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
 45   46   47   48   49 
Pengembangan Sistem Manajemen Apotek Berbasis Web dengan Fitur Prediksi Pengadaan Obat Menggunakan Random Forest Rizki Syahwal Ludiansyah; Lisnawanty Lisnawanty; Kartika Handayani
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.v5i1.1163

Abstract

Pengelolaan persediaan stok obat merupakan salah satu aspek penting dalam operasional apotek karena berkaitan dengan ketersediaan stok dan kualitas pelayanan kepada pelanggan. Pada Apotek Rizky, pengelolaan data obat dan transaksi telah memanfaatkan sistem informasi, namun pemantauan masa kadaluarsa dan proses pengadaan obat masih belum didukung oleh fitur yang dapat membantu mengambil keputusan. Kondisi tersebut menyebabkan pengadaan obat masih dilakukan berdasarkan perkiraan sehingga berpotensi menimbulkan ketidakseimbangan stok. Penelitian ini bertujuan untuk mengembangkan sistem manajemen apotek berbasik web yang dilengkapi fitur monitoring masa kadaluarsa dan prediksi pengadaan obat menggunakan algoritma Random Forest. Metode pengembangan yang digunakan adalah System Development Life Cycle (SDLC) dengan model waterfall yang meliputi analisis kebutuhan, perancangan, implementasi, pengujian, serta pemeliharaan. Sistem dikembangkan menggunakan Laravel, Bootstrap, MySQL, Python, dan FastAPI. Hasil penelitian menunjukkan bahwa sistem mampu mendukung pengelolaan data obat, transaksi, monitoring masa kadaluarsa, melakukan prediksi dan memberikan rekomendasi pengadaan obat berdasarkan data historis penjualan. Pengujian fungsional menggunakan Black Box Testing menunjukkan seluruh fitur berjalan sesuai kebutuhan pengguna. Model Random Forest juga menghasilkan nilai Mean Absolute Error (MAE) sebesar 22,59 dan Root Mean Square Error (RMSE) sebesar 28,01. Hasil tersebut menunjukkan bahwa sistem yang dikembangkan dapat membantu operasional apotek sekaligus mendukung proses pengambilan keputusan dalam pengadaan obat.
Systematic Literatur Review Tentang Penerapan Artifical Inteligence Dalam Bidang Keamanan Siber Deco ramadhana; Ahmad Sandy suroso; Muhammad Evan Ardiansah basuki
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.v5i1.1167

Abstract

Perkembangan ancaman siber yang semakin kompleks menuntut pendekatan keamanan yang lebih adaptif dan cerdas. Penelitian ini bertujuan menganalisis perkembangan penerapan Artificial Intelligence (AI) dalam bidang keamanan siber melalui metode Systematic Literature Review (SLR). Sebanyak 30 artikel ilmiah dari rentang tahun 2020–2025 diseleksi menggunakan alur PRISMA dari 214 artikel yang ditemukan pada database Google Scholar, ScienceDirect, IEEE Xplore, Springer, Garuda, dan SINTA. Hasil analisis menunjukkan bahwa Machine Learning merupakan pendekatan yang paling dominan (70%), diikuti Deep Learning (60%), dengan Random Forest dan Support Vector Machine sebagai algoritma yang paling banyak digunakan. Tingkat akurasi sistem berbasis AI berkisar antara 95% hingga 99%, dengan model hybrid CNN-LSTM mencapai akurasi tertinggi 99,2–99,4%. Intrusion Detection menjadi topik paling banyak diteliti, diikuti deteksi malware dan keamanan IoT. Tantangan utama meliputi keterbatasan interpretabilitas model deep learning, kerentanan terhadap adversarial attack, keterbatasan dataset lokal, serta isu etika dan privasi data. Hasil penelitian ini diharapkan menjadi referensi bagi peneliti dan praktisi dalam mengembangkan sistem keamanan siber berbasis AI yang lebih adaptif dan efektif.
Implementasi Keamanan Bukti Transaksi Medis Berbasis Web dengan Metode SHA-256 dan AES-128 Ahmad yusril ihsan sya'bana Ihsan; Muhammad Afi Maulana; Muhlis Tahir
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.v5i1.1168

