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 3,835 Documents
 85   86   87   88   89 
IDENTIFIKASI DAN PEMETAAN GANGGUAN KOMPONEN SISTEM PERSINYALAN PT KERETA API INDONESIA (PERSERO) RESORT KARAWANG Cyril Sumarahardhi, Pradipta; Budhi Santoso, Dian
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 7 No. 3 (2023): JATI Vol. 7 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v7i3.6875

Abstract

Sistem persinyalan memiliki peranan penting dalam menjaga keamanan dan efisiensi operasional kereta api. PT Kereta Api Indonesia (Persero) Resort Karawang merupakan salah satu lokasi strategis dengan sistem persinyalan yang kompleks. Namun, gangguan pada komponen-komponen sistem persinyalan dapat mengakibatkan penundaan perjalanan, gangguan keamanan, dan potensi kecelakaan. Penelitian ini bertujuan untuk mengidentifikasi dan memetakan gangguan yang terjadi pada komponen sistem persinyalan di PT Kereta Api Indonesia (Persero) Resort Karawang. Metode yang digunakan melibatkan analisis data gangguan yang terkait dengan sistem persinyalan selama periode tertentu. Data yang dikumpulkan mencakup jenis gangguan, frekuensi, durasi, dan lokasi kejadian. Dengan melakukan analisis data ini, diharapkan dapat mengidentifikasi pola gangguan yang sering terjadi dan komponen-komponen sistem persinyalan yang rentan terhadap gangguan. Informasi ini akan membantu manajemen PT Kereta Api Indonesia (Persero) Resort Karawang dalam mengambil langkah perbaikan yang lebih efektif guna memelihara dan meningkatkan keandalan sistem persinyalan.
PENERAPAN ALGORITMA K-NEAREST NEIGHBOR DALAM SISTEM PEMESANAN LAPANGAN BADMINTON DI KOTA SURABAYA Fian Pahothon Sukawidayanta, Octavianus; Vita Via, Yisti; Mumpuni, Retno
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 7 No. 3 (2023): JATI Vol. 7 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v7i3.6878

Abstract

Pencarian lapangan badminton sesuai kriteria calon pelanggan merupakan hal penting bagi masyarakat yang gemar bermain badminton. Masyarakat juga masih melakukan pemesanan lapangan dengan cara konvensional yaitu menghubungi kontak tiap lapangannya. Perlunya sistem untuk pencarian rekomendasi dan reservasi lapangan badminton berbasis web yang dapat membantu calon pelanggan untuk memesan lapangan, serta menerapkan algoritma K-Nearest Neighbor. Tujuan penelitian ini yaitu merancang dan mengembangkan sistem rekomendasi dan reservasi lapangan badminton berbasis web. Sistem pendukung keputusan dapat memberikan rekomendasi kepada calon pemesan untuk mendapatkan lapangan badminton pilihan secara cepat dan akurat di kawasan Kota Surabaya. Pengembangan sistem menggunakan metode SDLC yaitu waterfall, pengguna dapat mencari lapangan badminton terdekat berdasarkan kriteria seperti harga, rating, latitude, dan longitude. Sistem dikembangkan dengan menggunakan algoritma K-Nearest Neighbor karena dapat memberikan rekomendasi tetangga terdekat dari suatu objek yang akan direkomendasikan. Hasil penelitian menyimpulkan bahwa Algoritma K-Nearest Neighbor dapat diterapkan untuk perancangan aplikasi sistem pencarian lapangan badminton dengan menggunakan variable seperti alamat pelanggan, harga, dan rating yang ditentukan sehingga dapat dijadikan untuk fitur rekomendasi untuk pencarian lapangan. Aplikasi juga menerapkan fitur Location Based Service (LBS) sehingga pengguna bisa mencari rute menuju lapangan badminton yang diinginkan menggunakan bantuan library leaflet.js. Pengujian fungsional menggunakan metode blackbox menadpatkan hasil 100%.
IMPLEMENTASI TIME SERIES PADA DATA PENJUALAN DI GAIKINDO MENGGUNAKAN ALGORITMA SEASONAL ARIMA Heru Widiyanto, Muhammad; Mayasari, Rini; Garno, Garno
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 7 No. 3 (2023): JATI Vol. 7 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v7i3.6879

