cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Fadlisyah
Contact Email
fadlisyah@unimal.ac.id
Phone
+62822 1330 6487
Journal Mail Official
TTS4.0@unimal.ac.id
Editorial Address
https://ojs.unimal.ac.id/tts/manager/userProfile/19096
Location
Kota lhokseumawe,
Aceh
INDONESIA
Jurnal Teknologi Terapan and Sains 4.0
Published by Universitas Malikussaleh
ISSN : 27228428     EISSN : 29883989     DOI : https://doi.org/10.1976/tts%204.0.v3i2
Core Subject : Science,
Computer Science & IT
Jurnal Teknologi Terapan & Sains 4.0 merupakan media informasi dan komunikasi para akademisi, peneliti, dan praktisi yang berkecimpung dan menaruh minat serta perhatian pada pengembangan teknologiyang berisi hasil-hasil penelitian, kajian, pemikiran, dan analisis mengenai ilmu-ilmu keinformatikaan. http://u.lipi.go.id/1592924161
Arjuna Subject : Ilmu Komputer (semua kategori) - Aplikasi Ilmu Komputer
Articles 167 Documents
 13   14   15   16   17 
PENERAPAN ALGORITMA DATA MINING C4.5 UNTUK EVALUASI KINERJA KARYAWAN BERDASARKAN DATA KEPEGAWAIAN: STUDI KASUS PADA KANTOR DPMG KABUPATEN PIDIE JAYA M. Hasyir Mubarraq
Jurnal Teknologi Terapan and Sains 4.0 Vol 7 No 2 (2026): Jurnal Teknologi Terapan & Sains
Publisher : Universitas Malikussaleh

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29103/tts.v7i2.28117

Abstract

Proses evaluasi kinerja karyawan di lingkungan Dinas Pemberdayaan Masyarakat dan Gampong (DPMG) Kabupaten Pidie Jaya sebelumnya masih sangat bergantung pada metode manual. Proses manual ini membuka peluang terjadinya penilaian yang bersifat subjektif akibat prasangka pribadi serta menjadi tidak efisien seiring meningkatnya kompleksitas dan volume data kepegawaian. Penelitian ini bertujuan untuk menerapkan teknik klasifikasi data mining dengan algoritma C4.5 guna membangun model evaluasi kinerja karyawan yang analitis, objektif, dan mudah diinterpretasikan. Data yang digunakan merupakan data sekunder historis kepegawaian sebanyak 22 record yang bersumber dari Sistem Informasi Kepegawaian (SIK) Kantor DPMG Kabupaten Pidie Jaya, yang mencakup atribut pendidikan, masa kerja, kehadiran, alpa, sakit, izin, dan dinas luar. Metodologi yang diterapkan dalam penelitian ini mengacu pada kerangka kerja CRISP-DM (Cross Industry Standard Process for Data Mining). Proses pemodelan dilakukan dengan mengimplementasikan algoritma J48 pada perangkat lunak WEKA dan diuji menggunakan metode 10-fold cross validation. Hasil pembentukan pohon keputusan (decision tree) menunjukkan bahwa atribut "Hadir" (jumlah kehadiran) terpilih sebagai akar utama (root node) yang paling dominan dalam menentukan klasifikasi kinerja pegawai. Model ini berhasil mengklasifikasikan kinerja karyawan ke dalam tiga kategori, yaitu Sangat Baik, Baik, dan Cukup, dengan capaian tingkat akurasi sebesar 81,82% serta nilai Kappa statistic sebesar 0,6997. Dengan demikian, penerapan algoritma C4.5 terbukti efektif dan dapat digunakan sebagai alat bantu pendukung keputusan yang andal bagi pihak manajemen dalam mengevaluasi kinerja karyawan secara objektif berbasis data. Keyword : Algoritma C4.5, Data Mining, Evaluasi Kinerja, Kepegawaian, WEKA
SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN HOTEL BERDASARKAN ULASAN PADA AGENCY MENGGUNAKAN METODE SAW Rizki Saputra
Jurnal Teknologi Terapan and Sains 4.0 Vol 7 No 2 (2026): Jurnal Teknologi Terapan & Sains
Publisher : Universitas Malikussaleh

