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 199 Documents

16 17 18 19 20

Analisis Komparatif Performa Large Language Model dalam Perancangan User Interface Berbasis Framework CO-STAR Jovan Nathaniel Jie; Kristopher Owen; Michael Jovanco
Journal of Information Technology and Computer Science Vol. 6 No. 2 (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.v6i2.25659

Penelitian ini mengeksplorasi strategi perancangan antarmuka pengguna (user interface ) yang imajinasi bagi masyarakat awam dengan tingkat literasi digital terbatas melalui pemanfaatan kecerdasan buatan. Fokus utama penelitian ini adalah menganalisis bagaimana kualitas proses dalam prompt engineering mempengaruhi efektivitas Large Language Model (LLM) dalam menghasilkan solusi desain. Peneliti mengusulkan penggunaan framework CO-STAR sebagai struktur instruksi formal untuk meningkatkan kejelasan dan relevansi output AI. Melalui eksperimen komparatif terhadap enam model LLM, hasil desain dievaluasi oleh 129 responden menggunakan skala Likert dan analisis statistik Mean Rank . Temuan menunjukkan bahwa kerangka kerja CO-STAR secara signifikan membantu AI dalam menghubungkan elemen visual yang kompleks menjadi tata letak yang mudah dipahami oleh pengguna pemula. Studi ini menyimpulkan bahwa rekayasa prompt yang presisi mampu mengatasi limitasi sistem tokenisasi AI, sekaligus memberikan kontribusi praktis dalam menciptakan produk digital yang mendukung inklusivitas digital bagi seluruh lapisan masyarakat.

Analisis Komparatif Kecerdasan Buatan Generatif pada Pemecahan Soal OSNK Matematika SMA melalui Black Box Testing Ariadne Clarissa Darnetta Oswari; Angelim; Dicky Pratama
Journal of Information Technology and Computer Science Vol. 6 No. 2 (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.v6i2.25816

Perkembangan kecerdasan buatan (AI) generatif seperti ChatGPT dan Gemini telah banyak dimanfaatkan dalam bidang pendidikan , termasuk matematika. Namun, penggunaan instan teknologi ini berisiko membuat siswa kehilangan proses berpikir dan bernalar, sebuah masalah yang signifikan mengingat rendahnya literasi matematika pelajar di Indonesia berdasarkan data PISA. Penelitian ini bertujuan untuk menguji tingkat keakuratan AI (GPT-5.3 dan Gemini 3 Flash) dalam menjawab soal kompleks tingkat olimpiade, yakni Olimpiade Sains Nasional tingkat Kabupaten/Kota (OSNK) Matematika SMA tahun 2024 dan 2025. Pendekatan kuantitatif digunakan dengan metode Black Box Testing. Hasil akhir dari 15 sampel soal per tahun yang dikerjakan oleh kedua AI dievaluasi menggunakan kunci jawaban rujukan. Hasil uji statistik deskriptif menunjukkan bahwa Gemini 3 Flash memiliki konsistensi yang lebih baik dengan tingkat akurasi tertinggi mencapai 80% (Cukup Akurat) pada soal tahun 2025. Sedangkan, ChatGPT versi GPT-5.3 mengalami penurunan performa pada periode yang sama dengan tingkat akurasi hanya sebesar 53,33% (Kurang Akurat). Penelitian ini menyimpulkan bahwa Gemini 3 Flash lebih efektif dan konsisten dibandingkan ChatGPT dalam menyelesaikan persoalan matematika tingkat lanjut. Walaupun begitu, teknologi AI seharusnya hanya diposisikan sebagai pendamping belajar yang diiringi dengan proses penalaran mandiri dan validasi manual guna menjaga kualitas literasi matematika siswa.

Website Pencarian Lokasi Tempat Makan Terdekat Menggunakan Algoritma Dijkstra dan K-Means Clustering Dimas Lumban Gaol; Felicia Sylviana; Ressa Priskila
Journal of Information Technology and Computer Science Vol. 6 No. 2 (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.v6i2.26336

Pengguna yang berada di wilayah baru atau kawasan padat tempat makan sering kesulitan menemukan pilihan yang efisien karena tidak adanya pengelompokan spasial yang jelas dan rute yang optimal. Penelitian ini membangun sebuah website pencarian lokasi tempat makan terdekat yang mengintegrasikan algoritma K-Means Clustering dan Dijkstra. K-Means digunakan untuk mengelompokkan 114 data restoran di Kota Palangka Raya berdasarkan kedekatan geografis dan rating, sedangkan Dijkstra menghitung rute terpendek berbasis graf jaringan jalan dari posisi pengguna menuju restoran. Evaluasi kualitas cluster menggunakan Silhouette Coefficient dan Metode Elbow menentukan K=8 sebagai jumlah cluster optimal dengan nilai Silhouette 0,812. Akurasi rute diukur melalui Mean Absolute Percentage Error (MAPE) dengan membandingkan jarak Dijkstra terhadap Google Maps pada 20 titik uji. Hasil menunjukkan MAPE sebesar 9,61% dengan korelasi Pearson 0,95, mengindikasikan akurasi yang baik. Pengujian blackbox terhadap seluruh fitur sistem menunjukkan hasil 100% berhasil. Sistem ini membuktikan bahwa integrasi clustering spasial dan perutean terpendek mampu menghadirkan rekomendasi tempat makan yang relevan, efisien, dan berbasis lokasi nyata.

