cover
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)
ISSN : -     EISSN : 26863359     DOI : https://doi.org/10.51401/jinteks.v3i3.1260
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 586 Documents
PREDIKSI HARGA EMAS MENGGUNAKAN JARINGAN SYARAF TIRUAN BACKPROPAGATION HYPERPARAMETER TUNING Prasetya, Johan; 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.v7i2.5739

Abstract

Investasi emas terus menjadi pilihan utama karena nilai stabil dan kenaikannya yang konsisten. Namun, fluktuasi harga emas yang dipengaruhi berbagai faktor ekonomi seringkali menyulitkan investor dalam pengambilan keputusan. Penelitian ini bertujuan membangun model prediksi harga emas menggunakan Jaringan Saraf Tiruan (JST) dengan algoritma backpropagation. Variabel input yang digunakan meliputi nilai tukar Rupiah terhadap Dolar AS (KURS JISDOR), suku bunga acuan, dan inflasi, dengan data historis harian dari 2019 hingga 2025 sebanyak 1.633 sampel. Proses pelatihan dilakukan menggunakan MATLAB R2020a dengan normalisasi Min-Max, serta pembagian data menjadi data latih (70%), validasi (15%), dan uji (15%). Hyperparameter dioptimasi dengan metode Grid Search, menghasilkan arsitektur 3-8-1, learning rate 0,1, epoch 5000, dan minimum gradient 1e-6. Model menghasilkan nilai MSE 0,00059982 dan koefisien korelasi (R) 0,99124, menunjukkan akurasi dan kemampuan generalisasi yang sangat baik. Hasil ini membuktikan bahwa JST dapat menjadi solusi efektif untuk memprediksi harga emas dan membantu investor merencanakan strategi investasi yang lebih bijak.
ANALISIS KEPUASAAN PENGGUNA WEEBTOON DENGAN METODE SYSTEM USABILITY SCALE Sapitri, Tania Adela; Dellia, Prita; Izzaturrahmah, Annis; Pratiwi, Ayu; Nawafilillah
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.v7i2.5742

Abstract

Aplikasi Weebtoon merupakan platform komik digital yang memungkinkan pengguna untuk membaca berbagai cerita visual secara daring.  Saat ini, Aplikasi Weebtoon telah menjadi salah satu platform komik digital yang banyak digemari. Namun, dengan banyaknya aplikasi komik yang serupa, penting untuk mengevaluasi tingkat kepuasan  dan ketergantungan pengguna terhadap aplikasi ini. Penelitian ini bertujuan untuk menganalisis tingkat kepuasan dan ketergantungan penggunaan aplikasi Weebtoon dengan menggunakan  metode System Usibility Scale (SUS). SUS merupakan alat ukur yang umum digunakan dalam berbagai penelitian untuk menilai tingkat kebergunaan suatu sistem berbasis digital, termasuk websitw dan aplikasi mobile. Data dikumpulkan melalui kuesioner yang disebarkan kepada 50 responden menggunakan Google Form. Hasil penelitian ini menunjukan bahwa aplikasi Weebtoon telah memenuhi standar usability dengan skor rata-rata 62.95 yang mana aplikasi ini masuk ke dalam kategori cukup. Peresentase Acceptability Range berada dalam kategori marginal low, sedangkan pada Grade Scale berada dalam kategori grade D dan Adjective Rating berada dalam kategori “Ok”. Penelitian ini menunjukkan pentingnya peningkatan pengalaman pengguna oleh pengembang aplikasi Weebtoon.
KLASIFIKASI JENIS BUAH TOMAT MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBOR DAN SUPPORT VECTOR MACHINE Niendha Biell Binna; Rohana, Tatang; Novita, Hilda Yulia; Faisal, Sutan
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.v7i2.5743

Abstract

Tomat adalah salah satu jenis komoditas hortikultura yang cukup banyak di Indonesia dengan variasi bentuk, ukuran, dan warna. Pemilahan jenis tomat secara manual oleh petani maupun pedagang masih memiliki kelemahan, seperti keterbatasan fisik dan ketidakkonsistenan dalam klasifikasi. Tujuan dari penelitian ini adalah untuk mengembangkan sistem klasifikasi untuk jenis tomat. berbasis citra digital menggunakan metode Support Vector Machine (SVM) dan K-Nearest Neighbor (KNN). Proses klasifikasi dilakukan dengan mengekstraksi fitur warna dari kanal Hue (HSV), tekstur dari Gray-Level Co-occurrence Matrix (GLCM), dan bentuk dari kontur objek tomat. Dataset terdiri dari tiga jenis tomat, yaitu tomat ceri, tomat hijau, dan tomat sayur. Data melalui tahapan pra-pemrosesan sebelum dilakukan pelatihan dan pengujian model. Hasil evaluasi menunjukkan bahwa algoritma KNN menghasilkan akurasi 94,44%, sedangkan SVM mencapai akurasi sempurna sebesar 97,22%. Evaluasi dilakukan menggunakan metrik confusion matrix, akurasi, precision, recall, dan F1-score. Temuan ini mengindikasikan bahwa SVM memiliki keunggulan dalam mengklasifikasikan jenis tomat secara akurat, serta menunjukkan potensi besar penerapan teknologi klasifikasi citra dalam mendukung efisiensi proses pertanian modern
KLASTERING SPESIFIKASI DAN HARGA SMARTPHONE MENGGUNAKAN METODE FUZZY C-MEANS DAN PCA Butar Butar, Naomi Nova Meylica; Mudzakir, Tohirin Al; Novita, Hilda Yulia; Rohana, Tatang
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.v7i2.5748

