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 649 Documents
 60   61   62   63   64 
PENERAPAN METODE AHP-SAW DALAM KEPUTUSAN PEMILIHAN KOS DI SEKITAR UNIVERSITAS SEMARANG Arini, Nurul; Susanto, Susanto
Jurnal Informatika Teknologi dan Sains (Jinteks) Vol 8 No 1 (2026): EDISI 27
Publisher : Program Studi Informatika Universitas Teknologi Sumbawa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51401/jinteks.v8i1.6927

Abstract

Semakin banyak jumlah mahasiswa dari luar daerah yang menempuh pendidikan di Universitas Semarang menimbulkan kebutuhan yang tinggi akan tempat tinggal sementara seperti rumah kos. Namun, banyaknya alternatif kos dengan variasi harga, fasilitas, dan tingkat kenyamanan membuat siswa kesulitan menentukan pilihan yang tepat. Penelitian ini bertujuan untuk mengembangkan sistem pendukung keputusan (SPK) berbasis web yang mampu membantu siswa dalam menentukan kos terbaik menggunakan kombinasi metode Analytical Hierarchy Process (AHP) dan Simple Additive Weighting (SAW). Enam kriteria yang digunakan dalam proses penilaian, yaitu harga sewa, fasilitas, jarak ke kampus, keamanan, ukuran kamar, dan kenyamanan, dengan data yang diperoleh dari lima mahasiswa aktif penghuni kos di sekitar Universitas Semarang. Hasil perhitungan menunjukkan bahwa kriteria harga sewa memiliki bobot tertinggi sebesar 0,404, diikuti oleh fasilitas sebesar 0,186, dengan konsistensi rasio (CR) sebesar 0,041 yang menandakan konsistensi matriks perbandingan berpasangan. Berdasarkan hasil akhir metode SAW, Kost Alfian memperoleh nilai tertinggi sebesar 0.9652, disusul Kost Krisna dan kos yang lainnya. Sistem yang dikembangkan mampu memberikan rekomendasi kos secara objektif, efisien, dan akurat, serta dapat dijadikan referensi bagi pelajar dalam proses pengambilan keputusan tempat tinggal.
PERANCANGAN UI/UX PADA SIM KLINIK BAGIAN PEMINJAMAN DAN PENGAMBILIAN BERKAS REKAM MEDIS Dinda Khalifatulloh, Bhre Diansyah; Nur Aini, Nita Dwi
Jurnal Informatika Teknologi dan Sains (Jinteks) Vol 8 No 1 (2026): EDISI 27
Publisher : Program Studi Informatika Universitas Teknologi Sumbawa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51401/jinteks.v8i1.6931

Abstract

Proses peminjaman dan pengembalian berkas rekam medis di Klinik Jaya Kusuma Husada masih dilakukan secara manual sehingga menimbulkan berbagai kendala operasional seperti keterlambatan pengembalian, risiko kehilangan berkas, ketidakjelasan status peminjaman, dan gangguan pada proses assembling, coding, hingga klaim asuransi. Penelitian ini bertujuan mengoptimalkan alur kerja tersebut melalui perancangan prototipe antarmuka User Interface/User Experience (UI/UX) pada Sistem Informasi Manajemen Klinik (SIM-Klinik) khusus untuk modul peminjaman dan pengembalian rekam medis. Metode penelitian menggunakan pendekatan Research and Development (R&D) dengan model Waterfall yang meliputi analisis kebutuhan melalui observasi dan wawancara dengan tiga petugas rekam medis, penyusunan wireframe, serta perancangan prototipe high-fidelity menggunakan Figma. Hasil penelitian berupa prototipe interaktif yang mencakup halaman login, menu tambah peminjaman, menu pengembalian, tampilan utama peminjaman–pengembalian, serta halaman laporan yang dapat difilter dan dicetak. Validasi menunjukkan bahwa desain yang dihasilkan sederhana, responsif, dan mendukung alur kerja yang lebih terstruktur, sehingga mampu meminimalkan kesalahan pencatatan dan meningkatkan ketertelusuran berkas. Disimpulkan bahwa prototipe SIM-Klinik yang dirancang memiliki potensi besar dalam meningkatkan efisiensi, akurasi, serta keamanan data pada proses peminjaman dan pengembalian rekam medis di fasilitas pelayanan kesehatan.
PEMBUATAN GAME 3D “GET IT DONE” MENGGUNAKAN METODE FINITE STATE MACHINE BERBASIS DEKSTOP Dhori Novanda Azza; Sasmito, Agung Panji; Wahyuni, Febriana Santi
Jurnal Informatika Teknologi dan Sains (Jinteks) Vol 8 No 1 (2026): EDISI 27
Publisher : Program Studi Informatika Universitas Teknologi Sumbawa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51401/jinteks.v8i1.6932

