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 607 Documents
 57   58   59   60   61 
RANCANG BANGUN APLIKASI MANAJEMEN PEMADAM KEBAKARAN BERBASIS MOBILE MENGGUNAKAN TEKNOLOGI JAVA Larasati, Cindy Putri; Widiono, Suyud
Jurnal Informatika Teknologi dan Sains (Jinteks) Vol 7 No 4 (2025): EDISI 26
Publisher : Program Studi Informatika Universitas Teknologi Sumbawa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51401/jinteks.v7i4.6954

Abstract

Penelitian ini bertujuan merancang dan membangun aplikasi manajemen pemadam kebakaran berbasis mobile menggunakan teknologi Java sebagai solusi untuk meningkatkan kecepatan, akurasi, dan efisiensi pengelolaan informasi kejadian kebakaran. Aplikasi ini dikembangkan melalui tahapan analisis kebutuhan, perancangan antarmuka dan alur sistem, serta implementasi pada perangkat mobile. Fitur utama meliputi pelaporan insiden, manajemen data kejadian, dan tampilan peta lokasi menggunakan integrasi komponen pemetaan. Evaluasi dilakukan melalui survei terhadap 20 responden untuk mengukur ketergunaan, kebermanfaatan, kualitas fitur, dan kepuasan pengguna. Hasil menunjukkan bahwa ketergunaan berada pada kategori sedang, kebermanfaatan dinilai tinggi, kualitas fitur aplikasi berada pada kategori tinggi, dan kepuasan pengguna berada pada kategori sedang. Temuan ini mengindikasikan bahwa aplikasi berbasis Java ini mampu mendukung proses pelaporan serta koordinasi petugas secara lebih terstruktur dan responsif. Penelitian ini menyimpulkan bahwa pengembangan aplikasi mobile dengan teknologi Java memberikan kontribusi praktis dalam peningkatan efektivitas manajemen kejadian kebakaran.
PERBANDINGAN TEKNIK PREPROCESSING SEDERHANA PADA CITRA BAWAH AIR OCEAN SET BERDASARKAN KEDALAMAN Cahyani, Septa; Pratiwi, Indah; Zaid Romegar Mair
Jurnal Informatika Teknologi dan Sains (Jinteks) Vol 7 No 4 (2025): EDISI 26
Publisher : Program Studi Informatika Universitas Teknologi Sumbawa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51401/jinteks.v7i4.6959

Abstract

Penurunan kualitas citra bawah air akibat penyerapan cahaya, hamburan, dan hilangnya komponen warna merah semakin terlihat seiring bertambahnya kedalaman. Penelitian ini mengevaluasi efektivitas empat teknik peningkatan kualitas citra, yaitu White Balance, Histogram Stretching, CLAHE, dan Gamma Correction, pada berbagai tingkat kedalaman yang tersedia dalam dataset OCEANSET (enam kategori kedalaman). Evaluasi dilakukan menggunakan dua metrik objektif, yaitu UCIQE dan UIQM, untuk mengukur perubahan kejernihan warna, kontras, serta kualitas visual keseluruhan sebelum dan sesudah pemrosesan. Hasil menunjukkan bahwa CLAHE memberikan peningkatan kontras dan ketajaman paling signifikan terutama pada kedalaman menengah hingga dalam, namun diikuti penurunan stabilitas warna. Gamma Correction memberikan performa paling konsisten di semua kedalaman. White Balance paling efektif pada kedalaman dangkal untuk mengembalikan dominasi warna, sedangkan Histogram Stretching menghasilkan peningkatan stabil tanpa distorsi warna berlebih di seluruh kategori kedalaman. Temuan ini menegaskan bahwa meskipun metode yang digunakan tergolong sederhana, performanya tetap kompetitif dan relevan sebagai dasar pengembangan teknik peningkatan citra bawah air yang lebih kompleks.
PENGEMBANGAN SISTEM INFORMASI KEUANGAN BERBASIS WEB MOBILE DENGAN METODE WATERFALL PADA USAHA KENZY TOYS Permatasari, Cintya Della; Pramudwiatmoko, Arif
Jurnal Informatika Teknologi dan Sains (Jinteks) Vol 7 No 4 (2025): EDISI 26
Publisher : Program Studi Informatika Universitas Teknologi Sumbawa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51401/jinteks.v7i4.6964

