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
 445   446   447   448   449 
ANALISIS PERBANDINGAN RANDOM FOREST DAN SUPPORT VECTOR MACHINE DALAM KLASIFIKASI TINGKAT RISIKO KECANDUAN JUDI ONLINE BERBASIS K-MEANS CLUSTERING PADA POLA TRANSAKSI PENGGUNA Annisa Olivia Rafidah; Kaisyah Azzahra; Trya Andini Banowati; 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.v10i3.18168

Abstract

Perkembangan teknologi digital telah meningkatkan akses publik ke berbagai platform hiburan daring, termasuk judi online, yang berpotensi menimbulkan risiko kecanduan dengan dampak negatif pada kondisi finansial, psikologis, dan sosial pengguna. Penelitian yang secara spesifik menganalisis tingkat risiko kecanduan judi online berdasarkan pola transaksi masih sangat terbatas, khususnya yang menggabungkan teknik clustering dan klasifikasi secara bersamaan. Penelitian ini bertujuan menganalisis dan membandingkan performa algoritma Random Forest dan Support Vector Machine (SVM) dalam mengklasifikasikan tingkat risiko kecanduan judi online berdasarkan pola transaksi pengguna. Data dari 2.286 pengguna terlebih dahulu dikelompokkan menggunakan K-Means Clustering (k=2) untuk menghasilkan label kelas, kemudian diklasifikasikan menggunakan kedua algoritma dengan penanganan ketidakseimbangan kelas melalui parameter class_weight='balanced'. Hasil evaluasi menunjukkan bahwa Random Forest mencapai akurasi 98,47%, mengungguli Support Vector Machine (SVM) dengan kernel RBF yang mencapai 98,03%. Random Forest juga unggul pada 7 dari 9 metrik evaluasi dan menghasilkan lebih sedikit kesalahan prediksi (7 dari 458 data uji) dibandingkan Support Vector Machine (SVM) (9 dari 458). Random Forest direkomendasikan sebagai model yang lebih efektif untuk klasifikasi risiko kecanduan judi online berbasis pola transaksi pengguna.
SISTEM INFORMASI RETRIBUSI SAMPAH BERBASIS WEBSITE DI BUMDES KALIGAYAM TALANG KABUPATEN TEGAL Fuji Alfiyah; Galih Widyatmojo
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.v10i3.18171

Abstract

Pengelolaan retribusi sampah di BUMDes Kaligayam, Kecamatan Talang, Kabupaten Tegal masih dilakukan secara manual, mulai dari proses penagihan oleh Ketua RT, pencatatan pembayaran, hingga penyusunan laporan keuangan. Kondisi tersebut menimbulkan beberapa kendala, antara lain keterlambatan dalam pelaporan, potensi kesalahan pencatatan, ketidaksesuaian data pembayaran, serta kurangnya transparansi dalam pengelolaan keuangan. Penelitian ini bertujuan untuk merancang dan mengembangkan sistem informasi retribusi sampah berbasis web guna meningkatkan efektivitas pengelolaan administrasi. Metode pengumpulan data dilakukan melalui observasi, wawancara, dan studi pustaka. Analisis sistem mencakup identifikasi sistem yang berjalan, analisis permasalahan, penentuan kebutuhan informasi, serta perumusan kebutuhan sistem. Perancangan sistem menggunakan pendekatan Unified Modeling Language (UML) yang meliputi use case diagram, activity diagram, sequence diagram, dan class diagram. Pengembangan sistem dilakukan dengan metode Waterfall melalui tahapan analisis kebutuhan, perancangan, implementasi menggunakan PHP dan MySQL, pengujian, serta pemeliharaan. Hasil pengujian menggunakan metode Black Box Testing menunjukkan bahwa seluruh fungsi sistem berjalan sesuai dengan kebutuhan pengguna. Sistem yang dikembangkan mampu mendukung pengelolaan data warga, pencatatan pembayaran, serta penyusunan laporan secara lebih cepat dan terstruktur. Selain itu, sistem berbasis web ini mendukung akses multiuser yang melibatkan Admin, Ketua RT, dan warga sehingga dapat meningkatkan akurasi pencatatan, mempercepat proses pelaporan, serta meningkatkan transparansi pengelolaan retribusi sampah di BUMDes Kaligayam.
ANALISIS PENGARUH FAKTOR METEOROLOGI TERHADAP KONSENTRASI PM2.5 GLOBAL DAN IMPLIKASINYA TERHADAP KESEHATAN MASYARAKAT MENGGUNAKAN RANDOM FOREST DAN XGBOOST Fathoni Fathoni; Jovandra Anata Malayadza; Fitri Amanda; Audya Anggraini Hasim; 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.v10i3.18169