Abstract

Penelitian ini membahas tentang pengembangan game 3D Get It Done berbasis desktop dengan penerapan metode Finite State Machine (FSM) sebagai pengatur perilaku karakter Non Playable Character (NPC). Game ini dikembangkan dengan genre Action dan First Person Shooter (FPS), yang bertujuan tidak hanya sebagai hiburan tetapi juga sebagai media edukatif untuk meningkatkan kesadaran terhadap tanggung jawab dan konsekuensi dari tindakan kriminal. FSM digunakan untuk mengatur transisi perilaku NPC, seperti patroli, mengejar, menyerang, dan mati, berdasarkan kondisi dan jarak pemain. Pengujian dilakukan melalui uji fungsional dan uji metode FSM untuk memastikan logika permainan berjalan sesuai rancangan, serta melalui kuesioner kepuasan pengguna. Hasil penelitian menunjukkan bahwa seluruh fitur berjalan baik dan perilaku NPC sesuai dengan yang direncanakan, dengan tingkat penerimaan pengguna mencapai lebih dari 80%. Dengan demikian, implementasi FSM pada game Get It Done dinilai efektif dalam menciptakan interaksi yang realistis dan meningkatkan pengalaman bermain pemain.
GAME EDUKASI 3D “LEXQUESTIA” MENGGUNAKAN METODE FINITE STATE MACHINE Manuela, Devina Dorkas; Zahro, Hani Zulfia; Wahyuni, Febriana Santi
Jurnal Informatika Teknologi dan Sains (Jinteks) Vol 8 No 1 (2026): EDISI 27
Publisher : Program Studi Informatika Universitas Teknologi Sumbawa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51401/jinteks.v8i1.6937

Abstract

Game edukasi menjadi media pembelajaran interaktif yang mampu meningkatkan motivasi dan pemahaman siswa, khususnya dalam pembelajaran kosakata bahasa Inggris. Penelitian ini mengembangkan game edukasi 3D “LexQuestia” sebagai sarana belajar kosakata bagi anak usia 6–10 tahun. Game ini menerapkan metode Finite State Machine (FSM) untuk mengatur perilaku NPC sehingga interaksi di dalam game lebih terstruktur, responsif, dan sesuai konteks. Pengembangan dilakukan menggunakan Unity 6 dengan aset 3D low-poly yang dibuat melalui Blender, dan dirancang untuk platform Android yang dapat dimainkan secara offline. Game terdiri dari tiga level dengan tantangan kosakata yang berbeda pada setiap level. Implementasi meliputi pembuatan karakter, environment, mekanik gameplay, serta perancangan FSM untuk NPC pada tiap level. Pengujian dilakukan melalui uji FSM, uji black box, dan uji pengguna. Hasil pengujian black box menunjukkan seluruh fitur berfungsi sebagaimana mestinya. Pengujian FSM membuktikan bahwa transisi state NPC berjalan sesuai event pemicu. Pada uji pengguna terhadap lima responden berusia 6–10 tahun, diperoleh 96,7% respon positif, yang menunjukkan bahwa game mudah digunakan, menarik, dan memberikan pengalaman belajar yang baik. Secara keseluruhan, penerapan FSM pada “LexQuestia” mampu menciptakan interaksi NPC yang dinamis serta mendukung proses pembelajaran kosakata secara menyenangkan dan efektif.
IMPLEMENTASI HYBRID MODEL CEEMDAN-ARIMA-LSTM PREDIKSI HARGA SAHAM PENUTUP Dafauzan Bilal Syaifulloh; Fetty Tri Anggraeny; Achmad Junaidi
Jurnal Informatika Teknologi dan Sains (Jinteks) Vol 8 No 1 (2026): EDISI 27
Publisher : Program Studi Informatika Universitas Teknologi Sumbawa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51401/jinteks.v8i1.6938

