cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
jatilima
Contact Email
jatilima30@gmail.com
Phone
+6285359150140
Journal Mail Official
jatilima30@gmail.com
Editorial Address
Cattleya Darmaya Fortuna (CDF) Marindal 1, Pasar IV Jl. Karya Gg. Anugerah Kecamatan. Patumbak, Medan - Sumatera Utara
Location
Kab. deli serdang,
Sumatera utara
INDONESIA
Jatilima : Jurnal Multimedia Dan Teknologi Informasi
Published by Cattleya Darmaya Fortuna
ISSN : -     EISSN : 27211800     DOI : -
Core Subject : Science,
Computer Science & IT
JATILIMA merupakan jurnal yang terbit dua nomor dalam satu volume (tahun), yaitu Peridoe I Bulan April dan Periode II Bulan Oktober. JATILIMA mempublikasikan tulisan-tulisan ilmiah hasil pemikiran, studi literatur, dan penelitian dalam bidang Ilmu Komputer. JATILIMA merupakan jurnal dengan sistem review yang merupakaan aspek penting dalam penyebaran ilmu pengetahuan.
Arjuna Subject : Ilmu Komputer (semua kategori) - Ilmu Komputer (Lain-Lain)
Articles 196 Documents
 16   17   18   19   20 
Analisis Sentimen Komentar Pengguna Aplikasi Segari Di Google Playstrore Menggunakan Metode Support Vector Machine (SVM) Sandy, Muchamad; Laple Satria Putra, Rani
Jurnal Multimedia dan Teknologi Informasi (Jatilima) Vol. 7 No. 03 (2025): Jatilima : Jurnal Multimedia Dan Teknologi Informasi
Publisher : Cattleya Darmaya Fortuna

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54209/jatilima.v7i03.1651

Abstract

Perkembangan teknologi digital telah mendorong munculnya berbagai platform belanja daring, salah satunya aplikasi Segari. Tingkat keberhasilan aplikasi ini sangat bergantung pada pengalaman serta persepsi pengguna yang tercermin melalui ulasan di Google Play Store. Ulasan tersebut menjadi sumber data penting untuk dianalisis guna mengetahui kepuasan pelanggan. Penelitian ini bertujuan untuk melakukan analisis sentimen terhadap komentar pengguna aplikasi Segari dengan memanfaatkan algoritma Support Vector Machine (SVM). Data penelitian diperoleh melalui teknik web scraping dari Google Play Store, menghasilkan 5.752 ulasan pengguna. Dataset kemudian diproses melalui beberapa tahapan preprocessing, meliputi case folding, cleaning, tokenizing, stopword removal, normalisasi, dan stemming agar data lebih terstruktur. Setelah itu, dilakukan pembobotan kata menggunakan Term Frequency–Inverse Document Frequency (TF-IDF) untuk merepresentasikan teks dalam bentuk numerik. Hasil TF-IDF menunjukkan kata “segar” sebagai term dengan bobot tertinggi, diikuti oleh “kirim”, “belanja”, “promo”, dan “barang”, yang merefleksikan fokus utama konsumen terhadap kualitas produk dan layanan pengiriman. Model SVM diuji pada 1.021 sampel data menggunakan metode 10-fold cross-validation. Hasil pengujian menunjukkan akurasi rata-rata sebesar 95% dengan nilai tertinggi mencapai 0,968 pada beberapa lipatan. Model menunjukkan performa optimal pada kelas negatif (precision 0,96; recall 1,00; F1-score 0,98) dan cukup baik pada kelas positif (precision 0,93; recall 0,64), tetapi sangat rendah pada kelas netral (precision, recall, dan F1-score = 0,00)
Implementasi Teori Graf dan Optimisasi Alogaritma Dijktra, BFS dan DFS Dalam Menentukan Rute Terpendek Jaringan Masjid Jami di Jatiasih Kota Bekasi Berbasis Google Maps Sandy, Muchamad; Andini Andriati , Dea
Jurnal Multimedia dan Teknologi Informasi (Jatilima) Vol. 7 No. 03 (2025): Jatilima : Jurnal Multimedia Dan Teknologi Informasi
Publisher : Cattleya Darmaya Fortuna

