cover
Contact Name
Arif Bijaksana Putra Negara
Contact Email
arifbpn@untan.ac.id
Phone
+62811578624
Journal Mail Official
editor_justin@informatika.untan.ac.id
Editorial Address
Sekretariat Justin Gedung Informatika Fakultas Teknik Universitas Tanjungpura Jl. Prof. Dr. Hadary Nawawi Pontianak 78124
Location
Kota pontianak,
Kalimantan barat
INDONESIA
JUSTIN (Jurnal Sistem dan Teknologi Informasi)
ISSN : 24603562     EISSN : 26208989     DOI : http://dx.doi.org/10.26418/justin
Core Subject : Science,
JUSTIN aims to publish research results and thoughts among academics, researchers, scientists, and practitioners in the field of informatics/computer science so that they are freely available to the public, and support the exchange of knowledge. The scope of JUSTIN is but is not limited to the following: theory and information science, information systems, information security, data processing and structure, programming and computing, software engineering, informatics, computer science, computer engineering, architecture and computer networks, robotics, parallel and distributed computing, operating systems, compilers and interpreters, games, numerical methods, mobile computing, natural language processing, data mining, cognitive systems, speech processing, machine learning, artificial intelligence, expert systems, geographical information systems, computational theory, and informatics applications in various fields.
Articles 14 Documents
Search results for , issue "Vol 13, No 4 (2025)" : 14 Documents clear
Penerapan Algoritma Machine learning untuk Prediksi Gangguan Kesehatan Mental: Systematic Literature Review Prianto, Cahyo; Hutabarat, Rizkyria Angelina Pandapotan
JUSTIN (Jurnal Sistem dan Teknologi Informasi) Vol 13, No 4 (2025)
Publisher : Jurusan Informatika Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/justin.v13i4.95911

Abstract

Gangguan kesehatan mental merupakan isu serius yang memengaruhi kesejahteraan individu dan masyarakat secara luas. Seiring meningkatnya kesadaran akan pentingnya kesehatan mental, pendekatan berbasis teknologi seperti Machine learning (ML) mulai banyak digunakan untuk mendeteksi dan memprediksi gangguan tersebut secara lebih akurat dan efisien. Penelitian ini bertujuan untuk melakukan kajian literatur sistematis mengenai penerapan algoritma machine learning dalam prediksi gangguan kesehatan mental. Dengan menggunakan metode Systematic Literature Review (SLR) dan pendekatan PRISMA, sebanyak 40 studi yang dipublikasikan antara tahun 2020 hingga 2025 dianalisis berdasarkan kriteria inklusi tertentu, seperti studi yang ditulis dalam Bahasa Inggris dan membahas prediksi kesehatan mental menggunakan machine learning. Hasil tinjauan menunjukkan bahwa atribut seperti usia, jenis kelamin, dan kebiasaan tidur merupakan faktor yang paling berpengaruh dalam prediksi kesehatan mental. Adapun algoritma yang paling sering digunakan adalah Logistic Regression, Random Forest, XGBoost, dan Support Vector Machine (SVM). Evaluasi performa model dilakukan dengan metrik seperti precision, recall, f1-score, accuracy, dan AUC. Model LightGBM menunjukkan performa tertinggi dalam studi yang ditinjau. Temuan ini mengindikasikan bahwa machine learning memiliki potensi besar dalam mendukung sistem deteksi dini gangguan kesehatan mental yang lebih efektif dan berbasis data.
Perancangan Absensi GPS dan Foto Selfie Berbasis Progressive Web Apps (PWA) Pada Universitas Malikussaleh Sahputri, Junika; Pratama, Angga; Mulyana, Mulyana
JUSTIN (Jurnal Sistem dan Teknologi Informasi) Vol 13, No 4 (2025)
Publisher : Jurusan Informatika Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/justin.v13i4.90474

