cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Muhammad Iqbal
Contact Email
halopublikasi@hawari.id
Phone
+6281269617312
Journal Mail Official
redaksijnastek@hawari.id
Editorial Address
Jl. Sei Batu Gingging Ps. X No.33, Padang Bulan Selayang I, Kec. Medan Selayang, Kota Medan, Sumatera Utara 20153
Location
Kota medan,
Sumatera utara
INDONESIA
Jurnal Nasional Teknologi Komputer
Published by CV. HAWARI
ISSN : 28087801     EISSN : 28084845     DOI : -
Core Subject : Science,
Computer Science & IT
Jurnal Nasional Teknologi Komputer di bidang ilmu komputer dan teknologi. Jurnal JNASTEK diterbitkan oleh CV. Hawari. Redaksi mengundang peneliti, praktisi, dan mahasiswa untuk menulis perkembangan ilmiah di bidang-bidang yang berkaitan dengan teknologi informasi, teknik informatika dan sistem komputer. Jurnal JNASTEK terbit 4 (Empat) kali dalam setahun pada bulan Januari, April, Juli dan Oktober. Jurnal ini berisi artikel penelitian dan kajian ilmiah.
Arjuna Subject : Ilmu Komputer (semua kategori) - Perangkat Lunak
Articles 190 Documents
 15   16   17   18   19 
ANALISIS NILAI DEVIASI ALAT PENGUKUR DAN PEMBATAS PADA SISTEM PENGUKURAN TIDAK LANGSUNG PT PLN (PERSERO) UP3 BELITUNG Saharani, Syafira; Dalimunthe, Muhammad Erpandi
Jurnal Nasional Teknologi Komputer Vol 5 No 4 (2025): Oktober 2025
Publisher : CV. Hawari

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Alat Pengukur dan Pembatas (APP) memiliki peran penting dalam menjamin akurasi transaksi energi listrik antara pelanggan dan PT PLN (Persero). APP yang mengalami deviasi dapat menyebabkan kerugian finansial, baik bagi perusahaan maupun pelanggan, sekaligus meningkatkan angka susut energi (losses). Penelitian ini bertujuan untuk menganalisis nilai deviasi APP pada sistem pengukuran tidak langsung di wilayah kerja PT PLN (Persero) UP3 Belitung serta mengintegrasikan pendekatan Machine Learning untuk mendukung deteksi dini deviasi. Metode penelitian mencakup analisis on-desk dengan aplikasi Amicon, monitoring data pemakaian bulanan (DPM), serta pengujian lapangan menggunakan alat tera WS2330. Hasil pengukuran manual menunjukkan adanya deviasi signifikan pada pelanggan tegangan menengah, khususnya PT Tommy Utama dan PT Timah TBK, yang disebabkan oleh kerusakan trafo arus (CT), kesalahan instalasi/wiring, serta kondisi lingkungan seperti kubikel yang lembab. Perbaikan teknis berupa penggantian CT dan perbaikan instalasi mampu menurunkan deviasi hingga sesuai standar SPLN. Sebagai penguatan analisis, digunakan algoritma Machine Learning berupa Decision Tree untuk klasifikasi APP (normal vs bermasalah) dan Random Forest Regressor untuk prediksi deviasi kWh. Hasil pengujian menunjukkan bahwa Decision Tree memiliki akurasi 92%, sementara Random Forest menghasilkan nilai RMSE sebesar 0,15, yang menunjukkan kemampuan prediksi cukup baik. Kebaruan (novelty) penelitian ini terletak pada integrasi pengukuran manual dengan analisis berbasis ML untuk mendukung monitoring APP secara lebih efektif. Penelitian ini berkontribusi pada peningkatan sistem monitoring PLN dan memberikan rekomendasi praktis dalam upaya menekan kerugian akibat deviasi APP.
Sistem Reservasi Dan Manajemen Pelanggan Dengan Model Pengembangan Waterfall Berbasis Website Di Pangkas Candu Putra, Hardiansyah; Sumartono, Isnar Sumartono
Jurnal Nasional Teknologi Komputer Vol 5 No 4 (2025): Oktober 2025
Publisher : CV. Hawari