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54209/jatilima.v7i03.1652

Abstract

Penelitian ini bertujuan untuk menganalisis jalur terpendek menuju masjid jami di wilayah Jatiasih, Kota Bekasi dengan memanfaatkan teori graf dan algoritma pencarian jalur. Masjid direpresentasikan sebagai simpul (node) dan jalan penghubung antar masjid sebagai sisi (edge) berbobot yang merepresentasikan jarak atau estimasi waktu tempuh. Tiga algoritma diterapkan, yaitu Dijkstra, Breadth-First Search (BFS), dan Depth-First Search (DFS), dengan tujuan membandingkan efektivitasnya dalam menentukan rute optimal. Data penelitian diperoleh melalui Google Maps berupa nama masjid, koordinat geografis, serta jarak antar lokasi yang kemudian dimodelkan ke dalam graf berbobot. Hasil implementasi menunjukkan bahwa algoritma Dijkstra berhasil menemukan jalur terpendek dari simpul A ke J melalui lintasan langsung A → J dengan bobot 2 km. Algoritma BFS juga menghasilkan lintasan yang sama dengan level pencarian 1, menandakan efisiensi dalam jumlah simpul minimum. Sementara itu, algoritma DFS menelusuri jalur secara mendalam dengan urutan kunjungan A, B, C, E, D, F, G, H, I, J yang menunjukkan sifat eksploratifnya dalam menjelajahi seluruh simpul.
Analisis Sentimen Komentar Pengguna Aplikasi Klik Indomaret Di Google Playstrore Menggunakan Metode Support Vector Machine (SVM) Andini Andriati, Dea; Laple Satria Putra, Rani; Dika Saputra, Galih
Jurnal Multimedia dan Teknologi Informasi (Jatilima) Vol. 7 No. 03 (2025): Jatilima : Jurnal Multimedia Dan Teknologi Informasi
Publisher : Cattleya Darmaya Fortuna

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54209/jatilima.v7i03.1653

Abstract

Perkembangan teknologi digital telah mendorong pergeseran perilaku konsumen, khususnya dalam penggunaan aplikasi belanja daring. Salah satu aplikasi yang banyak digunakan adalah Klik Indomaret, yang memungkinkan pengguna berbelanja produk ritel secara praktis melalui perangkat mobile. Seiring meningkatnya jumlah pengguna, banyak ulasan yang terkumpul di Google Play Store yang dapat dimanfaatkan untuk mengevaluasi kualitas layanan. Penelitian ini bertujuan untuk melakukan analisis sentimen terhadap komentar pengguna aplikasi Klik Indomaret menggunakan algoritma Support Vector Machine (SVM). Sebanyak 4.841 komentar pengguna dikumpulkan secara otomatis melalui teknik web crawling berbasis Python. Data kemudian melalui tahapan prapemrosesan yang meliputi case folding, pembersihan teks, tokenisasi, penghapusan stopword, normalisasi, dan stemming untuk menghasilkan data yang terstruktur. Metode Term Frequency-Inverse Document Frequency (TF-IDF) digunakan untuk pembobotan kata sehingga dapat mengidentifikasi kata yang paling berpengaruh dalam dokumen. Dataset yang sudah siap kemudian diuji menggunakan algoritma SVM untuk mengklasifikasikan sentimen ke dalam kategori positif dan negatif. Hasil evaluasi menunjukkan bahwa model SVM memiliki akurasi keseluruhan sebesar 87% dari 3.874 data uji. Kelas negatif memberikan performa tinggi dengan precision 0,82, recall 0,94, dan f1-score 0,87, sedangkan kelas positif mencatat precision 0,92, recall 0,85, dan f1-score 0,89. Namun, kelas netral belum terdeteksi dengan baik karena jumlah data yang sedikit. Uji 10-fold cross-validation memperlihatkan akurasi yang konsisten pada rentang 85,4% hingga 87,6%, menandakan kemampuan generalisasi model yang baik tanpa indikasi overfitting.
Implementasi Teori Graf dan Optimisasi Alogaritma Dijktra, BFS dan DFS Dalam Menentukan Rute Terpendek Jaringan Bengkel di Jakarta Berbasis Google Maps Andini Andriati, Dea; Dariato, Eri; Hafizh , Rifai
Jurnal Multimedia dan Teknologi Informasi (Jatilima) Vol. 7 No. 03 (2025): Jatilima : Jurnal Multimedia Dan Teknologi Informasi
Publisher : Cattleya Darmaya Fortuna

