cover
Contact Name
Purnomo Hadi Susilo
Contact Email
teknikinformatika_unisla@yahoo.co.id
Phone
+6285733290212
Journal Mail Official
teknikinformatika_unisla@yahoo.co.id
Editorial Address
Joutica : Journal of Informatic Unisla Program Studi Teknik Informatika - Fakultas Teknik - Universitas Islam Lamongan Jl. Veteran 53 A Lamongan
Location
Kab. lamongan,
Jawa timur
INDONESIA
Joutica : Journal of Informatic Unisla
ISSN : 2503071X     EISSN : 2621511X     DOI : https://doi.org/10.30736/jti.v7i1.747
Topics cover the following areas (but are not limited to): Enterprise Systems (ES) Enterprise Resource Planning Business Process Management Customer Relationship Management Marketing Analytics System Dynamics E-business and e-Commerce Marketing Analytics Supply Chain Management and Logistics Business Analytics and Knowledge Discovery Production Management Task Analysis Process Mining Discrete Event Simulation Service Science and Innovation Innovation in the Digital Economy Information Systems Management (ISM) Software Engineering Software Design Pattern System Analysis and Design Software Quality Assurance Green Technology Strategies Strategic Information Systems IT Governance and Audits E-Government IT Service Management IT Project Management Information System Development Research Methods of Information Systems Adoption and Diffusion of Information Technology Health Information Systems and Technology Accounting Information Systems Human Behavior in Information System Social Technical Issues and Social Inclusion Domestication of Information Technology ICTs and Sustainable Development Information System in developing countries Software metric and cost estimation IT/IS audit IT Risk and Management Data Acquisition and Information Dissemination (DAID) Open Data Social Media Knowledge Management Social Networks Big Data Web Services Database Management Systems Semantics Web and Linked Data Visualization Information Social Information Systems Social Informatics Spatial Informatics Systems Geographical Information Systems Data Engineering and Business Intelligence (DEBI) Business Intelligence Data Mining Intelligent Systems Artificial Intelligence Autonomous Agents Intelligent Agents Multi-Agent Systems Expert Systems Pattern Recognition Machine Learning Soft Computing Optimization Forecasting Meta-Heuristics Computational Intelligence Decision Support Systems IT Infrastructure and Security (ITIS) Information Security and Privacy Digital Forensics Network Security Cryptography Cloud and Virtualization Emerging Technologies Computer Vision and Image Ethics in Information Systems Human Computer Interaction Wireless Sensor Networks Medical Image Analysis Internet of Things Mobile and Pervasive Computing Real-time Systems and Embedded Systems Parallel and Distributed Systems
Articles 193 Documents
Deep Learning untuk Deteksi dan Segmentasi Kanker Payudara: A Systematic Literature Review menggunakan PRISMA Nindiya Ika Nugraha Hartoyo; Agus Subhan Akbar; Alzena Dona Sabilla
Joutica Vol 11 No 1 (2026): MARET
Publisher : Universitas Islam Lamongan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30736/jti.v11i1.1637

