cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Noviyanti. P
Contact Email
ti@shantibhuana.ac.id
Phone
+6285750550228
Journal Mail Official
ti@shantibhuana.ac.id
Editorial Address
Jalan Bukit Karmel No.1 Sebopet Kec. Bengkayang Kab. bengkayang Provinsi Kalimantan Barat, 79211
Location
Kab. bengkayang,
Kalimantan barat
INDONESIA
Journal of Information Technology (JIfoTech)
Published by Institut Shanti Bhuana
ISSN : 27744884     EISSN : 27756734     DOI : https://doi.org/10.46229/jifotech.v1i1
Core Subject : Science,
Computer Science & IT
Journal of Information Technology (JIfoTech) contains research articles in the scope of information technology, in the form of Internet of Things (IoT), web technology, databases, artificial intelligence, business intelligence, security and network infrastructure, human and computer interaction (HCI), data mining, and digital image processing.
Arjuna Subject : Ilmu Komputer (semua kategori) - Jaringan Komputer dan Komunikasi
Articles 75 Documents
 4   5   6   7   8 
Implementasi Sistem Deteksi Lalat Buah pada Tanaman Jambu Menggunakan YOLO Berbasis Raspberry Pi sebagai Early Warning System Permana, Iman; Irawati, Riri
Journal of Information Technology Vol. 6 No. 1 (2026): Journal of Information Technology
Publisher : Institut Shanti Bhuana

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46229/jifotech.v6i1.1093

Abstract

Monitoring hama lalat buah pada tanaman jambu umumnya masih dilakukan secara manual sehingga memerlukan waktu yang lama, kurang efisien, dan sering terlambat dalam mendeteksi serangan hama. Kondisi ini dapat menyebabkan peningkatan populasi lalat buah yang berdampak pada penurunan kualitas dan hasil panen. Oleh karena itu, dikembangkan sistem deteksi lalat buah berbasis Internet of Things (IoT) menggunakan algoritma YOLO untuk mendukung proses monitoring hama secara otomatis dan real-time. Dataset citra diperoleh langsung dari kebun jambu menggunakan kamera smartphone, kemudian dilakukan proses seleksi, anotasi bounding box, konversi ke format YOLO, serta pelatihan dan pengujian model. Evaluasi performa dilakukan menggunakan metrik precision, recall, accuracy, dan mean Average Precision (mAP). Hasil pengujian menunjukkan bahwa model mampu mencapai precision sebesar 0,86, recall sebesar 0,85, accuracy sekitar 86%, serta mAP@0.5 sebesar ±0,87. Model terbaik selanjutnya diimplementasikan pada Raspberry Pi 5 sebagai perangkat edge computing dan berhasil dijalankan dalam skema deteksi real-time. Sistem yang dikembangkan menunjukkan potensi sebagai solusi deteksi dini lalat buah untuk meningkatkan efisiensi pengendalian hama pada budidaya jambu.Kata Kunci— YOLO, deteksi objek, lalat buah, Internet of Things (IoT), mean Average Precision (mAP), Raspberry Pi.
Analisis Sentimen Ulasan Aplikasi iPusnas di Playstore dengan Metode Algoritma Random Forest Fauzi, Achmad; Pangestu, Andi Dwi; Solihin, Ade Kurnia; Sihombing, Redo Abeputra; Natsir, Fauzan
Journal of Information Technology Vol. 6 No. 1 (2026): Journal of Information Technology
Publisher : Institut Shanti Bhuana

