cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
SUPIYANDI
Contact Email
supiyandi.mkom@gmail.com
Phone
+6281535262226
Journal Mail Official
ejuktisi@gmail.com
Editorial Address
Jl. Gurilla No. 2 Sidorejo, Kel. Bantan Timur Kec. Medan Tembung, Medan, Provinsi Sumatera Utara
Location
Kota medan,
Sumatera utara
INDONESIA
Jurnal Komputer Teknologi Informasi Sistem Komputer (JUKTISI)
Published by LKP Karya Prima Kursus
ISSN : 29623022     EISSN : 29637104     DOI : -
Core Subject : Science, Education, Engineering,
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Education Engineering
Focus dan scope dari JUKTISI (Jurnal Komputer Teknologi Informasi Sistem Komputer) terbit pertama kali pada tahun 2022 yang dimaksudkan sebagai media kajian ilmiah dari hasil pemikirian yang dituangkan kedalam Jurnal. Jurnal JUKTISI Lembaga Kursus dan Pelatihan Karya Prima terbit 3 (tiga) kali setahun pada bulan Februari, Juni dan September. Topik utama yang diterbitkan mencakup: 1. Teknologi Informasi 2. Sistem Komputer 3. Teknik Informatika 4. Sistem Informasi 5. Sistem Pendukung Keputusan 6. Sistem Pakar 7. Kecerdasan Buatan 8. Manajemen Informasi 9. Data Mining 10. Big Data 11. Jaringan Komputer 12. Dan lain-lain (topik lainnya yang berhubungan dengan Teknologi Informasi dan Komputer)
Arjuna Subject : Ilmu Komputer (semua kategori) - Ilmu Komputer (Lain-Lain)
Articles 320 Documents
 28   29   30   31   32 
Klasifikasi Penyakit Daun Tomat Menggunakan Pengolahan Citra Dan Algoritma Machine Learning Romi Antoni; Susiana Khosasih; Ricky Irnanda; Iswanto; Farhan Sardy Abdillah; Yiska Dayanti Zagoto; Rika Rosnelly
Jurnal Komputer Teknologi Informasi Sistem Informasi (JUKTISI) Vol. 4 No. 3 (2026): Februari 2026
Publisher : LKP KARYA PRIMA KURSUS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62712/juktisi.v4i3.778

Abstract

Klasifikasi penyakit daun tomat merupakan langkah penting untuk meningkatkan produktivitas pertanian dan meminimalkan kerugian akibat patogen. Penelitian ini bertujuan membandingkan dan mengevaluasi performa algoritma Naive Bayes dan Support Vector Machine (SVM) dalam klasifikasi penyakit daun tomat berbasis pengolahan citra digital. Pipeline penelitian mencakup segmentasi citra berbasis HSV, ekstraksi fitur warna, bentuk, dan tekstur menggunakan metode Gray Level Co-occurrence Matrix (GLCM) dan Local Binary Pattern (LBP), serta proses klasifikasi. Sistem diimplementasikan dalam bentuk Graphical User Interface (GUI) berbasis MATLAB untuk memudahkan manajemen data latih, pelatihan model, klasifikasi, dan evaluasi performa. Hasil pengujian menunjukkan bahwa SVM mencapai akurasi 92,36%, lebih tinggi dibandingkan Naive Bayes sebesar 79,41%. Kontribusi penelitian ini meliputi analisis komparatif Naive Bayes dan SVM dalam klasifikasi penyakit daun tomat, integrasi fitur warna, bentuk, dan tekstur dalam satu pipeline, dan pengembangan GUI interaktif untuk klasifikasi. Penelitian ini diharapkan dapat mendukung pertanian presisi melalui deteksi penyakit daun tomat yang lebih cepat, akurat, dan efisien.
Optimasi Strategi Promosi Sekolah SMK melalui Segmentasi Data Siswa Baru dengan Clustering Metode K-Means menggunakan Differential Evolution (DE) Hutabarat, Pebruarianto; Setiawan, Adil; Raj, Bill; Prasetyo, M; Irnanda, M. Agung; Gea, Empiter; Johan; Parapat, Andreas
Jurnal Komputer Teknologi Informasi Sistem Informasi (JUKTISI) Vol. 4 No. 3 (2026): Februari 2026
Publisher : LKP KARYA PRIMA KURSUS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62712/juktisi.v4i3.779

