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 661 Documents
Analisis Skalabilitas Web Server Apache Tomcat, Node.Js Dan Go Pada Protokol Hypertext Transfer Protocol (HTTP) Dan Message Queue Telemetry Transport (MQTT) Pragestu, Steven; Sujaini, Herry; Ripanti, Eva Faja
JUSTIN (Jurnal Sistem dan Teknologi Informasi) Vol 11, No 4 (2023)
Publisher : Jurusan Informatika Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/justin.v11i4.71607

Abstract

Dalam era digital saat ini, web server memainkan peran yang sangat penting dalam melayani permintaan pengguna melalui protokol Hypertext Transfer Protocol (HTTP). Apache Tomcat adalah sebuah web server yang dapat menjalankan Java web application. Node.js adalah runtime environment JavaScript yang memiliki kecepatan eksekusi yang tinggi dan model non-blocking I/O. Web server Go adalah web server yang dibangun menggunakan bahasa pemrograman Go yang menawarkan kecepatan eksekusi yang tinggi, pengelolaan memory yang efisien, dan kemampuan penanganan concurrency yang baik. Selain protokol HTTP, protokol Message Queuing Telemetry Transport (MQTT) juga penting dalam industri Internet of Things (IoT). MQTT adalah protokol ringan yang digunakan untuk pertukaran pesan antara perangkat IoT. Penelitian mengenai analisis skalabilitas web server Apache Tomcat, Node.js, dan Go pada protokol HTTP dan MQTT dilakukan untuk mengetahui kemampuan dari masing-masing platform dalam menangani peningkatan beban kerja dan menemukan web server yang memiliki skalabilitas terbaik. Penelitian ini dilakukan secara offline pada topologi jaringan Local Area Network (LAN), menggunakan Mosquitto broker sebagai MQTT broker dan metode load testing dalam pengujian web server. Adapun skenario pengujian yang digunakan pada penelitian ini adalah masing-masing web server akan dikirim pesan yang berformat JSON oleh 200-1000 client setiap 500 ms selama 5 menit dan QoS 2 untuk publish-subscribe yang disimulasikan dengan menggunakan aplikasi Apache Jmeter. Dari analisis hasil pengujian, didapatkan bahwa pada web server Go pada protokol HTTP memiliki tingkat skalabilitas yang terbaik dibandingkan dengan web server pembanding lainnya dikarenakan memiliki peningkatan throughtput yang stabil seiring dengan meningkatnya jumlah user dan memiliki nilai throughput yang tertinggi.
NEURAL NETWORK OPTIMIZATION USING ENSEMBLE METHOD IN FORECASTING FINANCIAL DATA Imelda Saluza; Hartati Hartati
JUSTIN (Jurnal Sistem dan Teknologi Informasi) Vol 10, No 4 (2022)
Publisher : Jurusan Informatika Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/justin.v10i4.50771

Abstract

Forecasting is a time series data analysis technique for predicting future data by obtaining patterns of change in past data. Exponential smoothing, AutoRegressive Integrated Moving Average (ARIMA), and Box-Jenkins are common forecasting algorithms for linear time series data. Meanwhile, models such as Artificial Neural Networks (ANN), Fuzzy, and others are frequently utilized for nonlinear time series data. One of the most generally used model selection procedures is to evaluate each model that has been trained in time series data learning and then used to predict the model's performance, and then allow the forecaster determine if the model is acceptable or choose the best model from a list of candidates. Forecasts created with the best model, on the other hand, rarely produce generalized outcomes for the full data set. As a result, it's crucial to put the results of the learning training to the test. The ensemble method is employed instead of learning from a large number of models. The objective of this research is to apply ANN and the Ensemble Approach to optimize a forecasting model. When forecasting with a neural network, the ensemble approach is used to limit the occurrence of over fitting so that the resulting model can beat individual NN models and be consistent in lowering mistakes.
Analisis Sentimen Citayam Fashion Week menggunakan Support Vector Machine Ichsan Firmansyah; B. Herawan Hayadi
JUSTIN (Jurnal Sistem dan Teknologi Informasi) Vol 10, No 4 (2022)
Publisher : Jurusan Informatika Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/justin.v10i4.56665

