Jurnal Informatika Teknologi dan Sains (Jinteks)
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
Articles
66 Documents
Search results for
, issue
"Vol 7 No 2 (2025): EDISI 24"
:
66 Documents
clear
<![CDATA[CHATGPT DALAM PRAKTIK PPG: STRATEGI BARU TINGKATKAN HASIL BELAJAR SISWA SMP NEGERI 7 MALANG ]]>
<![CDATA[Hasriani]]>;
<![CDATA[Irianto, Wahyu Sakti Gunawan]]>;
<![CDATA[Wardhana, Nyoman Dedi Kusuma]]>;
<![CDATA[Hermansyah]]>;
<![CDATA[Abbar, Habib Muhammad]]>;
<![CDATA[Ulum, Khoirul]]>
<![CDATA[ Jurnal Informatika Teknologi dan Sains (Jinteks) Vol 7 No 2 (2025): EDISI 24 ]]>
Publisher : <![CDATA[Program Studi Informatika Universitas Teknologi Sumbawa ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.51401/jinteks.v7i2.5752
<![CDATA[Perkembangan teknologi kecerdasan buatan (AI) telah membuka peluang baru dalam dunia pendidikan, salah satunya melalui penggunaan ChatGPT. Artikel ini bertujuan untuk mengkaji penerapan ChatGPT sebagai strategi pembelajaran inovatif dalam Praktik Pengalaman Lapangan (PPL) mahasiswa Pendidikan Profesi Guru (PPG) di SMP Negeri 7 Malang. Penelitian ini menggunakan pendekatan Penelitian Tindakan Kelas (PTK) model Kemmis dan McTaggart, yang dilaksanakan dalam dua siklus pada siswa kelas VII A sebanyak 30 orang. Fokus pembelajaran adalah pengenalan konsep dasar pemrograman dengan media Scratch yang dipadukan dengan ChatGPT sebagai pendamping interaktif. Pada Siklus I, pembelajaran diarahkan untuk memperkuat pemahaman siswa terhadap konsep-konsep dasar seperti variabel dan perulangan. Sedangkan pada Siklus II, siswa menerapkan konsep-konsep tersebut dalam proyek animasi menggunakan Scratch. Hasil penelitian menunjukkan bahwa penggunaan ChatGPT membantu siswa memahami materi dengan lebih mudah, meningkatkan motivasi belajar, serta mendorong partisipasi aktif dalam proses pembelajaran. Dengan demikian, ChatGPT terbukti menjadi strategi baru yang efektif dalam meningkatkan hasil belajar siswa dan relevan dengan kebutuhan pendidikan abad ke-21.]]>
<![CDATA[SISTEM DETEKSI PENYAKIT PADA DAUN TANAMAN KENTANG MENGGUNAKAN METODE CNN ARSITEKTUR VGG-Net ]]>
<![CDATA[Prasetyo, Prasetyo Tri Utomo]]>;
<![CDATA[Santoso, Budi]]>;
<![CDATA[Kacung, Slamet]]>
<![CDATA[ Jurnal Informatika Teknologi dan Sains (Jinteks) Vol 7 No 2 (2025): EDISI 24 ]]>
Publisher : <![CDATA[Program Studi Informatika Universitas Teknologi Sumbawa ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.51401/jinteks.v7i2.5758
<![CDATA[Deteksi dini terhadap penyakit pada daun tanaman kentang memiliki peran krusial dalam mencegah penurunan produktivitas hasil panen. Penyakit seperti early blight dan late blight dapat dikenali melalui karakteristik visual pada permukaan daun, namun identifikasi secara manual cenderung bersifat subjektif dan memerlukan waktu yang cukup lama. Penelitian ini bertujuan untuk merancang sistem deteksi otomatis penyakit daun kentang dengan memanfaatkan metode Convolutional Neural Network (CNN) melalui pendekatan transfer learning menggunakan arsitektur VGG16. Dataset yang digunakan mencakup tiga kelas, yaitu daun sehat (healthy), early blight, dan late blight. Tahapan pra-pemrosesan meliputi preprocessing citra, augmentasi data, serta pelatihan model dengan memanfaatkan bobot awal dari VGG16. Parameter pelatihan yang diterapkan antara lain batch size sebesar 32, learning rate sebesar 0,0001, dimensi gambar 