Abstract

SMK XYZ faces challenges in developing effective and efficient promotional strategies to attract prospective new students. Previously, promotional approaches have been general and failed to address the specific needs of different prospective student segments. This research aims to optimize school promotional strategies by analyzing patterns in new student characteristics through data segmentation techniques. The proposed method is K-Means Clustering optimized with the Differential Evolution (DE) algorithm. DE optimization addresses K-Means' sensitivity to initial cluster center initialization, aiming for more stable and optimal segmentation. The data used includes demographic attributes, major interests, registration pathways, and prior school origins of new students from the 2023/2024 cohort. Research results show that the DE-K-Means combination produces more compact clusters (lower within-cluster sum of squares values) compared to standard K-Means. Based on the resulting cluster analysis, three distinct promotional strategies are formulated for each prospective student segment: digital-intensive approaches, partnerships with feeder schools, and highlighting specific major advantages. Implementing these strategies is expected to significantly increase the quality and quantity of new student admissions.
Blok IPFS Blockchain Untuk Orisinalitas Ijazah Pendidikan Tinggi Putra Santoso, Rafly; Judhie Putra, Rizky Rachman
Jurnal Komputer Teknologi Informasi Sistem Informasi (JUKTISI) Vol. 4 No. 3 (2026): Februari 2026
Publisher : LKP KARYA PRIMA KURSUS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62712/juktisi.v4i3.780

Abstract

Diploma fraud represents serious problem in Indonesian higher education threatening academic integrity. This research aims to design and build BlockIPFS prototype system and implement smart contract for diploma authenticity verification. Research method employs system development with stages including literature study, requirement analysis, three-tier architecture design, prototype construction using React and Node.js, DiplomaNFT smart contract implementation using Solidity, and validation testing. Prototype successfully implemented with architecture separating presentation layer (React), business logic layer (Node.js+Express), and data layer (Ethereum+IPFS). DiplomaNFT smart contract successfully deployed on Ganache with publishData() function for metadata storage, getStudentInfo() for data retrieval, and verifyDiploma() with two-factor verification mechanism using NIM and Diploma ID. System implements three-layer security: IPFS content-addressable storage with CID, blockchain immutability for metadata, and two-factor verification for access control. Testing demonstrates 0% data integrity error rate, 99.50% smart contract gas efficiency, and 100% content availability. Research contributions include cost-effective hybrid blockchain-IPFS architecture implementation, smart contract with dual-struct optimization, and two-factor verification mechanism that drastically improves security compared to single-factor systems.
Penerapan Alat Pengering Terasi Udang Rebon Menggunakan Metode Research And Development Putri, Rizka Tri Wulandari; Triyono, Agus; Jaya, Arsan Kumala
Jurnal Komputer Teknologi Informasi Sistem Informasi (JUKTISI) Vol. 4 No. 3 (2026): Februari 2026
Publisher : LKP KARYA PRIMA KURSUS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62712/juktisi.v4i3.781

Abstract

Penelitian ini membahas tentang perancangan dan penerapan alat pengering terasi udang rebon otomatis berbasis mikrokontroler ESP32 dengan metode Research and Development (R&D). Tujuan utama dari penelitian ini adalah untuk meningkatkan efisiensi proses pengeringan dan menjaga higienitas produk yang selama ini masih dilakukan secara tradisional dan bergantung pada kondisi cuaca. Alat yang dikembangkan dilengkapi dengan sensor DHT22 untuk membaca suhu dan kelembaban, elemen pemanas 300W sebagai sumber panas, serta kipas DC 12V untuk menjaga sirkulasi udara di dalam box pengering. Sistem bekerja secara otomatis dengan mengatur pemanas dan kipas melalui relay berdasarkan data sensor, sehingga suhu dan kelembaban tetap stabil selama proses pengeringan. Hasil pengujian menunjukkan bahwa alat ini mampu mengurangi waktu pengeringan dari ±3–4 hari (metode tradisional) menjadi ±8 jam, dengan hasil yang lebih bersih dan konsisten. Penggunaan alat ini diharapkan dapat membantu pelaku UMKM dalam meningkatkan produktivitas dan kualitas produk terasi udang rebon secara efisien, higienis, dan berkelanjutan. Kata Kunci: pengering terasi, udang rebon, ESP32, DHT22, R&D, otomatisasi, IoT
Implementasi Blockchain Menggunakan Multi-Signature Approval dan Merkle Tree untuk Sistem E-Voting Pemilu Andhira, Villeneuve; Wibisono, Yudi; Rahman, Rizky
Jurnal Komputer Teknologi Informasi Sistem Informasi (JUKTISI) Vol. 4 No. 3 (2026): Februari 2026
Publisher : LKP KARYA PRIMA KURSUS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62712/juktisi.v4i3.782