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46229/jifotech.v6i1.1096

Abstract

iPusnas is a digital library application developed by the National Library of Indonesia (Perpusnas RI) that allows users to borrow and read digital books via smartphones. As one of the most widely used digital library platforms in Indonesia, iPusnas has received thousands of user reviews on Google Play Store, reflecting various public sentiments about the application's performance and features. This study aims to analyze the sentiment of iPusnas user reviews on the Google Play Store using the Random Forest algorithm. Data were collected by scraping user reviews from the Play Store, followed by preprocessing steps including case folding, cleaning, normalization, tokenization, stopword removal, and stemming. Labeling was performed using the Lexicon-Based method. Feature extraction used TF-IDF (Term Frequency-Inverse Document Frequency), and data imbalance was addressed using the SMOTE (Synthetic Minority Over-sampling Technique) method. The results of the analysis showed that the Random Forest model achieved an accuracy of 73,60%, precision of 72,60%, recall of 72,10%, and F1-score of 72,30%, demonstrating its effectiveness in classifying positive and negative sentiments of iPusnas users.
Evaluasi Empiris Arsitektur Pengendalian Konkurensi Sistem Pemesanan: Aplikasi, Basis Data, dan Hibrid Miyata, Andrew Febrian; Salim, Shierly Kartika; Pranjoto, Hartono; Abadi, Elizabeth Yulita; Kusumo, Catherine Tjondro; Asman, Yuliana
Journal of Information Technology Vol. 6 No. 1 (2026): Journal of Information Technology
Publisher : Institut Shanti Bhuana

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46229/jifotech.v6i1.1107

Abstract

Sistem alokasi sumber daya berbasis web menghadapi tantangan konkurensi kritis di mana permintaan simultan bervolume tinggi sering kali menghasilkan anomali data, khususnya double booking. Meskipun batasan teoretis dari kondisi perlombaan Time-of-Check to Time-of-Use (TOCTOU) telah didokumentasikan, efek majemuk latensi jaringan dalam arsitektur terdistribusi dan implikasi performa empiris dari pendelegasian kendali murni pada konstrain basis data masih jarang dieksplorasi. Penelitian ini mengukur kinerja dan integritas data untuk menentukan desain arsitektur mana yang mampu mempertahankan throughput tinggi sekaligus menjaga konsistensi data. Penelitian ini melakukan evaluasi load-testing komprehensif melalui studi ablasi terhadap tiga arsitektur: Application-Level Control (ALC), Database-Level Constraint (DLC) menggunakan EXCLUDE USING GIST pada PostgreSQL, dan arsitektur Hibrid. Di bawah tekanan pengguna virtual ekstrem, ALC terbukti rentan terhadap kebocoran data, di mana latensi jaringan terdistribusi memperburuk insiden double booking hingga 125% dibandingkan server monolitik. Sebaliknya, meskipun DLC menjamin integritas data absolut, pendekatan ini memicu degradasi throughput yang katastrofik anjlok hingga 18,1 RPS pada beban puncak yang disertai penalti latensi berat akibat penguncian eksklusif tingkat indeks dan kelaparan pangkalan koneksi (connection pool starvation). Arsitektur Hibrid memecahkan dikotomi ini dengan memadukan penyaring tingkat aplikasi asinkron sebagai penyerap kejut untuk mengurai kemacetan basis data, sukses mencapai integritas absolut sekaligus mempertahankan throughput tinggi (543,7 RPS). Penelitian ini mengkuantifikasi batas skalabilitas konstrain basis data dan memberikan kerangka kerja rekayasa defense-in-depth yang tangguh untuk sistem ketersediaan tinggi.
Kerangka Tata Kelola TI bagi Sistem Keputusan Berbasis AI di Smart Cities Ramadhani, Husin Nafarin; Muhayat, Muhayat; Ardianto, Akhmad Hafidz
Journal of Information Technology Vol. 6 No. 1 (2026): Journal of Information Technology
Publisher : Institut Shanti Bhuana

