cover
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)
ISSN : -     EISSN : 2598828X     DOI : -
Core Subject : Science,
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.
Articles 4,631 Documents
The PENGARUH PENGGUNAAN ARTIFICIAL INTELLIGENCE (AI) TERHADAP EFEKTIVITAS BELAJAR MAHASISWA ANGKATAN 2024 ILMU INFORMASI DAN PERPUSTAKAAN UNIVERSITAS AIRLANGGA Arini Dinita; Ananta Dhea Putri Pamudji; Muhammad Naufal Zaafarani; Adelia Ayu Nareswari; Radhitya Rizky Ariputra; lintang ayu ningtyas; Septi Ariadi; Helmy Prasetyo
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.v10i1.16839

Abstract

Perkembangan Artificial Intelligence (AI) membawa perubahan signifikan dalam proses pembelajaran di perguruan tinggi, terutama dalam mendukung aktivitas akademik mahasiswa. Mahasiswa seringkali menghadapi tantangan dalam adaptasi pada beban akademik dan pola belajar mandiri, melalui masalah  tersebut perlu dikaji sejauh mana penggunaan AI berpengaruh terhadap efektivitas belajar mahasiswa. Penelitian ini bertujuan untuk menganalisis pengaruh penggunaan Artificial Intelligence (AI) terhadap efektivitas belajar pada mahasiswa Program Studi Ilmu Informasi dan Perpustakaan Universitas Airlangga angkatan 2024. Metode yang digunakan dalam penelitian ini yaitu pendekatan kuantitatif eksplanatif dengan desain survei cross-sectional. Populasi penelitian berjumlah 121 mahasiswa dengan sampel 97 responden ditentukan berdasarkan simple random sampling. Data dikumpulkan menggunakan kuesioner skala Likert dan dianalisis menggunakan uji validitas, reliabilitas, korelasi pearson, dan regresi linear sederhana melalui SPSS. Hasil penelitian menunjukkan bahwa tingkat penggunaan AI dalam kategori tinggi dengan nilai rata-rata 3,2755, serta efektivitas belajar dalam kategori tinggi dengan nilai rata-rata 3,0006. Hasil uji korelasi menunjukkan adanya hubungan positif kuat dan signifikan antara penggunaan AI dan efektivitas belajar (r = 0,675; p < 0,001). Analisis regresi juga menunjukkan bahwa penggunaan AI  memiliki pengaruh signifikan terhadap efektivitas belajar dengan kontribusi mencapai 45,5%. Sehingga dapat diartikan bahwa semakin tinggi penggunaan AI, semakin tinggi pula efektivitas belajar siswa
SISTEM MONITORING JARINGAN BERBASIS WEB DENGAN FITUR NOTIFIKASI INSIDEN OTOMATIS DAN PENCATATAN LOG HISTORIS PADA PT. MITRA BERSAMA JAYA Wildi Baydowi; Hidayatullah Al Islami
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.v10i1.16840

Abstract

Monitoring jaringan merupakan komponen penting dalam menjaga ketersediaan dan stabilitas layanan teknologi informasi di lingkungan perusahaan. Permasalahan yang sering dihadapi dalam pengelolaan jaringan adalah keterlambatan deteksi gangguan serta tidak tersedianya pencatatan insiden yang terstruktur, sehingga menghambat proses evaluasi dan penanganan gangguan jaringan. Penelitian ini bertujuan untuk mengimplementasikan sistem monitoring jaringan berbasis web yang dilengkapi dengan fitur notifikasi insiden otomatis dan pencatatan log historis. Metode pengembangan sistem yang digunakan adalah metode Prototype, yang memungkinkan pengembangan sistem dilakukan secara iteratif berdasarkan kebutuhan pengguna. Sistem yang dibangun mampu memantau status perangkat jaringan secara real time, mencatat insiden jaringan secara terstruktur, serta mengirimkan notifikasi otomatis melalui Bot Telegram ketika terjadi gangguan. Hasil implementasi menunjukkan bahwa sistem ini dapat meningkatkan kecepatan respons administrator terhadap insiden jaringan serta mendukung evaluasi kinerja jaringan berdasarkan data historis yang terdokumentasi.
KLASIFIKASI PENYAKIT DAUN ANGGUR MENGGUNAKAN EFFICIENTNETV2-B0 DENGAN OPTIMIZER ADAMW DAN SGD Dewa Dewa; Abdul Rahman
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.v10i1.16847

