cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
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)
Published by Universitas Tanjungpura
ISSN : 24603562     EISSN : 26208989     DOI : http://dx.doi.org/10.26418/justin
Core Subject : Science,
Computer Science & IT
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.
Arjuna Subject : Ilmu Komputer (semua kategori) - Ilmu Komputer (Lain-Lain)
Articles 13 Documents
 1   2 
Search results for , issue "Vol 14, No 2 (2026)" : 13 Documents clear
Peramalan Harga Minyak Goreng Sawit di Indonesia: Perbandingan Model ARIMAX-GARCH, SVR, dan LSTM Yulianto, Mukhamad Dinda Manis; Utomo, Agung Priyo
JUSTIN (Jurnal Sistem dan Teknologi Informasi) Vol 14, No 2 (2026)
Publisher : Jurusan Informatika Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/justin.v14i2.97766

Abstract

Fluktuasi harga minyak goreng sawit sebagai komoditas pangan strategis memiliki dampak langsung terhadap inflasi dan stabilitas ekonomi rumah tangga di Indonesia. Meskipun berbagai penelitian telah mengembangkan model peramalan harga berbasis statistik konvensional maupun machine learning, sebagian besar masih membandingkan metode dalam pendekatan yang sama serta jarang mengintegrasikan indikator permintaan berbasis big data. Penelitian ini menawarkan kontribusi baru dengan membandingkan secara langsung pendekatan statistik konvensional ARIMAX–GARCH dan metode machine learning, yaitu Support Vector Regression (SVR) dan Long Short-Term Memory (LSTM), dalam meramalkan harga minyak goreng sawit kemasan di Indonesia, dengan memasukkan Indeks Google Trends sebagai proksi sisi permintaan. Hasil evaluasi menunjukkan bahwa model ARIMAX(2,1,2)–GARCH(1,1) menghasilkan kinerja terbaik dengan RMSE sebesar 1.274,29 dan MAPE 4,89%, dibandingkan dengan model SVR dan LSTM. Keunggulan model ini terletak pada kemampuannya dalam memodelkan heteroskedastisitas dan fenomena volatility clustering yang umum terjadi pada data harga pangan, sehingga menghasilkan estimasi titik dan interval peramalan yang lebih andal. Model terpilih memproyeksikan harga minyak goreng sawit cenderung menurun secara bertahap dari Rp21.692 pada Januari 2025 menjadi sekitar Rp20.988 pada Desember 2025. Hasil penelitian ini dapat dimanfaatkan oleh Kementerian Perdagangan sebagai komponen utama dalam pengembangan sistem peringatan dini harga minyak goreng sawit, dengan memanfaatkan interval kepercayaan sebagai sinyal awal untuk mempertimbangkan intervensi pasar, seperti operasi pasar atau kebijakan Domestic Market Obligation (DMO), guna menjaga stabilitas harga dan ketersediaan pasokan domestik.
Sistem Informasi Manajemen dan Peramalan Penjualan Obat pada Apotek Iliran Farma dengan Metode Holt-Winters Asfar, Thomas Nobel; Rahmadoni, Jefril; Nirad, Dwi Welly Sukma
JUSTIN (Jurnal Sistem dan Teknologi Informasi) Vol 14, No 2 (2026)
Publisher : Jurusan Informatika Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/justin.v14i2.100181

