cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Eri Sasmita Susanto
Contact Email
eri.sasmita.susanto@uts.ac.id
Phone
+6287739570750
Journal Mail Official
jurnal.informatika@uts.ac.id
Editorial Address
Jln. Raya Olat Maras, Batu Alang, Kec. Moyo Hulu, Kab. Sumbawa Besar, Nusa Tenggara Barat. 84371
Location
Kab. sumbawa,
Nusa tenggara barat
INDONESIA
Jurnal Informatika Teknologi dan Sains (Jinteks)
Published by Universitas Teknologi Sumbawa
ISSN : -     EISSN : 26863359     DOI : https://doi.org/10.51401/jinteks.v3i3.1260
Core Subject : Science, Engineering,
Computer Science & IT Control & Systems Engineering
Jurnal Informatika Teknologi dan Sains (JINTEKS) merupakan media publikasi yang dikelola oleh Program Studi Informatika, Fakultas Teknik dengan ruang lingkup publikasi terkait dengan tema tema riset sesuai dengan bidang keilmuan Informatika yang meliputi Algoritm, Software Enginering, Network & Security serta Artificial Inteligence. disamping itu Jurnal Informatika Teknologi dan Sains (JINTEKS) juga mengelola publikasi yang terkait dengan ilmu Keteknikan / Engineering dan bidang sains yang meliputi matematika komputasi, Biomatematika serta Fisika terapan yang mengarah pada komputasi. Tujuan dan Lingkup Jurnal Jurnal Informatika Teknologi Dan Sains (JINTEKS) akan memuat hasil-hasil penelitian dan pengabdian masyarakat dalam bidang Teknologi Informasi, Komputer dan Sains yang belum pernah diterbitkan maupun sedang dikirim ke jurnal lain. Lingkup Jurnal Informatika Teknologi Dan Sains (JINTEKS) meliputi bidang Teknologi Informasi, Komputer dan Sains yang meliputi: Pemrograman Database Kecerdasan buatan Jaringan komputer Teknologi cloud Interfacing Sistem embedded Pengolahan citra E-commerce Sistem pengambilan keputusan Komputer Sains serta bidang-bidang lain yang relevan dengan teknologi informasi dan komputer
Arjuna Subject : Ilmu Komputer (semua kategori) - Ilmu Komputer (Lain-Lain)
Articles 191 Documents
 8   9   10   11   12 
Search results for , issue "Vol 7 No " : 191 Documents clear
PENGARUH TEKNIK PENYEIMBANGAN DATA PADA KLASIFIKASI PENYAKIT NAFLD DENGAN ALGORITMA SVM Faska, Ridho Mahardika; Gusti, Siska Kurnia; Budianita, Elvia; Syafria, Fadhilah
Jurnal Informatika Teknologi dan Sains (Jinteks) Vol 7 No 2 (2025): EDISI 24
Publisher : Program Studi Informatika Universitas Teknologi Sumbawa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51401/jinteks.v7i2.5849

Abstract

Non-Alcoholic Fatty Liver Disease (NAFLD) merupakan penyakit hati kronis yang prevalensinya terus meningkat secara global, termasuk di Indonesia, dengan faktor risiko utama seperti obesitas, diabetes melitus, dan dislipidemia. Deteksi dini NAFLD menjadi tantangan penting karena metode konvensional seperti biopsi hati dan pencitraan memiliki keterbatasan dalam hal biaya, risiko invasif, dan kepraktisan. Penelitian ini bertujuan untuk mengembangkan model klasifikasi NAFLD menggunakan algoritma Support Vector Machine (SVM) dengan memanfaatkan dataset dari Kaggle yang terdiri dari 10 variabel dan 17.549 data. Untuk mengatasi masalah ketidakseimbangan kelas, diterapkan teknik oversampling seperti SMOTE, ADASYN, dan Random Oversampling (ROS) untuk melihat performa akurasi. Hasil penelitian menunjukkan bahwa SMOTE memberikan performa terbaik dengan akurasi tertinggi mencapai 78,70% pada kernel RBF, ROS dengan akurasi 78,18% dan ADASYN dengan akurasi 76,86%. Penelitian ini menyimpulkan bahwa pemilihan teknik oversampling data dan parameter yang tepat sangat penting dalam meningkatkan efektivitas model untuk menangani data tidak seimbang, sehingga dapat berkontribusi pada pengembangan metode deteksi NAFLD yang lebih efisien dan non-invasif.
IMPLEMENTASI ANDROID JETPACK COMPOSE PADA APLIKASI MACHINE LEARNING SIJAMUR UNTUK PREDIKSI KONSUMSI JAMUR BERACUN Siregar, Haikal Ferdiansyah; Anggara, Afwan
Jurnal Informatika Teknologi dan Sains (Jinteks) Vol 7 No 2 (2025): EDISI 24
Publisher : Program Studi Informatika Universitas Teknologi Sumbawa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51401/jinteks.v7i2.5853

