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 486 Documents
 42   43   44   45   46 
Design and Development of a Multimedia-Based Promotional Website for Digital Branding at LKP KARYA PRIMA KURSUS Using the Waterfall Method Supiyandi Supiyandi; Eka Pandu Cynthia; Wizra Aulia; Husni Mubarak; Chairul Rizal
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.v5i1.1064

Abstract

Digital transformation in the education sector requires educational institutions to provide promotional media that deliver information quickly, interactively, and efficiently. LKP KARYA PRIMA KURSUS continues to experience limitations in information dissemination due to the reliance on conventional promotional approaches, reducing the effectiveness of digital branding and communication with prospective students. A multimedia website was developed to provide an integrated promotional platform that increases institutional visibility, accelerates access to information, and supports digital registration services. The Waterfall methodology was applied through the stages of requirements analysis, system design, implementation, testing, and maintenance. The implementation results demonstrate that the website was successfully developed with a responsive architecture that effectively presents multimedia content across desktop and mobile devices. System testing confirmed that all primary features operated according to functional specifications without critical errors. The integration of interactive multimedia improved the quality of information delivery and strengthened the institution’s digital brand identity. In addition, server optimization and responsive interface design produced stable page accessibility and efficient performance under various network conditions. The developed system also supports scalability for future feature expansion, including interactive services and real-time communication modules. These findings indicate that applying the Waterfall method effectively produces a multimedia promotional website that supports institutional promotion and digital branding in the educational sector.
Analisis Manajemen Resiko Sistem Informasi PPDB Menggunakan Metode Octave Allegro Utin Kasma Utin
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.v5i1.1066

Abstract

Transformasi digital dalam sektor pendidikan telah mendorong implementasi Sistem Informasi Penerimaan Peserta Didik Baru (PPDB) berbasis daring sebagai upaya untuk meningkatkan efektivitas, efisiensi, akuntabilitas, dan transparansi dalam proses penerimaan peserta didik. Meskipun demikian, pemanfaatan sistem informasi tersebut tidak terlepas dari berbagai potensi risiko, khususnya yang berkaitan dengan keamanan informasi, ketersediaan layanan, serta integritas data. Penelitian ini bertujuan untuk melakukan analisis manajemen risiko pada Sistem Informasi PPDB pada SMU Bina Utama dengan menggunakan metode Operationally Critical Threat, Asset, and Vulnerability Evaluation (OCTAVE) Allegro. Metode ini dipilih karena memiliki pendekatan yang berorientasi pada identifikasi aset informasi kritis, analisis ancaman, evaluasi kerentanan, serta penentuan prioritas mitigasi risiko berdasarkan tingkat dampak terhadap organisasi. Penelitian menggunakan pendekatan deskriptif kualitatif melalui teknik observasi, wawancara, dan studi dokumentasi terhadap sistem yang dianalisis. Hasil penelitian menunjukkan bahwa aset informasi yang memiliki tingkat kritikalitas tertinggi meliputi data peserta didik, basis data sistem, dan infrastruktur server. Risiko utama yang teridentifikasi mencakup kebocoran data, gangguan layanan akibat server downtime, akses tidak sah terhadap sistem, serta kesalahan operasional pengguna. Berdasarkan hasil evaluasi risiko, kebocoran data peserta didik dan gangguan server merupakan risiko prioritas yang memerlukan penanganan segera. Strategi mitigasi yang direkomendasikan meliputi implementasi enkripsi data, autentikasi multi-faktor, peningkatan kapasitas infrastruktur, serta penerapan prosedur pencadangan data secara berkala.
Implementasi Logika Fuzzy C-Means untuk Segmentasi Sampah Ambigu dalam Sistem Sortir Otomatis Berbasis Computer Azizah; Fardan Rifaldi Ilmi; Bernadus Boli Geroda; Hendra Supendar; Riza Fahlapi
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.v5i1.1067

