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
 43   44   45   46   47 
Application of Deep Learning for Email Spam Detection Using Artificial Neural Network Dewi Leyla Rahmah; Irnawati; Dewi Mustari; Bertha Meyke Waty Hutajulu; Halimatus Sa'diah; Siti Julaeha
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.v5i1.1086

Abstract

The rapid development of digital communication technology has significantly increased the use of email, followed by the growing threat of spam emails that may disrupt user security and convenience. Spam emails are commonly used for advertisements, phishing attacks, and malware distribution, potentially causing financial losses and data theft. This study aims to implement a Deep Learning method based on Artificial Neural Network (ANN) to automatically detect spam emails and analyze the model performance using classification evaluation parameters. The research employed a quantitative experimental approach using a dataset of 10,000 emails consisting of spam and non-spam categories. The research stages included data preprocessing, text transformation using TF-IDF, ANN model training, system testing, and performance evaluation using accuracy, precision, recall, and F1-score metrics. The results showed that the ANN model achieved an accuracy of 96.4%, precision of 95.9%, recall of 96.7%, and F1-score of 96.3%. In addition, the pre-test and post-test results indicated a performance improvement of more than 11% after implementing the Deep Learning method. Based on these findings, the ANN method proved effective in improving the performance of spam email detection systems and can be utilized as a solution to support digital communication security more effectively.
Sistem Informasi Tempat Pariwisata Alam di Kota Palangka Raya TEPAPAR Berbasis Web Menggunakan Metode Waterfall Amruhu Giwang Aggoro; Nur Anita; Bintang Dayma Putri; Cindy Ochachelsea; Yoshua David Yongren; Widiatry
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.v5i1.1091

Abstract

Pariwisata alam memiliki potensi besar dalam mendorong pertumbuhan ekonomi daerah, namun pengelolaannya kerap terkendala oleh minimnya ketersediaan informasi yang terpusat dan mudah diakses. Di Kota Palangka Raya, promosi destinasi wisata alam sebagian besar masih dilakukan secara konvensional atau tersebar di berbagai platform media sosial yang tidak terintegrasi. Hal ini menyulitkan calon pengunjung untuk mendapatkan informasi detail, merencanakan perjalanan, hingga melakukan reservasi. Penelitian ini bertujuan untuk merancang dan membangun Sistem Informasi Tempat Pariwisata Alam di Kota Palangka Raya (TEPAPAR) berbasis web sebagai solusi digital yang komprehensif. Pengembangan sistem menggunakan metode Waterfall yang terdiri dari tahapan analisis kebutuhan, perancangan sistem, implementasi, pengujian, dan pemeliharaan. Hasil dari perancangan ini adalah sebuah platform web yang menyajikan informasi detail wisata, galeri interaktif, fitur review dan rating, hingga pengelolaan reservasi kunjungan secara daring. Kehadiran sistem TEPAPAR diharapkan mampu menjadi jembatan informasi yang efektif antara pengelola wisata dan pengunjung, meningkatkan visibilitas pariwisata alam Palangka Raya, serta mempermudah proses administrasi dan manajemen kunjungan secara terstruktur.
Pemetaan Tema Keluhan Pengguna Aplikasi Cek Bansos Menggunakan K-Means dan TF-IDF Berbasis Ulasan Google Play Store Krisna Mahendra; Zidan Syauqi Rahman; Taqwini; 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.v5i1.1093

Abstract

Transformasi layanan sosial digital menuntut aplikasi publik mudah digunakan masyarakat luas Indonesia. Aplikasi Cek Bansos menjadi kanal penting untuk memeriksa bantuan sosial daring. Namun, ulasan pengguna menunjukkan berbagai keluhan teknis dan administratif yang berulang. Penelitian ini bertujuan mengelompokkan ulasan pengguna berdasarkan kemiripan isi teks untuk menemukan tema keluhan dominan. Data diperoleh melalui scraping ulasan Google Play Store pada 23 Mei 2026. Dari 4.588 ulasan mentah, digunakan 3.623 ulasan keluhan dengan rating 1 sampai 3. Tahapan penelitian meliputi preprocessing teks, pembobotan TF-IDF, pemilihan jumlah klaster, dan penerapan algoritma K-Means. Hasil pengujian menunjukkan jumlah klaster terbaik adalah 6 dengan Silhouette Score sebesar 0,0246 dan Davies-Bouldin Index sebesar 6,0238. Tema keluhan yang ditemukan meliputi kendala akun dan masuk akun, fungsi aplikasi, gangguan teknis, serta status data bantuan. Hasil penelitian ini dapat menjadi masukan awal bagi pengelola aplikasi untuk menentukan prioritas perbaikan layanan digital bantuan sosial.
Analisis Komparatif Linear Regression dan Decision Tree untuk Prediksi Skor QS World University Rankings 2025 Dyah Puspita Sari; Hafiyyan Putra Pratama
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.v5i1.1094