Abstract

Persaingan di industri ini semakin meningkat seiring dengan masuknya peserta usaha baru. GAIKINDO sebagai organisasi otomotif di Indonesia, mengalami penurunan penjualan pada tahun 2020 yang disebabkan oleh pandemi covid-19. Oleh karena itu, untuk bersaing dengan pelaku industri otomotif lainnya, diperlukan optimasi dalam perencanaan yang dilakukan oleh GAIKINDO agar hasilnya menjadi lebih optimal. Penelitian ini akan menguji metode Time Series menggunakan algoritma SARIMA dengan melakukan pendekatan dengan metodologi CRISP-DM. Pengujian ini akan dilakukan menggunakan Google Colaboratory dan dataset yang digunakan adalah data Retail Sales dari Januari 2015 hingga Februari 2023. Hasil dari metode peramalan menunjukkan tingkat akurasi model yang terbaik, dengan akurasi parameter AR (p) = 1, difference (d) = 1, MA (q) = 1, AR musiman (P) = 1, difference musiman (D) = 0, MA musiman (Q) = 0, dan periode (s) = 12 atau SARIMA(1, 1, 1)(1, 0, 0)12 menghasilkan nilai MAPE sebesar 0,407%. Dengan demikian, hasil prediksi Retail Sales pada GAIKINDO yang memungkinkan tidak akan jauh dari hasil forecast yang diperoleh nanti.
KLASIFIKASI KELAYAKAN MAHASISWA MASUK PROGRAM MSIB KAMPUS MERDEKA: SYSTEM LITERATURE REVIEW Hayati, Kurnia; Habibi, Roni
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 7 No. 3 (2023): JATI Vol. 7 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v7i3.6882

Abstract

Kampus merdeka adalah suatu program diberlakukan oleh Menteri Nadiem Makarin untuk mengoptimalkan eksistensi dari perguruan tinggi agar ketegangan pendidikan tinggi. Berbagai jenis programnya, seperti magang. Banyak mahasiswa yang melamar untuk program magang maupun yang lainnya, namun banyak yang tidak memenuhi kualifikasi. Menggunakan pendekatan Systematic Literature Review, klasifikasi adalah salah satu pendekatan untuk mengatasi masalah ini. Penelitian ini menggunakan bantuan tools publish or perish, terdapat 18 artikel yang termasuk termasuk kriteria inklusif dan eksklusif. Sumber dataset yang banyak digunakan berasal dari USA dengan dataset Kaggle. Akurasi, presisi, recall, dan F1 semuanya ditentukan melalui evaluasi kinerja. Dengan nilai akurasi sebesar 98,82 persen, model SVM dan metode machine learning memiliki akurasi tertinggi menurut temuan penelitian ini.
OPTIMALISASI PERFORMA K-MEANS CLUSTERING DENGAN PCA DALAM ANALISIS TINGKAT KEMISKINAN DI JAWA BARAT Nurohmah, Yunita; Mayasari, Rini; Nurina Sari, Betha
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 7 No. 3 (2023): JATI Vol. 7 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v7i3.6884

Abstract

Kemiskinan adalah permasalahan kompleks dan sulit diatasi, terutama di Provinsi Jawa Barat yang memiliki tingkat kemiskinan yang tinggi di Indonesia. Data kemiskinan yang akurat menjadi faktor utama dalam mendukung strategi penanggulangan, sementara tingkat kemiskinan suatu wilayah dapat diketahui lebih mudah melalui pengukuran dan penentuan indikator pendukungnya. Penelitian ini bertujuan untuk mengetahui klasterisasi tingkat kemiskinan di Provinsi Jawa Barat dari tahun 2019 hingga 2022 dengan menggunakan metodologi Knowledge Discovery in Data Base (KDD) . Metode yang diterapkan pada penelitian ini adalah pengelompokan data menggunakan dua algoritma yaitu Principal Component Analys (PCA) dan K-Means Clustering. dan menggunakan metode evaluasi silhouette coefficient untuk mengetahui nilai dari model. Hasil evaluasi dari 2 skenario model pada penelitian ini menyatakan bahwa membangun model dengan tahap reduksi dimensi variabel terlebih dahulu, lalu dilanjutkan dengan tahap pengelompokkan data menggunakan algoritma K-Means (skenario 2) yang menghasilkan performa terbaik diantara model lainnya dengan nilai evaluasi 0.74 yang termasuk dalam kriteria kuat.
ANALISIS SENTIMEN PENGGUNA KERETA API INDONESIA MELALUI SOSIAL MEDIA TWITTER DENGAN ALGORITMA NAÏVE BAYES CLASSIFIER Azahri, Mutiara; Sulistiyowati, Nina; Jajuli, Mohamad
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 7 No. 3 (2023): JATI Vol. 7 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v7i3.6886