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29103/tts.v7i2.28119

Abstract

Banyaknya ulasan hotel yang tersedia pada platform Online Travel Agency (OTA) seperti Agoda dan Traveloka umumnya bersifat subjektif dan tidak terstruktur, sehingga menyulitkan calon pengunjung dalam menentukan pilihan akomodasi secara efisien. Penelitian ini bertujuan untuk membangun Sistem Pendukung Keputusan (SPK) pemilihan hotel berbasis web yang mengintegrasikan teknik Machine Learning untuk analisis sentimen dengan metode Simple Additive Weighting (SAW). Data ulasan dari 208 hotel diekstraksi secara otomatis menggunakan teknik web scraping berbasis pustaka Playwright. Teks ulasan kemudian melalui tahapan text preprocessing dan direpresentasikan secara numerik menggunakan metode Term Frequency-Inverse Document Frequency (TF-IDF), sebelum diklasifikasikan ke dalam sentimen positif dan negatif menggunakan algoritma Logistic Regression. Hasil analisis sentimen ini diubah menjadi skor numerik (skala 0–100) dan diintegrasikan sebagai salah satu kriteria dalam metode SAW, bersama dengan kriteria Kelengkapan Fasilitas Hotel dan Rata-Rata Rating. Kriteria penilaian tersebut diberikan bobot masing-masing sebesar 45% untuk fasilitas, 30% untuk skor sentimen, dan 25% untuk rating hotel. Hasil perhitungan preferensi (V-Score) menunjukkan bahwa metode SAW berhasil merangking seluruh alternatif hotel secara objektif. Hotel sunrise seasports menempati peringkat pertama dengan V-Score tertinggi sebesar 0,9158 karena memiliki performa yang unggul dan seimbang pada ketiga kriteria benefit yang diujikan. SPK ini diimplementasikan menggunakan bahasa pemrograman Python dan framework Flask dengan pendekatan monolitik. Penggabungan analisis sentimen ulasan teks berbasis AI dengan metode SPK multi-kriteria terbukti menghasilkan rekomendasi akomodasi yang lebih holistik dan representatif dibandingkan hanya mengandalkan nilai rating bintang konvensional. Keyword : Sistem Pendukung Keputusan, Pemilihan Hotel, Simple Additive Weighting, Analisis Sentimen, Logistic Regression, TF-IDF.
PREDIKSI PEMBELIAN KOPI MENGGUNAKAN METODE HOLT-WINTERS DI KOPERASI BAITUL QIRADH BABURRAYAN ACEH TENGAH Winaldi Ken Aulia; Asrianda Asrianda; Kurniawati Kurniawati
Jurnal Teknologi Terapan and Sains 4.0 Vol 7 No 2 (2026): Jurnal Teknologi Terapan & Sains
Publisher : Universitas Malikussaleh