224×224 piksel, dan jumlah epoch sebanyak 10. Berdasarkan hasil pengujian, model mampu mencapai akurasi sebesar 95%, disertai nilai precision, recall, dan F1-score yang tinggi dan konsisten untuk setiap kelas. Evaluasi menggunakan confusion matrix menunjukkan performa klasifikasi yang baik dengan tingkat kesalahan prediksi yang rendah. Dengan demikian, sistem ini memiliki potensi untuk diterapkan sebagai alat bantu bagi petani dalam melakukan identifikasi penyakit daun secara cepat dan akurat di lapangan.]]>
<![CDATA[PENERAPAN ALGORITMA RANDOM FOREST UNTUK PREDIKSI PEJUALAN DAN PERSEDIAN PRODUK PADA TOKO FROZEN FOOD ANISA ]]>
<![CDATA[Amelia, Dara]]>;
<![CDATA[R, Rakhmat Kurniawan]]>
<![CDATA[ Jurnal Informatika Teknologi dan Sains (Jinteks) Vol 7 No 2 (2025): EDISI 24 ]]>
Publisher : <![CDATA[Program Studi Informatika Universitas Teknologi Sumbawa ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.51401/jinteks.v7i2.5760
<![CDATA[Teknologi telah mengalami perubahan dan membawa perubahan dalam berbagai sektor terutama pada dunia usaha, teknologi dingunaan oleh pelaku usaha untuk mendukung dan mempermudah kegiatan operasional dan daya saing. Salah satu teknologi yang dingunakan untuk meningkatkan daya saing dan efesiensi operasional adalah machine learning. Toko frozen food anisa adalah toko UMKM kecil yang baru merintis jualan makanan beku, pemilik dihadapi tantangan dalam prediksi permintaan konsumen dan mengelola persedian barang. Dengan pengelolaan persedian barang yang masih manual menyebabkan kelebihan atau kekurangan stok barang, sehingga dilakukanlah prediksi dalam permintaan serta pengelolaan barang yang ada ditoko frozen food anisa untuk memastikan persedian produk dan mengurangi pemborosan. Pemilihan Mechine Learing Random Forest adalah karena kemampuannya dalam menagani data yang kompeks dan menghasilkan prediksi yang akurat, dengan memanfaatkan data penjualan historis algoritma ini dapat memperdiksi produk. Pengujian dilakukan menggunakan data penjualanan selama 6 bulan dan penginputtan data pada sistem menggunakan 1 bulan terakhir untuk melihat prediksi penjualanan pada bulan kedepannya dan mengetahui barang yang akan distok lebih awal. Hasil awal penggunaan algoritma random forest ini dapat meningkatkan akurasi prediksi penjualan hingga 83% dibandingkan penggunaan metode konvensional. Prediksi yang tepat dapat menjadikan pengelolaan persedian lebih efektif mengurangi kelebihan dan kekurangn stok barang pada toko frozen food anisa]]>
<![CDATA[ANALISIS PERBANDINGAN ALGORITMA MACHINE LEARNING PADA PREDIKSI PRODUKSI BUAH DI ACEH ]]>
<![CDATA[Rafikoh, Zahra Anggun]]>;
<![CDATA[Faisal, Sutan]]>;
<![CDATA[Baihaqi, Kiki Ahmad]]>;
<![CDATA[H, Hanny Hikmayanti]]>
<![CDATA[ Jurnal Informatika Teknologi dan Sains (Jinteks) Vol 7 No 2 (2025): EDISI 24 ]]>
Publisher : <![CDATA[Program Studi Informatika Universitas Teknologi Sumbawa ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.51401/jinteks.v7i2.5765
