Garuda - Garba Rujukan Digital

Article Per Year (5 Year)

All

JOINTECOMS (Journal of Information Technology and Computer Science)

jcoms
Website

Published by Universitas Palangka Raya

ISSN : 2798284X EISSN : 27983862 DOI : https://doi.org/10.47111/jointecoms

Core Subject : Science,

Computer Science & IT

JOINTECOMS (Journal of Information Technology and Computer Science) is a journal managed and published by the Informatic Engineering, University of Palangka Raya, Indonesia. JOINTECOMS has a publishing period four times in a year, namely in March, June, September, and December. Focus and scope of JOINTECOMS includes: (1) Artificial Intelligence, (2) Image Processing and Pattern Recognition, (3) Data Mining, (4) Data Warehouse, (5) Big Data, (6) Data Analytics, (7) Data Science, (8) Natural Language Processing, (9) Software Engineering, (10) Information System, (11) Information Retrieval, (12) Mobile and Web Technology, (13) Geographical Information System, (14) Decission Support System, (15) Virtual Reality, (16) Augmented Reality, (17) IT Incubation, (18) IT Governance, (19) Internet of Thing

Arjuna Subject : Ilmu Komputer (semua kategori) - Perangkat Lunak

Articles 11 Documents

1 2

Search results for , issue "Vol. 6 No. 1 (2026): JOINTECOMS : Journal of Information Technology and Computer Science" : 11 Documents clear

Analisis Sentimen Ulasan Aplikasi TikTok di Google Play Store Menggunakan Algoritma Support Vector Machine Qolbi, Rahman; Sagit Sahay, Abertun; Geges, Septian
Journal of Information Technology and Computer Science Vol. 6 No. 1 (2026): JOINTECOMS : Journal of Information Technology and Computer Science
Publisher : Universitas Palangka Raya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47111/jointecoms.v6i1.25768

TikTok adalah sebuah aplikasi jejaring sosial dan platform video music di mana pengguna bisa membuat, mengedit, dan berbagi klip video pendek lengkap dengan filter dan disertai musik sebagai pendukung. Di Google Play Store aplikasi TikTok telah diunduh sebanyak 500 juta lebih pengguna per Februari 2024. Dengan banyaknya pengguna TikTok terdapat ulasan yang beragam, baik yang positif maupun negatif. Dari ulasan tersebut dapat diketahui bagaimana sentimen pengguna terhadap aplikasi TikTok. Analisis sentimen menjadi penting karena memungkinkan pihak TikTok untuk memahami opini dan persepsi pengguna terhadap produk atau layanan mereka. Analisis sentimen dilakukan menggunakan algoritma Support Vector Machine karena mempunyai kemampuan yang lebih baik dibandingkan algoritma lainnya. Data diolah terlebih dahulu pada tahap preprocessing kemudian diberi label dengan pendekatan lexicon based. Data splitting yang dipilih untuk modeling adalah 90% data latih dan 10% data uji. Model yang telah dilatih menghasilkan performa yang baik dengan akurasi sebesar 93.78%, presision positif sebesar 95.00% dan negatif sebesar 90.08%, recall positif sebesar 96.67% dan negatif sebesar 85.58%, nilai f1-score positif sebesar 95.83% dan negatif sebesar 87.77%. Hasil dari penelitian ini kemudian diimplementasikan dalam bentuk interface web menggunakan library streamlit.

Perbandingan Kinerja Model Probabilistic, Linear Model, Instance-Based, dan Ensemble Learning (Studi Kasus: Ulasan Google Playstore Aplikasi Threads) Diya Ulhaque Muntaz Waris, Auriel; Kristianti, Novera; Sylviana, Felicia
Journal of Information Technology and Computer Science Vol. 6 No. 1 (2026): JOINTECOMS : Journal of Information Technology and Computer Science
Publisher : Universitas Palangka Raya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47111/jointecoms.v6i1.25770