Abstract

Pengelolaan persediaan obat merupakan komponen penting dalam operasional apotek untuk mendukung pelayanan kefarmasian yang berkualitas. Penelitian ini mengkaji permasalahan pengelolaan stok obat di Apotek Iliran Farma, Kota Padang, Sumatera Barat, yang menggunakan sistem informasi dengan fungsionalitas terbatas sehingga kurang efisien. Sistem ini tidak memiliki fitur peringatan stok minimum, pelacakan nomor batch, pemantauan tanggal kedaluwarsa, maupun peramalan penjualan berbasis data historis yang menyebabkan risiko kehabisan stok, penumpukan obat kurang laku, serta kesulitan dalam pelacakan obat bermasalah. Tujuan penelitian ini adalah membangun sistem informasi manajemen dan peramalan penjualan obat berbasis web dengan metode Holt-Winters untuk meningkatkan efisiensi pengelolaan persediaan dan mendukung perencanaan pengadaan obat secara akurat. Metodologi penelitian meliputi studi literatur, observasi, wawancara, dan analisis dokumen, dengan metode pengembangan sistem menggunakan model Waterfall. Pengembangan sistem informasi ini dikembangkan menggunakan pendekatan Waterfall, dengan Hono dan FastAPI untuk backend, React untuk frontend, serta PostgreSQL sebagai basis data. Hasil pengujian black box mengonfirmasi bahwa semua fungsionalitas berjalan sesuai spesifikasi. Fitur peramalan penjualan menghasilkan nilai agregat Mean Absolute Percentage Error (MAPE) sebesar 18,8%, yang menunjukkan tingkat akurasi prediksi yang baik. Simulasi proses bisnis menunjukkan peningkatan efisiensi yang signifikan: 80,7% pada manajemen inventori, 91,8% pada penanganan obat kedaluwarsa, dan 8,8% pada proses penjualan. Sistem ini terbukti mampu meningkatkan efisiensi operasional, akurasi perencanaan, serta pengambilan keputusan berbasis data.
Strategi Produk Bundling Tanaman Hias Berbasis Data Mining Menggunakan Algoritma FP-Growth Adiwijaya, Fakhrian Fadlia; Ranau, Muhammad Ikhlas Naufalsyah; Hermawati, Maya
JUSTIN (Jurnal Sistem dan Teknologi Informasi) Vol 14, No 2 (2026)
Publisher : Jurusan Informatika Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/justin.v14i2.94360

Abstract

Bundling merupakan strategi pemasaran yang penting bagi perusahaan, terutama untuk melakukan bundling pada penjualan tanaman hias. Saat ini metode bundling yang dilakukan masih menggunakan metode manual yang tidak memberikan keuntungan optimal dan kurang sesuai dengan pola pembelian konsumen. Pada penelitian ini bertujuan untuk mengotomatisasi penentuan paket bundling menggunakan data mining dengan metode association rule menggunakan algoritma FP-Growth. Metodologi yang digunakan untuk membangun data mining ini menggunakan CRISP-DM yang mencakup tahapan business understanding hingga deployment. Kontribusi utama penelitian ini adalah integrasi pola asosiasi hasil mining dengan kebijakan bisnis perusahaan dengan menggabungkan produk terlair, tidak laris, dan produk baru untuk meningkatkan relevansi paket. Hasil analisis terdapat 814 data transaksi dan menghasilkan 10 aturan asosiasi unik dengan tingkat confidence mencapai 80%. Sistem yang dibangun berbasis website yang dikembangkan mampu menyajikan 10 rekomendasi paket bundling lengkap dengan estimasi harga dan keuntungan yang mungkin diterima oleh perusahaan. Pengujian black-box mengonfirmasi bahwa sistem berfungsi secara akurat dan mendukung pengambilan keputusan strategi pemasaran perusahaan.
IMPLEMENTASI ARSITEKTUR MOBILENETV2 UNTUK KLASIFIKASI RUMAH ADAT BERBASIS ANDROID Putra, Theofilus Dewa Arya Reinanta; Riti, Yosefina Finsensia
JUSTIN (Jurnal Sistem dan Teknologi Informasi) Vol 14, No 2 (2026)
Publisher : Jurusan Informatika Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/justin.v14i2.97977

