cover
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,
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.
Articles 413 Documents
Analisis Algoritma Neural Network Dan Regresi Linier Untuk Memprediksi Permintaan Layanan Kampus Berbasis Data Mahasiswa di AMIK Medicom Robin Antoni; Muhammad Iqbal; Zulham Sitorus
Jurnal Nasional Teknologi Komputer Vol 6 No 3 (2026): Juli 2026
Publisher : CV. Hawari

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61306/jnastek.v6i3.491

Abstract

The increasing number of students and the growing adoption of digital services have made campus service demand more dynamic, creating a need for accurate prediction methods to support service planning and data-driven decision-making. This study aims to analyze and compare the performance of Neural Network and Linear Regression algorithms in predicting campus service demand based on student data at AMIK Medicom. The dataset consists of student-related variables, including the number of active students and the percentage of digital service utilization as predictor variables, while total campus service demand is used as the target variable. The data were collected from September 2025 to February 2026. The research procedure involved data collection, data preprocessing, the development of Linear Regression and Neural Network models, and model evaluation using the coefficient of determination (R²), Mean Absolute Error (MAE), Root Mean Squared Error (RMSE), and prediction accuracy. The results indicate that both methods are capable of predicting campus service demand effectively. The Linear Regression model achieved an R² value of 0.987, an MAE of 245.60, an RMSE of 301.20, and an accuracy rate of 91.4%. Meanwhile, the Neural Network model achieved an R² value of 0.996, an MAE of 118.30, an RMSE of 156.50, and an accuracy rate of 96.8%. These findings demonstrate that the Neural Network model outperforms Linear Regression, as evidenced by its higher R² value and lower error rates. Therefore, Neural Network is recommended as a more effective prediction model for supporting data-driven planning and management of campus services at AMIK Medicom.
Perancangan Sistem Informasi Deteksi Gejala Stunting Anak Menggunakan Metode Certainty Factor Berbasis Website Raihan Risky; Arpan; Muhammad Zen
Jurnal Nasional Teknologi Komputer Vol 6 No 3 (2026): Juli 2026
Publisher : CV. Hawari

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61306/jnastek.v6i3.492

Abstract

The grade data of students at SMK Swasta Rahmat Islamiyah Medan contains confidential information related to learning outcomes, performance evaluation, and student graduation. Currently, the risk of unauthorized access, data alteration, or deletion poses a threat to academic integrity, institutional reputation, and parents' trust. To overcome this issue, this study implements a symmetric cryptography method, specifically the Vernam Cipher algorithm, to secure student grade data. The Vernam Cipher encrypts data using a bitwise XOR (Exclusive OR) logical operation between plaintext and a secret key, ensuring that the stored or transmitted information remains unreadable to unauthorized parties. The results demonstrate that the application of Vernam Cipher effectively protects student grade data from manipulation and unauthorized leakage, maintaining data confidentiality and authenticity. Thus, this implementation supports a fair, secure, and reliable academic evaluation process at SMK Swasta Rahmat Islamiyah Medan.`
Perancangan Sistem Informasi Penjualan Obat Berbasis Website Pada Apotek Sehat Farma Wina Novita Br Bangun; Ricky Ramadhan Harahap; Nova mayasari
Jurnal Nasional Teknologi Komputer Vol 6 No 3 (2026): Juli 2026
Publisher : CV. Hawari

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61306/jnastek.v6i3.493

Abstract

The advancement of information technology has encouraged pharmacies to adopt digital systems to support sales processes and data management more effectively. This study aims to design and develop a web-based drug sales information system for Sehat Farma Pharmacy by emphasizing the application of User Interface (UI) and User Experience (UX) principles. The research stages include user requirement identification, business process analysis, navigation structure design, wireframe and prototype development, database design, system implementation, as well as functional and user experience testing. The system was developed using PHP and MySQL. The main features include authentication, a dashboard, drug data management, customer and supplier management, sales and return transactions, e-prescriptions, inventory management, and sales reporting. The interface was designed to be simple, consistent, responsive, and easy to understand so that users can operate each function efficiently and minimize errors. The testing results show that all core features function according to user requirements. The implementation of UI/UX design also improves navigation, drug data searching, transaction recording, inventory monitoring, and structured report presentation. Therefore, the developed system can support the daily operations of Sehat Farma Pharmacy through an easy-to-use interface, a clear interaction flow, and more effective and efficient information management.
Analisis Dampak Pinjaman Online Terhadap Beban Hidup Masyarakat Menggunakan Metode Random Forest Grace Elita Zendrato; Aulia Ichsan; Raja Nasrul Fuad
Jurnal Nasional Teknologi Komputer Vol 6 No 3 (2026): Juli 2026
Publisher : CV. Hawari