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46229/jifotech.v6i1.1116

Abstract

Penelitian ini bertujuan menyusun kerangka tata kelola TI bagi sistem keputusan berbasis AI di smart cities melalui sintesis literatur yang terintegrasi. Metode yang digunakan adalah integrative literature review terhadap 22 artikel jurnal internasional terindeks Scopus yang dipilih secara purposif berdasarkan relevansi dengan topik smart city, kecerdasan buatan, tata kelola, dan pengambilan keputusan. Proses penelitian dilakukan melalui identifikasi artikel awal, penerapan kriteria inklusi, pembacaan penuh, ekstraksi data, pengelompokan tematik, dan analisis tematik integratif. Hasil ekstraksi secara terukur berhasil memetakan 8 dimensi utama yang saling berhubungan dalam membentuk sistem keputusan berbasis AI di smart cities, yaitu: mediasi sosio-teknis, tata kelola kebijakan dan kelembagaan, tata kelola data, privasi dan keamanan, etika dan akuntabilitas, partisipasi warga, arsitektur sistem keputusan, serta orientasi hasil kebijakan. Penelitian ini juga menemukan bahwa kesenjangan utama dalam literatur terletak pada belum terintegrasinya kedelapan dimensi tersebut ke dalam satu kerangka IT governance yang utuh dan operasional. Secara strategis, penelitian ini memberikan dampak nyata melalui kerangka tata kelola TI yang dapat diimplementasikan sebagai panduan operasional bagi pemerintah kota dan pembuat kebijakan. Kerangka ini tidak hanya memitigasi risiko penggunaan AI, tetapi juga memastikan bahwa sistem keputusan di smart cities berjalan secara efektif, aman, transparan, dan selaras dengan kepentingan publik.
Penerapan Metode Convolutional Neural Networks Berbasis Deep Learning Untuk Analisa Sentimen Wisatawan Pada Destinasi Pariwisata Di Kabupaten Sumba Barat Daya Neno, Friden Elefri; Umar, Elvira; Ngongor, Arnoldus
Journal of Information Technology Vol. 6 No. 1 (2026): Journal of Information Technology
Publisher : Institut Shanti Bhuana

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46229/jifotech.v6i1.1117

Abstract

Perkembangan teknologi digital telah mengubah pola pikir manusia untuk berbagi informasi dalam setiap aktivitas dengan berbagi pengalaman pada setiap kegiatan, terutama di bidang pariwisata, serta penyampaian opini wisatawan melalui aplikasi perjalanan wisatawan seperti Google Maps review, TripAdvisor review, dan aplikasi media sosial. Ini merupakan informasi yang sangat penting untuk mengetahui persepsi terhadap kualitas, namun jumlah data yang banyak dan tidak terstruktur menjadi kendala utama dalam proses analisis secara manual.Tujuan penelitian ini adalah analisis sentimen wisatawan pada destinasi pariwisata di Kabupaten Sumba Barat Daya dengan metode Convolutional Neural Networks berbasis Deep Learning, Hasil pengumpulan data dilakukan proses pengolahan model data teks ke cleaning, tokenization, stopword removal, stemming untuk dipresentasikan ke numerik. Model Convolutional Neural Networks mengklasifikasikan kategori sentiment positif, negatif dan netral. Tahap pelatihan dan pengujian model untuk klasifikasi sentimen hasil analisis sentimen model confusion matrix dengan nilai accuracy 93%, precision 91%, recall 93%, F1-Score 92%. Hasil penelitian dapat membuktikan bahwa Convolutional Neural Network berbasis deep learning mampu ekstrak teks secara otomatis dari data manual dan mengenal pola ulasan data wisatawan dengan efektif dan menyediakan informasi bagi pemerintah daerah dan pengelolah tempat pariwisata sebagai rekomendasi pengembangan layananan serta merumuskan strategi yang berkelanjutan

Page 8 of 8 | Total Record : 75

 4   5   6   7   8 

Filter by Year

2021 2026


Reset
Filter By Issues
All Issue Vol. 6 No. 1 (2026): Journal of Information Technology Vol 5 No 1 (2025): Journal of Information Technology Vol 4 No 2 (2024): Journal of Information Technology Vol 4 No 1 (2024): Journal of Information Technology Vol 3 No 2 (2023): Journal of information Technology Vol 3 No 1 (2023): Journal of Information Technology Vol 2 No 2 (2022): Journal of information Technology Vol 2 No 1 (2022): Journal of information Technology Vol 1 No 2 (2021): Journal of Information Technology Vol 1 No 1 (2021): Journal of Information Technology