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
 447   448   449   450   451 
ANALISIS KOMPARASI METODE SVM DAN MODERNBERT DALAM KLASIFIKASI SENTIMEN OPINI PUBLIK DI PLATFORM TIKTOK MENGENAI BANJIR BANDANG DI SUMATRA Sabila Ayu Febriani; Virgania Sari
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.v10i3.18210

Abstract

Peristiwa banjir bandang di Sumatra pada tahun 2025 memicu berbagai reaksi masyarakat yang banyak disampaikan melalui media sosial, khususnya TikTok. Namun, tingginya volume komentar yang tidak terstruktur menyulitkan dalam memahami kecenderungan opini publik secara sistematis. Oleh karena itu, diperlukan pendekatan analisis sentimen untuk mengidentifikasi polaritas opini masyarakat secara otomatis. Penelitian ini bertujuan untuk menganalisis distribusi sentimen serta membandingkan kinerja metode Support Vector Machine (SVM), ModernBERT dan BERT sebagai metode pembanding tambahan dalam mengklasifikasikan sentimen komentar TikTok terkait banjir bandang di Sumatra. Metode yang digunakan adalah pendekatan kuantitatif komparatif dengan dataset sebanyak 6.999 komentar yang dikumpulkan melalui teknik web scraping. Data diproses melalui tahapan preprocessing, kemudian diklasifikasikan menggunakan SVM berbasis TF-IDF serta model BERT dan ModernBERT melalui proses fine-tuning. Evaluasi dilakukan menggunakan metrik akurasi, precision, recall, dan F1-score. Hasil penelitian menunjukkan bahwa ModernBERT memiliki performa terbaik dengan akurasi sekitar 93%, diikuti SVM sebesar 89,43%, dan BERT sebesar 88%. Temuan ini menunjukkan bahwa model berbasis Transformer yang telah dioptimasi mampu memahami konteks bahasa informal media sosial dengan lebih baik dibandingkan metode lainnya
IMPROVING FRAUD DETECTION IN FINANCIAL TRANSACTIONS USING SMOTE AND MACHINE LEARNING TECHNIQUES Zahratul Umamah; Joko Triloka; Sutedi Sutedi; Sriyanto Sriyanto
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.v10i3.18211

Abstract

Perkembangan teknologi informasi mendorong meningkatnya penggunaan sistem transaksi keuangan digital yang memberikan kemudahan dan efisiensi dalam aktivitas ekonomi. Namun, peningkatan tersebut juga diikuti oleh meningkatnya risiko financial fraud yang dapat menimbulkan kerugian finansial serta menurunkan kepercayaan terhadap sistem keuangan digital. Permasalahan utama dalam deteksi fraud adalah ketidakseimbangan distribusi data antara transaksi normal dan transaksi fraud yang menyebabkan model klasifikasi kurang optimal dalam mengenali kelas minoritas. Penelitian ini bertujuan untuk meningkatkan kinerja sistem deteksi financial fraud melalui penerapan teknik penyeimbangan data menggunakan Synthetic Minority Oversampling Technique (SMOTE) yang dikombinasikan dengan algoritma machine learning. Metode penelitian meliputi analisis karakteristik dataset, preprocessing data, penerapan SMOTE, pembangunan model menggunakan Logistic Regression, Support Vector Machine, dan Random Forest, serta evaluasi performa menggunakan metrik accuracy, precision, recall, dan F1-score. Hasil penelitian menunjukkan bahwa penerapan SMOTE mampu meningkatkan kemampuan model dalam mendeteksi transaksi fraud, dengan algoritma Random Forest memberikan performa terbaik dibandingkan algoritma lainnya
MODEL INTEGRATIF TATA KELOLA, TEKNOLOGI, DAN KEBERLANJUTAN DALAM PENGEMBANGAN SMART CITY: A SYSTEMATIC LITERATURE REVIEW Siti Mauliana Rahmah; Muhayat Muhayat; Muhammad Sukma Nasyikin
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.v10i3.18212