Abstract

Sistem sortir sampah otomatis berbasis computer vision umumnya menghadapi kendala saat mengidentifikasi sampah ambigu objek yang mengalami deformasi wujud, kotor, atau saling tumpang tindih sehingga sulit dikategorikan secara tegas oleh metode thresholding konvensional. Penelitian ini menerapkan algoritma Fuzzy C-Means (FCM) untuk segmentasi citra sampah ambigu berdasarkan ekstraksi fitur ruang warna HSV. Berbeda dengan pengklasteran tegas (hard clustering), FCM memberikan nilai keanggotaan fuzzy pada setiap piksel untuk memisahkan latar belakang konveyor dan objek sampah secara lebih halus. Guna mendukung manajemen data operasional, sistem ini diintegrasikan dengan database relasional sebagai media penyimpanan log segmentasi dan koordinat fisik objek. Hasil pengujian menunjukkan bahwa algoritma FCM berhasil melakukan segmentasi objek ambigu dengan rata-rata nilai Intersection over Union (IoU) sebesar 87,5%, serta mampu menyuplai data koordinat spasial secara real-time ke sistem basis data untuk interaksi lengan robot pemilah. Target utama penelitian ini adalah meningkatkan akurasi deteksi pada objek yang samar agar efisiensi pemilahan meningkat. Berdasarkan data pengujian, sistem ini terbukti meminimalkan galat koordinat spasial pada lengan robot pemilah secara signifikan.
Pengaruh Integrasi Large Language Model (LLM) Assisted Code Generation terhadap Defect Density dan Produktivitas Pengembang dalam Metodologi Agile Extreme Programming Joko Yuwono
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.v5i1.1070

Abstract

Penggunaan Large Language Model (LLM) sebagai alat bantu generasi kode (code generation) semakin meluas dalam industri pengembangan perangkat lunak global, namun penelitian empiris yang mengkaji dampaknya terhadap kualitas kode dan produktivitas pengembang dalam konteks metodologi Agile khususnya Extreme Programming (XP) masih sangat terbatas, terutama di Indonesia. Penelitian ini bertujuan untuk mengukur pengaruh integrasi LLM-assisted code generation terhadap dua variabel utama: defect density (jumlah cacat per 1.000 baris kode) dan produktivitas pengembang (diukur melalui lines of code per jam, waktu penyelesaian fitur, dan waktu perbaikan defect). Desain penelitian menggunakan pendekatan eksperimen kuasi dengan dua kelompok tim pengembang: kelompok eksperimen yang menggunakan GitHub Copilot berbasis GPT-4 Turbo sebagai alat LLM, dan kelompok kontrol yang mengembangkan sistem secara manual tanpa bantuan LLM. Kedua kelompok mengerjakan proyek sistem informasi berbasis web dengan kompleksitas setara menggunakan metodologi XP selama delapan minggu. Hasil penelitian menunjukkan bahwa tim yang mengintegrasikan LLM menghasilkan defect density sebesar 0,87 per KLOC, lebih rendah secara signifikan dibandingkan kelompok kontrol yang mencapai 1,62 per KLOC (penurunan 46,3%). Produktivitas pengembang pada kelompok LLM juga meningkat rata-rata 38,2% dalam hal lines of code per jam dan 31,5% lebih cepat dalam menyelesaikan fitur. Temuan ini memberikan bukti empiris bahwa integrasi LLM dalam siklus Extreme Programming secara statistik signifikan meningkatkan kualitas kode sekaligus produktivitas pengembang, dengan catatan bahwa praktik code review manusia tetap diperlukan untuk mengatasi kerentanan keamanan pada kode yang dihasilkan AI.
Penerapan Algoritma K-Means Clustering Untuk Analisis Pola Pembayaran Dan Visualisasi Data Interaktif Dalam Pembayaran Spp Berbasis Website Di SD SWASTA YWKA Medan Evri Ekadiansyah; Ika Purnama Sari
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.v5i1.1071

Abstract

Sumbangan Pembinaan Pendidikan (SPP) merupakan salah satu komponen penting dalam mendukung operasional sekolah, namun proses pencatatan pembayaran SPP di SD Swasta YWKA Medan masih dilakukan secara manual sehingga berpotensi menimbulkan kesalahan pencatatan, keterlambatan dalam mendeteksi tunggakan, serta kesulitan dalam menganalisis pola pembayaran siswa. Penelitian ini bertujuan untuk menganalisis pola pembayaran SPP melalui penerapan algoritma K-Means Clustering pada sistem berbasis website yang dikembangkan menggunakan metode Software Development Life Cycle (SDLC) dengan model Waterfall. Data yang digunakan berupa data historis pembayaran siswa dalam bentuk durasi keterlambatan yang dihitung dari selisih antara tanggal pembayaran dan tanggal jatuh tempo. Hasil penelitian menunjukkan bahwa sistem mampu mengelompokkan siswa ke dalam tiga kategori, yaitu tepat waktu, terlambat ringan, dan terlambat berat. Selain itu, penyajian hasil analisis dalam bentuk visualisasi data interaktif memudahkan pengguna dalam memahami dan menginterpretasikan pola pembayaran, sehingga implementasi sistem ini diharapkan dapat meningkatkan efisiensi pengelolaan data serta mendukung transparansi dalam administrasi pembayaran SPP di sekolah.
Analisis Kinerja Random Forest, Gradient Boosting, dan LightGBM dengan SMOTENC pada Klasifikasi Tingkat Obesitas Kartika Handayani; Erni; Fuad Nur Hasan
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.v5i1.1074