Abstract

Rumah adat Nusa Tenggara Timur (NTT) merupakan warisan budaya yang kaya namun belum banyak terdokumentasi secara digital. Penelitian ini mengimplementasikan arsitektur MobileNetV2 berbasis transfer learning untuk mengklasifikasikan lima jenis rumah adat NTT, yaitu Bajawa, Ende, Pulau Timor, Sumba, dan Wae Rebo, menggunakan dataset sebanyak 1.125 citra yang dikumpulkan dari Google Images dengan pembagian 70% data latih dan 30% data uji. Untuk meningkatkan generalisasi model, diterapkan augmentasi data meliputi rotasi, pergeseran, zoom, dan penyesuaian kecerahan. Perbandingan dilakukan terhadap tiga arsitektur—MobileNetV2, MobileNetV3Small, dan ResNet50—dengan dua optimizer (SGD dan Adam), menggunakan konfigurasi epoch 50, batch size 32, dan learning rate 0,0001. Hasil evaluasi menunjukkan bahwa MobileNetV2 dengan optimizer SGD mencapai performa terbaik dengan akurasi, presisi, recall, dan F1-score masing-masing sebesar 0,98. Model ini kemudian dikonversi ke format TensorFlow Lite dan diintegrasikan ke dalam aplikasi Android berbasis React Native. Penelitian ini berkontribusi dalam menyediakan benchmark komparatif arsitektur deep learning ringan untuk klasifikasi citra budaya, sekaligus mendukung upaya digitalisasi dan pelestarian warisan budaya NTT melalui teknologi mobile.
PEMETAAN PREDIKSI STUNTING BERBASIS SPASIAL DENGAN MODEL CNN Lukmana, Hen Hen; Al-Husaini, Muhammad; Puspareni, Luh Desi
JUSTIN (Jurnal Sistem dan Teknologi Informasi) Vol 14, No 2 (2026)
Publisher : Jurusan Informatika Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/justin.v14i2.100743

Abstract

Stunting masih menjadi isu kesehatan masyarakat prioritas di Indonesia, sehingga diperlukan dukungan analitik untuk memetakan wilayah prioritas intervensi. Penelitian ini mengembangkan sistem pemetaan risiko stunting berbasis geospasial untuk Kota Tasikmalaya dengan memadukan kerangka CRISP-DM, praktik MLOps, dan model Convolutional Neural Network (CNN) dual-input yang menggabungkan citra raster dan fitur numerik. Data berasal dari 1.824 rekaman periode 2020–2023 dari 27 puskesmas melalui API Open Data, kemudian diproses melalui pembersihan, normalisasi, dan integrasi spasial. Evaluasi pada data uji menunjukkan CNN dual-input mencapai akurasi 92,05%, precision 89,19%, recall 91,03%, F1-score 90,10%, dan spesifisitas 92,73% (TP=132, FP=16, FN=13, TN=204). Untuk menilai keunggulan model secara lebih objektif, dilakukan pembandingan dengan baseline numerik: Logistic Regression (akurasi 87,40%; F1 84,46%), Random Forest (akurasi 89,32%; F1 86,69%), dan XGBoost (akurasi 90,14%; F1 87,76%). Hasil menunjukkan integrasi informasi spasial dan numerik meningkatkan kestabilan deteksi dibanding baseline numerik. Sistem kemudian disajikan dalam peta interaktif berbasis Streamlit untuk mendukung pengambilan keputusan. Namun, studi ini terbatas pada data sekunder dari satu kota dan bergantung pada kualitas pelaporan, sehingga validasi lintas wilayah serta evaluasi spasial-temporal diperlukan sebelum penerapan yang lebih luas..
Analisis Perbandingan Arsitektur EfficientNetV2B0 dan Xception pada Klasifikasi Tumbuhan Obat Berdasarkan Citra Daun Billkis, Vidya Sinta; Heningtyas, Yunda; Wartariyus, Wartariyus; Trisitiyanto, Trisitiyanto
JUSTIN (Jurnal Sistem dan Teknologi Informasi) Vol 14, No 2 (2026)
Publisher : Jurusan Informatika Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/justin.v14i2.95980

