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
 444   445   446   447   448 
PENGENALAN TINGKAT KEMATANGAN BUAH PISANG BERBASIS CITRA DENGAN METODE CONVOLUTIONAL NEURAL NETWORK Mohammad Raihan Zacky Ramadhan; Anggay Luri Pramana
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.v10i3.18150

Abstract

  Pisang merupakan komoditas hortikultura krusial di Indonesia, di mana tingkat kematangannya menjadi indikator utama penentu kualitas pascapanen. Namun, proses penentuan kematangan di lapangan umumnya masih dilakukan secara manual dan subjektif, sehingga sering memicu inkonsistensi klasifikasi yang berdampak pada kerugian ekonomi. Penelitian ini bertujuan untuk mengotomatisasi proses tersebut dengan mengevaluasi dan membandingkan performa tiga arsitektur deep learning, yaitu Convolutional Neural Network (CNN) standar, VGG16, dan ResNet50, dalam mengklasifikasikan citra buah pisang ke dalam empat kategori kematangan. Evaluasi model dilakukan melalui skenario pelatihan 20 dan 50 epoch, dengan kinerja diukur menggunakan confusion matrix berdasarkan metrik Accuracy, Precision, Recall, dan F1-Score. Hasil pengujian pada skenario 50 epoch menunjukkan model CNN standar mencapai akurasi tertinggi sebesar 98,39%, disusul oleh VGG16 dengan 96,62%. Sebaliknya, ResNet50 mengalami underfitting dengan akurasi stagnan di 50,53%. Kesimpulannya, model CNN terbukti lebih efisien dan akurat untuk dataset citra ini dibandingkan arsitektur jaringan yang terlalu kompleks.
RANCANG BANGUN SISTEM INFORMASI KONSULTASI DOKTER ONLINE DI RUMAH SAKIT TK II MOH RIDWAN MEURAKSA Yulia Nurdini; Puji Astuti
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.v10i3.18154

Abstract

Keterbatasan akses layanan kesehatan, tingginya antrean fisik di rumah sakit, serta pengelolaan data konsultasi yang masih belum terintegrasi menjadi permasalahan utama dalam pelayanan medis, khususnya pada proses konsultasi dokter. Kondisi tersebut berpotensi menimbulkan keterlambatan pelayanan, ketidakefisienan administrasi, dan risiko kesalahan pencatatan data pasien. Penelitian ini bertujuan merancang dan membangun sistem informasi konsultasi dokter secara online yang mampu meningkatkan efektivitas dan efisiensi pelayanan kesehatan. Metode yang digunakan adalah pendekatan rekayasa perangkat lunak dengan tahapan analisis kebutuhan, perancangan sistem, implementasi, serta pengujian menggunakan metode black box testing. Sistem yang dikembangkan menyediakan fitur login berbasis hak akses (admin, dokter, dan pasien), pengelolaan jadwal praktik, pengajuan dan konfirmasi konsultasi, rekam medis elektronik, serta pengaturan metode pembayaran. Hasil pengujian menunjukkan seluruh fungsi sistem berjalan sesuai dengan skenario yang dirancang dan dinyatakan valid. Dengan demikian, sistem informasi konsultasi dokter online ini mampu mendukung peningkatan aksesibilitas layanan, mempercepat proses administrasi, serta membantu pengelolaan data medis secara lebih terstruktur dan terintegrasi
PREDIKSI TINGKAT KETERLIBATAN PEMAIN GAME ONLINE BERDASARKAN INTENSITAS DAN POLA AKTIVITAS BERMAIN MENGGUNAKAN PENDEKATAN HYBRID MACHINE LEARNING R.A Callista Salsabila; Aisy Intan Herita; Neisya Az Zahra; Winda Kurnia Sari; Ken Ditha Tania; Fathoni Fathoni
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.v10i3.18152