Abstract

Penyakit yang menyerang daun tanaman anggur dapat berdampak signifikan terhadap penurunan kualitas dan kuantitas hasil produksi, sehingga dibutuhkan sistem deteksi yang mampu bekerja secara cepat dan akurat. Permasalahan yang dikaji dalam penelitian ini adalah penerapan metode klasifikasi otomatis berbasis Convolutional Neural Network (CNN) dengan pendekatan transfer learning untuk mengenali jenis penyakit daun anggur secara optimal, serta menentukan optimizer yang memberikan kinerja terbaik. Penelitian ini bertujuan untuk mengimplementasikan dan mengevaluasi perbandingan kinerja optimizer AdamW dan Stochastic Gradient Descent (SGD) dalam mengklasifikasikan penyakit daun anggur. Metode yang digunakan memanfaatkan arsitektur EfficientNetV2-B0 pretrained yang dilatih menggunakan dataset citra daun anggur yang terdiri dari empat kelas, yaitu Black Rot, ESCA, Healthy, dan Leaf Blight, melalui tahapan feature extraction dan fine-tuning. Kinerja model dievaluasi menggunakan metrik accuracy, precision, recall, dan f1-score. Hasil pengujian menunjukkan bahwa kedua optimizer mampu memberikan performa yang baik, namun AdamW menunjukkan hasil yang lebih optimal dengan akurasi pengujian sebesar 97.00%, sementara SGD memperoleh akurasi sebesar 91.00%. Temuan ini menunjukkan bahwa penggunaan EfficientNetV2-B0 dengan optimizer AdamW lebih efektif dalam klasifikasi penyakit daun anggur
FUZZFORWARD: IMPLEMENTASI SISTEM PAKAR WEB ADAPTIF UNTUK PREDIKSI DIABETES TIPE 2 VIA FORWAD CHAINING FUZZIFIKASI PIMA DATASET Puja M Alca; Ika Melinia Sapitri; Ibnu Putra; Rini Sovia
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.v10i1.16843

Abstract

Diabetes melitus tipe 2 merupakan penyakit kronis dengan prevalensi yang terus meningkat secara global dan menjadi penyebab utama komplikasi kardiovaskular serta gagal ginjal jika tidak terdeteksi secara dini. Permasalahan utama dalam diagnosis diabetes adalah data medis yang bersifat tidak pasti dan memiliki variasi antarindividu yang tidak dapat ditangani secara optimal menggunakan aturan tegas. Penelitian ini bertujuan mengembangkan FUZZFORWARD, sebuah sistem pakar web adaptif yang mengintegrasikan mekanisme forward chaining dengan proses fuzzifikasi untuk memprediksi risiko diabetes tipe 2.Metode penelitian meliputi analisis dataset Pima Indians Diabetes (768 record), perancangan fungsi keanggotaan fuzzy untuk 8 atribut klinis, penyusunan 45 basis aturan IF-THEN, implementasi sistem web menggunakan framework Streamlit, dan pengujian menggunakan 10-fold cross validation. Hasil pengujian menunjukkan sistem mencapai akurasi 69,66%, specificity 84,00%, sensitivity 42,91%, precision 58,97%, F1-Score 49,68%, dan AUC-ROC 0,6925. Sistem menunjukkan kemampuan baik dalam mengidentifikasi individu non-diabetes dengan transparansi proses inferensi yang tinggi, sehingga dapat digunakan sebagai alat bantu skrining awal diabetes tipe 2
DETEKSI MALARIA DARI CITRA SEL DARAH MENGGUNAKAN CNN DENGAN METODE EFFICIENTNETB0 DIBANDINGKAN DENGAN RESNET50 M. Kurniawan; Meiriyama Meiriyama
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.v10i1.16851

