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 4,631 Documents
 389   390   391   392   393 
KLASIFIKASI CITRA HISTOPATOLOGI KANKER PARU-PARU MENGGUNAKAN RESNET50 DENGAN INTERPRETASI GRAD-CAM Ade Verdaus Verdaus Saputra; Wahyudi Setiawan
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 10 No. 1 (2026): JATI Vol. 10 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v10i1.16634

Abstract

Kanker paru-paru merupakan salah satu penyebab utama kematian di dunia, sehingga diperlukan metode diagnosis yang cepat, akurat, dan konsisten. Namun, diagnosis histopatologi konvensional masih bergantung pada interpretasi manual patolog terhadap citra berpewarnaan Hematoxylin and Eosin (H&E), yang rentan terhadap subjektivitas, inkonsistensi, dan waktu analisis yang lama. Permasalahan ini mendorong perlunya sistem otomatis yang tidak hanya memiliki performa tinggi, tetapi juga dapat diinterpretasikan secara klinis. Penelitian ini bertujuan untuk mengimplementasikan dan mengevaluasi arsitektur Convolutional Neural Network ResNet50 dalam mengklasifikasikan citra histopatologi kanker paru-paru serta meningkatkan transparansi keputusan model menggunakan Grad-CAM. Metode penelitian meliputi preprocessing citra, augmentasi data, pembagian dataset secara stratifikatif, pelatihan model menggunakan 5-Fold Cross Validation, evaluasi performa klasifikasi, serta visualisasi interpretabilitas model. Dataset yang digunakan adalah LC25000 dengan tiga kelas, yaitu lung_normal, lung_adenocarcinoma, dan lung_squamous cell carcinoma. Hasil penelitian menunjukkan bahwa model ResNet50 mencapai akurasi pengujian sebesar 0.9731 dengan nilai precision, recall, dan F1-score yang konsisten tinggi pada seluruh kelas. Visualisasi Grad-CAM mampu menyoroti area patologis yang relevan secara klinis, seperti kepadatan nukleus abnormal dan pola keratinisasi. Hasil ini membuktikan bahwa ResNet50 dengan Grad-CAM efektif sebagai solusi awal sistem pendukung diagnosis histopatologi kanker paru yang akurat dan interpretabel
PERANCANGAN SISTEM REKOMENDASI RESEP BERGIZI UNTUK MASYARAKAT MENGGUNAKAN K-MEANS CLUSTERING Neoval Fitroha; Andika Eka Suandi; Muhammad Fajar Nurcahyadi; Syifa Nur Rakhmah; Findi Ayu Sariasih; Imam Sutoyo
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 10 No. 1 (2026): JATI Vol. 10 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v10i1.16631

Abstract

Pemanfaatan teknologi digital semakin memudahkan masyarakat dalam mencari serta memilih makanan, namun kemudahan tersebut turut mendorong meningkatnya konsumsi makanan cepat saji yang cenderung rendah nilai gizi dan berisiko menimbulkan masalah kesehatan. Penelitian ini mengembangkan sebuah sistem rekomendasi resep bergizi berbasis web yang menyesuaikan saran menu dengan kebutuhan energi masing-masing pengguna. Proses penelitian mencakup tahap pra-pengolahan dataset Indonesian Food and Drink Nutrition yang berisi 1.347 jenis makanan, penerapan algoritma K-Means Clustering untuk mengelompokkan makanan berdasarkan kandungan kalori, protein, karbohidrat, dan lemak, serta integrasi perhitungan Basal Metabolic Rate (BMR) dan Total Daily Energy Expenditure (TDEE). Implementasi sistem dilakukan menggunakan CodeIgniter 4. Hasil pengelompokan menunjukkan lima cluster makanan dengan karakteristik nutrisi yang berbeda, di mana cluster terbesar adalah Rendah Karbohidrat (66,5%). Evaluasi menggunakan Silhouette Coefficient menghasilkan nilai rata-rata 0.76 yang mengindikasikan kualitas cluster yang baik. Sistem yang dibangun mampu memberikan rekomendasi resep yang sesuai dengan profil gizi pengguna dan berpotensi mendukung pola makan yang lebih terarah serta personal
PENERAPAN COLLABORATIVE FILTERING DENGAN METODE SINGULAR VALUE DECOMPOSITION UNTUK REKOMENDASI BUKU Radithya Putra Pratama; Yuqimuna Haq; Gadhing Nandy Pratama; Syifa Nur Rakhmah; Findi Ayu Sariasih; Imam Sutoyo
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 10 No. 1 (2026): JATI Vol. 10 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v10i1.16632

