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
 438   439   440   441   442 
IMPLEMENTASI METODE SIMPLE ADDITIVE WEIGHTING (SAW) PADA SISTEM PENDUKUNG KEPUTUSAN PENENTUAN PENERIMA BANTUAN DESA TABA TEMBILANG Randi Afri Nandes; Fitri Safnita
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 10 No. 3 (2026): JATI Vol. 10 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v10i3.18006

Abstract

Penyaluran bantuan desa merupakan bentuk perhatian pemerintah dalam meningkatkan kesejahteraan masyarakat serta menekan angka kemiskinan. Namun, dalam praktiknya sering muncul berbagai kendala, seperti ketidaktepatan sasaran, adanya unsur subjektivitas dalam penilaian, dan proses seleksi yang masih dilakukan secara manual. Permasalahan serupa juga terjadi pada proses penentuan penerima bantuan di Desa Taba Tembilang, sehingga dibutuhkan suatu sistem yang mampu mendukung pengambilan keputusan secara lebih objektif dan terukur. Penelitian ini bertujuan untuk menerapkan metode Simple Additive Weighting (SAW) pada Sistem Pendukung Keputusan (SPK) dalam menentukan penerima bantuan di Desa Taba Tembilang agar hasil yang diperoleh lebih akurat dan transparan. Metode SAW dipilih karena dapat menghitung nilai setiap alternatif berdasarkan pembobotan pada kriteria yang telah ditetapkan, kemudian menjumlahkan nilai terbobot tersebut untuk menghasilkan peringkat terbaik. Hasil implementasi menunjukkan bahwa sistem mampu melakukan tahapan normalisasi, pembobotan, hingga perankingan seluruh alternatif calon penerima bantuan secara terstruktur. Berdasarkan nilai akhir yang diperoleh, sistem dapat mengidentifikasi warga yang layak sebanyak 7 orang dan tidak layak menerima bantuan sebanyak 2 orang sesuai dengan batas nilai yang ditentukan. Dengan demikian, penerapan metode SAW dalam SPK ini dapat membantu desa dalam menghasilkan keputusan yang lebih objektif, efisien, dan tepat sasaran.
IMPLEMENTASI MODEL TRANSFER LEARNING RESNET152V2 UNTUK KLASIFIKASI PENYAKIT DAUN PEPAYA Yohanes Riski Ramadhan; Alfis Arif; Riduan Syahri
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 10 No. 3 (2026): JATI Vol. 10 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v10i3.18013

Abstract

Pepaya merupakan salah satu komoditas hortikultura yang memiliki nilai ekonomi penting bagi petani di Kecamatan Pajar Bulan. Namun, produktivitas pepaya sering mengalami penurunan akibat serangan berbagai penyakit pada daun. Selama ini identifikasi penyakit masih dilakukan secara visual oleh petani dan penyuluh, sehingga berpotensi menimbulkan kesalahan diagnosis. Penelitian ini bertujuan untuk mengimplementasikan model klasifikasi penyakit daun pepaya berbasis Deep Learning menggunakan pendekatan Transfer Learning dengan arsitektur ResNet152V2 serta mengintegrasikannya ke dalam aplikasi mobile berbasis Flutter. Dataset yang digunakan berjumlah 800 citra daun pepaya yang terdiri dari empat kelas, yaitu Antraknosa, Blackspot, Ringspot, dan Healthy. Data dibagi menjadi 80% untuk training, 10% untuk validasi, dan 10% untuk testing. Tahapan pengolahan data meliputi cleaning, resize citra menjadi 224×224 piksel, normalisasi, serta augmentasi data. Proses pelatihan dilakukan dalam dua tahap, yaitu freeze dan fine-tuning masing-masing selama 100 epoch dengan memanfaatkan bobot pra-latih ImageNet. Hasil evaluasi menunjukkan model mampu mencapai akurasi sebesar 98,75% dengan nilai rata-rata Precision, Recall, dan F1-Score sebesar 0,99 serta loss yang stabil tanpa indikasi overfitting yang signifikan. Model kemudian dikonversi ke format TensorFlow Lite dan berhasil diimplementasikan pada aplikasi Flutter untuk membantu proses identifikasi penyakit daun pepaya secara lebih praktis dan efisien.
RANCANG BANGUN SISTEM POS BERBASIS WEBSITE UNTUK MANAJEMEN PENJUALAN DAN STOK PADA TOKO MAMAH AZIS Maya Azahra; Hersanto Fajri; Freza Riana
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 10 No. 3 (2026): JATI Vol. 10 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v10i3.18011

