cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Anderias Eko Wijaya
Contact Email
ekowjy09@yahoo.com
Phone
+62260417853
Journal Mail Official
admin@jurnalstmiksubang.ac.id
Editorial Address
Jalan Marsinu No.5 Subang, Jawa Barat, Pos. 41212
Location
Kab. subang,
Jawa barat
INDONESIA
Jurnal Teknologi Informasi dan Komunikasi
Published by Sekolah Tinggi Manajemen Informatika dan Komputer Subang
ISSN : 22524517     EISSN : 27237249     DOI : https://doi.org/10.47561/a.v13i1
Core Subject : Science, Engineering,
Computer Science & IT Control & Systems Engineering
Jurnal Teknologi Informasi dan Komunikasi menerbitkan kajian ilmiah hasil penelitian dan pemikiran di bidang ilmu dan teknologi komputer yang didistribusikan sebagai sumber referensi bagi para akademisi di bidang Ilmu dan Teknologi Komputer. Jurnal Teknologi Informasi dan Komunikasi menerima artikel ilmiah dengan cakupan penelitian: 1. Internet of Things 2. Machine Learning 3. Data Mining 4. Big Data 5. Sistem Pengambilan Keputusan 6. Sistem Artificial Intelligence 7. Jaringan Komputer 8. Sistem Informasi
Arjuna Subject : Ilmu Komputer (semua kategori) - Ilmu Komputer (Lain-Lain)
Articles 5 Documents
 1 
Search results for , issue "Vol 18 No 1 (2025): April" : 5 Documents clear
Implementasi Sistem Informasi Penjualan Berbasis Aplikasi Desktop Studi Kasus PT. Sinar Baru Berkah Mandiri Sutisna, Rizki Entis; Saepudin, Asep
Jurnal Teknologi Informasi dan Komunikasi Vol 18 No 1 (2025): April
Publisher : STMIK Subang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47561/jtik.v18i1.280

Abstract

Implementasi sistem informasi di perusahaan saat ini merupakan kebutuhan yang sangat penting. Seringkali data yang dihasilkan oleh sistem informasi dilibatkan dalam pengambilan kebijakan dan keputusan manajemen perusahaan. Sistem informasi dapat menerapkan digitalisasi dalam proses bisnis perusahaan. Sistem informasi pejualan dapat menyimpan data – data terkait dengan transaksi penjualan yang meliputi informasi yang berkaitan dengan item barang, kuantitas barang yang dibeli, harga barang, dan total pembayaran yang harus dibayarkan konsumen. Data yang dihasilkan dari proses transaksi pada sistem penjualan dapat menghasilkan laporan penjualan yang dibutuhkan oleh manajemen sebagai acuan dalam pengambilan keputusan perusahaan. Data – data transaksi yang tersimpan dapat diolah menjadi informasi – informasi yang dapat disajikan dengan cepat agar manajemen dapat melakukan tindakan yang cepat dan akurat untuk keberlangsungan perusahaan.
Studi Literatur Pemanfaatan Artificial Intelligence untuk Prediksi Bencana Banjir Zahra, Denada Fatimah; Carkiman, Carkiman
Jurnal Teknologi Informasi dan Komunikasi Vol 18 No 1 (2025): April
Publisher : STMIK Subang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47561/jtik.v18i1.281

Abstract

Floods are disasters that cause losses in the form of material and human casualties if not controlled. The Bekasi flood in 2025 was a flood event that was proven to paralyze economic activities and inundate crucial economic zones and settlements in the Bekasi area. Basically, floods can be categorized as fluvial, pluvial, rob, and flash. There are various factors that cause floods that cause diversity in types and levels of flood destruction. Therefore, previous studies have attempted to predict floods from a physical perspective, but still experience various obstacles, so this study aims to explain the use of artificial intelligence for flood disaster prediction. The research method used is a literature study in order to represent the use of artificial intelligence in various areas and techniques. The data used is in the form of scientific literature consisting of journals and scientific proceedings. The results of the study show that most of the AI used is based on machine learning algorithms, such as random forest, logistic regression, support vector machine, and KNN. Random forest and logistic regression have proven to have the highest performance and accuracy when compared to other algorithms. However, it needs to be combined with data augmentation techniques and consider time when used for real-time prediction needs.
Machine Learning Penyortiran Buah Naga Menggunakan Algoritma K-Means Berbasis Internet of Things Menggunakan Platform Blynks Ramadan, Wanda; Abidin, Aa Zezen Zenal; Suryadi, Usep Tatang; Murdianingsih, Yuli; Faizal, Muhammad; Suhendri, Suhendri; Carkiman, Carkiman
Jurnal Teknologi Informasi dan Komunikasi Vol 18 No 1 (2025): April
Publisher : STMIK Subang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47561/jtik.v18i1.285