Abstract

Perkembangan teknologi informasi telah mendorong hadirnya platform baca digital seperti Google Books dan Gramedia Digital yang menyediakan ribuan pilihan buku. Namun, kelimpahan informasi ini menimbulkan tantangan information overload yang membuat pengguna kesulitan menemukan buku sesuai minat. Permasalahan utama adalah metode Collaborative Filtering konvensional memiliki akurasi rendah (53%) pada data dengan sparsity tinggi dan mengalami cold start problem untuk pengguna baru. Penelitian ini bertujuan menerapkan metode Collaborative Filtering berbasis Singular Value Decomposition (SVD) untuk meningkatkan akurasi sistem rekomendasi buku. Metode SVD dipilih karena kemampuannya mengekstrak latent factors dari user-item matrix untuk menemukan pola tersembunyi. Pendekatan penelitian bersifat kuantitatif dengan metode eksperimen menggunakan dataset Book-Crossing dari Kaggle (271.360 buku, 278.858 pengguna, 383.842 rating). Sistem dikembangkan menggunakan Python dengan pustaka NumPy, Pandas, dan Surprise. Evaluasi menggunakan metrik Root Mean Square Error (RMSE) dan Mean Absolute Error (MAE) menunjukkan nilai RMSE 0.7209 dan MAE 0.5588, mengindikasikan tingkat kesalahan prediksi rendah dan peningkatan akurasi signifikan. Kontribusi penelitian adalah implementasi pure SVD yang terbukti efektif mengatasi data sparsity dan menghasilkan rekomendasi personal lebih akurat. Sistem berupa prototype aplikasi web AMBACA mampu memberikan 12 rekomendasi buku berdasarkan 5 rating awal pengguna
PENERAPAN MACHINE LEARNING UNTUK REKOMENDASI KONSUMSI MAKANAN SEHAT BERDASARKAN DATA GIZI PANGAN INDONESIA Ezra Najwa; Tomi Sumihar Simanjuntak; Muhammad Gio Ramadhan; Syifa Nur Rakhmah; Findi Ayu Sariasih; Imam Sutoyo
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 10 No. 1 (2026): JATI Vol. 10 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v10i1.16637

Abstract

Pola makan yang kurang sehat menjadi salah satu penyebab utama meningkatnya kasus penyakit tidak menular di Indonesia. Permasalahan utama adalah kurangnya informasi mengenai kandungan gizi makanan lokal dan kesulitan masyarakat dalam memilih alternatif makanan sehat. Penelitian ini bertujuan untuk mengembangkan sistem rekomendasi makanan sehat berbasis machine learning dengan memanfaatkan data gizi pangan lokal Indonesia. Sistem yang dikembangkan menerapkan pendekatan hybrid recommendation system melalui kombinasi content-based filtering menggunakan cosine similarity dan algoritma K-Means clustering untuk menghasilkan rekomendasi yang lebih akurat. Proses pengembangan sistem dilakukan dengan metodologi Agile Scrum agar dapat berjalan secara fleksibel dan adaptif dalam setiap iterasi. Data penelitian diperoleh dari Tabel Komposisi Pangan Indonesia yang memuat informasi lengkap mengenai kandungan gizi berbagai jenis makanan lokal. Hasil pengujian menunjukkan bahwa sistem mampu memberikan rekomendasi makanan sehat sesuai kebutuhan nutrisi pengguna dengan akurasi yang baik. Penerapan algoritma K-Means clustering berhasil mengelompokkan makanan berdasarkan profil kandungan gizinya, sementara cosine similarity efektif dalam menghitung kemiripan nilai gizi antar makanan. Sistem ini diharapkan dapat menjadi alat bantu bagi masyarakat dalam memilih makanan sehat secara lebih terukur dan mendukung upaya peningkatan kesehatan masyarakat di Indonesia
PENGEMBANGAN SISTEM INFORMASI PELACAKAN PENGIRIMAN BERBASIS WEB UNTUK OPTIMASI LAYANAN EKSPEDISI Niko Dwi Novana; Uce Indahyanti; Novia Ariyanti; Mochamad Alfan Rosid
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 10 No. 1 (2026): JATI Vol. 10 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v10i1.16636