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29103/tts.v7i2.28122

Abstract

Koperasi Baitul Qiradh Baburrayyan Aceh Tengah merupakan koperasi yang bergerak dalam pengelolaan dan penjualan kopi Arabika Gayo, namun dalam praktiknya koperasi masih mengalami kesulitan dalam memperkirakan jumlah pembelian kopi secara tepat akibat adanya fluktuasi permintaan yang dipengaruhi oleh pola tren dan musiman. Penentuan jumlah pembelian yang masih bergantung pada pengalaman pengelola berpotensi menyebabkan ketidaksesuaian antara jumlah stok dan kebutuhan pasar. Penelitian ini bertujuan untuk menerapkan metode Holt-Winters Exponential Smoothing dalam memprediksi pembelian kopi serta membangun sistem forecasting yang dapat membantu pengambilan keputusan pembelian secara lebih terukur dan berbasis data historis. Data yang digunakan dalam penelitian ini merupakan data penjualan kopi lokal dan ekspor dengan periode bulanan dari tahun 2021 hingga 2025 yang disusun dalam bentuk deret waktu (time series). Proses peramalan dilakukan dengan menghitung komponen level, tren, dan musiman menggunakan metode Holt-Winters, kemudian hasil prediksi dibandingkan dengan data aktual untuk mengukur tingkat akurasi model. Sistem forecasting juga dibangun menggunakan bahasa pemrograman Python sehingga mampu menampilkan hasil prediksi dalam bentuk grafik dan tabel yang mudah dipahami. Hasil penelitian menunjukkan bahwa metode Holt-Winters mampu memodelkan pola penjualan kopi dengan cukup baik. Evaluasi menggunakan Weighted Mean Absolute Percentage Error (wMAPE) menunjukkan nilai kesalahan sebesar 39,34% pada penjualan kopi lokal dan 33,85% pada penjualan kopi ekspor, dengan nilai rata-rata 33,60%, sehingga metode ini tergolong cukup akurat untuk digunakan dalam memprediksi pembelian kopi di Koperasi Baitul Qiradh Baburrayyan Aceh Tengah. Kata kunci: Forecasting, Holt-Winters, kopi, Permintaan Barang, Pengelolaan Stok
PENERAPAN METODE SUPPORT VECTOR MACHINE PADA KLASIFIKASI PENERIMA BANTUAN SOSIAL KECAMATAN SEUNUDDON KABUPATEN ACEH UTARA Mohd. Kautsar Rahmana
Jurnal Teknologi Terapan and Sains 4.0 Vol 7 No 2 (2026): Jurnal Teknologi Terapan & Sains
Publisher : Universitas Malikussaleh

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29103/tts.v7i2.28127

Abstract

Bantuan sosial (bansos) merupakan instrumen utama pemerintah dalam mengurangi kemiskinan, namun penyalurannya di Kecamatan Seunuddon Kabupaten Aceh Utara masih sering mengalami salah sasaran akibat proses penentuan yang manual dan subjektif sehingga menimbulkan kecemburuan sosial. Penelitian ini bertujuan mengembangkan sistem klasifikasi otomatis yang objektif menggunakan algoritma Support Vector Machine (SVM) untuk menentukan kelayakan penerima bansos secara tepat sasaran. Penelitian menggunakan dataset primer sebanyak 560 data warga yang diperoleh langsung dari Kantor Kecamatan Seunuddon, terdiri atas sembilan fitur ekonomi meliputi penghasilan, jumlah tanggungan, kepemilikan rumah, luas lahan, ternak, kendaraan, daya listrik, jenis usaha, dan pekerjaan dengan label biner Layak dan Tidak Layak. Data diproses melalui tahap pembobotan kriteria, encoding variabel kategorikal, dan normalisasi Min-Max Scaling, kemudian dibagi menjadi 80% data latih (448 sampel) dan 20% data uji (112 sampel). Model SVM dengan kernel linear (C=1.0) dilatih untuk menemukan hyperplane optimal yang memaksimalkan margin antar kelas. Hasil pengujian menunjukkan akurasi keseluruhan sebesar 80,36%, precision 100% pada kelas Layak, recall 71,53%, serta F1-score 83,40%. Visualisasi decision boundary, t-SNE, PCA, dan confusion matrix membuktikan kemampuan model memisahkan kelas dengan baik meskipun terdapat ketidakseimbangan kelas. Sistem selanjutnya diimplementasikan dalam aplikasi web berbasis PHP-MySQL dengan integrasi Python untuk inferensi real-time yang dilengkapi fitur training ulang dan visualisasi interaktif. Penelitian ini menyimpulkan bahwa SVM efektif meningkatkan akurasi, transparansi, dan keadilan penyaluran bantuan sosial di tingkat kecamatan sehingga dapat direkomendasikan sebagai sistem pendukung keputusan bagi pemerintah daerah. Kata kunci: Support Vector Machine, Klasifikasi, Bantuan Sosial, Machine Learning
KLASIFIKASI PENYAKIT PADA TIMUN SURI BERDASARKAN CITRA DAUN MENGGUNAKAN CNN Ulva Mahira
Jurnal Teknologi Terapan and Sains 4.0 Vol 7 No 2 (2026): Jurnal Teknologi Terapan & Sains
Publisher : Universitas Malikussaleh