Abstract

Penelitian ini dilatarbelakangi oleh pesatnya urbanisasi global yang mendorong penerapan konsep smart city sebagai strategi pembangunan perkotaan berkelanjutan. Namun, literatur menunjukkan adanya heterogenitas definisi, fragmentasi pendekatan, serta ketidakseimbangan integrasi antara dimensi tata kelola, teknologi, dan keberlanjutan. Penelitian ini bertujuan untuk mensintesis evolusi konseptual, mengidentifikasi mekanisme integrasi antar dimensi utama, serta mengungkap kesenjangan teoretis dan metodologis dalam pengembangan smart city. Metode yang digunakan adalah systematic literature review terhadap artikel terindeks Scopus, IEEE Xplore, dan SINTA pada periode 2021–2026 melalui tahapan identifikasi, screening, evaluasi, dan inklusi, sehingga diperoleh 28 artikel utama untuk dianalisis. Hasil penelitian menunjukkan bahwa konsep smart city telah bergeser dari pendekatan teknologi-sentris menuju kerangka multidimensional integratif, dengan tata kelola sebagai pengarah kebijakan, teknologi sebagai enabler operasional, dan keberlanjutan sebagai outcome utama. Studi ini juga mengidentifikasi dominasi indikator teknologi dibandingkan indikator sosial dan lingkungan, serta keterbatasan evaluasi berbasis dampak. Penelitian ini berkontribusi dalam merumuskan kerangka integratif yang memperkuat harmonisasi indikator dan pengembangan model evaluasi smart city yang lebih komprehensif dan berkelanjutan
SISTEM INFORMASI MONITORING SISWA BERBASIS WEBSITE : Intan Mutiara; Aries Setyani Wahyu Prasetyawati
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.v10i3.18216

Abstract

Pengelolaan data kehadiran, pelanggaran, dan konseling siswa di SMK Nurul Ulum Lebaksiu masih dilakukan secara terpisah sehingga proses monitoring siswa kurang efektif dan menyulitkan dalam pencarian data serta penyusunan laporan. Penelitian ini bertujuan untuk merancang dan mengimplementasikan sistem informasi monitoring siswa berbasis web yang mengintegrasikan data kehadiran, pelanggaran, dan konseling siswa dalam satu sistem. Metode pengembangan sistem yang digunakan adalah prototyping yang meliputi analisis kebutuhan, perancangan, pembuatan prototype, implementasi, pengujian, dan pemeliharaan sistem. Perancangan sistem dilakukan menggunakan Unified Modeling Language (UML) untuk memodelkan proses dan struktur sistem. Sistem dikembangkan berbasis web sehingga dapat diakses melalui komputer maupun smartphone. Fitur sistem meliputi presensi siswa menggunakan kamera, pengajuan izin atau sakit, pencatatan pelanggaran dan konseling, monitoring data siswa oleh wali kelas dan kepala sekolah, serta rekap dan pencetakan laporan. Hasil pengujian menggunakan black box testing menunjukkan bahwa seluruh fungsi sistem berjalan dengan baik sesuai kebutuhan pengguna. Sistem ini membantu sekolah dalam melakukan monitoring siswa secara lebih efektif, terintegrasi, dan mempermudah pengelolaan data serta penyusunan laporan
MODEL PREDIKSI KOLABORASI ILMIAH DENGAN MEMBANDINGKAN WEIGHTED PREFERENTIAL ATTACHMENT DAN WEIGHTED KATZ INDEX PADA JARINGAN CO-AUTHORSHIP M. Milky Gazura; Herman Yuliansyah
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.v10i3.18217

Abstract

Prediksi kolaborasi ilmiah merupakan permasalahan penting dalam analisis jaringan akademik untuk mengidentifikasi potensi hubungan antar peneliti di masa depan. Namun, sebagian besar pendekatan belum mempertimbangkan frekuensi kolaborasi sebagai bobot hubungan dalam jaringan co-authorship. Oleh karena itu, penelitian ini bertujuan untuk mengembangkan model prediksi keterhubungan pada jaringan co-authorship berbobot dengan membandingkan metode Weighted Katz Index (WKatz), Weighted Preferential Attachment (WPA), serta metode dasar Preferential Attachment (PA) dan Katz Index. Dataset yang digunakan merupakan publikasi ilmiah dosen Program Studi Psikologi Universitas Ahmad Dahlan periode 2010–2024 yang dikumpulkan dari Google Scholar dan direpresentasikan sebagai graf tak berarah berbobot. Evaluasi dilakukan menggunakan skema link prediction berbasis waktu dengan sepuluh iterasi temporal dan diukur menggunakan metrik Area Under the Curve (AUC). Hasil penelitian menunjukkan bahwa Katz Index dengan parameter β = 0,01 memperoleh nilai rata-rata AUC tertinggi sebesar 0,96560, diikuti oleh WKatz sebesar 0,95376, sedangkan WPA dan PA menghasilkan nilai yang lebih rendah, masing-masing sebesar 0,67870 dan 0,64363. Temuan ini menunjukkan bahwa pendekatan berbasis Katz memiliki kinerja prediksi yang lebih unggul dibandingkan metode lainnya dalam konteks jaringan co-authorship berbobot
IDENTIFIKASI CACAT RETAK PADA TELUR AYAM RAS DENGAN PENDEKATAN CONVOLUTIONAL NEURAL NETWORK (CNN) Nalfayo Christian Ratu; Adriana Fanggidae; Yulianto T. Polly
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.v10i3.18219

