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 384 Documents
 31   32   33   34   35 
Penerapan Virtual Privat Network (VPN) untuk Keamanan Data Hura, Fasrian Mauren Niella; Lase , Agus Damai; Lase , Devi Chrisman
Jurnal Komputer Teknologi Informasi Sistem Komputer (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.v4i3.728

Abstract

This study addresses the increasingly crucial issues of data security and digital privacy amidst the rise in online activity. Using library research, the study examined various scientific literature, journals, cybersecurity agency reports, and other academic sources to understand two key issues: user vulnerability when connecting to public networks and the low level of public literacy regarding data protection mechanisms. The study's findings indicate that public networks remain one of the most vulnerable points in digital communication due to weak encryption and the high risk of data interception. Furthermore, the public's lack of understanding of privacy protection technology exacerbates the situation, as users often neglect security measures for the sake of convenience. The literature analysis demonstrates that data protection is not solely dependent on technology but is also largely determined by users' awareness and understanding. Therefore, this study concludes that digital security solutions must balance technological and educational aspects. This approach will help users better understand the risks they face and utilize protection technology more effectively to safeguard their digital privacy.
MSME Segmentation in Pekanbaru Based on Local E-Catalog Participation Using K-Means Aliya, Rahma; Permana, Inggih; Salisah, Febi Nur; Novita, Rice; Jazma, Muhammad
Jurnal Komputer Teknologi Informasi Sistem Komputer (JUKTISI) Vol. 5 No. 1 (2026): Juni 2026
Publisher : LKP KARYA PRIMA KURSUS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62712/juktisi.v5i1.760

Abstract

Micro, Small, and Medium Enterprises (MSMEs) play a vital role in the economy; however, their participation in digital government procurement platforms such as the Local E-Catalog in Pekanbaru City remains relatively low. The lack of comprehensive, data-driven mapping of MSME characteristics has resulted in less targeted development and assistance programs. This study aims to segment MSMEs based on revenue, number of employees, and participation status in the Local E-Catalog to generate business groups that can support more effective development strategies. A data mining approach using the K-Means clustering algorithm was applied and implemented through the Orange Data Mining application. The results indicate that a three-cluster configuration is the most optimal, achieving the highest Silhouette Score of 0.444. Cluster 1 represents micro-scale MSMEs with low business capacity and minimal participation in the Local E-Catalog, Cluster 2 consists of growing MSMEs with moderate business capacity, and Cluster 3 comprises established MSMEs with high business capacity and active participation in the Local E-Catalog. These findings provide empirical evidence to support local governments in formulating more targeted and data-driven policies for accelerating MSME digitalization.
Analisis Efektivitas Sistem Pendukung Keputusan Berbasis Web dalam Penilaian Kinerja Guru Said Hambali Takhir
Jurnal Komputer Teknologi Informasi Sistem Komputer (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.v4i3.777

Abstract

Penilaian kinerja guru membutuhkan metode yang objektif dan terstruktur untuk mendukung pengambilan keputusan yang akuntabel. Penelitian ini bertujuan menganalisis efektivitas Sistem Pendukung Keputusan (SPK) berbasis web dalam penilaian kinerja guru menggunakan metode Analytical Hierarchy Process (AHP). Penelitian melibatkan 35 guru dengan tiga kriteria utama, yaitu pedagogi, kepribadian, dan profesionalitas. Metode AHP digunakan untuk menentukan bobot kriteria dan menghasilkan pemeringkatan kinerja guru secara objektif. Hasil penelitian menunjukkan seluruh matriks perbandingan memenuhi nilai Consistency Ratio (CR < 0,1), sehingga pembobotan kriteria dinyatakan konsisten. Kriteria profesionalitas memiliki bobot tertinggi dibandingkan kriteria lainnya. Implementasi SPK berbasis web mampu menghasilkan pemeringkatan kinerja guru yang terukur, transparan, dan terdokumentasi. Penelitian ini menyimpulkan bahwa SPK berbasis web dengan metode AHP efektif digunakan sebagai instrumen evaluasi kinerja guru dalam mendukung pengambilan keputusan manajerial di bidang pendidikan.
Optimasi Performa Model SVM dan Random Forest untuk Klasifikasi Kanker Payudara Menggunakan Penyetelan Hyperparameter Adil Setiawan; Andri Armaginda Siregar; Setiawan, Nanda; Jalaluddin Nasution; Naufal Dhiya Putra Dalimunthe; Farhan Sardy Abdillah
Jurnal Komputer Teknologi Informasi Sistem Komputer (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.v4i3.789

