cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Dr. Indrastanti R. Widiasari
Contact Email
editor.aiti@adm.uksw.edu
Phone
-
Journal Mail Official
editor.aiti@adm.uksw.edu
Editorial Address
Kantor Fakultas Teknologi Informasi Jl. O. Notohamidjojo 1-10 Salatiga, Jawa Tengah 50711
Location
Kota salatiga,
Jawa tengah
INDONESIA
Aiti: Jurnal Teknologi Informasi
Published by Universitas Kristen Satya Wacana
ISSN : 16938348     EISSN : 26157128     DOI : https://doi.org/10.24246/aiti
Core Subject : Science,
Computer Science & IT
AITI: Jurnal Teknologi Informasi is a peer-review journal focusing on information system and technology issues. AITI invites academics and researchers who do original research in information system and technology, including but not limited to: Cryptography Networking Internet of Things Big Data Data Science Software Engineering Information System Web Programming Mobile Application Service System Artificial Intelligence Digital Image Processing Machine Learning Deep Learning Geographic Information System Context Aware System Management Information System Software-defined Network
Arjuna Subject : Ilmu Komputer (semua kategori) - Ilmu Komputer (Lain-Lain)
Articles 149 Documents
 9   10   11   12   13 
Sistem Pendukung Keputusan Pemilihan Smartphone Menggunakan Metode Simple Multi Attribute Rating Technique Berbasis Web Kelvin Benyamin Sitompul; Sariyun Naja Anwar
AITI Vol 20 No 1 (2023)
Publisher : Fakultas Teknologi Informasi Universitas Kristen Satya Wacana

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24246/aiti.v20i1.78-94

Abstract

Information Technology (IT) will always be present if discussed continuously. From day to day, IT is constantly overgrowing, focusing on helping meet human needs in various fields. One of them is the field of communication, namely smartphones. This article develops a web-based decision support system for selecting smartphones using Simple Multi-Attribute Rating Technique. The results obtained in this study produce decisions in the form of selecting smartphones based on smartphone data that has been collected, namely brands (Apple, Samsung, Xiaomi, Realme, and Oppo), price, operating system, ram, storage capacity, and battery. From the test results to determine ranking, the final value is 0.538, included in the best ranking category, so this system suits users. The resulting smartphone selection system can be used to simplify and speed up the determination process.
Perancangan sistem informasi penjualan berbasis CRM dengan menggunakan metode FAST dan framework PIECES Rimes Jopmorestho Malioy; Irwan Sembiring; Ade Iriani
AITI Vol 20 No 2 (2023)
Publisher : Fakultas Teknologi Informasi Universitas Kristen Satya Wacana

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24246/aiti.v20i2.220-237

Abstract

Kios Tani Murni merupakan sebuah home industry yang bergerak dalam penjualan bidang pertanian. Tingkat penjualan bulanan pada toko tersebut rendah, karena banyak yang belum mengetahui keberadaan dan fungsi toko ini. Kios Tani Murni belum memanfaatkan teknologi informasi dalam proses penjualan. Gubungan antara pelanggan dan penjual tidak berjalan dengan baik karena tidak ada wadah untuk berdiskusi. Untuk itu dalam penelitian ini dibuat sebuah perancangan sistem informasi yang berbasis customer relationship management (CRM) pada proses penjualan, dengan metode Framework for the Application of System Technique (FAST) dan framework PIECES untuk analisis sistem. Observasi, wawancara, dan studi pustaka digunakan untuk mengumpulkan data. Hasil  dari penelitian ini adalah adanya rancangan sistem informasi penjualan. Sistem ini membantu dalam transaksi penjualan, stok barang, update harga, kinerja karyawan, pencetakan laporan, dan diskusi antara pemilik dan pelanggan.
Neuroevolution untuk optimalisasi parameter jaringan saraf tiruan Hindriyanto Dwi Purnomo; Tad Gonsalves; Teguh Wahyono; Pratyaksa Ocsa Nugraha Saian
AITI Vol 20 No 2 (2023)
Publisher : Fakultas Teknologi Informasi Universitas Kristen Satya Wacana

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24246/aiti.v20i2.125-134

Abstract

Artificial Neural Network is a supervised learning method for various classification problems. Artificial Neural Network uses training data to identify patterns in the data; therefore, training phase is crucial. During this stage, the network weight is adjusted so that they can recognize patterns in the data. In this research, a neuroevolution approach is proposed to optimize artificial neural network parameters (weight) Neuroevolution is a combination of evolutionary algorithms, including various metaheuristics algorithms, to optimize neural network parameters and configuration. In particular, this research implemented particle swarm optimization as the artificial neural network optimizer. The performance of the proposed model was compared to backpropagation, which uses gradient information to adjust the neural network parameter. There are five datasets used as the benchmark problems. The datasets are iris, wine, breast cancer, ecoli, and wheat seeds. The experiment results show that the proposed method has better accuracy than the backpropagation in three out of five problems and has the same accuracy in two problems. The proposed method is also faster than the backpropagation method in all problems. These results reveal that neuroevolution is a promising approach to improving the performance of artificial neural networks. Further studies are needed to explore more benefits of this approach.
Particle Swarm Optimization dan Genetic Algorithm untuk analisis sentimen pemekaran Papua di Twitter berbasis Support Vector Machine Desi Purnamasari; Muhammad Adi Khairul Anshary; Rianto Rianto
AITI Vol 20 No 2 (2023)
Publisher : Fakultas Teknologi Informasi Universitas Kristen Satya Wacana

