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 558 Documents
 51   52   53   54   55 
Analisis Big Data Metadata CERN Berbasis Cloud Computing Menggunakan Algoritma Z-Score Outlier Detection Lastri Putri Silaban Silaban; Muhammad Tsabat Muhyiyuddin; Zevan Irfan Surbakti
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.v5i2.939

Abstract

Penelitian ini bertujuan untuk mengidentifikasi anomali serta mengenali pola tersembunyi pada dataset metadata eksperimen ATLAS berskala Big Data yang bersumber dari CERN Open Data. Permasalahan utama dalam penelitian ini adalah tingginya variasi jumlah kejadian fisika (events) yang menyulitkan proses analisis dan interpretasi data secara akurat. Untuk mengatasi permasalahan tersebut, penelitian ini menerapkan pendekatan Knowledge Discovery in Database (KDD) berbasis komputasi awan (Cloud Computing) yang meliputi agregasi data, komputasi statistik deskriptif, analisis kemiringan distribusi (skewness), Z-Score Outlier Detection, dan pengenalan pola sekuensial (pattern recognition). Hasil analisis terhadap 374 dataset menunjukkan rata-rata jumlah kejadian sebesar 5.075.259,44 events dengan standar deviasi 18.689.769,53 events, di mana distribusi populasi terkonfirmasi memiliki tingkat kemiringan positif yang ekstrem (Right-Skewed). Berdasarkan perhitungan Z-Score dengan ambang batas |Z| > 3, ditemukan sebanyak 6 dataset (sekitar 1,6%) yang teridentifikasi sebagai anomali ekstrem. Lebih lanjut, analisis tren sekuensial dan visualisasi spasial membuktikan bahwa anomali tersebut tidak terjadi secara acak, melainkan membentuk klaster sistemik yang terpusat pada rentang batch observasi tertentu. Integrasi metode Z-Score dan pengenalan pola ini terbukti efektif dalam memvalidasi kualitas data (Veracity) serta mengekstraksi informasi operasional pada dataset saintifik berskala masif.
Sistem Penilaian Karyawan Menggunakan Metode PSI Pada PT. Medan Tropical Canning dan Frozen Industries Zulham; Muhammad Fakhrian; M.Arif Rahman
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.v5i2.957

Abstract

Perkembangan teknologi informasi memberikan dampak signifikan dalam meningkatkan efisiensi dan efektivitas proses bisnis, termasuk dalam penilaian kinerja karyawan. PT. Medan Tropical Canning dan Frozen Industries merupakan perusahaan yang bergerak di bidang produksi makanan kaleng berbahan dasar ikan tuna yang membutuhkan sistem penilaian kinerja yang objektif untuk mendukung keputusan promosi. Proses penilaian yang masih dilakukan secara manual menimbulkan permasalahan seperti subjektivitas dan ketidakakuratan dalam menentukan karyawan terbaik. Penelitian ini bertujuan untuk merancang sistem penilaian kinerja karyawan berbasis web menggunakan bahasa pemrograman PHP dan database MySQL dengan menerapkan metode Preference Selection Index (PSI) sebagai metode pengambilan keputusan. Metode PSI digunakan untuk melakukan perhitungan berdasarkan beberapa kriteria sehingga menghasilkan nilai preferensi dan peringkat karyawan secara objektif. Hasil penelitian menunjukkan bahwa sistem mampu menghasilkan perangkingan karyawan secara akurat, di mana diperoleh 5 karyawan terbaik berdasarkan nilai tertinggi, yaitu Kundara Darwinsyah, Arifin Saputra, Jayaanto, Eko Suryatno, dan Arif Hidayat. Sistem ini terbukti dapat meningkatkan objektivitas, transparansi, dan efisiensi dalam proses penilaian kinerja karyawan serta membantu manajemen dalam pengambilan keputusan promosi jabatan.
Implementasi Deterministic Finite Automata (DFA) pada Game Statecraft Sebagai Media Pembelajaran Interaktid Teori Bahasa Claudia Agatha Br. Trigan; Zulfahmi Indra; Triwanti Andini Hutasoit; Jonathan Rio Gultom
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.v5i2.1169