Pertumbuhan Threads sebagai media sosial baru memunculkan kebutuhan akan pemahaman sentimen pengguna. Ulasan di Google Play Store menjadi sumber penting untuk menangkap persepsi publik terhadap fitur dan performa aplikasi. Sebagai platform yang masih berkembang, Threads menyediakan peluang strategis bagi pengembang untuk merespons masukan secara tepat. Namun, besarnya volume dan format ulasan yang tidak seragam menyulitkan proses analisis secara manual. Penelitian ini membandingkan kinerja empat algoritma Naïve Bayes (probabilistic), SVM (linear), K-NN (instance-based), dan Random Forest (ensemble) dalam klasifikasi sentimen ulasan Threads. Penelitian ini dimulai dengan studi literatur dan pengumpulan data ulasan Threads melalui scraping. Dilabeli menggunakan IndoBERT, proses preprocessing mencakup remove duplicate, cleaning, normalization, tokenization, stopwords dan lemmatization, diekstraksi dengan TF-IDF, diseimbangkan memakai SMOTE, lalu dibagi 80:20 untuk latih dan uji. Evaluasi mencakup akurasi, presisi, recall, F1-score, serta waktu pelatihan dan prediksi. Hasil menunjukkan Random Forest menjadi algoritma terbaik (akurasi 81,8%; F1-score 76,6%), disusul SVM (81,4%; 75,9%), Naïve Bayes (79,1%; 72,4%), dan K-NN (61,2%; 57,6%). Random Forest unggul hampir di semua metrik, SVM efisien dengan performa seimbang, Naïve Bayes menonjol pada kecepatan, sementara K-NN lambat pada prediksi. Untuk implementasi, dibangun dashboard interaktif berbasis Streamlit guna memvisualisasikan perkembangan dan prediksi sentimen pengguna Threads.

Pengembangan Aplikasi Mobile Pendeteksi Penyakit Kulit Menggunakan Model Mobile-Net V3 Dengan Metode Transfer Learning Dwi Putra Krisma Rusan, Gabriel; Nugrahaningsih, Nahumi; Sehatman Saragih, Agus
Journal of Information Technology and Computer Science Vol. 6 No. 1 (2026): JOINTECOMS : Journal of Information Technology and Computer Science
Publisher : Universitas Palangka Raya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47111/jointecoms.v6i1.25771

Penyakit kulit merupakan salah satu masalah kesehatan dengan prevalensi tinggi di Indonesia, mencapai 4,60%–12,95% dari populasi atau sekitar 12,7 juta–35,9 juta orang dari 277,5 juta penduduk Indonesia. Keterbatasan jumlah dokter spesialis kulit serta rendahnya akses layanan kesehatan di daerah menyebabkan banyak kasus terlambat terdiagnosis. Keterlambatan ini dapat menimbulkan komplikasi serius, meningkatkan angka morbiditas, dan menurunkan kualitas hidup penderita. Oleh karena itu, diperlukan solusi berbasis teknologi yang dapat membantu masyarakat melakukan deteksi dini penyakit kulit secara mandiri, cepat, dan akurat. Penelitian ini mengusulkan pengembangan aplikasi mobile pendeteksi penyakit kulit berbasis transfer learning dengan arsitektur MobileNetV3. Dataset yang digunakan merupakan gabungan dari DermNet, HAM10000, dan Mendeley Skin Disease Classification dengan total 28 kelas penyakit. Tahapan penelitian meliputi preprocessing data, pelatihan dan fine-tuning model MobileNetV3, serta evaluasi menggunakan metrik akurasi, presisi, recall, dan F1-score. Model terbaik kemudian diintegrasikan ke dalam aplikasi berbasis Flutter yang menampilkan hasil diagnosis dan informasi edukatif kepada pengguna. Hasil pengujian menunjukkan bahwa model MobileNetV3 dengan transfer learning menghasilkan akurasi sebesar 81%, presisi 79%, recall 79%dan F1-score 79%. Aplikasi yang dikembangkan mampu melakukan deteksi penyakit kulit dengan cepat dan efisien pada perangkat mobile. Dengan demikian, penelitian ini diharapkan dapat menjadi solusi screening awal yang praktis dan meningkatkan kesadaran masyarakat terhadap pentingnya diagnosis dini penyakit kulit di Indonesia.

