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 590 Documents
 55   56   57   58   59 
Implementasi Random Forest Regression untuk Prediksi Kebutuhan Bahan Baku Minyak Senggugu Muhamad Nabukatneja Dwi Kusnandar; Kahfi Heryandi Suradiradja
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.v5i2.1572

Abstract

CV Tujuh Putik merupakan perusahaan yang memproduksi minyak senggugu dan menghadapi kesulitan dalam merencanakan kebutuhan bahan baku secara akurat karena proses perencanaan masih dilakukan secara manual berdasarkan perkiraan. Kondisi tersebut berpotensi menimbulkan kelebihan maupun kekurangan stok yang dapat mengganggu kelancaran produksi. Penelitian ini bertujuan untuk membangun model prediksi kebutuhan bahan baku minyak senggugu menggunakan tiga algoritme machine learning, yaitu Linear Regression, Support Vector Regression (SVR), dan Random Forest Regression, serta mengimplementasikan Random Forest Regression ke dalam prototipe aplikasi berbasis web. Metodologi penelitian menggunakan tahapan CRISP-DM yang meliputi pemahaman bisnis, pemahaman data, praproses data, pemodelan, evaluasi, dan deployment. Dataset yang digunakan berasal dari data historis operasional CV Tujuh Putik dengan variabel input berupa event e-commerce, kegiatan praktek, produk laku, bulan, dan hari, sedangkan variabel target berupa jumlah bahan baku terpakai. Dataset dibagi menjadi 80% data latih dan 20% data uji, kemudian dievaluasi menggunakan Mean Absolute Error (MAE), Root Mean Squared Error (RMSE), dan R² Score. Hasil pengujian menunjukkan bahwa Support Vector Regression memperoleh nilai MAE dan RMSE terendah, masing-masing sebesar 0,0845 dan 0,1485, sedangkan Linear Regression memperoleh R² Score tertinggi sebesar 0,9958. Random Forest Regression menghasilkan MAE sebesar 0,1345, RMSE sebesar 0,3896, dan R² Score sebesar 0,9907. Berdasarkan fokus penelitian, Random Forest Regression kemudian diimplementasikan sebagai model utama pada prototipe aplikasi berbasis Flask. Aplikasi mampu menghasilkan estimasi kebutuhan bahan baku berdasarkan masukan pengguna. Pengujian sistem dilakukan menggunakan black box dan white box testing untuk memeriksa fungsi serta alur logika aplikasi.
Sistem Informasi Website Kolam Renang Karya Muda Dengan Menggunakan Metode Mvc (Model-View-Controller) Wulandari; Evi Yulianingsih
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.v5i2.1580

Abstract

Kolam Renang Karya Muda merupakan tempat rekreasi air di Kota Palembang yang juga menjadi pusat pembinaan atlet renang muda melalui Karya Muda Swimming Club (KMSC). Seluruh proses operasional, seperti pemesanan tiket, pendaftaran sekolah renang, swimming club, serta kursus dan les renang privat, masih dilakukan secara manual sehingga menimbulkan antrean panjang dan menyulitkan pengelola dalam memantau data pengunjung, anggota, dan peserta program secara real-time. Penelitian ini bertujuan merancang dan membangun sistem informasi berbasis website yang mengintegrasikan seluruh layanan tersebut secara daring. Sistem dikembangkan menggunakan metode Agile Development dengan lima tahapan, yaitu plan, design, develop, test, dan deploy, serta arsitektur Model-View-Controller (MVC) agar kode lebih terstruktur dan mudah dikembangkan. Pengujian sistem dilakukan menggunakan metode Black Box. Hasil penelitian menunjukkan bahwa sistem berhasil dibangun dan mengubah proses manual menjadi layanan daring yang dapat diakses kapan saja dan dari mana saja, serta membantu pengelola memantau data pengunjung, anggota, dan peserta program secara real-time melalui dashboard admin, laporan tiket, dan verifikasi pembayaran, sehingga pengambilan keputusan operasional menjadi lebih cepat, tepat, dan akurat.
Penerapan Algoritma XGBoost untuk Prediksi Tingkat Pemahaman Siswa pada Praktikum Laboratorium Komputer Kecitaan Harefa; Rinna Rachmatika; Oktafpianus Gea; Arojasa Harefa
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.v5i2.1582

