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 726 Documents
 69   70   71   72   73 
PERANCANGAN SISTEM INFORMASI MANAJEMEN SERVICE MOBIL PADA BENGKEL BMS BERBASIS WEB MENGGUNAKAN METODE CRM Sarah Aulia Br. Ginting; Suendri Suendri; Imam Adlin Sinaga
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.v8i1.7278

Abstract

Bengkel BMS (Bintang Makmur Service) merupakan sebuah usaha perseorangan yang bergerak di sektor jasa perawatan dan perbaikan mobil. Kenyataannya pemanfaatan teknologi komputer dalam operasionalnya masih belum optimal. Seluruh aktivitas operasional, mulai dari pencatatan data pelanggan, sistem antrean layanan, hingga pengelolaan informasi stok barang, masih dilakukan secara manual. Penerapan Customer Relationship Management (CRM) menjadi relevan sebagai suatu pendekatan strategis yang bertujuan untuk memperoleh, mempertahankan, serta meningkatkan hubungan yang saling menguntungkan dengan pelanggan. CRM berfokus pada penciptaan nilai dan kepuasan pelanggan secara berkelanjutan, sekaligus mendukung peningkatan keuntungan bisnis melalui keunggulan bersaing dan jaminan mutu produk, guna mencapai kepuasan pelanggan yang optimal. Penulis mengembangkan sebuah sistem yang bertujuan menghubungkan customer dengan pihak admin, memungkinkan customer untuk memesan jadwal service mobil secara online, sehingga mereka tidak perlu menunggu dalam antrian. Perancangan aplikasi sistem informasi manajemen layanan servis mobil pada Bengkel BMS yang mengadopsi metode Customer Relationship Management (CRM) dirancang untuk mempermudah pelanggan dalam mengakses layanan. Sistem ini menyediakan fitur pemesanan jadwal servis secara daring, sehingga proses layanan menjadi lebih efisien dan terorganisir.
STARLINK SEBAGAI SOLUSI KONEKTIVITAS INTERNET DI DESA TERPENCIL: POTENSI DAN TANTANGAN UNTUK KABUPATEN BIMA Ikhwannul Muslimin; Fenny Febriayanti; Muhammad Imam Munandar; Muhammad Wardhani
Jurnal Informatika Teknologi dan Sains (Jinteks) Vol 8 No 2 (2026): EDISI 28
Publisher : Program Studi Informatika Universitas Teknologi Sumbawa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51401/jinteks.v8i2.7890

Abstract

Ketimpangan akses internet antara wilayah perkotaan dan pedesaan masih menjadi tantangan pembangunan digital di Indonesia, termasuk di Kabupaten Bima, Nusa Tenggara Barat, yang secara geografis didominasi wilayah perbukitan, pesisir, dan permukiman yang tersebar dan sulit dijangkau infrastruktur telekomunikasi konvensional. Artikel ini mengkaji potensi dan tantangan pemanfaatan layanan internet satelit orbit rendah (Low Earth Orbit) Starlink sebagai alternatif solusi konektivitas bagi desa-desa yang masih mengalami blank spot maupun lemah sinyal di Kabupaten Bima. Metode yang digunakan adalah studi literatur dengan pendekatan deskriptif kualitatif, menelaah data sekunder dari pemberitaan resmi, dokumen instansi pemerintah, dan publikasi terkait. Hasil kajian menunjukkan bahwa Starlink menawarkan keunggulan berupa latensi rendah, kecepatan akses tinggi, kemudahan pemasangan tanpa menara BTS, serta kemampuan menjangkau wilayah dengan topografi sulit. Namun, penerapannya di Kabupaten Bima masih menghadapi tantangan berupa biaya perangkat dan langganan yang relatif tinggi, keterbatasan pasokan listrik di sejumlah desa, minimnya literasi digital masyarakat, serta perlunya regulasi dan sinergi dengan program pemerintah seperti BAKTI Komdigi dan proyek satelit SATRIA. Artikel ini merekomendasikan model kolaborasi antara pemerintah daerah, operator telekomunikasi nasional, dan penyedia Starlink melalui skema subsidi komunitas agar pemanfaatan teknologi ini memberi dampak optimal bagi pemerataan akses digital di Kabupaten Bima.
RANCANG BANGUN SISTEM PENDUKUNG KEPUTUSAN PENILAIAN KINERJA KARYAWAN BERBASIS WEBSITE MENGGUNAKAN METODE WEIGHTED PRODUCT Habib Maulana Rizki; Riska Nurtantyo Sarbini; Halimahtus Mukminna; Dody Pradipta
Jurnal Informatika Teknologi dan Sains (Jinteks) Vol 8 No 2 (2026): EDISI 28
Publisher : Program Studi Informatika Universitas Teknologi Sumbawa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51401/jinteks.v8i2.7372