Rancang Bangun Aplikasi Pengelolaan Dokumen Kedinasan Universitas Palangka Raya Egi Karlina, Lesti; Lestari, Ariesta; Karolita, Devi
Journal of Information Technology and Computer Science Vol. 6 No. 1 (2026): JOINTECOMS : Journal of Information Technology and Computer Science
Publisher : Universitas Palangka Raya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47111/jointecoms.v6i1.25772

Perkembangan teknologi informasi yang pesat saat ini telah membawa banyak perubahan signifikan di berbagi sektor, termasuk sektor perguruan tinggi negeri. Istitusi pendidikan kini di tuntut untuk bisa mengelola administrasi dengan lebih efisien dan transparan. Dokumen kedinasan ini adalah jenis dokumen yang resmi yang berkaitan dengan administrasi dan kegiatan akademik, contoh nya seperti Surat Keputusan (SK), Surat Tugas, Dokumen Laporan Rutin , Dokumen Surat Edaran, Pedoman Penelitian, dan lainnya. Pengelolaan dokumen kedinasan di Universitas Palangka Raya di kelola Oleh Bagian Umum Dan Kepegawaian, serta Bagian Hukum Dan Tata Laksana. Di Universitas Palangka Raya sendiri sudah ada aplikasi yang berkaitan dengan dokumen kedinasan untuk beberapa fakultas seperti, Silantik (Fakultas Teknik), webite FMIPA ( yang berisi syarat yudisium) tetapi pada webiste tersebut hanya mencau pada pemberkasan berkas secara online saja. Dokumen kedinasan ini biasanya diterbitkan untuk berbagai kegiatan akademik seperti seminar, konfersi, atau pelatihan, penganggakatan , pemindahan , atau pemberhentian dosen maupun pegawai.

Komparasi Machine Learning dalam Analisis Sentimen Berbasis Aspek dan Deteksi Emosi pada Ulasan Aplikasi Lowongan Kerja Husna Safitri, Hana; Handrianus Pranatawijaya, Viktor; Priskila, Ressa
Journal of Information Technology and Computer Science Vol. 6 No. 1 (2026): JOINTECOMS : Journal of Information Technology and Computer Science
Publisher : Universitas Palangka Raya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47111/jointecoms.v6i1.25773

Seiring meningkatnya penggunaan aplikasi pencari kerja, ulasan pengguna di platform digital menjadi sumber penting untuk mengevaluasi kualitas layanan. Namun, ulasan tersebut sering kali tidak terstruktur dan mengandung ekspresi kompleks. Penelitian ini menerapkan teknik machine learning untuk mengidentifikasi aspek dominan, serta memahami sentimen dan emosi dalam ulasan aplikasi Glints dan Jobstreet dari Google Play Store. Tiga model dibandingkan, yaitu Support Vector Machine (SVM), Random Forest, dan Multinomial Logistic Regression. Data diperoleh melalui scraping, diproses dengan tahapan preprocessing, dan dianotasi menggunakan LDA dan Generative AI untuk aspek, IndoBERT untuk sentimen, serta NRC Emotion Lexicon untuk emosi. Dataset dibagi dalam rasio 80:20 dan 90:10. Hasil menunjukkan bahwa model terbaik untuk klasifikasi aspek adalah SVM (split 90:10) dengan akurasi 97,67%, untuk sentimen adalah Multinomial Logistic Regression (split 90:10) dengan akurasi 94,49%, dan untuk emosi adalah SVM (split 90:10) dengan akurasi 99,46%. Aspek yang paling dominan adalah Pencarian Kerja, diikuti Pengalaman Pengguna. Sentimen ulasan didominasi oleh sentimen positif, dan emosi yang paling sering muncul adalah bahagia. Penelitian ini membantu mengevaluasi kinerja model dan memahami persepsi pengguna terhadap aplikasi pencari kerja.