Abstract

Fashion show merupakan salah satu ajang untuk mengekspresikan diri dalam bentuk busana, dan juga sebagai wadah bagi seseorang untuk menyampaikan pesan tertentu bagi komunitas disekitarnya. Pergelaran peragaan busana Citayam Fashion Week yang cukup trending di media sosial, memberikan beberapa respon dari netizen, khususnya di media sosial tweeter. Penelitian ini bertujuan untuk menganalisa sentimen netizen yang dikumpulkan dari hasil crawling tweet media sosial Twitter, yang kemudian dianalisis nilai-nilai sentimen di dalamnya. Nilai-nilai ini kemudian dikelompokkan menggunakan algoritma k-means clustering, untuk seterusnya digunakan sebagai kategori target dalam proses klasifikasi menggunakan algoritma support vector machine. Hasil yang diperoleh dalam penelitian ini adalah dari tiga cluster yang dibentuk, 38,6% respon dari tweet menyatakan sentimen positif, 40,4% menyatakan sentimen netral, dan 21% menyatakan respon negatif. Hasil klasifikasi menggunakan algoritma SVM menunjukkan akurasi, presisi dan sensitivitas yang cukup baik untuk masing-masing cluster yang terbentuk, dengan rata-rata nilai sebesar 98,75%, 98,96%, dan 97,48%.
Aplikasi Pencarian Tutor Private Menggunakan Metode Profile Matching Sherly Christina; Intan Berliana Putri; Enny Dwi Oktaviyani; Deddy Ronaldo
JUSTIN (Jurnal Sistem dan Teknologi Informasi) Vol 11, No 2 (2023)
Publisher : Jurusan Informatika Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/justin.v11i2.54426

Abstract

Proses belajar-mengajar merupakan salah satu aktifitas kehidupan masyarakat yang mengalami dampak masif karena pandemi Covid-19. Pembatasan interaksi sosial yang mengakibatkan banyak siswa harus belajar mandiri, menyebabkan kebutuhan akan jasa Tutor Private meningkat. Bersamaan dengan itu muncul juga kebutuhan akan teknologi informasi yang dapat mengatasi keterbatasan mobilitas masyarakat di era Pandemi, untuk menemukan jasa Tutor Private yang memenuhi standar kebutuhan. Oleh karena itu, penelitian ini bertujuan untuk membangun sebuah aplikasi berbasis website bagi pengelolaan data-data Tutor Private yang didukung oleh Sistem Penunjang Keputusan untuk membantu masyarakat melakukan pencarian jasa Tutor. Sistem Penunjang Keputusan menerapkan metode Profile Matching, untuk merekomendasikan profil Tutor Private berdasarkan kriteria-kriteria yang diinginkan oleh masyarakat, seperti mata pelajaran yang ingin dibimbing, pengalaman mengajar, usia Tutor, biaya mengajar, jadwal belajar dan sarana belajar yang disediakan oleh Tutor. Penelitian ini menerapkan beberapa tahapan metode Waterfall yaitu : analisis kebutuhan, desain, pembuatan kode program, dan pengujian. Hasil pengujian black box  menunjukkan bahwa fitur-fitur pada aplikasi ini telah berfungsi sesuai dengan tujuan. Website ini dapat merekomendasikan profil Tutor berdasarkan  perankingan yang mendekati kriteria inputan pengguna sistem, dengan melakukan pencocokan dan penyeleksian kriteria pada sistem. 
Evaluasi Kepuasan Pengguna pada Sistem Informasi Akademik (SIMAK) Universitas Sriwijaya dengan Menggunakan Metode PIECES Framework Siti Nurhanifah; Dwi Rosa Indah
JUSTIN (Jurnal Sistem dan Teknologi Informasi) Vol 11, No 2 (2023)
Publisher : Jurusan Informatika Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/justin.v11i2.56574

