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 565 Documents
 52   53   54   55   56 
Perbandingan Random Forest dan Support Vector Machine untuk Klasifikasi Penyakit Daun Tomat Berbasis Citra Digital Pelagia Melati; 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.v5i2.1390

Abstract

Penyakit pada daun tomat merupakan salah satu penyebab utama menurunnya kualitas dan produktivitas hasil panen, sehingga diperlukan metode deteksi yang cepat dan akurat. Perkembangan teknologi pengolahan citra digital dan machine learning dapat dimanfaatkan untuk membantu proses identifikasi penyakit daun tomat secara otomatis. Penelitian ini bertujuan untuk membandingkan kinerja algoritma Random Forest dan Support Vector Machine (SVM) dalam mengklasifikasikan penyakit daun tomat berbasis citra digital. Data dikumpulkan melalui studi pustaka dan penggunaan dataset Tomato Leaf Disease Detection yang diperoleh dari Kaggle. Tahapan penelitian meliputi pengumpulan dataset, pra-pemrosesan citra, ekstraksi fitur menggunakan Histogram HSV, Histogram of Oriented Gradients (HOG), dan Gray Level Co-occurrence Matrix (GLCM), pembagian data latih dan data uji dengan rasio 80:20, pelatihan model menggunakan algoritma Random Forest dan SVM, serta evaluasi menggunakan confusion matrix, akurasi, presisi, recall, dan F1-score. Hasil penelitian menunjukkan bahwa algoritma Random Forest memiliki performa lebih baik dibandingkan SVM, dengan akurasi sebesar 86,33%, presisi 87,00%, recall 86,00%, dan F1-score 86,00%, sedangkan SVM memperoleh akurasi 74,67%, presisi 75,00%, recall 75,00%, dan F1-score 74,00%. Berdasarkan hasil tersebut, Random Forest terbukti lebih efektif dalam mengklasifikasikan penyakit daun tomat berbasis citra digital. Penelitian ini diharapkan dapat menjadi referensi dalam pengembangan sistem deteksi penyakit tanaman berbasis machine learning.
Implementasi Sistem Informasi Booking Class Gym Berbasis Web Menggunakan Barcode Member (Studi Kasus: HeyFit Fitness Pontianak) Asarias Konisius; Yoki Firmansyah; Wanty Eka Jayanti
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.v5i2.1397

Abstract

Proses booking kelas olahraga pada fitness center umumnya masih dilakukan secara manual sehingga member harus datang langsung untuk memastikan ketersediaan kelas. Kondisi ini menyebabkan kelas pada HeyFit Fitness Pontianak sering mengalami over kapasitas karena belum tersedianya sistem booking yang terstruktur, meskipun identitas member telah menggunakan barcode untuk keperluan check-in. Penelitian ini bertujuan merancang dan mengimplementasikan Sistem Informasi Booking Class Gym berbasis web yang memanfaatkan barcode member sebagai identitas digital pada HeyFit Fitness Pontianak. Metode pengembangan sistem menggunakan pendekatan waterfall dengan tahapan analisis kebutuhan, perancangan sistem menggunakan pemodelan UML (use case diagram, activity diagram, ERD, LRS, class diagram, dan sequence diagram), implementasi, serta pengujian. Sistem dibangun menggunakan framework Nuxt 3 berbasis Vue.js dengan Node.js sebagai runtime sisi server, Drizzle ORM sebagai penghubung ke basis data MySQL/TiDB Cloud, serta Tailwind CSS untuk antarmuka. Basis data dirancang dengan delapan tabel utama, yaitu users, memberships, instructors, classes, bookings, payments, attendances, dan galleries, yang relasinya dijaga pada level aplikasi. Sistem melibatkan empat aktor, yaitu pengunjung, member, admin, dan owner, dengan fitur utama berupa booking kelas secara online, pengelolaan kuota otomatis, check-in menggunakan barcode/QR member, persetujuan pembayaran, serta dashboard statistik bisnis. Hasil implementasi menunjukkan bahwa sistem mampu mengakomodasi seluruh kebutuhan fungsional dan non-fungsional yang telah diidentifikasi, mencegah booking dan pencatatan kehadiran ganda, membatasi akses berdasarkan peran melalui autentikasi sesi dan route middleware, serta menyajikan ringkasan bisnis bagi owner. Penerapan sistem ini diharapkan dapat meningkatkan efisiensi pelayanan kelas olahraga serta pengelolaan keanggotaan pada HeyFit Fitness Pontianak.
Analisis Prediksi Kesesuaian Lulusan Dengan Dunia Kerja Menggunakan Model Ensemble Random Forest dan XGBoost Berdasarkan Data Tracer Study Universitas Royal Rudi Hermawan; Muhammad Iqbal; Muhammad Irfan Sarif
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.v5i2.1398