Abstract

Malaria merupakan penyakit infeksi yang disebabkan oleh parasit Plasmodium dan masih menjadi permasalahan kesehatan utama di berbagai wilayah tropis, termasuk Indonesia. Proses diagnosis malaria secara konvensional melalui pemeriksaan mikroskopis membutuhkan waktu yang relatif lama serta sangat bergantung pada keahlian tenaga medis, sehingga berpotensi menimbulkan ketidakkonsistenan hasil. Oleh karena itu, diperlukan pendekatan berbasis kecerdasan buatan untuk meningkatkan ketepatan dan efisiensi diagnosis. Penelitian ini bertujuan mengembangkan sistem klasifikasi infeksi malaria dari citra sel darah menggunakan metode Convolutional Neural Network (CNN) dengan pendekatan transfer learning. Dua arsitektur CNN pralatih, yaitu EfficientNetB0 dan ResNet50, digunakan untuk dibandingkan kinerjanya dalam mendeteksi sel darah yang terinfeksi. Dataset yang digunakan berasal dari Malaria Cell Images Dataset pada platform Kaggle yang terdiri atas 27.558 citra sel darah dengan dua kelas, yaitu Parasitized dan Uninfected. Tahapan pra-pemrosesan meliputi penyesuaian ukuran citra, normalisasi, serta augmentasi data berupa rotasi, pembalikan citra, zoom, shear, dan penyesuaian kecerahan. Model dilatih menggunakan algoritma optimasi Adam dengan learning rate scheduler dan early stopping. Evaluasi kinerja dilakukan menggunakan metrik akurasi, presisi, recall, F1-score, dan ROC-AUC. Penelitian ini diharapkan mampu menghasilkan sistem klasifikasi malaria berbasis CNN yang akurat dan efisien untuk mendukung diagnosis otomatis
ANALISIS PERSEPSI PUBLIK TERHADAP RESHUFFLE MENTERI KEUANGAN 2025 BERDASARKAN TOPIC MODELING LDA PADA KOMENTAR YOUTUBE Nayoan Fajar Ade Chendra; Nur kholis Wakhid; Harun Al Rosyid
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.v10i1.16852

Abstract

Perkembangan media sosial, khususnya YouTube, menjadikannya ruang publik yang penting dalam pembentukan dan penyebaran opini masyarakat terhadap isu-isu strategis nasional. Salah satu isu yang mendapat perhatian luas pada tahun 2025 adalah reshuffle Menteri Keuangan, yang memicu beragam respons publik dalam kolom komentar YouTube. Permasalahan utama dalam penelitian ini adalah bagaimana mengidentifikasi dan memetakan persepsi publik yang kompleks dari data komentar berjumlah besar secara sistematis dan objektif. Penelitian ini bertujuan untuk menganalisis persepsi publik terhadap reshuffle Menteri Keuangan 2025 menggunakan pendekatan topic modeling. Metode penelitian meliputi pengumpulan 51.550 komentar dari 437 video YouTube menggunakan YouTube Data API v3, dilanjutkan dengan tahapan preprocessing berbasis Natural Language Processing dan pemodelan topik menggunakan algoritma Latent Dirichlet Allocation (LDA). Hasil penelitian menunjukkan terbentuknya tiga topik utama, yaitu harapan publik terhadap kepemimpinan Menteri Keuangan (35,2%), kritik terhadap tata kelola keuangan dan isu korupsi (28,4%), serta dinamika politik dan reshuffle kabinet (36,4%). Evaluasi model menghasilkan nilai coherence rata-rata 0,5586 dan topic diversity sebesar 0,833, yang menunjukkan kualitas topik yang baik. Temuan ini menegaskan bahwa komentar YouTube dapat digunakan sebagai sumber data representatif untuk memahami persepsi publik terhadap isu politik strategis
DIGITALISASI ALUR PRODUKSI DAPUR DAN ANALISIS KINERJA KARYAWAN MENGGUNAKAN KITCHEN DISPLAY & PERFORMANCE SYSTEM (KDPS) BERBASIS WEB DI KEDAI KIRY Maya Fatimah Arumzillah; Juwita Mayasari; Nuredy Rahma Gunawan; Fatimah Dwi Fitri; Miftahul Falah
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.v10i1.16856