Abstract

Sistem perangkingan universitas dunia telah menjadi tolak ukur global yang krusial dalam mengukur kualitas institusi pendidikan tinggi, produktivitas riset, dan keunggulan akademik. Dataset QS World University Rankings 2025 menyediakan seperangkat indikator evaluasi yang komprehensif, mencakup reputasi akademik, reputasi pemberi kerja, rasio dosen-mahasiswa, sitasi per fakultas, serta berbagai indikator internasionalisasi. Penelitian ini melakukan studi komparatif regresi machine learning untuk memprediksi Overall Score universitas berdasarkan indikator-indikator tersebut. Dua model supervised learning diterapkan, yaitu Regresi Linear dan Decision Tree Regressor. Dataset yang terdiri dari 1.503 entri dan 28 kolom diproses melalui tahapan preprocessing menyeluruh, meliputi penanganan nilai hilang dengan imputasi median, deteksi outlier menggunakan metode IQR, pengkodean variabel kategorikal dengan LabelEncoder, dan normalisasi fitur menggunakan StandardScaler. Data dibagi dengan rasio 80:20 untuk pelatihan dan pengujian. Metrik evaluasi yang digunakan mencakup Mean Absolute Error (MAE), Mean Squared Error (MSE), Root Mean Squared Error (RMSE), dan koefisien determinasi (R²). Hasil penelitian menunjukkan bahwa Regresi Linear secara signifikan mengungguli Decision Tree, dengan capaian R² sebesar 0,9985, MAE sebesar 0,3662, dan RMSE sebesar 0,7427. Validasi silang 5-fold mengonfirmasi stabilitas model Regresi Linear dengan R² rata-rata 0,9374 ± 0,0668. Analisis feature importance mengidentifikasi Academic Reputation Score sebagai prediktor paling berpengaruh terhadap Overall Score, konsisten dengan temuan analisis korelasi (r = 0,90).
Klasifikasi Spesies Bunga Iris Menggunakan Logistic Regression Dan Support Vector Machine Aqilla Nurul Hasanah Aqilla; Hafiyyan Putra Pratama
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.v5i1.1096

Abstract

Penelitian ini membahas penerapan dua algoritma klasifikasi dalam machine learning, yaitu Logistic Regression dan Support Vector Machine (SVM), dengan menggunakan Iris Dataset untuk mengelompokkan tiga jenis bunga iris: Iris-setosa, Iris-versicolor, dan Iris-virginica. Dataset yang digunakan terdiri dari 150 sampel dengan empat fitur morfologi, yaitu panjang dan lebar sepal serta petal. Proses penelitian mencakup eksplorasi data, tahap praproses menggunakan StandardScaler dan LabelEncoder, pelatihan model, validasi silang 5-fold, serta pencarian kombinasi hyperparameter terbaik melalui GridSearchCV. Hasil pengujian menunjukkan bahwa SVM dengan kernel RBF mampu mencapai tingkat akurasi sebesar 96,67% pada data uji, lebih tinggi dibandingkan Logistic Regression yang memperoleh 93,33%. Sementara itu, hasil validasi silang menunjukkan bahwa kedua model memiliki kemampuan generalisasi yang relatif sama dengan nilai rata-rata (CV mean) sebesar 0,9533. Fitur petal length dan petal width secara konsisten menjadi faktor paling penting dalam membedakan kelas. Setelah dilakukan tuning, SVM dengan kernel linear justru memberikan nilai CV mean terbaik sebesar 97,50%, yang mengindikasikan bahwa pola pemisahan kelas dalam dataset ini cenderung bersifat linier.
Optimalisasi Aspirasi Digital Warga melalui Media Sosial Smart City Tangerang Rido Dwi Kurniawan; Diffa Aji Saputri; Muhammad Rafid Pasha; Farrel Daffa Alyasmin; Maria Oktaviani Jelita; Sugeng Pramono
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.v5i1.1097

