cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
DARSONO NABABAN
Contact Email
darsono.nababan@unimor.ac.id
Phone
+628116186822
Journal Mail Official
jitu.unimor@gmail.com
Editorial Address
Department of Information and Technology, Universitas Timor Sasi, Kefamenanu City, North Timor Tengah Regency, East Nusa Tenggara
Location
Kab. timor tengah utara,
Nusa tenggara timur
INDONESIA
Journal Of Information And Technology Unimor (JITU)
Published by Universitas Timor
ISSN : 27752775     EISSN : 27752775     DOI : https://doi.org/10.32938/jitu.v1i1
Core Subject : Science,
Computer Science & IT
Journal of information and Technology Unimor ( JITU) provides a forum for publishing the original research articles from contributors related to Big Data Research, Web Science, network and infrastructure, and computing algorithms. The scope of JITU starting from Volume 1 (2021) is as follows: Embedded system based on microcomputer/microcontroller; Robotics; Control systems; Cloud computing; Sensor network and IoT; Computer networks and security; Algorithms and artificial intelligence; Computer vision and pattern recognition, and Mobile computing. E-Business/E-commerce E-Government E-learning Human-Computer Interaction Information Assurance & Intelligent Information Security & Risk Management IS/IT Operations Management IS/IT Strategic Planning IT Governance IT Project Management Web Science Social Media in Business Multimedia Application Big Data Research New Technology Acceptance and Diffusion Green Information Systems Innovation Management/Technopreneurship
Arjuna Subject : Ilmu Komputer (semua kategori) - Kecerdasan Buatan
Articles 66 Documents
 3   4   5   6   7 
Perancangan Peralatan Listrik Dengan Voice Control Menggunakan Switch Relay Dan Arduino Kurnia, Okto
Journal of Information and Technology Vol. 5 No. 1 (2025): Journal of Information and Technology Unimor (JITU)
Publisher : Department of Information Technology, Universitas Timor, Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32938/jitu.v5i1.9194

Abstract

The work environment has a huge impact on employee satisfaction, productivity, and development. Creating comfortable conditions for employees through a work environment based on smart technology is necessary. The concept of controlling electrical equipment based on voice commands makes it easier for employees to control electrical systems. Allows employees to control electronic devices just by using voice commands without having to move around to turn on or turn off electronic equipment. The main goal of voice command technology is to create a technique and system for entering voice commands into machines, so that machines can understand what humans say and obey what they command. This research will utilize voice recognition technology to control electrical equipment connected to Arduino so that it can be tested for the strength of voice commands to control electronic devices.
The Penerapan Metode Waterfall dan Kecerdasan Buatan untuk Pemetaan Objek Pajak PBB pada Dispenda Lampung Tengah: Implementation of the Waterfall Method and Artificial Intelligence for Mapping Property Tax Objects at the Dispenda Central Lampung budi hartanto
Journal of Information and Technology Vol. 5 No. 2 (2025): Journal of Information and Technology Unimor (JITU)
Publisher : Department of Information Technology, Universitas Timor, Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32938/jitu.v5i2.7601