Abstract

Transformasi digital mendorong institusi pendidikan tinggi untuk mengoptimalkan pengolahan data alumni guna meningkatkan mutu layanan dan efisiensi manajemen pendidikan. Universitas Royal memiliki data tracer study yang melimpah, namun pengelolaannya selama ini masih didominasi oleh pendekatan deskriptif konvensional sehingga potensi prediktifnya belum termanfaatkan secara maksimal. Penelitian ini bertujuan untuk memprediksi tingkat kesesuaian lulusan dengan dunia kerja menggunakan pendekatan ensemble learning yang menggabungkan algoritma Random Forest dan XGBoost melalui mekanisme soft voting classifier. Dataset awal diolah melalui tahap pembersihan data yang meliputi eliminasi label kosong, penghapusan data duplikat (deduplikasi), dan imputasi statistik, sehingga menghasilkan sebaran kelas target yang terdiri atas 759 data "Sesuai" (83,5%) dan 150 data "Tidak Sesuai" (16,5%). Proses prapemrosesan melibatkan imputasi median untuk data numerik, imputasi modus untuk data kategorikal, transformasi fitur dengan one-hot encoding pada variabel jurusan dan instansi, serta normalisasi menggunakan Min-Max Scaler. Dataset dengan total 909 data valid ini dibagi secara proporsional menjadi 727 data latih (80%) dan 182 data uji (20%). Hasil eksperimen menunjukkan bahwa model ensemble voting mencatatkan performa tertinggi dibandingkan model tunggal, dengan nilai akurasi sebesar 80,77%, presisi 85,45%, recall 92,76%, dan F1-score 88,96%. Sebagai pembanding, algoritma Random Forest tunggal memperoleh akurasi 78,57% dan XGBoost memperoleh 79,67%. Melalui analisis feature importance, ditemukan bahwa masa tunggu kerja merupakan faktor paling dominan dengan kontribusi sebesar 33,3%, diikuti oleh kompetensi (26,7%), Indeks Prestasi Kumulatif (24,6%), instansi tempat kerja (12,8%), dan program studi (2,6%). Pendekatan ensemble ini terbukti efektif dalam memberikan stabilitas generalisasi yang superior untuk memproyeksikan linearitas karier alumni serta mendukung pengambilan keputusan strategis institusi.
Analisis Machine Learning untuk Prediksi Permintaan Produk pada Percetakan PT. Next Sihar Dagulon Menggunakan Algoritma Random Forest Lamsihar Banjarnahor; Muhammad Irfan Sarif; Muhammad Putra Novelan
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.v5i2.1399

Abstract

Permintaan produk percetakan pada PT. Next Sihar Dagulon mengalami fluktuasi sehingga perusahaan sering menghadapi kesulitan dalam menentukan kebutuhan bahan baku dan kapasitas produksi. Pendekatan prediksi yang masih bersifat manual berpotensi menimbulkan kelebihan stok, kekurangan stok, keterlambatan produksi, dan peningkatan biaya operasional. Penelitian ini bertujuan menganalisis penerapan machine learning menggunakan algoritma Random Forest untuk memprediksi permintaan produk percetakan. Data yang digunakan berupa data historis transaksi penjualan periode Januari 2022 sampai Desember 2024 sebanyak 2.500 data, yang setelah preprocessing menjadi 2.400 data valid. Variabel penelitian meliputi jenis produk, bulan transaksi, harga, jumlah pelanggan, promosi, permintaan periode sebelumnya, dan jumlah permintaan sebagai target. Tahapan penelitian terdiri atas pengumpulan data, preprocessing, transformasi data kategorikal, pembagian data latih dan data uji, pemodelan Random Forest Regressor, serta evaluasi menggunakan MAE, RMSE, MAPE, dan R². Hasil pengujian menunjukkan nilai MAE sebesar 8,74, RMSE sebesar 12,61, MAPE sebesar 7,86%, dan R² sebesar 0,91. Hasil tersebut menunjukkan bahwa Random Forest mampu menghasilkan prediksi permintaan dengan tingkat kesalahan rendah dan dapat digunakan sebagai dasar perencanaan produksi serta pengelolaan stok perusahaan.
Komparasi Model Logistic Regression dan Random Forest pada Prediksi Penyakit Jantung Berdasarkan Analisis Fitur Klinis Arsenly Realino; 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.v5i2.1400