Abstract

Klasifikasi tingkat obesitas merupakan aspek penting dalam bidang kesehatan untuk mendukung deteksi dini dan pengambilan keputusan yang tepat. Namun, dataset obesitas umumnya memiliki distribusi kelas yang tidak seimbang, yang dapat menyebabkan bias model terhadap kelas mayoritas dan menurunkan kemampuan dalam mengenali kelas minoritas. Penelitian ini bertujuan untuk menganalisis kinerja algoritma ensemble learning dalam klasifikasi tingkat obesitas serta mengevaluasi pengaruh teknik penyeimbangan data terhadap performa model. Algoritma yang digunakan meliputi Random Forest, Gradient Boosting, dan Light Gradient Boosting Machine (LightGBM). Untuk mengatasi ketidakseimbangan data, diterapkan metode Synthetic Minority Over-sampling Technique for Nominal and Continuous (SMOTENC). Evaluasi model dilakukan menggunakan metrik accuracy, precision, recall, dan F1-score, serta didukung oleh analisis confusion matrix dan kurva Receiver Operating Characteristic (ROC). Hasil penelitian menunjukkan bahwa model LightGBM dengan SMOTENC menghasilkan performa terbaik dengan nilai accuracy sebesar 96,45%, precision sebesar 96,12%, recall sebesar 95,98%, dan F1-score sebesar 96,05%. Penerapan SMOTENC terbukti meningkatkan nilai recall dan F1-score pada kelas minoritas, sehingga menghasilkan klasifikasi yang lebih seimbang dan mengurangi bias terhadap kelas mayoritas.
Implementasi Metode Simple Additive Weighting (SAW) dalam Sistem Pendukung Keputusan Pemilihan Produk Gadget Terbaik pada Gadget Store Terracota Rini Amalia; Dyah Rhetno Wardhani; Sri Melati Sagita
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.v5i1.1081

Abstract

Persaingan bisnis ritel perangkat seluler menuntut pelaku usaha toko daring untuk menentukan produk unggulan secara objektif dan berbasis data. Gadget Store Terracota masih menggunakan penilaian manual dan subjektif dalam menentukan produk yang diprioritaskan untuk promosi, sehingga berpotensi menyebabkan inefisiensi pemasaran dan pengelolaan stok. Penelitian ini bertujuan merancang Sistem Pendukung Keputusan (SPK) menggunakan metode Simple Additive Weighting (SAW) untuk menentukan produk smartphone terbaik di Gadget Store Terracota. Penelitian menggunakan pendekatan kuantitatif deskriptif dengan 10 alternatif produk smartphone yang dievaluasi berdasarkan empat kriteria, yaitu jumlah terjual (35%), harga (25%), rating (20%), dan jumlah dilihat (20%). Proses SAW dilakukan melalui pembentukan matriks keputusan, normalisasi atribut benefit dan cost, serta perhitungan nilai preferensi untuk menghasilkan peringkat produk. Hasil penelitian menunjukkan bahwa Poco X7 Pro 5G 12/512 New Segel Garansi Resmi – Black memperoleh nilai preferensi tertinggi sebesar 0,805 dan menjadi produk yang paling direkomendasikan untuk diprioritaskan dalam promosi dan pengelolaan stok. Dengan demikian, metode SAW terbukti efektif dan mudah diterapkan dalam mendukung pengambilan keputusan multi-kriteria secara objektif pada manajemen toko daring. Kata Kunci: e-commerce, produk unggulan, Simple Additive Weighting (SAW), sistem pendukung keputusan.
Penerapan Fuzzy Tsukamoto Dalam Penentuan Plafon Kredit Nasabah Usaha Mikro, Kecil, Dan Menengah (UMKM) Yoan Cantika; Irmayansyah; Syafrial
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.v5i1.1082