Abstract

Pergerakan harga saham yang bersifat non-linear dan non-stasioner menjadi tantangan utama dalam proses peramalan deret waktu. Penelitian ini mengusulkan model hybrid CEEMDAN–ARIMA–LSTM untuk meningkatkan akurasi prediksi harga penutupan saham PT Industri Jamu dan Farmasi Sido Muncul Tbk (SIDO). Metode CEEMDAN digunakan untuk mendekomposisi data saham menjadi beberapa Intrinsic Mode Functions (IMF), yang selanjutnya dianalisis menggunakan Sample Entropy (SampEn) guna mengidentifikasi tingkat kompleksitas dan menentukan model yang paling sesuai. Komponen dengan karakteristik linier diprediksi menggunakan ARIMA, sedangkan komponen non-linier dimodelkan menggunakan LSTM. Hasil prediksi dari seluruh IMF kemudian direkonstruksi menjadi nilai akhir. Evaluasi kinerja menggunakan MAPE, MAE, RMSE, dan R² menunjukkan bahwa model hybrid memberikan akurasi yang lebih tinggi dibandingkan model tunggal, dengan nilai MAPE yang termasuk dalam kategori sangat akurat. Temuan ini menegaskan bahwa integrasi CEEMDAN dengan pendekatan statistik dan deep learning mampu menangani dinamika kompleks pada data saham serta meningkatkan kualitas prediksi secara signifikan.
ANALISIS SENTIMEN KEPUTUSAN CHILDFREE GENERASI Z DI MEDIA SOSIAL DENGAN METODE SVM Masangin, Conly; Faisol, Ahmad; Rudhistiar, Deddy
Jurnal Informatika Teknologi dan Sains (Jinteks) Vol 8 No 1 (2026): EDISI 27
Publisher : Program Studi Informatika Universitas Teknologi Sumbawa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51401/jinteks.v8i1.6941

Abstract

Fenomena childfree semakin menjadi topik pembicaraan yang ramai di berbagai media sosial, terutama di kalangan Generasi Z yang aktif menyampaikan pendapatnya melalui platform X dan TikTok. Perbedaan perspektif mengenai isu ini menghasilkan respons yang beragam, dan analisis sentimen dapat digunakan untuk memahami arah opini publik terhadap topik ini. Penelitian ini bertujuan mengklasifikasikan sentimen positif dan negatif terhadap keputusan childfree di kalangan Generasi Z menggunakan metode Support Vector Machine (SVM). Data yang digunakan dikumpulkan melalui teknik crawling, kemudian melalui proses preprocessing teks dan pembobotan TF-IDF sebelum dilakukan pelatihan model. Hasil pengujian menunjukkan akurasi model SVM mencapai 77,08%, dengan kinerja klasifikasi yang lebih baik pada sentimen positif dibandingkan negatif. Temuan ini menunjukkan dominasi opini positif terhadap childfree, meskipun masih ada sebagian kelompok yang menunjukkan resistensi. Kesimpulan penelitian menegaskan bahwa metode SVM mampu mengklasifikasikan sentimen dengan cukup baik, namun perlu pengembangan lebih lanjut untuk meningkatkan keseimbangan dalam prediksi sentimen positif dan negatif
CLUSTERING KUALITAS PENDIDIKAN SEKOLAH MENENGAH ATAS DI PROVINSI NUSA TENGGARA TIMUR MENGGUNAKAN ALGORITMA K-MEANS Surat Lelaona, Maria Avriliana; Orisa, Mira; Pranoto, Yosep Agus
Jurnal Informatika Teknologi dan Sains (Jinteks) Vol 8 No 1 (2026): EDISI 27
Publisher : Program Studi Informatika Universitas Teknologi Sumbawa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51401/jinteks.v8i1.6944