Abstract

Penyakit jantung merupakan salah satu masalah kesehatan serius yang membutuhkan deteksi dini agar risiko keterlambatan penanganan dapat diminimalkan. Pemanfaatan Machine Learning memberikan peluang untuk membangun model prediksi berbasis fitur klinis pasien, namun pemilihan algoritma yang tepat masih menjadi isu penting karena performa model sangat dipengaruhi oleh karakteristik dataset. Penelitian ini bertujuan untuk membandingkan performa Logistic Regression dan Random Forest dalam memprediksi penyakit jantung serta menganalisis fitur klinis yang paling berkontribusi terhadap hasil klasifikasi. Dataset yang digunakan adalah Heart Disease Prediction Dataset berisi 270 data pasien, 13 fitur prediktor, dan 1 atribut target. Tahapan penelitian meliputi Exploratory Data Analysis, preprocessing, label encoding, pembagian data 80:20, standardisasi data pada Logistic Regression, pemodelan klasifikasi, optimasi Random Forest menggunakan GridSearchCV dengan 5-Fold Cross Validation, serta evaluasi menggunakan accuracy, precision, recall, F1-score, dan ROC-AUC. Hasil penelitian menunjukkan bahwa Logistic Regression memperoleh performa terbaik dengan accuracy 85,19%, precision 78,57%, recall 91,67%, F1-score 84,62%, dan ROC-AUC 89,86%. Random Forest memperoleh accuracy 81,48% dan meningkat menjadi 83,33% setelah tuning, tetapi belum mampu melampaui Logistic Regression. Fitur terpenting yang ditemukan adalah Chest Pain Type, Max HR, dan ST Depression. Dengan demikian, Logistic Regression dinilai lebih sesuai sebagai model pendukung deteksi dini penyakit jantung pada dataset klinis berskala terbatas.
Sistem Booking Layanan Pencucian Mobil Berbasis Web di Golden Carwash Didid Nugraha; Afif Badawi; Barany Fachri
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.v5i2.1401

Abstract

Layanan pencucian mobil Golden Carwash di Medan masih menggunakan sistem manual dalam pengelolaan data pelanggan dan antrian, sehingga menimbulkan masalah antrian yang panjang, pencatatan yang tidak akurat, dan kesulitan dalam memantau status kendaraan. Penelitian ini bertujuan membangun sistem booking berbasis web yang memungkinkan pelanggan melakukan pemesanan tanpa perlu login, dilengkapi pembaruan antrian secara real-time menggunakan Socket.IO, serta integrasi komunikasi melalui WhatsApp API. Sistem dikembangkan menggunakan metode Waterfall dengan bahasa pemrograman PHP dan basis data MySQL. Pengujian dilakukan menggunakan metode Black Box Testing terhadap 10 skenario fungsional. Hasil penelitian menunjukkan bahwa sistem berhasil dibangun dengan tingkat keberhasilan 100% pada seluruh skenario pengujian. Sistem menyediakan antarmuka pelanggan untuk pemesanan tanpa login dan antarmuka admin dengan dashboard pengelolaan data booking secara lengkap. Sistem terbukti dapat menggantikan proses manual dan meningkatkan efisiensi pelayanan di Golden Carwash.
Perancangan E-Learning Lembaga Penddidikan Edupro Menggunakan Metode Waterfall Dan System Usabilty Scale (SUS) Indra Riyana Rahadjeng; Muhammad Fahmi; Ibnu Rusdi; Fitri Latifah
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.v5i2.1402

Abstract

Meningkatkan system pembelajaran yang lebih maju aktivitas pembelajaran tatap muka di perguruan tinggi harus mampu menuntut adanya adaptasi terhadap model pembelajaran daring. Kondisi tersebut mendorong kebutuhan akan platform e-learning yang mampu menjaga keberlangsungan (continuity) proses pembelajaran serta mendukung resiliensi sistem pendidikan tinggi dalam menghadapi situasi krisis. Penelitian ini bertujuan untuk merancang platform e-learning yang dapat mendukung proses pembelajaran daring secara fleksibel dan terstruktur melalui studi pengembangan EduPro. Metode penelitian yang digunakan adalah penelitian pengembangan sistem informasi, yang meliputi tahapan analisis kebutuhan, perancangan sistem, pengembangan prototipe, serta pengujian fungsional menggunakan metode System Usability Scale (SUS). Hasil dari penelitian ini adalah sebuah platform e-learning berbasis web yang menyediakan fitur manajemen kursus, pengelolaan materi pembelajaran, pendaftaran peserta, serta sistem pembayaran kursus daring. Platform yang dikembangkan diharapkan dapat menjadi solusi pendukung pembelajaran jarak jauh di pendidikan tinggi dengan memberikan kemudahan akses belajar tanpa batasan ruang dan waktu. Kesimpulan dari penelitian ini menunjukkan bahwa rancangan platform e-learning EduPro mampu memenuhi kebutuhan pembelajaran daring dan berpotensi meningkat kualitas pembelajaran secara jarak jauh.
Sistem Informasi Monitoring Kegiatan Pemboran Sumur Berbasis Web pada PT. Pertamina Drilling Services Indonesia Hafiz Maulana Rangkuti; Zuhri Ramadhan
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.v5i2.1409