Abstract

Indonesia memiliki keanekaragaman tumbuhan obat yang tinggi, namun proses klasifikasinya masih sering dilakukan secara manual dan kurang efisien, terutama karena kemiripan bentuk daun antar tumbuhan. Untuk mengatasi hal ini, pendekatan klasifikasi berbasis deep learning dapat dilakukan sebagai solusi yang lebih akurat dan otomatis. Penelitian ini membandingkan performa dua arsitektur deep learning, yaitu EfficientNetV2B0 dan Xception, dalam mengklasifikasikan tumbuhan obat berdasarkan citra daun. Dataset yang digunakan terdiri dari 3000 citra daun tunggal dari 10 jenis tumbuhan obat, yang gambarnya diperoleh melalui pengambilan secara langsung. Tahapan penelitian meliputi pengumpulan data, preprocessing data, training model menggunakan transfer learning, serta evaluasi performa dengan confussion matrix. Hasil menunjukkan bahwa EfficientNetV2B0 mencapai akurasi 99.67%, lebih tinggi dibandingkan Xception dengan 98.33%, serta memiliki waktu training yang lebih efisien. Kedua model kemudian diintegrasikan ke dalam aplikasi berbasis web untuk mempermudah klasifikasi tumbuhan obat secara praktis dan akurat.
Pembangunan Ulang Aplikasi Kopistat (Kompilasi Pilihan Data Statistik) BPS Kabupaten Bojonegoro Dewi, Anastasya Kunsita; Santoso, Ibnu
JUSTIN (Jurnal Sistem dan Teknologi Informasi) Vol 14, No 2 (2026)
Publisher : Jurusan Informatika Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/justin.v14i2.98057

Abstract

Badan Pusat Statistik (BPS) Kabupaten Bojonegoro mengembangkan aplikasi Kopistat sebagai media diseminasi data statistik daerah berbasis Android. Namun, aplikasi ini masih memiliki keterbatasan berupa data yang bersifat statis, tidak terintegrasi dengan basis data maupun API eksternal, dokumentasi sistem yang terbatas, serta tampilan antarmuka yang belum optimal. Penelitian ini bertujuan untuk membangun ulang aplikasi Kopistat agar mendukung pembaruan data secara dinamis, meningkatkan kualitas antarmuka pengguna, serta mengevaluasi fungsionalitas dan kegunaan sistem. Pengembangan sistem dilakukan menggunakan metode System Development Life Cycle (SDLC) model modified waterfall dengan mengintegrasikan aplikasi Android ke API BPS dan basis data internal, serta membangun web admin sebagai sarana pengelolaan data. Evaluasi sistem meliputi pengujian fungsional menggunakan metode Black-Box Testing, pengujian kegunaan menggunakan System Usability Scale (SUS), dan evaluasi pengalaman pengguna web admin menggunakan metode Thinking Aloud. Hasil pengujian Black-Box menunjukkan seluruh fitur aplikasi berjalan sesuai dengan spesifikasi sistem. Pengujian SUS yang melibatkan 37 responden memperoleh skor 76,62, yang menunjukkan tingkat kegunaan aplikasi berada pada kategori baik dan dapat diterima. Evaluasi Thinking Aloud dengan melibatkan satu responden, yaitu pegawai BPS Kabupaten Bojonegoro yang bertugas sebagai admin sistem menunjukkan bahwa alur penggunaan web admin mudah dipahami tanpa kendala signifikan. Secara keseluruhan, pembangunan ulang aplikasi Kopistat meningkatkan fleksibilitas pengelolaan data, kualitas antarmuka, dan efektivitas diseminasi data statistik daerah di BPS Kabupaten Bojonegoro.
Penerapan DeLone & McLean Dan UTAUT Terhadap Kepuasan dan Kepercayaan Pengguna Alfagift Noor Annisa, Tasya Kyranie; Hidayatulloh, Taufik; Oktapiani, Renny
JUSTIN (Jurnal Sistem dan Teknologi Informasi) Vol 14, No 2 (2026)
Publisher : Jurusan Informatika Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/justin.v14i2.97032