<![CDATA[Prediksi produksi buah merupakan aspek penting dalam mendukung perencanaan dan pengelolaan sektor pertanian. Penelitian ini membandingkan performa dua algoritma machine learning, yaitu Random Forest dan Support Vector Machine (SVM), dalam memprediksi produksi buah di Provinsi Aceh menggunakan data produksi dari Badan Pusat Statistik (BPS) periode 2018–2023. Data telah melalui proses preprocessing termasuk penanganan missing values, outliers, serta transformasi variabel kategori. Evaluasi model menggunakan metrik Mean Squared Error (MSE), Mean Absolute Error (MAE), dan R² Score menunjukkan bahwa Random Forest memberikan hasil prediksi yang lebih akurat dibandingkan SVM. Penambahan fitur eksternal seperti curah hujan, jenis pupuk, dan metode budidaya yang disimulasikan tidak memberikan peningkatan signifikan pada performa model. Penelitian ini merekomendasikan penggunaan Random Forest untuk prediksi produksi buah di Aceh dan menyarankan pengumpulan data eksternal yang lebih lengkap untuk meningkatkan akurasi prediksi di masa depan.]]>
<![CDATA[PENERAPAN FIREWALL BERBASIS MIKROTIK DALAM OPTIMALISASI JARINGAN DI SEKOLAH MENENGAH KEJURUAN: Pengoptimalan Dalam Jaringan ]]>
<![CDATA[Sianhar, Yansen]]>;
<![CDATA[Marhalim, Marhalim]]>
<![CDATA[ Jurnal Informatika Teknologi dan Sains (Jinteks) Vol 7 No 2 (2025): EDISI 24 ]]>
Publisher : <![CDATA[Program Studi Informatika Universitas Teknologi Sumbawa ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.51401/jinteks.v7i2.5774
<![CDATA[Internet memiliki peran yang sangat penting dalam berbagai bidang kehidupan, khususnya dalam dunia pendidikan sebagai sarana pendukung proses belajar mengajar yang lebih efektif dan efisien. Sebagai upaya untuk mewujudkan peran tersebut, penelitian ini bertujuan mengoptimalkan kinerja jaringan internet di SMK Negeri 1 Kota Bengkulu dengan menerapkan konfigurasi firewall berbasis Layer 7 Protocols pada perangkat MikroTik. Permasalahan yang dihadapi meliputi akses bebas ke konten non-edukatif, kestabilan jaringan yang kurang optimal, dan kurangnya kontrol trafik pengguna. Tahap penelitian yang dilakukan pada penelitian ini dari analisis kondisi jaringan, perancangan topologi baru, implementasi firewall Layer 7, serta pengujian performa jaringan. Hasil implementasi menunjukkan peningkatan signifikan pada kecepatan akses internet, dari 1,6 Kbps menjadi 5 Mbps per pengguna. Selain itu, firewall berhasil memblokir 25 situs yang tidak mendukung proses pembelajaran. Fitur Layer 7 Protocol memungkinkan penyaringan trafik berdasarkan pola konten dan aplikasi sehingga akses internet menjadi lebih selektif dan aman. Pengujian dilakukan dengan pengamatan langsung serta pengukuran kecepatan menggunakan Speedtest. Temuan ini membuktikan bahwa penerapan firewall Layer 7 efektif dalam memfilter konten negatif sekaligus meningkatkan efisiensi dan keamanan jaringan. Dengan demikian, sistem ini mendukung terciptanya lingkungan belajar digital yang optimal, aman, dan kondusif di sekolah.]]>
<![CDATA[SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN E-LIQUID VAPOR MENGGUNAKAN METODE MOORA ]]>
<![CDATA[Fadilla, Muhammad Myrza]]>;
<![CDATA[Kacung, Slamet]]>;
<![CDATA[Santoso, Budi]]>
<![CDATA[ Jurnal Informatika Teknologi dan Sains (Jinteks) Vol 7 No 2 (2025): EDISI 24 ]]>
Publisher : <![CDATA[Program Studi Informatika Universitas Teknologi Sumbawa ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.51401/jinteks.v7i2.5775