Abstract

Provinsi Nusa Tenggara Timur (NTT) merupakan salah satu wilayah dengan tantangan besar dalam pemerataan dan peningkatan mutu pendidikan, khususnya pada jenjang Sekolah Menengah Atas (SMA). Berdasarkan data Dinas Pendidikan NTT, masih terdapat ketimpangan kualitas antar wilayah yang disebabkan oleh keterbatasan tenaga pendidik, sarana prasarana yang belum memadai, serta rasio guru dan murid yang tidak seimbang. Penelitian ini bertujuan untuk mengimplementasikan teknik data mining menggunakan algoritma K-Means Clustering dalam mengelompokkan kualitas pendidikan SMA di Provinsi NTT. Data yang digunakan meliputi indikator pendidikan seperti jumlah sekolah, jumlah siswa, jumlah guru, tenaga kependidikan, rasio guru terhadap murid, jumlah rombongan belajar, dan ruang kelas. Algoritma K-Means dipilih karena dataset yang digunakan merupakan data tak berlabel dan bersifat unsupervised. Penentuan jumlah cluster optimal dilakukan dengan metode Elbow, yang menghasilkan tiga kategori utama yaitu kualitas tinggi, sedang, dan rendah. Hasil penelitian ini diimplementasikan dalam bentuk sistem berbasis web yang mampu memproses data, menampilkan hasil pengelompokan secara visual melalui tabel dan grafik. Sistem ini diharapkan dapat menjadi alat bantu bagi pemerintah daerah dalam menganalisis distribusi mutu pendidikan dan merumuskan kebijakan peningkatan kualitas pendidikan secara berkelanjutan.
PENERAPAN LBP DAN FCH UNTUK KLASIFIKASI PENYAKIT DAUN JAGUNG MENGGUNAKAN ALGORITMA RANDOM FOREST Galan Ahmad Defanka; Achmad Junaidi; Hendra Maulana
Jurnal Informatika Teknologi dan Sains (Jinteks) Vol 8 No 1 (2026): EDISI 27
Publisher : Program Studi Informatika Universitas Teknologi Sumbawa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51401/jinteks.v8i1.6948

Abstract

Klasifikasi penyakit daun jagung menjadi salah satu langkah penting dalam mendukung pemantauan kesehatan tanaman secara dini. Pada penelitian ini dikembangkan sebuah sistem klasifikasi penyakit daun jagung berbasis pengolahan citra dan machine learning yang mampu mengidentifikasi empat kondisi daun, yaitu bercak daun, hawar daun, karat daun, dan daun sehat. Dataset yang digunakan terdiri dari 1.200 citra daun jagung, dengan masing-masing kelas berjumlah 300 citra, kemudian diperluas menjadi 3.600 citra melalui proses augmentasi data. Proses pengolahan data meliputi tahapan preprocessing citra, segmentasi, ekstraksi fitur, serta pelatihan dan pengujian model klasifikasi. Karakteristik tekstur daun diekstraksi menggunakan metode Local Binary Pattern (LBP), sedangkan karakteristik warna direpresentasikan melalui Fuzzy Color Histogram (FCH). Seluruh fitur hasil ekstraksi tersebut digunakan sebagai masukan pada algoritma Random Forest untuk melakukan klasifikasi penyakit daun jagung. Hasil pengujian menunjukkan bahwa algoritma Random Forest mampu memberikan performa klasifikasi yang baik dengan tingkat akurasi sebesar 95,22%. Hasil tersebut menunjukkan bahwa kombinasi fitur tekstur LBP dan fitur warna FCH efektif dalam membedakan jenis penyakit daun jagung, sehingga sistem yang dikembangkan berpotensi menjadi solusi pendukung dalam deteksi penyakit tanaman jagung secara otomatis dan akurat.
IMPLEMENTASI METODE K-MEANS DAN HARMONY SEARCH UNTUK MENYEDERHANAKAN DATA PADA CREDIT SCORE Anita Puspitasari; Eka Prakarsa Mandyartha; Muhammad Muharrom Al Haromainy
Jurnal Informatika Teknologi dan Sains (Jinteks) Vol 8 No 1 (2026): EDISI 27
Publisher : Program Studi Informatika Universitas Teknologi Sumbawa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51401/jinteks.v8i1.6952

