mengurangi beban kerja manual. Dengan demikian, aplikasi pengajuan surat terintegrasi berbasis web ini diharapkan dapat menjadi solusi yang efektif dan fleksibel dalam mengoptimalkan pengelolaan administrasi surat-menyurat di Poltekkes Kemenkes Tasikmalaya.
PENERAPAN POHON KEPUTUSAN C4.5 UNTUK MEMPREDIKSI TREN POPULARITAS GAME DI PLATFORM STEAM Drilanang, Mhd Ilyasyah; Sapta Warman Zai, Tri; Juliana Silalahi, Feby; Ramadhani, Fanny
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.v9i4.14083

Abstract

Pengembang dan penerbit game menghadapi kesulitan dalam menentukan game mana yang dapat menjadi populer atau trending seiring dengan meningkatnya jumlah game yang tersedia di platform distribusi digital seperti Steam. Banyak faktor yang memengaruhi popularitas suatu game, serta kurangnya alat prediksi yang efektif untuk membantu membuat keputusan tentang pengembangan dan pemasaran produk, menyebabkan masalah ini. Dengan menggunakan algoritma pohon keputusan C4.5, tujuan penelitian ini adalah untuk membangun model yang dapat memprediksi tren popularitas game. Pengumpulan data dari platform Steam digunakan. Data ini termasuk jumlah rekomendasi, ulasan positif, pencapaian game, dan harga. Setelah itu, data diproses melalui tahapan preprocessing, pemilihan fitur, dan pembagian dataset. Untuk pelatihan dan pengujian, rasio 80:20 digunakan. Untuk mencegah overfitting, model dibangun menggunakan DecisionTreeClassifier dengan parameter optimasi seperti kriteria pemisahan entropy dan kedalaman maksimum lima level. Hasil evaluasi menunjukkan bahwa model memiliki akurasi sebesar 92 persen, dengan jumlah rekomendasi dan ulasan positif yang paling penting. Studi ini dapat membantu pengembang game dan analis pasar memahami faktor utama yang memengaruhi popularitas game. Ini juga dapat menjadi dasar untuk membuat strategi pemasaran dan pengembangan produk yang lebih baik. Disarankan untuk ditambahkan fitur baru, seperti kategori game, dan teknik ensemble untuk meningkatkan prediksi.
PERBANDINGAN METODE NAÏVE BAYES DAN K-NEAREST NEIGHBOR TERHADAP ANALISIS SENTIMEN ULASAN PROGRAM MAKAN SIANG GRATIS DI INDONESIA Fathoni, Fathoni; Maretta, Aulia Pinkan; Kusuma, Aisha Nuraini; Sasmita, Ruth Mei; Rizkyllah, Anabel Fiorenza; Ibrahim, Ali
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.v9i4.14084

Abstract

Program Makan Siang Gratis di Indonesia sebagai kebijakan kontroversial memicu respons beragam di media sosial, sehingga analisis sentimen diperlukan untuk memahami persepsi publik secara komprehensif. Permasalahan utama terletak pada keterbatasan metode klasifikasi dalam menangani data teks informal, yang berpotensi membuat akurasi identifikasi menurun. Penelitian ini bertujuan membandingkan kinerja algoritma Naïve Bayes dan K-Nearest Neighbor (K-NN) dalam mengklasifikasikan sentimen ulasan masyarakat terhadap program tersebut. Sebanyak 2.080 komentar dari X (Twitter) dan YouTube dikumpulkan melalui web scraping, kemudian diproses dengan tahapan cleaning (penghapusan mention, URL), penghapusan stopwords, tokenisasi, dan transformasi fitur menggunakan TF-IDF. Dataset dibagi dengan rasio 60:40 untuk training dan testing, lalu dievaluasi menggunakan metrik akurasi, precision, recall, dan F1-score. Hasil penelitian menunjukkan Naïve Bayes mencapai akurasi tertinggi (87,75%), lebih unggul dari K-NN (86,67%). Kedua algoritma mencatat precision sempurna (100%), namun memiliki kelemahan dalam recall (NB: 18,4%; K-NN: 11,2%) dan F1-score (NB: 31%; K-NN: 20,1%), yang mengindikasikan kesulitan dalam mengidentifikasi sentimen positif. Penelitian ini membuktikan keunggulan Naïve Bayes dalam analisis sentimen kebijakan publik berbasis teks informal
DIGITALISASI ARSIP ORGANISASI PEMUDA BERBASIS ANDROID UNTUK PEMBANGUNAN SMART VILLAGE Nugrahantoro, Achmad; Wati, Vera; Azhari Pohan, Ahmad; Bangun Lestari, Lutfi; Masfuha, Ilmi; Mukti Prabowo, Gilang
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.v9i4.14085