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54209/jatilima.v7i03.1654

Abstract

Pertumbuhan kendaraan bermotor di Jakarta yang terus meningkat setiap tahun menimbulkan tantangan baru terkait efisiensi transportasi dan aksesibilitas layanan bengkel. Kompleksitas jaringan jalan serta kemacetan tinggi sering kali menyulitkan pengguna dalam menemukan rute tercepat menuju bengkel terdekat. Penelitian ini bertujuan untuk mengimplementasikan teori graf dan mengoptimalkan algoritma Dijkstra, Breadth-First Search (BFS), dan Depth-First Search (DFS) dalam menentukan rute terpendek pada jaringan bengkel di Jakarta dengan memanfaatkan data dari Google Maps. Data penelitian dikumpulkan melalui pencarian lokasi bengkel menggunakan Google Maps, mencakup nama, alamat, dan koordinat geografis. Seluruh bengkel direpresentasikan sebagai simpul (node), sedangkan jaringan jalan yang menghubungkan antar bengkel direpresentasikan sebagai sisi (edge) dengan bobot berupa jarak. Data tersebut kemudian dimodelkan menjadi graf tak berarah berbobot yang menjadi dasar penerapan algoritma pencarian jalur. Hasil implementasi algoritma Dijkstra menunjukkan bahwa jalur terpendek dari Bengkel A ke Bengkel K adalah melalui A → D → E → G → J → K dengan total jarak 42 km. Algoritma BFS menemukan jalur A → B → M → K → L dari Bengkel A ke Bengkel L dengan empat langkah, sedangkan DFS menemukan jalur A → B → C → F → I → L dengan lima langkah.
Analisis Sentimen Komentar Pengguna Aplikasi Alfagift Di Google Playstrore Menggunakan Metode Support Vector Machine (SVM) Dariato, Eri; Laple Satria Putra, Rani
Jurnal Multimedia dan Teknologi Informasi (Jatilima) Vol. 7 No. 03 (2025): Jatilima : Jurnal Multimedia Dan Teknologi Informasi
Publisher : Cattleya Darmaya Fortuna

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54209/jatilima.v7i03.1655

Abstract

Perkembangan teknologi digital telah mempermudah interaksi antara pengguna dan penyedia layanan, salah satunya melalui ulasan di Google Play Store. Alfagift, sebagai aplikasi belanja daring milik Alfamart, mendapatkan banyak komentar dari penggunanya yang mencerminkan pengalaman positif maupun keluhan. Penelitian ini bertujuan menganalisis sentimen komentar pengguna aplikasi Alfagift di Google Play Store menggunakan algoritma Support Vector Machine (SVM) dengan pembobotan kata Term Frequency-Inverse Document Frequency (TF-IDF). Data penelitian berupa komentar yang dikumpulkan melalui metode web crawling menggunakan Python. Proses pra-pemrosesan meliputi case folding, pembersihan teks, tokenisasi, penghapusan stopword, normalisasi, dan stemming, sehingga data menjadi terstruktur dan siap dianalisis. Pembobotan kata dengan TF-IDF digunakan untuk merepresentasikan teks ke dalam bentuk numerik, di mana kata “alfagift” memperoleh bobot tertinggi (0,301027), diikuti “belanja”, “alfamart”, “gratis”, dan “ongkir”. Pengujian model SVM menunjukkan performa yang sangat baik pada kelas mayoritas (negatif) dengan precision, recall, dan f1-score sebesar 1,00. Namun, kelas netral tidak terdeteksi sama sekali (seluruh metrik = 0,00) dan kelas positif memiliki recall rendah (0,54) meskipun precision cukup tinggi (0,91). Akurasi keseluruhan mencapai 1,00, tetapi kondisi ini dipengaruhi oleh dominasi data pada kelas negatif (30.528 dari 30.792 data). Nilai macro average untuk precision (0,63), recall (0,51), dan f1-score (0,56) menunjukkan ketidakseimbangan kinerja antar kelas. Hasil 10-fold cross-validation mengonfirmasi stabilitas model dengan akurasi konsisten di kisaran 0,9950–0,9959.
Application of Preference Selection Index (PSI) Method for Decision Support System in Evaluating Supervisor Candidates of the Kitchen Department at Grand Antares Hotel Hutahaean, Yosefa Fras; Sinurat, Sinar; Syahputra, Ridwa
Jurnal Multimedia dan Teknologi Informasi (Jatilima) Vol. 7 No. 03 (2025): Jatilima : Jurnal Multimedia Dan Teknologi Informasi
Publisher : Cattleya Darmaya Fortuna