Abstract

PM2.5 merupakan partikel udara berdiameter ≤2,5 µm yang bersumber dari emisi kendaraan, industri, dan pembakaran biomassa, dan telah menjadi ancaman kesehatan global yang berkontribusi terhadap jutaan kematian akibat penyakit kardiovaskular dan pernapasan. Hubungan antara faktor meteorologi dan konsentrasi PM2.5 bersifat non-linear dan kompleks sehingga tidak dapat dimodelkan secara memadai menggunakan pendekatan statistik konvensional, sementara kajian integratif skala global yang menghubungkan meteorologi, PM2.5, dan implikasi kesehatan masih terbatas. Penelitian ini bertujuan menganalisis pengaruh faktor meteorologi terhadap konsentrasi PM2.5 secara global serta mengevaluasi implikasinya terhadap kesehatan masyarakat berdasarkan standar WHO AQG 2021. Analisis dilakukan menggunakan Random Forest dan XGBoost terhadap Global Air Quality Data yang mencakup 10.000 observasi dari 20 kota di 19 negara dengan variabel input suhu, kelembapan, dan kecepatan angin. Meskipun kemampuan prediksi kuantitatif terbatas akibat kompleksitas data global, Random Forest menunjukkan performa lebih baik dibanding XGBoost dengan MAE 36,31 dan RMSE 42,45. Kecepatan angin, kelembapan, dan suhu teridentifikasi sebagai faktor paling berpengaruh, dengan 79% data berada pada kategori tidak sehat hingga berbahaya berdasarkan WHO AQG 2021
ANALISIS KOMPARASI ALGORITMA K-MEANS DAN HIERARCHICAL CLUSTERING UNTUK SEGMENTASI PELANGGAN DALAM MENGGUNAKAN METODE PEMBAYARAN Rifqi Muhammad Rifat; M Andre Yunizar; Hori Fahmi; 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.v10i3.18173

Abstract

Transformasi digital dalam industri ritel menuntut pemanfaatan data transaksi melalui machine learning untuk memahami perilaku belanja pelanggan secara tepat. Namun, keterbatasan dalam mengenali profil pelanggan berdasarkan pola pembayaran digital sering kali menyebabkan strategi pemasaran tidak tepat sasaran dan kurang personal. Penelitian ini bertujuan melakukan analisis komparatif antara algoritma K-Means dan Hierarchical Clustering untuk menentukan metode segmentasi pelanggan yang paling akurat berdasarkan metode pembayaran. Penelitian ini menggunakan pendekatan kuantitatif pada 3900 data sekunder, kualitas klaster dievaluasi melalui metrik Silhouette Score, Calinski-Harabasz, dan Davies-Bouldin Index. Hasil penelitian menunjukkan bahwa kedua algoritma mampu membentuk lima klaster pelanggan dengan kualitas pemisahan yang sangat baik. Secara spesifik, K-Means menunjukkan kinerja sedikit lebih unggul dengan nilai Silhouette Score 0,8606 dibandingkan Hierarchical Clustering sebesar 0,8595. Temuan ini berhasil memetakan profil pelanggan berdasarkan metode pembayaran dominan seperti Debit Card, PayPal, dan Cash, yang dapat menjadi landasan strategis bagi perusahaan dalam merancang strategi pemasaran yang lebih personal serta tepat sasaran
ANALISIS KOMPARATIF ALGORITMA MACHINE LEARNING UNTUK KLASIFIKASI BINER STATUS KESEHATAN MENTAL PADA TEKS MEDIA SOSIAL Ahmad Rijal Khairullah; Fuad Kanifudin; Habil Al-Farisy; 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