Abstract

Perkembangan inovasi teknologi informasi semakin pesat untuk mendukung kinerja menjadi efektif dan efisien. Salah satu bidang yang mengalami perkembangan tersebut adalah pada pengelolaan data absensi, yang merupakan indikator penting dalam menilai kinerja, disiplin, dan produktivitas seorang pegawai pada instansinya. Universitas Malikussaleh saat ini menggunakan absensi fingerprint. Terdapat beberapa kelemahan yang menjadi tantangan, seperti risiko kehilangan data akibat gangguan server, penyimpanan data yang bersifat harian serta belum terintegrasi dengan proses pengajuan izin dan cuti, sehingga mengurangi efisiensi pengelolaan absensi. Penelitian ini bertujuan membangun aplikasi web absensi gps dan foto selfie yang terintegrasi dengan pengajuan izin dan cuti. Teknologi ini dipilih karena memiliki keunggulan dalam akurasi penentuan lokasi, penyimpanan data secara real-time, kompatibilitas lintas platform, serta aksesibilitas melalui berbagai perangkat. Pengembangan aplikasi web ini menggunakan metode waterfall, di mana setiap tahap dilakukan secara berurutan untuk memastikan proses pengembangan sistem berjalan lebih terarah dan sistematis. Evaluasi sistem dilakukan melalui uji coba langsung kepada pegawai menggunakan perangkat masing-masing, dengan pengukuran keberhasilan mencakup akurasi lokasi, proses selfie yang dilakukan oleh pengguna, kecepatan proses pengabsenan, serta kemudahan penggunaan fitur izin dan cuti. Hasil penelitian menunjukkan bahwa aplikasi webs ini mengatasi kelemahan pada sistem absensi lama yaitu dapat digunakan pada semua perangkat smarphone pegawai serta memastikan bahwa pegawai berada dilokasi saat melakukan absensi, dibuktikan dengan lokasi dan foto pegawai saat melakukan absensi serta memudahkan pegawai dalam pengajuan izin dan cuti . Inovasi ini diharapkan menciptakan pengelolaan kehadiran yang lebih modern, praktis, dan andal serta dapat mewujudkan manajemen kehadiran pegawai yang lebih optimal.Kata kunci : Absensi, Cuti, GPS, PWA ,Waterfall
Perancangan UI/UX pada Aplikasi Manajemen Pengetahuan SPBE Berbasis Web dengan Metode Design Thinking Sellinoventi, Karina; Anra, Hengky; Perwitasari, Anggi
JUSTIN (Jurnal Sistem dan Teknologi Informasi) Vol 13, No 4 (2025)
Publisher : Jurusan Informatika Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/justin.v13i4.94637

Abstract

Transformasi digital menjadi elemen penting dalam mewujudkan tata kelola pemerintahan yang efisien. Sistem Pemerintahan Berbasis Elektronik (SPBE) dirancang untuk meningkatkan efisiensi, efektivitas, dan transparansi pelayanan publik, sebagaimana diatur dalam Peraturan Presiden No. 95 Tahun 2018 [1] dan Peraturan Gubernur Kalimantan Barat No. 177 Tahun 2021 [2]. Salah satu komponen penting SPBE adalah manajemen pengetahuan, yang bertujuan mengelola dan mendistribusikan informasi secara efektif untuk mendukung pengambilan keputusan. Namun, implementasi manajemen pengetahuan SPBE di Indonesia masih menghadapi kendala, seperti pengetahuan yang belum terdokumentasi secara lengkap dan sulit diakses. Penelitian ini bertujuan merancang UI/UX aplikasi manajemen pengetahuan SPBE berbasis web menggunakan metode Design Thinking untuk menciptakan antarmuka yang intuitif dan memenuhi kebutuhan pengguna. Hasil penelitian menunjukkan bahwa rancangan antarmuka aplikasi manajemen pengetahuan SPBE diterima dengan baik oleh calon pengguna, dibuktikan dengan rata-rata usability score sebesar 84,3 dan nilai akhir kuesioner SUS sebesar 73,75, yang berada dalam kategori "good". Temuan ini menunjukkan bahwa desain antarmuka yang dihasilkan dapat dipahami dan digunakan secara optimal, sehingga mendukung peningkatan implementasi SPBE dalam memberikan pelayanan publik yang lebih efisien dan efektif.
Prediksi Mahasiswa yang Berpotensi Melakukan Pengunduran Diri Menggunakan Algoritma Support Vector Machine Dwirizkianto, Septian; Tursina, Tursina; Candraningrum, Niken
JUSTIN (Jurnal Sistem dan Teknologi Informasi) Vol 13, No 4 (2025)
Publisher : Jurusan Informatika Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/justin.v13i4.96510