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29103/tts.v7i2.28154

Abstract

Timun suri merupakan tanaman hortikultura yang rentan terhadap berbagai penyakit yang dapat menurunkan produktivitas dan kualitas hasil panen. Identifikasi penyakit secara dini masih menjadi tantangan karena metode konvensional cenderung memakan waktu dan rentan kesalahan. Penelitian ini bertujuan mengembangkan sistem klasifikasi penyakit daun timun suri menggunakan algoritma Convolutional Neural Network (CNN) berbasis citra digital. Dataset terdiri dari lima kategori, yaitu antraknosa, daun segar, hawar batang bergetah, jamur berbulu halus, dan layu bakteri. Model CNN dibangun dengan tiga lapisan konvolusi (32, 64, dan 128 filter), menggunakan ukuran input 224×224 piksel, batch size 32, dan dilatih selama 50 epoch. Hasil evaluasi menunjukkan akurasi sebesar 68% dengan precision 0,72, recall 0,68, dan F1-score 0,66. Kinerja terbaik terdapat pada kelas daun segar (F1-score 0,77) dan layu bakteri (recall 1,00), sedangkan antraknosa memiliki recall terendah sebesar 0,38. Sistem berbasis web yang dikembangkan mampu mengidentifikasi penyakit secara real-time melalui unggahan citra. Penelitian ini berkontribusi dalam mendukung pertanian presisi melalui deteksi penyakit tanaman yang lebih cepat dan efisien. Kata kunci: CNN, Deep Learning, Klasifikasi Penyakit, Sistem Deteksi, Timun Suri.
RANCANGAN SISTEM INFORMASI COVERAGE AREA DAN PENGADUAN PELANGGAN BERBASIS WEB PADA PT. TELKOM AKSES BANDA ACEH Abidah Ardelia; Rasudin Rasudin; Kikye Martiwi; Sukiakhy Sukiakhy; Zulfan Zulfan; Junidar Junidar; Juwita Juwita; Muslim Muslim
Jurnal Teknologi Terapan and Sains 4.0 Vol 7 No 2 (2026): Jurnal Teknologi Terapan & Sains
Publisher : Universitas Malikussaleh

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29103/tts.v7i2.28157

Abstract

Sistem informasi coverage area dan pengaduan pelanggan adalah sebuah sistem aplikasi berbasis website yang bertujuan untuk memudahkan pelanggan dalam mengecek ketersediaan layanan jaringan fiber optik dan menyampaikan pengaduan secara digital kepada PT. Telkom Akses Banda Aceh. Sistem ini dibangun menggunakan bahasa pemrograman PHP (Hypertext Preprocessor), XAMPP sebagai server lokal, dan MySQL sebagai basis datanya. Penelitian ini ditujukan untuk merancang dan mengimplementasikan sistem informasi berbasis web yang menyajikan data coverage area serta menyediakan fasilitas pengaduan pelanggan yang terdokumentasi. Metode pengembangan yang digunakan adalah waterfall, yang meliputi analisis kebutuhan, perancangan sistem, implementasi, dan pengujian. Hasil dari implementasi sistem ini menunjukkan bahwa sistem yang dirancang dapat beroperasi dengan baik dan sesuai dengan kebutuhan PT. Telkom Akses Banda Aceh. Implementasi dari sistem ini diharapkan dapat meningkatkan efisiensi pelayanan, mempercepat proses respons terhadap keluhan pelanggan, serta memperkuat akuntabilitas dalam pengelolaan data coverage area dan pengaduan. Kata kunci: Telkom akses, coverage area, website
SISTEM PENDETEKSI IKAN TONGKOL BERFORMALIN DAN TIDAK MENGANDUNG FORMALIN BERDASARKAN CITRA INSANG IKAN MENGGUNAKAN METODE LEARNING VECTOR QUANTIZATION (LVQ) Riska Safira
Jurnal Teknologi Terapan and Sains 4.0 Vol 7 No 2 (2026): Jurnal Teknologi Terapan & Sains
Publisher : Universitas Malikussaleh