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24246/aiti.v20i2.177-190

Abstract

Support Vector Machine (SVM) dapat digunakan untuk mengklasifikasikan analisis sentimen ke dalam sentimen positif atau negatif. Dalam penelitian ini data sentimen diambil dari Twitter dengan topik pemekaran Papua. Karena SVM memiliki kelemahan dalam pemilihan fitur pada saat pengklasifikasian maka diterapkan fitur optimasi algoritma SVM menggunakan feature selection. Dua metode feature selection yang digunakan adalah Particle Swarm Optimization (PSO) dan Genetic Algorithm (GA). Tweet yang diambil sebanyak 839 data tweet, yang kemudian dibagi menjadi 640 data untuk proses training dan 199 data untuk proses testing. Proses pengolahan data dibagi ke dalam dua tahap yakni data training dan data testing. Pengujian dilakukan sebanyak empat model yaitu dengan algoritma SVM, SVM+PSO, SVM+GA, SVM+PSO+GA. Hasil percobaan menunjukkan bahwa pemodelan SVM+PSO+GA memperoleh nilai akurasi terbaik sebesar 95.00% dengan nilai AUC sebesar 0.912 Kata Kunci : Analisis sentiment, Genetic Algorithm (GA), Particle Swarm Optimization (PSO), Support Vector Macine (SVM), Twitter.
Penentuan Pola Asosiatif Data Tracer Study Universitas Semarang dengan Algoritma Hash Based Bernadus Very Christioko; Khoirudin Khoirudin; Atmoko Nugroho
AITI Vol 20 No 2 (2023)
Publisher : Fakultas Teknologi Informasi Universitas Kristen Satya Wacana

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24246/aiti.v20i2.150-166

Abstract

Data hasil tracer study Universitas Semarang saat ini belum diolah ke dalam bentuk pola asosiatif yang dapat dimanfaatkan kampus guna memperoleh feedback evaluasikeberhasilan proses belajar mengajar yang telah dilaksanakan. Penelitian ini menggunakan metode data mining dengan algoritma Hash based untuk menemukan pola asosiatif dari data tracer study. Proses pembentukan pola asosiatif menggunakan tahapan yang ada pada Knowledge Discovery in Database yang meliputi proses cleaning data, integrasi, transformasi data, data mining, evaluasi pola dan representasi pengetahuan. Hasil penelitian dengan support minimal sebesar 50% dan confidence 75%, diperoleh pola datatracer study sebanyak 3 pola asosiatif. Pola yang dihasilkan ini dimaksudkan dapat untuk berkontribusi pada pengembangan kurikulum dan sarana penunjang dalam proses pembelajaran.
Penerapan metode Weighted Aggregated Sum Product Assessment (WASPAS) dalam menentukan reseller terbaik Prind Triajeng Pungkasanti; Nur Wakidah; Rizal Rafli Fajar Kurniawan
AITI Vol 20 No 2 (2023)
Publisher : Fakultas Teknologi Informasi Universitas Kristen Satya Wacana

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24246/aiti.v20i2.206-219

Abstract

Peran reseller penting dalam sebuah penjualan. Reseller yang berkompeten diperlukan untuk meningkatkan nilai penjualan. Pemberian apresiasi kepada reseller terbaik dapat memotivasi para reseller agar saling berkompetisi. DJ Foundation menerapkan penentuan reseller secara manual sehingga terjadi ketidakefektivan tenaga dan waktu, penumpukan data, kehilangan berkas, dan kesalahan penilaian. Dari permasalahan tersebut, maka dirancang sistem untuk menentukan reseller terbaik dengan menerapkan metode Weighted Aggregated Sum Product Assessment (WASPAS), dengan kriteria kejujuran, loyalitas, tanggung jawab, absensi, pinalti, dan target harian. Data yang diperoleh bersumber dari wawancara, observasi, dan studi pustaka. Penelitian ini menghasilkan kategori ranking terbaik dengan nilai akhir 0,973, sehingga layak digunakan oleh pengguna, karena dapat membantu mengurangi penumpukan ataupun kehilangan berkas, serta mempercepat dalam proses penentuan reseller.
Komparasi linear regression, random forest regression, dan multilayer perceptron regression untuk prediksi tren musik TikTok Nadia Sofie Soraya; Hendry Hendry
AITI Vol 20 No 2 (2023)
Publisher : Fakultas Teknologi Informasi Universitas Kristen Satya Wacana

