cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Tonni Limbong
Contact Email
tonni.budidarma@gmail.com
Phone
+628126705001
Journal Mail Official
tonni.budidarma@gmail.com
Editorial Address
http://ejournal.ust.ac.id/index.php/JTIUST/about/editorialTeam
Location
Kota medan,
Sumatera utara
INDONESIA
Jurnal Teknik Informatika Unika Santo Thomas (JTIUST)
Published by Universitas Katolik Santo Thomas
ISSN : -     EISSN : 26571501     DOI : 10.54367
Core Subject : Science,
Computer Science & IT
Terbit Setiap Bulan Juni dan Desember setiap Tahunnya. Jurnal ini Media publikasi untuk bidang Ilmu Komputer seperti Fuzzy Logic, Teknologi dan Jaringan, Robotika, Komputasi, Mikrokontroller, Arsitektur Komputer, Sistem Cerdas, Rekayasa Web dan Mobile, Sistem Terdistribusi, Sistem Kontrol, Data Spasial, Cloud Computing, Pengolahan Citra, Komputer Grafik, Kriptografy dan bidang Ilmu Komputer sejenis.
Arjuna Subject : Ilmu Komputer (semua kategori) - Ilmu Komputer (Lain-Lain)
Articles 289 Documents
 20   21   22   23   24 
Pengembangan Sistem Notifikasi Real Time untuk Aplikasi Manajemen Persuratan Multiplatform menggunakan Firebase Cloud Messaging dan Application Programming Interface Wahyudin, Asep; Anisyah, Ani; Achmaddifa, Deffin
Jurnal Teknik Informatika UNIKA Santo Thomas Vol 10 No. 1 : Tahun 2025
Publisher : LPPM UNIKA Santo Thomas

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

Abstract

Dalam era digital yang semakin maju, layanan persuratan mengalami transformasi dari sistem konvensional ke elektronik yang dapat diakses melalui aplikasi berbasis website maupun mobile. Layanan ini memegang peranan penting dalam mendukung aktivitas komunikasi formal di berbagai sektor. Namun, salah satu tantangan utama yang dihadapi adalah memastikan informasi dapat diterima secara tepat waktu. Pengembangan sistem notifikasi menjadi solusi yang dapat ditawarkan untuk mengatasi tantangan ini. Penelitian ini dilakukan untuk mengembangkan Sistem Notifikasi Otomatis dalam Konteks Manajemen Surat Menyurat dengan menggunakan metode pengembangan perangkat lunak Waterfall. Pengembangan sistem notifikasi ini dirancang dengan mengintegrasikan Application Programming Interface (API) dan Firebase Cloud Messaging (FCM) sebagai mekanisme pengiriman pesan notifikasi untuk lintas platform secara real time. Hasil penelitian menunjukkan bahwa sistem notifikasi otomatis ini dapat digunakan untuk memudahkan stakeholder dan penerima surat untuk mengetahui informasi surat masuk atau surat keluar secara real time.
Integrasi Artificial Intelligence Pada Aplikasi ERP: Systematic Literature Review Siswanto, Teddy; Sari, Syandra; Hartini, Hartini; Teruri, Shabrina
Jurnal Teknik Informatika UNIKA Santo Thomas Vol 10 No. 1 : Tahun 2025
Publisher : LPPM UNIKA Santo Thomas