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54209/jatilima.v7i03.1677

Abstract

In the Supervisor Candidate Assessment at the Grand Antares Hotel, the criteria used to determine Supervisor Candidates at the Grand Antares Hotel are made based on criteria. Based on the results of the research that has been conducted, the Preference Selection Index Method is applied in the assessment of supervisor candidates who will be appointed as supervisors, then 4 criteria are determined: Education, Skills, Work Experience. GPA Data analysis is carried out so that criteria can be determined from existing alternatives and weighted using the Preference Selection Index (PSI) Method.
IMPLEMANTASI FITUR EKSTRAKSI GLOVE PADA TEKS KLASIFIKASI MENGGUNAKAN ALGORITMA LONG-SHORT TERM MEMORY Asrawi, Hannan; Sriwinar; Bilqisthi, Muhammad Fataya
Jurnal Multimedia dan Teknologi Informasi (Jatilima) Vol. 7 No. 03 (2025): Jatilima : Jurnal Multimedia Dan Teknologi Informasi
Publisher : Cattleya Darmaya Fortuna

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54209/jatilima.v7i03.1694

Abstract

Perkembangan pesat data digital menuntut metode cerdas untuk mengelompokkan teks secara otomatis dan akurat. Salah satu pendekatan yang menjanjikan adalah memadukan representasi kata berbasis word embedding dengan model deep learning yang mampu memahami konteks urutan kata. Mengkaji klasifikasi teks dengan menggabungkan fitur ekstraksi GloVe dan algoritma Long Short-Term Memory (LSTM) untuk mengelompokkan dokumen berita dari dataset 20 Newsgroups. Teks terlebih dahulu melalui pra-pemrosesan pembersihan tanda baca, case folding, penghapusan stopword, tokenisasi, dan stemming lalu setiap kata direpresentasikan sebagai vektor berdimensi tetap menggunakan model GloVe yang mampu menangkap makna dan hubungan semantik secara global. Vektor ini menjadi masukan jaringan LSTM yang belajar mengenali pola urutan kata dan konteks topik. Evaluasi dengan metrik akurasi, presisi, recall, dan F1-score menunjukkan kinerja tinggi: akurasi 0,9562, presisi 0,9701, recall 0,9485, dan F1-score 0,9701. Hasil ini menegaskan bahwa kombinasi GloVe dan LSTM efektif serta kompetitif, mampu menghasilkan klasifikasi teks yang presisi dan seimbang, sehingga layak diterapkan pada berbagai aplikasi pemrosesan bahasa alami yang memerlukan pengelompokan dokumen secara otomatis dan akurat.
Prediction of Parents’ Satisfaction in Learning Methods Using K-Nearest Neighbor Algorithm Ginting, Masitha Putri Ardhana; Hasugian, Abdul Halim
Jurnal Multimedia dan Teknologi Informasi (Jatilima) Vol. 7 No. 03 (2025): Jatilima : Jurnal Multimedia Dan Teknologi Informasi
Publisher : Cattleya Darmaya Fortuna

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54209/jatilima.v7i03.1702

Abstract

Parental satisfaction in learning methods is an important indicator for evaluating the quality of education, especially in inclusive schools such as Smart Aurica School. This study aims to predict the level of parental satisfaction with learning methods using the K-Nearest Neighbor (K-NN) algorithm. The research employed a quantitative approach with data collected through questionnaires distributed to parents of students. The collected data were processed through several stages, including data cleaning, normalization, training and testing set division, and distance calculation using Euclidean Distance. The K-NN model was then applied to classify satisfaction levels based on the predetermined K value. The results indicate that the K-NN algorithm can provide accurate predictions of parental satisfaction, achieving a relatively high accuracy rate in testing. These findings demonstrate that K-NN is an effective approach to assist schools in evaluating learning methods and offering data-driven recommendations to improve educational quality. Therefore, this research contributes to the application of machine learning in providing a more objective and accurate evaluation of educational services, which can serve as a strategic basis for school decision-making.
E-ARSIP SD SWASTA SENGGANI DI DELI SERDANG Adisti, Fachrizka; Faradillah, Yanty
Jurnal Multimedia dan Teknologi Informasi (Jatilima) Vol. 7 No. 03 (2025): Jatilima : Jurnal Multimedia Dan Teknologi Informasi
Publisher : Cattleya Darmaya Fortuna