Abstract

Pengunduran diri mahasiswa merupakan isu krusial yang berdampak pada individu, institusi, dan kualitas pendidikan secara keseluruhan. Penelitian ini bertujuan untuk memprediksi mahasiswa yang berpotensi mengundurkan diri menggunakan algoritma Support Vector Machine (SVM). Data yang digunakan berasal dari mahasiswa Fakultas Teknik Universitas Tanjungpura, mencakup data akademik dan non-akademik mahasiswa dari angkatan 2014 hingga 2021. Metodologi penelitian mencakup pengumpulan data, preprocessing data, pengembangan model, pengujian, serta evaluasi kinerja model. Proses preprocessing mencakup pemilihan atribut, pembersihan data menggunakan Logical Imputation Listwise Deletion, transformasi data, ekstraksi fitur menggunakan Principal Component Analysis (PCA), serta normalisasi dengan metode Min-Max Normalization dan Standard Scaler. Model dikembangkan menggunakan algoritma SVM dan hyperparameter tuning, kemudian diuji menggunakan Mean Squared Error (MSE), Root Mean Square Error (RMSE), serta Confusion Matrix. Berdasarkan hasil evaluasi, model SVM menunjukkan performa yang baik dengan akurasi data testing sebesar 93,54%, MSE sebesar 0,07317, dan RMSE sebesar 0,27047. Selain itu, hasil prediksi menunjukkan tingkat kesesuaian yang tinggi dengan data aktual, yaitu sebesar 96,13%, di mana dari 83 mahasiswa yang benar-benar mengundurkan diri, sebanyak 74 mahasiswa berhasil terdeteksi melalui model, dan 9 mahasiswa tidak terdeteksi. Analisis lebih lanjut menunjukkan bahwa mahasiswa yang masuk melalui jalur mandiri, lulusan dari SMA, serta mereka yang mengalami penurunan Indeks Prestasi Semester (IPS) dari semester 1 hingga 4 memiliki kecenderungan lebih tinggi untuk mengundurkan diri. Temuan ini diharapkan dapat menjadi acuan bagi pihak institusi dalam menyusun strategi pencegahan dini untuk menekan angka pengunduran diri mahasiswa.
Sistem Pendukung Keputusan dengan AHP - TOPSIS untuk Rekomendasi Konsentrasi Program Studi Kusuma, Tyas Pratama Puja; Lestari, Putri Vidia; Waluyo, Retno
JUSTIN (Jurnal Sistem dan Teknologi Informasi) Vol 13, No 4 (2025)
Publisher : Jurusan Informatika Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/justin.v13i4.91424