Abstract

Pada tahun 2019 Alfamart meluncurkan aplikasi belanja kebutuhan sehari-hari secara daring, yang menawarkan berbelanja lebih praktis dan efisien. Tetapi, terdapat beberapa ulasan permasalahan yang dialami oleh sebagian pengguna, diantaranya aplikasi terkadang lambat, error, tidak bisa login, kendala terkait transaksi pembayaran, pengiriman tidak sesuai dengan pemilihan waktu pengiriman, dan layanan pelanggan yang kurang tanggap memberikan solusi. Tujuan penelitian ini untuk menganalisa kepuasan dan kepercayaan pengguna Alfagift di Kota Sukabumi dengan pendekatan DeLone & McLean dan UTAUT, besar tingkat kepuasan dan kepercayaan pengguna, dan merumuskan rekomendasi strategis berdasarkan faktor apa saja yang perlu ditingkatkan. Menggunakan enam variabel utama dari model DeLone McLean 2003, dua variabel dari UTAUT, dan satu variabel modifikasi kepercayaan. Hasil menunjukkan dari 16 hipotesis 10 diantaranya diterima dan enam tidak diterima. Besar tingkat kepuasan dan kepercayaan menunjukkan 85%, untuk 15% kekurangannya menjadi dasar penyusunan strategi perbaikan kualitas sistem informasi agar selaras dengan kebutuhan dan harapan pengguna.
Analisis Implementasi Honeypot dan Firewall Mikrotik dalam Meningkatkan Keamanan Jaringan Server Januantoro, Ardy; Supangat, Supangat; Hermanto, Agus; Afifuddin, Fadli Bilal; Ramadhan, Hikmawan Nugie
JUSTIN (Jurnal Sistem dan Teknologi Informasi) Vol 14, No 2 (2026)
Publisher : Jurusan Informatika Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/justin.v14i2.98337

Abstract

Serangan terhadap jaringan server semakin meningkat, terutama dengan memanfaatkan kelemahan pada layanan yang diekspos melalui IP publik. Upaya mitigasi memerlukan strategi berlapis, salah satunya dengan penerapan firewall dan honeypot. Penelitian ini bertujuan menganalisis efektivitas implementasi firewall Mikrotik dan honeypot berbasis Cowrie dalam mendeteksi serta mencegah berbagai bentuk serangan, seperti port scanning, brute-force login, file upload berbahaya, hingga ICMP flood. Hasil pengujian menunjukkan bahwa tanpa firewall, port terdeteksi terbuka dan proses brute-force hanya membutuhkan waktu sekitar 10 detik untuk berhasil melakukan login. Dengan firewall, port terfilter secara acak, proses brute-force gagal atau timeout, dan serangan login tidak berhasil. Implementasi honeypot mencatat 20 percobaan login SSH, 18 upaya unggah file berbahaya, 231 eksekusi perintah Linux, dan 96 aktivitas port scanning. Analisis keseluruhan memperlihatkan bahwa firewall Mikrotik mampu menurunkan tingkat keberhasilan serangan, sementara honeypot berfungsi efektif sebagai sistem deteksi dini dan sumber data serangan. Meskipun konsumsi CPU server meningkat sedikit, kombinasi kedua mekanisme ini terbukti meningkatkan keamanan jaringan server
Studi Faktor Resistensi dan Solusi dalam Fitur Pengurangan Jejak Karbon dalam Aplikasi Gojek Wibowo, Vania Malinda; Maghfiroh, Intan Sartika Eris; Akbar, Muhammad Aminul
JUSTIN (Jurnal Sistem dan Teknologi Informasi) Vol 14, No 2 (2026)
Publisher : Jurusan Informatika Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/justin.v14i2.90433