Abstract

Perkembangan industri logistik dan ekspedisi menuntut adanya sistem pelacakan pengiriman yang mampu menyediakan informasi secara cepat, akurat, dan mudah diakses. Banyak perusahaan masih mengalami kendala karena proses pelacakan yang masih dilakukan secara manual sehingga informasi yang diberikan kepada pelanggan menjadi kurang optimal. Penelitian ini bertujuan merancang dan membangun sistem informasi pelacakan pengiriman berbasis web untuk mendukung peningkatan kualitas layanan pada perusahaan ekspedisi. Pengembangan sistem dilakukan menggunakan metode Waterfall yang mencakup tahap analisis, perancangan, implementasi, pengujian, dan pemeliharaan. Teknologi yang diterapkan meliputi React.js pada sisi antarmuka pengguna, Node.js sebagai server backend, dan SQLite sebagai basis data. Sistem menyediakan fitur pengelolaan data pengiriman, pembaruan status oleh admin dan kurir, pencarian status berdasarkan nomor resi, serta pembuatan surat jalan otomatis. Hasil pengujian menggunakan metode Black Box terhadap 6 fitur utama menunjukkan bahwa seluruh fungsi berjalan sesuai dengan spesifikasi yang ditetapkan dan menghasilkan keluaran yang tepat. Seluruh proses pelacakan, pembaruan status, hingga pembuatan dokumen pendukung dapat dijalankan sebagaimana mestinya
ANALISIS KUALITAS DAN PENERAPAN SOFTWARE QUALITY ASSURANCE PADA APLIKASI GOOGLE CLASSROOM MENGGUNAKAN MODEL ISO/IEC 9126 Angel Gavrila; Candra Wijaya; Widiatry Widiatry
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 10 No. 1 (2026): JATI Vol. 10 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v10i1.16639

Abstract

Google Classroom merupakan aplikasi pembelajaran daring yang banyak digunakan pada berbagai jenjang pendidikan, namun tingginya penggunaan tidak selalu mencerminkan kualitas perangkat lunak yang optimal. Permasalahan muncul ketika pengguna masih mengalami variasi terkait keandalan, kemudahan penggunaan, serta performa sistem sehingga diperlukan evaluasi kualitas berdasarkan standar yang terukur. Penelitian ini bertujuan untuk menganalisis kualitas aplikasi Google Classroom menggunakan model ISO/IEC 9126 yang terdiri dari enam atribut, yaitu Functionality, Reliability, Usability, Efficiency, Maintainability, dan Portability. Metode yang digunakan adalah deskriptif kuantitatif melalui penyebaran kuesioner berskala Likert kepada 60 responden pengguna aktif. Hasil penelitian menunjukkan bahwa Google Classroom memperoleh skor total 2789 yang berada pada kategori “Setuju”, dengan nilai sangat tinggi pada aspek Functionality serta nilai baik pada Usability, Efficiency, Reliability, Maintainability, dan Portability. Temuan ini mengindikasikan bahwa Google Classroom memiliki kualitas perangkat lunak yang baik dan mampu mendukung proses pembelajaran daring secara efektif, meskipun peningkatan tetap diperlukan pada aspek efisiensi dan pemeliharaan sistem agar kualitas aplikasi semakin optimal
SENTIMENT ANALISIS REVIEW APLIKASI RUANG GURU PADA GOOGLE PLAYSTORE DENGAN METODE NAÏVE BAYES Christoper Andrian; Yo Ceng Giap
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 10 No. 1 (2026): JATI Vol. 10 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v10i1.16638