Abstract

Kanker payudara merupakan salah satu penyakit dengan tingkat morbiditas dan mortalitas yang tinggi, sehingga deteksi dini dan diagnosis yang akurat menjadi faktor kunci dalam meningkatkan keberhasilan terapi. Perkembangan machine learning memberikan peluang besar dalam mendukung proses klasifikasi kanker payudara berbasis data medis. Penelitian ini bertujuan untuk mengevaluasi dan mengoptimalkan kinerja algoritma Support Vector Machine (SVM) dan Random Forest dalam klasifikasi kanker payudara melalui penerapan Hyperparameter tuning. Dataset yang digunakan adalah Breast Cancer Wisconsin (Diagnostic), yang terdiri dari 569 sampel hasil pemeriksaan Fine Needle Aspirate (FNA) dengan 30 fitur numerik serta dua kelas target, yaitu benign dan malignant. Metodologi penelitian meliputi tahap pra-pemrosesan data, pembagian data menggunakan stratified train–test split, pelatihan model baseline, optimasi Hyperparameter menggunakan GridSearchCV dengan 5-fold cross-validation, serta evaluasi performa model menggunakan metrik accuracy, precision, recall, F1-score, confusion matrix, dan ROC–AUC. Hasil eksperimen menunjukkan bahwa kedua model mampu mencapai performa klasifikasi yang tinggi dengan tingkat akurasi sekitar 97% pada data uji. Hyperparameter tuning memberikan peningkatan performa yang lebih konsisten pada model SVM, khususnya pada recall kelas malignant dan nilai AUC, sedangkan Random Forest menunjukkan performa yang relatif stabil sebelum dan sesudah optimasi. Temuan ini menegaskan bahwa Hyperparameter tuning berperan penting dalam validasi dan stabilitas model, meskipun tidak selalu menghasilkan peningkatan performa numerik yang signifikan pada dataset benchmark.
Design of an Internship Information System in the Information Systems Study Program at UIN Sulthan Thaha Saifuddin Jambi Rezki Kurnia Sholehati Nala Putri; Hery Afriyadi; Bustomi Baharsyah
Jurnal Komputer Teknologi Informasi Sistem Komputer (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.v4i3.803

Abstract

Internships are a vital component of the curriculum in the Information Systems Study Program at UIN STS Jambi, aimed at providing students with real-world work experience. However, the management of internship-related information is still conducted manually, leading to issues such as delayed information delivery and data entry errors. This study aims to design and develop a web-based internship information system using the Waterfall development methodology and the CodeIgniter 4 (CI 4) framework as the main platform. The system includes features for managing student internship data, partner institutions, registration processes, and activity reporting. System testing was conducted through a feasibility questionnaire involving users, resulting in a score of 91.6%, indicating that the system is highly feasible for use in supporting internship administration processes. This system is expected to enhance the efficiency and accuracy of internship data management comprehensively. Keywords: Waterfall, CodeIgniter 4, Website, Internship, Feasibility Test
Prediksi RNN Terhadap Nilai Tukar Petani Sumatera Utara Menggunakan ADAM Damanik, Afriyani; Harefa, Onesimus; Purba, Ningsih Septi Uli; Hardinata, Jaya Tata
Jurnal Komputer Teknologi Informasi Sistem Komputer (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.v4i3.805

Abstract

Salah satu indikator penting untuk mengukur kesejahteraan ekonomi dan daya beli masyarakat tani adalah Nilai Tukar Petani (NTP). Meskipun pertanian memainkan peran penting dalam perekonomian Sumatera Utara, petani sering menghadapi kenaikan biaya produksi dan harga komoditas yang tidak stabil. Tujuan dari penelitian ini adalah untuk membuat model prediksi presisi tinggi yang menggunakan Jaringan Syaraf Tiruan Berulang (RNN) yang dioptimalkan dengan algoritma Estimasi Moment Adaptif (Adam) untuk memprediksi tren NTP dari tahun 2016 hingga 2025. Data yang digunakan berasal dari deret waktu longitudinal dari Badan Pusat Statistik (BPS), yang mencakup berbagai subsektor, termasuk hortikultura, perkebunan, dan tanaman pangan. Metodologi penelitian menangkap pola musiman tahunan dengan menggunakan MinMaxScaler dan teknik windowing dua belas bulan. Untuk menentukan konfigurasi hyperparameter yang ideal, tiga skenario eksperimen dilakukan. Hasil penelitian menunjukkan bahwa model dengan densitas neuron yang tinggi dan kecepatan belajar agresif sebesar 0,015 (Skenario 3) melakukan yang terbaik. Dengan Mean Absolute Percentage Error (MAPE) hanya 1,45% dan Root Mean Square Error (RMSE) hanya 2,1056, model ini mencapai hasil terbaik. Hal ini menunjukkan bahwa model RNN-Adam sangat efektif untuk mengidentifikasi dinamika ekonomi pertanian non-linear di Sumatera Utara. Studi ini sangat membantu otoritas regional membuat kebijakan yang berbasis bukti.
Jurnal Prediksi Nilai Ekspor Indonesia Menggunakan Metode Artificial Neural Network (ANN) Sinurat, Rahul; Tampubolon, Arion; sinaga, Irene Lestaria; Batubara, Monica Sari; siagian, Novita sari; tatahardinata, jaya
Jurnal Komputer Teknologi Informasi Sistem Komputer (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.v4i3.807