Abstract

Pengoperasionalan bisnis kuliner di era digital menuntut efisiensi dan ketepatan manajemen data. Kedai Kiry sebagai studi kasus, saat ini telah menggunakan Point of Sale (POS) modern untuk transaksi, namun alur informasi ke dapur masih bergantung pada struk kertas manual. Hal ini menyebabkan keterlambatan informasi, risiko pesanan hilang, dan tidak adanya data objektif mengenai kinerja staf dapur. Penelitian ini bertujuan merancang dan membangun Kitchen Display & Performance System (KDPS) berbasis web untuk menggantikan sistem manual, memantau status pesanan secara real-time, dan mengevaluasi kinerja karyawan. Metode pengembangan sistem yang digunakan adalah Kanban yang memungkinkan visualisasi alur kerja dan penyelesaian tugas secara adaptif. Hasil dari penelitian ini adalah sebuah aplikasi terintegrasi yang terdiri dari Modul Produksi (Kitchen/Bar/Snack), Modul Pengawasan (Checker), dan Dasbor Manajerial (Admin). Pengujian menunjukkan bahwa sistem mampu mendigitalisasi antrian pesanan, melacak durasi pengerjaan per menu secara akurat, serta menyajikan laporan analitik produktivitas karyawan. Implementasi KDPS terbukti meningkatkan efisiensi operasional dan mendukung pengambilan keputusan manajerial berbasis data
RANCANG BANGUN SISTEM HOSTING TERINTEGRASI MENGGUNAKAN SET TOP BOX Deviana Fitri; Rezki Kurniati
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.v10i1.16859

Abstract

Layanan hosting website menjadi kebutuhan penting dalam penyediaan informasi berbasis web, namun biaya langganan dan keterbatasan akses fisik server pada hosting konvensional masih menjadi kendala, khususnya bagi pengguna skala kecil dan menengah. Penelitian ini bertujuan merancang dan membangun sistem hosting terintegrasi menggunakan perangkat Set Top Box (STB) sebagai alternatif server hosting yang hemat biaya, mudah dikelola, dan memiliki visibilitas fisik yang jelas. Perangkat STB HG680-P dikonversi menggunakan sistem operasi Linux Armbian dan platform CasaOS berbasis Docker dengan layanan PHP–Apache, MariaDB, dan Adminer. Akses publik ke sistem hosting diimplementasikan melalui Cloudflare Tunnel untuk mengatasi keterbatasan IP publik pada jaringan rumah. Metode penelitian meliputi perancangan sistem, implementasi, serta pengujian performa menggunakan BlazeMeter. Hasil pengujian menunjukkan bahwa sistem hosting berbasis STB mampu beroperasi stabil hingga 30 pengguna bersamaan dengan rata-rata waktu respons 474,14 ms, sedangkan pada 50 pengguna terjadi penurunan performa namun layanan tetap dapat diakses. Selain itu, penerapan SSL Full (Strict) berhasil meningkatkan aspek keamanan sistem. Berdasarkan hasil tersebut, dapat disimpulkan bahwa Set Top Box berpotensi digunakan sebagai server hosting mandiri yang ekonomis dan cukup andal untuk website berskala kecil hingga menengah
EVALUASI USER INTERFACE PADA WEBSITE DESA BANTAN TUA MENGGUNAKAN METODE HEURISTIC EVALUATION Nur Faathira; Rezki Kurniati
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.v10i1.16860