Abstract

Platform pendidikan online, seperti Ruang Guru, telah mendorong pengguna untuk berbagi pengalaman mereka melalui ulasan di platform seperti Google Play Store. Namun, ketidaksesuaian antara peringkat bintang dan ulasan tertulis sering kali menyamarkan perasaan sebenarnya dari pengguna. Masalah ini menjadi tantangan dalam memahami umpan balik pengguna secara menyeluruh, yang dapat memberikan wawasan lebih dalam tentang kepuasan dan kebutuhan mereka terkait aplikasi tersebut. Studi ini menggunakan analisis sentimen untuk mengevaluasi umpan balik pengguna pada aplikasi Ruang Guru, dengan memanfaatkan metode klasifikasi Naïve Bayes untuk mengkategorikan ulasan menjadi sentimen positif, netral, dan negatif. Penelitian ini melibatkan pengumpulan 10.000 ulasan dari Google Play Store, diikuti dengan penerapan teknik pra-pemrosesan data seperti tokenisasi dan penghapusan kata stop sebelum klasifikasi. Tiga pembagian data pelatihan-pengujian yang berbeda (70:30, 80:20, dan 90:10) dievaluasi untuk menentukan konfigurasi yang paling optimal. Pembagian 90:10 menghasilkan kinerja terbaik, dengan akurasi 83,52%, presisi 71,44%, recall 65,84%, dan skor F1 67,83%. Analisis menunjukkan dominasi sentimen positif dalam ulasan. Metode ini memberikan wawasan berharga bagi pengembang, memungkinkan mereka untuk menangani kekhawatiran pengguna dan meningkatkan fungsionalitas aplikasi. Selain itu, studi ini menyoroti potensi signifikan analisis sentimen dalam meningkatkan pengalaman pengguna aplikasi teknologi pendidikan dan memberikan rekomendasi untuk menangani data yang tidak seimbang guna memperbaiki efektivitas model
STUDI LITERATUR: PENGARUH GAME BASE LEARNING TERHADAP HASIL BELAJAR PADA PESERTA DIDIK DI SMK Deni Sartika; Nafra Kristia Fitri; Putri Permata Sari Panggabean; Azihi Isman; Muhammad Giatman
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 10 No. 1 (2026): JATI Vol. 10 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v10i1.16640

Abstract

Pembelajaran di Sekolah Menengah Kejuruan (SMK) memiliki karakteristik yang lebih menekankan pada penguasaan kompetensi praktik, keterampilan teknis, dan kesiapan siswa menghadapi dunia industri. Karena itu, proses belajar di SMK menuntut kegiatan pembelajaran yang bersifat aplikatif, kontekstual, dan mendorong keterlibatan aktif siswa. Akan tetapi, masih banyak peserta didik di SMK masih menunjukkan keterlibatan belajar yang rendah, kurang termotivasi, dan masih mengalami kesulitan materi yag bersifat konseptual maupun praktis. Penelitian ini merupakan penelitian dengan metode studi literatur dengan jenis penelitian kualitatif deskriptif yang mengumpulkan, mengidentfikasi, dan menganalisa dengan menggunakan berbagai sumber tertulis seperti artikel dan jurnal yang relevan dengan kajian dalam penelitian ini. Bertujuan untuk megetahui apakah ada pengaruh penggunaan media pembelajaran berbasis Game Base Learning terhadap hasil belajar peserta didik di SMK. Hasil studi menunjukkan bahwa bahwa Game-Based Learning (GBL) efektif meningkatkan hasil belajar peserta didik di SMK, baik dari aspek kognitif, afektif, maupun psikomotor, serta mendukung pengembangan kompetensi abad 21 seperti berpikir kritis, kreativitas, kolaborasi, komunikasi, dan literasi digital. GBL mampu menciptakan suasana belajar yang interaktif, aplikatif, dan mendekatkan siswa pada pengalaman dunia nyata, sehingga meningkatkan motivasi, keaktifan, dan pemahaman konsep
PERBANDINGAN ALGORITMA KRIPTOGRAFI SIMETRIS DAN ASIMETRIS DALAM KEAMANAN DATA DIGITAL Muhammad Zuna; Anita Wulansari; Agung Brastama Putra
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 10 No. 1 (2026): JATI Vol. 10 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v10i1.16642