Abstract

Kesehatan mental merupakan isu global yang krusial, di mana media sosial menjadi wadah utama bagi pengguna untuk mengekspresikan kondisi psikologisnya. Namun, tingginya volume data teks dan ketidakseimbangan kelas gangguan mental membuat deteksi secara manual menjadi tidak efisien dan rentan terhadap subjektivitas. Penelitian ini bertujuan untuk menganalisis dan membandingkan kinerja algoritma Machine Learning, yakni Logistic Regression dan Random Forest, dalam mengklasifikasikan status kesehatan mental secara biner. Metodologi yang digunakan meliputi pemrosesan 53.043 data teks berbahasa Inggris yang disederhanakan menjadi dua kelas, yaitu normal dan not_normal. Teks tersebut diekstraksi menggunakan Term Frequency-Inverse Document Frequency (TF-IDF) dengan batasan 8.000 fitur unigram dan bigram, kemudian dibagi menjadi 80% data latih dan 20% data uji secara stratifikasi. Hasil pengujian menunjukkan bahwa kedua model berkinerja stabil dan sangat baik. Random Forest sedikit lebih unggul dengan tingkat akurasi 93,68%, dibandingkan Logistic Regression yang mencapai 93,65%. Kedua model sama-sama mencatatkan F1-Score sebesar 94%. Pendekatan ini terbukti efisien dan sangat akurat sebagai landasan sistem deteksi dini kesehatan mental secara otomatis
ANALISIS POLA PEMBELIAN KONSUMEN UNTUK MENENTUKAN PROMOTION SESSION MENGGUNAKAN ALGORITMA APRIORI: Salman Rifki Yanuar; Ahmad Subhan Yazid; Cicin Hardiyanti P; Andri Pramuntadi
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.v10i3.18177

Abstract

DM Grosir Sembako memiliki data transaksi penjualan dalam jumlah besar yang berpotensi dimanfaatkan guna mendukung pengambilan keputusan bisnis. Meskipun demikian, pemanfaatan data tersebut masih terbatas pada analisis per produk, sehingga belum mampu mengungkap pola keterkaitan antar produk yang kerap dibeli secara bersamaan. Akibatnya, optimalisasi data dalam penentuan strategi promosi belum tercapai secara maksimal. Penelitian ini bertujuan untuk menganalisis pola pembelian konsumen sebagai landasan penetapan sesi promosi berupa bundling produk. Pendekatan yang diterapkan adalah data mining dengan algoritma Apriori serta metodologi CRISP-DM, yang mencakup tahapan business understanding, data understanding, data preparation, modeling, evaluation, dan deployment. Data yang dianalisis terdiri dari 9.406 transaksi penjualan pada bulan November 2025, dengan parameter minimum support sebesar 0,15%, minimum confidence 20%, serta lift > 1. Hasil penelitian mengungkap bahwa algoritma Apriori berhasil mengidentifikasi pola asosiasi antar produk yang signifikan, ditandai dengan nilai lift lebih besar dari satu, yang menunjukkan adanya hubungan kuat antar produk tersebut. Pola-pola ini dapat dijadikan dasar penyusunan strategi bundling produk yang lebih tepat dan efektif.
ANALISIS PERAN KNOWLEDGE MANAGEMENT TERHADAP EFEKTIFITAS PELAYANAN PADA BENGKEL CEMERLANG RACING MOTOR Ari Heriyadi; Muhammad Hafiz Al Zaky; Muhammad Farhan; Dio Rizqy Saputra; Ken Ditha Tania; Ahmad Rifai
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.v10i3.18183

Abstract

Penelitian ini bertujuan untuk menganalisis peran knowledge management dalam meningkatkan efektivitas pelayanan pada Bengkel Cemerlang Racing Motor Kota Palembang, yang masih menghadapi permasalahan berupa dominasi tacit knowledge dan belum terdokumentasinya pengetahuan secara sistematis. Penelitian menggunakan pendekatan kualitatif deskriptif dengan metode studi kasus melalui observasi, wawancara, dan dokumentasi. Data dianalisis menggunakan model Miles dan Huberman, serta pendekatan model SECI (Socialization, Externalization, Combination, Internalization) untuk menggambarkan proses pengelolaan pengetahuan. Hasil penelitian menunjukkan bahwa penerapan knowledge management mampu mengubah pengetahuan mekanik menjadi explicit knowledge yang terdokumentasi, sehingga mempercepat proses perbaikan, meningkatkan konsistensi kerja, dan meningkatkan kualitas pelayanan. Dengan demikian, knowledge management berperan penting dalam meningkatkan efektivitas pelayanan bengkel.
ANALISIS SENTIMEN PUBLIK TERHADAP RESPONS PEMERINTAH DALAM PENANGANAN BANJIR DI ACEH DAN SUMATERA UTARA BERDASARKAN KOMENTAR YOUTUBE MENGGUNAKAN METODE SUPPORT VECTOR MACHINE DAN RANDOM FOREST M Musyawir Halim; M Fadli Abdul Aziz; M Farhan Alhabsy; 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.v10i3.18181