Abstract

Keretakan pada cangkang telur ayam ras yang tidak terdeteksi secara visual dapat meningkatkan risiko kontaminasi bakteri serta menurunkan kualitas produk selama proses distribusi. Permasalahan utama dalam inspeksi kualitas telur terletak pada metode pemeriksaan manual yang bersifat subjektif, kurang konsisten, dan tidak efisien dalam skala besar. Penelitian ini bertujuan untuk mengembangkan sistem klasifikasi otomatis berbasis citra guna mendeteksi keretakan pada cangkang telur ayam ras menggunakan metode Convolutional Neural Network (CNN). Dataset yang digunakan terdiri dari 450 citra RGB telur ayam ras bercangkang cokelat yang diklasifikasikan ke dalam dua kelas, yaitu telur retak dan tidak retak, serta dibagi menjadi data pelatihan, validasi, dan pengujian. Tahap praproses dilakukan melalui teknik augmentasi citra, meliputi rotasi, flipping, penskalaan, penyesuaian kecerahan dan kontras, penambahan noise, serta blur untuk meningkatkan kemampuan generalisasi model. Metode yang diterapkan meliputi penggunaan arsitektur CNN pralatih, yaitu InceptionV3, ResNet50, dan VGG19, dengan evaluasi kinerja berdasarkan confusion matrix yang mencakup akurasi, presisi, recall, dan F1-score. Hasil penelitian menunjukkan bahwa model InceptionV3 memiliki kinerja terbaik dibandingkan model lainnya pada seluruh metrik evaluasi
PERBANDINGAN ARSITEKTUR ALEXNET DAN MOBILENETV3-SMALL MENGGUNAKAN ATTENTION MECHANISM PADA PENYAKIT CACAR Fujianto Fujianto; Meiriyama Meiriyama
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.v10i3.18226

Abstract

Indonesia menghadapi tantangan diagnosis penyakit cacar seperti cacar air, cacar monyet, dan cacar sapi, yang sulit dibedakan secara visual. Permasalahan utama adalah kebingungan diagnosis di daerah terpencil, membebani sistem kesehatan akibat keterbatasan perangkat. Penelitian ini bertujuan membandingkan empat model CNN berbasis transfer learning pada AlexNet dan MobileNetV3-Small dengan integrasi Channel Attention Mechanism untuk meningkatkan akurasi deteksi lesi kulit. Metode menggunakan dataset MSLD v2.0 (755 citra, 6 kelas: Monkeypox, Chickenpox, Cowpox, Measles, HFMD, Healthy) dengan split 80-10-10, preprocessing 224x224 piksel, augmentasi data, optimizer Adam (lr 0.0001/0.001, batch 16/32), 50 epoch, serta fine-tuning dengan custom head (Global Average Pooling, Channel Attention, Dense 256, Dropout 0.5, Softmax). Hasil evaluasi via confusion matrix menunjukkan model optimal berakurasi tertinggi, precision/recall/F1-score superior, waktu inferensi rendah, dan kompleksitas ringan, cocok untuk perangkat terbatas
PENGUKURAN TINGKAT KEMATANGAN TATA KELOLA KEAMANAN INFORMASI DI STMIK PALANGKARAYA DENGAN INDEKS KEAMANAN INFORMASI 5.0 Amaya Andri Damaini; abdul hadi; Elia Zakharia; Herkules Herkules
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.v10i3.18225

