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 41 Documents
 1   2   3   4   5 
Search results for , issue "Vol 7 No 1 (2025): EDISI 23" : 41 Documents clear
PENGEMBANGAN APLIKASI DASHBOARD ADMIN BERBASIS WEBSITE UNTUK MANAJEMEN PENGGUNA MENGGUNAKAN REACT Priyatno, Fadhil Alif; Hardiani, Tikaridha
Jurnal Informatika Teknologi dan Sains (Jinteks) Vol 7 No 1 (2025): EDISI 23
Publisher : Program Studi Informatika Universitas Teknologi Sumbawa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51401/jinteks.v7i1.4773

Abstract

PT. XYZ adalah perusahaan di bidang teknologi informasi dan komunikasi (TIK) yang menghadapi tantangan dalam mengelola layanan digitalnya. Perusahaan ini memiliki dua layanan utama, yaitu Developer Portal yang dirancang untuk pengembang API dan Publisher Portal yang digunakan oleh penerbit API. Penelitian ini bertujuan untuk mengembangkan aplikasi Dashboard Admin berbasis website yang dapat mempermudah manajemen pengguna pada kedua layanan tersebut. Pengembangan aplikasi menggunakan metodologi Agile dengan pendekatan Scrum yang berfokus pada iterasi dan umpan balik berkelanjutan. Data kebutuhan sistem dikumpulkan melalui observasi dan wawancara dengan product owner dan stakeholder. Implementasi aplikasi dilakukan menggunakan React sebagai library utama untuk memastikan efisiensi dan fleksibilitas. Hasil penelitian menunjukkan bahwa penerapan Agile dan Scrum dapat meningkatkan efisiensi pengembangan, menghasilkan platform terpusat yang mampu mengelola pengguna dengan fitur seperti mengelola peran user, pengaturan status aktif/inaktif user, dan pengelolaan data pengguna. Selain itu, dashboard ini juga memberikan manfaat strategis dengan menyediakan informasi administratif yang relevan untuk mendukung pengambilan keputusan. Kesimpulannya, dashboard admin berbasis Agile tidak hanya memenuhi kebutuhan fungsionalitas, tetapi juga meningkatkan efisiensi operasional dan keamanan data, menjadikannya solusi efektif untuk manajemen layanan digital serupa
OPTIMALISASI PENCARIAN DAN PENGELOMPOKAN FOTO BERBASIS AI PENGENALAN WAJAH DENGAN AWS RECOGNITION Bening, Ridho Gilang; Bororing, Jemmy Edwin; MZ, Yumarlin
Jurnal Informatika Teknologi dan Sains (Jinteks) Vol 7 No 1 (2025): EDISI 23
Publisher : Program Studi Informatika Universitas Teknologi Sumbawa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51401/jinteks.v7i1.5005

Abstract

Pengelolaan foto pada acara besar sering kali menjadi tantangan, terutama dalam pencarian foto individu di antara ribuan gambar. Penelitian ini bertujuan untuk mengembangkan sistem pencarian dan pengelompokan foto berbasis pengenalan wajah dengan memanfaatkan layanan AWS recognition pada aplikasi FotoMu. Teknologi AWS recognition diharapkan menjadi solusi optimal dalam mengelola dan mengelompokkan foto secara otomatis berdasarkan wajah pengguna. Aplikasi ini dibangun menggunakan metode prototype dengan framework laravel dan basis data MySQL. Pengujian sistem dilakukan menggunakan confusion matrix dengan melibatkan 15 responden untuk mengevaluasi akurasi pengenalan wajah. Hasil pengujian menunjukkan akurasi sebesar 93%, presisi 100%, dan recall 93%, yang menandakan bahwa sistem mampu melakukan pengenalan wajah secara efektif dan akurat, serta mempercepat proses pencarian foto.
SISTEM PERAMALAN STOK PENJUALAN OBAT PERTANIAN BERBASIS WEB DENGAN PENDEKATAN REGRESI LINIER Yunkanabilla, Syalsia Fatiha; Faisol, Ahmad; Ariwibisono, Franciscus Xaverius
Jurnal Informatika Teknologi dan Sains (Jinteks) Vol 7 No 1 (2025): EDISI 23
Publisher : Program Studi Informatika Universitas Teknologi Sumbawa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51401/jinteks.v7i1.5063

