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
 25   26   27   28   29 
Optimalisasi Model Klasifikasi Diabetes Menggunakan Ensemble Learning Adaboost, Gradient Boosting, dan XGBoost Wibisono, Setyawan; Hadikurniawati, Wiwien; Yulianton, Heribertus; Lestariningsih, Endang; Cahyono, Taufiq Dwi
Jurnal Teknik Informatika UNIKA Santo Thomas Vol 9 No. 2 : Tahun 2024
Publisher : LPPM UNIKA Santo Thomas

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

Abstract

Diabetes mellitus adalah penyakit kronis yang memengaruhi jutaan orang secara global dan membutuhkan metode diagnosis dini untuk mencegah komplikasi. Penelitian ini bertujuan untuk mengoptimalkan prediksi diabetes dengan membandingkan tiga metode ensemble learning: AdaBoost, Gradient Boosting, dan XGBoost. Dataset yang digunakan adalah Diabetes Health Indicators, yang menggabungkan indikator kesehatan seperti tekanan darah, kolesterol, dan kebiasaan gaya hidup. Tahapan penelitian meliputi pemrosesan data, pengembangan model, serta eval_uasi performa menggunakan metrik akurasi, presisi, recall, F1-score, dan AUC (Area Under the Curve). Hasil menunjukkan bahwa Gradient Boosting unggul dalam akurasi dan AUC, menandakan kemampuan yang lebih baik dalam mendeteksi diabetes secara konsisten dibandingkan dengan dua metode lainnya. AdaBoost memperlihatkan keseimbangan yang baik antara presisi dan recall, menjadikannya cocok untuk skenario yang memerlukan pengendalian kesalahan positif dan negatif secara proporsional. Sementara itu, XGBoost menawarkan efisiensi pemrosesan yang optimal dengan performa yang kompetitif. Gradient Boosting direkomendasikan untuk aplikasi klinis yang membutuhkan akurasi tinggi, sedangkan AdaBoost dapat menjadi alternatif ketika keseimbangan prediksi menjadi prioritas. Penelitian ini berkontribusi dalam pengembangan alat prediksi diabetes yang lebih akurat, efektif, dan dapat diterapkan di sektor kesehatan untuk mendukung upaya deteksi dini.
Implementasi Algoritma C4.5 Untuk Klasifikasi Data Tracer Study Alumni Di Politeknik Negeri Semarang Dalila, Nisa Aulia; Jananto, Arief
Jurnal Teknik Informatika UNIKA Santo Thomas Vol 9 No. 2 : Tahun 2024
Publisher : LPPM UNIKA Santo Thomas

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

Abstract

Penelitian ini memfokuskan pada analisis klasifikasi data instansi tempat bekerja alumni Politeknik Negeri Semarang menggunakan algoritma C4.5. Sumber data utama adalah data tracer study alumni yang diunduh dari sistem informasi tracer study Politeknik Negeri Semarang mulai tahun kelulusan 2018 sampai dengan 2023. Pemodelan dengan algoritma C4.5 untuk menghasilkan pohon keputusan. Data sample sebanyak 100 record digunakan untuk menghitung nilai entropy dan gain dari masing-masing atribut, di mana atribut program studi memiliki nilai gain tertinggi sebesar 0,8951 dan menjadi akar pertama dari pohon keputusan. Uji coba lebih lanjut dilakukan dengan 2000 record data preprocessing menggunakan berbagai proporsi data training dan testing. Nilai akurasi tertinggi sebesar 73,3% didapatkan dari prosentase 70% data training dan 30% data testing yang menandakan model ini berhasil menangkap pola data dengan akurasi yang cukup memadai. Dari penelitian ini diharapkan memberikan wawasan tentang faktor-faktor yang mempengaruhi jenis instansi tempat alumni bekerja dan menunjukkan efektivitas algoritma C4.5 dalam klasifikasi data tracer study alumni.
Pengembangan Sistem Notifikasi Real-Time untuk Aplikasi Manajemen Persuratan Multiplatform menggunakan Firebase Cloud Messaging dan Application Programming Interface Wahyudin, Asep; Anisyah, Ani; Ahmaddifa, Deffin
Jurnal Teknik Informatika UNIKA Santo Thomas Vol 9 No. 2 : Tahun 2024
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 9 No. 2 : Tahun 2024
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.
Perancangan Aplikasi Pemesanan Produk Skincare Berbasis Web dengan Metode Waterfall (Studi Kasus : Skincare Ms.Glow Rantau Prapat) Sinuraya, Bersama; Damanik, Romanus
Jurnal Teknik Informatika UNIKA Santo Thomas Vol 9 No. 2 : Tahun 2024
Publisher : LPPM UNIKA Santo Thomas

