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 519 Documents
 48   49   50   51   52 
Sistem Irigasi Berbasis Internet Of Things (Iot) pada Budidaya Tanaman Tomat Menggunakan Metode Fuzzy K-Nearest Neighbor (F-Knn) Fenni Rosa; Noviyanti
Jurnal Komputer Teknologi Informasi Sistem Komputer (JUKTISI) Vol. 5 No. 2 (2026): September 2026
Publisher : LKP KARYA PRIMA KURSUS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62712/juktisi.v5i2.1248

Abstract

Budidaya tanaman tomat membutuhkan pengelolaan penyiraman yang tepat agar pertumbuhan tanaman dapat berjalan optimal. Proses penyiraman yang masih dilakukan secara manual menyebabkan penggunaan air kurang efisien karena belum mempertimbangkan kondisi kelembapan tanah dan suhu lingkungan secara langsung. Penelitian ini bertujuan untuk merancang sistem irigasi berbasis Internet of Things (IoT) pada budidaya tanaman tomat menggunakan metode Fuzzy K-Nearest Neighbor (F-KNN) untuk menentukan keputusan penyiraman secara otomatis. Sistem yang dikembangkan menggunakan sensor kelembapan tanah dan sensor suhu sebagai input data, NodeMCU ESP8266 sebagai mikrokontroler, relay sebagai pengendali pompa air, serta aplikasi Blynk sebagai media monitoring secara real-time. Data sensor yang diperoleh diproses melalui tahap fuzzifikasi untuk menghasilkan nilai derajat keanggotaan, kemudian dilakukan klasifikasi menggunakan metode F-KNN berdasarkan data latih yang tersedia. Hasil pengujian menunjukkan bahwa sistem mampu membaca kondisi lingkungan tanaman, melakukan proses klasifikasi, serta mengaktifkan dan menonaktifkan pompa air secara otomatis berdasarkan kondisi tanah. Pada pengujian data uji dengan kelembapan tanah 44% dan suhu 31°C, sistem menghasilkan keputusan pompa ON sehingga penyiraman dilakukan. Penerapan metode F-KNN pada sistem irigasi berbasis IoT mampu membantu proses penyiraman tanaman tomat secara otomatis dan meningkatkan efisiensi penggunaan air.
Sistem Informasi Stok Bahan Baku Berbasis Web Framework Laravel Pada Cafe 1/2 Kopi Tiam Sepakat Rasyid Abdur; Windi Irmayani; Muhammad Ifan Rifani Ihsan
Jurnal Komputer Teknologi Informasi Sistem Komputer (JUKTISI) Vol. 5 No. 2 (2026): September 2026
Publisher : LKP KARYA PRIMA KURSUS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62712/juktisi.v5i2.1290

Abstract

Permasalahan fundamental yang dialami oleh Cafe 1/2 Kopi Tiam Sepakat adalah pengelolaan manajemen persediaan bahan baku yang masih bergantung sepenuhnya pada pencatatan manual menggunakan medium buku besar konvensional. Pendekatan usang ini memicu serangkaian kendala operasional, mulai dari tingginya probabilitas kesalahan pencatatan oleh staf (human error), kesulitan pihak manajerial dalam melacak jumlah sisa stok fisik aktual secara cepat dan presisi, hingga risiko fatal berupa kehilangan atau kerusakan dokumen fisik yang mengacaukan audit bulanan. Sebagai solusi komprehensif, penelitian ini bertujuan untuk merancang dan mengimplementasikan sebuah Sistem Informasi Stok Bahan Baku terkomputerisasi berbasis web dengan memanfaatkan Framework Laravel dan pangkalan data MySQL. Metodologi yang diaplikasikan dalam pengembangan perangkat lunak ini adalah model Waterfall klasik yang sistematis. Proses validasi kelayakan sistem dieksekusi melalui metode Black-Box Testing untuk menguji fungsionalitas logika, dan User Acceptance Test (UAT) untuk mengukur tingkat kepuasan pengguna. Hasil pengujian Black-Box mengonfirmasi bahwa seluruh fitur beroperasi tanpa kecacatan (bug-free). Selanjutnya, evaluasi UAT yang melibatkan 12 responden internal kafe mencatatkan skor empiris sebesar 531 dari total 565 poin, yang menghasilkan persentase kelayakan absolut sebesar 94,63%. Angka ini membuktikan bahwa perangkat lunak yang dibangun masuk ke dalam kategori sangat layak dan secara efektif berhasil mengotomatisasi sirkulasi logistik, mengeliminasi kesalahan entri data melalui fitur Preset Barang, serta mengamankan jejak manipulasi data melalui penerapan Log Aktivitas (Audit Trail).
Implementasi Sistem Absensi Pegawai dengan Validasi Multi-Faktor Menggunakan Lokasi dan Dokumentasi Foto Veronika Devi; Santi Thomas
Jurnal Komputer Teknologi Informasi Sistem Komputer (JUKTISI) Vol. 5 No. 2 (2026): September 2026
Publisher : LKP KARYA PRIMA KURSUS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62712/juktisi.v5i2.1293