Abstract

Arsip memiliki peran penting dalam mendukung keteraturan dan keberlanjutan informasi terutama dalam organisasi pemuda desa yang aktif dalam pembangunan smart village. Digitalisasi arsip melalui platform E-Archive berbasis Android menjadi solusi untuk meningkatkan efisiensi, aksesibilitas, dan integrasi data organisasi. Penelitian ini bertujuan mengevaluasi kelayakan pengembangan platform E-Archive dengan pendekatan TELOS. Hasil analisis menunjukkan bahwa sistem memenuhi seluruh kriteria kelayakan dengan skor total 8.5, dengan faktor teknis memperoleh nilai tertinggi. Penelitian ini menunjukkan bahwa platform E-Archive layak diimplementasikan dan mampu memperkuat tata kelola informasi yang transparan, efisien, dan berkelanjutan di lingkungan organisasi pemuda. Hasil pengujian fungsionalitas menunjukkan bahwa aplikasi berfungsi dengan baik, memenuhi kebutuhan pengguna, dan berpotensi meningkatkan kualitas tata kelola informasi di tingkat desa. Pengembangan lebih lanjut diharapkan dapat memperluas fitur serta meningkatkan kinerja platform E-Archive untuk mendukung inovasi digital dan pelestarian nilai lokal di desa.
SYMPTOM-BASED DISEASE PREDICTION USING MACHINE LEARNING Hakeel, Mohamed; Primajaya, Aji; Nurfikli, E.Haodudin
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.v9i4.14087

Abstract

There are now more opportunities to increase diagnostic accessibility and accuracy thanks to the application of machine learning (ML) in healthcare, especially in environments with limited resources. The Random Forest Classifier (RFC) and Multi-Layer Perceptron (MLP) models emphasize this study's strong framework for symptom-based disease prediction utilizing machine learning methods. Our approach emphasizes the significance of data preparation, feature engineering, and model evaluation while addressing important issues, including missing data, symptom overlap, and ethical implications using Kaggle datasets. According to our findings, the RFC model performs better than the MLP classifier, with 99% accuracy. We also created an interactive platform for disease prediction, data addition, and model retraining using a web application built using Streamlit. Especially in poverty-stricken areas, this approach provides a scalable and dependable tool for early disease diagnosis, lowering diagnostic mistakes and enhancing healthcare accessibility.
SISTEM INFORMASI PENGOLAHAN DATA SISWA BERBASIS WEB STUDI KASUS PADA MIN 3 TEGAL Apriliyani Sugiarti, Sevira; Andri Senubekti, Mamok; Subrata, Jaka
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.v9i4.14093

Abstract

Sistem informasi pengolahan data siswa merupakan salah satu hal wajib dalam dunia pendidikan. Menginputkan data siswa dengan menggandakan file data siswa menyebabkan penumpukan data dan membuat sulit mendapatkan data yang sistematis karena harus membuka file datanya satu per satu, sehingga terjadi banyak duplikasi data, yang mengakibatkan pembuatan banyak file. Studi ini menekankan masalah pada pengolahan data siswa yang masih konvensional agar data menjadi terkomputerisasi serta dapat diakses secara online, sehingga memudahkan penyimpanan dan pencarian data. Perancangan yang akan dibangun menggunakan metode UML(Unified Modeling Language) dan pengembangan sistem ini menggunakan bahasa pemrograman PHP dan database MySQL serta menggunakan metode pengembangan perangkat lunak seperti waterfall atau Research and Development (R&D). pengolahan data siswa dalam bentuk web akan sangat bermanfaat dan membantu sekolah, terutama bagian Tata Usaha (TU). Semua fitur sistem ini dapat memudahkan pencatatan.
IDENTIFIKASI ISYARAT TANGAN BISINDO DENGAN ALGORITMA CNN DAN TRANSFER LEARNING MENGGUNAKAN MOBILENETV2 Fahlevi, Raihan; Rozikin, Chaerur
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.v9i4.14095