Abstract

Toko obat pertanian menduduki peran penting terhadap sektor pertanian dalam mendukung kebutuhan obat pertanian. Saat ini usaha Toko Pertanian Borneo masih belum memiliki sistem untuk memprediksi stok obat pertanian. Sehingga toko pertanian saat ini menghadapi kondisi peningkatan permintaan obat yang belum dapat dipenuhi oleh toko pertanian. Penelitian yang akan dilakukan ini merupakan penelitian dengan menerapkan metode Regresi Linier Berganda untuk dapat memprediksi stok obat pertanian dengan RMSE (Root Mean Square Error) berdasarkan parameter yang digunakan dalam proses perhitungan adalah musim, bulan, jenis obat, total terjual. Berdasarkan pengujian yang dilakukan dengan menggunakan RMSE (Root Mean Square Error), data yang digunakan untuk penelitian ini dibagi menjadi dua yaitu 70% data pelatihan dan 30% data testing. Dengan menggunakan algoritma regresi linier berganda, hasil yang didapatkan menunjukkan bahwa pada variabel yang digunakan di dalam penelitian ini (musim, bulan, dan jenis obat) berpengaruh terhadap jumlah stok yang akan diprediksi. Dapat disimpulkan pada hasil penelitian ini, data yang diolah menghasilkan Root Mean Square Error sebesar 11.731 +/-0.000, dapat dilihat dari persyaratan RMSE jika menghasilkan nilai error <10% maka model dianggap baik dan cocok diterapkan pada prediksi stok obat pertanian borneo.
OPTIMASI METODE RANDOM FOREST UNTUK KLASIFIKASI RISIKO OBESITAS BERDASARKAN POLA MAKAN Rosidah, Nafiati; Prathivi, Rastri; Susanto, Susanto
Jurnal Informatika Teknologi dan Sains (Jinteks) Vol 7 No 1 (2025): EDISI 23
Publisher : Program Studi Informatika Universitas Teknologi Sumbawa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51401/jinteks.v7i1.5065

Abstract

Pola makan tidak sehat, seperti mengonsumsi makanan cepat saji dan mengurangi asupan sayur serta buah, merupakan salah satu penyebab utama obesitas, yang menjadi masalah kesehatan global. Obesitas dapat meningkatkan risiko penyakit tidak menular seperti diabetes, hipertensi, dan penyakit jantung. Dengan menggunakan algoritma Random Forest, penelitian ini bertujuan untuk mengembangkan model prediksi risiko obesitas berbasis pola makan. Data yang digunakan terdiri dari 1.610 record dengan 15 atribut, yang diambil dari dataset publik. Tahapan penelitian meliputi pengumpulan data, preprocessing, pembagian data menjadi data latih dan uji, implementasi model, optimasi hyperparameter dengan Grid Search, dan evaluasi model. Hasil penelitian menunjukkan bahwa model Random Forest yang dioptimasi mampu mencapai akurasi sebesar 85,4%. Frekuensi mengonsumsi makanan cepat saji, jumlah makanan utama setiap hari, kebiasaan ngemil, dan konsumsi sayur adalah beberapa variabel penting yang memengaruhi prediksi. Model ini diharapkan dapat membantu pencegahan dan penanganan obesitas secara lebih efektif sekaligus memberikan wawasan tambahan untuk pengembangan sistem prediksi kesehatan berbasis data
ANALISIS SENTIMEN TERHADAP KAMPANYE PENGURANGAN PLASTIK PADA MEDIA SOSIAL MENGGUNAKAN METODE SVM Boro, Cornelia Luba Tara; Faisol, Ahmad; Rudhistiar, Deddy
Jurnal Informatika Teknologi dan Sains (Jinteks) Vol 7 No 1 (2025): EDISI 23
Publisher : Program Studi Informatika Universitas Teknologi Sumbawa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51401/jinteks.v7i1.5069