Abstract

Materi Deterministic Finite Automata (DFA) dalam mata kuliah Teori Bahasa dan Otomata sering kali sulit dipahami mahasiswa karena penyampaiannya yang sangat teoretis dan minim visualisasi. Untuk mengatasi permasalahan tersebut, penelitian ini mengembangkan "StateCraft", sebuah game tebak kata interaktif sebagai media pembelajaran otomata yang aplikatif dan mudah dipahami. Sistem utama permainan ini menerapkan aturan formal 5-tuple DFA M = (Q, Σ, δ, q0​, F), di mana setiap huruf yang diketik pemain langsung diproses sebagai transisi state pada mesin. StateCraft dibangun menggunakan HTML5, Tailwind CSS yang dilengkapi sepuluh tema warna adaptif untuk meningkatkan kenyamanan visual pengguna, serta Vis.js untuk menampilkan diagram transisi secara otomatis dan real-time. Evaluasi dilakukan dengan metode Black-box testing guna menguji seluruh fungsionalitas aplikasi. Hasil pengujian menunjukkan tingkat keberhasilan 100% pada akurasi perpindahan state mesin, berfungsinya fitur pengurangan nyawa saat pemain mengalami kekalahan (permadeath), serta kelancaran perubahan grafik visual tanpa kendala. Berdasarkan hasil tersebut, StateCraft terbukti bekerja secara akurat, interaktif, dan layak digunakan sebagai alat bantu belajar alternatif yang menarik serta membantu mahasiswa memahami konsep DFA secara praktis.
Implementasi Sistem Informasi Akademik Terintegrasi (SIMAT) Berbasis Web: Studi Kasus Universitas Nias Arliyanto Zai; Jurisman Waruwu
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.v5i2.1351

Abstract

Pengelolaan data akademik merupakan aspek penting dalam mendukung kelancaran proses akademik di perguruan tinggi. Namun, pada banyak perguruan tinggi swasta, termasuk Universitas Nias, pengelolaan data akademik masih menghadapi berbagai kendala, seperti keterlambatan pelayanan, duplikasi data, serta kurangnya integrasi antar unit kerja. Kondisi tersebut berdampak pada rendahnya efisiensi administrasi akademik dan kualitas layanan informasi. Penelitian ini bertujuan untuk mengimplementasikan Sistem Informasi Akademik Terintegrasi (SIMAT) berbasis web sebagai solusi untuk meningkatkan efisiensi dan akurasi pengelolaan data akademik di Universitas Nias. Metode pengembangan sistem yang digunakan adalah metode Waterfall yang meliputi tahapan analisis kebutuhan, perancangan sistem, implementasi, pengujian, dan pemeliharaan. Studi kasus dilakukan di Universitas Nias dengan fokus pada modul akademik inti, yaitu pengelolaan data mahasiswa, dosen, mata kuliah, Kartu Rencana Studi (KRS), dan nilai akademik. Pengujian sistem dilakukan menggunakan metode black box testing untuk memastikan seluruh fungsi sistem berjalan sesuai kebutuhan pengguna. Hasil penelitian menunjukkan bahwa implementasi SIMAT mampu mempercepat proses administrasi akademik, meningkatkan konsistensi data, serta mempermudah akses informasi akademik bagi mahasiswa dan dosen di Universitas Nias. Dengan demikian, SIMAT berbasis web dapat menjadi solusi efektif dalam meningkatkan kualitas layanan akademik di Universitas Nias.
Deteksi Dini Diabetes Melitus Tipe 2 Berdasarkan Data Rekam Medis Pasien RSUD Pintu Padang Kabupaten Tapsel Menggunakan Algoritma Random Forest Adzkia Nur Nasution; Zulfahmi Indra
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.v5i2.1359