Abstract

Kenzy Toys merupakan usaha ritel yang bergerak dalam penjualan mainan anak-anak. Proses pencatatan transaksi dan pengelolaan keuangan sebelumnya masih dilakukan secara manual, sehingga berpotensi menimbulkan kesalahan dalam pencatatan laba, perhitungan gaji, dan pengelolaan data karyawan. Untuk meningkatkan efektivitas dan akurasi pengelolaan data, dikembangkan sistem informasi keuangan berbasis web dan mobile yang terintegrasi dengan basis data cloud menggunakan Supabase sebagai media penyimpanan. Penelitian ini menggunakan metode pengembangan sistem model Waterfall, yang terdiri dari tahap analisis kebutuhan, perancangan, implementasi, dan pengujian. Aplikasi mobile dikembangkan dengan Flutter, sedangkan aplikasi web menggunakan Next.js dan TypeScript. Sistem yang dihasilkan dilengkapi dengan fitur pencatatan pembelian, penjualan, pengeluaran, dan pemasukan, serta penggajian otomatis yang terintegrasi dengan payment gateway Xendit. Hasil pengujian dengan metode black box menunjukkan seluruh fitur berjalan sesuai fungsi yang diharapkan. Berdasarkan hasil tersebut, sistem ini dinilai mampu membantu pemilik usaha dalam mengelola keuangan, memantau aktivitas karyawan, dan menyusun laporan keuangan secara lebih efisien dan terstruktur.
KOMPARASI MODEL DEEP LEARNING DALAM PREDIKSI HARGA SAHAM PADA SEKTOR PERTAMBANGAN INDONESIA Ananda, Muhammad Rizki; Sutopo , Joko
Jurnal Informatika Teknologi dan Sains (Jinteks) Vol 7 No 4 (2025): EDISI 26
Publisher : Program Studi Informatika Universitas Teknologi Sumbawa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51401/jinteks.v7i4.6965

Abstract

Pertumbuhan investor baru di Indonesia meningkat pesat dalam beberapa tahun terakhir, terutama dari kalangan muda. Namun, keterbatasan pengetahuan mengenai analisis teknikal membuat banyak investor berisiko mengambil keputusan berdasarkan spekulasi, terutama pada saham sektor pertambangan yang dikenal memiliki volatilitas tinggi. Penelitian ini bertujuan membangun dan membandingkan performa tiga model deep learning seperti Long Short-Term Memory (LSTM), Gated Recurrent Unit (GRU), dan Bidirectional GRU (BiGRU) dalam memprediksi harga penutupan saham subsektor logam. Data historis harian empat saham emiten pertambangan, yaitu BRMS, MDKA, ARCI, dan AMMN, dikumpulkan dari Yahoo Finance dengan rentang 2015–2024. Data melalui tahapan praproses, normalisasi Min-Max, serta pembentukan sekuensial menggunakan window size tujuh hari sebelum dibagi menjadi data latih (76,5%), validasi (8,5%), dan uji (15%). Evaluasi dilakukan menggunakan metrik RMSE, MAE, dan MSE. Hasil penelitian menunjukkan bahwa panjang data historis sangat memengaruhi tingkat akurasi model; saham dengan jumlah data lebih banyak (BRMS dan MDKA) menghasilkan prediksi yang lebih baik dibandingkan saham dengan data terbatas (ARCI dan AMMN). Secara keseluruhan, GRU menunjukkan performa paling stabil pada sebagian besar saham, sedangkan BiGRU dan LSTM unggul pada dataset tertentu. Temuan ini membuktikan bahwa deep learning dapat digunakan sebagai alat bantu prediksi harga saham, namun kualitas data historis menjadi faktor yang menentukan keberhasilan model.
PENERAPAN METODE K-NEAREST NEIGHBORS UNTUKMEMPREDIKSI HASIL PANEN CABAI Herlianti, Dyah Prameswari Cinta; Wibowo, Adityo Pernama
Jurnal Informatika Teknologi dan Sains (Jinteks) Vol 7 No 4 (2025): EDISI 26
Publisher : Program Studi Informatika Universitas Teknologi Sumbawa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51401/jinteks.v7i4.6981