Abstract

Penyimpanan dokumen digital berbasis web kini menjadi kebutuhan utama di berbagai institusi, namun risiko kebocoran data dan pencurian kredensial terus meningkat seiring maraknya serangan siber. Mengandalkan satu lapis pengamanan terbukti tidak lagi memadai karena jika satu titik pertahanan berhasil ditembus, seluruh data menjadi rentan. Penelitian ini membangun sistem manajemen dokumen berbasis web bernama SecureVault yang menerapkan arsitektur keamanan berlapis menggunakan kombinasi hashing SHA-256 dengan Salt untuk melindungi kata sandi pengguna, enkripsi AES-128 mode Cipher Block Chaining (CBC) untuk mengamankan dokumen yang diunggah, serta mitigasi kerentanan SQL Injection melalui Prepared Statements dan Cross-Site Scripting melalui sanitasi output htmlspecialchars(). Sistem dikembangkan menggunakan PHP dan MySQL dengan antarmuka berbasis Tailwind CSS. Pengujian dilakukan melalui empat skenario penetration testing dalam lingkungan server lokal. Hasil menunjukkan seluruh lapisan keamanan berfungsi dengan baik: mekanisme rate limiting berhasil memblokir akses setelah lima percobaan login gagal dengan waktu kunci 180 detik, tidak ada kata sandi yang tersimpan dalam bentuk plaintext di basis data, dokumen terenkripsi di server hanya menampilkan ciphertext yang tidak dapat dibaca, serta payload SQL Injection dan XSS berhasil dinetralisir sepenuhnya tanpa eksekusi. Integrasi antara kriptografi dan mitigasi kerentanan aplikasi menghasilkan sistem yang tangguh dan berlapis dalam mencegah kebocoran data.
Sistem Pendukung Keputusan Pemilihan Smartwatch Berdasarkan Kebutuhan Pengguna Menggunakan Metode Simple Weighted Sum Product Nabila Zahro; Khairunnisa; Muhammad Habibie
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.v5i1.1176

Abstract

  Perkembangan teknologi wearable device, khususnya smartwatch, mengalami pertumbuhan yang sangat pesat dalam beberapa tahun terakhir. Banyaknya pilihan merek dan spesifikasi yang tersedia seringkali membuat pengguna kesulitan dalam menentukan smartwatch yang paling sesuai dengan kebutuhan dan anggaran mereka. Penelitian ini bertujuan untuk merancang Sistem Pendukung Keputusan (SPK) dalam pemilihan smartwatch terbaik menggunakan metode WISP (Simple Weighted Sum Product). Metode WISP dipilih karena mengintegrasikan keunggulan model penjumlahan terbobot (WSM) dan model perkalian terbobot (WPM) secara bersamaan, sehingga menghasilkan peringkat yang lebih komprehensif dan akurat dibandingkan metode tunggal. Kriteria yang digunakan meliputi harga (cost), daya tahan baterai, fitur kesehatan, kompatibilitas, dan desain. Lima alternatif smartwatch yang dievaluasi adalah Samsung Galaxy Watch, Apple Watch, Xiaomi Watch, Huawei Watch, dan Amazfit Watch. Hasil penelitian menunjukkan bahwa Huawei Watch memperoleh nilai WISP tertinggi (Q = 1.0000) dan ditetapkan sebagai rekomendasi terbaik. Metode WISP terbukti mampu memberikan hasil yang lebih terstruktur dan komprehensif dalam pengambilan keputusan multi-kriteria.  
Evaluasi Leakage-Aware dan Imbalance-Sensitive pada Algoritma Klasifikasi untuk Prediksi Keberhasilan Kampanye Bank Marketing Purwatiningtyas; Retnowati
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.v5i1.1177

Abstract

Prediksi respons nasabah merupakan masalah penting dalam pemasaran perbankan berbasis data, terutama karena kampanye langsung harus menyeimbangkan efisiensi biaya, ketepatan penargetan, dan kemampuan mengenali calon nasabah yang benar-benar berpotensi merespons. Penelitian ini memperkuat evaluasi model prediksi kampanye Bank Marketing dengan dua prinsip metodologis, yaitu leakage-aware evaluation dan imbalance-sensitive evaluation. Atribut duration dikeluarkan dari model karena hanya diketahui setelah panggilan selesai sehingga berpotensi menimbulkan target leakage. Empat algoritma klasifikasi, yaitu Logistic Regression, K-Nearest Neighbor, Decision Tree, dan Random Forest, dievaluasi pada dataset bank.csv UCI yang berisi 4.521 observasi dengan distribusi kelas tidak seimbang, yaitu 4.000 kelas no dan 521 kelas yes. Eksperimen menggunakan train-validation-test stratified split, preprocessing berbasis standardisasi dan one-hot encoding, tuning hyperparameter melalui stratified cross-validation, serta evaluasi dengan accuracy, precision, recall, F1-score, F2-score, balanced accuracy, Matthews correlation coefficient, ROC-AUC, PR-AUC, dan confusion matrix. Selain evaluasi baseline pada threshold 0,50, penelitian ini juga menerapkan threshold tuning berbasis validasi dengan kriteria F2-score untuk meningkatkan sensitivitas terhadap kelas positif. Hasil menunjukkan bahwa Random Forest memiliki performa paling seimbang. Pada threshold 0,50, Random Forest memperoleh ROC-AUC 0,7576, PR-AUC 0,3743, MCC 0,2830, dan recall 0,4231. Setelah threshold dituning menjadi 0,39, recall Random Forest meningkat menjadi 0,7019 dengan F2-score 0,4980 dan balanced accuracy 0,6987. Temuan ini menunjukkan bahwa pemilihan model untuk kampanye pemasaran tidak cukup hanya berdasarkan accuracy, tetapi perlu mempertimbangkan trade-off antara recall, precision, false negative, dan tujuan operasional kampanye.
Analisis Sentimen Ulasan Aplikasi Detik.Com di Google Play Store Menggunakan Pendekatan Lexicon-Based dan Machine Learning Talcha Ilham Putri; Riski Annisa; Muhammad Fahmi Julianto
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.v5i1.1195