Abstract

Banyak masyarakat kini mulai sadar pentingnya makan sehat, termasuk memilih bahan makanan yang aman seperti jamur. Produksi jamur pun semakin meningkat dan beragam jenis jamur tersedia di pasaran, sehingga diperlukan cara mudah untuk membedakan jamur yang aman dan beracun. Penelitian ini mengembangkan aplikasi SiJamur dengan menggunakan data jamur dari UCI Machine Learning Repository dan menerapkan algoritma machine learning Support Vector Machine (SVM), Random Forest, dan Decision Tree. Aplikasi ini dikembangkan dengan Jetpack Compose, sebuah fitur pengembangan anatarmuka untuk platform mobile android yang tidak menggunakan XML. Hasil pengujian menunjukkan SVM memberikan akurasi tertinggi sebesar 100%, diikuti oleh Random Forest dengan 98% dan Decision Tree dengan 95%. Aplikasi SiJamur menyediakan fitur prediksi dan informasi mengenai berbagai jenis jamur untuk membantu masyarakat mengenali jamur yang aman dikonsumsi. Penelitian ini juga menunjukkan bahwa kombinasi antara machine learning dan pengembangan mobile dapat memberikan solusi nyata dalam bidang keamanan pangan, khususnya dalam konteks identifikasi organisme liar yang sulit dibedakan secara visual oleh masyarakat awam
ANALISIS EKSTRAKSI CITRA GLCM DAN WAVELET UNTUK KLASIFIKASI PENYAKIT CABAI DENGAN METODE SVM Apriani, Nana; Supatman, Supatman
Jurnal Informatika Teknologi dan Sains (Jinteks) Vol 7 No 2 (2025): EDISI 24
Publisher : Program Studi Informatika Universitas Teknologi Sumbawa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51401/jinteks.v7i2.5860

Abstract

Penyakit seperti antraknosa, busuk daun phytophthora, dan cabai kering menjadi tantangan utama dalam produksi tanaman cabai. Penelitian ini bertujuan untuk mengklasifikasikan citra penyakit pada cabai menggunakan ekstraksi fitur dengan Gray Level Co-occurrence Matrix (GLCM) dan Discrete Wavelet Transform (DWT) Daubechies-4 serta klasifikasi memanfaatkan algoritma Support Vector Machine (SVM). Dataset yang digunakan sebanyak 400 citra cabai yang dibagi menjadi empat kelas yaitu cabai sehat, antraknosa, phytophthora dan cabai kering. Metode dilakukan dengan pra-pemrosesan citra, kemudian ekstraksi fitur tekstur menggunakan nilai GLCM (kontras, homogenitas, energi, korelasi) dan dekomposisi wavelet level dua. Fitur-fitur yang diekstraksi digunakan sebagai input untuk klasifikasi SVM. Evaluasi kinerja model klasifikasi menggunakan metrik akurasi, presisi, recall dan skor F1. Klasifikasi menggunakan fitur GLCM diperoleh akurasi, presisi, recall dan skor F1 berturut-turut 75%, 76%, 75%, dan 75%. Sementara klasifikasi menggunakan fitur DWT diperoleh akurasi, presisi, recall dan skor F1 berturut-turut 81%, 82%, 81%, dan 81%. Sedangkan hasil dari fitur GLCM dan fitur DWT diperoleh akurasi, presisi, recall dan skor F1 berturut-turut 82%, 82%, 82%, dan 82%, dengan nilai F1-score tertinggi sebesar 95% pada kelas Busuk Phytophthora. Hasil ini menunjukkan kombinasi fitur GLCM dan DWT mampu untuk klasifikasi citra penyakit cabai, dan berpotensi diterapkan dalam sistem diagnosis penyakit tanaman berbasis citra.
SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN PROVIDER WIFI MENGGUNAKAN METODE DEMATEL Andrianto, Arya; Santoso, Budi; Kacung, Slamet
Jurnal Informatika Teknologi dan Sains (Jinteks) Vol 7 No 2 (2025): EDISI 24
Publisher : Program Studi Informatika Universitas Teknologi Sumbawa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51401/jinteks.v7i2.5866