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Dalam praktiknya, layanan pangkas rambut tradisional kerap mengalami berbagai kendala, seperti kesulitan dalam pengaturan jadwal pelanggan, antrian yang tidak teratur, serta belum tersedianya sistem pemesanan yang efisien. Untuk mengatasi permasalahan tersebut Sistem Reservasi dan Manajemen Pelanggan dengan Model Pengembangan Waterfall Berbasis Website dinilai tepat, sebab Sistem ini bertujuan untuk memudahkan pelanggan dalam melakukan pemesanan layanan secara daring, menampilkan daftar harga, informasi karyawan, riwayat pesanan, serta memungkinkan pelanggan memilih tukang cukur dan waktu yang diinginkan. Proses pengembangannya melalui beberapa tahapan utama, yaitu analisis kebutuhan, perancangan sistem, implementasi, verifikasi, dan pemeliharaan. Pada tahap perancangan, digunakan Unified Modeling Language (UML) untuk memodelkan sistem melalui use case diagram, activity diagram, sequence diagram, dan class diagram, sehingga membantu proses analisis dan desain sistem. Dalam implementasinya, MySQL digunakan sebagai basis data, sementara Bootstrap diterapkan untuk mendesain antarmuka pengguna. Bahasa pemrograman yang digunakan adalah PHP. Pengujian sistem dilakukan dengan metode black-box testing untuk memastikan setiap fitur berfungsi sesuai harapan. Hasil pengujian menunjukkan bahwa sistem ini mampu mempercepat serta mempermudah proses pemesanan layanan bagi pelanggan, sekaligus membantu admin dalam mengelola data harga, karyawan, pesanan, pelanggan, dan invoice
Optimalisasi Peningkatan Kapasitas Aparatur Desa dalam Pelayanan Administrasi dan Pengembangan Produk UMKM Berbasis Aplikasi di Desa Pematang Serai Sumatera Utara Muhammad Donni Lesmana Siahaan
Jurnal Nasional Teknologi Komputer Vol 5 No 4 (2025): Oktober 2025
Publisher : CV. Hawari

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61306/jnastek.v5i4.316

Abstract

Penelitian ini bertujuan untuk mengkaji optimalisasi peningkatan kapasitas aparatur desa dalam pelayanan administrasi dan pengembangan produk UMKM di Desa Pematang Serai, Sumatera Utara, melalui pemanfaatan aplikasi berbasis teknologi. Desa Pematang Serai menghadapi tantangan dalam meningkatkan efisiensi pelayanan administrasi dan pengembangan sektor UMKM yang menjadi sumber ekonomi utama masyarakat. Oleh karena itu, penelitian ini mengusulkan penerapan sistem berbasis aplikasi untuk mempermudah proses administrasi serta mendukung promosi dan pengelolaan produk UMKM secara lebih efektif. Metode yang digunakan dalam penelitian ini adalah pendekatan kualitatif dengan analisis deskriptif, yang melibatkan wawancara dengan aparatur desa, pelaku UMKM, serta pihak terkait lainnya. Hasil penelitian menunjukkan bahwa dengan adanya aplikasi berbasis teknologi, kapasitas aparatur desa dalam pelayanan administrasi semakin meningkat, sementara pelaku UMKM dapat mengembangkan dan memasarkan produk mereka dengan lebih mudah dan efisien. Penelitian ini merupakan program dari Kementerian Pendidikan Tinggi, Sains, dan Teknologi dengan program Diktisaintek Berdampak.
ANALISIS PREDIKSI PENYAKIT HEPATITIS MENGGUNAKAN ALGORITMA DECISION TREE DAN NAIVE BAYES Ginting, Axel Elyas; Fadililah, Akbar Fajar; Kusumah, Mayang; Nuryamin, Yamin; Priyatna, Ade
Jurnal Nasional Teknologi Komputer Vol 5 No 4 (2025): Oktober 2025
Publisher : CV. Hawari