Abstract

Bahasa Isyarat Indonesia (BISINDO) merupakan bentuk komunikasi visual yang digunakan oleh komunitas tuli dan tunarungu di Indonesia. Minimnya pemahaman masyarakat umum terhadap BISINDO sering kali menjadi hambatan dalam proses komunikasi, sehingga dibutuhkan teknologi yang mampu menerjemahkan isyarat tangan secara otomatis. Penelitian ini bertujuan untuk mengembangkan sistem pengenalan huruf BISINDO berbasis citra digital menggunakan algoritma Convolutional Neural Network dan pendekatan transfer learning dengan arsitektur MobileNetV2. Dataset yang digunakan terdiri dari gambar huruf A–Z BISINDO yang diperoleh melalui proses augmentasi citra. Data kemudian diproses menjadi ukuran 224x224 piksel agar sesuai dengan input model. Model dilatih menggunakan fungsi aktivasi ReLU, fungsi loss Categorical Crossentropy, dan optimizer Adam. Hasil pelatihan menunjukkan bahwa model mampu mengenali huruf BISINDO dengan akurasi validasi sebesar 95% dan akurasi pengujian sebesar 93,33%. Hasil ini membuktikan bahwa penggunaan transfer learning dengan MobileNetV2 efektif dalam membangun sistem pengenalan huruf BISINDO secara cepat dan akurat. Sistem ini diharapkan dapat menjadi solusi awal dalam menjembatani komunikasi antara pengguna BISINDO dan masyarakat umum secara lebih efisien.
OLAH DATA EKUASI MENGGUNAKAN KOMBINASI GRAPH NEURAL NETWORK (GNN) DALAM MACHINE LEARNING Prana Walidin, Adamsyach; Pebiana Putri, Fahra; Raffi Akbar, Muhammad; Fahmi Sagala, Khairul; Ramadhani, Fanny
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.v9i4.14096

Abstract

Pengolahan Data ini dikembangkan sebagai platform edukasi berbasis kecerdasan buatan yang membantu pengguna dalam menyelesaikan tugas akademik, seperti penyelesaian ekuasi matematis. Sistem ini memanfaatkan Graph Neural Network (GNN) untuk mengubah soal matematika menjadi representasi graf, memungkinkan model untuk memahami dan menyelesaikan persamaan secara lebih efektif. Implementasi awal telah mencapai Minimum Viable Product (MVP) dengan hasil yang menunjukkan bahwa pendekatan berbasis graf dapat diterapkan dalam konteks pendidikan. Menggunakan dataset soal ekuasi, dengan susunan graf yang didukung model machine learning, Ekuasi ditentukan menggunakan operator matematis yang sudah dideklarasikan pada model. Namun, masih terdapat beberapa tantangan, seperti validasi input dan optimasi model agar lebih akurat. Didapatkan hasil latih model dengan epoch error loss terbaik sebesar 0.374512 dalam pelatihan model. Model juga diukur menggunakan pertanyaan matematis dengan hasil yang akurat terhadap soal dengan tingkat akurasi sebesar 93,36%. Ke depannya, penelitian lebih lanjut dapat dilakukan dengan meningkatkan akurasi model, serta mengeksplorasi kombinasi GNN dengan Large Language Models (LLMs) untuk meningkatkan pemahaman terhadap soal yang lebih kompleks. Dengan pengembangan yang berkelanjutan, inovatif dalam membantu pelajar dan pengajar mengakses solusi berbasis AI yang lebih interaktif dan cerdas.
PERBANDINGAN EVALUASI USABILITY APLIKASI E-WALLET SHOPEEPAY DAN GOPAY MENGGUNAKAN METODE HEURISTIC EVALUATION Fathoni, Fathoni; Abdillah Putra, Muhafsyah; Hikmahwarani, Fellycia; Zahran Afif, Muhammad; Theressa Hasioani Sianturi, Claudia
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.v9i4.14098

Abstract

Dalam beberapa tahun terakhir, penggunaan aplikasi e-wallet semakin berkembang di Indonesia, dengan GoPay dan ShopeePay sebagai dua aplikasi terkemuka. Penelitian kami memiliki tujuan untuk mengkomparasi pengalaman user Shopeepay dan Gopay tersebut dengan menggunakan teknik Heuristic Evaluation, yang menilai skor usability berdasarkan sepuluh prinsip heuristik yang telah terbukti efektif. Metode ini memungkinkan identifikasi masalah yang tidak langsung terdeteksi oleh pengguna, serta memberikan rekomendasi perbaikan untuk meningkatkan kualitas aplikasi. Hasil evaluasi menunjukkan bahwa GoPay secara keseluruhan memperoleh skor usability yang lebih tinggi, yaitu sebesar 4,19 dibandingkan dengan ShopeePay sebesar 3,94. Skor usability ini dihitung berdasarkan penilaian terhadap aspek-aspek desain dan interaksi aplikasi yang terkait dengan kemudahan penggunaan dan efektivitas fungsionalitas. Meskipun kedua aplikasi menunjukkan performa yang baik, hasil penelitian ini mengungkapkan adanya ruang untuk perbaikan pada aspek tertentu, seperti kontrol pengguna dan bantuan saat terjadi kesalahan. Penelitian ini memberi wawasan yang sangat penting bagi developer aplikasi untuk lebih memahami kebutuhan pengguna dan meningkatkan pengalaman user dalam penggunaan aplikasi e-wallet.

Page 371 of 384 | Total Record : 3835

 369   370   371   372   373 

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