Abstract

The implementation of conventional general elections in Indonesia still faces significant challenges, including high logistical costs, risks of data manipulation, and a lack of process transparency, which triggers public distrust. This research aims to design a future e-voting system prototype by proposing a Hybrid Voting Framework based on Ethereum blockchain technology and the InterPlanetary File System (IPFS). Scalability and privacy issues are addressed through the integration of the Merkle Tree data structure, where only a 32-byte root value is stored on-chain, while sensitive data is managed off-chain. To mitigate the risk of authority centralization, the system implements a concept from Proof of Authority (PoA) consensus mechanism with a multi-signature approval scheme, requiring the consensus of the majority of validators (>50%) for every administrative action. The test results show that the system is capable of maintaining voting integrity through the one-person-one-vote principle with a stable block creation time of under 10 seconds. Furthermore, the Recent Activity Log and "Verify My Vote" features successfully provide real-time transparency by utilizing event logs from smart contracts. Overall, this prototype proves that the use of blockchain can create a secure, accountable, and efficient voting system, while simultaneously providing maximum privacy protection for voters through robust cryptographic proof.
A Pengembangan Chatbot Informasi Kesehatan Ibu dan Anak Jawa Barat Berbasis Hybrid RAG dan TextToSQL Basallamah, Muhammad Alam; Riza, Lala Septem; Anisyah, Ani
Jurnal Komputer Teknologi Informasi Sistem Informasi (JUKTISI) Vol. 4 No. 3 (2026): Februari 2026
Publisher : LKP KARYA PRIMA KURSUS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62712/juktisi.v4i3.783

Abstract

The high Maternal Mortality Rate and stunting prevalence in West Java hinder the achievement of SDGs. Information accessibility remains a key constraint as data is scattered in narrative formats within Health Profiles and MCH Books. This study develops a hybrid chatbot based on Retrieval-Augmented Generation (RAG) and Text-to-SQL using the Google Gemini Large Language Model. The system integrates hierarchical chunking, intelligent routing, conversational memory, and automatic data visualization to present factual and statistical information precisely. System evaluation demonstrates high performance: Text-to-SQL reached 93.33% execution accuracy and 85% Router accuracy. In the RAG module, testing on 60 questions yielded scores of 0.990 Faithfulness, 0.883 Context Recall, and 0.950 Answer Relevancy. The system achieved a perfect score of 1.000 for out-of-context handling, proving safety from hallucinations. User Acceptance Testing (UAT) recorded a 80% success rate, where the chart feature was rated significant in aiding data understanding. The study concludes that the hybrid approach effectively enhances health insight accessibility for the public and stakeholders, although complex table extraction requires further optimization.
Sistem Pendukung Keputusan Pemilihan Produk Skincare Menggunakan Metode Profile Matching Sofyan, Khairani Hafisri; Zahara, Ananda; Rohman, Muhammad Fadhlur; Lestari, Yuyun Dwi; Handoko, Divi
Jurnal Komputer Teknologi Informasi Sistem Informasi (JUKTISI) Vol. 4 No. 3 (2026): Februari 2026
Publisher : LKP KARYA PRIMA KURSUS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62712/juktisi.v4i3.784

Abstract

Produk perawatan kulit wajah di pasaran, konsumen kesulitan memilih produk yang sesuai kebutuhan kulit mereka. Penelitian ini muncul dari situasi itu, dimana konsumen butuh bantuan untuk tidak salah pilih. Makanya, penelitian bertujuan mengembangkan sistem pendukung keputusan berbasis metode Profile Matching yang mempermudah pemilihan produk perawatan kulit wajah yang tepat. Sistem ini diuji pada tiga sampel produk populer yaitu Skintific, Wardah, dan Glad2Glow dengan melibatkan 10 responden yang menilai kesesuaian berdasarkan kriteria seperti jenis kulit, komposisi bahan, dan efektivitas dari produk. Responden-responden itu dipilih dari berbagai tipe kulit, biar hasilnya lebih representatif. Mereka dikasih panduan untuk menilai produk berdasarkan pengalaman pribadi dan data yang ada, dan prosesnya dilakukan secara bertahap supaya akurat. Hasil pengujian menunjukkan Glad2Glow memperoleh skor tertinggi dalam profile matching tersebut yang diikuti oleh Wardah dan Skintific. Glad2Glow ternyata paling cocok untuk banyak responden karena bahannya yang ringan dan efektif, sementara Wardah dan Skintific juga bagus tapi kurang sedikit dalam beberapa aspek. sistem pengambilan keputusan ini menjadi solusi praktis untuk mengurangi kebingungan konsumen, meskipun evaluasi lebih lanjut dengan kelompok responden yang lebih besar masih diperlukan. Studi ini memberikan kontribusi pada bidang sistem informasi kesehatan melalui pendekatan berbasis data yang mudah diterapkan. Dengan begini, memudahkan konsumen saat membeli suatu produk.
Analisis Prediksi Risiko Stroke Menggunakan Metode SGD Handayani, Esthi Nurani Sri; Tessalonika, Febriani Yolanda; Sianturi, Laudya Meitaneia; Tyas, Sischa Wahyuning; Sari, Anggriani Puspita
Jurnal Komputer Teknologi Informasi Sistem Informasi (JUKTISI) Vol. 4 No. 3 (2026): Februari 2026
Publisher : LKP KARYA PRIMA KURSUS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62712/juktisi.v4i3.786