Abstract

Proses absensi pegawai yang masih dilakukan secara manual sering menimbulkan berbagai permasalahan, seperti kesalahan pencatatan, keterlambatan rekapitulasi data, serta kurang optimalnya pengawasan kehadiran pegawai. Penelitian ini bertujuan untuk mengimplementasikan sistem absensi pegawai berbasis website dengan validasi multi-faktor menggunakan lokasi dan dokumentasi foto di Kantor Desa Sebente. Sistem memanfaatkan teknologi GPS untuk validasi lokasi dan Face API untuk mendeteksi keberadaan wajah sebagai bukti kehadiran. Untuk meningkatkan akurasi data lokasi, penelitian ini menerapkan metode Mean Filtering yang digunakan untuk mengurangi fluktuasi koordinat GPS, sedangkan metode Euclidean Distance digunakan untuk menghitung jarak antara lokasi pegawai dan lokasi kantor. Metode penelitian yang digunakan adalah metode kuantitatif dengan teknik pengumpulan data berupa observasi, wawancara, dokumentasi, dan diskusi. Hasil penelitian menunjukkan bahwa sistem berhasil diimplementasikan dan mampu melakukan validasi lokasi serta dokumentasi foto secara otomatis. Berdasarkan pengujian, sistem mampu menentukan validitas kehadiran sesuai radius yang ditetapkan sehingga dapat meningkatkan akurasi data kehadiran, mengurangi potensi kecurangan, serta mendukung pengelolaan absensi yang lebih efektif, efisien, dan transparan.
Analisis Strategi Konten Instagram @Kampuszone dalam Mendapatkan Engagement Rate Menggunakan Metode IPA (Importance Performance Analysis) Neni Anggreni Arofah; Haris Satriyawan
Jurnal Komputer Teknologi Informasi Sistem Komputer (JUKTISI) Vol. 5 No. 2 (2026): September 2026
Publisher : LKP KARYA PRIMA KURSUS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62712/juktisi.v5i2.1295

Abstract

Perkembangan media sosial mendorong pengelola konten digital untuk menyusun strategi yang terukur guna meningkatkan keterlibatan audiens. Penelitian ini bertujuan menganalisis strategi konten Instagram @KampusZone berdasarkan tingkat kepentingan dan kinerja delapan indikator menggunakan metode Importance Performance Analysis (IPA), sekaligus menyusun rekomendasi strategis berdasarkan hasil pemetaan kuadran. Penelitian menggunakan pendekatan kuantitatif deskriptif dengan teknik purposive sampling terhadap 100 responden dari total 234.000 pengikut akun @KampusZone, yang ditentukan menggunakan rumus Slovin dengan margin of error 10%. Data dikumpulkan melalui kuesioner daring menggunakan skala Likert 1 sampai 5 dan dianalisis menggunakan diagram kartesius IPA. Hasil penelitian menunjukkan nilai rata-rata kinerja keseluruhan = 3,841 dan kepentingan = 4,046, dengan distribusi delapan indikator di tiga kuadran. Tidak ada indikator di kuadran I. Empat indikator masuk kuadran II, yaitu kualitas visual, keunikan/kreativitas konten, kejelasan caption, dan kesesuaian format. Tiga indikator masuk kuadran III, yaitu kesesuaian topik, konsistensi unggahan, dan interaktivitas konten. Satu indikator masuk kuadran IV, yaitu kejelasan informasi. Temuan ini menunjukkan bahwa @KampusZone perlu mempertahankan kekuatan di kuadran II dan mengoptimalkan indikator di kuadran III melalui strategi konten yang lebih terencana dan interaktif.
Pipeline Ekstraksi Adaptif untuk Otomatisasi Administrasi Kependudukan Sistem Informasi Desa Reza Ikhsanda; Wahyu Nugraha; Rabiatus Saadah
Jurnal Komputer Teknologi Informasi Sistem Komputer (JUKTISI) Vol. 5 No. 2 (2026): September 2026
Publisher : LKP KARYA PRIMA KURSUS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62712/juktisi.v5i2.1301

