cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Debi Setiawan
Contact Email
jurnal.jekin@gmail.com
Phone
+6281297409136
Journal Mail Official
jurnal.jekin@gmail.com
Editorial Address
Jl. Datuk Tunggul, Kel Teluk Kenidai, Kec Tambang, Kab Kampar, Prov Riau, Indonesia.
Location
Kab. kampar,
Riau
INDONESIA
Jurnal Teknik Informatika
Published by Yayasan Rahmatan Fiddunya Wal Akhirah
ISSN : 2809135     EISSN : 28091353     DOI : -
Core Subject : Science,
Computer Science & IT
JEKIN-Jurnal Teknik Informatika: diterbitkan tiga kali setahun pada bulan Maret, Juli, dan November oleh Yayasan Rahmatan Fiddunya Wal Akhirah untuk membantu akademisi, peneliti, dan praktisi dalam mensosialisasikan hasil penelitiannya. Tujuan Jurnal JEKIN adalah untuk mempublikasikan makalah/artikel di bidang teknik informatika.
Arjuna Subject : Ilmu Komputer (semua kategori) - Perangkat Keras dan Arsitektur
Articles 5 Documents
 1 
Search results for , issue "Vol. 4 No. 1 (2024)" : 5 Documents clear
Prediksi Harga Steel Hot-Rolled Dengan Model Recurement Neural Network Teguh Yuhono; Cian Ramadhona Hassolthine; Riad Sahara
JEKIN - Jurnal Teknik Informatika Vol. 4 No. 1 (2024)
Publisher : Yayasan Rahmatan Fidunya Wal Akhirah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58794/jekin.v4i1.634

Abstract

Steel Hot-rolled Coil atau yang biasa disebut dengan sebutan Baja Canai Panas merupakan sebuah produk baja yang dihasilkan dengan proses penggulungan di dalam suhu yang sangat tinggi. Sebagai bahan baku utama dunia yang sering dipakai dalam pembuatan konstruksi bangunan, jembatan, rel kereta api, dan keperluan otomotif sehingga harga Steel Hot-rolled Coil sangat fluktuatif dan sering kali membuat perencanaan pembelian menjadi tidak efektif. Oleh karena itu, diusulkan sebuah metode prediksi harga Steel Hot-rolled Coil dengan mempelajari pola dan tingkah laku pada data time series harga yang sudah lampau. Metode yang direkomendasikan pada penelitian ini yaitu prediksi harga Steel Hot-rolled Coil dengan menggunakan salah satu arsitektur Artificial Neural Network (ANN) yaitu Recurrent Neural Network (RNN). Dengan semakin optimal model yang dibangun maka semakin tinggi akurasi yang didapatkan. Parameter RNN yang optimal dapat diperoleh dengan algoritma optimasi RMSProp (Root Mean Square Propagation). Dari proses pelatihan dan pengujian, didapatkan akurasi terbaik sebesar 90.90% pada data latih dan 91.02% pada data uji.
Perbandingan Implementasi Machine Learning Menggunakan Metode KNN, Naive Bayes, dan Logistik Regression Untuk Mengklasifikasi Penyakit Diabetes Dewi Nasien; Darwin, Ricalvin; Cia, Alexander; Leo Winata, Andrean; Go, Jerry; M.C, Richard; Charles Wijaya, Ryan; Charles Lo, Kevin
JEKIN - Jurnal Teknik Informatika Vol. 4 No. 1 (2024)
Publisher : Yayasan Rahmatan Fidunya Wal Akhirah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58794/jekin.v4i1.640

Abstract

Penyakit diabetes menjadi sorotan karena sifatnya yang kronis, dengan gejala utama berupa peningkatan kadar gula darah di atas batas normal. Diabetes terjadi ketika tubuh tidak dapat efisien mengambil glukosa ke dalam sel untuk diubah menjadi energi, menyebabkan penumpukan gula ekstra dalam aliran darah. Penelitian ini menggunakan ekstraksi fitur dengan Analisis Komponen Utama (Principal Component Analysis - PCA) dengan threshold 80%, menghasilkan 5 fitur utama. Fitur-fitur ini kemudian digunakan sebagai input untuk tiga classifier, yaitu K-Nearest Neighbors (KNN), Naive Bayes, dan Regresi Logistik. Data yang digunakan berasal dari Kaggle, dengan pembagian data 70:30 dan 80:20. Hasil penelitian menunjukkan bahwa metode Naive Bayes memberikan akurasi terbaik, mencapai 79% pada pembagian data 80:20. Oleh karena itu, dapat disimpulkan bahwa algoritma Naive Bayes adalah pilihan terbaik untuk klasifikasi data diabetes dalam penelitian ini.
Klasifikasi Penyakit Jantung Menggunakan Decision Tree dan KNN Menggunakan Ektraksi Fitur PCA Dewi Nasien; Sirvan, Sirvan; Deny, Deny; Ryan Syahputra, Ryan Syahputra; Akbar Marunduri, Alberta; Prawinata See, Richardo
JEKIN - Jurnal Teknik Informatika Vol. 4 No. 1 (2024)
Publisher : Yayasan Rahmatan Fidunya Wal Akhirah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58794/jekin.v4i1.641

