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
 49   50   51   52   53 
SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN E-LIQUID VAPOR MENGGUNAKAN METODE MOORA Fadilla, Muhammad Myrza; Kacung, Slamet; Santoso, Budi
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.v7i2.5775

Abstract

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.
SISTEM INFORMASI CRM UNTUK OPTIMASI LAYANAN BERBASIS WEB DENGAN METODE RAD DI SURYA KENCANA STATIONERY DAN COPY CENTER Safira, Amalia; Ana Wati, Seftin Fitri; Farisa Ananto, Prasasti Karunia
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.v7i2.5782

Abstract

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.
ANALISIS SENTIMEN LAYANAN KESEHATAN BPJS MENGGUNAKAN METODE SVM Sari, Ratih Ayu Puspita; Kacung, Slamet; Santoso, Budi
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.v7i2.5797

Abstract

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%.
IMPLEMENTASI METODE CONTENT BASED FILTERING MENGGUNAKAN SYNOPSIS SIMILARITY UNTUK PEMILIHAN ANIME Irwan, Wahyurrahman Ferbiansyah Adha Muhammad; 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.v7i2.5815

Abstract

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
PENGARUH TEKNIK PENYEIMBANGAN DATA PADA KLASIFIKASI PENYAKIT NAFLD DENGAN ALGORITMA SVM Faska, Ridho Mahardika; Gusti, Siska Kurnia; Budianita, Elvia; Syafria, Fadhilah
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.v7i2.5849

Abstract

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.
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.

Page 51 of 59 | Total Record : 586

 49   50   51   52   53 

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