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61306/jnastek.v5i4.317

Abstract

ABSTRAK Penyakit hepatitis merupakan salah satu masalah kesehatan global yang kritis dan terus menjadi tantangan besar dalam dunia medis karena menyerang organ hati dan sulit terdeteksi pada tahap awal. Kondisi ini menuntut adanya metode diagnosis yang lebih cepat, efektif, dan mampu memberikan prediksi akurat untuk membantu tenaga medis dalam proses identifikasi dini. Seiring perkembangan teknologi, pendekatan berbasis machine learning mulai banyak diadopsi untuk mendukung analisis data medis secara otomatis. Penelitian ini bertujuan untuk menganalisis dan membandingkan performa dua algoritma klasifikasi, yaitu Decision Tree dan Naive Bayes, dalam memprediksi status penyakit hepatitis berdasarkan data biokimia darah. Dataset yang digunakan bersumber dari platform Kaggle, terdiri atas 615 data pasien dan 14 atribut laboratorium. Tahapan penelitian meliputi pra-pemrosesan data, normalisasi, pembagian data menjadi 70% data latih dan 30% data uji, pelatihan model, serta evaluasi menggunakan metrik akurasi, presisi, recall, F1-score, dan confusion matrix. Hasil penelitian menunjukkan bahwa algoritma Decision Tree memperoleh akurasi sebesar 88,65%, sedikit lebih tinggi dibandingkan algoritma Naive Bayes yang mencapai akurasi 87,03%. Temuan ini mengindikasikan bahwa Decision Tree lebih efektif dalam menangani variasi data dan hubungan non-linear antar fitur biokimia. Secara keseluruhan, penelitian ini menegaskan bahwa kedua model mampu digunakan sebagai sistem pendukung keputusan dalam mendeteksi hepatitis, namun Decision Tree menjadi model yang lebih potensial untuk diimplementasikan pada tahap diagnosis awal.
PREDIKSI STATUS PEROKOK DARI DATA TUBUH, HEMOGLOBIN, PENYAKIT GIGI MENGGUNAKAN RANDOM FOREST Bella Rahmawati, Nayla; Permadi, Dimas; Fadly, Muhammad; Nur Yamin, Yamin; Priyatna , Ade
Jurnal Nasional Teknologi Komputer Vol 5 No 4 (2025): Oktober 2025
Publisher : CV. Hawari

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61306/jnastek.v5i4.318

Abstract

Perilaku merokok merupakan masalah kesehatan masyarakat yang serius karena berkaitan dengan berbagai penyakit kronis seperti gangguan paru, penyakit kardiovaskular, dan masalah kesehatan mulut. Oleh karena itu, memprediksi status perokok menjadi penting untuk mendukung strategi pencegahan yang berbasis data akurat. Penelitian ini bertujuan untuk memprediksi status perokok menggunakan empat variabel utama, yaitu tinggi badan, berat badan, kadar hemoglobin, dan penyakit gigi. Algoritma Random Forest dipilih karena memiliki kinerja yang kuat dalam menangani tugas klasifikasi yang kompleks. Dataset yang digunakan dalam penelitian ini berasal dari survei kesehatan masyarakat yang mencakup informasi antropometri dan medis terkait kebiasaan merokok. Sebelum membangun model, data melalui beberapa tahap pra-pemrosesan seperti normalisasi, penghapusan nilai yang hilang, dan pembagian data menjadi set pelatihan dan pengujian dengan rasio 80:20. Metode Grid Search digunakan untuk mengoptimalkan parameter model. Hasil penelitian menunjukkan bahwa model Random Forest mencapai akurasi sebesar 87%, dengan precision sebesar 0.85 dan recall sebesar 0.88. Kadar hemoglobin dan penyakit gigi ditemukan sebagai prediktor paling penting dalam menentukan status perokok, sementara berat badan menunjukkan hubungan moderat yang mengindikasikan adanya kaitan antara metabolisme dan konsumsi nikotin. Temuan ini menunjukkan bahwa Random Forest memberikan performa klasifikasi yang kuat dan stabil dalam konteks kesehatan masyarakat. Selain itu, analisis data eksploratori dan pengembangan model dilakukan menggunakan Google Collaboratory dengan bahasa pemrograman Python. Evaluasi model akhir menghasilkan akurasi 80,16%, yang menegaskan efektivitas Random Forest dalam mengidentifikasi pola perilaku merokok dalam dataset.
Sistem Pakar untuk Menentukan Konsentrasi Mahasiswa Prodi Sistem Komputer Menggunakan Metode Forward Chaining Boy Rizki Akbar; Muhammad Fahriza; , Fery Anugerah; Chelfina Utami; Laila Maghfirah; Rian Farta Wijaya; Zulham Sitorus
Jurnal Nasional Teknologi Komputer Vol 5 No 4 (2025): Oktober 2025
Publisher : CV. Hawari