Abstract

Salah satu tahapan dalam proses pengelolaan hasil pertanian dan perkebunan ialah dengan melakukan pembagian terstruktur mengenai produk untuk menentukan kualitas hasil panen. Penyortiran dilakukan dengan melihat kualitas rona kulit, berat buah serta mengetahui jumlah satu kali panen. Kualitas buah naga ditentukan oleh berbagai parameter, antara lain umur dan kematangan (indeks warna), ukuran, dan berat buah. Sebagai salah satu komoditas yang disukai banyak orang, buah naga memerlukan proses sortasi (seleksi), karena pasar membutuhkan kondisi keseragaman buah naga. Seleksi biasanya dilakukan menurut prinsip pemisahan, seperti: bobot yang berbeda, bentuk yang berbeda, sifat permukaan yang berbeda, berat jenis yang berbeda, tekstur warna yang berbeda dan kematangan yang berbeda. Dalam proses penyortiran manual, manusia memiliki kelemahan dalam melakukan tugas sensorik dengan kapasitas besar dan jam kerja yang Panjang. Berangkat dari permasalahan tersebut penulis tertarik untuk membuat alat yaitu Machine Learning Penyortiran Buah Naga Berbasis Internet of Things Menggunakan Algoritma K- Means Pada Platform Blynk. Metodologi yang digunakan penulis diantaranya Studi pustaka, dokumentasi, data mining, analisa sistem, perancangan sistem, pembuatan sistem, pengujian sistem. Machine Learning Penyortiran Buah Naga Berbasis Internet of Things Menggunakan Algoritma K- Means Pada Platform Blynk yang penulis kerjakan dapat berhasil terealisasikan menggunakan sensor Load Cell untuk menghitung berat dan sensor TCS230 untuk menentukan warna. Serta sensor TCS3200 dapat mendeteksi warna dengan baik. Data yang didapat oleh alat dapat diklasterisasi menggunakan Algoritmaa K-Means dengan benar sebanyak 7 iterasi dengan nilai BCV=2096,84, WCV=442563,35, Rasio=211.
Penerapan Simulasi AI Sistem Drone Ganda untuk Optimasi Lintasan pada Pemantauan Perkebunan Sumardi, Tedi; Suhendra, M. Agung; Robiyana, Iqbal; Wijaya, Anderias Eko
Jurnal Teknologi Informasi dan Komunikasi Vol 18 No 1 (2025): April
Publisher : STMIK Subang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47561/jtik.v18i1.286

Abstract

Drone-based monitoring systems have emerged as an effective solution to improve the efficiency of large-scale agricultural land surveillance, particularly in oil palm plantations. This study proposes an artificial intelligence (AI)-based simulation using dual drones to map optimal and distributed flight paths. The simulation considers the random wind effect on trajectory accuracy using a grid-based waypoint approach across the plantation area. The results show that both drones successfully completed the land inspection mission with an average wind-induced deviation of ±0.14 meters, indicating system stability under dynamic environmental conditions. Drone 1 covered a total distance of 9244.10 meters, while Drone 2 covered 10602.47 meters. A 3D trajectory visualization illustrates that the path deviations remained controlled. This research provides a foundation for developing more adaptive and efficient autonomous drone systems in the context of smart farming.
Perbandingan Kinerja Algoritma Naïve Bayes dan C4.5 pada Sistem Web Klasifikasi Kelayakan PKH Jupriyanto, Jupriyanto; Apandi, Jamaludin; Wijaya, Anderias Eko; Hermawan, Rian; Siallagan, Timbo Faritcan Parlaungan; Udoyono, Kodar; Ahmad, Hermansyah Nur
Jurnal Teknologi Informasi dan Komunikasi Vol 18 No 1 (2025): April
Publisher : STMIK Subang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47561/jtik.v18i1.287

Abstract

This study discusses the development of a web-based classification system for determining the eligibility of recipients of the Family Hope Program (PKH), by comparing two data mining algorithms: C4.5 and Naïve Bayes. The dataset used includes various attributes relevant to eligibility assessment for social assistance. The C4.5 algorithm is employed to generate an interpretable decision tree, while the Naïve Bayes algorithm is used for probabilistic classification. The results show that Naïve Bayes achieved the highest accuracy at 98%, excelling in processing large datasets more efficiently. Meanwhile, C4.5 achieved an accuracy of 93.33% and offered better interpretability through its decision tree visualization. Both algorithms proved effective in classifying PKH eligibility and can be implemented in social assistance information systems to improve the accuracy and efficiency of the beneficiary selection process. This research concludes that the choice of algorithm should be based on system priorities—whether the focus is on processing speed or result interpretability.

Page 1 of 1 | Total Record : 5

 1 

Filter by Year

2025 2025


Reset
Filter By Issues
All Issue Vol 18 No 2 (2025): October Vol 18 No 1 (2025): April Vol 17 No 2 (2024): October Vol 17 No 1 (2024): April Vol 16 No 2 (2023): Oktober Vol 16 No 1 (2023): April Vol 15 No 2 (2022): Oktober Vol 15 No 1 (2022): April Vol 14 No 2 (2021): Oktober Vol 14 No 1 (2021): April Vol 13 No 2 (2020): Oktober Vol 13 No 1 (2020): April Vol 12 No 2 (2019): Oktober Vol 12 No 1 (2019): April Vol 11 No 2 (2018): Oktober Vol 11 No 1 (2018): April Vol 10 No 2 (2017): Oktober Vol 10 No 1 (2017): April Vol 9 No 2 (2016): Oktober Vol 9 No 1 (2016): April Vol 8 No 1 (2015): Oktober Vol 7 No 1 (2015): April Vol 6 No 1 (2014): Oktober Vol 5 No 1 (2014): April Vol 4 No 1 (2013): Oktober Vol 3 No 1 (2013): April Vol 2 No 1 (2012): Oktober Vol 1 No 1 (2012): April More Issue