Abstract

Pemilihan provider jaringan WIFI yang tepat sering kali menjadi tantangan bagi calon pelanggan akibat banyaknya pilihan dan aspek yang harus dipertimbangkan, seperti harga, kualitas sinyal, dan cakupan area. Penelitian ini bertujuan mengembangkan Sistem Pendukung Keputusan (SPK)  yang dapat membantu pengguna dalam menentukan pilihan provider WIFI secara objektif. Metode Decision Making Trial and Evaluation Laboratory (DEMATEL) digunakan untuk menganalisis hubungan sebab-akibat antar kriteria serta menentukan bobot berdasarkan tingkat pengaruhnya. Lima kriteria utama yang dianalisis adalah biaya bulanan, biaya pemasangan, kestabilan sinyal, cakupan area, dan bandwith. Hasil pembobotan menunjukkan bahwa bandwith dan kestabilan sinyal memiliki pengaruh terbesar. Dari 6 alternatif yang direkomendasikan, My-Republic memperoleh skor akhir tertinggi sebesar 0,9102 dan direkomendasikan sebagai provider terbaik. Validasi dilakukan melalui uji pengguna dan perbandingan dengan preferensi aktual, dengan tingkat akurasi masing masing sebesar 80% dan 73,3%. Kesimpulannya, sistem yang dibangun mampu memberikan rekomendasi yang relevan dan akurat, serta mendukung proses pengambilan keputusan secara lebih sistematis dan rasional.
ANALISIS TINGKAT KEPUASAN PENGGUNA SIREKAP MENGGUNAKAN METODE SUPPORT VECTOR MACHINE (SVM) DAN LONG SHORT TREM MEMORY (LSTM) Cahyono, Erik; Kacung, Slamet
Jurnal Informatika Teknologi dan Sains (Jinteks) Vol 7 No 2 (2025): EDISI 24
Publisher : Program Studi Informatika Universitas Teknologi Sumbawa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51401/jinteks.v7i2.5867