Abstract

Evaluasi tingkat pemahaman siswa pada praktikum laboratorium komputer masih sering dilakukan secara manual berdasarkan nilai dan observasi guru, sehingga membutuhkan waktu dan berpotensi menimbulkan subjektivitas. Penelitian ini bertujuan menerapkan algoritma Extreme Gradient Boosting (XGBoost) sebagai solusi untuk memprediksi tingkat pemahaman siswa secara objektif, cepat, dan berbasis data. Penelitian menggunakan pendekatan kuantitatif dengan 120 data siswa yang terbagi seimbang ke dalam kategori rendah, sedang, dan tinggi. Variabel prediktor meliputi nilai kuis, nilai praktikum, kehadiran, waktu pengerjaan, keaktifan, dan observasi guru. Tahapan penelitian mencakup pengumpulan dan prapemrosesan data, pengodean label, serta pembagian data secara terstratifikasi dengan komposisi 80% data latih dan 20% data uji. Model kemudian dilatih menggunakan XGBoost dan dievaluasi melalui matriks konfusi, akurasi, presisi, recall, dan F1-score. Hasil pengujian menunjukkan bahwa model berhasil mengklasifikasikan 23 dari 24 data uji dengan benar, dengan akurasi sebesar 95,83%, presisi 95,62%, recall 95,83%, dan F1-score 95,69%. Analisis kepentingan fitur menunjukkan bahwa nilai kuis merupakan variabel paling berpengaruh. Dengan demikian, XGBoost efektif digunakan sebagai pendukung evaluasi pembelajaran untuk membantu guru mengidentifikasi tingkat pemahaman siswa secara lebih akurat dan efisien.
Web-Based Expert System for Stroke Diagnosis Using Certainty Factor Method at Pondok Aren Hospital Ria Ester; Dede Handayani; Derysa Maulana Putra Setya; Salsa Sayida Bilqis4
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.v5i2.1583

Abstract

Stroke is a central nervous system disorder that ranks among the leading causes of disability and mortality worldwide, including in Indonesia. Early diagnosis plays a critical role in reducing the risk of severe complications. However, in practice, the initial diagnostic process is often hindered by uncertainty in symptom interpretation and the limited ability of medical personnel to provide objective assessments. To address this issue, this study developed a web-based expert system designed to assist in the early detection of stroke using the Certainty Factor (CF) method. This method was selected for its effectiveness in handling uncertainty by calculating confidence values based on a combination of MB (Measure of Belief) and MD (Measure of Disbelief), adjusted according to user input. The system was built using PHP programming language and MySQL database, allowing flexible access and multi-user support for both administrators and healthcare providers. Testing results indicate that the system can generate predictive diagnosis outcomes with a confidence limit 30%, in accordance with the internal policy of pondok aren regional hospital to ensure that the system functions solely as a screening tool. The system achieved an accuracy rate of 27% in testing, and all features operated as expected based on black-box testing, indicating thet it is suitable for use as an early diagnosis support tool. Therefore, this system is expected to assist healthcare professionals at pondok aren regional hospital in conducting initial stroke assessments digitally, quickly, and in a structured manner.
Implementation of UI/UX Design for Goods Delivery System With One Way To Go Model - SiCepat Hackathon Challenge Yuda Samudra; Santi Rahayu; Nanang; Addelia Aldha Kharisma
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.v5i2.1588