Abstract

Abstract - This research aims to implement the Waterfall method and artificial intelligence in mapping property tax objects at the Dispenda Central Lampung. The Waterfall method is used as a software development framework that allows a structured and systematic process from the analysis phase to implementation. Meanwhile, artificial intelligence is applied to enhance the accuracy in mapping and classifying tax objects based on spatial and non-spatial data. The research results show that the combination of the Waterfall method and artificial intelligence can improve the efficiency and accuracy of mapping property tax objects, ultimately supporting the optimization of regional tax revenue. These findings provide significant contributions to the development of geographic information systems and regional tax management in Central Lampung.. Abstrak - Penelitian ini bertujuan untuk menerapkan metode Waterfall dan kecerdasan buatan dalam memetakan objek pajak PBB di Dispenda Lampung Tengah. Metode Waterfall digunakan sebagai kerangka kerja pengembangan perangkat lunak yang memungkinkan proses yang terstruktur dan sistematis dari tahap analisis hingga implementasi. Sementara itu, kecerdasan buatan diterapkan untuk meningkatkan akurasi dalam pemetaan dan klasifikasi objek pajak berdasarkan data spasial dan non-spasial. Hasil penelitian menunjukkan bahwa kombinasi antara metode Waterfall dan kecerdasan buatan dapat meningkatkan efisiensi dan akurasi pemetaan objek pajak PBB, yang pada akhirnya mendukung optimalisasi penerimaan pajak daerah. Temuan ini memberikan kontribusi penting bagi pengembangan sistem informasi geografis dan manajemen pajak daerah di Lampung Tengah.
Penerapan Pembelajaran Mesin dalam Manajemen Stok Tanaman Hidroponik untuk Mewujudkan Pangan Berkelanjutan Ressa Priskila; Novera Kristianti; Nova Noor Kamala Sari
Journal of Information and Technology Vol. 5 No. 1 (2025): Journal of Information and Technology Unimor (JITU)
Publisher : Department of Information Technology, Universitas Timor, Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32938/jitu.v5i1.8406

Abstract

Isu ketahanan pangan global semakin mendesak akibat pertumbuhan populasi, urbanisasi, dan perubahan iklim. Hidroponik, sebagai metode pertanian inovatif yang tidak memerlukan tanah, menawarkan efisiensi penggunaan air yang lebih baik dibandingkan metode tradisional. Namun, tantangan dalam manajemen stok, termasuk fluktuasi permintaan dan risiko kerusakan tanaman, dapat mengganggu efisiensi dan keuntungan. Penelitian ini bertujuan untuk menerapkan algoritma pembelajaran mesin, seperti Regresi Linier, LSTM, Random Forest, dan XGBoost—untuk memprediksi hasil panen, stok, dan penjualan di kebun hidroponik yang dikenal sebagai 'XYZ'. Hasil evaluasi menunjukkan bahwa model regresi linier memiliki akurasi tertinggi, dengan Mean Absolute Error (MAE) 0.0029 dan Root Mean Squared Error (RMSE) 0.0039, sementara model LSTM, Random Forest, dan XGBoost menunjukkan kinerja lebih rendah. Regresi linier dianggap dapat diandalkan untuk perencanaan manajemen stok dan hasil panen. Temuan ini berkontribusi terhadap pengembangan pertanian berkelanjutan dan menunjukkan potensi pembelajaran mesin dalam mendukung pengelolaan stok dan pengambilan keputusan yang lebih baik bagi petani hidroponik.
Utilization of Chatbots for Sentiment Prediction of Alumni Data Using IndoRoBERTa Classifier: Pemanfaatan Chatbot dalam Prediksi Sentimen Data Alumni Menggunakan IndoRoBERTa Classifier Nova Noor Kamala Sari; Tomas Leonardo; Efrans Christian; Viktor Handrianus Pranatawijaya; Widiatry Widiatry
Journal of Information and Technology Vol. 5 No. 2 (2025): Journal of Information and Technology Unimor (JITU)
Publisher : Department of Information Technology, Universitas Timor, Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32938/jitu.v5i2.9174