Abstract

Kanker payudara adalah pertumbuhan sel abnormal yang menyebar dengan cepat ke sel lain dan berpotensi mencapai kegagalan suatu organ untuk berfungsi normal. Kehadirankan sel abnormal ini seringkali menandakan kondisi serius yang memerlukan perhatian medis. Deteksi dini sangat penting untuk pengobatan yang efektif dan mencegah perkembangan penyakit. Perkembangan teknologi AI, khususnya deep learning telah banyak diterapkan dalam analisis citra medis seperti mammografi, USG, dan MRI untuk deteksi serta segmentasi kanker payudara. Deep learning terbukti memiliki kapabilitas tinggi dalam mengenali pola serta memproses data citra medis secara efektif. Penelitian ini bertujuan menyusun tinjauan pustaka sistematis terkait implementasi deep learning untuk deteksi dan segmentasi kanker payudara. Dari total 196 artikel yang teridentifikasi, sebanyak 53 artikel terpilih setelah melalui proses seleksi menggunakan metode PRISMA dari database Scopus. Tinjauan ini meneliti model deep learning dan machine learning mulai dari pengaruh variasi dataset, metrik evaluasi, pengembangan arsitektur, serta penambahan blok khusus beserta pengaruhnya dalam model deep learning terhadap performa deteksi dan segmentasi kanker payudara. Namun, terdapat tantangan seperti bias dataset, skalabilitas di lingkungan dengan sumber daya terbatas, dan generalisasi. Tinjauan ini diharapkan dapat menunjukkan potensi deep learning dan machine learning untuk meningkatkan pengembangan model deteksi dan segmentasi di masa depan, berkontribusi pada peningkatan akurasi diagnosis, skalabilitas, serta hasil pengobatan pasien.
Transformasi Digital dengan Pengembangan Enterprise Architecture pada Layanan Kesehatan Nindyaistia; Aris Puji Widodo; Dinar M K Nugraheni; Kurniawan Widodo
Joutica Vol 11 No 1 (2026): MARET
Publisher : Universitas Islam Lamongan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30736/jti.v11i1.1643

Abstract

Rumah sakit setiap hari menangani data dalam jumlah sangat besar, namun mayoritas melakukan pengolahan data manual. Penerapan sistem-teknologi informasi diharapkan dapat meningkatkan efisiensi dan mutu pelayanan pasien, namun seringkali hanya berfungsi sebagai tempat penyimpanan data, belum mendukung pencapaian tujuan strategis organisasi. Implementasi sistem informasi rumah sakit sering dilakukan tanpa acuan arsitektur organisasi (enterprise architecture) yang terstruktur. Kondisi ini menyebabkan berbagai permasalahan seperti redundansi data, ketidaksesuaian alur kerja klinis, inefisiensi operasional, serta ketidakselarasan antara tujuan strategis, proses layanan kesehatan, dengan sistem-teknologi informasi. Penelitian sebelumnya menunjukkan pentingnya enterprise architecture dalam menyelaraskan proses bisnis dengan sistem-teknologi informasi, namun penerapan spesifik di rumah sakit masih terbatas. Penelitian ini bertujuan merancang arsitektur organisasi yang dapat meningkatkan keselarasan antara strategi dan proses bisnis rumah sakit dengan sistem-teknologi informasi yang digunakan. Penelitian menggunakan pendekatan Design Science Research (DSR). Artefak yang dihasilkan berupa model enterprise architecture rumah sakit yang disusun sesuai dengan lapisan arsitektur TOGAF, mengacu kerangka reference architecture rumah sakit, serta dimodelkan menggunakan ArchiMate. Arsitektur yang dihasilkan mencakup arsitektur bisnis, sistem informasi, dan teknologi. Hasil penelitian menunjukkan bahwa penyusunan arsitektur organisasi membantu mengidentifikasi kelemahan pada implementasi sistem informasi, meningkatkan keselarasan antara strategi dan proses bisnis dengan sistem informasi, serta mendukung integrasi data untuk kebutuhan pelayanan, akreditasi rumah sakit, dan pelaporan program kesehatan nasional. Arsitektur yang dihasilkan juga mempermudah komunikasi antara tenaga medis, manajemen rumah sakit, dan tim teknologi dalam pengembangan dan pengelolaan sistem informasi rumah sakit
Evaluasi Usability Sistem Informasi Perguruan Tinggi Berbasis Web Menggunakan Pendekatan Kombinasi System Usability Scale Dan Heuristic Evaluation Ujang Juhardi; Andi Lala; Marhalim
Joutica Vol 11 No 02 (2026): SEPTEMBER
Publisher : Universitas Islam Lamongan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30736/jti.v11i02.1634