Abstract

Exports are one of the main indicators of Indonesia's economic growth. To assist in planning and policymaking, accurate prediction techniques are needed because various factors influence export value fluctuations. Using the Artificial Neural Network (ANN) method, this study aims to predict Indonesia's export value. The data used comes from official sources and is processed through preprocessing, normalization, and the division of training and test data. To predict export value, an ANN model is built and trained to recognize patterns of relationships between data. The results show that the ANN method can predict Indonesia's export value with a high degree of accuracy. Therefore, the ANN method can be used as an effective alternative for predicting export value and assisting economic decision-making
Penerapan Metode PSI (Preference Selection Index) dalam Sistem Pendukung Keputusan Pemilihan Ekstrakurikuler Tanjung, Tasya Arifin; Kusuma, Arya Novri; Pratiwi, Novita Dewi; Sari, Arnida; Sarudin; Wulan, Nur
Jurnal Komputer Teknologi Informasi Sistem Komputer (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.v4i3.808

Abstract

Pemilihan kegiatan ekstrakurikuler yang sesuai bagi siswa merupakan proses penting karena dapat mendukung pengembangan minat, bakat, serta prestasi siswa. Namun, proses pemilihan sering kali dilakukan secara subjektif dan belum mempertimbangkan seluruh kriteria secara optimal. Oleh karena itu, penelitian ini bertujuan untuk merancang dan menerapkan Sistem Pendukung Keputusan (SPK) menggunakan metode Preference Selection Index (PSI) dalam membantu menentukan rekomendasi ekstrakurikuler yang paling sesuai. Metode PSI dipilih karena mampu menghasilkan bobot kriteria secara objektif tanpa memerlukan penentuan bobot awal secara subjektif. Kriteria yang digunakan dalam penelitian ini meliputi minat, bakat, prestasi, dan izin orang tua, sedangkan alternatif yang dinilai terdiri dari beberapa jenis ekstrakurikuler, yaitu Dokter Remaja, Paskibra, Pramuka, Berenang, dan Badminton. Data dianalisis melalui tahapan penyusunan matriks keputusan, normalisasi data, perhitungan nilai preferensi, penentuan bobot kriteria, hingga perhitungan nilai PSI dan pemeringkatan alternatif. Hasil penelitian menunjukkan bahwa ekstrakurikuler Berenang memperoleh nilai PSI tertinggi dan direkomendasikan sebagai pilihan terbaik. Dengan demikian, dapat disimpulkan bahwa metode PSI mampu memberikan hasil pemeringkatan yang objektif dan dapat digunakan sebagai alat bantu pengambilan keputusan dalam pemilihan ekstrakurikuler.
Analisis Prediksi Harga Minyak Mentah WTI dengan Metode ANN Backpropagation dan Long Short-Term Memory Wulan Liviana Simbolon; Manurung, Rado; Sidauruk, Adrian; Saragih, Lusi; Hardinata, Jaya Tata
Jurnal Komputer Teknologi Informasi Sistem Komputer (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.v4i3.809

Abstract

Classification and Interpretability of Employee Burnout Using Linear Discriminant Analysis Rochmawati, Dwi Robiul; Muhammad Al Adib; Diyo Mollana Fazri; Bill Raj; Romi Antoni; Rahmad Santoso; Wahyu Saptha Negoro
Jurnal Komputer Teknologi Informasi Sistem Komputer (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.v4i3.811

Abstract

Employee burnout has become a critical challenge in modern organizations due to its negative impact on employees’ mental well-being, work performance, and organizational sustainability. In many workplaces, burnout identification still relies on subjective assessments and retrospective surveys, limiting the effectiveness of early intervention strategies. This study aims to develop an employee burnout risk classification model that achieves high predictive performance while maintaining strong interpretability. Linear Discriminant Analysis (LDA) is employed as the primary method because of its ability to separate classes optimally and provide explicit discriminant coefficients for explanatory analysis. The study utilizes a secondary dataset from the Mental Health in Workplace Survey, consisting of 3,000 employee records and 15 variables related to job characteristics, psychosocial factors, and individual conditions. The dataset is divided into training and testing sets with an 80:20 ratio. Experimental results show that the LDA model achieves an accuracy of 96.17%, with a precision of 89.50%, recall of 100%, F1-score of 94.46%, and an AUC value of 0.9988, indicating excellent classification capability. Further analysis of discriminant coefficients reveals that individual burnout indicators, job roles, work–life balance, and career growth opportunities are the most influential factors in determining burnout risk. These findings demonstrate that LDA offers an effective and interpretable approach for early burnout detection and supports evidence-based decision-making for human resource management.

Page 33 of 39 | Total Record : 384

 31   32   33   34   35 

Filter by Year

2022 2026


Reset
Filter By Issues
All Issue Vol. 5 No. 1 (2026): Juni 2026 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