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61306/jnastek.v6i3.494

Abstract

Pinjaman online telah menjadi salah satu layanan keuangan digital yang banyak digunakan oleh masyarakat karena proses pengajuannya yang mudah dan pencairan dana yang cepat. Namun, penggunaan pinjaman online yang berlebihan dapat meningkatkan beban hidup serta berdampak pada kondisi ekonomi masyarakat. Penelitian ini bertujuan untuk menganalisis dampak penggunaan pinjaman online terhadap beban hidup masyarakat menggunakan algoritma Random Forest. Data primer diperoleh melalui penyebaran kuesioner berbasis skala Likert lima poin kepada 106 responden yang pernah menggunakan layanan pinjaman online. Data yang terkumpul diolah dan dianalisis menggunakan Orange Data Mining. Evaluasi model dilakukan menggunakan metode 10-Fold Cross Validation dengan metrik Accuracy, Precision, Recall, F1-Score, Area Under the Curve (AUC), Matthews Correlation Coefficient (MCC), dan Confusion Matrix. Hasil penelitian menunjukkan bahwa model Random Forest memperoleh nilai Accuracy sebesar 71,7%, Precision sebesar 67,0%, Recall sebesar 71,7%, F1-Score sebesar 67,9%, AUC sebesar 0,769, dan MCC sebesar 0,441. Hasil Confusion Matrix menunjukkan bahwa model memiliki kemampuan yang baik dalam mengklasifikasikan responden dengan tingkat beban hidup tinggi, meskipun masih terdapat beberapa kesalahan klasifikasi pada kategori rendah dan sedang. Hasil penelitian menunjukkan bahwa algoritma Random Forest efektif digunakan untuk mengklasifikasikan tingkat beban hidup masyarakat berdasarkan penggunaan pinjaman online serta dapat mendukung pengambilan keputusan dalam analisis perilaku keuangan digital. Kata Kunci: Pinjaman Online, Beban Hidup, Random Forest, Machine Learning, Orange Data Mining.
Prediksi Risiko Diabetes Melitus Menggunakan Algoritma Random Forest Pada Dataset Pima Indians Diabetes Yohana; Raja Nasrul Fuad; Irwan Daniel
Jurnal Nasional Teknologi Komputer Vol 6 No 3 (2026): Juli 2026
Publisher : CV. Hawari

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61306/jnastek.v6i3.495

Abstract

Diabetes melitus merupakan penyakit tidak menular dengan prevalensi yang terus meningkat, baik secara global maupun di Indonesia, sehingga deteksi dini berbasis data klinis menjadi penting untuk mendukung intervensi yang lebih cepat dan tepat sasaran. Penelitian ini bertujuan menerapkan dan mengevaluasi algoritma Random Forest untuk memprediksi risiko diabetes berdasarkan atribut klinis dasar. Penelitian ini menggunakan dataset Pima Indians Diabetes Database dari UCI Machine Learning Repository yang diunduh melalui Kaggle. Dataset ini terdiri dari 768 instance dengan 8 atribut klinis dan 1 atribut target (Outcome). Nilai nol yang tidak logis secara medis pada atribut Glucose, BloodPressure, SkinThickness, Insulin, dan BMI ditangani melalui imputasi mean, dilanjutkan standardisasi fitur. Model dilatih menggunakan algoritma Random Forest dengan skema stratified 10-fold cross validation pada platform Orange Data Mining. Model mencapai Area Under Curve (AUC) sebesar 0,798, akurasi klasifikasi (CA) 0,746, F1-Score 0,743, presisi 0,742, recall 0,746, dan Matthews Correlation Coefficient (MCC) 0,430. Analisis confusion matrix menunjukkan model lebih baik mengenali kelas tidak diabetes (recall 83,0%) dibandingkan kelas diabetes (recall 59,0%). Glucose dan BMI teridentifikasi sebagai prediktor paling dominan. Random Forest memberikan performa prediksi yang cukup baik, namun sensitivitas terhadap kelas diabetes masih perlu ditingkatkan melalui penanganan ketidakseimbangan kelas dan penyesuaian hyperparameter. Kata Kunci: diabetes melitus, klasifikasi, machine learning, orange data mining, random forest
Evaluasi Model Machine Learning Pada Deteksi Kematangan Buah Tomat Berdasarkan Warna dia adillia; Sugeng Riyadi; Doughlas Pardede
Jurnal Nasional Teknologi Komputer Vol 6 No 3 (2026): Juli 2026
Publisher : CV. Hawari