Abstract

Diabetes melitus tipe 2 merupakan penyakit kronis yang kasusnya terus bertambah dari tahun ke tahun, termasuk di wilayah Tapanuli Selatan. Persoalan yang muncul di lapangan adalah banyaknya pasien yang baru mengetahui kondisinya setelah penyakit berkembang cukup jauh, sebagian karena sistem skrining yang ada masih bersifat konvensional dan bergantung sepenuhnya pada evaluasi klinis manual. Penelitian ini berupaya menjawab persoalan tersebut dengan membangun model deteksi dini berbasis machine learning menggunakan data rekam medis pasien RSUD Pintu Padang. Algoritma yang digunakan adalah random forest, sebuah pendekatan ensemble learning yang menggabungkan banyak pohon keputusan (decision tree) untuk menghasilkan prediksi yang lebih stabil dan akurat.. Hasil evaluasi model menunjukkan kinerja yang cukup baik. Algoritma random forest menghasilkan nilai akurasi sebesar 80,82%, yang berarti model mampu mengklasifikasikan sebagian besar data secara tepat. Nilai presisi dan recall masing-masing berada di angka 75%, yang mencerminkan keseimbangan antara kemampuan model dalam mendeteksi kasus positif secara benar serta meminimalkan prediksi yang keliru. F1-score yang diperoleh juga sebesar 75%, mengonfirmasi bahwa model memiliki keseimbangan yang baik antara presisi dan recall dalam kondisi data yang tidak sepenuhnya seimbang. Penelitian ini menunjukkan bahwa pemanfaatan data rekam medis yang telah tersedia di fasilitas kesehatan daerah, jika diolah dengan pendekatan yang tepat, dapat menghasilkan alat bantu prediksi yang praktis dan bernilai klinis. Sistem yang dikembangkan diharapkan mampu mendukung pengambilan keputusan medis lebih awal serta berkontribusi pada peningkatan kualitas layanan kesehatan di tingkat daerah
Komparasi Algoritma Machine Learning untuk Prediksi Risiko Burnout Akademis Akibat Penggunaan Generative AI Ophelius Savero Rinyuakng Rolin; Wahyu Nugraha; Rabiatus Sa'adah
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.v5i2.1366

Abstract

Perkembangan Generative AI (GenAI) dalam pendidikan tinggi memunculkan fenomena baru berupa peningkatan risiko burnout akademis mahasiswa yang tidak lagi semata dipicu oleh beban belajar konvensional, melainkan oleh pola interaksi dengan kecerdasan buatan. Penelitian ini bertujuan membandingkan kinerja tiga algoritma Machine Learning, yaitu Logistic Regression, Random Forest Classifier, dan XGBoost, dalam mengklasifikasikan tingkat risiko burnout akademis (High, Medium, Low) berdasarkan data profil 50.000 mahasiswa dengan 16 atribut, termasuk durasi penggunaan GenAI mingguan (Weekly_GenAI_Hours) dan tingkat ketergantungan psikologis terhadap AI (Perceived_AI_Dependency). Metode penelitian meliputi eksplorasi data, pra-pemrosesan (encoding, normalisasi, pembagian data latih-uji 80:20), pelatihan model baseline, optimasi hyperparameter menggunakan GridSearchCV, serta evaluasi menggunakan metrik akurasi, presisi, recall, F1-score, confusion matrix, dan feature importance. Hasil penelitian menunjukkan akurasi model berkisar antara 51,96% hingga 53,83%, dengan Logistic Regression baseline mencatatkan akurasi tertinggi (53,83%), diikuti XGBoost setelah tuning (53,62%) dan Random Forest setelah tuning (53,27%). Hyperparameter tuning terbukti meningkatkan akurasi model berbasis pohon secara signifikan, namun tidak pada model linear. Ekstraksi feature importance dari Random Forest dan XGBoost secara konsisten menempatkan Weekly_GenAI_Hours dan Perceived_AI_Dependency sebagai dua prediktor terkuat, jauh melampaui variabel akademik tradisional seperti IPK dan jam belajar. Analisis confusion matrix mengungkap tumpang tindih klasifikasi terutama pada kelas Medium. Temuan ini memberikan bukti empiris bahwa intensitas dan ketergantungan penggunaan GenAI merupakan determinan utama burnout akademis, sehingga dapat menjadi dasar objektif bagi kebijakan pembatasan penggunaan AI yang sehat di lingkungan pendidikan.
Sistem Informasi Nota Servis dan Pembelian dengan Tracking dan Notifikasi WhatsApp Otomatis Dimas Rizki Hamzah; 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.v5i2.1368