Abstract

User Interface (UI) dan User Experience (UX) merupakan faktor krusial dalam menentukan keberhasilan implementasi sistem informasi. Banyak sistem yang secara fungsional berjalan dengan baik namun mengalami kegagalan adopsi akibat desain antarmuka dan pengalaman pengguna yang kurang optimal. Penelitian ini bertujuan untuk menganalisis dan mengevaluasi kualitas UI/UX pada sistem informasi berbasis web menggunakan metode System Usability Scale (SUS) dan Heuristic Evaluation Nielsen. Metode penelitian yang digunakan adalah kuantitatif deskriptif dengan pengumpulan data melalui kuesioner kepada 50 responden. Hasil penelitian menunjukkan nilai rata-rata SUS sebesar 78,6 yang termasuk dalam kategori “Good” dengan grade B. Evaluasi heuristik mengidentifikasi beberapa permasalahan pada aspek user control dan error prevention. Rekomendasi perbaikan difokuskan pada penyederhanaan navigasi, peningkatan feedback sistem, dan optimalisasi desain responsif. Penelitian ini memberikan kontribusi dalam pengembangan sistem informasi berbasis user-centered design guna meningkatkan kualitas interaksi dan kepuasan pengguna.
Optimization of Flood Detection Systems Using Hybrid BP-TRQN Neural Network Algorithms: An In-Depth Review Syaharuddin; Saba Mehmood; Wasim Raza; Sunday Emmanuel Fadugba
Joutica Vol 11 No 02 (2026): SEPTEMBER
Publisher : Universitas Islam Lamongan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30736/jti.v11i02.1648

Abstract

accurate, stable, and efficient real-time detection system. The purpose of this study is to conduct a Systematic Literature Review of the performance of the Hybrid Back Propagation–Time Recurrent Quantum Networks (BP-TRQN) algorithm in optimizing accuracy, learning stability, and data processing efficiency in flood detection systems. This study employed the PRISMA-based Systematic Literature Review (SLR) method to identify, screen, and analyze relevant studies. A total of 44 articles published between 2015 and 2025 were selected from the Scopus, DOAJ, and Google Scholar databases based on predefined inclusion and exclusion criteria. The results show that Hybrid BP-TRQN consistently provides significant improvements over single models, particularly in reducing Root Mean Squared Error (RMSE), increasing the coefficient of determination (R²), and accelerating convergence. The integration of temporal and spatial components and optimization has been proven to strengthen the model's ability to process large-scale hydrometeorological data and satellite images more adaptively. In addition, the application of hybrid algorithms also improves computational efficiency, making it potentially applicable in real-time early warning systems. Thus, BP-TRQN can be considered a promising approach in supporting flood disaster mitigation through a more reliable and responsive detection system.
Penyetelan Parameter Berbantuan Machine Learning untuk Penjadwalan Cloud Berbasis Metaheuristik Ardi Pujiyanta; Faisal Fajri Rahani; Taufiq Ismail
Joutica Vol 11 No 02 (2026): SEPTEMBER
Publisher : Universitas Islam Lamongan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30736/jti.v11i02.1649