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61306/jnastek.v6i3.496

Abstract

Penentuan tingkat kematangan buah tomat sering kali dilakukan secara visual, sehingga cenderung subjektif dan menghasilkan evaluasi yang kurang stabil. Penelitian ini bertujuan untuk menilai dan membandingkan kinerja algoritma K-Nearest Neighbors (KNN), Decision Tree, dan Random Forest dalam mengklasifikasikan tingkat kematangan buah tomat berdasarkan fitur warna RGB guna mendapatkan model dengan performa terbaik. Kumpulan data yang digunakan mencakup 300 gambar buah tomat yang dibagi menjadi tiga kategori, yaitu mentah, setengah matang, dan matang. Seluruh gambar melewati tahap Pre-pocessing yang mencakup penghapusan latar belakang, pengubahan ukuran dan ekstraksi fitur dengan menggunakan metode Mean RGB Color Feature Extraction. Dataset selanjutnya dipisahkan menjadi 80% data pelatihan dan 20% data pengujian dengan menggunakan Random Sampling yang diulang sebanyak 10 kali melalui Stratified Sampling. Evaluasi model dilakukan menggunakan Area Under Curve (AUC), Accuracy, F1-Score, Precision, Recall, Confusion Matrix, dan ROC Analysis. Hasil penelitian menunjukkan bahwa KNN memperoleh nilai AUC tertinggi sebesar 100%, sedangkan Random Forest memperoleh nilai Accuracy, F1-Score, Precision, dan Recall tertinggi, yaitu masing-masing sebesar 96,7%. Hasil Confusion Matrix menunjukkan bahwa Random Forest memiliki performa yang lebih seimbang pada ketiga kelas, sementara kesalahan klasifikasi terutama terjadi pada kelas setengah matang yang memiliki karakteristik warna yang berdekatan dengan kelas lainnya. Berdasarkan keseluruhan metrik evaluasi, Confusion Matrix, dan ROC Analysis, Random Forest ditetapkan sebagai model terbaik. Hasil penelitian ini menunjukkan bahwa fitur warna RGB dan algoritma Random Forest berpotensi digunakan untuk mengidentifikasi tingkat kematangan buah tomat secara lebih objektif, konsisten, dan efisien serta dapat dikembangkan untuk mendukung sistem sortasi berbasis citra digital.
Pengembangan Sistem Informasi Akuntansi Berbasis Website pada UMKM “Dapoer Niswah” salsabila azahra lbs; Yus Epi
Jurnal Nasional Teknologi Komputer Vol 6 No 3 (2026): Juli 2026
Publisher : CV. Hawari

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61306/jnastek.v6i3.479

Abstract

The background to this research was that one of the MSMEs (Micro, Small, and Medium Enterprises) participating in the Lestari Guide, "Dapoer Niswah," was facing challenges such as inadequate promotion. For example, the business's web page was unusable and difficult to find, and when users wanted to order, there was no information available. Furthermore, other issues arose when business owners were still stuck using manual methods like Excel for financial calculations, including profit and loss, disorganized record keeping, and slow reporting. This research aimed to address the challenges faced by the Dapoer Niswah MSME. The MSME needed a new promotional page and an information system that could address the limitations of the manual system. The Dapoer Niswah Jamu MSME needed to develop a new interface for its website, which was essentially outdated and no longer usable. The author conducted a trial by entering Mrs. Niswah Lestari's sales data into an AIS program to facilitate this. Based on the existing SOPs, the author conducted the research at the location for approximately three months. As a result, the Dapoer Niswah MSME can now operate with a new perspective. Implementing a website or Accounting Information System (AIS) at Jamu Dapoer Niswah has resulted in significant operational and financial changes.
Pemanfaatan Metode SVM dalam klasifikasi kualitas Jamur Tiram berdasaran Citra Digital Daniel Zalukhu; Aulia Ichsan; Sugeng Riyadi
Jurnal Nasional Teknologi Komputer Vol 6 No 3 (2026): Juli 2026
Publisher : CV. Hawari