Abstract

Sistem informasi akademik merupakan salah satu sistem informasi yang diterapkan oleh Universitas Sriwijaya guna memudahkan pengolahan data administrasi yang dilakukan secara elektronik bagi mahasiswa di Universitas Sriwijaya. Agar SIMAK dapat memberikan pelayanan yang maksimal kepada pengguna khususnya mahasiswa, perlu dilakukannya evaluasi kepuasan pengguna dengan tujuan, dapat mengetahui seberapa puas mahasiswa dalam menggunakan SIMAK, kemudian dapat mengetahui hambatan-hambatan yang sering dihadapi oleh mahasiswa berdasarkan analisa metode PIECES Framewok. Berdasarkan hasil penelitian didapatkan hasil rata-rata tingkat kepuasan mahasiswa dalam menggunakan SIMAK yakni pada variabel Performance mendapatkan nilai sebesar 3.75 (PUAS), pada variabel Information and Data mendapatkan nilai sebesar 3.96 (PUAS), pada variabel Economics mendapatkan nilai sebesar 3.74 (PUAS), pada variabel Control and Security mendapatkan nilai sebesar 3.90 (PUAS), pada variabel Efficiency  mendapatkan nilai sebesar 4.09 (PUAS), pada variabel Service mendapatkan nilai sebesar 4.13 (PUAS). Semua variabel dalam analisis PIECES yang digunakan untuk mengukur seberapa puas mahasiswa dalam menggunakan SIMAK berada pada kategori Puas. Walaupun setiap variabel masuk dalam kategori puas, akan tetapi masih banyak mahasiswa yang memberikan penilaian yang tidak memuaskan terhadap SIMAK, sehingga perlu adanya peningkatan kualitas pelayanan agar lebih maksimal.
Implementasi Pengembangan Web Menggunakan Teknologi MERN Stack pada Sistem Informasi Akademik Siswa Berbasis Web Nadya Hanifah Kamal; Aris Gunaryati
JUSTIN (Jurnal Sistem dan Teknologi Informasi) Vol 11, No 3 (2023)
Publisher : Jurusan Informatika Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/justin.v11i3.53350

Abstract

Dalam keadaan pandemi seperti sekarang, sekolah di Indonesia menyelenggarakan aktivitas pembelajaran secara online atau daring untuk mengurangi kegiatan tatap muka. Namun, untuk kegiatan pengambilan laporan nilai atau raport masih dilakukan secara offline sehingga siswa diharuskan datang ke sekolah dimana kegiatan tersebut dinilai kurang efektif.  Dalam penulisan nilai pada raport harus sangat berhati-hati agar meminimalisir kesalahan penulisan. Maka, dengan masalah tersebut dibuatlah sistem informasi akademik siswa berbasis web yang diharapkan dapat bermanfaat bagi guru dan siswa. Web ini dapat diakses kapan saja dan dimana saja dengan menggunakan multiuser yang dapat diakses guru dan siswa sehingga diharapkan menjadi lebih efisien dalam penulisan data dan efektif penggunaannya bagi semua pihak. Dengan menggunakan teknologi MERN Stack (MongoDB, Express, React, Node) yang merupakan kombinasi dari beberapa teknologi tersebut yang bertujuan agar performa web menjadi web dinamis dalam proses kelola datanya. Hasil pengujian dari teknologi MERN Stack dalam web ini sangat dinamis sehingga hasil yang diperoleh sesuai antara input dan outputnya. Penggunaan rata-rata waktu dan memori minimum jika dilakukan percobaan pada 20 user, yaitu untuk metode get waktunya adalah 38 ms dan memorinya 1.3 KB, metode post rata-rata waktu 661 ms dan memori 1.2 KB, kemudian untuk metode put rata-rata waktu 62 ms dan memori 1.4 KB, sehingga teknologi MERN Stack baik untuk pengembangan web.
Analisis Hierarchical Dan Non-Hierarchical Clustering Untuk Pengelompokkan Potensi Ekonomi Kelautan Indonesia 2021 Rinald Parulian Butar Butar
JUSTIN (Jurnal Sistem dan Teknologi Informasi) Vol 11, No 3 (2023)
Publisher : Jurusan Informatika Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/justin.v11i3.67283