Abstract

Rancang Bangun Sistem POS Berbasis Website untuk Manajemen Penjualan dan Stok Pada Toko Mamah Azis. Toko Mamah Azis merupakan salah satu Usaha Mikro, Kecil, dan Menengah (UMKM) yang menyediakan bahan pokok dan hingga saat ini masih beroperasi secara konvensional. Proses kerja yang manual menyebabkan beberapa masalah, seperti kesalahan dalam perhitungan transaksi, tidak adanya arsip penjualan yang terorganisir, serta kesulitan dalam mengawasi stok barang. Penelitian ini bertujuan untuk merancang dan membangun sistem Point Of Sale (POS) berbasis website menggunakan metode Waterfall agar proses pencatatan penjualan dan pengelolaan stok dapat berlangsung secara otomatis dan real-time. Sistem ini dilengkapi dengan beberapa fitur utama, yaitu pengelolaan data produk, transaksi dikasir, manajemen pembelian, kalkulasi otomatis, serta penyajian laporan penjualan dan notifikasi ketika stok barang mencapai tingkat minimum. Hasil pengujian sistem menggunkan metode Black Box Testing menunjukan bahwa seluruh fungsi dalam sistem berjalan dengan valid dan sesuai dengan harapan pengguna. Penerapan sistem ini berhasil meningkatkan efisiensi operasional tokom mengurangi kesalahan dalam pencatatan, serta memudahkan owner dalam membuat keputusan bisnis berdasarkan laporan data yang akurat.
IMPLEMENTASI SISTEM PENJUALAN DIMSUM MENGGUNAKAN METODE PROTOTIPE STUDI KASUS: DIMSUM RAME GROUP Iqbal Imaddudin Rachman; Dwi Sartika Simatupang
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 10 No. 3 (2026): JATI Vol. 10 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v10i3.18021

Abstract

Penelitian ini dilatarbelakangi oleh permasalahan pada UMKM Rame Group Official yang masih menggunakan pencatatan manual dalam pengelolaan transaksi dan stok, sehingga sering terjadi kesalahan pencatatan, keterlambatan laporan, dan kesulitan dalam monitoring data. Penelitian ini bertujuan mengembangkan sistem penjualan dimsum berbasis web yang terintegrasi untuk meningkatkan efisiensi operasional dan akurasi data. Metode yang digunakan adalah Evolutionary Prototype, yang memungkinkan pengembangan sistem secara iteratif melalui tahapan communication, quick plan, quick design, prototype construction, serta delivery & feedback. Pengumpulan data dilakukan melalui observasi, wawancara, dan studi literatur. Sistem dibangun menggunakan framework Laravel dengan database MySQL/SQLite, serta dirancang menggunakan pendekatan UML dan prototype UI/UX. Pengujian dilakukan dengan metode Black Box Testing dan User Acceptance Test (UAT). Hasil penelitian menunjukkan bahwa sistem mampu mengelola transaksi, stok, dan laporan secara real-time, mengurangi kesalahan input, serta meningkatkan kecepatan pelayanan. Selain itu, hasil UAT menunjukkan tingkat penerimaan pengguna yang baik, sehingga sistem dinilai layak dan efektif untuk mendukung digitalisasi operasional UMKM
STUDI LITERATUR : PERBANDINGAN ARSITEKTUR CNN UNTUK KLASIFIKASI TUMOR OTAK Luvenia Andrius Lukman; Evans Fuad
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 10 No. 3 (2026): JATI Vol. 10 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v10i3.18025