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

Abstract

Perkembangan aplikasi ERP mencerminkan upaya terus-menerus untuk mengintegrasikan dan menyederhanakan proses bisnis yang kompleks, dengan memanfaatkan teknologi terbaru untuk meningkatkan efisiensi dan efektivitas operasional perusahaan sesuai peningkatan kebutuhan sistem oleh para pengguna. Adanya peningkatan aplikasi ERP membuat membuat kebutuhan pengguna bertambah. Yang menjadi permasalahan kebutuhan pengguna saat ini tidak berhenti sampai disitu saja namun berkembang ingin dapat memprakiraan apa yang akan terjadi kemudian (predictive), lalu kejadian apa yang sering terjadi dan keputusan apa yang sebaiknya dapat diambil (prescriptive) serta proses keberlanjutan dari pengambilan keputusan dalam bisnisnya. Solusi yang dipilih adalah bagaimana ERP menjadi green software, dengan bantuan integrasi Artificial Intelligence (AI) yang memungkinkan sistem ERP untuk tidak hanya bekerja lebih efisien tetapi juga dengan lebih sedikit sumber daya energi, mengurangi emisi karbon, dan mendukung keberlanjutan lingkungan. Metodologi yang digunakan adalah Systematic Literature Review, melalui tahapan formulasi pertanyaan penelitian, strategi pencarian, ekstraksi data, pemetaan data dan analisis data. Adapun pencarian dilakukan melalui database Scopus pada periode Juli 2024. Dari hasil pencarian ditemukan sebanyak 576 paper dan kemudian setelah diseleksi hanya untuk terbitan 5 tahun terakhir dikarenakan perkembangan cepat untuk bidang teknologi informasi maka diperoleh sebanyak 336 paper. Setelah dilakukan pembatasan area berdasarkan subjek, keyword, tipe dokumen dan bahasa yang digunakan maka diperoleh 174 paper. Hasil penelitian menunjukkan penelitian integrasi Artificial Intelligence dalam Enterprise Resource Planning terbagi menjadi 2 (dua) cluster utama yaitu system-process dan application. Integrasi AI dengan ERP, secara signifikan meningkatkan efisiensi operasional dan produktivitas perusahaan dengan otomatisasi tugas-tugas rutin, analisis data yang lebih cerdas, dan pengambilan keputusan yang didukung data secara real-time. AI membantu dalam mengoptimalkan proses bisnis, seperti manajemen rantai pasokan, manajemen inventaris, dan prediksi permintaan dan pengambilan keputusan, yang berkontribusi pada penghematan biaya dan peningkatan kinerja. Dengan memanfaatkan machine learning dan analisis prediktif, AI memberikan wawasan yang lebih mendalam dan akurat dari data ERP, memungkinkan pengambilan keputusan yang lebih cepat dan berdasarkan informasi serta pengetahuan yang lebih baik.
Implementasi Metode Certainty Factor untuk Menentukan Penyakit Demam Berdarah pada RSUD AULIA Pandeglang Banten Rizky, Robby; Setiyowati, Sri; Yunita, Ayu Mira; Susilawati, Susilawati; Sugiarto, Agung; Hakim, Zaenal; Pratama, Aghy Gilar; Wibowo, Andrianto Heri; Susanti, Ervi Nurafliyan; Wardah, Neli Nailul; Prianggita, Veny Agustini; Hakim, Moh Azizi; Sukmara, Sony; Heriyana, Erik
Jurnal Teknik Informatika UNIKA Santo Thomas Vol 10 No. 1 : Tahun 2025
Publisher : LPPM UNIKA Santo Thomas

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

Abstract

Permasalahan pada penelitian ini yaitu sulitnya deteksi penyakit demam berdarah di karnakan alat kesehatan yang dimiliki oleh rumahsakit aulia sangat minim. Tujuan pada penelitian ini menganalisis terkait deteksi penyakit demam berdarah. Metode yang digunakan pada penelitian ini menggunakan certainty factor dengan tahapan mengumpulkan data gejala, membuat aturan, menghitung nilai CF menggabungkan nilai CF jika ada banyak gejala menentukan hasil diagnosa. Hasil penelitian ini menghasilkan sebuah analisa dengan menggunakan metode certainty factor dengan hasil olahan data Grade I, Grade II, Grade III, menggunakan metode certainty factor untuk menentukan tingkatan penyakit DBD dan hasil dari penerapan metode ini adalah persentase, demikian dapat disimpulkan bahwa presentase nilai hasilnya yaitu, Grade I=56%, Grade II=64.80% dan Grade III=52%. Kemungkinan Pasien mengalami tingkatan penyakit Grade II pada DBD dengan nilai sebesar 64.80%.
Evaluasi Logistic Regression dan Neural Network pada Klasifikasi Gagal Jantung Berbasis Threshold Anggraini, Leslie; Akram Abdillah, Attar; Kartadilaga, Muhammad Qaessar; Verdiana, Miranti; Nugroho, Eko; Afriansyah, Aidil; Febrianto, Andre; Bagaskara, Radhinka
Jurnal Teknik Informatika UNIKA Santo Thomas Vol 10 No. 1 : Tahun 2025
Publisher : LPPM UNIKA Santo Thomas