<![CDATA[Meningkatnya popularitas rokok elektrik di Indonesia diikuti dengan pertumbuhan ragam produk e-Liquid yang beredar di pasaran, menciptakan tantangan bagi konsumen dalam memilih e-Liquid yang sesuai dengan kebutuhan mereka. Penelitian ini bertujuan untuk mengembangkan sistem pendukung keputusan pemilihan e-Liquid Vapor menggunakan metode MOORA (Multi-Objective Optimization by Ratio Analysis). Metode penelitian meliputi pengumpulan data melalui wawancara dengan pengguna vapor dan pemilik vape store untuk mengidentifikasi kriteria penilaian, yang selanjutnya diimplementasikan dalam sistem pendukung keputusan dengan empat kriteria utama: rasa (50%), kadar nikotin (25%), harga (15%), dan ketersediaan stok (10%). Hasil penelitian menunjukkan bahwa metode MOORA menghasilkan rekomendasi e-Liquid yang sesuai dengan preferensi pengguna. Dari tujuh alternatif e-Liquid yang dianalisis, lima alternatif direkomendasikan berdasarkan nilai optimasi tertinggi dengan alternatif A6 (Fruity, 9mg, >Rp.150.000, mudah didapatkan) memperoleh peringkat tertinggi dengan nilai optimasi 0,076. Sistem ini memberikan solusi efektif bagi konsumen, terutama pengguna baru, dalam membuat keputusan pemilihan e-Liquid yang lebih tepat sesuai dengan kriteria yang diinginkan.]]>
<![CDATA[SISTEM INFORMASI CRM UNTUK OPTIMASI LAYANAN BERBASIS WEB DENGAN METODE RAD DI SURYA KENCANA STATIONERY DAN COPY CENTER ]]>
<![CDATA[Safira, Amalia]]>;
<![CDATA[Ana Wati, Seftin Fitri]]>;
<![CDATA[Farisa Ananto, Prasasti Karunia]]>
<![CDATA[ Jurnal Informatika Teknologi dan Sains (Jinteks) Vol 7 No 2 (2025): EDISI 24 ]]>
Publisher : <![CDATA[Program Studi Informatika Universitas Teknologi Sumbawa ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.51401/jinteks.v7i2.5782
<![CDATA[Penelitian ini bertujuan untuk merancang dan membangun sistem informasi CRM berbasis web di Surya Kencana Stationery dan Copy Center yang menghadapi tantangan dalam pengelolaan pelanggan dan layanan digital. Penelitian ini bertujuan merancang dan mengembangkan sistem informasi Customer Relationship Management (CRM) berbasis web menggunakan metode Rapid Application Development (RAD) untuk meningkatkan efisiensi layanan dan keterlibatan pelanggan. Metode RAD dipilih karena kemampuannya mempercepat pengembangan sistem melalui pendekatan iteratif dan kolaboratif. Proses dimulai dari studi pustaka, observasi, dan wawancara untuk merumuskan kebutuhan sistem, yang kemudian divisualisasikan melalui prototipe dan diuji dengan metode usability testing dan black box testing. Hasilnya, sistem CRM yang dikembangkan berhasil diimplementasikan dengan fitur manajemen pelanggan, pemesanan online, pengelolaan promosi, serta umpan balik dan keluhan. Berdasarkan pengujian, sistem menunjukkan tingkat keberhasilan fungsional yang tinggi dan tingkat kepuasan pengguna sebesar 81% berdasarkan User Acceptance Testing (UAT). Hal ini menunjukkan bahwa sistem telah memenuhi ekspektasi pengguna. Penelitian ini menyarankan pengembangan lebih lanjut melalui integrasi sistem akuntansi, fitur analitik prediktif, dan peningkatan keamanan sistem untuk mendukung operasional bisnis yang lebih optimal.]]>
<![CDATA[ANALISIS SENTIMEN LAYANAN KESEHATAN BPJS MENGGUNAKAN METODE SVM ]]>
<![CDATA[Sari, Ratih Ayu Puspita]]>;
<![CDATA[Kacung, Slamet]]>;
<![CDATA[Santoso, Budi]]>
<![CDATA[ Jurnal Informatika Teknologi dan Sains (Jinteks) Vol 7 No 2 (2025): EDISI 24 ]]>
Publisher : <![CDATA[Program Studi Informatika Universitas Teknologi Sumbawa ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.51401/jinteks.v7i2.5797