Abstract

Bencana banjir merupakan salah satu bencana yang sering terjadi di Indonesia dan menimbulkan berbagai respons masyarakat terhadap tindakan pemerintah. Permasalahan dalam penelitian ini adalah bagaimana persepsi publik terhadap respons pemerintah dalam penanganan banjir di wilayah Aceh dan Sumatera Utara berdasarkan komentar YouTube. Penelitian ini bertujuan untuk menganalisis sentimen publik terhadap penanganan banjir oleh pemerintah. Metode yang digunakan meliputi preprocessing teks berupa case folding, cleaning, tokenizing, dan stopword removal, serta pelabelan sentimen ke dalam tiga kategori, yaitu positif, netral, dan negatif. Representasi fitur menggunakan TF-IDF, kemudian dilakukan klasifikasi menggunakan algoritma Support Vector Machine (SVM) dan Random Forest. Hasil penelitian menunjukkan bahwa SVM memperoleh akurasi 86%, sedangkan Random Forest memperoleh akurasi 89%, sehingga Random Forest memiliki performa yang lebih baik dalam mengklasifikasikan sentimen
ANALISIS PERBANDINGAN KINERJA ARSITEKTUR CNN, RESNET50, DAN EFFICIENTNET-B0 UNTUK PENGENALAN EKSPRESI WAJAH (MACRO EXPRESSION) Fitto Ardiansyah; 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.v10i3.18190

Abstract

Penelitian ini membahas analisis perbandingan kinerja tiga arsitektur deep learning, yaitu Convolutional Neural Network (CNN), ResNet50, dan EfficientNet-B0 dalam tugas pengenalan ekspresi wajah (Facial Expression Recognition/Fer). Permasalahan utama dalam penelitian ini adalah bagaimana menentukan arsitektur yang paling efektif untuk dataset ekspresi wajah beresolusi rendah dengan distribusi kelas yang telah diseimbangkan. Penelitian bertujuan untuk mengevaluasi dan membandingkan performa ketiga model berdasarkan metrik accuracy, precision, recall, dan F1-score. Dataset yang digunakan adalah CK+ yang telah melalui tahap preprocessing meliputi resize, normalisasi, dan augmentasi data. Setiap model dilatih menggunakan dua skenario epoch, yaitu 50 dan 70 epoch. Hasil penelitian menunjukkan bahwa CNN memberikan performa terbaik dengan akurasi mencapai 0,83, serta menunjukkan stabilitas yang lebih baik dibandingkan ResNet50 mencapai akurasi 0,67 dan EfficientNet-B0 mencapai akurasi 0,50. Sementara itu, ResNet50 menunjukkan peningkatan moderat, dan EfficientNet-B0 memiliki performa terendah akibat keterbatasan dalam generalisasi pada dataset beresolusi rendah. Temuan ini menunjukkan bahwa kompleksitas model tidak selalu berbanding lurus dengan peningkatan performa
ANALISIS SENTIMEN KONSUMEN WANITA GENERASI Z TERHADAP INDUSTRI FAST FASHION MENGGUNAKAN METODE SUPPORT VECTOR MACHINE (SVM) M. Riswandifa Putra Alenky; Azzahra Dezza Syahputri; An'nur Aisyah Ghaidah Senjaya Mangkunegara; 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.v10i3.18189

Abstract

Industri fast fashion berkembang pesat namun berdampak destruktif bagi lingkungan melalui emisi karbon dan akumulasi limbah tekstil. Meskipun Generasi Z memiliki kesadaran ekologis tinggi, mereka sering terjebak dalam perilaku konsumsi impulsif akibat pengaruh media sosial dan praktik greenwashing perusahaan yang memicu skeptisisme. Fenomena ini menciptakan kesenjangan antara nilai dan tindakan nyata (value-action gap) di kalangan konsumen muda. Penelitian ini bertujuan untuk menganalisis sentimen Generasi Z terhadap industri fast fashion serta mengevaluasi kinerja algoritma Support Vector Machine (SVM) dalam mengklasifikasikan opini publik. Metode penelitian menggunakan dataset “Womens Clothing E-Commerce Reviews” dari Kaggle yang diolah melalui pipeline machine learning meliputi praproses teks, ekstraksi fitur TF-IDF, dan klasifikasi SVM dengan kernel linear. Hasil eksperimen pada platform Google Colab menunjukkan bahwa algoritma SVM mampu mencapai tingkat akurasi kompetitif pada rentang 84% hingga 90%. Model terbukti stabil dalam menangani karakteristik bahasa informal konsumen muda dan efektif memetakan pola sentimen sebagai landasan strategis bagi peningkatan transparansi industri fashion di masa depan

Page 447 of 464 | Total Record : 4631

 445   446   447   448   449 

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