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

Abstract

Seiring dengan perkembangan zaman, aplikasi (perangkat lunak) sudah menjadi andalan untuk mendukung kegiatan suatu usaha, baik itu usaha besar, menengah dan bawah, hal ini dilakukan untuk memudahkan memperomosikan, menjual produk di bidang usaha tersebut. Tidak terpungkiri lagi bahwa usaha yang dikelola dengan menggunakan aplikasi, dapat memangkas jarak dan waktu di penjuru dunia, karena seluruh calon pelanggan dapat melihat produk yang kita tawarkan pada aplikasi tersebut. Skincare Ms Glow Rantau Prapat merupakan sebuah usaha dibidang kecantikan, dalam hal ini mencoba memberikan kemudahan bagi calon pelanggannya untuk mendapatkan produk yang mereka tawarkan, sekaligus memberikan informasi keterbaruan seputar kecantikan kulit terutama bagi kaum hawa.
Pengelompokan Karakteristik Data Komentar Film Exhuma Dengan Metode K-Medoids Manalu, Darwis Robinson; Rumapea, Anastasia Erika; Rumapea, Yolanda Yuliati Pratiwi
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 beberapa tahun terakhir, pertumbuhan industri perfilman global menunjukkan perkembangan yang signifikan, ditandai dengan hadirnya berbagai film yang berhasil menarik perhatian masyarakat. Salah satu film yang saat ini menjadi sorotan adalah Exhuma, sebuah karya dari Korea Selatan yang mengangkat tema kontroversial. Tema tersebut memicu beragam respons dan reaksi dari berbagai pihak, sehingga penting untuk mempertimbangkan sensitivitas sosial dan budaya untuk menghindari potensi kritik maupun konflik. Exhuma dikenal sebagai film yang kompleks dan memikat, menghasilkan respons penonton yang sangat bervariasi. Penelitian ini dilakukan untuk menganalisis sentimen masyarakat terhadap film Exhuma dengan menggunakan metode K-Medoids Clustering. Data penelitian diambil dari platform Twitter/X untuk memahami bagaimana masyarakat merespons film ini. Tahapan penelitian meliputi pengambilan data (data crawling), prapemrosesan (data preprocessing), pembobotan menggunakan metode TF-IDF, dan pengelompokan sentimen dengan metode K-Medoids Clustering. Proses pengelompokan dilakukan untuk mengklasifikasikan komentar-komentar penonton ke dalam tiga kategori sentimen utama, yaitu positif, netral, dan negatif. Hasil analisis menunjukkan bahwa mayoritas komentar masyarakat tergabung dalam kluster sentimen positif, dengan persentase sebesar 77,50% dari total 155 komentar yang dianalisis. Hal ini mengindikasikan bahwa secara umum, tanggapan masyarakat terhadap film Exhuma cenderung bernada positif. Sebagai saran, penelitian selanjutnya diharapkan dapat membandingkan dengan metode clustering lainnya untuk meningkatkan tingkat akurasi pengelompokan data dan hasil analisis.
Analisis Sentimen Opini Publik terhadap Rumah Sakit Pemerintah dan Swasta di Indonesia Menggunakan Algoritma Naïve Bayes Ginting, Suranta Bill Fatric; Tarigan, Eldha Novarina; Sihaloho, Binner; Telaumbanua, Jenni
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