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61306/jnastek.v6i3.498

Abstract

Jamur tiram merupakan salah satu komoditas hortikultura yang memiliki nilai ekonomi tinggi dan banyak dikonsumsi oleh masyarakat. Penentuan kualitas jamur tiram umumnya masih dilakukan secara manual melalui pengamatan visual, sehingga rentan terhadap subjektivitas dan ketidakkonsistenan hasil. Penelitian ini bertujuan untuk menerapkan metode Support Vector Machine (SVM) dalam mengklasifikasikan kualitas jamur tiram berdasarkan citra digital. Dataset penelitian berupa citra jamur tiram yang dikelompokkan ke dalam dua kelas, yaitu jamur berkualitas baik dan jamur berkualitas buruk. Proses penelitian dilakukan menggunakan aplikasi Orange Data Mining, dimulai dari impor citra menggunakan widget Import Images, ekstraksi fitur menggunakan Image Embedding berbasis Convolutional Neural Network (CNN) pralatih, kemudian dilanjutkan dengan proses klasifikasi menggunakan algoritma Support Vector Machine (SVM). Evaluasi model dilakukan menggunakan metode 10-fold Cross Validation melalui widget Test & Score, dengan parameter pengujian meliputi Accuracy, Precision, Recall, dan F1-Score, serta analisis hasil klasifikasi menggunakan Confusion Matrix. Hasil penelitian menunjukkan bahwa metode SVM mampu mengklasifikasikan kualitas jamur tiram berdasarkan fitur citra digital dengan tingkat kinerja yang baik. Pemanfaatan Image Embedding menghasilkan representasi fitur yang efektif sehingga meningkatkan kemampuan SVM dalam membedakan kualitas jamur tiram. Kata kunci: Support Vector Machine, Klasifikasi Citra, Jamur Tiram, Orange Data Mining, Image Embedding.
Klasifikasi Gambar Hewan Peliharaan Menggunakan CNN Berbasis Deep Learning Leon Anugerah Vebrian Batee; Sugeng Riyadi; Irwan Daniel
Jurnal Nasional Teknologi Komputer Vol 6 No 3 (2026): Juli 2026
Publisher : CV. Hawari

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61306/jnastek.v6i3.499

Abstract

Perkembangan teknologi kecerdasan buatan dalam bidang pengolahan citra digital telah mendorong pemanfaatan metode deep learning untuk melakukan klasifikasi gambar secara otomatis. Klasifikasi citra hewan peliharaan menjadi salah satu penerapan penting dalam computer vision karena dapat membantu proses identifikasi objek secara cepat dan akurat. Penelitian ini bertujuan untuk membangun model klasifikasi gambar hewan peliharaan menggunakan Convolutional Neural Network (CNN) dengan arsitektur InceptionV3 melalui Orange Data Mining. Dataset yang digunakan terdiri dari 2.283 gambar kucing dan anjing dalam format JPG. Tahapan penelitian meliputi pengumpulan dataset, preprocessing citra, ekstraksi fitur menggunakan Image Embedding berbasis InceptionV3, pembagian data menjadi data pelatihan dan data pengujian, proses pelatihan model, serta evaluasi performa menggunakan metrik accuracy, precision, recall, dan F1-score. Hasil pengujian menunjukkan bahwa model CNN dengan arsitektur InceptionV3 memperoleh nilai accuracy sebesar 99,0%, precision sebesar 99,0%, recall sebesar 99,0%, dan F1-score sebesar 99,0%. Berdasarkan hasil tersebut dapat disimpulkan bahwa model CNN dengan arsitektur InceptionV3 mampu memberikan tingkat akurasi yang sangat tinggi dalam klasifikasi gambar hewan peliharaan. Penelitian ini menunjukkan bahwa pemanfaatan Orange Data Mining dengan fitur Image Embedding berbasis InceptionV3 efektif digunakan dalam proses klasifikasi citra digital dan memiliki potensi untuk dikembangkan lebih lanjut pada berbagai aplikasi computer vision berbasis kecerdasan buatan. Kata Kunci: Convolutional Neural Network (CNN), InceptionV3, Deep Learning, Klasifikasi Citra, Orange Data Mining.
Rancang Bangun Sistem Informasi Persuratan Dalam Mendukung Administrasi Di Kantor Walikota Medan Vlora Sari Maulina; Sahyunan Harahap
Jurnal Nasional Teknologi Komputer Vol 6 No 3 (2026): Juli 2026
Publisher : CV. Hawari

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61306/jnastek.v6i3.502

Abstract

Correspondence administration is a crucial activity for ensuring smooth operations at the Medan Mayor's Office. Managing incoming and outgoing correspondence manually creates various challenges, such as time-consuming data retrieval, the risk of document loss, and inefficient archiving processes. Therefore, an information system is needed to make correspondence management more effective, efficient, and computerized. This study aims to design and develop a web-based correspondence information system to support administrative activities at the Medan Mayor's Office. The system development method employed is the Prototyping model, allowing users to provide input throughout the development process to ensure the resulting system meets their needs. The system was developed using native PHP and a MySQL database, running on an XAMPP web server. The results indicate that the developed system can manage data regarding incoming and outgoing correspondence, correspondence dispositions, document archiving, data retrieval, and report generation more quickly and accurately. Implementing this system makes correspondence administration more effective and efficient, simplifies document management for staff, and ultimately improves the quality of administrative services at the Medan Mayor's Office.