Abstract

Penelitian ini menganalisis perbandingan algoritma kriptografi simetris dan asimetris dalam menjaga keamanan data digital melalui kajian literatur terhadap tujuh jurnal terbitan 2016-2025. Hasil kajian menunjukkan bahwa algoritma simetris seperti AES dan DES unggul dari segi efisiensi dan kecepatan, namun lemah pada distribusi kunci. Sebaliknya, algoritma asimetris seperti RSA dan ECC memiliki keamanan tinggi pada pertukaran kunci, tetapi membutuhkan sumber daya dan waktu proses lebih besar. Berdasarkan sintesis literatur, penelitian ini merekomendasikan penggunaan hybrid cryptosystem yang mengombinasikan kedua pendekatan tersebut untuk mencapai keseimbangan antara efisiensi dan keamanan data digital
ANALISIS KINERJA YOLOV11 VS YOLOV8 PADA DATASET DEEPFASHION2: PENERAPAN MODEL TERBARU UNTUK DETEKSI KEPATUHAN PAKAIAN PADA APLIKASI WEB Reksa Prayoga Syahputra; Aubrey Nedwin Mantiri; Aditya Rieyza Munif; Gema Parasti Mindara; Endang Purnama Giri
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 10 No. 1 (2026): JATI Vol. 10 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v10i1.16641

Abstract

Pemantauan kepatuhan aturan busana (dress code) di lingkungan institusi sering kali terkendala oleh proses verifikasi manual yang subjektif dan tidak efisien. Penelitian ini bertujuan untuk merancang sistem deteksi otomatis berbasis web serta melakukan analisis komparatif antara model YOLOv8 dan model terbaru YOLOv11 dalam mengenali atribut panjang lengan pakaian. Sistem dikembangkan menggunakan arsitektur frontend React dan backend Flask, dengan model deteksi yang dilatih pada subset dataset DeepFashion2 yang terdiri dari empat kelas yang merepresentasikan variasi lengan panjang dan pendek pada kemeja serta luaran. Hasil pengujian kuantitatif menunjukkan bahwa YOLOv11 mengungguli YOLOv8 pada deteksi bounding box dengan mAP@0.5 mencapai 0,57 dan peningkatan Precision yang signifikan hingga 0,809, meskipun YOLOv8 menunjukkan stabilitas yang sedikit lebih baik pada segmentasi mask. Kinerja terendah tercatat pada kelas outwear akibat ketidakseimbangan data yang ekstrem. Secara keseluruhan, sistem terbukti mampu menyajikan status kepatuhan secara optimal, menempatkan YOLOv11 sebagai opsi model yang lebih efisien dan akurat untuk skenario pemantauan dress code otomatis

Page 391 of 464 | Total Record : 4631

 389   390   391   392   393 

Filter by Year

2017 2026


Reset
Filter By Issues
All Issue Vol. 10 No. 4 (2026): JATI Vol. 10 No. 4 Vol. 10 No. 3 (2026): JATI Vol. 10 No. 3 Vol. 10 No. 2 (2026): JATI Vol. 10 No. 2 Vol. 10 No. 1 (2026): JATI Vol. 10 No. 1 Vol. 9 No. 6 (2025): JATI Vol. 9 No. 6 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