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 
prediksi Prediksi Harga Emas di Indonesia Menggunakan Machine Learning Ningsih Septi Uli Purba; Saudurma Seven Septiana Sidabutar; Wulan Liviana Simbolon; Febi Indriyani Sitohang; Syuri Maharani Samosir; Jaya Tata Hardinata
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.v5i1.1261

Abstract

Emas merupakan instrumen investasi utama di Indonesia yang berfungsi sebagai pelindung nilai aset, namun pergerakan harganya yang dinamis dan sangat fluktuatif—dipengaruhi oleh faktor pasar domestik maupun internasional menjadi tantangan tersendiri bagi para pelaku usaha dan investor. Penelitian ini bertujuan untuk membangun dan menguji kinerja model prediksi harga emas di Indonesia menggunakan pendekatan Machine Learning, dengan memanfaatkan data historis harga acuan utama yaitu ANTAM (mulai dari nilai dasar Rp2.970.000), GALERI24, dan UBS. Tahapan penelitian meliputi analisis eksplorasi data menggunakan Microsoft Power BI untuk melihat pola hubungan antar variabel, serta pemodelan dan pengujian menggunakan perangkat lunak Orange Data Mining dengan penerapan empat algoritma: Neural Network, k-Nearest Neighbors (kNN), Random Forest, dan Decision Tree. Hasil analisis menunjukkan adanya korelasi positif yang sangat kuat dan pola keterkaitan yang jelas antara ketiga sumber harga tersebut. Hasil pengujian model membuktikan bahwa algoritma Random Forest memberikan kinerja paling optimal dengan nilai AUC (Area Under Curve) sebesar 0,987 dan tingkat akurasi klasifikasi tertinggi, diikuti oleh Neural Network (0,972), kNN (0,895), dan Decision Tree (0,780). Model ini terbukti efektif menangkap pola hubungan yang rumit antar variabel, sehingga dapat dijadikan alat bantu keputusan yang andal bagi masyarakat, pedagang, maupun investor dalam merencanakan strategi pembelian dan penjualan emas yang tepat.
Perbandingan Metode Naive Bayes, Decision Tree, dan Support Vector Machine dalam Analisis Sentimen Pengguna terhadap Aplikasi E-Wallet Dana Muhamad Dimas Adityawarman; Windi Irmayani; Muhammad Ifan Rifani Ihsan
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.v5i1.1267

Abstract

This research is motivated by the rapid growth of financial technology in Indonesia, where the DANA application has become the most popular digital wallet (e-wallet) with over 200 million registered users . The high usage of this application results in an abundance of reviews on the Google Play Store, representing both customer satisfaction and complaints . The problem addressed in this research is how to automatically process these textual reviews and determine the best classification method among the three tested Machine Learning algorithms . This research aims to analyze and compare the accuracy performance of Naive Bayes, Decision Tree, and Support Vector Machine (SVM) algorithms in classifying user sentiment . The method used in this research is a computational quantitative approach, utilizing a secondary data collection technique consisting of 50,000 reviews from the Google Play Store via Kaggle . The analysis process was conducted by applying five stages of text preprocessing, feature weighting using Term Frequency-Inverse Document Frequency (TF-IDF), handling data imbalance using the Synthetic Minority Over-sampling Technique (SMOTE), data splitting (80% training data and 20% testing data), and model evaluation using a Confusion Matrix . The results showed that the Naive Bayes algorithm had the most superior performance with an accuracy rate of 80%, followed by Decision Tree and Support Vector Machine (SVM), each obtaining an accuracy of 78% . Therefore, it can be concluded that the Naive Bayes algorithm is the most optimal and stable method for conducting sentiment analysis classification on e-wallet application review text data after the class distribution is equalized.
Rancang Bangun Sistem Informasi Rental Mobil Berbasis Web Terintegrasi WhatsApp Chatbot CV Domia Group Flavius Pratama Putra; 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.v5i1.1271

Abstract

Abstract The development of information technology has brought fundamental changes to various industrial sectors, including the vehicle rental business. CV Domia Group still faces operational problems in managing vehicle data, consumer data, rental transactions, and information services that are still carried out conventionally. This study aims to design and implement a Web-Based Car Rental Information System integrated with WhatsApp Chatbot as a means of automatic vehicle booking. The system development method applied is the Waterfall model with the stages of needs analysis, design, implementation, testing, and maintenance. The system was built using the PHP programming language with the CodeIgniter 3 framework and MySQL database, and integrated with WhatsApp Chatbot through the SunWa Application Programming Interface to automate information services and vehicle bookings. Test results using the Black Box Testing method show that all system functionality runs according to user needs. The developed system is proven to optimize the integrated management of car rental operational data, shorten the vehicle booking process, and improve the effectiveness of service to CV Domia Group Sanggau customers.
Penerapan Business Process Improvement dengan Lean Six Sigma pada Sistem Layanan Digital di Pondok Pesantren Syafa'aturrasul Imam Hilmi Khairy; Faris Muslihul Amin; Noor Wahyudi
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.v5i1.1275