Abstract

Pemilihan konsentrasi program studi wajib dilakukan oleh mahasiswa pada semester tertentu agar mahasiswa dapat fokus pada suatu bidang yang diminatinya dan dapat meningkatkan kemampuannya. Program studi Sistem Informasi Universitas Amikom Purwokerto memiliki dua pilihan konsentrasi yaitu Manajemen Sistem Informasi (MSI) dan E-business. Berdasarkan hasil pra-survei kepada mahasiswa program studi Sistem Informasi yang telah memilih konsentrasi, lebih dari 68% mengalami kebingungan saat menentukan konsentrasi, terutama karena faktor eksternal. Penelitian ini mengusulkan sistem pendukung keputusan dengan integrasi metode Analytic Hierarchy Process (AHP) dan Technique for Order Preference by Similarity to Ideal Solution (TOPSIS) dalam pengambilan keputusan rekomendasi oleh mahasiswa pada saat memilih konsentrasi program studi. Empat kriteria yang dipertimbangkan meliputi minat, tema skripsi, prospek kerja, dan kemampuan individu setiap mahasiswa. AHP digunakan untuk menentukan bobot prioritas setiap kriteria melalui matriks perbandingan berpasangan, dengan hasil AHP menunjukkan prospek kerja memperoleh bobot tertinggi (0,357), selanjutnya minat (0,286), kemampuan iindividu (0,214), dan tema skripsi (0,143). TOPSIS digunakan untuk mengurutkan nilai preferensi terbaik dari pilihan alternatif yang ada. Hasil perhitungan ini menunjukkan kombinasi kedua metode tersebut mampu mendukung proses rekomendasi konsentrasi yang lebih objektif pada konteks pendidikan tinggi.
KLASIFIKASI SENTIMEN PENGGUNA PADA ULASAN APLIKASI E-WALLET DI GOOGLE PLAY STORE: PENDEKATAN MACHINE LEARNING Ramadhanu, Ramadhanu; ramadhani, ramadhani
JUSTIN (Jurnal Sistem dan Teknologi Informasi) Vol 13, No 4 (2025)
Publisher : Jurusan Informatika Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/justin.v13i4.94761

Abstract

Pertumbuhan aplikasi e-wallet di Indonesia mendorong pentingnya analisis sentimen untuk memahami ulasan pengguna secara otomatis. Penelitian ini bertujuan mengklasifikasikan sentimen ulasan aplikasi e-wallet di Google Play Store dengan membandingkan kinerja tiga algoritma machine learning: Extra Trees, Passive Aggressive, dan Ridge Classifier. Sebanyak 47.626 ulasan dikumpulkan melalui web scraping dan diberi label menggunakan InSet Lexicon. Data diproses melalui tahap case folding, cleaning, stopword removal, dan lemmatization. Fitur diekstraksi menggunakan TF-IDF dan diseleksi dengan Chi-Square. Optimasi hyperparameter dilakukan menggunakan Bayesian Optimization dengan pustaka Optuna, dan evaluasi dilakukan dengan Stratified 5-Fold Cross-Validation. Hasil menunjukkan bahwa Passive Aggressive Classifier memiliki kinerja terbaik dengan akurasi 95,08%, precision 92,97%, recall 89,47%, dan F1-score 90,91% pada data uji. Model ini unggul dalam hal stabilitas dan akurasi dibandingkan dua algoritma lainnya. Temuan ini menunjukkan bahwa model yang efisien dan adaptif terhadap data berdimensi tinggi sangat sesuai untuk klasifikasi sentimen teks dalam Bahasa Indonesia. Penelitian ini memberikan kontribusi dalam pengembangan sistem analisis opini pengguna untuk peningkatan kualitas layanan aplikasi digital.
Eksistensi Metode ARIMA, SARIMA dan LSTM dalam Memprediksi Penjualan Salsabila, Nurul Jannah; Gata, Windu
JUSTIN (Jurnal Sistem dan Teknologi Informasi) Vol 13, No 4 (2025)
Publisher : Jurusan Informatika Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/justin.v13i4.76892