Abstract

Penelitian ini bertujuan untuk menganalisis tingkat kepuasan pengguna terhadap aplikasi Sirekap berdasarkan ulasan yang diperoleh dari Google Play Store. Data dikumpulkan melalui proses crawling dan kemudian dianalisis menggunakan dua pendekatan klasifikasi sentimen, yaitu Support Vector Machine (SVM) dan Long Short-Term Memory (LSTM). Tahapan analisis mencakup preprocessing teks seperti cleansing, tokenizing, stopword removal, dan stemming, serta ekstraksi fitur menggunakan metode TF-IDF. Hasil evaluasi menunjukkan bahwa model SVM mencapai akurasi sebesar 92,30%, sementara model LSTM mencapai akurasi sebesar 90,85%. Model SVM menunjukkan keunggulan dalam mengklasifikasikan sentimen negatif, sedangkan LSTM relatif lebih baik dalam menangani sentimen positif. Kedua model mengalami kesulitan dalam membedakan sentimen netral, yang terlihat dari tingginya kesalahan klasifikasi pada kelas tersebut. Hasil penelitian ini memberikan gambaran tentang persepsi publik terhadap aplikasi Sirekap serta dapat menjadi referensi dalam pengembangan sistem klasifikasi sentimen yang lebih akurat di masa mendatang. Selain itu, studi ini membuka peluang untuk eksplorasi metode klasifikasi lanjutan dan penggunaan data yang lebih beragam dari berbagai platform digital.
ANALISIS SENTIMEN LAYANAN APLIKASI MYTELKOMSEL MENGGUNAKAN METODE K-NEAREST NEIGHBORS Nugraha, Azariz Ananta Leo; Kacung, Slamet
Jurnal Informatika Teknologi dan Sains (Jinteks) Vol 7 No 2 (2025): EDISI 24
Publisher : Program Studi Informatika Universitas Teknologi Sumbawa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51401/jinteks.v7i2.5876

Abstract

Aplikasi MyTelkomsel merupakan layanan digital yang digunakan untuk mengakses berbagai fitur Telkomsel, seperti pembelian paket data dan pengecekan pulsa. Namun, banyak ulasan pengguna menunjukkan ketidakpuasan terhadap performa aplikasi tersebut. Penelitian ini bertujuan untuk menganalisis sentimen pengguna terhadap layanan aplikasi MyTelkomsel menggunakan metode klasifikasi K-Nearest Neighbors (K-NN). Data dikumpulkan dari komentar pengguna di Google PlayStore dan Instagram, berjumlah 1.678 data. Proses analisis dimulai dari tahap preprocessing hingga klasifikasi dengan tiga jenis pengukuran jarak, yaitu Cosine Similarity, Euclidean Distance, dan Manhattan Distance. Hasil evaluasi menunjukkan bahwa metrik Cosine menghasilkan akurasi tertinggi sebesar 85%, sementara Euclidean dan Manhattan masing-masing menghasilkan 68% dan 57%. Penelitian ini menyimpulkan bahwa metrik Cosine lebih sesuai digunakan dalam klasifikasi sentimen berbasis teks dengan representasi TF-IDF.
MODEL PREDIKTIF DAN ANALISIS TREN PENYEWAAN KONTAINER DENGAN MACHINE LEARNING DALAM MENGOPTIMALKAN OPERASIONAL PERUSAHAAN Ramatika, Desy; Marlina, Leni; Siahaan, Andysah Putera Utama
Jurnal Informatika Teknologi dan Sains (Jinteks) Vol 7 No 2 (2025): EDISI 24
Publisher : Program Studi Informatika Universitas Teknologi Sumbawa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51401/jinteks.v7i2.5877

Abstract

Penelitian ini bertujuan mengembangkan model prediktif berbasis K-Nearest Neighbor (KNN) untuk memprediksi tren penyewaan kontainer pada tahun 2023 serta menganalisis faktor-faktor yang memengaruhinya. Data yang digunakan mencakup transaksi penyewaan dari kuartal I hingga IV tahun 2023. Evaluasi akurasi model dilakukan menggunakan metrik MAE, MSE, RMSE, dan R². Hasil prediksi total transaksi menunjukkan performa baik dengan MAE 15.247.442,46, RMSE 47.566.997,44, dan R² sebesar 0,9663. Namun, pada prediksi bulanan dan harian, akurasi menurun signifikan (R² masing-masing -0,2190 dan -1,9959), menandakan kelemahan dalam memprediksi data berskala lebih kecil. Analisis tren menunjukkan fluktuasi musiman: kuartal I mengalami peningkatan stabil, kuartal II mengalami penurunan jumlah sewa meskipun durasi meningkat, kuartal III mengalami penurunan signifikan, dan kuartal IV menunjukkan pemulihan, terutama pada bulan Desember. Berdasarkan temuan ini, disarankan agar perusahaan menambah armada menjelang kuartal IV dan memberikan promo di kuartal III. Hasil riset ini menyediakan model prediktif berbasis data yang dapat digunakan sebagai dasar pengambilan keputusan strategis untuk optimalisasi operasional perusahaan penyewaan kontainer.
PENGEMBANGAN WEBSITE DESA WISATA KELIKI SEBAGAI MEDIA INFORMASI DAN PROMOSI POTENSI PARIWISATA LOKAL Adnyani, Dewa Ayu Anggi; Iswari, Ni Made Satvika; Dewi, Putri Anugrah Cahya
Jurnal Informatika Teknologi dan Sains (Jinteks) Vol 7 No 3 (2025): EDISI 25
Publisher : Program Studi Informatika Universitas Teknologi Sumbawa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51401/jinteks.v7i3.5843