Abstract

Perkembangan Convolutional Neural Network (CNN) telah membawa kemajuan signifikan dalam analisis citra medis, khususnya pada klasifikasi tumor otak berbasis citra MRI. Namun, menentukan arsitektur CNN yang paling tepat tetap menjadi tantangan utama karena performa setiap model sangat dipengaruhi oleh karakteristik data dan ketersediaan sumber daya komputasi. Penelitian ini bertujuan untuk melakukan analisis komparatif sistematis terhadap implementasi serta kinerja berbagai arsitektur CNN dalam tugas klasifikasi tumor otak. Metode yang digunakan adalah Systematic Literature Review (SLR) dengan protokol PRISMA terhadap 20 artikel ilmiah dari Google Scholar dan Garuda yang diterbitkan antara tahun 2022 hingga 2025. Hasil penelitian menunjukkan bahwa Custom CNN merupakan pendekatan yang paling banyak diterapkan (9 studi), diikuti oleh ResNet dan VGG. ResNet secara konsisten memberikan akurasi tertinggi hingga mencapai 99,8% pada dataset kompleks. Sementara itu, arsitektur seperti EfficientNet dan MobileNet menawarkan performa kompetitif dengan kebutuhan komputasi yang lebih rendah. Pemilihan arsitektur yang optimal sangat bergantung pada karakteristik dataset dan ketersediaan sumber daya komputasi yang tersedia
ANIMASI MOTION GRAPHICS PENGENALAN BASIC SKINCARE Kalfin Helvandu; Ferry Putrawansyah; Nanda S. Prawira; Yadi Yadi; Fitria Rahmadayanti
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 10 No. 3 (2026): JATI Vol. 10 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v10i3.18027

Abstract

Perkembangan teknologi informasi dan komunikasi mendorong pemanfaatan media digital sebagai sarana edukasi yang lebih efektif, khususnya bagi remaja. Salah satu media yang berkembang adalah animasi motion graphics yang mampu menyajikan informasi secara visual, menarik, dan mudah dipahami. Di sisi lain, rendahnya pemahaman remaja mengenai basic skincare sering menyebabkan kesalahan dalam memilih dan menggunakan produk perawatan kulit. Oleh karena itu, diperlukan media edukasi yang dapat meningkatkan literasi skincare di kalangan remaja.Penelitian ini bertujuan untuk mengembangkan media edukasi berupa video animasi motion graphics pengenalan basic skincare. Metode penelitian yang digunakan adalah model pengembangan ADDIE yang meliputi tahap analisis, desain, pengembangan, implementasi, dan evaluasi. Pengumpulan data dilakukan melalui wawancara, observasi, studi literatur, serta kuesioner yang melibatkan responden dan uji ahli (expert review).Hasil validasi menunjukkan bahwa media memperoleh tingkat kelayakan sebesar 100% dari ahli materi, 100% dari ahli media, dan 80% dari ahli bahasa, sehingga termasuk dalam kategori sangat layak. Pengujian kepada 30 responden melalui pretest dan posttest menunjukkan adanya peningkatan pemahaman dengan nilai rata-rata N-Gain sebesar 0,87 yang berada pada kategori tinggi. Hasil tersebut menunjukkan bahwa media animasi motion graphics yang dikembangkan efektif dalam meningkatkan pemahaman remaja mengenai basic skincare.
KLASIFIKASI KUALITAS BUBUK KOPI ROBUSTA MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK (CNN) DENGAN ARSITEKTUR RESNET-V2 Salsabilla Rizqi; Desi Puspita Sari; Risnaini Masdalipa
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 10 No. 3 (2026): JATI Vol. 10 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v10i3.18029