Abstract

Penjadwalan cloud berbasis metaheuristik sangat dipengaruhi oleh kualitas pemilihan parameter algoritma. Namun, pada banyak penelitian, parameter genetic algorithm masih ditetapkan secara tetap atau dituning secara konvensional, sehingga kurang adaptif terhadap perubahan karakteristik workload. Penelitian ini mengusulkan pendekatan penyetelan parameter berbantuan machine learning untuk penjadwalan cloud berbasis metaheuristik guna memprediksi parameter genetic algorithm berdasarkan karakteristik workload cloud. Dataset yang digunakan berasal dari GoCJ mentah yang ditransformasikan menjadi 45 skenario workload melalui tiga regime, yaitu tight, medium, dan loose. Tahapan penelitian meliputi pembentukan fitur workload, pelabelan parameter terbaik genetic algorithm, pembangunan model prediksi parameter, serta evaluasi dampaknya terhadap performa penjadwalan. Metode usulan, yaitu GA-ML, dibandingkan dengan FCFS, EDF, GA-Default, dan GA-Grid. Hasil eksperimen menunjukkan bahwa GA-ML memberikan performa lebih baik dibandingkan GA-Grid pada tiga dari empat metrik evaluasi. Secara khusus, GA-ML menurunkan total penalty sebesar 8,269%, weighted tardiness sebesar 8,804%, dan violation rate sebesar 1,366% dibandingkan GA-Grid. Namun, GA-ML menghasilkan makespan sedikit lebih tinggi sebesar 0,582%. Hasil uji Wilcoxon signed-rank menunjukkan bahwa perbedaan antara GA-ML dan GA-Grid signifikan pada seluruh metrik. Temuan ini menunjukkan bahwa penyetelan parameter berbantuan machine learning efektif untuk meningkatkan performa penjadwalan berbasis SLA, terutama dalam menekan penalti, keterlambatan berbobot, dan tingkat pelanggaran deadline, meskipun terdapat trade-off kecil pada makespan.
Pengembangan Aplikasi Android untuk Rekomendasi Penyiraman Cerdas Berbasis IoT dengan Metode Fuzzy C-Means dan Jaringan Saraf Tiruan Syafei Karim; Dian Ahkam Sani
Joutica Vol 11 No 02 (2026): SEPTEMBER
Publisher : Universitas Islam Lamongan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30736/jti.v11i02.1657

Abstract

Pengelolaan irigasi yang efisien sangat penting untuk mengoptimalkan penggunaan air dan menjaga kondisi tanah yang mendukung pertumbuhan tanaman. Meskipun banyak model kecerdasan buatan telah dikembangkan, sistem konvensional kerap kesulitan menggeneralisasi rekomendasi karena mengabaikan ambiguitas dan tumpang tindih (overlapping) pola data lingkungan. Penelitian ini secara eksplisit berkontribusi pada pengembangan sistem rekomendasi penyiraman hibrida (hybrid) berbasis edge-computing, yang mengintegrasikan pelabelan otomatis Fuzzy C-Means (FCM) dengan prediksi Jaringan Saraf Tiruan (JST) pada aplikasi Android. Sistem ini memproses kumpulan dataset berjumlah 96.547 sampel yang diperoleh dari empat parameter sensor yaitu intensitas cahaya, suhu udara, kelembapan udara, dan kelembapan tanah. Melalui metode FCM, data lingkungan tersebut diurai secara objektif ke dalam empat kelas kondisi, yaitu: 0, 1, 2, dan 3. Untuk memastikan keandalan model, tahap evaluasi dilakukan menggunakan metode Confusion Matrix dalam skema pengujian 5-Fold Cross Validation (k=5). Pada setiap iterasi pengujiannya, dataset dibagi menjadi 80% data latih dan 20% data uji. Hasil eksperimen menunjukkan performa model yang luar biasa stabil dengan rata-rata akurasi sebesar 98,85%, presisi 98,23%, recall 97,48%, dan F1-Score 97,78%. Setelah hasil pengujian model, model JST dikonversi menjadi TensorFlow Lite (TFLite) dan diintegrasikan secara real-time ke dalam aplikasi perangkat seluler Android. Secara praktis, sistem ini memetakan keempat prediksi kelas lingkungan tersebut ke dalam tiga perilaku penyiraman: tanpa penyiraman (menggabungkan kelas 0 dan 3 yang memiliki karakteristik kebutuhan air serupa), penyiraman volume sedang, dan penyiraman volume tinggi. Hasil penelitian ini membuktikan bahwa pendekatan hibrida FCM dan JST yang diusulkan sangat efisien sebagai sistem pendukung keputusan irigasi dalam pertanian presisi. Penelitian lanjutan dapat difokuskan pada perluasan volume dataset serta integrasi langsung terhadap perangkat keras penyiraman berbasis Internet of Things (IoT).  
Climate-Driven Disease Outbreak Anomaly Detection Using PCA, DBSCAN, and Isolation Forest Titin Wahyuni; Muhammad Faisal; Muhammad Syafa’at S. Kuba; Eny Syatriana; Muh Al Haikal
Joutica Vol 11 No 02 (2026): SEPTEMBER
Publisher : Universitas Islam Lamongan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30736/jti.v11i02.1674