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

Abstract

Kardiovaskular adalah sistem jantung dan pembuluh darah dalam tubuh manusia yang bertanggung jawab atas sirkulasi darah dalam jantung, pembuluh darah, dan darah sendiri. Gangguan pada fungsi sistem ini dapat menyebabkan penyakit kardiovaskular, seperti gagal jantung, yang menjadi salah satu penyebab utama kematian di seluruh dunia. Kematian yang disebabkan oleh gagal jantung mempengaruhi 1.5 juta pasien di seluruh dunia. Dikarenakan oleh data statistik tersebut, maka ada kebutuhan untuk dapat memprediksi dampak gagal jantung untuk membantu tingkat kelangsungan hidup pasien. Sebagai bentuk kontribusi terhadap kebutuhan tersebut, penelitian ini akan menganalisis sebuah dataset pelayanan kesehatan, yaitu dataset rekam gagal jantung dari UCI. Dataset tersebut akan digunakan untuk mengklasifikasi dan memprediksi peluang kematian dari pasien gagal jantung. Kami akan membandingkan antara dua metode klasifikasi dari machine learning, yaitu Logistic Regression (LR), dan deep learning, yaitu Shallow Neural Network (SNN). Mutual Information (MI) dipilih sebagai metode pemilihan fitur. Hasil menunjukkan bahwa SNN menghasilkan akurasi lebih tinggi dengan skor 0.75, dibandingkan LR dengan akurasi sebesar 0.63.
Prediksi Penyakit Daun Pisang Menggunakan Metode LSTM (Long Short-Term Memory) Ba’its, Alfian Kafilah; Bagaskara, Radhinka; Setiawan, Andika; Yulita, Winda; Harmiansyah, Harmiansyah; Listiani, Amalia; Untoro, Meida Cahyo; Drantantiyas, Nike Dwi Grevika; Faisal, Amir; Anggraini, Leslie; Febrianto, Andre; Aprilianda, Mohamad Meazza; Fitrawan, Mhd. Kadar
Jurnal Teknik Informatika UNIKA Santo Thomas Vol 10 No. 1 : Tahun 2025
Publisher : LPPM UNIKA Santo Thomas

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

Abstract

Dalam sektor pertanian, tanaman yang memiliki peran signifikan dalam skala global adalah pisang, yaitu buah yang mudah didapatkan, dapat tumbuh dimana saja, memiliki gizi yang tinggi, serta memiliki nilai ekonomi & budaya yang tinggi. Pisang mempunyai kontribusi yang signifikan terhadap pendapatan nasional Indonesia, terutama di Provinsi Lampung sebagai penghasil pisang nasional terbesar. Tetapi, proses produksi pisang seringkali mengalami kendala, salah satunya karena faktor serangan penyakit Black Sigatoka. Penyakit tersebut memberikan kerugian pada tanaman pisang, seperti daun yang meranggas, panen tertunda, bakal buah rontok, dan kualitas buah yang rendah, dan dapat menyebar melalui aliran udara atau percikan air hujan. Tingkat keparahan penyakit Black Sigatoka perlu diprediksi agar penyakit tersebut dapat dikontrol dan dapat dicegah sedini mungkin. Model yang digunakan untuk memprediksi permasalahan ini dalam jangka panjang adalah model Long Short-Term Memory (LSTM), salah satu jenis dari arsitektur Recurrent Neural Network (RNN), yang mempunyai kinerja yang baik dan mempunyai model yang prediktif. Aplikasi LSTM diterapkan terhadap dataset pohon pisang yang terdampak penyakit Black Sigatoka. Hasil dari model LSTM dalam melakukan prediksi penyakit Black Sigatoka menghasilkan model dengan nilai error yang kecil, dengan nilai MAE dan MAPE masing-masing sebesar 0.084 dan 5.7%
Analisis Hubungan dan Prediksi Depresi Mahasiswa Berdasarkan Faktor Akademik dan Gender Verdiana, Miranti; Dwi Nugroho, Eko; Anggraini, Leslie; Bagaskara, Radhinka; Yulita, Winda; Afriansyah, Aidil; Habib Algifari, Muhammad
Jurnal Teknik Informatika UNIKA Santo Thomas Vol 10 No. 1 : Tahun 2025
Publisher : LPPM UNIKA Santo Thomas