Abstract

Kopi Robusta merupakan salah satu komoditas perkebunan unggulan Indonesia, termasuk di Kota Pagar Alam yang dikenal sebagai daerah penghasil kopi dengan produktivitas tinggi. Namun, proses penilaian kualitas bubuk kopi masih banyak dilakukan secara visual oleh manusia sehingga bersifat subjektif dan berpotensi menghasilkan penilaian yang tidak konsisten. Oleh karena itu, diperlukan metode otomatis berbasis pengolahan citra yang mampu melakukan klasifikasi kualitas kopi secara lebih objektif. Penelitian ini bertujuan mengklasifikasikan kualitas bubuk kopi Robusta berbasis citra digital menggunakan metode deep learning dengan arsitektur Convolutional Neural Network (CNN) ResNet50V2. Dataset yang digunakan terdiri dari 150 citra bubuk kopi yang dikelompokkan menjadi tiga kelas kualitas yaitu light, medium, dan dark. Untuk meningkatkan variasi data dan mengurangi risiko overfitting, dilakukan teknik augmentasi sehingga jumlah data latih meningkat menjadi sekitar 1.500 citra. Dataset kemudian dibagi menjadi 70% data pelatihan, 20% data validasi, dan 10% data pengujian. Penelitian ini menerapkan tahapan CRISP-DM yang meliputi business understanding, data understanding, data preparation, modeling, evaluation, dan deployment. Proses prapemrosesan citra meliputi resize, normalisasi, dan augmentasi data. Evaluasi model dilakukan menggunakan confusion matrix dengan metrik accuracy, precision, recall, dan F1-score. Hasil penelitian menunjukkan bahwa model CNN dengan arsitektur ResNet50V2 mampu mengklasifikasikan kualitas bubuk kopi dengan tingkat akurasi yang tinggi sehingga berpotensi digunakan sebagai sistem pendukung dalam penilaian mutu kopi secara objektif dan konsisten.
PENGEMBANGAN GAME UP 2 DOWN BIRDIE MELALUI INTEGRASI ALGORITMA CIRCLE COLLISION DETECTION MENGGUNAKAN PLATFORM SCRATCH Firman Ardiansyah; Agung Kharisma Hidayah; Ardi Wijaya; muhammad imanullah
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 10 No. 3 (2026): JATI Vol. 10 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v10i3.18028

Abstract

Game merupakan media interaktif yang memanfaatkan algoritma komputasi untuk menciptakan pengalaman bermain yang dinamis, salah satunya melalui mekanisme collision detection. Permasalahan dalam penelitian ini adalah perlunya metode deteksi tabrakan yang akurat, ringan, dan mudah diimplementasikan pada platform pemrograman visual seperti Scratch agar interaksi antar objek dapat berjalan secara real-time. Penelitian ini bertujuan untuk mengembangkan game “Up 2 Down Birdie” dengan mengintegrasikan algoritma Circle Collision Detection serta mengevaluasi efektivitasnya. Metode yang digunakan adalah pendekatan kualitatif dengan model Multimedia Development Life Cycle (MDLC) yang meliputi tahap concept, design, material collecting, assembly, testing, dan distribution. Pengujian dilakukan menggunakan metode black-box serta evaluasi pengguna melalui kuesioner terhadap 50 responden. Hasil penelitian menunjukkan bahwa seluruh fitur berjalan sesuai perancangan, dan algoritma mampu mendeteksi tabrakan secara real-time tanpa delay. Evaluasi pengguna menunjukkan tingkat kepuasan sebesar 82,8% dan akurasi deteksi mencapai 89,6%. Dengan demikian, integrasi Circle Collision Detection pada Scratch terbukti efektif untuk pengembangan game arcade sederhana yang responsif dan edukatif
IMPLEMENTASI ALGORITMA SPHERICAL TRIGONOMETRY DAN SOLAR POSITION UNTUK PENENTUAN ARAH KIBLAT PADA APLIKASI MOBILE OFFLINE BERBASIS FLUTTER Muhammad Nur Falak Minhar Lukman; Herdiesel Santoso
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 10 No. 3 (2026): JATI Vol. 10 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v10i3.18032