Abstract

Perkembangan pengguna smartphone yang pesat di Indonesia menuntut pendekatan segmentasi pasar yang lebih akurat, terutama terkait harga dan spesifikasi. Penelitian ini mengusulkan model klasterisasi menggunakan kombinasi Principal Component Analysis (PCA) dan Fuzzy C-Means (FCM) untuk memahami pola dalam data produk smartphone. Dataset diambil dari platform Kaggle dan mencakup berbagai atribut teknis seperti RAM, ROM, harga, baterai, serta fitur tambahan seperti dukungan 5G dan tipe perangkat (PRO/PLUS atau LITE). Melalui PCA, sembilan atribut direduksi menjadi empat komponen utama yang mampu mempertahankan 94% variasi data. FCM kemudian diterapkan untuk membentuk kelompok berdasarkan keanggotaan fuzzy, menghasilkan klasifikasi yang lebih fleksibel dan adaptif terhadap data yang tumpang tindih. Nilai Silhouette Score meningkat dari 0,57 menjadi 0,73 setelah reduksi dimensi, mengindikasikan kualitas pemisahan klaster yang lebih baik. Sebanyak sembilan klaster terbentuk, masing-masing mencerminkan segmen pasar mulai dari kelas entry-level hingga flagship. Hasil ini dapat menjadi acuan dalam perencanaan strategi pemasaran, pengembangan produk, dan pengambilan keputusan bisnis berbasis data.
PREDIKSI RISIKO ANGKA STUNTING PADA BALITA MENGGUNAKAN ALGORITMA SUPPORT VECTOR MACHINE Romlah, Romlah; Faisal, Sutan; Rahmat, Rahmat; Indra, Jamaludin
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.v7i2.5749

Abstract

Masalah kekurangan gizi pada balita berdampak serius terhadap pertumbuhan fisik dan perkembangan kognitif anak. Penelitian ini bertujuan untuk memprediksi risiko kondisi tersebut menggunakan algoritma Support Vector Machine (SVM). Data yang digunakan berasal dari Puskesmas Anggadita, Karawang, sebanyak 1.028 data balita. Proses analisis dilakukan melalui pembersihan data, normalisasi, encoding, pembagian data latih dan uji, serta pelatihan model dengan kernel linear. Hasil pengujian menunjukkan bahwa model mampu mengklasifikasikan kategori “tidak mengalami gangguan pertumbuhan” dengan akurasi tinggi, namun belum optimal dalam mengidentifikasi kategori sebaliknya. Akurasi keseluruhan model mencapai 80%. Temuan ini mengindikasikan bahwa SVM dapat digunakan sebagai model awal prediksi, namun perlu perbaikan lebih lanjut dalam penanganan ketidakseimbangan data.
CHATGPT DALAM PRAKTIK PPG: STRATEGI BARU TINGKATKAN HASIL BELAJAR SISWA SMP NEGERI 7 MALANG Hasriani; Irianto, Wahyu Sakti Gunawan; Wardhana, Nyoman Dedi Kusuma; Hermansyah; Abbar, Habib Muhammad; Ulum, Khoirul
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.v7i2.5752

Abstract

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.
SISTEM DETEKSI PENYAKIT PADA DAUN TANAMAN KENTANG MENGGUNAKAN METODE CNN ARSITEKTUR VGG-Net Prasetyo, Prasetyo Tri Utomo; 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.v7i2.5758

Abstract

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.
PENERAPAN ALGORITMA RANDOM FOREST UNTUK PREDIKSI PEJUALAN DAN PERSEDIAN PRODUK PADA TOKO FROZEN FOOD ANISA Amelia, Dara; R, Rakhmat Kurniawan
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.v7i2.5760

Abstract

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
ANALISIS PERBANDINGAN ALGORITMA MACHINE LEARNING PADA PREDIKSI PRODUKSI BUAH DI ACEH Rafikoh, Zahra Anggun; Faisal, Sutan; Baihaqi, Kiki Ahmad; H, Hanny Hikmayanti
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.v7i2.5765

Abstract

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.
PENERAPAN FIREWALL BERBASIS MIKROTIK DALAM OPTIMALISASI JARINGAN DI SEKOLAH MENENGAH KEJURUAN: Pengoptimalan Dalam Jaringan Sianhar, Yansen; Marhalim, Marhalim
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.v7i2.5774

Abstract

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.