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24246/aiti.v20i2.191-205

Abstract

Predicting how audio features correlate with popular songs on TikTok is essential in the music industry. Armed with data that has several audio features, a study was conducted using the Linear Regression, Random Forest Regression (RFR), and Multilayer Perceptron Regression (MLP Regression) methods to compare models that can effectively predict popularity and features that influence song popularity on TikTok, then Exploratory Data Analysis (EDA) was also carried out to gain insight into the data. The results of the EDA process are that the most popular of songs is in the range of 40-80, the duration of songs is between 2-3 minutes, feature loudness is positively correlated with energy, and so is between artist_pop and track_pop. The set feature importance in the LR and RFR models for the feature target track_pop is artist_pop, loudness, and duration_ms. The LR method has the most effective results between RFR and MLP Regression for the dataset used,  with MSE of 0.0313, RMSE of 0.177, and MAE of 0.118.
Prediksi dan visualisasi penyakit COVID-19 menggunakan kombinasi Prophet dan GeoPandas Ardito Laksono Suryoputro; Sri Yulianto Joko Prasetyo
AITI Vol 20 No 2 (2023)
Publisher : Fakultas Teknologi Informasi Universitas Kristen Satya Wacana

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24246/aiti.v20i2.135-149

Abstract

Covid-19 is spreading very rapidly. Indonesia is one of the countries with the highest cases in Southeast Asia. The purpose of this research is to use machine learning models with the help of tools such as Prophet to predict the trend of the Covid-19 outbreak in Indonesia. Obtained data will be visualized using a Geographic Information System (GIS) with Geopandas, which is used to visualize the spread of Covid-19 in Indonesia. Predictions with three tuning methods using Prophet with trend flexibility and holiday effects scored the best, with 0.68 for RMSLE and 1070 for MAE. Based on the use of Geopandas for Covid-19 cases in Indonesia, Geopandas can be used to visualize geospatial data effectively.
Convolutional Neural Network untuk mengklasifikasi tingkat keparahan jerawat Rianto Rianto; Demas Risdho Listianto
AITI Vol 20 No 2 (2023)
Publisher : Fakultas Teknologi Informasi Universitas Kristen Satya Wacana

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24246/aiti.v20i2.167-176

Abstract

Klasifikasi merupakan salah satu metode yang digunakan dalam ilmu medis khususnya untuk deteksi dini ataupun klasifikasi jenis penyakit. Dalam ilmu kesehatan kulit, klasifikasi dapat digunakan untuk memprediksi jenis dan tingkat keparahan jerawat sehingga dapat ditentukan cara pengobatannya. Penelitian ini bertujuan untuk mengembangkan model klasifikasi jenis dan tingkat keparahan jerawat menggunakan Deep Learning dengan Convolutional Neural Network (CNN). Label yang digunakan dalam data latih terdiri dari level 0, 1, dan 2 yang merepresentasikan tingkat keparahan jerawat. Model pengklasifikasi dikembangkan menggunakan data sekunder yang diperoleh dari www.kaggle.com dengan masing-masing label berjumlah 500 citra. Optimizer yang digunakan dalam penelitian ini adalah ADAM dengan membandingkan jumlah epoch mulai dari 50, 80, sampai dengan 100. Hasil akurasi dalam data latih yang diperoleh adalah 0.6363, 0.8783, dan 0.9234.
Implementasi Rapid Application Development dalam membangun sistem pengelolaan keuangan Homestay Linia berbasis web Julians, Adhe Ronny; Iriani, Ade; Sembiring, Irwan
AITI Vol 21 No 1 (2024)
Publisher : Fakultas Teknologi Informasi Universitas Kristen Satya Wacana

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24246/aiti.v21i1.1-13

Abstract

In running a business, the ease of managing financial data is essential because it is closely related to how income and expenditure data can be managed properly. The absence of an efficient system for managing financial data is a problem encountered in the object of this research, namely Homestay Linia, wherein managing the financial data in question, there are still certain complications, which result in financial data being inaccurate and irregular, related to these problems, it is necessary to build a financial management system. In developing the system, researchers use the Rapid Application Development method and will conduct system testing using the Black Box Testing method and User Satisfaction Survey through Online Questionnaires. The results showed that the system that has been built gets 100% positive reviews given by respondents. It shows that the system can help business activities effectively and efficiently.

Page 11 of 15 | Total Record : 149

 9   10   11   12   13 

Filter by Year

2016 2025


Reset
Filter By Issues
All Issue Vol 22 No 2 (2025) Vol 22 No 1 (2025) Vol 21 No 2 (2024) Vol 21 No 1 (2024) Vol 20 No 2 (2023) Vol 20 No 1 (2023) Vol 19 No 2 (2022) Vol 19 No 1 (2022) Vol 18 No 2 (2021) Vol 18 No 1 (2021) Vol 17 No 2 (2020) Vol 17 No 1 (2020) Vol 16 No 2 (2019) Vol 16 No 1 (2019) Vol 15 No 2 (2018) Vol 15 No 1 (2018) Vol 14 No 2 (2017) Vol 14 No 1 (2017) Vol 13 No 2 (2016) Vol 13 No 1 (2016) More Issue