Analisis Prediksi Stok Obat Berdasarkan Data Historis Penjualan Menggunakan Model ARIMA (Autoregressive Integrated Moving Average) Rahayu Hutapea, Sri; Noor Kamala Sari, Nova; Widiatry, Widiatry
Journal of Information Technology and Computer Science Vol. 6 No. 1 (2026): JOINTECOMS : Journal of Information Technology and Computer Science
Publisher : Universitas Palangka Raya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47111/jointecoms.v6i1.25774

Permasalahan penumpukan obat kadaluwarsa dan kekurangan stok akibat ketidakakuratan estimasi kebutuhan menjadi kendala utama dalam pengelolaan persediaan di Toko Obat Basaria. Kondisi ini berdampak negatif pada efisiensi operasional dan kepuasan pelanggan. Penelitian ini bertujuan mengevaluasi kinerja model Autoregressive Integrated Moving Average (ARIMA) dan Seasonal Autoregressive Integrated Moving Average (SARIMA) dalam memprediksi penjualan obat. Pemilihan model didasarkan pada hasil dekomposisi komponen dataset: ARIMA digunakan jika dataset tidak menunjukkan pola musiman, sedangkan SARIMA dipertimbangkan jika pola musiman teridentifikasi. Selanjutnya, penelitian ini menganalisis akurasi kedua model menggunakan metrik Mean Absolute Error (MAE), Root Mean Square Error (RMSE), dan Mean Absolute Percentage Error (MAPE) untuk menentukan model prediksi terbaik yang akan digunakan memproyeksikan penjualan di masa mendatang. Data yang digunakan adalah deret waktu penjualan obat berdasarkan jenisnya, mencakup dataset penjualan Bodrex, Vitamin, dan Paramex. Hasil penelitian menunjukkan bahwa performa model optimal bervariasi untuk setiap jenis obat. Untuk dataset penjualan Bodrex, model ARIMA (1,0,0) memberikan akurasi terbaik dengan MAE (18.14), RMSE (22.16), dan MAPE (27.07%). Sementara itu, dataset penjualan Vitamin paling baik diprediksi oleh model SARIMA (1,0,2),(3,1,2)12 dengan MAE (18.92), RMSE (25.37), dan MAPE (47,68%). Untuk penjualan Paramex, model SARIMA (2,0,2),(1,1,2)12 menjadi yang terbaik dengan akurasi MAE (15.57), RMSE (26.13), dan MAPE (12.61%). Prediksi penjualan ini diharapkan dapat menjadi dasar yang akurat bagi Toko Obat Basaria dalam mengoptimalkan pengelolaan stok, mengurangi kerugian akibat obat kedaluwarsa, dan meningkatkan ketersediaan produk demi kepuasan pelanggan.

Analisis Quality of Service Jaringan Internet PT PLN Icon Plus di Universitas Palangka Raya Simangunsong, Elieser; Geges, Septian; Ronaldo, Deddy; Licantik, Licantik; Teguh, Rony
Journal of Information Technology and Computer Science Vol. 6 No. 1 (2026): JOINTECOMS : Journal of Information Technology and Computer Science
Publisher : Universitas Palangka Raya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47111/jointecoms.v6i1.25775

Penelitian ini bertujuan untuk menganalisis kinerja jaringan internet PT PLN ICON PLUS yang digunakan di lingkungan Universitas Palangka Raya menggunakan metode Quality of Service (QoS). Parameter QoS yang dianalisis meliputi bandwidth, delay, jitter, dan packet loss. Pengukuran dilakukan menggunakan aplikasi Wireshark dan Iperf3 pada jaringan WLAN kampus di beberapa waktu pengujian. Hasil pengukuran kemudian dibandingkan dengan standar ITU-T G.1010 dan ETSI TIPHON untuk menentukan tingkat kualitas layanan jaringan. Hasil penelitian menunjukkan bahwa nilai rata-rata bandwidth sebesar 63,52 Mbps, delay sebesar 13,538 ms, jitter sebesar 2,79 ms, dan packet loss sebesar 0,62%, yang secara keseluruhan berada pada kategori baik hingga sangat baik. Berdasarkan hasil tersebut, dapat disimpulkan bahwa kinerja jaringan internet PT PLN ICON PLUS di Universitas Palangka Raya telah memenuhi standar kualitas layanan jaringan, meskipun tetap diperlukan upaya peningkatan dalam aspek pemerataan akses dan stabilitas jaringan pada jam sibuk.