Abstract

Administrasi kependudukan di tingkat desa masih banyak bergantung pada pengetikan ulang data Kartu Keluarga secara manual sehingga lambat dan rentan kesalahan. Penelitian ini bertujuan mengembangkan PEDEs, sistem informasi desa berbasis web yang mengotomatisasi ekstraksi data Kartu Keluarga dari berkas PDF melalui pipeline ekstraksi adaptif. Sistem menganalisis struktur internal berkas PDF, lalu memilih jalur teks bila tersedia lapisan teks digital atau jalur visual dengan pra-pemrosesan citra bila berkas hanya berupa hasil pemindaian, kemudian melakukan ekstraksi dokumen semantik untuk menghasilkan data terstruktur berformat JSON. Stabilitas proses dijaga melalui sistem antrian dan pembatasan laju, sedangkan keakuratan dijaga melalui sanitasi otomatis dan verifikasi operator. Sistem dibangun menggunakan Laravel, Inertia.js, dan React serta memanfaatkan layanan Groq sebagai mesin ekstraksi semantik. Pengujian fungsional black-box terhadap 24 skenario seluruhnya berstatus sesuai. Pengujian akurasi pada 17 dokumen menghasilkan precision 92,00% dan F1-score rata-rata 85,44%, dengan 98,59% pada PDF digital dan 96,38% pada PDF hasil pemindaian. Dibandingkan proses manual, sistem memangkas waktu pemrosesan dari 120 detik menjadi 10 detik per dokumen (91,67%). Hasil ini menunjukkan pipeline ekstraksi adaptif mampu mempercepat administrasi kependudukan desa sekaligus menekan human error.
Implementasi Ensemble Learning untuk Multi-Step Time Series Forecasting Harga Bitcoin dan Emas Menggunakan XGBoost, Gradient Boosting dan Random forest Leo Kanda Prayoga; Deasy Purwaningtias; Ali Mustopa
Jurnal Komputer Teknologi Informasi Sistem Komputer (JUKTISI) Vol. 5 No. 2 (2026): September 2026
Publisher : LKP KARYA PRIMA KURSUS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62712/juktisi.v5i2.1303

Abstract

Prediksi harga aset keuangan seperti Bitcoin dan emas merupakan salah satu tantangan dalam analisis data keuangan karena pergerakannya yang dinamis dan sulit diprediksi. Penelitian ini mengimplementasikan metode ensemble learning yang terdiri dari Random Forest, Gradient Boosting, dan XGBoost untuk memprediksi harga Bitcoin dan emas menggunakan pendekatan multi-step time series forecasting. Dataset diperoleh dari Yahoo Finance untuk periode 2021–2026 dan diproses menggunakan 59 fitur teknikal yang mencakup indikator momentum, volatilitas, tren, dan pola candlestick. Target regresi ditransformasikan ke dalam bentuk log-return untuk meningkatkan stabilitas model terhadap pergeseran skala harga (distribution shift), sementara arah pergerakan harga diprediksi menggunakan model klasifikasi biner. Hasil pengujian menunjukkan bahwa Random Forest menghasilkan performa regresi terbaik pada kedua aset. Pada data Bitcoin diperoleh MAE sebesar 1.541,79, RMSE sebesar 2.130,74, MAPE sebesar 1,6850%, dan R² sebesar 0,9858. Pada data emas diperoleh MAE sebesar 55,64, RMSE sebesar 83,58, MAPE sebesar 1,2957%, dan R² sebesar 0,9825. Untuk klasifikasi arah pergerakan harga, Gradient Boosting menghasilkan akurasi tertinggi pada Bitcoin sebesar 50,00%, sedangkan Random Forest menghasilkan akurasi terbaik pada emas sebesar 53,75% dengan Recall sebesar 71,01%. Selain itu, dilakukan simulasi prediksi harga 7 hari ke depan menggunakan pendekatan recursive forecasting.
Analisis Penerimaan dan Kepuasan Pengguna Si-Rames terhadap Peningkatan Kualitas Pelayanan Kesehatan di Puskesmas dengan Pendekatan TAM Achmad Maezar Bayu Aji; Biktra Rudianto; Nanang Nuryadi; Wina Widiati; Baginda Oloan Lubis
Jurnal Komputer Teknologi Informasi Sistem Komputer (JUKTISI) Vol. 5 No. 2 (2026): September 2026
Publisher : LKP KARYA PRIMA KURSUS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62712/juktisi.v5i2.1305