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61306/jnastek.v5i4.319

Abstract

Determining a concentration is one of the obligations for computer systems students because it has a direct impact on their careers and individual potential development. However, most students determine their concentration based on general perceptions without understanding their personal interests and talents, job trends, or even following their friends' choices. Therefore, this study aims to help students recognize their potential, interests, and abilities in choosing the right concentration. This study uses the Forward Chaining method, which is an expert system-based approach oriented towards factual data to draw conclusions and provide relevant recommendations. In its implementation, the system will process inputs in the form of interests, talents, and ability assessment results, then trace logical rules to determine the most suitable concentration. The final result of the research is expected to produce visual recommendations in the form of percentages, which show the level of compatibility between students' interests and talents with various concentration options. The system is expected to support a more objective, systematic, and data-driven academic decision-making process so that students can optimize their potential to the maximum.
DESIGN THINKING SEBAGAI STRATEGI PENINGKATAN USABILITAS DAN INTERFACE QUALITY PADA ASWAYA trista ayunda, afifah; Wahyu Tisno Atmojo; Erick Dazki; Masriah
Jurnal Nasional Teknologi Komputer Vol 5 No 4 (2025): Oktober 2025
Publisher : CV. Hawari

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61306/jnastek.v5i4.321

Abstract

Aswaya merupakan Learning Management System (LMS) yang dikembangkan Universitas Pradita untuk mendukung proses pembelajaran mahasiswa, mulai dari penyampaian materi, pengumpulan tugas, hingga interaksi dengan dosen dan mahasiswa. Namun, hasil observasi dan wawancara menunjukkan bahwa pemanfaatan Aswaya belum sepenuhnya efektif dan masih belum memenuhi harapan manajemen. Kendala utama dialami pengguna terkait desain antarmuka (UI) dan pengalaman pengguna (UX) yang dinilai kurang optimal, sehingga menurunkan kenyamanan serta motivasi dalam menggunakan platform tersebut. Untuk mengatasi permasalahan ini, digunakan metodologi Design Thinking yang berfokus pada kebutuhan pengguna melalui pendekatan kreatif dan iteratif. Proses evaluasi dilakukan dengan pengujian prototipe menggunakan System Usability Scale (SUS) dan Post-Study System Usability Questionnaire (PSSUQ). Hasilnya, skor SUS pada iterasi pertama mencapai 75 dan nilai PSSUQ pada iterasi kedua sebesar 6. Temuan ini menunjukkan bahwa Aswaya telah memenuhi standar kegunaan yang baik, meskipun peningkatan pada kualitas informasi masih diperlukan.
Analisis Sentimen Pengguna TikTok tentang Pembangunan IKN Menggunakan Algoritma Naive Bayes dan Decision Tree Zamani, Sauqi; cahya, Andre; oknel; nuryamin, yamin; Priyatna, Ade
Jurnal Nasional Teknologi Komputer Vol 5 No 4 (2025): Oktober 2025
Publisher : CV. Hawari

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Pembangunan ibu kota nusantara atau IKN kembali menjadi perbincangan hangat di masyarakat Indonesia khususnya di media sosial seperti TikTok. Pendapat orang berbeda-beda, ada pro dan ada kontra. Penelitian ini ingin mengetahui bagaimana sentimen publik terhadap proyek ini, serta membandingkan kinerja algoritma Naive Bayes dan Pohon Keputusan untuk klasifikasi teks. Kami menggunakan kumpulan data dari Kaggle berjudul "analisis sentimen IKN" dalam format CSV. Kami menyiapkan Data terlebih dahulu melalui tahapan preprocessing, mulai dari membuat semua huruf kecil, membersihkan teks, memecahnya menjadi kata-kata, menghilangkan kata-kata umum yang tidak penting, dan mereduksinya menjadi bentuk-bentuk dasar menggunakan pustaka sastra. Model dilatih menggunakan teknik TF-IDF untuk mengubah teks menjadi vektor, dengan data dibagi 80% untuk latihan dan 20% untuk pengujian. Dari hasil tersebut, sentimen negatif lebih dominan, hampir 52,1%, sedangkan positif hanya 46,2%. Algoritma Naive Bayes mendapat akurasi 84,04%, dan ternyata lebih baik dari Decision Tree. Intinya, Naive Bayes lebih cocok untuk analisis sentimen teks bahasa Indonesia khususnya tentang perkembangan IKN. Penelitian ini juga dapat membantu pengembangan cara analisis sentimen dalam bahasa kita untuk masalah sosial penting di negara ini.
Analisis Keparahan Banjir di DKI Jakarta Tahun 2020 Menggunakan Algoritma Random Forest darminto; Achmad, Alman; Dionaci rizki utami; Yamin Nuryamin; Ade Priyatna
Jurnal Nasional Teknologi Komputer Vol 5 No 4 (2025): Oktober 2025
Publisher : CV. Hawari