Abstract

Indonesia merupakan negara dengan wilayah laut yang sangat luas. Hal ini dibuktikan dengan hampir 70% wilayah Indonesia adalah laut dan sisanya daratan. Hal ini membuat pemerintah harus bersiap untuk memanfaatkan kekayaan laut yang dapat membangkitkan industri kelautan dan Perikanan. Sektor kelautan dan Perikanan masuk dalam Program Prioritas nasional yang diharapkan dapat meningkatkan pertumbuhan ekonomi nasional bagi negara. Namun untuk mencapai hal itu, Pemerintah membutuhkan kebijakan di sektor perikanan dan kelautan, tetapi minimnya pengelolaan Klasterisasi potensi perikanan menjadi hambatan bagi pemerintah. Tujuan penelitian yaitu pengelompokkan potensi wilayah produksi perikanan di Indonesia tahun 2021. Penelitian ini membandingkan antara metode klaster hirarki yaitu complete linkage, single linkage, average linkage dan Ward dengan Metode klaster non-hirarki yaitu k-means, k-medoids dan DBSCAN (Density-based Spatial Clustering of Application with Noise). Penentuan metode terbaik klaster hirarki dan jumlah klaster yang paling optimum  yang terdiri dari average linkage, complete linkage, single linkage dan Ward serta metode Non – hierarchical clustering yaitu K-means dan k-medoids adalah dengan Davies-Bouldin Index (DB), Calinski-Harabasz (CH), Silhouette, dan Dunn Index. Kemudian untuk metode DBSCAN adalah dengan membandingkan nilai Silhouette. Setelah ditentukan jumlah klaster terbaik, maka akan dilakukan evaluasi model dengan nilai  Internal Cluster Dispertion Rate. Model clustering terbaik adalah average linkage dengan nilai Internal Cluster Dispertion Rate paling kecil dibandingkan model cluster lainnya. Maka dapat dilihat provinsi dengan potensi ekonomi kelautan yang paling tinggi dan yang paling rendah. Klaster average linkage menghasilkan 2 klaster. Klaster 1 beranggotakan 30 provinsi dengan potensi ekonomi kelautan yang perlu ditingkatkan. Kemudian klaster 2 yang beranggotakan 4 provinsi dengan potensi ekonomi kelautan yang tinggi.
Peramalan Curah Hujan dengan Pengelompokan Bulan Menggunakan Metode Double Exponential Smoothing dari Brown Yuda Novianto; Yessica Nataliani
JUSTIN (Jurnal Sistem dan Teknologi Informasi) Vol 10, No 4 (2022)
Publisher : Jurusan Informatika Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/justin.v10i4.47167

Abstract

It is important to know the future rainfall, the way is to predict rainfall. By knowing future rainfall, development strategies such as irrigation, dams, urban drainage, harbour docks, agriculture, and even disaster mitigation strategies will be right on target. The purpose of this study is to predict the rainfall for Boyolali Regency and Surakarta City, Central Java in 2020-2021 with Brown's double exponential smoothing method. The type of data used is secondary data, which is obtained from the Meteorology, Climatology and Geophysics Agency of Semarang Climatology Station. The smoothing value, alpha, used in each month was varies, because the rainfall data is grouped first based on the same month, before it was forecasted. The results showed that the highest rainfall in 2020 was 490.73 mm (April) and the lowest was 3.25 mm (August). While for 2021, the highest rainfall was 521.37 (April) and the lowest was 3.25 mm (August), with an MSE of 14731.56, RMSE of 121.37, MAD of 97.42, and SSE of 176778.69.
Perbandingan Metode Machine Learning dalam Analisis Sentimen Twitter Yusuf Ansori; Khadijah Fahmi Hayati Holle
JUSTIN (Jurnal Sistem dan Teknologi Informasi) Vol 10, No 4 (2022)
Publisher : Jurusan Informatika Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/justin.v10i4.51784