Abstract

STMIK Palangkaraya memiliki ketergantungan tinggi terhadap teknologi informasi yang meningkatkan risiko keamanan informasi. Permasalahan utama meliputi belum optimalnya tata kelola, pengelolaan risiko, serta perlindungan data pribadi. Penelitian ini bertujuan mengukur tingkat kesiapan dan kematangan keamanan informasi menggunakan Indeks KAMI versi 5.0 serta memberikan rekomendasi berbasis ISO/IEC 27001:2022. Metode yang digunakan adalah deskriptif kualitatif melalui wawancara, observasi, kuesioner, dan analisis dokumen pada tujuh domain evaluasi. Hasil menunjukkan skor 154 dengan status “Tidak Layak” dan tingkat kematangan berada pada level I–II. Kelemahan utama terdapat pada tata kelola, manajemen risiko, dan kerangka kerja keamanan informasi, sementara pengamanan pihak ketiga relatif lebih baik. Penelitian ini merekomendasikan penyusunan kebijakan formal, penguatan manajemen risiko, peningkatan kontrol teknis, serta evaluasi berkala untuk meningkatkan keamanan informasi secara berkelanjutan
DETEKSI HAMA FALL ARMYWORM PADA TANAMAN JAGUNG MENGGUNAKAN YOLO DI DESA OESAO, KABUPATEN KUPANG, NUSA TENGGARA TIMUR Daniel Wilhelm Valentino Likadja; Derwin Rony Sina; Bertha S.Djahi
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.v10i3.18227

Abstract

Produksi jagung di Nusa Tenggara Timur mengalami penurunan kumulatif lebih dari 26% dalam empat tahun terakhir, salah satunya akibat serangan hama invasif Fall Armyworm (Spodoptera frugiperda) yang berpotensi menurunkan hasil panen hingga 70–80%, sementara metode pemantauan konvensional yang bersifat subjektif dan tidak efisien belum mampu menjawab kebutuhan deteksi dini secara akurat pada pertanian skala kecil. Penelitian ini bertujuan mengevaluasi kemampuan deteksi hama Fall Armyworm dan gejala kerusakannya pada daun jagung menggunakan lima varian algoritma You Only Look Once (YOLO) generasi terbaru dalam kondisi lapangan nyata. Dataset terdiri dari 2.000 gambar berlabel dua kelas, larva (Hama Fall_armyworm) dan pola kerusakan daun (fall_armyworm damage), yang dikumpulkan langsung dari lahan Desa Oesao dan diperkaya melalui platform Roboflow, kemudian dilatih dan dievaluasi pada YOLOv8n, YOLOv9t, YOLOv10n, YOLOv11n, dan YOLOv12n menggunakan metrik Precision, Recall, F1-Score, dan mean Average Precision (mAP). YOLOv11n mencapai performa terbaik dengan F1-Score 61,1% dan mAP@0,5 58,5%, namun seluruh model menunjukkan kesenjangan deteksi signifikan antara kelas larva (mAP@0,5: 0,974–0,988) dan kelas kerusakan daun (mAP@0,5: 0,164–0,240) yang disebabkan oleh ketidakseimbangan distribusi data dan tingginya variasi visual pola kerusakan. Kebaruan arsitektur tidak menjamin performa superior pada dataset berukuran kecil, sehingga perluasan data dan penanganan ketidakseimbangan kelas menjadi prioritas utama penelitian mendatang
RANCANG BANGUN SISTEM MANAJEMEN ARSIP DIGITAL DENGAN FITUR PENCARIAN DOKUMEN BERBASIS TF-IDF: Gies Septiara; Yulia Fatmi; Resmidarni Resmidarni; Rizkayeni Marta
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 10 No. 2 (2026): JATI Vol. 10 No. 2
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v10i2.18233

Abstract

Pengelolaan arsip merupakan bagian penting dalam mendukung administrasi organisasi, khususnya pada instansi pemerintahan. Namun, pengelolaan arsip internal pada Bidang Teknologi Informasi dan Komunikasi Polda Sumatera Barat masih dilakukan secara semi manual sehingga menyebabkan kesulitan dalam pencarian dokumen serta kurangnya pengelolaan yang terstruktur. Penelitian ini bertujuan untuk merancang dan membangun sistem manajemen arsip digital berbasis web yang mampu mendukung workflow internal serta menyediakan fitur pencarian dokumen berbasis konten. Metode yang digunakan adalah prototype yang meliputi tahap komunikasi, perencanaan, pemodelan, konstruksi, dan evaluasi. Sistem dikembangkan menggunakan framework Laravel dan basis data MySQL dengan mekanisme multi-role. Hasil penelitian menunjukkan bahwa sistem yang dibangun mampu meningkatkan efisiensi pengelolaan arsip, mempercepat proses pencarian dokumen melalui penerapan metode Term Frequency–Inverse Document Frequency (TF-IDF), serta meningkatkan transparansi dalam pemantauan status dokumen internal

Page 449 of 464 | Total Record : 4631

 447   448   449   450   451 

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