Abstract

Website Desa Bantan Tua berfungsi sebagai media penyampaian informasi dan layanan publik kepada masyarakat desa. Keberadaan website ini diharapkan mampu meningkatkan transparansi, efektivitas pelayanan, serta kemudahan akses informasi. Namun, dalam implementasinya masih ditemukan berbagai kendala yang memengaruhi kenyamanan dan keamanan pengguna. Permasalahan yang muncul meliputi tampilan antarmuka yang kurang konsisten, beberapa fitur yang tidak berfungsi dengan baik, serta potensi kerentanan keamanan pada sistem. Penelitian ini bertujuan untuk mengevaluasi kualitas user interface website Desa Bantan Tua dari aspek usability serta mengidentifikasi potensi kelemahan keamanannya. Metode yang digunakan adalah Heuristic Evaluation berdasarkan sepuluh prinsip Nielsen dengan melibatkan 15 responden, serta analisis keamanan menggunakan tools OWASP ZAP untuk mendeteksi celah keamanan. Hasil penelitian menunjukkan adanya beberapa permasalahan usability, seperti navigasi yang kurang jelas, penggunaan ikon yang tidak sesuai, kurangnya umpan balik sistem, serta tata letak antarmuka yang belum optimal. Sementara itu, hasil analisis keamanan menunjukkan temuan pada tingkat medium dan informational tanpa risiko tinggi. Berdasarkan hasil tersebut, dilakukan perancangan ulang antarmuka dalam bentuk prototipe sebagai rekomendasi perbaikan agar website menjadi lebih mudah digunakan, responsif, dan aman
ALGORITMA REGRESI LINIER UNTUK MENGIDENTIFIKASI HUBUNGAN ANTARA POLA HIDUP, TEKANAN AKADEMIK, DAN DEPRESI PADA MAHASISWA Gibran Sarafi; Mohamad Rafli Awaludin; Muhamad Ikhsan; Sopiyan Apandi
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.v10i1.16861

Abstract

  Depresi merupakan masalah kesehatan mental yang banyak dialami mahasiswa. Pola hidup tidak sehat, seperti kurang tidur, pola makan buruk, aktivitas fisik rendah, serta tekanan akademik yang semakin meningkat menjadi faktor yang berkontribusi terhadap risiko depresi. Penelitian ini mengimplementasikan algoritma regresi linier untuk mengidentifikasi hubungan antara pola hidup, tekanan akademik, dan depresi pada mahasiswa. Data penelitian menggunakan Depression Student Dataset yang terdiri dari 502 responden tanpa missing values. Analisis data dilakukan menggunakan Python pada Google Colab. Hasil analisis deskriptif menunjukkan bahwa tingkat depresi dalam sampel cukup tinggi, yaitu 50.2 persen. Mayoritas mahasiswa juga memiliki durasi tidur yang tidak ideal. Korelasi Pearson menunjukkan bahwa Academic Pressure (r = 0.476) dan Suicidal Thoughts (r = 0.466) memiliki hubungan positif terkuat dengan depresi, sementara Study Satisfaction memiliki korelasi negatif (r = –0.293). Model regresi linier berganda mampu menjelaskan 67.7 persen variasi depresi dan mengidentifikasi Academic Pressure, Financial Stress, Dietary Habits, dan Study Hours sebagai prediktor signifikan. Study Satisfaction dan Age berfungsi sebagai faktor pelindung. Sebagai pembanding, regresi logistik digunakan karena variabel depresi bersifat biner. Model logistik menghasilkan performa lebih tinggi dengan Pseudo-R² sebesar 0.8839, akurasi 98.02 persen, dan AUC-ROC 0.9984. Temuan ini menegaskan bahwa tekanan akademik dan stres finansial merupakan faktor risiko utama, sedangkan kepuasan belajar menjadi faktor pelindung penting bagi mahasiswa