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 586 Documents
 43   44   45   46   47 
IMPLEMENTASI KURIKULUM DALAM GAME EDUKASI DENGAN MEKANIKA BERBASIS TUGAS Sabillah, Muh. Agung; Yusuf, Mukarramah; Warni, Elly
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.v7i1.5408

Abstract

Mekanika adalah semua hal yang dapat dilakukan atau dikuasai oleh pemain dalam game, mengcakup tindakan, perilaku, dan mekanisme. Dalam mengembangkan sebuah game edukasi, desain mekanika game adalah tantangan yang harus dipecahkan. Game edukasi harus dapat menerjemahkan kurikulum menjadi mekanika game. Penelitian ini mengembangkan game edukasi dengan mekanika berbasis tugas untuk mencapai tujuan kurikulum. Studi kasus pada penelitian ini adalah mata pelajaran Sejarah. Pembelajaran sejarah memainkan peran penting dalam membentuk karakter dan identitas bangsa. Namun metode pengajaran konvensional sering kali dianggap monoton dan kurang menarik, sehingga menurunkan minat siswa terhadap pelajaran Sejarah. Hasil penelitian menunjukkan bahwa penggunaan game berbasis mekanika tugas mampu meningkatkan pemahaman siswa terhadap materi sejarah. Dengan kondisi awal hanya 35% soal evaluasi materi Sejarah dapat dijawab dengan benar oleh mayoritas siswa, setelah memainkan game, sebanyak 80% soal dapat dijawab dengan benar oleh mayoritas siswa
EVALUASI LLAMA3.2 3B UNTUK MENGHASILKAN SOAL OTOMATIS DENGAN DEEPEVAL BERDASARKAN METRIK ANSWER RELEVANCY DAN HALLUCINATION Dharmawan, Thoriq; Witanti, Arita
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.v7i1.5423

Abstract

Kecerdasan Buatan (Artificial Intelligence/AI) membuka peluang baru dalam berbagai bidang, salah satunya dalam bidang pendidikan. Penelitian ini melakukan evaluasi terhadap model LLaMA3.2 3B dalam menghasilkan soal untuk media pembelajaram, proses evaluasi menggunakan DeepEval yang merupakan kerangka kerja evaluasi LLM yang bersifat open-source. Proses evaluasi menggunakan dua metrik yaitu Answer Relevancy untuk mengukur tingkat kesesuaian hasil pertanyaan dengan materi yang diberikan, serta Halluciation untuk mengukur tingkat kesalahan terhadap output yang diinginkan. Hasil pengujian menunjukan bahwa LLaMA3.2 3B mempunyai performa yang lebih baik untuk menghasilkan soal dalam jumlah sedikit dengan rata – rata skor Answer Relevancy 0.813 untuk dataset 150 kata dan 0.776 untuk dataset 650 kata. Model ini juga memberikan skor Hallucination yang lebih baik pada dataset yang lebih sedikit yaitu hingga 0.05 untuk 150 kata, dan mendapatkan skor 0.33 untuk dataset 650 kata. Dengan hasil ini dapat disimpulkan bahwa model LLaMA 3.2 3B perlu dilakukan fine-tuning untuk meningkatkan kualitas soal yang dihasilkan.
IMPLEMENTASI METODE K-MEANS UNTUK KLASTERISASI VARIETAS PARPIKA DENGAN MENGGUNAKAN TEKNIK PENGOLAHAN CITRA DIGITAL Ilmawan, Fachrul; Ramadhanu, Agung
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.v7i1.5426