Abstract

Perkembangan teknologi informasi mendorong penerapan rekam medis elektronik untuk meningkatkan kualitas pelayanan kesehatan di Puskesmas. Namun, gangguan pada sistem utama, seperti server down, error aplikasi, atau kegagalan integrasi data, dapat menghambat proses pelayanan dan pencatatan rekam medis. SI-RAMES (Sistem Informasi E-Rekam Medis Sementara) dikembangkan sebagai sistem cadangan yang digunakan ketika sistem utama mengalami gangguan, sehingga proses pelayanan tetap berjalan secara efektif dan data pasien tetap dapat terdokumentasi dengan baik. Penelitian ini bertujuan untuk menganalisis tingkat penerimaan pengguna terhadap SI-RAMES menggunakan model Technology Acceptance Model (TAM), yang mencakup tiga variabel utama, yaitu Perceived Usefulness, Perceived Ease of Use, dan Attitude Toward Using. Metode penelitian menggunakan pendekatan kuantitatif dengan teknik survei terhadap 25 tenaga kesehatan yang berasal dari lima Puskesmas di Kabupaten Banyumas. Data penelitian dikumpulkan melalui kuesioner berbasis skala Likert dan dianalisis menggunakan perangkat lunak IBM SPSS Statistics versi 25. Hasil penelitian menunjukkan bahwa Perceived Usefulness dan Perceived Ease of Use berpengaruh signifikan secara simultan terhadap Attitude Toward Using dengan kontribusi sebesar 56,2%. Temuan ini menunjukkan bahwa SI-RAMES diterima dengan baik oleh pengguna serta mampu mendukung optimalisasi pelayanan kesehatan saat terjadi gangguan pada sistem utama.
Perbandingan Naïve Bayes dan Random Forest untuk Klasifikasi Sentimen Ulasan Produk Amazon Fire HD 7 Khabib Tri Anggara Anggara; Rahmad Syukur Gea; Hendra S upendar; Riza Fahlapi
Jurnal Komputer Teknologi Informasi Sistem Komputer (JUKTISI) Vol. 5 No. 2 (2026): September 2026
Publisher : LKP KARYA PRIMA KURSUS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62712/juktisi.v5i2.1315

Abstract

Product reviews on e-commerce platforms contain valuable consumer opinions that are important for both prospective buyers and brand managers. However, the large volume of reviews makes manual analysis difficult. This study compares the performance of the Naïve Bayes and Random Forest algorithms in classifying the sentiment of Amazon Fire HD 7 product reviews into three categories: positive, neutral, and negative. A total of 30,846 English-language reviews were processed through text preprocessing and TF-IDF feature weighting, then split using a stratified 80:20 ratio. Both models were evaluated using accuracy, as well as macro-averaged precision, recall, and F1-score. The results indicate metric-dependent performance differences: Random Forest achieved higher accuracy (0.856 vs. 0.770), whereas Naïve Bayes outperformed Random Forest in terms of macro F1-score (0.481 vs. 0.447), which is the primary evaluation metric for imbalanced datasets. Random Forest tended to predict the majority class (positive), resulting in weaker performance on the neutral and negative classes, while Naïve Bayes produced more balanced predictions across all classes. These findings demonstrate that accuracy can be misleading when evaluating imbalanced datasets and that the macro F1-score provides a more representative measure for assessing multiclass sentiment classification performance.
Perbandingan Metode Support Vektor Machine dan Random Forest untuk Analisis Sentimen Ulasan Adapundi dan Kreditpintar di Google Playstore Lupias; Panny Agustia Rahayuningsih; Muhammad Rezki
Jurnal Komputer Teknologi Informasi Sistem Komputer (JUKTISI) Vol. 5 No. 2 (2026): September 2026
Publisher : LKP KARYA PRIMA KURSUS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62712/juktisi.v5i2.1324