Abstract

Penyakit jantung, yang merupakan penyebab utama kematian, menjadi fokus penanganan dan pembiayaan BPJS Kesehatan. Untuk upaya preventif, prediksi penyakit jantung pada pasien menjadi langkah penting. Dalam penelitian ini, proses klasifikasi dilakukan menggunakan dua metode, yaitu decision tree dan KNN, untuk memprediksi penyakit jantung. Metode decision tree dan KNN merupakan pendekatan yang umum digunakan dalam klasifikasi penyakit jantung. Decision tree membangun model keputusan berbasis pohon, sedangkan KNN menggabungkan beberapa decision tree untuk meningkatkan kinerja dan kestabilan prediksi. Hasil evaluasi performa kedua metode dapat memberikan pandangan yang komprehensif tentang keefektifan masing-masing dalam memprediksi penyakit jantung pada dataset yang digunakan. Metrik evaluasi seperti akurasi, precision, recall, dan F1 score akan memberikan informasi tentang sejauh mana model mampu mengklasifikasikan data dengan benar dan mengidentifikasi kasus penyakit jantung dengan baik
Implementasi Metode Weight Aggregated Sum Product Assesment Untuk Pemilihan Dosen Pembimbing Skripsi Linakuo, Frenkin; Kurniawan, Wahyu Joni
JEKIN - Jurnal Teknik Informatika Vol. 4 No. 1 (2024)
Publisher : Yayasan Rahmatan Fidunya Wal Akhirah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58794/jekin.v4i1.625

Abstract

Proses pendataan dosen pembimbing skripsi, yang saat ini dihadapi oleh mahasiswa, seringkali menemui sejumlah kendala yang kompleks. Mahasiswa sering menghadapi kesulitan dalam mencari dosen pembimbing yang benar-benar sesuai dengan judul, bidang, dan deskripsi skripsi yang mereka rencanakan. Rapat-rapat program studi yang dilakukan untuk menetapkan dosen pembimbing skripsi pun sering memakan waktu yang cukup lama. Hasil dari proses ini tidak selalu memuaskan karena adanya keterbatasan informasi dan pertimbangan yang mungkin tidak mencakup seluruh aspek kebutuhan mahasiswa. Oleh karena itu, penelitian ini bertujuan untuk memberikan solusi terhadap masalah-masalah yang terkait dengan pemilihan dosen pembimbing skripsi melalui penerapan sistem pendukung keputusan berbasis web menggunakan metode WASPAS tujuan mengoptimalkan pengambilan keputusan melalui pertimbangan kriteria dan subkriteria yang relevan. Berdasarkan hasil data dapat disimpulkan bahwa kode A2 dan A15 adalah dosen terbaik. A2 dan A15 adalah dosen Dwi Oktariana dan Gusrianty .Selanjutnya adalah kode A13 hingga A5 , A5 merupakan dosen pembimbing yang kurang baik. Dari 23 data di atas Terdapat 4 dosen sangat baik, 14 dosen baik, 4 dosen cukup, dan 1 dosen kurang baik dalam penilaian metode waspas.
Implementasi Text Summarization Pada Review Aplikasi Digital Library System Menggunakan Metode Maximum Marginal Relevance Karo Karo, Ichwanul Muslim; Dewi, Sri; Perdana, Adidtya
JEKIN - Jurnal Teknik Informatika Vol. 4 No. 1 (2024)
Publisher : Yayasan Rahmatan Fidunya Wal Akhirah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58794/jekin.v4i1.671

Abstract

Peringkasan teks merujuk pada pembuatan rangkuman teks secara otomatis dengan pendekatan natural language processing (NLP).  Text summarization dibutuhkan saat jumlah dokumen atau review yang akan dirangkum dalam jumlah yang banyak. Sebuah rangkuman yang dihasilkan dapat menjadi pengetahuan, masukan maupun saran untuk perbaikan/pengembangan berbagai aplikasi. Aplikasi Digital Library System merupakan sebuah mobile apps untuk layanan perpustakaan Universitas Negeri Medan (Unimed). Aplikasi tersebut memiliki banyak ulasan di berbagai platform. Tentu, rangkuman ulasan tersebut merupakan pengalaman pengguna dan dapat menjadi masukan untuk pengembangan versi terbaru. Namun menjadi tantangan jika seluruh ulasan pengguna dirangkum secara manual, karena akan memakan waktu yang lama. Penelitian ini bertujuan untuk menyediakan rangkuman atas ulasan mobile Apps tersebut dengan pendekatan peringkasan teks secara otomomatis.  Algoritma yang digunakan dalam peringkasan teks di penelitian ini ialah Maximum Marginal Relevance (MMR) dan proses evaluasi menggunakan presisi, recall dan F1. Ulasan mobile apps diperoleh dari play store dan App Store. Ulasan akan melalui tahapan text pre-processing dengan bantuan library NLTK. Penelitian ini berhasil mengidentifikasi 30 review dengan nilai MMR tertinggi. Lebih lanjut, rangkuman ulasan yang disajikan merupakan rangkaian 10 ulasan dengan nilai MMR tertinggi. Rangkuman yang dihasilkan memiliki tingkat presisi sebesar 30.51%, recall sebesar 56.25%, dan skor F1 sebesar 39.56%.

Page 1 of 1 | Total Record : 5

 1 

Filter by Year

2024 2024


Reset
Filter By Issues
All Issue Vol. 5 No. 3 (2025) Vol. 5 No. 2 (2025) Vol. 5 No. 1 (2025) Vol. 4 No. 3 (2024) Vol. 4 No. 2 (2024) Vol. 4 No. 1 (2024) Vol. 3 No. 3 (2023) Vol. 3 No. 2 (2023) Vol. 3 No. 1 (2023) Vol. 2 No. 3 (2022) Vol. 2 No. 2 (2022) Vol. 2 No. 1 (2022) Vol. 1 No. 3 (2021) Vol. 1 No. 2 (2021) Vol. 1 No. 1 (2021) More Issue