Abstract

Prediksi penjualan merupakan fondasi strategis bagi keberlangsungan bisnis karena ketidakakuratan peramalan dapat menimbulkan kerugian signifikan akibat pengelolaan stok yang tidak optimal dan alokasi sumber daya yang kurang tepat. Penelitian ini bertujuan menganalisis dan membandingkan performa tiga metode berbeda dalam memprediksi penjualan harian: ARIMA (Autoregressive Integrated Moving Average), SARIMA (Seasonal Autoregressive Integrated Moving Average), dan LSTM (Long Short-Term Memory Network). Dataset yang digunakan mencakup data penjualan harian Golden Lamian selama tiga tahun (2020-2022) dengan total 1.916 sampel data. Metodologi penelitian mengikuti kerangka CRISP-DM yang terdiri dari enam tahapan sistematis. Eksperimen menggunakan parameter ARIMA (3,0,3), SARIMA (0,0,1) dengan seasonal order (1,1,2), dan arsitektur LSTM standar. Evaluasi performa menggunakan lima metrik: MSE, RMSE, MAE, MAPE, dan R ². Hasil penelitian menunjukkan bahwa LSTM mengungguli kedua metode lainnya dengan nilai RMSE 0.144, R ² 0.785, dan MSE 13.954. Sebaliknya, SARIMA menunjukkan performa terlemah dengan RMSE 0.235 dan R ² 0.372, yang disebabkan oleh ketidakkonsistenan pola musiman akibat dampak pandemi COVID-19. Temuan ini mengindikasikan bahwa metode deep learning seperti LSTM lebih robust dalam menangani fluktuasi data yang ekstrem dan memberikan akurasi prediksi yang lebih baik untuk implementasi bisnis praktis.
Pengembangan Aplikasi Mobile Goods Receipt Menggunakan Framework Flutter di Perusahaan Suku Cadang Otomotif Sinaga, Brigita Kiana Kirara; Haryani, Endang; Cahyono, Ariya Dwika
JUSTIN (Jurnal Sistem dan Teknologi Informasi) Vol 13, No 4 (2025)
Publisher : Jurusan Informatika Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/justin.v13i4.92891

Abstract

Penelitian ini bertujuan untuk mengembangkan aplikasi penerimaan barang berbasis mobile di PT XYZ. Penelitian didorong oleh permasalahan penerimaan barang yang selama ini masih dilakukan secara manual, yaitu tingginya potensi kesalahan pencatatan, keterlambatan dalam proses, dan ketidakakuratan data stok. Pengembangan Goods Receipt Application (GR App) ini menggunakan metode prototipe serta memanfaatkan framework Flutter dan integrasi ke sistem SAP melalui API agar proses pencatatan dapat dilakukan secara real-time. Evaluasi dilakukan melalui uji fungsional untuk memastikan seluruh fitur aplikasi berjalan sesuai kebutuhan, mulai dari pengelolaan Order Sheet, Surat Jalan, pemindaian QR Tag, hingga pengiriman data ke SAP. Evaluasi juga dilakukan untuk mengukur efisiensi aktifitas sebelum dan sesudah penggunaan aplikasi. Hasil pengujian dan evaluasi menunjukkan bahwa seluruh fungsi utama telah berjalan dengan baik tanpa ditemukan kesalahan kritis. Penerapan aplikasi ini mempermudah proses pencatatan penerimaan barang, meningkatkan akurasi data, serta mempercepat alur kerja operasional di PT XYZ. Dengan demikian, sistem ini tidak hanya menggantikan prosedur manual, tetapi juga menghadirkan proses penerimaan barang yang lebih efisien dan terintegrasi. Selain implikasi praktis tersebut, penelitian ini juga memberikan kontribusi ilmiah pada perkembangan literatur dan referensi di bidang sistem informasi logistik, khususnya pada perusahaan manufaktur, serta menjadi penelitian terapan rujukan untuk alternatif pengembangan aplikasi yang terintegrasi dengan sistem SAP.
Pengembangan Sistem Pemantauan Aduan Kehumasan Kurniani, Kezia Trifena; Krisnawati, Lucia Dwi; Chrismanto, Antonius Rachmat
JUSTIN (Jurnal Sistem dan Teknologi Informasi) Vol 13, No 4 (2025)
Publisher : Jurusan Informatika Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/justin.v13i4.95650