Abstract

Ulasan pengguna pada Google Play Store merupakan sumber informasi yang dapat digunakan untuk mengetahui tingkat kepuasan pengguna terhadap suatu aplikasi. Namun, jumlah ulasan yang terus bertambah menyebabkan proses analisis secara manual menjadi kurang efektif. Oleh karena itu, diperlukan metode analisis sentimen untuk mengidentifikasi kecenderungan opini pengguna secara otomatis. Penelitian ini bertujuan untuk menganalisis sentimen ulasan pengguna aplikasi Detik.com menggunakan pendekatan Lexicon-Based serta membandingkan kinerja algoritma Naive Bayes, Decision Tree, Random Forest, dan Support Vector Machine (SVM). Data penelitian diperoleh dari Google Play Store melalui proses web scraping. Tahapan penelitian meliputi preprocessing data, pelabelan sentimen menggunakan pendekatan Lexicon-Based, ekstraksi fitur menggunakan TF-IDF, pembagian data latih dan data uji, proses klasifikasi menggunakan algoritma machine learning, serta evaluasi model menggunakan metrik accuracy, precision, recall, dan F1-score. Hasil pelabelan sentimen menunjukkan bahwa dari 1.000 ulasan yang dianalisis, sebanyak 591 ulasan (59,10%) termasuk sentimen positif dan 409 ulasan (40,90%) termasuk sentimen negatif. Berdasarkan hasil pengujian, algoritma Decision Tree memperoleh performa terbaik dengan nilai akurasi sebesar 79,6%, precision sebesar 80,1%, recall sebesar 79,6%, dan F1-score sebesar 79,7%. Sementara itu, Random Forest memperoleh akurasi sebesar 77,6%, SVM sebesar 74,5%, dan Naive Bayes sebesar 71,9%. Hasil penelitian menunjukkan bahwa pendekatan Lexicon-Based yang dikombinasikan dengan algoritma machine learning mampu digunakan untuk menganalisis sentimen ulasan pengguna aplikasi Detik.com secara efektif, dengan Decision Tree sebagai algoritma yang memberikan kinerja terbaik pada dataset penelitian.
Pengembangan Sistem Informasi Pencatatan Hasil Panen Kelapa Sawit Berbasis Web Abdullah Muhaimin; Deni Risdiansyah; Erni
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.v5i1.1197

Abstract

Information Systems, Oil Palm, Harvest Yield Recording, Web-Based System, Waterfall, SvelteKit, Oil Palm Farmers
Analisis Sentimen Kasus Viral Hak Cuti Karyawan Mie Gacoan Medan Menggunakan Naive Bayes Classifier Deswita Girsang; Dinel Emka Tarigan; Darwin Ferdian Syaputra Pandiangan
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.v5i1.1201

Abstract

Kasus viral yang melibatkan karyawan berinisial DF di restoran Mie Gacoan Kecamatan Marelan, Kota Medan, Sumatera Utara memicu gelombang respon publik yang masif di Instagram dan Twitter/X. Karyawan tersebut mengajukan izin cuti pada 27 Maret 2026 untuk merawat orang tua yang sakit, namun diminta supervisornya segera mengajukan surat pengunduran diri disertai ancaman tidak akan diterima bekerja kembali di seluruh jaringan Mie Gacoan di Indonesia. Komentar pertama di media sosial tercatat pada 4 April 2026 dan puncak viral terjadi pada 6 April 2026 dengan 141 komentar dalam satu hari yang didominasi Twitter/X (130 komentar). Penelitian ini bertujuan mengklasifikasikan dan menganalisis sentimen publik terhadap kasus tersebut menggunakan algoritma Naive Bayes Classifier . Data dikumpulkan secara manual selama 34 hari (4 April–8 Mei 2026) sebanyak 500 komentar: 300 dari Instagram dan 200 dari Twitter/X. Preprocessing menggunakan perpustakaan PySastrawi meliputi pembersihan teks, case lipat , tokenisasi, stopword removal , dan stemming . Pelabelan sentimen menggunakan sistem skoring leksikon rentang -4,0 hingga +9,5 yang dikonversi menjadi tiga kelas: Positif (+1), Negatif (-1), dan Netral (0), dengan nilai Cohen's Kappa 0,82. Data dibagi 80:20 menjadi 400 data latih dan 100 data uji. Sentimen sebaran: 269 Netral (53,8%), 164 Negatif (32,8%), dan 67 Positif (13,4%). Model Naive Bayes dengan fitur TF-IDF mencapai akurasi 87,0% dengan F1-Score rata-rata tertimbang 86,8%.
Relational Database Model Design to Support School Library Digitalization in Bekasi City Using Database Life Cycle Vion Age Tricahyo; Linda Ika Mayasari; Laylatul Munawaroh; Wisnu Putri Airmas Jati; Adam Surya Handika; Indra Ramadani Ridwan
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.v5i1.1214