Abstract

Kereta Api Indonesia sekarang ini berhasil menarik minat masyarakat untuk menggunakan transportasi umum. Peningkatan terjadi berhubungan dengan pandemi Covid-19 yang terus membaik sehingga Kereta Api Indonesia dapat melayani penumpang hingga 100% dari kapasitasnya, meningkat dari sebelumnya hanya melayani 45% penumpang. Setelah pandemi COVID-19, beberapa fasilitas di stasiun dan kereta api mengalami perubahan dan penyesuaian, hal tersebut memicu reaksi masyarakat terhadap pelayanan yang diberikan oleh Kereta Api Indonesia yang di tuangkan di media sosial twitter. Analisis sentimen menjadi solusi dalam mengekstrak informasi dan mengklasifikasikan data opini sesuai sentimen (positif dan negatif) dengan memanfaatkan algoritma data mining. Tujuan dari penelitian ini adalah untuk mengklasifikasikan sentimen pengguna layanan transportasi Kereta Api Indonesia menggunakan algoritma Naïve Bayes Classifier. Penelitian ini, menggunakan Metode KDD (Knowledge Discovery in Database) yang terdiri dari tahapan Data Selection, preprocessing, Data transformation, Data Mining dan Evaluation. Hasil penelitian menunjukkan bahwa performa algoritma Naïve Bayes Classifier dalam mengklasifikasikan sentimen pengguna layanan transportasi Kereta Api Indonesia dengan nilai akurasi sebesar 0.9215686274509803 atau setara dengan 92.15%. Sentimen pada opini pengguna layanan transportasi Kereta Api Indonesia ini diketahui lebih banyak mengandung sentimen negatif berdasarkan pelabelan manual. Hal ini terlihat bahwa banyak pengguna layanan transposrtasi Kereta Api Indonesia ini mengeluhkan tentang kenaikan harga, keadaan kursi khususnya untuk kereta api kelas ekonomi dan fasilitas lainnya. Dalam hal ini Kereta Api Indonesia dapat menjadikan penelitian ini sebagai acuan untuk terus menerus melakukan perbaikan terhadap pelayanan yang diberikan.
PENERAPAN NAÏVE BAYES DENGAN OPTIMASI INFORMATION GAIN DAN SMOTE UNTUK ANALISIS SENTIMEN PENGGUNA APLIKASI CHATGPT Hidayatullah, Haikal; Purwantoro, Purwantoro; Umaidah, Yuyun
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 7 No. 3 (2023): JATI Vol. 7 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v7i3.6887

Abstract

ChatGPT yang dikembangkan oleh OpenAI yaitu aplikasi chatbot dengan rekor pertumbuhan tercepat ketika mencapai 100 juta pengguna aktif dua bulan setelah aplikasi ini diluncurkan. Keberhasilan aplikasi ini menyebabkan timbulnya berbagai macam komentar dari penggunanya di media sosial seperti Twitter. Komentar yang diberikan pengguna dapat dimanfaatkan oleh pengembang untuk meningkatkan kualitas aplikasi sesuai dengan kebutuhan pengguna karena komentar dapat berisi ulasan atau permasalahan ketika pengguna menggunakan aplikasi. Akan tetapi, mengolah informasi dari sejumlah besar komentar secara manual tidak memungkinkan dilakukan. Oleh karena itu, penelitian ini menerapkan analisis sentimen dengan pendekatan machine learning menggunakan algoritma Naïve Bayes dengan optimasi Information Gain dan SMOTE untuk mengolah informasi dari komentar-komentar pengguna. Data yang digunakan pada penelitian ini terdiri dari 721 komentar pengguna aplikasi ChatGPT yang dikumpulkan dari media sosial Twitter selama periode bulan Maret 2023 hingga April 2023. Hasil evaluasi menunjukkan bahwa model Opt2 menjadi model terbaik dengan nilai akurasi sebesar 87.20% dan nilai F1-score sebesar 84.74%. Selain itu, hasil evaluasi menunjukkan bahwa metode optimasi Information Gain dan SMOTE mampu meningkatkan nilai akurasi, recall dan F1-score dengan rata-rata peningkatan yang didapat sebesar 6.25% untuk nilai akurasi, 23.9% untuk nilai recall, dan 25.44% untuk nilai F1-score. Temuan penelitian ini menunjukkan bahwa meskipun aplikasi ChatGPT membantu pengguna dalam menyelesaikan tugas-tugas pengguna, pengembang perlu meningkatkan kualitas respons jawaban dari aplikasi dan menangani error yang terjadi saat pengguna menggunakan ChatGPT
ANALISIS PERBANDINGAN DECISION TREE C4.5 DAN KNN DALAM PERIZINAN BONGKAR MUATAN KAPAL Nazifah, Naurah; Prianto, Cahyo; Awangga, Rolly Maulana
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 7 No. 3 (2023): JATI Vol. 7 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v7i3.6889