Abstract

Kinerja karyawan merupakan faktor penting bagi keberhasilan organisasi. Namun, proses evaluasi kinerja secara manual cenderung memakan waktu, rumit, dan rawan kesalahan. Penelitian ini bertujuan merancang dan membangun Sistem Pendukung Keputusan (SPK) Penilaian Kinerja Karyawan berbasis website menggunakan metode Weighted Product (WP) di Kopkar Mekar, koperasi di bawah PT. Gudang Garam Tbk. Sistem ini dirancang untuk meningkatkan akurasi, mempercepat proses penilaian, serta meminimalkan kesalahan yang selama ini terjadi pada metode manual dengan Microsoft Excel. Penelitian menggunakan metode Research and Development (R&D) dengan pendekatan Waterfall dalam pengembangan perangkat lunak, melalui tahapan pengumpulan data berupa wawancara tak terstruktur dan studi pustaka. Hasil penelitian adalah sistem berbasis website yang mampu menghasilkan penilaian kinerja lebih akurat, terstruktur, dan objektif dengan mempertimbangkan bobot tiap kriteria. Sistem ini juga mendukung pengambilan keputusan terkait karyawan serta menghemat waktu. Uji coba dilakukan dengan berbagai skenario untuk memastikan fungsionalitas berjalan optimal. Evaluasi lebih lanjut menggunakan kuesioner skala Likert menunjukkan tingkat kelayakan sebesar 91,4% dengan kategori Sangat Layak. Dengan demikian, sistem ini dinyatakan siap diimplementasikan sebagai alat pendukung penilaian kinerja karyawan di Kopkar Mekar.
PENANGANAN EXTREME CLASS IMBALANCE PADA ANALISIS SENTIMEN ULASAN PROVIDER INTERNET MENGGUNAKAN PENDEKATAN SMOTE DENGAN ALGORITMA RANDOM FOREST DAN SVM Risca Lusiana Pratiwi; Ginabila; Zulia Imami Alfianti
Jurnal Informatika Teknologi dan Sains (Jinteks) Vol 8 No 2 (2026): EDISI 28
Publisher : Program Studi Informatika Universitas Teknologi Sumbawa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51401/jinteks.v8i2.7974

Abstract

Ketimpangan distribusi kelas yang ekstrem pada data ulasan pelanggan menjadi tantangan utama yang memicu bias prediksi pada model pembelajaran mesin. Penelitian ini bertujuan untuk menguji efektivitas penanganan extreme class imbalance pada ulasan penyedia jasa internet menggunakan pendekatan Synthetic Minority Over-sampling Technique (SMOTE) yang dikombinasikan dengan algoritma Random Forest dan Support Vector Machine (SVM). Dataset berjumlah 699 rekaman ulasan diolah melalui rangkaian pra-pemrosesan teks, ekstraksi fitur Term Frequency-Inverse Document Frequency (TF-IDF), serta diuji menggunakan skema Cross Validation. Hasil evaluasi memperlihatkan bahwa kombinasi SMOTE dan SVM mencatatkan akurasi sebesar 91,56%, nilai Area Under Curve (AUC) 0,769, presisi kelas positif 100,00%, dan recall kelas positif sebesar 4,84%. Di sisi lain, skema SMOTE dan Random Forest memperoleh akurasi 91,13%, nilai AUC 0,740, serta presisi dan recall kelas positif sebesar 0,00%. Penelitian ini menyimpulkan bahwa batas pemisah linier pada SVM lebih responsif memanfaatkan sampel sintetis SMOTE dalam ruang fitur berdimensi tinggi, serta mengonfirmasi bahwa kedua algoritma memiliki kecenderungan prediktif yang dominan dalam mengenali sampel kelas mayoritas.
PERBANDINGAN MODEL LSTM GRU BiLSTM CNN-LSTM DAN TRANSFORMER UNTUK PREDIKSI INDEKS HARGA SAHAM GABUNGAN (IHSG) Ardi Susanto; Gina Khayatun Nufus; Layli Hardiyanti
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.v7i4.8071