Abstract

The digital transformation of school libraries in Bekasi City has become increasingly imperative to overcome the limitations of fragmented and non-integrated manual management systems currently implemented across educational institutions. Such conditions hinder efficient collection management, circulation monitoring, data reporting, and evidence-based decision-making, all of which are essential components in supporting school literacy programs. Library digitalization represents a strategic initiative to transform conventional library services into technology-enabled learning ecosystems. Through the integration of digital technologies, libraries can effectively manage both physical and electronic collections, provide seamless access to information resources, and foster students’ digital literacy competencies in alignment with the demands of contemporary education. This study aims to develop a centralized and standardized relational database model capable of supporting integrated digital library operations across schools in Bekasi City. To achieve this objective, the Database Life Cycle (DBLC) methodology was adopted as the primary framework for database development. The research process comprised four sequential phases: (1) requirements analysis, (2) Entity Relationship Diagram (ERD) design and database normalization, (3) physical database implementation using a Database Management System (DBMS), and (4) functional testing and validation of the database. By employing this systematic approach, the study produces a robust, scalable, and maintainable database blueprint that can serve as the foundational infrastructure for the development of an integrated digital school library platform in Bekasi City.
Ekstraksi Topik dan Deteksi Keberpihakan Portal Berita: Pendekatan Inverted Pyramid Prompting Menggunakan DeepSeek: Pendekatan Inverted Pyramid Prompting Menggunakan DeepSeek Hullio Kaisar Leisina; Faisal Farobi Ahmad; Suprianto; 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.v5i1.1218

Abstract

Media daring turut membentuk persepsi publik melalui pilihan isu dan cara pembingkaian pemberitaan, sehingga pemetaan kecenderungan keberpihakannya menjadi penting namun sulit dilakukan secara manual pada volume berita yang besar. Metode pembelajaran mesin klasik terkendala dalam menemukan topik yang belum diketahui dan mendeteksi sikap tersirat tanpa pelabelan manual yang masif. Penelitian ini bertujuan menemukan isu dominan dan mengklasifikasikan keberpihakan dua portal berita, yaitu Detik.com dan Kompas.com, terhadap pemerintah menggunakan model bahasa besar DeepSeek. Berita dikumpulkan melalui scraping tanpa kata kunci pada periode 1–31 Mei 2026, menghasilkan 27.789 artikel (2.200 dari Detik.com dan 25.589 dari Kompas.com). Untuk mengatasi batas token dan biaya, diterapkan ekstraksi teras berita berbasis prinsip piramida terbalik (inverted pyramid) dan two-pass prompting yang didukung context caching, sementara penemuan topik dan deteksi sikap dijalankan melalui prompting bertahap. Pemrosesan seluruh korpus menggunakan model deepseek-v4-flash hanya menelan biaya sebesar USD 1,56 atau diperkirakan sekitar 82% lebih hemat dibanding pemrosesan teks utuh. Pada evaluasi terhadap gold standard hasil anotasi manual (n = 12), klasifikasi sikap memperoleh akurasi 91,67% dan F1-Score makro 0,930. Pemetaan keberpihakan mengungkap bahwa mayoritas pemberitaan bersifat netral, dengan proporsi Pro-Pemerintah lebih tinggi pada Detik.com (32,9%) sementara proporsi Non-Pro-Pemerintah lebih tinggi pada Kompas.com (8,4%). Penelitian ini menunjukkan bahwa kombinasi DeepSeek, inverted pyramid, dan two-pass prompting merupakan pendekatan yang efektif dan efisien untuk analisis wacana media berskala besar tanpa pelabelan manual.

Page 47 of 49 | Total Record : 486

 45   46   47   48   49 

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