Abstract

Pertumbuhan industri online games menghasilkan volume data aktivitas pemain yang sangat besar, sehingga analisis tingkat keterlibatan pemain (player engagement) secara manual menjadi kurang efektif. Permasalahan ini mendorong perlunya pendekatan analitik berbasis data untuk mengidentifikasi pola perilaku pemain secara lebih akurat. Penelitian ini bertujuan untuk memprediksi tingkat player engagement berdasarkan intensitas dan pola aktivitas bermain menggunakan pendekatan hybrid machine learning yang mengkombinasikan algoritma Logistic Regression dan Artificial Neural Network (ANN). Data yang digunakan berasal dari dataset publik Kaggle yang terdiri dari 40.034 data pemain dengan variabel target EngagementLevel yang diklasifikasikan ke dalam tiga kategori, yaitu Low, Medium, dan High. Dataset melalui tahapan data preprocessing dan dibagi menjadi data latih dan data uji dengan rasio 80:20. Kinerja model dievaluasi menggunakan metrik accuracy, precision, recall, F1-score, serta confusion matrix. Hasil penelitian menunjukkan bahwa model ANN mencapai akurasi sebesar 90,76% dengan rata-rata F1-score 0,91, lebih tinggi dibandingkan model Logistic Regression yang memperoleh akurasi 82% dengan F1-score 0,81. Analisis feature importance menunjukkan bahwa variabel PlayTimeHours dan SessionsPerWeek merupakan prediktor paling signifikan dalam menentukan tingkat keterlibatan pemain
PENERAPAN ALGORITMA CLUSTERING DALAM SEGMENTASI PASAR BERDASARKAN DATA DEMOGRAFIS UNTUK STRATEGI PEMASARAN YANG LEBIH EFEKTIF Arridho Ramadhan Firdaus; Syafika Dhea Taqiya Ramadhani
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

Abstract

Perubahan perilaku konsumen menuntut perusahaan menerapkan pemasaran berbasis data (data-driven marketing) untuk memahami pola pembelian berdasarkan demografi. Permasalahan sering kali muncul ketika data pelanggan menjadi semakin kompleks dan terus bertambah, sehingga proses segmentasi secara manual tidak lagi memadai dan membutuhkan pengelompokan secara otomatis. Penelitian ini bertujuan untuk mengembangkan model segmentasi pelanggan menggunakan algoritma K-Means secara terfokus serta menyusun strategi pemasaran langsung dari hasil segmentasi tersebut. Pendekatan metode kuantitatif digunakan dengan memanfaatkan dataset Mall Customer Segmentation Data dari platform Kaggle. Algoritma K-Means diterapkan sebagai metode komputasi utama mulai dari penentuan jumlah kelompok optimal menggunakan metode Elbow hingga tahap pemetaan akhir. Kualitas hasil pembentukan lima cluster pelanggan tersebut dievaluasi secara matematis menggunakan metrik Silhouette Score. Hasil perhitungan metrik tersebut mencatatkan skor sebesar 0,3575963460506624. Penelitian ini memetakan profil dan karakteristik khas pada setiap kelompok pelanggan yang kemudian menjadi landasan valid untuk merumuskan rekomendasi strategi pemasaran yang lebih relevan, konkret, dan tepat sasaran.  
PENERAPAN INTERNET OF THINGS UNTUK TRACKING GPS KENDARAAN PRIBADI MENGGUNAKAN ALGORITMA PARSING DATA GPS BERBASIS ARDUINO Muhamad Fathi Farhat; Joko Priambodo
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.v10i3.18156

Abstract

Perkembangan teknologi Internet of Things (IoT) memberikan peluang dalam meningkatkan sistem keamanan dan monitoring kendaraan pribadi. Permasalahan yang sering terjadi adalah tingginya risiko pencurian kendaraan serta kesulitan dalam memantau lokasi kendaraan secara real-time. Penelitian ini bertujuan untuk merancang dan mengimplementasikan sistem pelacakan kendaraan berbasis IoT menggunakan Arduino yang mampu menampilkan posisi kendaraan secara langsung. Metode yang digunakan meliputi studi literatur, perancangan sistem, implementasi perangkat keras dan perangkat lunak, serta pengujian sistem. Perangkat utama yang digunakan adalah ESP32, modul GPS NEO-6M, serta algoritma parsing data NMEA untuk mengolah data koordinat, yang kemudian dikirim ke Firebase Realtime Database dan ditampilkan melalui dashboard web berbasis Leaflet.js. Hasil penelitian menunjukkan bahwa sistem mampu menampilkan lokasi kendaraan secara real-time dengan kinerja yang cukup baik, meskipun akurasi GPS dapat dipengaruhi oleh kondisi lingkungan. Sistem yang dikembangkan dinilai fleksibel, hemat biaya, dan mudah dikembangkan, sehingga dapat menjadi solusi alternatif dalam meningkatkan keamanan kendaraan pribadi
ANALISIS PENERIMAAN PENGGUNA TERHADAP WEBSITE SEKOLAH MENGGUNAKAN MODEL UTAUT (UNIFIED THEORY OF ACCEPTANCE AND USE OF TECHNOLOGY) PADA SMP NEGERI 28 BEKASI Riko Febradhany; Maruloh Maruloh
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.v10i3.18159