Abstract

Kondisi lingkungan saat ini cukup mengkhawatirkan dengan menumpuknya sampah plastik dikarenakan tingginya penggunaan plastik oleh masyarakat. Banyak upaya telah dilakukan, diantaranya adalah kampanye pengurangan plastik yang dilakukan melalui media sosial. Analisis sentimen pada kampanye yang dilakukan ini penting agar dapat mengidentifikasi respon masyarakat terhadap kampanye pengurangan plastik tersebut. Penelitian ini menggunakan metode Support Vector Machine (SVM) untuk mengembangkan suatu sistem yang dapat melakukan klasifikasi sentimen positif, negatif dan netral terhadap kampanye pengurangan plastik yang sudah dilakukan dalam bahasa indonesia berbasis website. Metodologi penelitian terdiri dari pengumpulan dan pra-pemrosesan data tweet, diikuti oleh pengembangan sistem klasifikasi. Data dalam penelitian ini diperoleh dari data tweet kampanye pengurangan plastik. Hasil evaluasi pengujian 1555 data dengan menggunakan rasio 85% data latih dan 15% data uji diperoleh tingkat akurasi sebesar 70,64%. Nilai ini menunjukkan bahwa metode SVM cukup efektif dalam melakukan klasifikasi sentimen. Hasil ini juga dipengaruhi oleh jumlah data yang digunakan serta proses pra-pemrosesan data yang dilakukan
IMPLEMENTASI METODE SVM UNTUK KLASIFIKASI PENYAKIT STUNTING BAYI Dewanti, Tita Risa; Prathivi, Rastri; Susanto, Susanto
Jurnal Informatika Teknologi dan Sains (Jinteks) Vol 7 No 1 (2025): EDISI 23
Publisher : Program Studi Informatika Universitas Teknologi Sumbawa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51401/jinteks.v7i1.5070

Abstract

Penelitian ini bertujuan untuk mengembangkan model klasifikasi berbasis Support Vector Machine (SVM) guna mendeteksi kasus stunting pada bayi dengan tingkat akurasi yang tinggi. Stunting adalah gangguan pertumbuhan kronis akibat kekurangan gizi yang berkepanjangan, ditandai dengan tinggi badan yang tidak memenuhi standar Organisasi Kesehatan Dunia (WHO). Penelitian ini menggunakan dataset besar berjumlah 120.999 data dengan atribut umur, jenis kelamin, tinggi badan, dan status gizi. Data melalui tahap preprocessing, termasuk encoding data kategori dan pembagian data menjadi set pelatihan (80%) dan pengujian (20%). Model dilatih menggunakan kernel Radial Basis Function (RBF) dan Linear, dengan evaluasi melalui metrik akurasi dan confusion matrix. Hasil penelitian menunjukkan bahwa kernel RBF menghasilkan akurasi yang lebih tinggi, yaitu 95,26%, dibandingkan kernel Linear yang hanya mencapai 78,67%. Penelitian ini memberikan kontribusi dalam upaya deteksi dini stunting untuk membantu pemerintah dan tenaga kesehatan di Indonesia, sekaligus menjadi landasan untuk pengembangan lebih lanjut dalam klasifikasi berbasis pembelajaran mesin di bidang kesehatan.
PENGEMBANGAN MODEL SISTEM INFORMASI PENERIMAAN PESERTA DIDIK BARU DI SMK KEBANGSAAN MENGGUNAKAN METODE WATERFAL Angga, Tyas Dwi; Ayumi, Vina
Jurnal Informatika Teknologi dan Sains (Jinteks) Vol 7 No 1 (2025): EDISI 23
Publisher : Program Studi Informatika Universitas Teknologi Sumbawa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51401/jinteks.v7i1.5121