Abstract

Penelitian ini bertujuan untuk merancang dan mengembangkan sistem informasi monitoring kegiatan pemboran sumur berbasis web pada PT. Pertamina Drilling Services Indonesia. Sistem ini dirancang untuk memfasilitasi pencatatan, pengelolaan, dan pelaporan aktivitas pemboran, termasuk data rig, sumur, aktivitas harian, kendala, dan laporan harian. Metode pengembangan yang digunakan adalah metode Waterfall dengan pendekatan relasional pada perancangan database. Pengujian sistem dilakukan menggunakan metode Black Box Testing untuk memastikan setiap fitur berfungsi sesuai kebutuhan pengguna. Hasil penelitian menunjukkan bahwa sistem mampu meningkatkan efisiensi operasional, meminimalkan kesalahan input, serta mempermudah monitoring dan pengambilan keputusan dalam kegiatan pemboran sumur. Sistem ini juga memastikan data yang tercatat konsisten dan akurat.
Sistem Informasi Manajemen Jemaat GPdI Ekklesia Berbasis Website Kezia Milline Seft Sinurat; Andysah Putera Utama Siahaan; Abdul Khaliq
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.v5i2.1410

Abstract

Perkembangan teknologi informasi saat ini mendorong berbagai lembaga, termasuk gereja, untuk memanfaatkan sistem berbasis digital dalam mendukung kegiatan administrasi dan pelayanan. GPdI Ekklesia masih menghadapi kendala dalam pengelolaan data jemaat, data pelayan, janji iman, dan baptisan yang sebelumnya dilakukan secara manual, sehingga rawan kesalahan dan membutuhkan waktu yang lama. Penelitian ini bertujuan untuk merancang dan membangun Sistem Informasi Manajemen Jemaat GPdI Ekklesia berbasis web guna meningkatkan efisiensi dan akurasi pengelolaan data gerejawi. Metode pengembangan yang digunakan adalah Waterfall, yang meliputi tahapan analisis kebutuhan, perancangan sistem, implementasi, dan pengujian. Sistem dibangun menggunakan PHP Native dengan basis data MySQL. Hasil implementasi menunjukkan bahwa sistem berhasil menyediakan lima modul utama, yaitu Data Admin, Data Pelayan, Data Jemaat, Data Janji Iman, dan Data Baptis, yang saling terintegrasi. Berdasarkan hasil pengujian Black Box, seluruh fitur berfungsi sesuai dengan spesifikasi yang ditetapkan. Dengan demikian, sistem ini mampu membantu pihak gereja dalam mengelola data jemaat secara cepat, akurat, dan terpusat, serta mendukung transparansi dan efektivitas pelayanan di GPdI Ekklesia.
Rancang Bangun Sistem Informasi Presensi Pegawai Non ASN Berbasis Web pada Cabang Dinas Pendidikan Wilayah VI Provinsi Sumatera Utara Mia Oktaviani Habeahan; Ruly Dwi Arista
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.v5i2.1411

Abstract

Transformasi digital dalam sektor pemerintahan menuntut adanya sistem yang mampu meningkatkan efisiensi pengelolaan administrasi, khususnya dalam pencatatan kehadiran pegawai. Proses presensi manual yang masih digunakan pada beberapa instansi memiliki keterbatasan dalam hal akurasi, transparansi, dan kemudahan akses data, sehingga berpotensi menimbulkan kesalahan pencatatan serta keterlambatan dalam pembuatan laporan kehadiran. Penelitian ini bertujuan untuk merancang dan mengimplementasikan sistem informasi presensi pegawai non-ASN berbasis web yang dapat diakses secara real-time. Metode pengembangan sistem yang digunakan adalah model waterfall, yang meliputi tahapan analisis kebutuhan, perancangan, implementasi, pengujian, hingga pemeliharaan sistem. Sistem dikembangkan menggunakan framework Laravel dengan dukungan teknologi geolocation untuk validasi lokasi kehadiran, sehingga dapat meminimalkan kecurangan dalam proses absensi. Hasil implementasi menunjukkan bahwa sistem mampu memfasilitasi proses presensi secara digital, menyajikan data kehadiran secara terintegrasi, serta mendukung proses pengajuan dan verifikasi ketidakhadiran secara lebih sistematis. Selain itu, sistem ini juga membantu administrator dalam memantau aktivitas kehadiran pegawai secara lebih cepat dan akurat. Dengan demikian, sistem ini dapat meningkatkan efisiensi kerja, akurasi, transparansi, serta kualitas pengelolaan data presensi pegawai di lingkungan instansi pemerintah.

Page 54 of 57 | Total Record : 565

 52   53   54   55   56 

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