Abstract

Climate variability strongly influences dengue transmission, but prediction-focused surveillance often overlooks unusual climate-dengue configurations that emerge before or outside epidemic peaks. This study proposes a fully unsupervised anomaly-oriented framework for national-level dengue surveillance in Brazil. Weekly dengue case data were integrated with NASA POWER climate variables aggregated to the same epidemiological week scale. Seven standardized climate indicators were reduced using Principal Component Analysis (PCA); the first three components retained 93.34% of the total variance. DBSCAN was then used to identify structurally isolated climate regimes, and Isolation Forest was applied to assign anomaly severity scores and examine complementary transitional deviations. The results show that DBSCAN detected 19 epidemiological weeks (5.19%) as structural anomaly candidates, while Isolation Forest highlighted severity-ranked weeks whose case totals were not always the highest in the study period. To support interpretation, detected anomalies are evaluated using temporal identifiers, dengue case counts, climate-variable deviations, and cross-method robustness rather than treated as automatic outbreak declarations. The findings indicate that climate-driven dengue anomalies are episodic and multivariate and may occur outside peak incidence periods. The proposed framework therefore offers an explainable and reproducible screening layer for climate-informed early warning and risk prioritization in public health surveillance
Multilevel Data Fusion Framework for Digital Twin-Based Mangrove Monitoring in Tropical Coastal Environments Kadek Surya Adi Saputra; I Made Oka Widyantara; Made Sudarma; Ni Made Ary Esta Dewi Wirastuti
Joutica Vol 11 No 02 (2026): SEPTEMBER
Publisher : Universitas Islam Lamongan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30736/jti.v11i02.1685

Abstract

Mangrove ecosystem monitoring in tropical coastal zones is a task fraught with layered complexity, stemming from highly dynamic environmental fluctuations, the inherent inadequacy of conventional survey methods in capturing rapid change, and escalating anthropogenic pressures that continue to reshape coastal landscapes. Against this backdrop, the present study introduces a Multilevel Data Fusion Framework grounded in Digital Twin (DT) architecture, developed specifically to monitor Rhizophora apiculate stands within the Ngurah Rai Grand Forest Park (Tahura Ngurah Rai), Bali, Indonesia (coordinates: 8.73°S / 115.19°E). Drawing on the Joint Directors of Laboratories (JDL) fusion model, the framework operates across five hierarchical processing levels (L0–L4) and ingests a 576-day NASA/POWER climate record spanning January 2024 through July 2025. A four-stage preprocessing pipeline eliminated all 94 detected sentinel values, reducing T2M standard deviation by 98.9%. The Weighted Average Fusion (WAF)-derived Environmental Index (EI) yielded a mean of 0.536, with zero days classified under Critical condition throughout the observation window. The Growth Rate Index (GRI) averaged 0.771, corresponding to an aboveground biomass increment of +1.14 kg/m² and an estimated carbon sequestration rate of approximately 10.6 TC/ha/year. An EI–GRI Pearson correlation of r = 0.891 (R² = 0.794, p < 0.001) demonstrates a strong end-to-end predictive association within the pipeline. ONNX classification models embedded within a Unity AR platform achieved an F1-score of 0.913 at inference times consistently below 5 ms, confirming real-time operational viability
Implementasi Augmented Reality Sebagai Inovasi Media Promosi Digital di ITB STIKOM BALI Ni Wayan Ari Ulandari Ulandari; I Putu Warma Putra Warma; Ni Made Astiti Astiti
Joutica Vol 11 No 02 (2026): SEPTEMBER
Publisher : Universitas Islam Lamongan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30736/jti.v11i02.1738