Abstract

Perkembangan smart city mendorong pemerintah daerah untuk semakin intensif memanfaatkan media sosial sebagai sarana komunikasi publik digital guna meningkatkan partisipasi masyarakat serta efektivitas pelayanan publik. Namun, pemanfaatan media sosial dalam ekosistem smart city masih menghadapi sejumlah kendala, antara lain rendahnya keterlibatan masyarakat digital dan belum optimalnya respons pemerintah terhadap aspirasi, keluhan, maupun masukan warga yang disampaikan secara daring. Oleh karena itu, penelitian ini bertujuan menganalisis secara empiris pengaruh Viralitas Media Sosial terhadap Keterlibatan Masyarakat Digital dan Ketangkasan Respons Pemerintah dalam implementasi smart city di Kota Tangerang. Penelitian menggunakan metode kuantitatif dengan pendekatan deskriptif melalui penyebaran kuesioner kepada 108 responden di wilayah Tangerang Raya. Analisis data dilakukan menggunakan IBM SPSS Statistics melalui regresi linear. Hasil menunjukkan Viralitas Media Sosial berpengaruh positif dan signifikan terhadap Keterlibatan Masyarakat Digital (beta 0,729; R Square 0,531) dan Ketangkasan Respons Pemerintah (beta 0,760; R Square 0,578). Selain itu, Keterlibatan Masyarakat Digital juga berpengaruh signifikan terhadap Ketangkasan Respons Pemerintah (beta 0,516; R Square 0,616), sehingga optimalisasi media sosial smart city terbukti mampu mendorong pelayanan publik yang lebih responsif, partisipatif, dan efektif.
Perancangan Website Promosi Produk UKM Bakeu Coffee Kota Sungai Penuh Menggunakan Metode Prototype Viola Restu Fauzi; M. Yusuf
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.v5i1.1100

Abstract

Abstrak Perkembangan teknologi informasi mendorong UKM memanfaatkan media digital untuk meningkatkan efektivitas promosi. UKM Bakeu Coffee Kota Sungai Penuh masih mengandalkan media sosial sehingga penyampaian informasi produk dan profil usaha belum optimal. Penelitian ini bertujuan merancang website promosi berbasis web menggunakan metode Prototype. Data diperoleh melalui observasi, wawancara, dan studi pustaka. Pengujian sistem menggunakan Black Box Testing dan User Acceptance Testing (UAT) memperoleh nilai kelayakan sebesar 90,2% dengan kategori sangat layak. Hasil penelitian menunjukkan website yang dikembangkan mampu meningkatkan penyampaian informasi dan mendukung promosi UKM Bakeu Coffee Kota Sungai Penuh. Kata Kunci: Website Promosi, UKM, Prototype, UAT.
Analisis Komparatif Metode SAW dan TOPSIS untuk Menentukan Lokasi Belajar Terbaik bagi Mahasiswa Mawaddah Saqinah Mawaddah Saqinah; Yaslindalizar
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.v5i1.1119