Rancang Bangun Aplikasi Web Ketahanan Pangan: Analisis Faktor, Prediksi Harga, dan Daya Beli Penduduk Kota Palangka Raya Yosia Wibowo, Lucky; Indra Gunawan, Galih; Setya Dwi Putri, Athay; Margareth, Artika; Hermawan Hasibuan, Liyando
Journal of Information Technology and Computer Science Vol. 6 No. 1 (2026): JOINTECOMS : Journal of Information Technology and Computer Science
Publisher : Universitas Palangka Raya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47111/jointecoms.v6i1.25778

Ketahanan pangan menjadi permasalahan penting dalam menjaga stabilitas ekonomi dan kesejahteraan masyarakat, terutama di daerah dengan fluktuasi harga komoditas pangan yang cukup tinggi seperti Kota Palangka Raya. Keterbatasan akses informasi harga yang cepat dan akurat dapat menyulitkan masyarakat dalam merencanakan kebutuhan rumah tangga serta menyulitkan pemerintah dalam melakukan pengawasan harga. Penelitian ini bertujuan untuk merancang dan membangun aplikasi web ketahanan pangan yang mampu menyajikan informasi harga komoditas secara informatif dan mudah dipahami. Metode pengembangan sistem yang digunakan adalah Waterfall, yang meliputi tahap analisis kebutuhan, perancangan, implementasi, pengujian, dan pemeliharaan. Data harga komoditas diperoleh dari sumber resmi dan diolah menggunakan analisis data serta model prediksi berbasis machine learning untuk memproyeksikan tren harga. Hasil penelitian menunjukkan bahwa aplikasi yang dikembangkan mampu menampilkan harga harian, grafik tren, serta informasi pendukung ketahanan pangan secara efektif. Kesimpulannya, aplikasi web ketahanan pangan ini dapat membantu masyarakat dalam memantau perubahan harga dan mendukung pemerintah daerah dalam pengambilan keputusan terkait stabilitas harga pangan.

Rancang Bangun Media Edukasi Gizi dan Literasi Digital Pangan Berbasis Website Nur Hidayat, Febrian; Rizwar, Rinaldi; Rony Kurniawan, Muhammad; Purmasari, Purmasari; Leonardo, Tomas
Journal of Information Technology and Computer Science Vol. 6 No. 1 (2026): JOINTECOMS : Journal of Information Technology and Computer Science
Publisher : Universitas Palangka Raya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47111/jointecoms.v6i1.25779

Penelitian ini membahas tentang perancangan dan pengembangan Media Edukasi Berbasis Web tentang Gizi dan Literasi Digital Pangan sebagai solusi untuk meningkatkan kesadaran masyarakat terhadap pentingnya gizi seimbang dan literasi digital dalam mengakses informasi pangan. Latar belakang penelitian ini didasarkan pada rendahnya literasi digital masyarakat Indonesia serta masih kurangnya pemahaman tentang gizi yang tepat. Metode penelitian yang digunakan adalah metode Waterfall yang meliputi tahapan analisis kebutuhan, perancangan sistem menggunakan UML, implementasi, serta pengujian menggunakan System Usability Scale (SUS). Hasil penelitian menunjukkan bahwa website yang dikembangkan menyediakan fitur interaktif seperti kalkulator gizi, video edukasi, forum diskusi, berita pangan, dan layanan konsultasi yang memudahkan pengguna memperoleh informasi secara akurat dan menarik. Berdasarkan hasil uji SUS, website ini memperoleh kategori “acceptable”, menunjukkan tingkat kegunaan yang baik dan diterima oleh pengguna. Dengan demikian, media edukasi berbasis web ini dapat menjadi sarana efektif dalam meningkatkan literasi gizi dan kemampuan digital masyarakat Indonesia.