Abstract

Studi ini diarahkan untuk menerapkan AR sebagai terobosan dalam promosi digital ITB STIKOM Bali melalui rancangan brosur interaktif yang berfungsi sebagai wahana penyampaian informasi perguruan tinggi kepada calon mahasiswa. Pengujian melibatkan 67 calon mahasiswa yang ditetapkan secara purposive dengan ketentuan usia 18–20 tahun, menggunakan perangkat Android sekurang-kurangnya versi 16, serta bersedia mengikuti tahapan evaluasi. Pengumpulan data memanfaatkan kuesioner berisi 15 butir pernyataan dengan rentang Likert 1–5, meliputi usability, ketertarikan, interaksi, komparasi AR dengan brosur biasa, minat, dan penerimaan pengguna. Pengolahan data mencakup pengujian validitas melalui korelasi Pearson Product Moment, pengujian konsistensi instrumen menggunakan Cronbach’s Alpha, serta telaah deskriptif berdasarkan rerata skor dan persentase ketercapaian. Hasil pengujian memperlihatkan bahwa media promosi berunsur AR secara agregat memperoleh rerata 4,11 atau setara dengan capaian 82,15%, sehingga tanggapan pengguna berada pada taraf sangat baik. Pada dimensi penerimaan, rerata yang diperoleh mencapai 4,07 dengan capaian 81,49%. Temuan tersebut mengindikasikan bahwa AR mampu menghadirkan bentuk penyajian informasi yang lebih interaktif dan memikat bagi calon mahasiswa, sekaligus membuka peluang pemanfaatannya sebagai pendamping brosur konvensional dalam mengenalkan informasi kampus.
Identifikasi Komplain di Lingkungan Perguruan Tinggi Menggunakan Algorithm Convolutional Long Short Term Memory dan FastText Embedding khusnul khotimah; Cahyo Crysdian; M.Imamudin
Joutica Vol 11 No 02 (2026): SEPTEMBER
Publisher : Universitas Islam Lamongan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30736/jti.v11i02.1752

Abstract

Perguruan tinggi rutin menerima keluhan mahasiswa terkait akademik, dosen, tenaga kependidikan, pembelajaran, fasilitas, dan keuangan, yang jika diklasifikasikan secara manual memakan waktu dan rawan subjektivitas. Penelitian ini mengusulkan sistem klasifikasi keluhan otomatis berbasis Long Short-Term Memory (LSTM) yang dipadukan dengan representasi kata FastText. Sebanyak 835 komentar keluhan dari lima program studi dikumpulkan dan dibersihkan menjadi 449 komentar unik, dikelompokkan ke dalam enam kategori: akademik, keuangan, layanan dosen, layanan tenaga kependidikan, pembelajaran, dan fasilitas. Setelah case folding, tokenisasi, dan padding, teks direpresentasikan dengan embedding FastText berdimensi 300 yang dilatih khusus pada data latih tiap fold untuk mencegah kebocoran data. Delapan arsitektur berbasis LSTM (LSTM, Bi-LSTM, Attention-LSTM, Attention-Bi-LSTM, serta varian gabungannya dengan lapisan konvolusi) dikembangkan dan dibandingkan, dengan class weighting untuk mengatasi ketidakseimbangan data. Evaluasi dilakukan melalui 5x5 repeated cross-validation (25 pengulangan) dan data uji terpisah (80:20) menggunakan metrik akurasi, presisi, recall, dan F1-score. Model Convolutional Attention-LSTM (CNN-A-LSTM) menunjukkan kinerja paling konsisten, dengan akurasi data uji 71,11% dan macro F1-score 0,719 (rata-rata validasi silang 0,732±0,037), mengungguli model dasar LSTM (akurasi 66,67%, F1-score 0,687; validasi silang 0,655±0,047). Paired t-test pada 25 pasangan validasi silang membuktikan ketujuh varian arsitektur meningkat signifikan dibanding model dasar (p<0,05), bahkan setelah koreksi Holm-Bonferroni dan Benjamini-Hochberg. Temuan ini menegaskan bahwa penambahan konvolusi, konteks dua arah, dan atensi pada representasi FastText secara konsisten meningkatkan klasifikasi keluhan mahasiswa, mendukung pengelolaan keluhan yang lebih cepat, objektif, dan efisien di perguruan tinggi.