Abstract

Credit Score merupakan sebuah penilaian yang digunakan untuk memperkirakan risiko kredit. Penelitian ini dilakukan dengan tujuan untuk menyederhanakan data serta meningkatkan akurasi prediksi pada Credit dengan menggunakan metode K-Means dan Harmony Search. K-Means digunakan untuk mengelompokkan fitur berdasarkan korelasi jarak (Distance -based) guna untuk mengurangi redundansi dan menemukan fitur paling representatif. Selanjutnya, Harmony Search digunakan untuk mencari kombinasi fitur terbaik terhadap target prediksi dengan menyesuaikan kombinasi parameter HMS, HMCR, dan PAR. Untuk evaluasi kinerja model dilakukan menggunakan Linear Regression dengan nilai metrik MAPE, . Hasil penelitian menunjukkan bahwa kombinasi parameter terbaik yaitu HMS = 30, HMCR = 0.7, PAR = 0.1. Hal ini dilihat dari evaluasi kinerja model yang menghasilkan 10 fitur dengan metrik MAPE sebesar 3.4%, dan sebesar 0.84. Metode ini terbukti mampu meningkatkan akurasi dan efisiensi komputasi dibandingkan model tanpa seleksi fitur. Dengan demikian, kombinasi metode K-Means dan Harmony Search terbukti efektif dalam menyederhanakan data serta meningkatkan kinerja model pada Credit Score.
PENGGUNAAN FIREFLY ALGORITHM PADA SUPPORT VECTOR REGRESSION SEBAGAI OPTIMASI PREDIKSI HARGA CLOSE LITECOIN Millani, Alief Indy; Dwi Arman Prasetya; Eka Prakarsa Mandyartha
Jurnal Informatika Teknologi dan Sains (Jinteks) Vol 8 No 1 (2026): EDISI 27
Publisher : Program Studi Informatika Universitas Teknologi Sumbawa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51401/jinteks.v8i1.6955

Abstract

Altcoin merupakan salah satu investasi dari Cryptocurrency yang sering diminati banyak orang dikarenakan dapat memberikan keuntungan yang besar. Namun, sering kali banyak kesalahan dalam memprediksinya dikarenakan data yang dinamis. Oleh karena penelitian ini bertujuan untuk meningkatkan akurasi prediksi harga altcoin dengan mengoptimalkan parameter Support Vector Regression (SVR) menggunakan Firefly Optimization. Metode ini diterapkan untuk menentukan nilai parameter terbaik, dan  berdasarkan nilai error terkecil. Data yang digunakan merupakan altcoin jenis Litecoin. Evaluasi performa dilakukan menggunakan metrik R², dan MAPE. Hasil penelitian menunjukkan bahwa optimasi dengan Firefly Algorithm mampu meningkatkan performa prediksi secara signifikan dibandingkan SVR tanpa optimasi. Pada Litecoin, MAPE menurun dari 9.20% menjadi 3% dengan R2 dari dari 0.83 menjadi 0.94. Meskipun waktu komputasi meningkat, kombinasi Firefly-SVR terbukti efektif dalam menghasilkan parameter optimal dan meningkatkan akurasi prediksi harga altcoin

Page 62 of 65 | Total Record : 649

 60   61   62   63   64 

Filter by Year

2019 2026


Reset
Filter By Issues
All Issue Vol 8 No 1 (2026): EDISI 27 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