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

Abstract

This study aims to analyze the level of depression among university students by examining gender and several academic indicators. The dataset includes responses from 27,901 students across various regions, with variables covering age, gender, academic pressure, study satisfaction, work/study hours, CGPA, and depression status. The analytical methods applied in this study include the chi-square test to eval_uate the association between gender and depression status, point-biserial correlation to examine relationships between numeric variables and depression, and logistic regression to develop a prediction model. The chi-square test results revealed no significant relationship between gender and depression (p = 0.774), indicating that depression affects both genders. In contrast, academic pressure exhibited the strongest correlation with depression status (r = 0.47), followed by work/study hours (r = 0.209) and study satisfaction (r = -0.168). The Logistic Regression model constructed using the four most relevant variables demonstrated satisfactory performance, achieving 75.5% accuracy and 82.1% recall in identifying students experiencing depression. These findings highlight the critical role of academic-related factors—particularly academic pressure—in influencing students’ mental health. Therefore, targeted academic support strategies are essential to mitigate depression risks in higher education environments. Keywords— Student Depression, Academic Pressure, Gender, Logistic Regression, Mental Health Prediction
Penerapan Teknik Masking dan Augmentasi pada Arsitektur CNN dan MobileNetV2 untuk Klasifikasi Fase Pertumbuhan Tomat Irvai, Muhammad; Mahdalena, Desi
Jurnal Teknik Informatika UNIKA Santo Thomas Vol 10 No. 1 : Tahun 2025
Publisher : LPPM UNIKA Santo Thomas

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

Abstract

Tanaman tomat mengalami beberapa fase pertumbuhan yang menentukan kualitas dan hasil panen. Pengenalan fase-fase secara visual sangat penting untuk membantu petani mengambil keputusan budidaya yang tepat waktu. Penelitian ini membandingkan 2 (dua) metode deep learning yakni CNN konvensional dan MobileNetV2 berbasis Transfer Learning dalam klasifikasi dua tahap pertemuan tomat dari citra RGB. Sebelum menggunakan citra, citra dilakukan teknik masking sederhana berbasis threshold untuk menonjolkan objek utama tanaman dan meminimalkan background citra. Selanjutnya dilakukan augmentasi lanjutan guna menambah variasi data pelatihan. Data dibagi menjadi data latih dan data uji dengan rasio 80:20. Hasil pengujian menunjukkan bahwa model CNN menghasilkan akurasi 91,01 %, sedangkan MobileNetV2 memberikan akurasi lebih tinggi sebesar 93,26 %. Hasil ini menunjukkan bahwa pendekatan transfer learning mampu melakukan generalisasi pada dataset yang terbatas. Secara keseluruhan integrasi masking dan augmentasi terbukti efektif dalam meningkatkan akurasi dalam klasifikasi fase pertumbuhan tanaman tomat. Dalam hal ini berpotensi diterapkannya sistem monitoring tanaman berbasis citra untuk membantu pengembalian keputusan dalam pertanian digital.
Pengembangan e-Learning dengan Metode Flipped Classroom Berbasis Classdojo untuk Meningkatkan Kemampuan Pemahaman Siswa dalam Pembelajaran TIK Ningsih, Wirda; Ahyar, Ahyar; Agustinasari, Agustinasari
Jurnal Teknik Informatika UNIKA Santo Thomas Vol 10 No. 1 : Tahun 2025
Publisher : LPPM UNIKA Santo Thomas

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

Abstract

Masalah yang dihadapi dalam kegiatan belajar di SMP Negeri 8 SATAP Donggo adalah rendahnya pemahaman siswa tentang materi TIK, kurangnya partisipasi aktif siswa dalam proses belajar, serta dominasi metode ceramah yang diterapkan oleh pengajar. Penelitian ini bertujuan untuk menciptakan e-learning menggunakan ClassDojo dengan pendekatan flipped class untuk meningkatkan pemahaman siswa dalam pembelajaran TIK. Metode yang diterapkan dalam penelitian ini adalah Penelitian dan Pengembangan (R&D) yang mencakup lima tahap utama: penelitian awal, pembuatan produk awal, pengujian produk, penilaian, dan produk akhir. Alat yang digunakan adalah pre-test dan post-test untuk menilai peningkatan pemahaman siswa. Hasil penelitian menunjukkan adanya kemajuan yang signifikan pada nilai rata-rata siswa setelah penerapan e-learning berbasis ClassDojo, dimana nilai rata-rata pre-test meningkat dari 65 menjadi 84,88 pada post-test. Perhitungan N-Gain menunjukkan nilai rata-rata sebesar 0,59. Hal ini mengindikasikan bahwa metode flipped class dengan ClassDojo efektif dalam meningkatkan pemahaman siswa terhadap materi TIK.
Perancangan Monitoring Botol Infus Pasien Berbasis Arduino Uno dan Alarm Pardosi, Krisna; Sembiring Maha, Denny Hasminta
Jurnal Teknik Informatika UNIKA Santo Thomas Vol 10 No. 1 : Tahun 2025
Publisher : LPPM UNIKA Santo Thomas