Abstract

The SiCepat Hackathon Challenge is a collaborative start-up activity in building an application ecosystem that aims to support system updates to become more efficient and support the growth of digital businesses in accordance with market needs in the field of logistics technology to accelerate the delivery process of goods based on consumer needs. The main problem in the traditional delivery system is the lack of ability to determine the optimal delivery and pick-up location. Many couriers have to travel long distances simply because the system is unable to find the closest pickup point from the courier's position. As a result, delivery times are inefficient, and operational costs increase. In addition, an unclear commission system often causes dissatisfaction among couriers because it does not represent the effort and time they put in. Problem solving using Design Thinking method approach to study user needs. In the Design Thinking process, there are several stages such as Empathize, Define, Ideate, Prototype, and Test. There is also a Design System process to help determine the component requirements in the design interface that can be used for reusable purposes with the Atomic's Design approach. In the validation or testing stage of the feature development results, the result of this development plan is to provide features for selecting a warehouse for picking goods, destination locations, a commission system, deposits, withdrawals, and shipping history. The results of the Usability Testing with Usability Metrics using SEQ (Single Ease Question) obtained a score of 6 (out of 7 points), this is interpreted as Passing for each testing criterion carried out by the user.
Klasifikasi Kelayakan Pembelian Rumah Menggunakan Algoritma Decision Tree Fitri Yanti; Jaka Sutresna; Ahmad Musyafa; Muhammad Fadhillah Akbar
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.v5i2.1597

Abstract

Harga rumah di setiap daerah berbeda-beda sesuai dengan daerah dan kategorinya masing-masing, khususnya harga rumah yang berada di kota Tangerang Selatan. Karena banyaknya variasi karakteristik properti sehingga masyarakat atau calon pembeli sering mengalami kesulitan untuk menentukan apakah harga rumah tersebut termasuk kedalam kategori murah atau mahal. Dalam penelitian ini memberikan solusi untuk mengelompokan dan mengkategorikan harga rumah yang ada di Tangerang Selatan dengan menerapkan pendekatan data mining menggunaka  algoritma Decision Tree. Algoritma ini dapat membantu untuk mengklasifikasi harga rumah di Tangerang Selatan dengan atribut yang digunakan terdiri dari 8 variabel, meliputi nomor data, nama rumah, harga dari rumah, luas bangunan, luas tanah, jumlah kamar tidur, jumlah kamar mandi, dan kapasitas mobil dalam garasi. Implementasi model dilakukan menggunakan bantuan software Orange Data Mining serta bahasa pemrograman Python. Hasil penelitian menunjukkan bahwa model Decision Tree yang terbentuk memiliki 39 nodes dan 20 leaves dengan pembagian kelas target berupa "Setuju" dan "tidak". Evaluasi performa model menggunakan metode 5-fold cross-validation menghasilkan Classification Accuracy (CA) sebesar 45% dan AUC sebesar 0.467. Analisis matriks konfusi menunjukkan adanya tingkat misklasifikasi yang tinggi akibat ketimpangan skala antar-fitur data numerik. Melalui klasifikasi ini, diharapkan calon pembeli dapat lebih mudah mengenali potensi penawaran properti secara lebih terstruktur.
Development Disparity Analysis: Clustering Regencies and Cities in Riau Province Based on Socio-Economic Indicators Using K-Means and Hierarchical Algorithms Yogi Hariadi; Inggih Permana; Febi Nur Salisah; M. Afdal
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.v5i2.1454