Abstract

Desa Wisata Keliki, yang terletak di Kecamatan Tegallalang, Gianyar, Bali, memiliki potensi pariwisata yang besar berkat kekayaan alam dan budaya lokalnya. Namun, promosi yang terbatas melalui media sosial dan kurangnya informasi terstruktur menghambat optimalisasi potensi wisata desa tersebut. Oleh karena itu, tugas akhir ini bertujuan untuk mengembangkan website resmi Desa Wisata Keliki sebagai media informasi dan promosi yang efektif. Pengembangan website ini menggunakan metode eXtreme Programming (XP), yang menekankan iterasi cepat dan kolaborasi dengan pemangku kepentingan. Website ini dirancang untuk menampilkan informasi komprehensif mengenai destinasi wisata, kuliner, kegiatan budaya, serta paket wisata yang ditawarkan. Pengembangan melibatkan beberapa tahap: identifikasi potensi desa, perancangan desain, pengkodean, pengujian, dan implementasi. Hasil akhir dari proyek ini adalah sebuah website yang mudah diakses dan user-friendly, memungkinkan wisatawan untuk merencanakan kunjungan dengan lebih baik dan mendorong peningkatan jumlah kunjungan wisatawan. Selain sebagai media promosi, website ini diharapkan dapat memperkuat partisipasi komunitas dalam pengelolaan pariwisata berbasis lokal dan meningkatkan perekonomian masyarakat melalui penjualan produk kerajinan dan layanan wisata.
MODEL SISTEM INFORMASI BERBASIS WEBSITE UNTUK PERSIAPAN LOGISTIK PENDAKIAN GUNUNG DI JAWA TIMUR Prasetya, Dani Dwi Indra; Syahadianti, Litafira; Pamudi, Pamudi
Jurnal Informatika Teknologi dan Sains (Jinteks) Vol 7 No 3 (2025): EDISI 25
Publisher : Program Studi Informatika Universitas Teknologi Sumbawa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51401/jinteks.v7i3.5850

Abstract

Penelitian ini bertujuan untuk mengembangkan sistem informasi berbasis website yang mendukung perencanaan logistik pendakian gunung di Jawa Timur. Sistem ini dirancang untuk membantu pendaki dalam mempersiapkan perjalanan dengan menyediakan informasi yang komprehensif tentang jalur pendakian, kebutuhan logistik, serta kondisi cuaca. Salah satu fitur utama yang dikembangkan adalah kalkulator kebutuhan cairan tubuh berdasarkan rumus Holiday–Segar, yang memperhitungkan faktor berat badan dan intensitas fisik selama pendakian. Selain itu, sistem ini juga mengintegrasikan data geografis melalui teknologi Sistem Informasi Geografis (SIG) untuk memberikan visualisasi rute dan tingkat kesulitan jalur. Fitur forum komunitas turut disediakan untuk memungkinkan para pendaki berbagi pengalaman dan tips, memperkaya basis data dengan informasi terkini. Pendekatan yang digunakan adalah deskriptif kualitatif dengan rekayasa sistem, yang melibatkan proses analisis kebutuhan, perancangan, implementasi, dan evaluasi. Hasil pengembangan menunjukkan bahwa sistem ini dapat memberikan informasi yang cepat, akurat, dan mudah diakses, sehingga meningkatkan efektivitas persiapan pendakian dan keselamatan pendaki. Dengan integrasi data yang lebih baik dan fitur interaktif, penelitian ini memberikan kontribusi terhadap pengembangan sistem informasi pendakian gunung yang lebih efektif dan berbasis data di Jawa Timur.
IMPLEMENTASI DAN EVALUASI SISTEM VIDEO STREAMING SERVER BERBASIS NGINX RTMP PADA LINGKUNGAN DOCKER Risjansyah, Alfriza; Muttaqin, Helmy Faisal
Jurnal Informatika Teknologi dan Sains (Jinteks) Vol 7 No 3 (2025): EDISI 25
Publisher : Program Studi Informatika Universitas Teknologi Sumbawa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51401/jinteks.v7i3.5852