Abstract

Cabai (Capsicum) merupakan komoditas hortikultura yang memiliki peranan sangat krusial di Indonesia. Namun, produksi cabai ini sangat rentan dan sering kali tidak konsisten akibat perubahan iklim seperti tingginya curah hujan dan suhu. Studi ini menghadapi tantangan tersebut dengan menggunakan metode eksperimental kuantitatif, serta memanfaatkan kumpulan data multi-variabel (tempat penanaman, tahun, luas area, curah hujan, kelembaban, dan suhu rata-rata) dari tahun 2015 hingga 2025. Data mengalami proses Normalisasi Min-Max untuk menyeimbangkan skala fitur dan dibagi berdasarkan waktu (data latih 2015–2023, data uji 2024–2025). Metode K-Nearest Neighbors (KNN) digunakan untuk memprediksi hasil cabai, dengan pengujian parameter menunjukkan bahwa K=3 merupakan nilai terbaik untuk mengenali pola lokal. Hasil evaluasi model KNN yang konsisten memperlihatkan nilai R2 sebesar 95,32%, yang membuktikan bahwa model ini sangat cocok dalam menjelaskan variasi data yang sebenarnya. Selain itu, nilai Root Mean Squared Error (RMSE) yang rendah yaitu 168. 4282 kg menunjukkan bahwa rata-rata kesalahan dalam prediksi sangat kecil. Dengan tingkat ketepatan ini, sistem ramalan hasil panen cabai terbukti sah dan dapat mendukung petani dalam pengelolaan, perencanaan, serta peningkatan produktivitas pertanian yang berdasarkan data.
ANALISIS SENTIMEN BERBASIS KNN DAN HYBRID MACHINE LEARNING UNTUK MENGEVALUASI OPINI MASYARAKAT LAMONGAN TERHADAP PROGRAM MBG Munif, Munif; Mustain, Mustain; Rifki, Rifki
Jurnal Informatika Teknologi dan Sains (Jinteks) Vol 7 No 4 (2025): EDISI 26
Publisher : Program Studi Informatika Universitas Teknologi Sumbawa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51401/jinteks.v7i4.6982

Abstract

Nutritional problems and food insecurity remain critical challenges in Indonesia, especially in underprivileged areas. To address this, the Lamongan City Government launched the Free Nutritious Meal (MBG) program as a public welfare initiative. This study aims to evaluate public opinion on the MBG program using sentiment analysis based on a hybrid machine learning model combining K-Nearest Neighbor (KNN) and Naive Bayes algorithms. A total of 2,261 public comments were collected from social media, online surveys, and interviews. The data underwent preprocessing, feature extraction using TF-IDF, and dual-stage classification—first by topic (Menu, Impact, Schedule, Others) using Naive Bayes, then sentiment classification (positive, negative, neutral) using KNN. Evaluation metrics including accuracy, precision, recall, and F1-Score were applied. Results show that neutral sentiment was the most dominant (41.28%), followed by positive (32.01%) and negative (26.49%). The model achieved an overall accuracy of 87%, with the highest F1-Score of 0.91 in the positive sentiment category. These results demonstrate that the hybrid model effectively captures community perceptions and can support data-driven evaluation of local social programs.
PENINGKATAN CITRA CCTV MALAM MENGGUNAKAN METODE GAMMA CORRECTION ADAPTIF DAN BILATERAL FILTER Hia, Charistian; Megawati, Enjelina; Matondang, Ahmad Fauzi; Ananda, Michael
Jurnal Informatika Teknologi dan Sains (Jinteks) Vol 7 No 4 (2025): EDISI 26
Publisher : Program Studi Informatika Universitas Teknologi Sumbawa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51401/jinteks.v7i4.7071

Abstract

Kualitas citra CCTV pada kondisi pencahayaan rendah cenderung mengalami penurunan kecerahan, peningkatan noise, serta hilangnya detail sehingga menyulitkan proses identifikasi objek. Penelitian ini bertujuan untuk meningkatkan kualitas citra CCTV malam menggunakan kombinasi metode gamma correction adaptif dan bilateral filter. Gamma correction adaptif diterapkan untuk meningkatkan kecerahan citra secara proporsional, sedangkan bilateral filter digunakan untuk mereduksi noise tanpa menghilangkan detail tepi. Evaluasi kualitas citra dilakukan menggunakan metrik PSNR, SSIM, dan MSE serta didukung analisis histogram dan heatmap SSIM. Hasil penelitian menunjukkan bahwa metode yang diusulkan mampu meningkatkan kecerahan citra secara lebih merata, mempertahankan struktur tepi, dan menurunkan kesalahan rekonstruksi dibandingkan citra asli. Dengan kompleksitas komputasi yang ringan, metode ini efektif diterapkan pada sistem CCTV dengan sumber daya komputasi terbatas. Kata kunci disusun berdasarkan alfabetis.

Page 61 of 61 | Total Record : 607

 57   58   59   60   61 

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