Abstract

Stroke merupakan penyebab kematian dan kecacatan tertinggi di dunia dengan lebih dari 15 juta kasus setiap tahun. Deteksi dini risiko stroke sangat penting untuk menurunkan angka mortalitas melalui intervensi preventif yang tepat waktu. Penelitian ini bertujuan untuk menganalisis performa Stochastic Gradient Descent (SGD) Regresi Logistik dalam prediksi risiko stroke menggunakan dataset Prediksi Stroke v2 2024 yang terdiri dari 35.000 records dengan 17 fitur klinis. Dataset dibagi menjadi 80% data training (28.000 samples) dan 20% data testing (7.000 samples) dengan distribusi kelas seimbang. Optimasi hyperparameter SGD dilakukan menggunakan Grid Search dengan 216 kombinasi parameter dan 4-fold cross validation untuk mendapatkan konfigurasi optimal. Hasil penelitian menunjukkan bahwa SGD Regresi Logistik dengan hyperparameter tuning mencapai performa excellent dengan accuracy 97,59% dan ROC-AUC 0,9984, menunjukkan sensitivitas sangat tinggi dalam mendeteksi pasien berisiko dengan recall 98,53% pada kelas positif. Performa ini sebanding dengan Baseline Regresi Logistik yang mencapai accuracy 97,74% dengan ROC-AUC identik 0,9984, mengkonfirmasi efektivitas metode SGD untuk klasifikasi risiko stroke. Analisis feature importance mengidentifikasi Age (koefisien 4,868), High Blood Pressure (2,360), dan Chest Pain (1,977) sebagai prediktor terkuat. Model SGD menunjukkan false negative rate rendah hanya 1,47%, temuan ini mengkonfirmasi bahwa SGD regresi logistik dengan optimasi hyperparameter sistematis memberikan performa yang superior dalam sensitivitas deteksi pasien beresiko, menjadikannya sangat potensial untuk diimplementasikan sebagai screening tool awal risiko stroke dengan keunggulan scalability untuk dataset yang lebih besar dan kemampuan online learning untuk data streaming yang tidak dimiliki baseline model.
Pengaruh Media Pembelajaran Canva Terhadap Hasil Belajar Siswa Pada Mata Pelajaran Informatika Kelas X Di Smk Khamas Wahidi Muhtar; Siti Seituni; Dyan Yuliana
Jurnal Komputer Teknologi Informasi Sistem Informasi (JUKTISI) Vol. 4 No. 3 (2026): Februari 2026
Publisher : LKP KARYA PRIMA KURSUS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62712/juktisi.v4i3.787