Abstract

Penentuan arah kiblat merupakan kebutuhan penting dalam pelaksanaan ibadah salat, terutama dalam menentukan orientasi bangunan masjid maupun posisi individu saat beribadah. Berbagai aplikasi penentu arah kiblat berbasis smartphone telah dikembangkan untuk mempermudah pengguna, namun sebagian besar masih bergantung pada sensor magnetometer yang rentan terhadap gangguan medan magnet sehingga dapat menyebabkan deviasi arah. Penelitian ini bertujuan untuk mengimplementasikan algoritma spherical trigonometry dalam aplikasi mobile berbasis Flutter untuk menghitung arah kiblat secara matematis berdasarkan koordinat geografis pengguna. Metode penelitian menggunakan model Rapid Application Development (RAD) dengan integrasi modul komputasi lokal sehingga aplikasi dapat berjalan tanpa koneksi internet. Selain perhitungan azimut kiblat, sistem juga mengimplementasikan metode solar position untuk menghitung azimut Matahari sebagai mekanisme validasi terhadap arah yang dihasilkan. Hasil pengujian pada lima lokasi berbeda di Indonesia menunjukkan bahwa aplikasi mampu menghasilkan nilai azimut kiblat pada rentang 291°–295° sesuai variasi koordinat geografis. Implementasi sistem menunjukkan bahwa perhitungan berbasis spherical trigonometry dapat memberikan hasil arah kiblat yang konsisten dan tidak bergantung pada sensor magnetometer perangkat.
KINERJA MODEL DEEP LEARNING UNTUK DETEKSI SERANGAN SSH BRUTE FORCE Victor Gilbert Danielo Waliana; Rissal Efendi
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 10 No. 3 (2026): JATI Vol. 10 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v10i3.18034

Abstract

Serangan Secure Shell (SSH) brute force merupakan salah satu ancaman umum pada layanan jaringan karena dilakukan melalui percobaan autentikasi berulang hingga memperoleh akses tidak sah. Pendekatan berbasis deep learning banyak digunakan dalam sistem deteksi intrusi (Intrusion Detection System/IDS) untuk meningkatkan kemampuan identifikasi pola serangan. Penelitian ini bertujuan untuk menganalisis dan membandingkan kinerja model Convolutional Neural Network (CNN), Long Short-Term Memory (LSTM), dan Autoencoder dalam mendeteksi serangan SSH brute force. Dataset diperoleh dari hasil simulasi lalu lintas jaringan pada lingkungan virtual berbasis Linux yang menghasilkan 100.000 paket mentah dan difilter menjadi 20.163 record trafik SSH, terdiri dari 12.163 data serangan dan 8.000 data normal. Data dibagi menggunakan skema train-test split 80:20. Evaluasi model dilakukan menggunakan confusion matrix, accuracy, precision, recall, F1-score, dan ROC-AUC. Hasil eksperimen menunjukkan bahwa CNN memberikan performa terbaik dengan ROC-AUC sebesar 0,9934 dan recall 1,00 tanpa false negative. LSTM menunjukkan performa yang sangat kompetitif dengan ROC-AUC 0,9825 dan recall 1,00, sedangkan Autoencoder menghasilkan performa lebih rendah dengan ROC-AUC 0,7325 dan recall 0,03. Berdasarkan hasil tersebut, CNN dinilai sebagai arsitektur yang paling efektif untuk mendeteksi serangan SSH brute force pada dataset penelitian ini.

Page 440 of 464 | Total Record : 4631

 438   439   440   441   442 

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