Abstract

Prediksi Indeks Harga Saham Gabungan (IHSG) merupakan tantangan penting bagi investor dan analis di pasar modal Indonesia. Berbagai arsitektur deep learning telah dikembangkan untuk peramalan deret waktu finansial, namun studi komparatif komprehensif pada konteks IHSG masih terbatas, khususnya yang membandingkan lima arsitektur utama dengan hyperparameter tuning sistematis dan validasi statistik. Penelitian ini bertujuan membandingkan performa LSTM, GRU, BiLSTM, CNN-LSTM, dan Transformer untuk prediksi return harian dan arah pergerakan IHSG. Data historis IHSG periode 2015–2025 diperoleh dari Yahoo Finance dengan 32 fitur teknikal stasioner. Setiap model dituning menggunakan Optuna dengan 25 trial, dan performa divalidasi menggunakan Diebold-Mariano test. Hasil menunjukkan LSTM Tuned mencapai performa deep learning terbaik dengan RMSE 0,01109 dan MDA 55,83%, sementara Lasso Regression sebagai baseline mencapai RMSE 0,01094 dan MDA 56,67%. Uji Diebold-Mariano mengonfirmasi bahwa perbedaan Lasso dan LSTM Tuned tidak signifikan secara statistik (p=0,356), sedangkan LSTM secara signifikan mengungguli Transformer (p=0,047). Temuan ini menunjukkan bahwa LSTM Tuned mampu mencapai performa yang setara secara statistik dengan baseline linear regularized terbaik pada prediksi return IHSG. Penelitian menyediakan empirical benchmark yang berguna bagi peneliti dan praktisi pasar modal Indonesia
EVALUASI DISTANT SUPERVISON DAN INDOBERT UNTUK ANALISI SENTIMEN ULASAN E-COMMERCE DENGAN KETIDAK SEIMBANGAN KELAS EKSTREM Gina Nufus; Ardi Susanto; Nurul Istiqomah
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.v7i4.8075

Abstract

Rating bintang lazim digunakan sebagai sumber label pada penelitian analisis sentimen ulasan e-commerce, namun distribusinya yang sangat timpang jarang ditangani secara eksplisit. Penelitian ini mengklasifikasikan sentimen 5.229 ulasan peralatan rumah tangga elektronik dari Shopee yang memiliki rasio ketimpangan 37:1 antara kelas positif dan negatif. Label diperoleh melalui distant supervision dari rating bintang, dan seluruh pelatihan dievaluasi menggunakan stratified k-fold lima lipatan agar estimasi kinerja tidak bergantung pada satu pembagian data. Empat varian IndoBERT dibandingkan terhadap baseline TF-IDF, mencakup pengaruh praproses klasik, pembobotan kelas, focal loss disertai penalaan ambang, korpus prapelatihan alternatif, serta pembelajaran multi-tugas yang menggabungkan sentimen dengan prediksi kebermanfaatan ulasan. IndoBERTweet memperoleh macro-F1 tertinggi sebesar 0,8156 dengan F1 kelas negatif 0,6412, mengungguli baseline TF-IDF sebesar 3,71 poin. Praproses klasik tidak menurunkan kinerja secara berarti, sedangkan focal loss dan pembelajaran multi-tugas tidak memberikan peningkatan. Analisis pendukung menunjukkan ulasan berbintang satu memperoleh peluang disukai 13,9 kali lebih besar dibanding berbintang lima, sehingga rerata rating cenderung melebihkan kepuasan konsumen.

Page 73 of 73 | Total Record : 726

 69   70   71   72   73 

Filter by Year

2019 2026


Reset
Filter By Issues
All Issue Vol 8 No 2 (2026): EDISI 28 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