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

Abstract

Dalam dunia kedokteran, infus merupakan salah satu alat medis yang sering dipakai untuk menyuplai cairan obat atau nutrisi langsung ke dalam tubuh pasien, baik di rumah sakit maupun klinik. Salah satu kendala yang sering muncul dalam penggunaan infus adalah pemantauan volume cairan dalam botol infus yang harus dilakukan secara rutin untuk mencegah kesalahan dalam pemberian cairan. Oleh karena itu, perlu adanya sistem yang dapat memantau infus secara otomatis, agar perawat dapat lebih berkonsentrasi pada perawatan pasien lainnya. Studi ini bertujuan untuk merancang serta mengimplementasikan sistem pemantauan botol infus pasien menggunakan Arduino Uno yang dilengkapi sensor inframerah guna mendeteksi tingkat cairan dalam botol infus secara langsung. Sistem ini dilengkapi dengan alarm yang berfungsi sebagai pemberitahuan peringatan ketika volume cairan dalam botol infus sudah mencapai batas minimum atau kosong. Sistem ini dikembangkan untuk memberikan kemudahan, harga yang terjangkau, dan keandalan dalam meningkatkan layanan perawatan pasien di rumah sakit. Desain ini memerlukan pemrograman Arduino Uno untuk mengendalikan sensor dan alarm berdasarkan informasi yang diterima dari sensor. Saat volume cairan dalam botol infus sudah habis, alarm akan berbunyi sebagai indikasi bahwa cairan infus telah habis, sehingga perawat dapat segera bertindak. Melalui sistem ini, diharapkan dapat memaksimalkan efisiensi waktu kerja perawat saat mengganti botol infus. Kata kunci :Monitoring, Botol Infus, Arduino Uno, Sensor, Alarm.
PENERAPAN FUZZY LOGIC DAN LCG DALAM GAME QUIZ UNTUK PEMBELAJARAN COVID Octavianus, Jaeson; Setiawan, Rendy; Hakim, Lukman
Jurnal Teknik Informatika UNIKA Santo Thomas Vol 7 No. 1 : Tahun 2022
Publisher : LPPM UNIKA Santo Thomas

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54367/jtiust.v7i1.1608

Abstract

The Corona Virus 19 pandemic or Coronavirus Disease 19 (COVID19) is a disease caused by a corona virus that usually attacks the respiratory tract. Covid-19 disease can be transmitted when a person show symptoms such as fever, runny nose, cough, throat, and headache; although many cases occur without any symptoms (Rothan, 2020). Covid-19 cases in Indonesia continue to increase every day based on data from Deti Mega Purnamasari in kompas.com, where until April 15, 2020 there were 5,136 positive cases of Covid-19. This research will produce a game where players will be able to learn while playing quizzes to increase their knowledge about the symptoms and ways to prevent the occurrence of covid. To study covid, information that can be used as a benchmark is needed to be used as questions in the game. Fuzzy is used to give a score that will increase every time you answer correctly and LCG (Linear Congruential Generator) is used to give random questions to players. Based on the experiment done, only 50% of 10 people have sufficient knowledge about covid19 daily. By making this game, public awareness about covid will increase.

Page 22 of 29 | Total Record : 289

 20   21   22   23   24 

Filter by Year

2016 2025


Reset
Filter By Issues
All Issue Vol 10 No. 1 : Tahun 2025 Vol 9 No. 2 : Tahun 2024 Vol 9 No. 1 : Tahun 2024 Vol 8 No. 2 : Tahun 2023 Vol 8 No. 1 : Tahun 2023 Vol 7 No. 2 : Tahun 2022 Vol 7 No. 1 : Tahun 2022 Vol 6 No. 2 : Tahun 2021 Vol 6 No. 1 : Tahun 2021 Vol 5 No. 2 : Tahun 2020 Vol 5 No 1 Tahun 2020 Vol 4 No 2: Tahun 2019 Vol 4 No 1: Tahun 2019 Vol 3 No 2: Tahun 2018 Vol 3 No 1: Tahun 2018 Vol 2 No. 2 Tahun 2017 Vol 2 No. 1 Tahun 2017 Vol 1 No. 2 Tahun 2016 More Issue