Abstract

Inter-regional socio-economic disparity remains a persistent challenge in regional development across Indonesia, including Riau Province. Differences in economic capacity, human development quality, poverty levels, and labor absorption indicate that development characteristics across regencies and cities are not yet uniform. This study aims to classify regencies and cities in Riau Province based on socio-economic indicators for the 2019–2023 period using K-Means and Hierarchical Clustering algorithms, as well as to compare the most suitable method for representing the data structure. Secondary data utilized in this study consist of five main macro-indicators: Gross Regional Domestic Product (GRDP) per capita, poverty rate, open unemployment rate, Human Development Index (HDI), and mean years of schooling. The research stages involve data preprocessing, Min-Max normalization, outlier detection, clustering algorithm implementation, and evaluation using the Silhouette Coefficient, Davies-Bouldin Index, and Calinski-Harabasz Score. The results demonstrate that the optimal number of clusters is two, where both algorithms yield identical evaluation values: a Silhouette Coefficient of 0.55, a Calinski-Harabasz Score of 34.45, and a Davies-Bouldin Index of 0.47. The clustering results reveal that Pekanbaru City forms a distinct, solitary cluster due to its superior macro-indicators, while the other eleven regencies and cities are grouped into the same cluster. This finding confirms a sharp socio-economic division between the provincial capital and its peripheral regions, which can simultaneously be utilized by the regional government as an empirical baseline evaluation to accelerate the achievement of SDGs Goal 1, Goal 4, and Goal 8 targets at the local level.
Implementasi Metode Naive Bayes Berbasis Python Untuk Analisis Sentimen Aplikasi Google Gemini Ikhwan Ikhwan; Yudhi Septianto
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.v5i2.1531

Abstract

Artificial Intelligence (AI) mengalami perkembangan dalam beberapa tahun terakhir, salah satunya adalah Google Gemini. Tingginya penggunaan layanan digital ini menghasilkan ulasan pengguna yang sangat besar dan tersimpan informasi penting terkait kepuasan, pengalaman, serta pandangan pengguna dalam menilai kualitas layanan. Kondisi ini terlihat dari jumlah unduhan 1 M+, 4,7 bintang dari 5, dan 41,8 juta lebih ulasan. Untuk menganalisis sentimen, peneliti menggunakan tahapan, di antaranya pengumpulan data yang dilakukan dari Maret hingga Juni 2026 dengan scraping di Google Play Store dan mendapatkan 20.000 ulasan. Data preprocessing di antaranya cleaning, stopword removal, case folding, stemming dan tokenisasi dengan hasil pemrosesan data 11.035. Hasil labeling didapat ulasan positif 8.197, negatif 2.323, dan netral 515. Klasifikasi hanya pada kelas positif dan negatif, untuk netral tidak digunakan. Algoritma menggunakan Multinomial Naive Bayes dengan pemberian bobot pada kata menggunakan TF-IDF, serta confusion matrix untuk evaluasi yang terdiri akurasi, recall, presisi, F1-Score dan juga visualisasi data word cloud. Hasil performa yang didapat yang cukup baik. Pada rasio 80:20, data dibagi dalam data training dan testing dengan akurasi 0.8826 atau 88,26%, presisi 0.8968 atau 89,68%, recall 0.9605 atau 96,05%, dan F1-score 0.9276 atau 92,76%. Tujuan penelitian untuk menganalisis sentimen oleh pengguna dan mengklasifikasi data sentimen, serta evaluasi performa pada model menggunakan algoritma Naive Bayes berbasis Python. Harapan pada penelitian ini dapat menjadi bahan evaluasi bagi pengembang agar lebih memaksimalkan aplikasi dan pelayanannya
Aplikasi Sistem Penunjang Keputusan Penilaian Karyawan Terbaik Berbasis Website dengan Metode Mabac Rahmawati; Andin Eka Safitri; Oke Hariansyah; Ahmad Mutholib
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.v5i2.1603