Abstract

Dengan menggunakan kombinasi segmentasi objek, ekstraksi bentuk, dan ekstraksi tekstur, penelitian ini bertujuan untuk melakukan klasterisasi pada varietas paprika melalui penggunaan K-Means Clustering dan Gray-Level Co-Occurrence Matrix (GLCM).  Segmentasi objek dilakukan menggunakan algoritma K-Means Clustering untuk membedakan objek dari latar belakangnya. Selanjutnya, proses ekstraksi tekstur dan bentuk dilakukan menggunakan Matriks Co-Occurrence Level Gray (GLCM) untuk membedakan jenis varietas paprika. Hasil kalsterisasi dicapai melalui penggunaan aplikasi matlab, yang mencakup import data, konversi RBG ke L*a*b, segmentasi objek dengan latar belakang menggunakan K-Means Clustering, dan kemudian menggunakan metode Gray-Level Co-Occurrence Matrix (GLCM) untuk ekstraksi bentuk dan tekstur. Hasil penelitian tentang klasterisasi varietas paprika juga menunjukkan bahwa proses itu berhasil. Model berhasil mengidentifikasi setiap sampel gambar dengan akurat seratus persen dengan menggunakan sampel delapan gambar paprika merah dan hijau. Penggunaan algoritma clusteriang K-means dan Matriks Co-Occurrence Level Gray (GLCM) menunjukkan hasil yang sangat baik; ini membuktikan efektivitasnya dalam melakukan klasterisasi pada varietas paprika.
PERBANDINGAN ALGORITMA APRIORI DAN FP-GROWTH PADA ANALISIS PERILAKU KONSUMEN TERHADAP PEMBELIAN DATA ELEKTRONIK Atmaja, Gunawan Bayu; Rachman, Rizal
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.v7i1.4850

Abstract

Memahami perilaku konsumen dalam industri elektronik sangat penting untuk mengembangkan strategi pemasaran yang efektif. Penelitian ini membandingkan kinerja algoritma Apriori dan FP-Growth dalam menganalisis pola pembelian konsumen berdasarkan data transaksi PT Girsang yang mencakup 6968 transaksi dalam dua tahun terakhir. Data mining digunakan untuk menemukan hubungan antar produk, dengan algoritma Apriori yang bekerja dengan pendekatan kandidat itemset dan FP-Growth yang menggunakan struktur FP-Tree untuk efisiensi pemrosesan data. Hasil penelitian menunjukkan bahwa kedua algoritma menghasilkan frequent itemsets yang sama, tetapi FP-Growth lebih unggul dalam kecepatan eksekusi. Apriori membutuhkan waktu 0.0050 detik untuk menemukan frequent itemsets dan 0.0028 detik untuk menghasilkan aturan asosiasi, sementara FP-Growth hanya memerlukan 0.0025 detik dan 0.0027 detik, masing-masing. Keunggulan FP-Growth dalam efisiensi pemrosesan membuatnya lebih sesuai untuk dataset besar. Penelitian ini menyarankan penggunaan algoritma FP-Growth untuk optimasi strategi pemasaran dan manajemen inventaris pada industri elektronik. Studi lebih lanjut disarankan untuk mengeksplorasi algoritma lain seperti Eclat dan H-Mine serta integrasi dengan big data untuk meningkatkan akurasi analisis.
IMPLEMENTASI HYBRID INTELLIGENT SYSTEM UNTUK KLASIFIKASI JENIS BOLA BERBASIS COMPUTER VISION Saputra, Riyan; Ramadhanu, Agung
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.v7i1.5368

Abstract

Salah satu domain utama dalam bidang kecerdasan buatan adalah visi komputer, yang memfasilitasi kapasitas komputer untuk menganalisis dan menafsirkan data visual yang berasal dari lingkungan fisik. Aplikasi yang signifikan dari visi komputer adalah klasifikasi objek, yang dapat digunakan di beragam objek, termasuk bentuk bola. Penelitian ini berusaha untuk menerapkan sintesis berbagai metodologi dalam kecerdasan buatan untuk mengkategorikan berbagai jenis bola, khususnya bola basket, bola voli, dan bola tenis. Dataset visual terdiri dari 16 gambar yang digunakan untuk pelatihan dan 10 gambar yang disediakan untuk pengujian. Kerangka prosedural mencakup pra-pemrosesan gambar, ekstraksi fitur yang berfokus pada warna dan ukuran, normalisasi data melalui Z-Score, pengurangan dimensi melalui Analisis Komponen Utama (PCA), pembelajaran mesin menggunakan algoritma K-Nearest Neighbors (KNN), yang berpuncak pada fase pengujian. Temuan penelitian ini menunjukkan tingkat akurasi 90%, menunjukkan bahwa klasifikasi jenis bola dapat secara efektif memanfaatkan Sistem Intelijen Hibrida.
PENERAPAN ALGORITMA GENETIKA UNTUK PENCARIAN RUTE TERBAIK ANTAR JEMPUT LAUNDRY Saskia, Luthfia; Nugroho, Chendri Irawan Satrio; Widodo, Bambang
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.v7i1.5414