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29103/tts.v7i2.28171

Abstract

Penelitian ini bertujuan untuk mengembangkan sistem pendeteksian formalin pada ikan tongkol berbasis pengolahan citra digital dengan memanfaatkan citra insang sebagai objek analisis dan metode Learning Vector Quantization (LVQ) sebagai algoritma klasifikasi. Sistem dirancang untuk mengklasifikasikan ikan tongkol ke dalam dua kelas, yaitu ikan berformalin dan ikan tidak berformalin, berdasarkan perbedaan karakteristik visual pada insangnya. Tahapan preprocessing meliputi penyeragaman ukuran citra (resize), konversi citra berwarna menjadi citra grayscale, serta normalisasi nilai piksel untuk meningkatkan kualitas data sebelum dilakukan ekstraksi fitur. Ekstraksi fitur dilakukan menggunakan fitur mean RGB, Standard deviation RGB, tekstur Gray Level Co-occurrence Matrix (GLCM), histogram, dan color moments guna merepresentasikan karakteristik visual insang ikan. Proses pelatihan model LVQ dilakukan melalui mekanisme pembaruan vektor prototype menggunakan prinsip reward dan punishment. Evaluasi performa sistem dilakukan menggunakan metrik akurasi, precision, dan recall. Hasil pengujian menunjukkan bahwa sistem mencapai akurasi sebesar 63,95%. Pada kelas ikan tidak berformalin diperoleh nilai precision sebesar 69% dan recall sebesar 49%, sedangkan pada kelas ikan berformalin diperoleh nilai precision sebesar 61% dan recall sebesar 78%. Hasil ini menunjukkan bahwa sistem lebih sensitif dalam mendeteksi ikan berformalin dibandingkan ikan segar, meskipun masih terdapat false positive. Penelitian ini menekankan pada analisis performa LVQ sebagai metode klasifikasi berbasis citra, sehingga hasil yang diperoleh tetap valid dan dapat dijadikan dasar evaluasi. Kata kunci: deteksi formalin, ikan tongkol, citra insang, LVQ, pengolahan citra digital.

Page 17 of 17 | Total Record : 167

 13   14   15   16   17 

Filter by Year

2020 2026


Reset
Filter By Issues
All Issue Vol 7 No 2 (2026): Jurnal Teknologi Terapan & Sains Vol 7 No 1 (2026): Jurnal Teknologi Terapan & Sains Vol 6 No 3 (2025): Jurnal Teknologi Terapan & Sains Vol 6 No 2 (2025): Jurnal Teknologi Terapan & Sains Vol 6 No 1 (2025): Jurnal Teknologi Terapan & Sains Vol 5 No 3 (2024): Jurnal Teknologi Terapan & Sains Vol 5 No 2 (2024): Jurnal Teknologi Terapan & Sains Vol 5 No 1 (2024): Jurnal Teknologi Terapan & Sains Vol 4 No 3 (2023): Jurnal Teknologi Terapan & Sains Vol 4 No 2 (2023): Jurnal Teknologi Terapan & Sains Vol 4 No 1 (2023): Jurnal Teknologi Terapan & Sains Vol 3, No 3 (2022): Jurnal Teknologi Terapan & Sains Vol 3 No 3 (2022): Jurnal Teknologi Terapan & Sains Vol 3, No 2 (2022): Jurnal Teknologi Terapan & Sains Vol 3 No 2 (2022): Jurnal Teknologi Terapan & Sains Vol 3, No 1 (2022): Jurnal Teknologi Terapan & Sains Vol 3 No 1 (2022): Jurnal Teknologi Terapan & Sains Vol 2, No 3 (2021): Jurnal Teknologi Terapan & Sains Vol 2 No 3 (2021): Jurnal Teknologi Terapan & Sains Vol 2 No 2 (2021): Jurnal Teknologi Terapan & Sains Vol 2, No 2 (2021): Jurnal Teknologi Terapan & Sains Vol 2 No 1 (2021): Jurnal Teknologi Terapan & Sains Vol 2, No 1 (2021): Jurnal Teknologi Terapan & Sains Vol 1, No 3 (2020): Jurnal Teknologi Terapan & Sains Vol 1 No 3 (2020): Jurnal Teknologi Terapan & Sains Vol 1 No 2 (2020): Jurnal Teknologi Terapan & Sains Vol 1 No 1 (2020): Jurnal Teknologi Terapan & Sains More Issue