Abstract

Proses penerimaan peserta didik baru (PPDB) yang selama ini dilakukan secara manual dengan menggunakan formulir kertas memiliki berbagai kelemahan, seperti kurang efisien, rawan kesalahan pencatatan, dan sulitnya pengelolaan data dalam jumlah besar. Untuk mengatasi masalah tersebut, penelitian ini bertujuan menggantikan sistem manual tersebut dengan sistem informasi PPDB berbasis web yang dirancang sesuai kebutuhan sekolah menggunakan metode pengumpulan data dan model Waterfall. Pengembangan sistem ini mencakup tahapan analisis kebutuhan pengguna dan fungsional sistem, perancangan, implementasi, serta pengujian. Fokus penelitian adalah permasalahan PPDB di SMK Kebangsaan, Jurang Manggu Timur, Kec. Pondok Aren, Kota Tangerang Selatan, yang dilaksanakan pada periode Oktober 2023 hingga Oktober 2024. Hasil penelitian ini menghasilkan sistem yang memungkinkan calon siswa baru untuk mengisi formulir pendaftaran, mencetak formulir dalam format .pdf, melihat hasil pendaftaran, dan mengirimkan bukti pendaftaran sebagai tanda diterima. Di sisi lain, administrator dapat mengelola berbagai fungsi, seperti menambah, mengedit, dan menghapus halaman PPDB, memproses data pendaftar, menerima atau menolak status pendaftaran, membuat pengumuman hasil PPDB, serta mengelola halaman situs web untuk pengunjung.
ANALISIS PERBANDINGAN ALGORITMA KLASIFIKASI UNTUK IDENTIFIKASI DIABETES DENGAN MENGGUNAKAN METODE RANDOM FOREST DAN NAIVE BAYES Zuhri, Muhammad Rafli; Kusrini, Kusrini; Ariatmanto, Dhani
Jurnal Informatika Teknologi dan Sains (Jinteks) Vol 7 No 1 (2025): EDISI 23
Publisher : Program Studi Informatika Universitas Teknologi Sumbawa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51401/jinteks.v7i1.5146

Abstract

Penanganan penyakit diabetes menjadi penting karena komplikasi yang dapat terjadi jika tidak ditanggulangi dengan benar. Klasifikasi merupakan salah satu metode yang dapat digunakan untuk mengidentifikasi diabetes. Algoritma klasifikasi ini dapat menganalisis data pasien, seperti usia, jenis kelamin, riwayat kesehatan, dan hasil tes, untuk memprediksi apakah pasien tersebut menderita diabetes. Random Forest dan Naïve Bayes merupakan dua algoritma klasifikasi yang populer. Random Forest adalah metode kompleks yang didasarkan pada penggabungan beberapa pohon keputusan untuk mendapatkan prediksi yang lebih akurat, sedangkan Naïve Bayes merupakan metode pengklasifikasian berdasarkan probabilitas sederhana dan dirancang agar dapat dimanfaatkan denegan asumsi antar variabel penjelas saling bebas (independen). Hasil penelitian menggunakan data sebanyak 70% sebagai data pelatihan dan 30% sebagai data pengujian dari keseluruhan 768 data. keseluruhan yang diperoleh bahwa metode random forest dapat memprediksi penyakit diabetes dengan tingkat persentase sebesar 94% dan tingkat persentase naïve bayes sebesar 78%. Berdasarkan hasil penelitian yang diperoleh metode random forest memiliki tingkat persentase lebih tinggi dibandingkan metode naïve bayes dengan tingkat persentase 94% sedangkan naïve bayes dengan tingkat persentase 78% sehingga dapat disimpulkan bahwa metode random forest merupakan metode terbaik dalam mengindentifikasi penyakit diabetes dibandingkan metode naïve bayes.
ANALISIS SENTIMEN MASYARAKAT INDONESIA PADA PLATFROM X TERHADAP ISU FUFUFAFA MENGGUNAKAN BIDIRECTIONAL ENCODER REPRESENTATIONS FROM TRANSFORMERS Amelia, Amanda; Yusuf, Ridwan
Jurnal Informatika Teknologi dan Sains (Jinteks) Vol 7 No 1 (2025): EDISI 23
Publisher : Program Studi Informatika Universitas Teknologi Sumbawa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51401/jinteks.v7i1.5160