Abstract

Penilaian karyawan terbaik di Badan Siber dan Sandi Negara (BSSN) selama ini masih dilakukan secara manual menggunakan Microsoft Excel dan masukan dari manajer, yang sangat rentan terhadap unsur subjektivitas, inkonsistensi penilaian, serta potensi bias keputusan. Kondisi konvensional tersebut memunculkan kebutuhan yang sangat mendesak akan adanya sistem pendukung keputusan terintegrasi yang mampu memberikan penilaian secara objektif, transparan, dan berbasis data terstruktur. Penelitian ini bertujuan secara khusus untuk merancang dan membangun aplikasi sistem pendukung keputusan berbasis web menggunakan metode Multi-Attributive Border Approximation Area Comparison (MABAC) guna menilai kinerja karyawan Non-ASN secara lebih akurat, efisien, dan berkeadilan. Pengembangan sistem ini menerapkan kerangka kerja rekayasa perangkat lunak SDLC model Waterfall, yang mencakup tahapan analisis kebutuhan mendalam, perancangan sistem berorientasi objek menggunakan UML, perancangan basis data relasional melalui ERD dan LRS, implementasi kode program menggunakan bahasa PHP dan database MySQL, serta pengujian fungsionalitas sistem secara menyeluruh. Fungsionalitas utama aplikasi dirancang untuk mengelola data kepegawaian, mengelola kriteria penilaian beserta pembobotannya, memasukkan nilai matriks keputusan, mengeksekusi perhitungan matematis otomatis berbasis algoritma MABAC, hingga menyajikan laporan pemeringkatan akhir yang komprehensif. Hasil pengujian fungsional menggunakan black-box testing menunjukkan bahwa seluruh modul aplikasi berjalan dengan sangat baik dan sesuai dengan fungsionalitas yang diharapkan. Implementasi metode MABAC pada pengolahan data 47 pegawai Non-ASN di BSSN berhasil memberikan rekomendasi peringkat karyawan terbaik yang valid, andal, dan konsisten, di mana alternatif A5 menduduki peringkat pertama dengan perolehan skor akhir tertinggi sebesar 0,1240. Kehadiran sistem ini terbukti efektif dalam meningkatkan objektivitas, efisiensi waktu, serta transparansi proses evaluasi kinerja di lingkungan instansi.
Pengembangan Sistem Virtual Tour Interaktif Berbasis Panorama 360 Derajat Museum Cotta Cinna Menggunakan Pendekatan Multimedia Development Life Cycle Chairul Rizal; Erni Marlina Binti Saari
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.v5i2.1612

Abstract

Penelitian ini bertujuan mengembangkan sistem virtual tour interaktif berbasis panorama 360 derajat pada Museum Cotta Cinna menggunakan pendekatan Multimedia Development Life Cycle (MDLC). Penelitian menggunakan pendekatan research and development dengan enam tahapan MDLC, yaitu Concept, Design, Material Collecting, Assembly, Testing, dan Distribution. Pengumpulan data dilakukan melalui observasi, wawancara, dokumentasi, pengujian fungsional menggunakan black-box testing, dan evaluasi pengguna. Subjek penelitian berjumlah 35 orang, terdiri atas lima informan kebutuhan sistem dan 30 pengguna penguji yang dipilih secara purposive sampling. Hasil penelitian menghasilkan sistem virtual tour yang terdiri atas delapan scene panorama 360 derajat yang dilengkapi navigasi antar-scene, hotspot, menu, daftar panorama, kontrol tampilan, dan informasi lokasi. Pengujian fungsional terhadap 12 skenario menunjukkan seluruh skenario berhasil dijalankan sesuai hasil yang diharapkan dengan tingkat keberhasilan 100%. Evaluasi terhadap 30 pengguna menunjukkan respons pada aspek kemudahan penggunaan, navigasi, interaksi, dan penerimaan sistem berada pada kategori sangat baik, baik, dan cukup, tanpa ditemukan respons pada kategori kurang maupun sangat kurang. Penelitian ini menyimpulkan bahwa pendekatan MDLC dapat digunakan secara sistematis untuk mengembangkan virtual tour interaktif yang mengintegrasikan panorama 360 derajat dan berbagai elemen multimedia sebagai media representasi digital Museum Cotta Cinna.

Page 59 of 59 | Total Record : 590

 55   56   57   58   59 

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