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54209/jatilima.v7i03.1659

Abstract

Pengelolaan arsip elektronik di Sekolah Dasar Swasta Senggani, yang berada di Deli Serdang. Dalam era digital, pengarsip secara elektronik menjadi sangat vital untuk meningkatkan efektivitas administrasi dan pelayanan di bidang pendidikan. Penelitian ini menggunakan pendekatan kualitatif yang meliputi wawancara, observasi, dan analisis literatur. Sistem pada penelitian ini dibuat dengan menggunakan metode pengumpulan data berupa wawancara, observasi dan studi pustaka dengan metode pengembangan sistem berupa Agile, pembuatan perancangan sistem juga menggunkaan UML berupa usecase diagram, activity diagram, sequence diagram, dan class diagram, serta akan diujikan menggunakan Black-Box Testing. Dalam implementasi E-arsip di SD Swasta Senggani akan diaplikasikan kedalam website dengan alamat https://sdsenggani.my.id/login.php untuk admin serta https://sdsenggani.my.id/guru/login.php untuk akses guru, dalam hal pengimplementasian E-arsip masih mengalami sejumlah tantangan, seperti kurangnya sumber daya manusia, rendahnya pemahaman tentang teknologi, serta infrastruktur yang belum optimal. Meskipun ada beberapa masalah, keuntungan dari sistem E-arsip ini dapat dilihat dari penghematan waktu dan pengurangan penggunaan kertas. Penelitian ini juga memberikan rekomendasi untuk memperbaiki E-arsip, termasuk pelatihan untuk staf dan peningkatan infrastruktur teknologi.
Random Forest Regression Algorithm in Predicting Coconut Plantation Yields Nadia, Cut Mirna; M. Fakhriza
Jurnal Multimedia dan Teknologi Informasi (Jatilima) Vol. 7 No. 03 (2025): Jatilima : Jurnal Multimedia Dan Teknologi Informasi
Publisher : Cattleya Darmaya Fortuna

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54209/jatilima.v7i03.1736

Abstract

Oil palm is one of Indonesia’s leading commodities with a significant contribution to the national economy. Production fluctuations caused by environmental and technical factors require an accurate predictive model. This study aims to predict Fresh Fruit Bunch (FFB) production using the Random Forest Regression algorithm based on data from PT Perkebunan Nusantara IV Regional 1, Bandar Selamat Unit (2022–2024). The research employed historical data including land area, number of trees, plant density, bunch count, and planting year. The model underwent preprocessing, training, testing, and evaluation using Mean Absolute Error (MAE), Root Mean Square Error (RMSE), and coefficient of determination (R²). Results show that Random Forest Regression achieved excellent accuracy with R² = 0.9846, MAE = 31,889.58 kg, and RMSE = 55,164.62 kg. The most influential factors were planting year, number of trees, and land area. In conclusion, Random Forest Regression is highly effective for predicting oil palm production and captures complex non-linear relationships among variables.

Page 18 of 20 | Total Record : 196

 16   17   18   19   20 

Filter by Year

2020 2025


Reset
Filter By Issues
All Issue Vol. 7 No. 04 (2025): Jatilima : Jurnal Multimedia Dan Teknologi Informasi Vol. 7 No. 03 (2025): Jatilima : Jurnal Multimedia Dan Teknologi Informasi Vol. 7 No. 02 (2025): Jatilima : Jurnal Multimedia Dan Teknologi Informasi Vol. 7 No. 01 (2025): Jatilima : Jurnal Multimedia Dan Teknologi Informasi Vol. 6 No. 03 (2024): Jatilima : Jurnal Multimedia Dan Teknologi Informasi Vol. 6 No. 02 (2024): Jatilima : Jurnal Multimedia Dan Teknologi Informasi Vol. 6 No. 01 (2024): Jatilima : Jurnal Multimedia Dan Teknologi Informasi Vol. 5 No. 02 (2023): Jurnal Multimedia dan Teknologi Informasi (Jatilima) Vol. 5 No. 01 (2023): Jatilima : Jurnal Multimedia Dan Teknologi Informasi Vol. 4 No. 02 (2022): Jatilima Vol. 4 No. 01 (2022): Jatilima Vol. 3 No. 02 (2021): Jatilima Vol. 3 No. 01 (2021): Jatilima Vol. 2 No. 2 (2020): Jatilima Vol. 2 No. 1 (2020): Jatilima More Issue