Abstract

Pondok Pesantren Syafa'aturrasul telah mengadopsi dua sistem digital utama, yaitu aplikasi Qrion untuk pemantauan aktivitas santri dan sistem unit usaha cashless On-Card. Namun, penggunaan teknologi tersebut masih menyisakan tantangan operasional berupa pemborosan waktu dan kesalahan data akibat prosedur manual yang belum terintegrasi. Penelitian ini bertujuan untuk memetakan proses bisnis berjalan (As-Is), menganalisis waste dan kapabilitas proses, serta merancang model proses usulan (To-Be) yang lebih efisien menggunakan pendekatan Business Process Improvement (BPI) dan Lean Six Sigma. Metode penelitian yang digunakan adalah kualitatif dengan rancangan studi kasus. Pengumpulan data dilakukan melalui wawancara semi-terstruktur, observasi langsung, dan analisis dokumen internal. Pemodelan proses bisnis menggunakan BPMN dan simulasi dengan Bizagi Modeler. Hasil penelitian menunjukkan bahwa keempat proses layanan digital (pendaftaran akun, transaksi unit usaha, top-up saldo, dan pergantian kartu) masih didominasi aktivitas manual dengan rata-rata DPMO sebesar 50.417 (setara sigma level 3,14). Tiga jenis waste dominan yang teridentifikasi adalah waste of waiting, waste of defect, dan waste of overprocessing. Rancangan proses usulan (To-Be) yang mengintegrasikan otomatisasi pada aplikasi Qrion berhasil memangkas rata-rata cycle time sebesar 90,63%, menurunkan utilisasi staf Admin sebesar 98,6%, serta menekan jumlah cacat operasional sebesar 72,4%. Proyeksi peningkatan sigma level menjadi 4,19 dengan DPMO 3.532. Penelitian ini membuktikan bahwa penerapan BPI dengan pendekatan Lean Six Sigma secara simulatif mampu mengidentifikasi, mengukur, dan mengeliminasi waste operasional pada sistem layanan digital pesantren.
Sistem Informasi Layanan Desa Berbasis Web Terintegrasi WhatsApp Chatbot untuk Pengajuan Surat Jonius Gunadi; 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.v5i1.1284

Abstract

Pelayanan administrasi desa yang masih dilakukan secara manual menyebabkan proses pengajuan surat, penyampaian informasi, dan pengaduan masyarakat menjadi kurang efektif. Masyarakat juga sering mengalami kesulitan memperoleh informasi mengenai persyaratan administrasi serta harus datang langsung ke kantor desa untuk mengakses layanan. Penelitian ini bertujuan merancang, membangun, mengimplementasikan, dan menguji sistem informasi pelayanan desa berbasis web yang terintegrasi dengan WhatsApp Chatbot untuk mendukung pengajuan surat dan pengaduan masyarakat. Metode pengembangan sistem yang digunakan adalah Waterfall yang meliputi analisis kebutuhan, perancangan, implementasi, pengujian, dan pemeliharaan. Sistem dikembangkan menggunakan website sebagai media pengelolaan data publikasi, pengajuan surat, dan pengaduan masyarakat, sedangkan WhatsApp Chatbot digunakan untuk memberikan informasi persyaratan administrasi, menerima pengajuan surat, dan menampung pengaduan secara otomatis. Pengujian sistem dilakukan menggunakan metode Black Box Testing. Hasil penelitian menunjukkan bahwa seluruh fungsi sistem berjalan sesuai dengan kebutuhan pengguna. Sistem mampu mengelola publikasi desa, pengajuan surat, dan pengaduan masyarakat melalui website serta menyediakan layanan otomatis melalui WhatsApp Chatbot. Dengan demikian, sistem yang dikembangkan dapat meningkatkan efektivitas pelayanan administrasi desa, mempercepat penyampaian informasi, serta memudahkan masyarakat mengakses layanan kapan saja melalui WhatsApp.
Perbandingan Sentimen Ulasan Pengguna Aplikasi Brainly dan Ruangguru Menggunakan Naïve bayes, KNN, Decision Tree Adrianus Windi; Panny Agustia Rahayuningsih; Muhammad Rezki
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.v5i1.1294

Abstract

Sentiment analysis is an important way to understand user opinions about digital education apps, as the number of reviews on the Google Play Store is too large to be manually analyzed one by one. This study compares three machine learning methods, namely Naïve Bayes, K-Nearest Neighbor (KNN), and Decision Tree, to classify sentiments from user reviews of the Brainly and Ruang Guru apps. Data were collected by scraping 8,000 reviews from the Google Play Store, i.e., 4,000 reviews per app, from May to June 2026; after removing duplicate reviews, 6,151 reviews remained, consisting of 2,836 reviews for Brainly and 3,315 reviews for Ruang Guru. Sentiment labels were arranged based on the number of stars (1–3 means negative, 4–5 means positive), resulting in an unbalanced distribution of 79.8% positive and 20.2% negative. The text was processed through nine pre-processing stages specifically used for informal Indonesian. Features were then extracted using the TF-IDF method, resulting in 2,398 features and a viewing rate of 99.78%. The training data was quantity-equalized using the SMOTE technique, and the model was optimized with GridSearchCV using StratifiedKFold with 5 data splits. In the tuning and SMOTE scenarios, the Naïve Bayes method showed the best performance with an accuracy of 82.78%, an F1-Score of 83.79%, and an ROC-AUC of 88.44%, which was better than Decision Tree and KNN. Interestingly, the Naïve Bayes method without using SMOTE actually achieved the highest overall accuracy of 88.95%, indicating that using SMOTE on high-dimensional TF-IDF data does not always improve model performance. Differentiating keyword analysis helps to identify positive sentiments such as 'helpful', 'easy', and 'best', as well as negative sentiments such as 'trash', 'ads', and 'error', which can be used as a benchmark in providing service quality by the second application developer.

Page 49 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