Abstract

EC Computer masih mengelola nota servis dan nota pembelian melalui alur yang belum sepenuhnya terintegrasi, sementara pelanggan juga belum memiliki sarana mandiri untuk memantau progres perbaikan perangkat. Kondisi tersebut menyebabkan pencarian data berjalan lambat, informasi status sering bergantung pada admin, dan pembaruan layanan berpotensi terlambat diterima konsumen. Penelitian ini bertujuan membangun sistem informasi yang menyatukan pengelolaan nota servis dan pembelian, menyediakan pelacakan status berbasis web, dan mengirim notifikasi WhatsApp otomatis saat status servis berubah. Metode pengembangan yang digunakan adalah Waterfall melalui tahap analisis kebutuhan, perancangan UML, implementasi dengan Laravel 12, Vue 3, Inertia.js, dan MySQL, serta pengujian Black Box Testing. output penelitian menunjukkan sistem berhasil dibangun dengan fitur pencatatan nota, tracking publik memakai kode nota, QR Code pada nota servis, dasbor admin, serta integrasi SunWa WhatsApp API untuk pengiriman pesan otomatis. Seluruh dua belas skenario pengujian utama berjalan sesuai harapan. Sistem ini meningkatkan keteraturan administrasi, mempercepat penyampaian informasi, dan memberi transparansi layanan yang lebih baik kepada konsumen EC Computer.
Perbandingan Random Forest, XGBoost, dan LightGBM untuk Prediksi Produksi Padi di Sumatera Namariq Maspupah; 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.v5i2.1378

Abstract

Produksi padi di Sumatera yang memiliki peran strategis dalam mendukung ketahanan pangan nasional, namun fluktuasi yang dipengaruhi oleh faktor iklim dan agronomis kadang menyulitkan proses perencanaan distribusi pangan secara akurat dan tepat. Dalam penelitian ini memiliki tujuan untuk membangun dan membandingkan model prediksi produksi padi di delapan daerah di provinsi Sumatera menggunakan tiga algoritma machine learning, yaitu Random Forest, XGBoost, dan LightGBM, yang masing-masing dioptimalkan menggunakan GridSearchCV dengan validasi silang 5-fold. Dataset yang digunakan bersumber dari Badan Pusat Statistik (BPS) dengan periode 1993–2020, mencakup 224 data dari variabel luas panen, curah hujan, kelembapan, dan suhu rata-rata. Interpretasi model dilakukan menggunakan metode SHAP (SHapley Additive exPlanations) untuk menganalisis kontribusi setiap fitur terhadap hasil prediksi. Hasil eksperimen menunjukkan bahwa XGBoost dengan parameter terbaik (learning_rate=0.05, max_depth=5, n_estimators=300, subsample=0.8) menghasilkan performa tertinggi dengan nilai MAE sebesar 105.258 ton, RMSE sebesar 151.883 ton, dan R² sebesar 0,9739. Random Forest menghasilkan R² sebesar 0,9580, sedangkan LightGBM menghasilkan R² sebesar 0,9519. Analisis SHAP pada ketiga model secara konsisten menunjukkan bahwa luas panen merupakan fitur paling dominan dalam memengaruhi prediksi produksi padi, diikuti oleh variabel tahun, kelembapan, curah hujan, suhu rata-rata, dan provinsi. Dalam penelitian ini memberikan kontribusi berupa kerangka perbandingan komprehensif antara tiga algoritma ensemble terbaik dengan integrasi Explainable AI pada konteks prediksi produksi padi di Sumatera.
Rancang Bangun SIPEDES (Sistem Informasi Pelayanan Desa) Berbasis Website dengan Fitur Pengaduan dan Infografis untuk Meningkatkan Tranparansi Informasi Heryanto Kawisen; 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.v5i2.1388