Abstract

Classification Decision Tree merupakan salah satu metode populer dalam analisis data dan pembelajaran mesin. Algoritma C4.5 adalah salah satu algoritma decision tree yang banyak digunakan karena kemampuannya dalam menghasilkan aturan keputusan yang dapat dipahami dengan mudah. Perizinan bongkar muatan kapal adalah proses krusial dalam operasi pelabuhan yang memastikan kapal dapat secara efisien dan aman melakukan bongkar muatan dalam upaya untuk meningkatkan efisiensi dan mengoptimalkan pengambilan keputusan perizinan. Penelitian ini bertujuan untuk melakukan analisis perbandingan metode machine leraning antara algoritma decision tree C4.5 dengan algoritma K-Nearest Neighbors (KNN). Penulis sudah membandingkan kinerja algoritma-algoritma ini berdasarkan kriteria yang termasuk akurasi prediksi, dengan Classification Decision Tree menghasilkan peramalan unggul sebesar 98,33% dan 97,60% untuk algoritma KNN dalam investigasi ini. Hasil analisis bahwa pemilihan algoritma decision tree harus didasarkan pada tujuan spesifik analisis dan karakteristik data yang digunakan. Jika interpretabilitas aturan keputusan menjadi faktor utama, algoritma C4.5 tetap menjadi pilihan yang baik. Namun, jika akurasi prediksi dan penanganan data yang tidak seimbang menjadi prioritas, algoritma KNN dapat menjadi pilihan yang lebih baik.
PENERAPAN METODE TAM TERHADAP MEDIA KOMUNIKASI DISCORD PADA PESERTA MBKM DI PERUSAHAAN NODEFLUX Stephani Tauran, Ivana; Swandy Aritonang, Rizal
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 7 No. 3 (2023): JATI Vol. 7 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v7i3.6890

Abstract

Perkembangan zaman membuat siswa dituntut untuk menghadapi perubahan sosial dan kemajuan teknologi yang pesat. Perubahan yang dilakukan dalam rangka menyesuaikan diri dengan kemajuan teknologi dapat meningkatkan kualitas pendidikan khususnya dalam penggunaan Teknologi Informasi dalam proses pembelajaran. Discord adalah aplikasi untuk berkomunikasi yang memungkinkan penggunanya untuk melakukan rapat video (video conference) secara real-time. Discord mulai digunakan oleh banyak instansi karena mudah digunakan, salah satunya adalah perusahaan Nodeflux yang menggunakan Discord sebagai media komunikasi para intern MBKM angkatan 3. Penelitian ini bertujuan untuk mengetahui bagaimana penerapan aplikasi Discord dalam admisi pada pengguna magang MBKM di Nodeflux. Penelitian ini menggunakan 3 variabel dalam metode TAM yaitu Perceived Usefulness, Perceived Ease of Use, Acceptance yang dianalisis secara statistik deskriptif dengan 25 responden dan hasil penelitian ini menunjukkan variabel persepsi kemudahan (Perveived Usefulness), memiliki nilai persentase sebesar 82,05%, variabel persepsi kegunaan (Perceived Ease of Us), memiliki nilai persentase 73,25%, variabel persepsi 72,68%
DIAGNOSIS PENYAKIT DEMAM BERDARAH MENGGUNAKAN NAÏVE BAYES Gatto, Petrolina Anastasia; Maulana Awangga, Rolly; Andarsyah, Roni
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 7 No. 3 (2023): JATI Vol. 7 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v7i3.6891

Abstract

Demam berdarah (DBD) adalah penyakit menular yang disebabkan oleh virus dengue dan ditularkan melalui gigitan nyamuk Aedes aegypti. Diagnosis dini dan benar adalah kunci untuk mengobati dan mengendalikan penyakit ini. Naive Bayes, metode klasifikasi berdasarkan teori probabilitas, dapat digunakan untuk mendiagnosis dengue dengan memprediksi kemungkinan seseorang terinfeksi berdasarkan gejala dan faktor risiko. Faktor penting yang harus diperhatikan dalam mendiagnosis DBD adalah gejala klinis dan faktor risiko seperti usia, riwayat perjalanan, dan paparan nyamuk Aedes aegypti. Metode Naive Bayes menggunakan data pelatihan untuk menghitung probabilitas posterior dan melatih model yang mengasumsikan independensi fitur yang digunakan. Meskipun asumsi mengenai independensi dan kualitas data pelatihan memiliki keterbatasan, metode naïve bayes menawarkan keuntungan dalam hal kecepatan komputer, penanganan data yang tidak lengkap, dan kemudahan penggunaan dalam praktik medis. Namun, metode ini harus digunakan dengan hati-hati dan harus dikombinasikan dengan evaluasi klinis oleh tenaga medis terlatih. Dengan data pelatihan yang representatif dan lengkap, model Naive Bayes dapat menjadi metode yang efektif untuk mendiagnosis demam berdarah dengan akurasi tinggi

Page 87 of 384 | Total Record : 3835

 85   86   87   88   89 

Filter by Year

2017 2025


Reset
Filter By Issues
All Issue 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