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Banjir merupakan salah satu bencana alam yang paling sering terjadi di Provinsi DKI Jakarta dan menimbulkan dampak sosial serta ekonomi yang signifikan. Penelitian ini bertujuan untuk memprediksi tingkat keparahan banjir menggunakan algoritma Random Forest Classifier berdasarkan data kejadian banjir tahun 2020 yang diperoleh dari BPBD DKI Jakarta. Proses analisis dilakukan melalui tahapan pembersihan data, normalisasi, pembentukan label tingkat keparahan, pelatihan model, serta evaluasi performa di Google Colab. Hasil penelitian menunjukkan bahwa model Random Forest mampu mencapai performa tinggi dengan nilai akurasi, precision, recall, dan f1-score sebesar 100% pada tiga kategori klasifikasi: Rendah, Sedang, dan Tinggi. Variabel jumlah terdampak jiwa dan ketinggian air menjadi faktor paling dominan dalam menentukan tingkat keparahan banjir. Model ini berpotensi menjadi alat bantu dalam pengambilan keputusan mitigasi bencana, serta dapat dikembangkan lebih lanjut dengan menambahkan fitur curah hujan dan data multi-tahun. Sehingga dapat membantu pemerintah dalam menanggulangi bencana banjir.
Sistem IoT Berbasis Mikrokontroler Untuk Monitoring Parameter Kualitas Air pada Budidaya Ikan Nila Hafni; Irwan; Hendry
Jurnal Nasional Teknologi Komputer Vol 5 No 4 (2025): Oktober 2025
Publisher : CV. Hawari

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Water quality is defined as the condition of water assessed and evaluated based on specific parameters and standardized measurement methods. Degraded water quality—such as increased turbidity—can result in reduced dissolved oxygen levels, decreased feeding activity in fish, and obstruction of fish gills by suspended sediment particles. Consequently, water quality serves as a critical factor in aquaculture monitoring, as it directly influences fish growth performance and overall pond productivity. This study aims to develop an integrated water-quality monitoring system for tilapia aquaculture ponds, utilizing a turbidity sensor to detect water clarity and an ultrasonic distance sensor (SRF-05) to measure water level. Both sensors interface with a control unit based on the ATMega328p microcontroller implemented on an Arduino Uno board. The control unit processes sensor data and regulates water conditions through a single relay module connected to two 10W water pumps. The acquired sensor data are transmitted and visualized in real time on an Android application, developed using the Java programming language, to facilitate remote monitoring. The system is expected to support tilapia farmers by providing continuous, accessible, and automated water-quality surveillance, thereby enhancing management efficiency and improving aquaculture outcomes.

Page 19 of 19 | Total Record : 190

 15   16   17   18   19 

Filter by Year

2021 2025


Reset
Filter By Issues
All Issue Vol 5 No 4 (2025): Oktober 2025 Vol 5 No 3 (2025): Juli 2025 Vol 5 No 2 (2025): April 2025 Vol 4 No 3 (2024): Volume 4 Nomor 3 Juli 2024 Vol 4 No 2 (2024): Volume 4 Nomor 2 April 2024 Vol 4 No 1 (2024): Volume 4 Nomor 1 Januari 2024 Vol 4 No 4 (2024): Oktober 2024 Vol 3 No 4 (2023): Volume 3 Nomor 4 Oktober 2023 Vol 3 No 3 (2023): Volume 3 Nomor 3 Juli 2023 Vol 3 No 2 (2023): Volume 3 Nomor 2 April 2023 Vol 3 No 1 (2023): Volume 3 Nomor 1 Januari 2023 Vol 2 No 4 (2022): Volume 2 Nomor 4 Oktober 2022 Vol 2 No 3 (2022): Volume 2 Nomor 3 Juli 2022 Vol 2 No 2 (2022): Volume 2 Nomor 2 April 2022 Vol 2 No 1 (2022): Volume 2 Nomor 1 Januari 2022 Vol 1 No 1 (2021): Volume 1 Nomor 1 Oktober 2021 More Issue