Media sosial menjadi wadah penting bagi masyarakat dalam menyuarakan opini terhadap berbagai layanan publik, termasuk pelayanan rumah sakit. Penelitian ini bertujuan untuk menganalisis sentimen opini publik terhadap rumah sakit pemerintah dan swasta di Indonesia menggunakan algoritma Naïve Bayes. Data yang digunakan berupa 2.500 opini publik yang disimulasikan dan dibagi rata antara rumah sakit pemerintah dan swasta. Setiap opini diberi label sentimen positif atau negatif. Proses pra-pemrosesan dilakukan melalui pembersihan teks, penghapusan stopword, dan vektorisasi menggunakan metode Bag of Words. Hasil analisis menunjukkan bahwa rumah sakit swasta cenderung menerima lebih banyak sentimen positif dibanding rumah sakit pemerintah. Algoritma Naïve Bayes menunjukkan akurasi klasifikasi sebesar 87 %. Penelitian ini menunjukkan bahwa analisis sentimen dapat digunakan sebagai salah satu indikator persepsi publik terhadap layanan kesehatan.
Analisis Komparatif Metode Ensemble Learning pada Prediksi Kanker Payudara Nur Cahyo IA, Nur Cahyo IA; Wibisono, Setyawan
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

Penelitian ini bertujuan untuk menganalisis dan membandingkan performa tiga metode ensemble learning, yaitu Random Forest, AdaBoost, dan XGBoost, dalam mengklasifikasikan data kanker payudara. Dataset yang digunakan adalah Wisconsin Breast Cancer (WBC) dari UCI Machine Learning Repository. Metode ensemble diterapkan karena kemampuannya dalam meningkatkan stabilitas dan akurasi prediksi dengan menggabungkan beberapa model dasar. Evaluasi dilakukan dengan menggunakan metrik akurasi, presisi, recall, F1-score, serta confusion matrix dan AUC, dengan pendekatan validasi silang 10-fold. Hasil penelitian menunjukkan bahwa AdaBoost memberikan hasil paling seimbang dengan akurasi tertinggi sebesar 96,31% dan kesalahan klasifikasi paling minimal. Penelitian ini diharapkan dapat memberikan kontribusi dalam pengembangan sistem deteksi dini kanker berbasis machine learning.
A Web-Based Machine Learning Approach for Standardized Precipitation Index Prediction Hadi, Ahmad Fauzi Faishal; Sinambela, Marzuki; Rachmawardani, Agustina; Trihadi, Edward
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

Accurate and user-friendly drought forecasting tools are crucial for mitigating the impact of meteorological droughts, particularly in vulnerable areas such as South Sumatra, Indonesia. This study introduces an interactive web-based application built to anticipate drought conditions by forecasting the Standardized Precipitation Index (SPI). The system relies on deep learning techniques trained using three decades of rainfall data collected from the Climatological Station in South Sumatra. In evaluating model performance, both Recurrent Neural Network (RNN) and Long Short-Term Memory (LSTM) architectures were assessed. While both models delivered comparable short-term predictions, the LSTM experienced a significant decline in accuracy over extended forecasting periods (specifically at SPI-6), primarily due to overfitting. In contrast, the RNN displayed more stable and reliable results, making it the preferable model for this geographical context. Specifically, the RNN achieved a lower Mean Absolute Error (MAE) of 0.4007, a reduced Root Mean Squared Error (RMSE) of 0.4684, and a higher coefficient of determination (R²) of 0.7338. These metrics outperformed those of the LSTM, which recorded a MAE of 0.4115, an RMSE of 0.4840, and an R² of 0.7036. Such results confirm that the RNN offers a more precise and dependable fit for the station’s dataset. The web platform also effectively visualizes the model outputs, providing a dynamic and interactive 24-month forecast view that supports early warning efforts and informed decision-making for regional authorities and stakeholders.

Page 29 of 29 | Total Record : 289

 25   26   27   28   29 

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