Abstract

Perkembangan teknologi informasi mendorong lembaga pendidikan untuk memanfaatkan sistem informasi sebagai sarana penyampaian informasi dan pendukung kegiatan pembelajaran. Salah satu bentuk pemanfaatannya adalah melalui website sekolah. Namun, dalam praktiknya masih ditemukan kendala berupa rendahnya tingkat pemanfaatan website oleh siswa serta belum optimalnya penggunaan fitur-fitur yang tersedia. Oleh karena itu, diperlukan analisis untuk mengetahui tingkat penerimaan pengguna terhadap website sekolah. Penelitian ini bertujuan untuk menganalisis penerimaan website sekolah menggunakan metode Unified Theory of Acceptance and Use of Technology (UTAUT). Penelitian ini menggunakan pendekatan kuantitatif dengan metode survei. Pengumpulan data dilakukan melalui penyebaran kuesioner yang terdiri dari 35 item pertanyaan kepada 222 siswa sebagai responden. Variabel yang digunakan dalam penelitian ini meliputi Performance Expectancy, Effort Expectancy, Social Influence, Facilitating Conditions, Behavioral Intention, dan Use Behavior. Data yang diperoleh kemudian dianalisis menggunakan metode regresi linear berganda dengan bantuan perangkat lunak SPSS versi 25. Hasil penelitian menunjukkan bahwa secara parsial variabel Social Influence, Behavioral Intention, dan Use Behavior memiliki pengaruh yang signifikan terhadap penerimaan website sekolah. Selain itu, hasil pengujian secara simultan menunjukkan bahwa seluruh variabel dalam model UTAUT berpengaruh signifikan terhadap penerimaan website sekolah. Berdasarkan hasil penelitian tersebut, dapat disimpulkan bahwa model UTAUT dapat digunakan untuk menganalisis tingkat penerimaan website sekolah serta mengidentifikasi faktor-faktor yang memengaruhi pemanfaatan website oleh siswa
AUDIT SISTEM INFORMASI MELALUI EVALUASI KAPABILITAS TATA KELOLA ENTERPRISE RESOURCE PLANNING BERBASIS COBIT 2019 Jamal Mulyana; Eni Heni Hermaliani
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.v10i3.18160

Abstract

Penerapan sistem Enterprise Resource Planning (ERP) berbasis SAP S/4HANA pada Departemen Marketing PT XYZ memegang peranan krusial dalam mengintegrasikan proses bisnis, terutama pada modul Sales and Distribution (SD). Namun, dalam operasionalnya, sistem ini masih menghadapi hambatan signifikan terkait rendahnya responsivitas layanan, manajemen insiden yang belum terstruktur, serta kurangnya standarisasi prosedur operasional. Penelitian ini bertujuan untuk melakukan evaluasi mendalam terhadap tingkat kapabilitas tata kelola teknologi informasi menggunakan kerangka kerja COBIT 2019, sekaligus mengidentifikasi kesenjangan (gap) antara kondisi saat ini (as-is) dengan target kapabilitas yang diharapkan (to-be). Metode penelitian yang diterapkan adalah audit sistem informasi dengan pendekatan mixed method yang menggabungkan wawancara mendalam, penyebaran kuesioner kepada stakeholder terkait, serta studi dokumentasi pada delapan proses prioritas dalam domain DSS, BAI, dan MEA berdasarkan hasil pemetaan Goals Cascade dan Design Factors. Hasil evaluasi menunjukkan bahwa secara umum tingkat kapabilitas tata kelola TI berada pada Level 2 (Managed Process), dengan hanya satu proses yang telah mencapai Level 3 (Established Process). Sebagian besar proses masih memiliki kesenjangan sebesar satu tingkat dari target. Sebagai solusi, disusun serangkaian rekomendasi perbaikan strategis guna meningkatkan kapabilitas menuju Level 3, dengan fokus utama pada penguatan kontinuitas layanan, sistem keamanan, manajemen insiden, pengendalian internal proses bisnis, serta tata kelola manajemen perubahan TI.
ANALISIS SENTIMEN FILM AGAK LAEN MENYALA PANTIKU MENGGUNAKAN METODE SUPPORT VECTOR MACHINE Nadhilah Al Adawiyah; Nadia Ramadhani; Salsa Yurinka; Winda Kurnia Sari; Ken Ditha Tania
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.v10i3.18161