Abstract

Layanan video streaming telah berkembang pesat dan menjadi kebutuhan utama dalam berbagai sektor. Namun, terdapat tantangan dalam mempertahankan kualitas layanan secara optimal, khususnya dalam menyediakan sistem yang efisien, mudah dikelola, dan memiliki portabilitas tinggi agar dapat digunakan secara fleksibel. Penelitian ini bertujuan untuk untuk melakukan implementasi serta mengevaluasi performa sistem video streaming server berbasis NGINX RTMP yang dijalankan pada platform Docker sebagai solusi layanan streaming yang mudah dikelola, dan efisien. Metode yang digunakan meliputi perancangan, implementasi, pengujian serta evaluasi sistem dengan menerapkan performance monitoring pada sisi server menggunakan Docker Stats dan analisis quality of service (QoS) pada sisi client menggunakan Wireshark. Hasil analisis menunjukan server mengonsumsi CPU sekitar 5% di resolusi 480p, dan 6% di resolusi 720p, sementara untuk memori mengonsumsi sebesar 4% di resolusi 480p, dan 7% di resolusi 720p. Untuk hasil QoS pada sisi client menunjukan layanan video streaming mampu menyajikan throughput dengan rata-rata sebesar 2,61 Mbps untuk resolusi 480p dan 2,17 Mbps untuk resolusi 720p, dengan nilai delay jitter, packet loss yang masih dalam batas wajar sesuai standar TIPHON. Hal ini membuktikan bahwa penerapan Nginx RTMP pada Docker dapat menjadi solusi untuk membangun layanan video streaming server yang efisien tanpa membebani kerja perangkat secara berlebih

Page 10 of 20 | Total Record : 191

 8   9   10   11   12 

Filter by Year

2025 2025


Reset
Filter By Issues
All Issue Vol 8 No 1 (2026): EDISI 27 Vol 7 No 4 (2025): EDISI 26 Vol 7 No 3 (2025): EDISI 25 Vol 7 No 2 (2025): EDISI 24 Vol 7 No 1 (2025): EDISI 23 Vol 6 No 4 (2024): EDISI 22 Vol 6 No 3 (2024): EDISI 21 Vol 6 No 2 (2024): EDISI 20 Vol 6 No 1 (2024): EDISI 19 Vol 5 No 4 (2023): EDISI 18 Vol 5 No 3 (2023): EDISI 17 Vol 5 No 2 (2023): EDISI 16 Vol 5 No 1 (2023): EDISI 15 Vol 4 No 4 (2022): EDISI 14 Vol 4 No 3 (2022): EDISI 13 Vol 4 No 2 (2022): EDISI 12 Vol 4 No 1 (2022): EDISI 11 Vol 3 No 4 (2021): EDISI 10 Vol 3 No 3 (2021): EDISI 9 Vol 3 No 2 (2021): EDISI 8 Vol 3 No 1 (2021): EDISI 7 Vol 2 No 4 (2020): EDISI 6 Vol 2 No 3 (2020): EDISI 5 Vol 2 No 2 (2020): EDISI 4 Vol 2 No 1 (2020): EDISI 3 Vol 1 No 2 (2019): EDISI 2 Vol 1 No 1 (2019): EDISI 1 More Issue