Rancang Bangun Website NutriPlanner Asisten Menu Sehat Berbasis Pangan Lokal untuk Meningkatkan Pemanfaatan Pangan Raflyanor, Raflyanor; Veri Fikatur, Daniel; M Tarigan, Handika; Eka Kurniawan, Syaril; Parhusip, Jadiaman
Journal of Information Technology and Computer Science Vol. 6 No. 1 (2026): JOINTECOMS : Journal of Information Technology and Computer Science
Publisher : Universitas Palangka Raya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47111/jointecoms.v6i1.25780

Pemanfaatan pangan lokal di Indonesia masih belum optimal akibat rendahnya pengetahuan dan kesadaran masyarakat dalam menyusun menu makanan bergizi seimbang. Kondisi ini mendorong perlunya solusi berbasis teknologi yang mampu membantu masyarakat merencanakan menu sehat dengan memanfaatkan bahan pangan lokal. Penelitian ini bertujuan untuk merancang dan membangun NutriPlanner, sebuah aplikasi web sebagai asisten perencana menu sehat berbasis pangan lokal. Metode pengembangan sistem yang digunakan adalah Waterfall, yang meliputi tahap analisis kebutuhan, perancangan sistem, implementasi, dan pengujian. Sistem dikembangkan menggunakan bahasa pemrograman PHP dan basis data MySQL dengan fitur utama berupa kalkulator gizi, generator menu sehat, informasi nilai gizi bahan pangan lokal, serta manajemen data oleh admin. Pengujian sistem dilakukan menggunakan metode Black Box Testing. Hasil pengujian menunjukkan bahwa seluruh fitur utama berjalan sesuai dengan fungsinya dan sistem mampu membantu pengguna dalam menyusun menu harian yang sehat, seimbang, dan berbasis pangan lokal. Dengan demikian, NutriPlanner dapat menjadi solusi digital yang mendukung peningkatan pemanfaatan pangan lokal serta mendorong penerapan pola hidup sehat di masyarakat.

Page 1 of 2 | Total Record : 11

1 2

Filter by Year

2026 2026

Filter By Issues

Home Page

OAI Link

Editorial Team

Contact

Reviewer

Google Scholar

Contact Name
Putu Bagus Adidyana Anugrah Putra

Contact Email
putu.upr@gmail.com

Phone
-

Journal Mail Official
jointecoms@upr.ac.id

Editorial Address
Kampus Universitas Palangka Raya Tunjung Nyaho, Jalan Yos Sudarso, Palangka Raya, Kalimantan Tengah, Indonesia

Location
Kota palangkaraya,

Kalimantan tengah

INDONESIA

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Home Page

OAI Link

Editorial Team

Contact

Reviewer

Google Scholar

Contact Name Putu Bagus Adidyana Anugrah Putra

Contact Email putu.upr@gmail.com

Phone -

Journal Mail Official jointecoms@upr.ac.id

Editorial Address Kampus Universitas Palangka Raya Tunjung Nyaho, Jalan Yos Sudarso, Palangka Raya, Kalimantan Tengah, Indonesia

Location Kota palangkaraya, Kalimantan tengah INDONESIA

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Contact Name
Putu Bagus Adidyana Anugrah Putra

Contact Email
putu.upr@gmail.com

Phone
-

Journal Mail Official
jointecoms@upr.ac.id

Editorial Address
Kampus Universitas Palangka Raya Tunjung Nyaho, Jalan Yos Sudarso, Palangka Raya, Kalimantan Tengah, Indonesia

Location
Kota palangkaraya,

Kalimantan tengah

INDONESIA