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 66 Documents
 3   4   5   6   7 
Search results for , issue "Vol 7 No 2 (2025): EDISI 24" : 66 Documents clear
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.
SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN BAND TERBAIK MENGGUNAKAN ANALYTICAL HIERARCHY PROCESS DAN MULTI-FACTOR EVALUATION PROCESS Arifadillah, Elang; Akbar, Mutaqin
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.v7i2.5856

Abstract

Penilaian terhadap peserta festival musik sering kali bersifat subjektif dan kurang transparan, sehingga diperlukan sistem pendukung keputusan yang mampu memberikan hasil evaluasi secara objektif dan terstruktur. Penelitian ini menyajikan sistem pendukung pemilihan band terbaik menggunakan Analytical Hierarchy Process (AHP) dan Multi-Factor Evaluation Process (MFEP). Tujuan dari penelitian ini untuk merancang dan mengimplementasikan sistem pendukung keputusan dalam pemilihan band terbaik pada ajang Mentalita Fest dengan mengintegrasikan dua metode pengambilan keputusan multikriteria, yaitu AHP dan MFEP. Metode AHP digunakan untuk menentukan bobot dari setiap kriteria penilaian berdasarkan preferensi juri melalui matriks perbandingan berpasangan, sedangkan metode MFEP digunakan untuk menghitung skor akhir dari masing-masing alternatif berdasarkan bobot yang telah diperoleh. Tiga kriteria utama yang digunakan adalah teknik bermusik, performa panggung, dan orisinalitas musik. Berdasarkan hasil evaluasi terhadap 15 band peserta, diperoleh bahwa SUPERMAN IS DEAD merupakan band terbaik dengan nilai total tertinggi sebesar 4.30. Sistem juga menyediakan visualisasi hasil akhir dalam bentuk peringkat dan rekomendasi keputusan. Dengan demikian, sistem ini dapat dijadikan solusi evaluasi yang transparan dan aplikatif dalam berbagai kegiatan seleksi berbasis kriteria ganda, khususnya dalam bidang seni pertunjukan.
MODEL PEMBELAJARAN AR INTERAKTIF UNTUK PENGEMBANGAN KOGNITIF ANAK TK DALAM PENGENALAN WARNA DAN BENTUK Tasane, Elshaddai L; Himamunanto, Agustinus Rudatyo; Budiati, Haeni
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.v7i2.5885

Abstract

Sistem pembelajaran untuk Anak TK masih banyak menggunakan media konvensional seperti buku cetak dan gambar dua dimensi, yang dinilai kurang efektif dalam menyampaikan konsep abstrak seperti warna dan bentuk. Namun, pengenalan warna dan bentuk sangat penting dalam mendukung perkembangan kognitif dan persepsi visual anak. Penelitian ini bertujuan untuk mengembangkan dan menguji aplikasi pembelajaran interaktif berbasis Augmented Reality (AR) yang dirancang untuk memperkenalkan warna dan bentuk secara menarik dan mudah dipahami. Pengembangan aplikasi menggunakan metode Multimedia Development Life Cycle (MDLC), dan dilakukan pengujian sebanyak 30 kali terhadap total 35 objek, yang terdiri dari 24 objek warna dan bentuk 11 objek bentuk. Hasil menunjukkan bahwa seluruh objek warna dikenali dengan akurasi 100%, sedangkan objek bentuk dikenali dengan akurasi 90,9% dengan objek bola gagal dikenali karena pencahayaan dan desain marker. Akurasi keseluruhan sistem sebesar 97,14%. Uji coba terhadap 25 anak usia 4-5 tahun di Tk Kanisius Kadirojo menunjukkan bahwa 88% anak mampu mengoperasikan aplikasi secara mandiri. Penelitian ini memberikan kontribusi dalam pemanfaatan teknologi Marker-Based AR sebagai media pembelajaran inovatif yang mendukung pengembangan kognitif anak Tk secara lebih interaktif dan menyenangkan.
METODE MFCC-SVM UNTUK PENGENALAN TINGKAT EMOSI MANUSIA BERDASARKAN BERAGAM DATASET Nelvina Adonia; Himamunanto, Agustinus Rudatyo; Setyawan, Gogor C.
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.v7i2.5886

Abstract

Manusia di dalam berbicara pasti memiliki emosi di dalam meluapkan suasana hati tertentu, Namun untuk memahami suasana hati yang dirasakan oleh seseorang yang belum diketahui, suasana hati tersebut yang mempresentasikan adalah sebuah Emosi. Emosi adalah reaksi psikologis dan fisiologis terhadap situasi dan peristiwa yang dirasakan oleh seseorang. Tujuan di dalam penelitian ini yaitu untuk mengklasifikasi dan mengukur emosi seseorang pada suara. Dalam penelitian ini, dirancang sebuah sistem yang mampu mendeteksi atau mengklasifikasi emosi manusia menggunakan sinyal  suaranya. Selain itu, penelitian ini juga memanfaatkan metode Support Vector Machine (SVM) untuk mendeteksi dan mengklasifikasikan suara manusia, dan untuk ekstraksi ciri menggunakan Mel-Frequency, dan untuk mengubah file dari zip menjadi file WAV menggunakan Google Colab. Data suara yang digunakan diambil dari Kaggle seperti RAVDESS, CREMA, dan TORONTO yang berjumlah 12200 data set yang terdiri dari data latih dan data uji. SVM merupakan metode sistem dari machine learning yang digunakan untuk mengklasifikasi suara. Berdasarkan pada penelitian ini, hasil yang dihasilkan klasifikasi emosi melalui suara manusia dengan menggunakan metode SVM ini memiliki akurasi yang cukup tinggi yaitu sebesar 93%.
SISTEM INFORMASI MANAJEMEN STOK OBAT PADA APOTEK JAFNA MENGGUNAKAN METODE FEFO Fitrulloh, Moch. Jassar Aqsal; Kristyawan, Yudi; 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.v7i2.6029

Abstract

Teknologi memberikan dampak positif dalam meningkatkan efisiensi, termasuk dalam pengelolaan stok obat di apotek. Penelitian ini mengembangkan sistem informasi manajemen stok obat berbasis metode FEFO (First Expired, First Out) untuk memprioritaskan penggunaan obat yang mendekati masa kadaluarsa. Sistem dibangun dengan model waterfall dan fitur seperti pencatatan data obat, pemantauan obat kadaluarsa, transaksi obat masuk dan keluar, serta hak akses multi-user. Pengujian dilakukan melalui unit testing, sistem testing, dan acceptance testing. Hasil implementasi menunjukkan bahwa sistem mampu mengelola stok secara otomatis, dan meningkatkan efisiensi operasional. Seluruh fitur berfungsi sesuai skenario berdasarkan Blackbox Testing. Pemeliharaan dilakukan melalui backup data berkala dan evaluasi sistem. Umpan balik pengguna menyatakan sistem mudah digunakan dan membantu pengambilan keputusan. Sistem ini terbukti efektif sebagai solusi digital untuk manajemen obat di apotek

Page 6 of 7 | Total Record : 66

 3   4   5   6   7 

Filter by Year

2025 2025


Reset
Filter By Issues
All Issue 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