Abstract

Kecepatan kurir dalam mengantarkan pakaian kepada pelanggan berperan penting dalam meningkatkan kepuasan pelanggan terhadap layanan laundry. Namun, dalam praktiknya, menentukan rute optimal untuk kurir bukanlah tugas yang mudah. Kurir sering kali harus mengandalkan pengalaman pribadi atau aplikasi navigasi umum yang tidak selalu memberikan solusi rute terbaik dalam konteks pengiriman multi-titik. Oleh karena itu, diperlukan sebuah sistem yang dapat membantu kurir dalam menentukan rute terpendek atau terbaik, sehingga proses pengantaran pakaian dapat berlangsung dengan efisien dan cepat. Sistem ini memanfaatkan algoritma genetika pada Travelling Salesman Problem (TSP) untuk menemukan rute optimal melalui beberapa tahapan, termasuk inisialisasi populasi, seleksi populasi, crossover, mutasi, dan elitisme. Kurir laundry akan mengantarkan pakaian ke lima blok alamat pelanggan, dan setelah mengunjungi blok terakhir, kurir akan kembali ke blok pertama. Setiap blok diwakili oleh koordinat x dan y, yaitu A (0, 0), B (10, 15), C (5, 9), D (6, 8), dan E (5, 10). Setelah melalui semua tahapan dalam algoritma genetika, rute terbaik yang diperoleh adalah rute Blok E-B-A-D-C dan nilai fitness 37,51
IMPLEMENTASI METODE K-MEANS CLUSTERING DENGAN TEKNIK PENGOLAHAN CITRA UNTUK MENGIDENTIFIKASI JENIS SEPATU Selvia, Dina; Ramadhanu, Agung
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.v7i1.5428

Abstract

Penelitian ini membahas implementasi metode K-Means Clustering dengan teknik pengolahan citra untuk mengidentifikasi jenis sepatu berdasarkan karakteristik visualnya. Proses identifikasi dilakukan dengan memanfaatkan pengolahan citra digital, seperti segmentasi, ekstraksi fitur, dan klasifikasi, yang kemudian digabungkan dengan algoritma K-Means untuk mengelompokkan data gambar ke dalam kategori jenis sepatu. Tujuan utama dari penelitian ini adalah meningkatkan akurasi dan efisiensi dalam mengidentifikasi jenis sepatu, terutama dalam aplikasi e-commerce atau inventarisasi produk. Hasil penelitian dengan menggunakan Metode K-Means Clustering yang dikombinasikan dengan teknik pengolahan citra sangat efektif untuk mengidentifikasi dan mengklasifikasi jenis sepatu yaitu sepatu formal dan sepatu santai berdasarkan karakteristik visualnya. Penelitian menggunakan 8 citra yang mana terdiri dari 4 citra untuk sepatu formal dan 4 citra untuk sepatu santai. Menghasilkan akurasi sebesar 97 % dimana 7 dari 8 citra berhasil diidentifikasi dengan benar. Proses klasifikasi dilakukan dengan tahapan konversi ruang warna ke LAB, segmentasi citra menggunakan K-Means Clustering, dan ekstraksi fitur bentuk serta tekstur. Parameter-parameter ekstraksi citra seperti metric, eccentricity, contrast, correlation, energy, dan homogeneity menjadi kunci utama dalam proses identifikasi. Hasil pengujian menunjukkan bahwa metode ini mampu mengelompokkan jenis sepatu dengan tingkat akurasi yang tinggi. Penelitian ini memberikan kontribusi signifikan dalam mengembangkan solusi berbasis teknologi untuk otomasi pengelompokan produk visual.
SISTEM PAKAR MENDIAGNOSA PENYAKIT PADA TANAMAN JAGUNG MENGGUNAKAN METODE TEOREMA BAYES BERBASIS WEBSITE Usfinit, Katarina D.M; Kelen, Yoseph P.K.; Baso, Budiman; Ullu, Hevi Herlina
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.v7i1.5487