Abstract

Peningkatan jumlah kendaraan bermotor di Indonesia menyebabkan peningkatan emisi. Untuk mengatasi masalah ini, Gojek meluncurkan fitur Pohon Kolektif GoGreener yang memungkinkan pengguna berkontribusi dalam penanaman pohon. Namun, fitur ini belum banyak digunakan, terutama oleh mahasiswa Fakultas Ilmu Komputer Universitas Brawijayab (mayoritas sebesar 60,5% tidak mengetahui adanya fitur) . Sehingga penelitian ini dilakukan untuk menemukan faktor dari resistensi pasif dalam penggunaan fitur dan memberikan rekomendasi solusi untuk mendorong peningkatan adopsi fitur. Pendekatan kualitatif dengan metode wawancara semi-terstruktur digunakan untuk mengumpulkan data dari pengguna aktif Gojek yang belum pernah menggunakan fitur dan tidak pernah tahu terkait keberadaan, serta informasi tentang fitur. Analisis tematik mengungkap tujuh faktor penghambat: (1) rendahnya pengetahuan tentang cara kerja fitur (100% responden), (2) ketidakpahaman manfaat (63,6%), (3) persepsi biaya merugikan karena mengurangi kesempatan promo, (4) minimnya dukungan sosial (seluruh responden tidak pernah diajak menggunakan), (5) personal norms yang lemah (63,6% merasa upaya sia-sia tanpa bukti transparansi), (6) budaya dan kebiasaan yang belum mendukung, serta (7) keterlihatan fitur rendah dalam aplikasi (54,5%). Rekomendasi yang diusulkan meliputi peningkatan transparansi program melalui laporan dampak periodik, optimalisasi penempatan fitur pada layanan GoCar dan GoRide, inovasi model pembayaran yang tidak membebani, serta pemberian insentif untuk mendorong adopsi awal.

Page 1 of 2 | Total Record : 13

 1   2 

Filter by Year

2026 2026


Reset
Filter By Issues
All Issue Vol 14, No 2 (2026) Vol 14, No 1 (2026) Vol 13, No 4 (2025) Vol 13, No 3 (2025) Vol 13, No 2 (2025) Vol 13, No 1 (2025) Vol 12, No 4 (2024) Vol 12, No 3 (2024) Vol 12, No 2 (2024) Vol 12, No 1 (2024) Vol 11, No 4 (2023) Vol 11, No 3 (2023) Vol 11, No 2 (2023) Vol 11, No 1 (2023) Vol 10, No 4 (2022) Vol 10, No 3 (2022) Vol 10, No 2 (2022) Vol 10, No 1 (2022) Vol 9, No 4 (2021) Vol 9, No 3 (2021) Vol 9, No 2 (2021) Vol 9, No 1 (2021) Vol 8, No 4 (2020) Vol 8, No 3 (2020) Vol 8, No 2 (2020) Vol 8, No 1 (2020) Vol 7, No 4 (2019) Vol 7, No 3 (2019) Vol 7, No 2 (2019) Vol 7, No 1 (2019) Vol 6, No 4 (2018) Vol 6, No 3 (2018) Vol 6, No 2 (2018) Vol 6, No 1 (2018) Vol 5, No 4 (2017) Vol 5, No 3 (2017) Vol 5, No 2 (2017) Vol 5, No 1 (2017) Vol 4, No 3 (2016) Vol 4, No 2 (2016) Vol 4, No 1 (2016) Vol 3, No 3 (2015) Vol 3, No 2 (2015) Vol 3, No 1 (2015) Vol 2, No 3 (2014) Vol 2, No 2 (2014) Vol 2, No 1 (2014) Vol 1, No 3 (2013) Vol 1, No 2 (2013) Vol 1, No 1 (2013) More Issue