Abstract

Pelayanan administrasi desa yang masih dilakukan secara manual menjadi kendala dalam mewujudkan tata kelola pemerintahan yang transparan dan efisien. Desa Pancaroba belum memiliki saluran pengaduan masyarakat yang terstruktur dan belum mampu menyajikan data kependudukan secara visual kepada warga. Penelitian ini bertujuan merancang dan membangun SIPEDES (Sistem Informasi Pelayanan Desa) berbasis website dengan fitur pengaduan dan infografis untuk Desa Pancaroba. Pengumpulan data dilakukan melalui observasi dan wawancara kepada Kepala Desa dan Kaur Kesra. Pengembangan sistem menggunakan metode Rapid Application Development (RAD) dengan framework CodeIgniter berbasis arsitektur Model-View-Controller (MVC) dan basis data MySQL. Perancangan sistem dimodelkan menggunakan Unified Modeling Language (UML) meliputi use case diagram, activity diagram, class diagram, sequence diagram, serta Entity Relationship Diagram (ERD) untuk perancangan basis data. Pengujian fungsionalitas dilakukan menggunakan Black Box Testing, sedangkan tingkat penerimaan pengguna diukur melalui User Acceptance Test (UAT) dengan skala Likert 1–5 terhadap 16 responden. Hasil Black Box Testing menunjukkan seluruh fungsi sistem berjalan sesuai yang diharapkan. Hasil UAT pada empat variabel evaluasi menunjukkan fungsionalitas sistem 74,6%, tampilan dan navigasi 75,6%, fitur informasi dan transparansi 74%, serta fitur pengaduan 78,8%, seluruhnya masuk dalam kategori Baik, sehingga sistem dinilai layak digunakan oleh masyarakat Desa Pancaroba.
SPK Penilaian Perkembangan Kemampuan Anak Usia Dini Menggunakan Metode SAW pada PAUD Mekar Sari Monicka Nawar; Sri Murni; Badariatul Lailiah
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.v5i2.1389

Abstract

Penilaian perkembangan anak usia dini merupakan bagian penting dalam proses pendidikan karena digunakan untuk mengetahui tingkat perkembangan anak berdasarkan berbagai aspek kemampuan yang dimiliki. Pada PAUD Mekar Sari, proses penilaian perkembangan anak masih dilakukan secara manual menggunakan buku penilaian sehingga membutuhkan waktu yang cukup lama, berpotensi menimbulkan kesalahan pencatatan, serta kurang efisien dalam proses pengolahan data dan penyusunan laporan. Penelitian ini bertujuan membangun Sistem Pendukung Keputusan (SPK) berbasis website untuk membantu proses penilaian perkembangan anak menggunakan metode Simple Additive Weighting (SAW). Metode SAW digunakan karena mampu melakukan proses penilaian berdasarkan banyak kriteria dengan pembobotan tertentu sehingga menghasilkan nilai akhir dan perangkingan secara objektif. Sistem dibangun menggunakan bahasa pemrograman PHP, framework CodeIgniter 3, dan database SQLite3. Hasil penelitian menunjukkan bahwa sistem mampu membantu guru melakukan proses penilaian perkembangan anak secara lebih cepat, akurat, terstruktur, dan menghasilkan keputusan yang lebih objektif dibandingkan proses manual sebelumnya.

Page 53 of 56 | Total Record : 558

 51   52   53   54   55 

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