<![CDATA[Di era digital ini teknologi komunikasi menjadi alat penting untuk mendukung penyebaran informasi dan akses layanan kesehatan yang cepat dan efisien. Saat ini mutu layanan kesehatan menjadi perhatian utama masyarakat. Permasalahan dalam penelitian ini adalah persepsi masyarakat terhadap layanan kesehatan BPJS yang menjadi salah satu indikator penting dalam menilai kualitas pelayanan kesehatan di Indonesia. Faktor utama yang melatarbelakangi permasalahan ini adalah kualitas layanan yang diterima masyarakat, yang sering kali dianggap belum memenuhi harapan, terutama dalam hal aksesibilitas, kecepatan, dan keadilan pelayanan. Tujuan dari penelitian ini adalah untuk melakukan analisis sentimen pada komentar di media sosial X dan Youtube terkait layanan kesehatan BPJS dengan menggunakan algoritma Support Vector Machine (SVM) sebagai metode klasifikasi. Dengan menggunakan metode Support Vector Machine (SVM), penelitian ini diharapkan dapat mengidentifikasi pola sentimen positif, negatif, dan netral terkait dengan pengalaman masyarakat terhadap BPJS. Metode klasifikasi berbasis Support Vector Machine (SVM) berhasil diimplementasikan untuk melakukan klasifikasi teks komentar di postingan X dan Youtube. Metode yang diusulkan menunjukkan performa optimal dengan akurasi mencapai 89,96%.]]>
<![CDATA[IMPLEMENTASI METODE CONTENT BASED FILTERING MENGGUNAKAN SYNOPSIS SIMILARITY UNTUK PEMILIHAN ANIME ]]>
<![CDATA[Irwan, Wahyurrahman Ferbiansyah Adha Muhammad]]>;
<![CDATA[Santoso, Budi]]>;
<![CDATA[Kacung, Slamet]]>
<![CDATA[ Jurnal Informatika Teknologi dan Sains (Jinteks) Vol 7 No 2 (2025): EDISI 24 ]]>
Publisher : <![CDATA[Program Studi Informatika Universitas Teknologi Sumbawa ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.51401/jinteks.v7i2.5815
<![CDATA[Penelitian ini bertujuan mengembangkan sistem rekomendasi anime berbasis Content-Based Filtering dengan memanfaatkan kesamaan sinopsis sebagai parameter utama. Latar belakang penelitian didasari oleh keterbatasan sistem rekomendasi yang hanya mengandalkan genre atau popularitas, tanpa mempertimbangkan kesesuaian naratif secara mendalam. Data sinopsis anime genre fantasi diambil dari dataset MyAnimeList dan diproses melalui tahapan text preprocessing, tokenisasi, dan representasi numerik menggunakan metode TF-IDF. Kemudian, kemiripan antar sinopsis dihitung menggunakan Cosine Similarity untuk menghasilkan rekomendasi judul anime yang memiliki kesamaan konteks cerita dengan preferensi pengguna. Hasil sistem menunjukkan keberhasilan dalam merekomendasikan anime yang relevan, termasuk dalam satu waralaba seperti seri "Bleach". Evaluasi menggunakan metrik Mean Average Precision (MAP) menghasilkan skor 0,416667, yang mengindikasikan bahwa sistem mampu menempatkan rekomendasi relevan pada posisi atas daftar. Temuan ini menunjukkan bahwa pendekatan berbasis sinopsis efektif meningkatkan akurasi dan relevansi sistem rekomendasi, serta memberikan pengalaman personalisasi yang lebih mendalam bagi pengguna]]>
<![CDATA[PENGARUH TEKNIK PENYEIMBANGAN DATA PADA KLASIFIKASI PENYAKIT NAFLD DENGAN ALGORITMA SVM ]]>
<![CDATA[Faska, Ridho Mahardika]]>;
<![CDATA[Gusti, Siska Kurnia]]>;
<![CDATA[Budianita, Elvia]]>;
<![CDATA[Syafria, Fadhilah]]>
<![CDATA[ Jurnal Informatika Teknologi dan Sains (Jinteks) Vol 7 No 2 (2025): EDISI 24 ]]>
Publisher : <![CDATA[Program Studi Informatika Universitas Teknologi Sumbawa ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.51401/jinteks.v7i2.5849
<![CDATA[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.]]>