Abstract

Tingkat konsentrasi dan capaian akademik mahasiswa tidak terlepas dari pengaruh lingkungan tempat mereka belajar. Banyaknya opsi lokasi seperti rumah kos, kedai kopi, perpustakaan, serta area kampus yang masing-masing memiliki keistimewaan dan kekurangan menyebabkan mahasiswa kerap bingung menentukan pilihan terbaik. Studi ini bermaksud membandingkan dua algoritma pada Sistem Pendukung Keputusan, yakni Simple Additive Weighting (SAW) dan Technique for Order Preference by Similarity to Ideal Solution (TOPSIS), untuk merekomendasikan tempat belajar paling ideal berdasarkan tingkat kenyamanan dan frekuensi penggunaan. Kriteria yang dievaluasi meliputi kenyamanan ruang, tingkat produktivitas, kecepatan WiFi, ketersediaan fasilitas, keterjangkauan biaya, serta kemampuan menjaga fokus. Pengumpulan data dilakukan melalui kuesioner terhadap mahasiswa aktif. Hasil penelitian mengungkapkan bahwa kedua metode memberikan rekomendasi yang seragam, yaitu rumah kos sebagai alternatif unggul dengan nilai preferensi 0,99 (SAW) dan 0,9638 (TOPSIS). Walaupun demikian, urutan peringkat untuk kedai kopi dan perpustakaan menunjukkan perbedaan. SAW dinilai lebih cepat dan sederhana, sedangkan TOPSIS menghasilkan evaluasi yang lebih terperinci karena mempertimbangkan jarak terhadap solusi ideal.
Implementasi Algoritma Arima Untuk Optimasi Sistem Prediksi Pembayaran Impor Multi-Negara Berbasis Time-Series Wijang Widhiarso; Alfiarin; Deni Apriadi; Dytha Ananda Widhiarso
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.v5i1.1128

Abstract

Dalam ekosistem Keuangan Komputasi, peramalan arus kas sekuensial yang akurat merupakan tantangan komputasi yang signifikan karena tingginya volatilitas dan derau (noise) yang melekat pada data ekonomi global. Makalah ini bertujuan untuk mengimplementasikan algoritma Autoregressive Integrated Moving Average (ARIMA) sebagai solusi komputasi yang tangguh untuk memprediksi beban pembayaran impor internasional. Masalah utama yang diangkat adalah terbatasnya kemampuan sistem pendukung keputusan konvensional dalam menangani data tidak stasioner yang berasal dari transaksi 11 negara mitra antara tahun 2010 dan 2023. Kontribusi makalah ini terletak pada perumusan parameter (p, d, q) yang optimal melalui pendekatan statistik komputasi, menghasilkan model yang dicirikan oleh efisiensi tinggi (kompleksitas rendah) namun tetap mempertahankan akurasi tinggi. Dengan menggunakan kumpulan data 'Import Payments - by Country (1).csv', hasil eksperimen menunjukkan bahwa model ARIMA (1,1,1) mencapai Mean Absolute Percentage Error (MAPE) sebesar 14,89% pada data pembayaran impor Tiongkok, yang memiliki volatilitas tertinggi. Bukti ini menegaskan bahwa algoritma ARIMA dapat berfungsi sebagai mesin inti yang andal untuk sistem peramalan keuangan otomatis, terutama di lingkungan dengan sumber daya komputasi yang terbatas.
Sistem Pendukung Keputusan Pemilihan Dompet Digital Berdasarkan Kualitas Layanan Menggunakan Metode TOPSIS Mutia Anggraini; Yaslinda Lizar
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.v5i1.1133

Abstract

Penelitian ini membahas penerapan metode Technique for Order Preference by Kemiripan dengan Solusi Ideal dalam Sistem Pendukung Keputusan (SPK) untuk pemilihan dompet digital berdasarkan kualitas layanan. Masalah yang sering terjadi adalah banyaknya pilihan aplikasi dompet digital dengan layanan yang berbeda sehingga pengguna mengalami kesulitan dalam menentukan aplikasi yang paling sesuai. Penelitian ini bertujuan untuk membantu proses pengambilan keputusan dalam memilih dompet digital terbaik secara lebih objektif dan terstruktur. Kriteria yang digunakan meliputi rating aplikasi, keamanan, biaya admin, cashback atau promo, fitur layanan, dan user friendly. Alternatif yang digunakan pada penelitian ini yaitu DANA, OVO, GoPay, dan ShopeePay. Metode TOPSIS digunakan karena mampu memberikan hasil peran berdasarkan kedekatan alternatif terhadap solusi ideal positif dan solusi ideal negatif. Hasil penelitian menunjukkan bahwa metode TOPSIS dapat digunakan untuk melakukan proses penilaian dan perankingan dompet digital berdasarkan kualitas layanan yang dimiliki setiap aplikasi. Dengan demikian, sistem yang dibangun dapat membantu pengguna dalam menentukan pilihan dompet digital secara lebih efektif dan efisien.  

Page 45 of 49 | Total Record : 486

 43   44   45   46   47 

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