Abstract

Penggunaan media pembelajaran yang efektif sangat berpengaruh terhadap peningkatan hasil belajar siswa. Namun, di SMK Khamas, media pembelajaran yang digunakan masih kurang efektif, sehingga berakibat pada penurunan hasil belajar siswa, terutama dalam mata pelajaran Informatika. Penelitian ini bertujuan untuk mengkaji pengaruh penggunaan media pembelajaran Canva terhadap hasil belajar siswa kelas X DKV di SMK Khamas. Penelitian ini menggunakan metode eksperimen dengan desain one group pretest-posttest yang melibatkan 21 siswa kelas X DKV sebagai sampel penelitian. Sebelum penerapan media Canva, dilakukan pretest untuk mengukur pemahaman awal siswa, kemudian media Canva digunakan sebagai media pembelajaran, dan setelah itu, dilakukan posttest untuk mengukur perubahan hasil belajar siswa setelah diberi perlakuan. Hasil penelitian menunjukkan bahwa penggunaan media Canva memberikan pengaruh positif terhadap hasil belajar siswa. Hasil analisis data menunjukkan adanya peningkatan yang signifikan antara hasil pretest dan posttest. Berdasarkan hasil uji normalitas menggunakan Kolmogorov-Smirnov dan Shapiro-Wilk, data pretest dan posttest menunjukkan distribusi normal. Selanjutnya, uji hipotesis menggunakan paired sample test menunjukkan nilai signifikansi sebesar 0,000, yang lebih kecil dari 0,05, yang berarti hipotesis nol (Ho) yang menyatakan tidak ada perbedaan signifikan antara pretest dan posttest ditolak, dan hipotesis alternatif (H1) yang menyatakan adanya perbedaan signifikan diterima. Rata-rata nilai pretest siswa sebelum penggunaan media Canva adalah 59,52, sedangkan setelah penggunaan media Canva, rata-rata nilai posttest meningkat menjadi 78,57. Dari hasil uji tersebut, dapat disimpulkan bahwa penggunaan media pembelajaran Canva berpengaruh signifikan terhadap peningkatan hasil belajar siswa pada mata pelajaran Informatika di kelas X DKV SMK Khamas. Dengan demikian, penggunaan media Canva sebagai media pembelajaran yang praktis dan inovatif sangat dianjurkan untuk meningkatkan hasil belajar siswa, karena Canva memungkinkan guru untuk menyampaikan materi secara lebih menarik dan interaktif, serta dapat menumbuhkan minat siswa dalam pembelajaran. Penelitian ini menyarankan agar media pembelajaran berbasis teknologi seperti Canva dapat diterapkan secara lebih luas di berbagai sekolah untuk meningkatkan kualitas pendidikan di era digital ini.
Klasifikasi Tingkat Kedisiplinan Siswa Menggunakan Algoritma Machine Learning: Decision Tree, KNN, dan Naive Bayes Hutabalian, Damri Mulia; Hutabarat, Pebruarianto; Mhd Prasetyo; Irnanda, Mhd Agung; Dalimunthe, Naufal Dhiya Putra; Rosnelly, Rika
Jurnal Komputer Teknologi Informasi Sistem Informasi (JUKTISI) Vol. 4 No. 3 (2026): Februari 2026
Publisher : LKP KARYA PRIMA KURSUS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62712/juktisi.v4i3.788

Abstract

Discipline is a crucial factor influencing the effectiveness of learning processes and the quality of graduates in vocational education. SMK Swasta RK Bintang Timur Pematangsiantar maintains records of student attendance and academic performance that have the potential to be analyzed as indicators of student discipline. However, these data have not been optimally utilized as a basis for decision-making to provide early detection of students who are at risk of declining discipline. This research aims to develop a predictive model of student discipline by identifying patterns of attendance and academic achievement using a data mining approach.The study employs the CRISP-DM framework, consisting of business understanding, data understanding, data preparation, modeling, evaluation, and deployment. The dataset includes daily attendance records, semester academic grades, and documented disciplinary behavior used as class labels. Several classification algorithms—Decision Tree (C4.5), KNN, Naive Bayes were implemented to compare model performance. Model evaluation was conducted using confusion matrix, accuracy, precision, recall, and F1-score, with k fold cross-validation.The results show that attendance and academic performance patterns significantly influence the prediction of student discipline levels. The Random Forest algorithm produced the highest performance results, with consistent F1-scores for at-risk student categories. The most influential features include attendance percentage, the number of unexcused absences, and average academic scores. The resulting model is implemented as a decision support prototype dashboard to assist counseling teachers and homeroom teachers in monitoring potential disciplinary violations and planning early intervention. This research is expected to support the development of data-driven discipline monitoring systems in schools and provide practical benefit in preventive actions to improve student behavior quality at SMK Swasta RK Bintang Timur Pematangsiantar.

Page 31 of 32 | Total Record : 320

 28   29   30   31   32 

Filter by Year

2022 2026


Reset
Filter By Issues
All Issue Vol. 4 No. 3 (2026): Februari 2026 Vol. 4 No. 2 (2025): September 2025 Vol. 4 No. 1 (2025): Juni 2025 Vol. 3 No. 3 (2025): Februari 2025 Vol. 3 No. 2 (2024): September 2024 Vol. 3 No. 1 (2024): Juni 2024 Vol. 2 No. 3 (2024): Februari 2024 Vol. 2 No. 2 (2023): September 2023 Vol. 2 No. 1 (2023): Juni 2023 Vol. 1 No. 3 (2023): Februari 2023 Vol. 1 No. 2 (2022): September 2022 Vol. 1 No. 1 (2022): Juni 2022 More Issue