Abstract

Perbedaan pemahaman di kalangan masyarakat sering terjadi terkait diterbitkannya kebijakan baru oleh pemerintah. Diantaranya adalah kebijakan dalam menangani kasus kekerasan seksual di lingkungan kampus yang tertulis dalam Peraturan Menteri Pendidikan, Kebudayaan, Riset dan Teknologi Nomor 30 Tahun 2021 sehingga diperlukan kajian mendalam dengan melakukan analisis sentimen. Ada banyak algoritma yang digunakan dalam penelitian analisis sentimen, maka dalam penelitian ini peneliti menggunakan 4 algoritma klasifikasi machine learning, yaitu Support Vector Machine, K-Nearest Neighbor, Naïve Bayes Classifier, dan Logistic Regression untuk dilakukan perbandingan performa dari masing-masing algoritma. Data penelitian yang digunakan berjumlah 470 data dengan pembagian 236 tweet berlabel positif dan 238 tweet berlabel negatif yang diambil pada rentang bulan Oktober sampai Desember. Dalam penelitian ini menggunakan perangkat lunak RapidMiner dengan menerapkan teknik k-Fold Cross Validation untuk memisahkan data latih dan data uji secara acak. Terdapat perbedaan performa pada algoritma machine learning yang digunakan untuk analisis sentimen, dari algoritma yang telah diujikan, nilai akurasi tertinggi terdapat pada algoritma Support Vector Machine, yaitu sebesar 69,15%, kemudian nilai presisi tertinggi terdapat pada algoritma K-Nearest Neighbor, sebesar 69,07%, kemudian nilai recall tertinggi terdapat pada algoritma Support Vector Machine sebesar  71,98%, dan nilai f-measure tertinggi terdapat pada algoritma K-Nearest Neighbor yaitu sebesar 68,08%.
Analisis Kualitas Pelayanan Untuk Mengetahui Kepuasan Pelanggan Berdasarkan Customer Satisfication Index Menggunakan Metode E-Service Quality (Studi Kasus : Pengguna Aplikasi Andesta Angelina; Dinna Yunika Hardiyanti; Dinda lestarini
JUSTIN (Jurnal Sistem dan Teknologi Informasi) Vol 11, No 2 (2023)
Publisher : Jurusan Informatika Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/justin.v11i2.56836

Abstract

Penilaian kualitas layanan sebuah aplikasi dibutuhkan agar dapat diketahui bagaimana tingkat kepuasan pengguna aplikasi terhadap pelayanan atau service yang diberikan oleh aplikasi tersebut, agar dapat diketahui dimensi apa saja yang perlu diperbaiki dan juga di tingkatkan. Faktor penentu dalam kemajuan atau kemunduran dari bisnis berbasis elektronik adalah kualitas layanan elektronik itu sendiri. Langkah untuk menilai kesesuaian antara penerimaan pengguna terhadap harapan yang diinginkan oleh pengguna dilakukan dengan penerapan e-service quality [1] Pada penelitian ini menggunakan metode e-service quality yang mencakup tujuh dimensi yaitu : efisiensi, reliabilitas, fulfillment, privasi, daya tanggap, kompensasi, kontak. Pengukuran tingkat kepuasan pelanggan secara keseluruhan digunakan customer satisfication index, kemudian untuk pengukuran kepuasan pengguna per dimensi yaitu didasarkan pada nilai gap setiap pertanyaan. Penelitian yang penulis laksanakan bertujuan untuk mengetahui tingkat kualitas pelayanan elektronik aplikasi pegipegi dengan metode E-Service quality  kemudian mengetahui tingkat kepuasan pengguna secara keseluruhan menggunakan penilaian CSI dan selanjutnya gap analisis untuk mengetahui kepuasan pengguna aplikasi per dimensi. Kemudian memberikan rekomendasi terhadap aplikasi pegipegi berdasarkan penilaian tersebut. Teknik pengambilan sampel yang dilakukan oleh penulis pada penelitian yang telah dilakukan yaitu dengan menggunakan formula Lemeshow. Kemudian didapatkan 126 responden dari populasi seluruh pengguna aplikasi pegipegi. Hasil dari penelitian ini adalah Kepuasan pengguna aplikasi pegipegi berdasarkan perhitungan Customer Satisfaction Index berada di tingkat sangat memuaskan dengan nilai 86.93, namun pada analisis gap masih terdapat selisih kesenjangan dan dimensi yang menjadi prioritas dilakukan perbaikan  adalah dimensi kompensasi adanya peningkatan kinerja mengenai sistem pengemballian uang atau refund saat ada kesalahan pemesanan, ataupun biaya penanganan produk. Kemudian pada dimensi Daya tanggap, contact service harus lebih cepat dalam menanggapi keluhan pelanggan.