Abstract

Dalam era digital, analisis sentimen menjadi alat penting bagi institusi pendidikan untuk memahami opini alumni. Data yang tidak terstruktur dari survei dan media sosial memerlukan pendekatan berbasis kecerdasan buatan (AI) agar analisis lebih efisien. Namun, model Natural Language Processing (NLP) yang tersedia belum sepenuhnya dioptimalkan untuk Bahasa Indonesia, sehingga akurasi klasifikasi sentimen masih terbatas. Penelitian ini mengembangkan chatbot berbasis IndoRoBERTa Classifier untuk memprediksi sentimen alumni secara otomatis dalam tiga kategori: positif, negatif, dan netral. Hasil evaluasi menunjukkan bahwa model ini lebih akurat dibandingkan metode machine learning konvensional. Selain itu, chatbot yang dikembangkan dapat mempercepat analisis dengan memberikan respons real-time terhadap pengguna. Implementasi chatbot ini membantu institusi pendidikan dalam memahami kepuasan alumni dan meningkatkan layanan akademik. Penelitian ini merekomendasikan eksplorasi lebih lanjut terhadap model NLP deep learning serta integrasi chatbot dengan sistem pengelolaan umpan balik untuk mendukung pengambilan keputusan akademik yang lebih efektif.
A Pengembangan Dashboard Interaktif untuk Monitoring Capaian Data Digital Talent Scholarship BPSDMP Kominfo Banjarmasin : Pengembangan Dashboard Interaktif untuk Monitoring Capaian Data Digital Talent Scholarship BPSDMP Kominfo Banjarmasin Biandina Meidyani
Journal of Information and Technology Vol. 5 No. 2 (2025): Journal of Information and Technology Unimor (JITU)
Publisher : Department of Information Technology, Universitas Timor, Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Dashboard interaktif berbasis data real-time menjadi kebutuhan penting dalam era digital untuk memantau dan mengevaluasi capaian kinerja secara cepat dan akurat. Penelitian ini bertujuan untuk mengembangkan sebuah system dashboard yang mampu menampilkan data kinerja secara interaktif dan real-time, guna mendukung pengambilan keputusan yang lebih efektif. Penelitian ini mengeksplorasi penggunaan Looker Studio untuk visualisasi data capaian pelatihan Digital Talent Scholarship BPSDMP Kominfo Banjarmasin dan mengolahnya menjadi dashboard interaktif. Hasil dari penelitian ini menunjukkan bahwa dashboard yang dikembangkan mampu meningkatkan efisiensi monitoring, memberikan visualisasi data yang intuitif, serta memfasilitasi analis kinerja secara dinamis.
Identifikasi Penyakit Daun Cendana Berbasis Deep Learning Convolutional Neural Network Budiman Baso; Ramaulvi Muhammad Akhyar
Journal of Information and Technology Vol. 4 No. 2 (2024): Journal of Information and Technology Unimor (JITU)
Publisher : Department of Information Technology, Universitas Timor, Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32938/jitu.v4i2.11319

Abstract

Leaf diseases are the primary pathological constraint reducing the productivity and economic value of sandalwood trees (Santalum album). Conventional symptom identification is often hampered by observer subjectivity and low time efficiency. This study implements computer vision technology using a Deep Learning algorithm based on a Convolutional Neural Network (CNN) to automate the identification of sandalwood leaf diseases. By utilising convolutional layers, the model is able to autonomously extract morphological and chromatic features to recognise complex leaf damage patterns without the need for manual feature extraction. The results of the study show that the CNN model delivers superior performance, with accuracy, precision, recall, and F1-score reaching 100%, as well as a computational time efficiency of 1 minute and 18 seconds. It is hoped that the implementation of this technology will serve as a precise early-diagnosis tool for forestry practitioners in supporting conservation efforts and safeguarding the sustainability of the sandalwood population, particularly in the Timor region.

Page 7 of 7 | Total Record : 66

 3   4   5   6   7 

Filter by Year

2021 2025


Reset
Filter By Issues
All Issue Vol. 5 No. 2 (2025): Journal of Information and Technology Unimor (JITU) Vol. 5 No. 1 (2025): Journal of Information and Technology Unimor (JITU) Vol. 4 No. 2 (2024): Journal of Information and Technology Unimor (JITU) Vol. 4 No. 1 (2024): Journal of Information and Technology Unimor (JITU) Vol. 3 No. 2 (2023): Journal of Information and Technology Unimor (JITU) Vol. 3 No. 1 (2023): Journal of Information and Technology Unimor (JITU) Vol 2 No 2 (2022): Journal of Information and Technology Unimor (JITU) Vol. 2 No. 2 (2022): Journal of Information and Technology Unimor (JITU) Vol 2 No 1 (2022): Journal of Information and Technology Unimor (JITU) Vol 1 No 2 (2021): Journal of Information and Technology Unimor (JITU) Vol 1 No 1 (2021): Journal Of Information And Technology Unimor (JITU) More Issue