Abstract

Kemajuan teknologi telah mendorong terciptanya sistem pakar untuk meningkatkan efisiensi di berbagai sektor, termasuk pertanian. Tujuannya penelitian ini yakni Penelitian ini bertujuan mengembangkan membangun media bantuan yang memanfaatkan teknologi berbasis website dengan menerapkan ilmu biologi yang mana membantu dalam mengetahui dan meneliti kelainan mengenai tanaman jagung dengan menggunakan metode Teorema Bayes. Sistem ini menganalisis 24 gejala dan 4 jenis penyakit yang sering menyerang tanaman jagung di Kabupaten Timor Tengah Utara, Indonesia. Model pengembangan yang dipakai adalah Waterfall, yang mencakup tahapan penelitian yang teratur dan searah. Hasil penelitian menunjukkan bahwa sistem ini efektif dalam mendiagnosis penyakit jagung dengan tingkat akurasi tinggi, seperti diagnosis penyakit hawar daun yang mencapai probabilitas 96,04%. Sistem ini tidak hanya membantu petani dalam mendiagnosis penyakit, tetapi juga memberikan solusi penanganan yang tepat untuk meningkatkan produktivitas pertanian jagung di daerah tersebut
SISTEM INFORMASI PREDIKSI HASIL PANEN KELAPA SAWIT BERDASARKAN DATA PRODUKSI TBS DENGAN MENGGUNAKAN METODE DOUBLE EKSPONENTIAL SMOOTHING Asnawi, Azi; Kurniawan, Rakhmat
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.v7i1.5549

Abstract

Kelapa sawit merupakan komoditas strategis dalam perekonomian Indonesia, namun fluktuasi hasil panen akibat faktor internal dan eksternal sering menjadi tantangan dalam pengelolaan stok dan perencanaan produksi. Penelitian ini mengembangkan sistem informasi berbasis web untuk memprediksi hasil panen kelapa sawit di PTPN IV Bah Jambi dengan menerapkan metode Double Eksponential Smoothing(DES). Sistem dirancang menggunakan metode waterfall, bahasa pemograman PHP, dan basis data MySQL. Serta memanfaatkan data historis hasil panen selama 2019 – 2023. Metodologi melibatkan analisis data historis untuk menangkap pola musiman dan tren, dengan akurasi model dievaluasi menggunakan MAPE, MAD, MSE, dan RMSE. Hasil menunjukkan metode DES lebih akurat dengan nilai MAPE lebih rendah. Sistem ini mendukung prediksi hasil panen yang efektif, meningkatkan efisiensi operasional, dan memberikan kontribusi signifikan dalam pengelolaan produksi serta perencanaan stok.
ANALISIS SEGMENTASI PELANGGAN PEMBIAYAAN BERDASARKAN DEMOGRAFI UNTUK MEMPREDIKSI TINGKAT KREDIT MENGGUNAKAN ALGORITMA K-MEANS Ocktavia, Shabila; Atmojo, Wahyu Tisno
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.v7i1.5582

Abstract

Dalam dunia pembiayaan, manajemen risiko kredit menjadi tantangan utama bagi lembaga keuangan. Penelitian ini bertujuan untuk menganalisis segmentasi pelanggan berdasarkan demografi guna memprediksi tingkat kredit macet menggunakan algoritma K-Means. Dataset yang digunakan diperoleh dari Kaggle, terdiri dari 10.127 data pelanggan dengan enam atribut utama yang relevan. Data diproses melalui tahap pembersihan, seleksi, dan transformasi sebelum diterapkan ke dalam model clustering. Penentuan jumlah klaster optimal dilakukan menggunakan Elbow Method, Davies-Bouldin Index, dan Silhouette Coefficient, yang menunjukkan hasil optimal pada dua klaster. Klaster pertama berisi pelanggan dengan pendapatan tinggi dan stabilitas finansial yang lebih baik, sehingga memiliki risiko kredit macet rendah. Sementara klaster kedua didominasi oleh pelanggan dengan pendapatan lebih rendah dan jumlah tanggungan lebih besar, yang berpotensi mengalami kredit macet lebih tinggi. Hasil penelitian ini menunjukkan bahwa segmentasi berbasis demografi dapat membantu lembaga pembiayaan dalam memahami karakteristik pelanggan dan merancang strategi mitigasi risiko yang lebih efektif. Harapannya, penelitian dapat diperluas dengan menambahkan variabel lain, seperti riwayat pembayaran dan kepemilikan aset, serta eksplorasi metode clustering lainnya untuk meningkatkan akurasi prediksi risiko kredit.

Page 45 of 59 | Total Record : 586

 43   44   45   46   47 

Filter by Year

2019 2025


Reset
Filter By Issues
All Issue 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