Abstract

Penentuan plafon kredit untuk nasabah Usaha Mikro, Kecil, dan Menengah (UMKM) sering menghadapi kendala akibat proses analisis yang manual dan subjektif, sehingga meningkatkan risiko kesalahan penilaian kelayakan nasabah. Penelitian ini bertujuan membangun sistem pendukung keputusan untuk menentukan plafon kredit menggunakan metode Fuzzy Tsukamoto. Metode ini dipilih karena kemampuannya menangani data yang bersifat samar dan menghasilkan keputusan terukur melalui fungsi keanggotaan serta aturan fuzzy. Variabel penelitian yang digunakan meliputi jumlah pengajuan, pendapatan, agunan, dan lama usaha. Hasil pengujian kelayakan melalui instrumen Post-Study System Usability Questionnaire (PSSUQ) kepada analis kredit menunjukkan nilai rata-rata 92%, yang mengindikasikan tingkat kebergunaan sistem yang tinggi. Selain itu, pengujian akurasi yang dilakukan dengan membandingkan hasil keluaran sistem dengan data aktual dari bank menggunakan metode Mean Absolute Percentage Error (MAPE) menghasilkan nilai sebesar 2,9%, yang termasuk dalam kategori sangat baik. Hasil tersebut menunjukkan bahwa metode Fuzzy Tsukamoto memiliki tingkat akurasi yang tinggi dan sangat layak diimplementasikan untuk mendukung keputusan penentuan plafon kredit nasabah UMKM Kata Kunci: Fuzzy Tsukamoto, Sistem Pendukung Keputusan , Plafon Kredit, Nasabah, Usaha Mikro, Kecil, dan Menengah (UMKM)
Robustness Analysis of YOLOv9 Object Detection Under Dynamic Illumination Variance for Museum Artifacts Nurroni Nurroni; Rajif Agung Yunmar
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.v5i1.1083

Abstract

Object detection technology has been widely applied in smart tourism and digital museum systems. However, variations in illumination conditions pose a significant challenge, affecting the visibility of objects and the object localization performance. This study aims to evaluate the robustness of the YOLOv9 model in detecting museum objects under different illumination conditions. To evaluate the model performance, 5-Fold Cross-Validation was used on a multi-class dataset of eleven classes of cultural heritage artifacts from Museum Lampung. To test the effects of illumination variation, testing was done under three different lighting conditions (normal lighting, 50 percent dimmed lighting, and 50 percent brightened lighting). The results show that YOLOv9 can maintain stable detection performance in such conditions, with a mean Average Precision at 50 percent (mAP@50) of 0.991 and a mean mAP at 50 to 95 percent (mAP@50-90) of 0.846. In particular, under normal lighting conditions, the model achieved a mAP@50 of 0.995 and a mAP@50-90 of 0.946. For under 50 percent dimmed and brightened lighting, mAP@50-90 dropped to 0.928 and 0.933, respectively. These results suggest that illumination variation affects the localization accuracy more under stricter Intersection over Union thresholds than the general object detection performance. Overall, the results of this research work demonstrate that YOLOv9 can maintain stable object detection performance in a museum environment despite variations in illumination conditions.
Analisis Tingkat Literasi Artificial Intelligence pada Mahasiswa Menggunakan Instrumen SNAILS Michael Felix Chandra; Novan Wijaya
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.v5i1.1085

Abstract

Perkembangan teknologi Artificial Intelligence pada era digital saat ini memberikan kemudahan bagi kita dalam berbagai bidang. Penerapan AI telah dimanfaatkan penggunaan secara luas dari berbagai sektor khususnya di bidang akademik. Tetapi, tingginya penggunaan teknologi AI tidak selaras dengan tingkat literasi Artificial Intelligence yang memadai. Hal ini menunjukkan bahwa pentingnya pemahaman mahasiswa terhadap pemanfaatan teknologi tersebut agar dapat digunakan secara lebih tepat, kritis, dan bertanggung jawab. Sehingga penelitian ini bertujuan dalam menganalisis tingkat literasi AI kepada mahasiswa dengan latar belakang teknologi menggunakan instrumen SNAILS (Scale for the Assessment of Non-Experts AI Literacy). Dalam instrumen tersebut terdapat dimensi Technical Understanding, Crictical Appraisal, serta Practical Application. Pada penelitian ini menggunakan metode deskriptif kuantitatif dengan teknik pengumpulan data yaitu kuesioner yang diikuti sebanyak 58 responden melalui Google Form. Analisis data menggunakan statistika deskriptif berupa mean dan standar deviasi. Secara keseluruhan item pernyataan, didapatkan bahwa hasil penelitian untuk dimensi Technical Understanding mendapat nilai mean 4,98 dan standar deviasi 1,39, Crictical Appraisal mendapat nilai mean 5,78 dan standar deviasi 1,08, serta Practical Application mendapat nilai mean 5,66 dan standar deviasi 1,13. Sehingga hasil dari penelitian menunjukkan bahwa mahasiswa memiliki tingkat literasi AI yang cukup baik dalam memahami, mengevaluasi, dan menerapkan teknologi AI dalam aktivitas akademik maupun kehidupan sehari-hari.

Page 44 of 49 | Total Record : 486

 42   43   44   45   46 

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