Abstract

Media sosial merupakan salah satu sarana bagi publik untuk menyampaikan opini dan ulasan terhadap berbagai topik, termasuk film, yang dapat memengaruhi persepsi publik secara luas. Film “Agak Laen: Menyala Pantiku!” merupakan salah satu film yang ramai diperbincangkan di platform X sehingga menghasilkan beragam tanggapan dari pengguna. Banyaknya data opini yang tersedia dalam bentuk teks tidak terstruktur menyebabkan proses analisis secara manual menjadi kurang efektif. Oleh karena itu, penelitian ini bertujuan untuk mengklasifikaskan sentimen opini pengguna platform X terhadap film “Agak Laen: Menyala Pantiku!” ke dalam tiga kategori positif, negatif, dan netral. Data penelitian dikumpulkan melalui proses crawling dari platform X, kemudian diproses melalui tahap preprocessing teks serta pembobotan fitur menggunakan metode TF-IDF. Proses klasifikasi kemudian diterapkan menggunakan algoritma Support Vector Machine (SVM). Berdasarkan hasil pengujian, model SVM mampu mengklasifikasikan sentimen dengan tingkat akurasi sebesar 80%. Distribusi sentimen menunjukkan bahwa sentimen positif memiliki jumlah paling tinggi, diikuti oleh sentimen netral, sedangkan sentimen negatif relatif lebih sedikit. Temuan ini mengindikasikan bahwa sebagian besar tanggapan publik terhadap film tersebut bersifat positif, terutama terkait unsur komedi yang menjadi daya tarik utama film.
ANALISIS SENTIMEN PUBLIK TERHADAP MASA KEPELATIHAN MICHAEL CARRICK DI MANCHESTER UNITED PADA MEDIA SOSIAL X: KOMPARASI ALGORITMA NAÏVE BAYES DAN SUPPORT VECTOR MACHINE Dymas Ahmad Fadhil; Muhamad Anandithyo Aftarudzaki; Rifqi Febrian; Windah Kurnia Sari; Ken Ditha Tania; Fathoni Fathoni
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.v10i3.18166

Abstract

Analisis sentimen pada media sosial X merupakan pendekatan yang relevan untuk memahami opini publik terhadap isu olahraga, termasuk penilaian terhadap pelatih sepak bola. Perbedaan performa antar algoritma klasifikasi teks menjadi tantangan dalam memilih metode yang paling optimal untuk data berbahasa Indonesia. Penelitian ini bertujuan membandingkan efektivitas algoritma Naïve Bayes dan Support Vector Machine (SVM) dalam mengklasifikasikan sentimen publik terhadap masa kepelatihan Michael Carrick di Manchester United. Dataset terdiri dari 8.198 tweet berbahasa Indonesia dengan distribusi kelas positif dan negatif yang seimbang (masing-masing 50%). Preprocessing teks meliputi case folding, penghapusan noise, tokenisasi, stopword removal, dan normalisasi slang. Ekstraksi fitur menggunakan TF-IDF Vectorizer (max_features=5.000) dengan rasio pembagian data 80:20 (random_state=42). Hasil evaluasi menunjukkan Naïve Bayes mencapai akurasi 91,40%, sedangkan SVM mencapai 92,50%. SVM terbukti lebih unggul dengan selisih 1,10%, mengindikasikan bahwa SVM lebih efektif dalam menangani data teks media sosial olahraga berbahasa Indonesia yang berdistribusi seimbang.
PREDIKSI TREN KASUS COVID-19 DI AMERIKA SERIKAT BERDASARKAN DATA MOBILITAS MANUSIA MENGGUNAKAN LINEAR REGRESSION DAN RANDOM FOREST Henrie Rafi Ardiyanto; Ferdianto Ferdianto; Rifki Alkazim; Winda Kurnia Sari; Ken Ditha Tania
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.v10i3.18165

Abstract

Pandemi COVID-19 memberikan dampak signifikan terhadap berbagai aspek kehidupan, termasuk kesehatan dan mobilitas masyarakat. Perubahan mobilitas manusia memiliki keterkaitan erat dengan peningkatan atau penurunan kasus COVID-19, sehingga diperlukan metode prediksi yang akurat untuk mengetahui tren kasus dalam jangka pendek. Permasalahan dalam penelitian ini adalah bagaimana memanfaatkan data mobilitas manusia untuk memprediksi perubahan jumlah kasus COVID-19 secara efektif. Penelitian ini bertujuan untuk membangun dan membandingkan model prediksi menggunakan metode regresi. Metode yang digunakan adalah pendekatan kuantitatif dengan membangun dua model, yaitu Linear Regression dan Random Forest Regressor, menggunakan data time series kasus harian COVID-19 dan mobilitas manusia di Amerika Serikat. Evaluasi dilakukan menggunakan RMSE, MAE, dan R². Hasil penelitian menunjukkan bahwa Random Forest Regressor memiliki kinerja lebih baik dibandingkan Linear Regression dalam memprediksi tren jangka pendek kasus COVID-19

Page 446 of 464 | Total Record : 4631

 444   445   446   447   448 

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