Abstract

Media sosial, khususnya Twitter, telah menjadi platform utama untuk menyampaikan opini, berbagi informasi, dan mempengaruhi opini publik. Fenomena “Fufufafa” yang menjadi trending di Twitter mencerminkan tingginya perhatian masyarakat terhadap isu-isu yang terkait dengan ujaran kebencian dan perilaku toxic di dunia maya. Dengan 24,85 juta pengguna aktif di Indonesia pada tahun 2023, Twitter menjadi tempat yang signifikan untuk menganalisis sentimen masyarakat. Penelitian ini bertujuan untuk memahami persepsi publik terkait isu tersebut melalui analisis sentimen menggunakan metode VADER dan BERT. Hasil analisis menunjukkan distribusi sentimen dengan 409 teks positif, 207 teks negatif, dan 575 teks netral. Metode BERT dengan kombinasi batch size 8 dan 5 epochs memberikan hasil terbaik, dengan akurasi tinggi serta evaluasi metrik yang seimbang. Temuan ini mengindikasikan pentingnya parameter pelatihan yang tepat untuk meningkatkan efektivitas model analisis sentimen. Penelitian ini memberikan wawasan opini masyarakat di media sosial, yang dapat dimanfaatkan untuk memahami isu-isu sosial dan membangun strategi komunikasi yang lebih baik di dunia digital.
ANALISIS SEGMENTASI PELANGGAN VOUCHER WIFI DENGAN METODE K-MEANS Fahmi Naufal; Martanto; Arif Rinaldi Dikananda; Rohman, Dede
Jurnal Informatika Teknologi dan Sains (Jinteks) Vol 7 No 1 (2025): EDISI 23
Publisher : Program Studi Informatika Universitas Teknologi Sumbawa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51401/jinteks.v7i1.5169

Abstract

AirNet Teknologi, yang bergerak di bidang konsultasi komputer dan penyedia layanan internet WiFi, melakukan penelitian untuk menerapkan teknik clustering menggunakan algoritma K-Means dalam menganalisis data penjualan voucher WiFi di cabang Talun dari 31 Oktober 2023 hingga 31 April 2024. Penelitian ini bertujuan untuk mengidentifikasi pola pembelian pelanggan berdasarkan jenis paket, durasi penggunaan, dan harga, guna meningkatkan strategi pemasaran perusahaan. Dataset yang dianalisis mencakup detail transaksi seperti tanggal, jenis produk, durasi penggunaan, dan total pembayaran. Proses analisis dilakukan menggunakan RapidMiner Studio dengan tahapan Knowledge Discovery in Database (KDD), termasuk seleksi data, praproses, dan evaluasi hasil clustering menggunakan Davies-Bouldin Index (DBI). Hasil menunjukkan jumlah klaster optimal adalah K = 6 dengan nilai DBI 0.182, menandakan kualitas clustering yang baik. Pelanggan dikelompokkan ke dalam enam klaster dengan karakteristik berbeda, yang dapat digunakan untuk menargetkan promosi dan program loyalitas. Penelitian ini menekankan pentingnya analisis data dalam pengambilan keputusan strategis, memungkinkan AirNet Teknologi untuk menyusun strategi pemasaran yang lebih efektif, meningkatkan kepuasan pelanggan, dan memperkuat posisinya di pasar layanan WiFi.

Page 1 of 5 | Total Record : 41

 1   2   3   4   5 

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