Abstract

Layanan pinjaman online (pinjol) seperti AdaPundi dan KreditPintar menghasilkan ribuan ulasan pengguna di Google Play Store yang bersifat tidak terstruktur, sehingga sulit dianalisis secara manual untuk memahami persepsi publik. Penelitian ini bertujuan membandingkan performa algoritma Support Vector Machine (SVM) dan Random Forest dalam mengklasifikasikan sentimen ulasan kedua aplikasi tersebut, serta mengidentifikasi kata kunci yang membentuk sentimen positif dan negatif. Data dikumpulkan melalui scraping sebanyak 4.998 ulasan, dibersihkan menjadi 2.739 baris, dan diberi label sentimen berdasarkan rating (1–3 negatif, 4–5 positif), menghasilkan proporsi 69,19% positif dan 30,81% negatif. Pra-pemrosesan teks dilakukan melalui sepuluh tahap dengan modifikasi khusus berupa proteksi kata negasi, menghasilkan 2.695 data bersih yang selanjutnya diekstraksi menjadi fitur TF-IDF (matriks 2.695×1.204, sparsity 99,48%). Ketidakseimbangan kelas ditangani melalui class_weight='balanced' tanpa SMOTE. Hasil pengujian pada data uji menunjukkan SVM kernel RBF memperoleh akurasi 87,76%, F1-Score 0,8794, dan MCC 0,7276, mengungguli Random Forest yang memperoleh akurasi 86,64%, F1-Score 0,8670, dan MCC 0,6919, meskipun Random Forest mencatat ROC-AUC lebih tinggi (0,9216 berbanding 0,9077). Validasi 5-fold cross validation menguatkan temuan ini secara konsisten. Perbandingan kedua aplikasi menunjukkan AdaPundi memperoleh sentimen lebih positif (74,4%) dibandingkan KreditPintar (63,8%), dengan kata "tolak" menjadi penanda khas keluhan pada KreditPintar terkait penolakan pengajuan pinjaman.
Pengembangan Sistem Deteksi Stunting Balita Berbasis Web Menggunakan Pendekatan OOAD dan Standar Z-Score WHO Ahyath; Muhammat Zahrani2; Alfitra Rayadi; Sbastyan Gilberth Zhafif Arnowo; Widiatry
Jurnal Komputer Teknologi Informasi Sistem Komputer (JUKTISI) Vol. 5 No. 2 (2026): September 2026
Publisher : LKP KARYA PRIMA KURSUS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62712/juktisi.v5i2.1327

Abstract

Masalah utama penelitian ini adalah tingginya prevalensi stunting balita di Indonesia yang mencapai 19,8 persen pada tahun 2024 serta kurangnya sistem pemantauan gizi digital yang dibangun dengan rekayasa perangkat lunak terstruktur. Solusi yang ditawarkan dari permasalahan tersebut adalah pengembangan platform StanGuard yaitu sebuah sistem informasi deteksi dini stunting berbasis web. Tujuan penelitian ini adalah merancang dan mengembangkan sistem deteksi stunting yang akurat menggunakan pendekatan Object-Oriented Analysis and Design atau OOAD. Pendekatan OOAD dipilih untuk memastikan arsitektur perangkat lunak yang modular dan terukur. Penentuan status gizi pada sistem ini diintegrasikan langsung dengan algoritma perhitungan berstandar Z-Score dari World Health Organization guna menjamin keakuratan hasil diagnosis awal. Pengujian fungsionalitas sistem dilakukan melalui metode Black-box Testing menggunakan teknik Equivalence Partitioning dan Boundary Value Analysis. Hasil penelitian menunjukkan bahwa sistem beroperasi dengan tingkat keberhasilan 100 persen dalam memvalidasi input pengguna serta mengelola rentang nilai batas usia balita antara 0 hingga 60 bulan secara presisi. Sistem ini berhasil mengklasifikasikan status gizi secara valid sesuai parameter medis. Penggabungan metode OOAD dan algoritma Z-Score WHO terbukti menciptakan sistem pemantauan yang efisien untuk mendukung percepatan penurunan stunting

Page 50 of 52 | Total Record : 519

 48   49   50   51   52 

Filter by Year

2022 2026


Reset
Filter By Issues
All Issue Vol. 5 No. 2 (2026): September 2026 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