Abstract

Sistem pemantauan aduan kehumasan merupakan salah satu cara untuk menangani aduan yang selama ini dilakukan secara manual. Pencatatan secara manual menyebabkan aduan tidak terdokumentasi dengan baik dan dapat menghambat evaluasi layanan perguruan tinggi. Untuk mengatasi hal-hal tersebut maka dikembangkan sebuah sistem pemantauan aduan kehumasan yang dirancang sejalan dengan tujuannya yaitu pengelolaan aduan dan mempermudah tindak lanjut secara efektif dan efisien serta mengedepankan kenyamanan pengguna. Pengembangan sistem menggunakan pendekatan Goal-Directed Design (GDD), yang diawali dengan identifikasi kebutuhan pengguna melalui survei atau wawancara terhadap tiga jenis pengguna: pengguna umum, admin unit, dan super admin. Persona dan skenario penggunaan disusun untuk memastikan bahwa fitur yang dibangun sesuai dengan konteks nyata penggunaan. Penentuan kebutuhan sistem dan desain awal akan dievaluasi hingga menjadi mockup sebelum melakukan implementasi. Hasil pengujian menunjukkan bahwa sistem berfungsi dengan optimal menggunakan metode Goal-Directed Design, yang dilanjutkan dengan pengujian task scenario dan System Usability Scale (SUS). Pada pengujian task scenario, aspek efektivitas mendapat penilaian "extremely effective", menandakan bahwa pengguna mampu menyelesaikan tugas-tugas utama dengan benar dan tanpa hambatan signifikan. Dari segi efisiensi, sistem menunjukkan kinerja yang tinggi, terlihat dari penyelesaian tugas yang cepat serta minimnya kesalahan oleh pengguna. Sementara itu, hasil pengujian SUS menghasilkan skor 80,66, yang tergolong dalam Grade B dengan penilaian "Good" berdasarkan adjective rating, dan termasuk kategori "Acceptable" menurut standar kelayakan sistem. Ini mengindikasikan bahwa sistem memiliki tingkat kegunaan yang sangat baik.
Eksperimental Riset Rekondisi Baterai Lead Acid Berkapasitas 40 Ah dengan Penggantian Material Pb Fahlendi, M Reza; Sofijan, Armin
JUSTIN (Jurnal Sistem dan Teknologi Informasi) Vol 13, No 4 (2025)
Publisher : Jurusan Informatika Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/justin.v13i4.89403

Abstract

Penyimpanan energi listrik sebagai catu daya berupa baterai Lead Acid yang terdiri dari dua macam plat elektroda yaitu elektroda positif dan elektroda negatif serta larutan pekat asam sulfur (H2SO4) dicampur Air (H2O) sebagai media penghantar yang dapat menghasilkan energi listrik dari proses elektrokimia dari ketiga komponen baterai menghasilkan kutub positif (katoda) dan kutub negatif (anoda) terjadi proses Charging (Charging otomatis) bila terjadi proses Discharging maupun Charging yang berlebihan mengakibatkan kerusakan pada elemen elektroda. Penelitian ini bertujuan untuk melakukan rekondisi baterai dengan mengganti material pada komponen baterai yang sudah rusak ke komponen baru dan bagus serta melakukan perhitungan efisiensi pada baterai rekondisi lebih besar atau sama dengan 60%. Perekaman data penelitian ini menggunakan data loger yang dapat merekam data arus, tegangan secara Real time permenit. Kinerja baterai rekondisi dibandingkan dengan baterai baru sebesar 75% dengan   menggunakan beban lampu 60 Watt adalah 30 jam dan 40 jam terjadi proses discharging baterai. Dari proses discharging tersebut   didapatkan efisiensi baterai pada baterai baru adalah 90% dan efisiensi baterai pada baterai rekondisi adalah 68%. Data Ekperimental Rekondisi sebesar 75% lebih, disimpulkan bahwa baterai rekondisi masih sangat layak untuk di gunakan.

Page 1 of 2 | Total Record : 14