Implementasi Aplikasi Website Inventori Terintegrasi Spreadsheet Untuk Kelengkapan Wisuda Dan Sosprom di Universitas Terbuka Palangka Raya A.Irwin Putra Pangesti; Efrans Christian; Novera Kristianti
Journal of Information Technology and Computer Science Vol. 6 No. 2 (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.v6i2.26883

Universitas Terbuka Palangka Raya memerlukan sistem pengelolaan inventori yang lebih efektif untuk mendukung kegiatan Wisuda dan Sosialisasi Program (Sosprom), karena proses sebelumnya masih dilakukan secara manual melalui dokumen fisik dan spreadsheet terpisah sehingga menimbulkan duplikasi data, kesalahan input, lambatnya pencarian informasi, serta kesulitan membuat tanda terima dan laporan inventori. Kerja Praktek ini bertujuan mengimplementasikan aplikasi website inventori terintegrasi berbasis Google Spreadsheet dengan memanfaatkan Google Apps Script sebagai backend RESTful API serta HTML, CSS, dan JavaScript sebagai frontend, menggunakan metode pengembangan Waterfall yang meliputi analisis kebutuhan, perancangan, implementasi, pengujian, dan pemeliharaan. Sistem yang dibangun menyediakan fitur pencatatan barang masuk, pengelolaan master barang, monitoring stok secara real-time, pembuatan tanda terima barang keluar yang dapat diekspor ke PDF melalui jsPDF, serta visualisasi data menggunakan Chart.js. Hasil pengujian melalui metode Black Box Testing menunjukkan bahwa seluruh fitur berjalan sesuai kebutuhan, sehingga sistem ini mampu meningkatkan efisiensi, akurasi, transparansi data inventori, serta mempermudah proses administrasi inventori pada Universitas Terbuka Palangka Raya.

Perbandingan Algoritma CNN, BiLSTM, dan BERT untuk Analisis Sentimen Berbasis Aspek dan Deteksi Emosi Opini Publik pada Kebijakan Pemerintah Makan Siang Gratis dan Kenaikan PPN 12 Persen Kevin Wilbert Sachio; Viktor Handrianus Pranatawijaya; Jadiaman Parhusip
Journal of Information Technology and Computer Science Vol. 6 No. 2 (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.v6i2.27856

Penelitian ini mengkaji respons publik terhadap kebijakan pemerintah, khususnya "Program Makan Siang Gratis" dan "Kenaikan PPN 12%", melalui analisis sentimen berbasis aspek dan deteksi emosi menggunakan teknik deep learning. Pemahaman terhadap persepsi masyarakat terhadap kebijakan publik sangat penting untuk merancang kebijakan yang lebih efektif, di mana analisis sentimen berbasis aspek dengan model deep learning seperti BERT, BiLSTM, dan CNN menjadi alat yang efektif untuk mengidentifikasi pandangan publik. Tujuan utama penelitian ini adalah untuk mengevaluasi respons publik terhadap kedua kebijakan tersebut dan membandingkan kinerja model-model deep learning dalam mengklasifikasikan aspek, sentimen, dan emosi. Hasil analisis menunjukkan bahwa kebijakan "Program Makan Siang Gratis" mendapat respons positif meskipun terdapat kritik, sementara "Kenaikan PPN 12%" lebih banyak mendapatkan respons negatif, terutama terkait dampaknya terhadap daya beli masyarakat. Model BERT menunjukkan kinerja terbaik dengan akurasi tertinggi: 88% untuk klasifikasi aspek, 98% untuk sentimen, dan 82% untuk emosi. Temuan ini menunjukkan bahwa metodologi yang digunakan dapat diterapkan pada analisis kebijakan publik lainnya, seperti di bidang pendidikan, kesehatan, dan lingkungan, untuk memperdalam pemahaman tentang persepsi publik dan meningkatkan perencanaan kebijakan berbasis respons masyarakat.

Model Bayesian Network untuk Analisis Risiko dan Prediksi Kasus Pelecehan Seksual di Perguruan Tinggi Palangka Raya Patricia Elena Putri; Rony Teguh; Ariesta Lestari
Journal of Information Technology and Computer Science Vol. 6 No. 2 (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.v6i2.27857

Pelecehan seksual di lingkungan pendidikan tinggi merupakan bentuk kekerasan berbasis gender yang kompleks dan sering kali tidak terlaporkan. Penelitian ini bertujuan untuk menganalisis faktor-faktor risiko serta memprediksi kemungkinan terjadinya pelecehan seksual di perguruan tinggi Kota Palangka Raya menggunakan pendekatan Bayesian Network. Data diperoleh dari 304 responden melalui kuesioner yang disusun berdasarkan indikator Permendikbudristek No. 30 Tahun 2021. Proses pra-pemrosesan data mencakup pembersihan data, balancing kelas target, feature engineering, dan pembentukan intermediate node untuk menyederhanakan struktur jaringan. Tiga model diuji dengan metode Expectation-Maximization untuk pembelajaran parameter dan dibandingkan menggunakan evaluasi akurasi, confusion matrix, dan kurva ROC-AUC. Hasil menunjukkan bahwa model dengan balancing data, intermediate node, dan stratified split (Model C) memberikan performa terbaik, dengan recall 100% dalam mendeteksi korban dan AUC sebesar 0.95. Temuan ini menunjukkan bahwa model dapat digunakan sebagai alat bantu dalam pemetaan risiko pelecehan seksual dan pengambilan kebijakan preventif di lingkungan perguruan tinggi.

Implementasi Network Monitoring System Berbasis Web di Universitas Palangka Raya Arman Juliansyah; Septian Geges; Novera Kristianti
Journal of Information Technology and Computer Science Vol. 6 No. 2 (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.v6i2.27858

Universitas Palangka Raya (UPR) merupakan institusi pendidikan tinggi di Kalimantan Tengah yang memiliki infrastruktur jaringan untuk menunjang berbagai kegiatan kampus. Namun, saat ini UPR belum memiliki sistem pemantauan jaringan terpusat yang mengakibatkan penanganan masalah jaringan dilakukan manual, sehingga dapat menggangu aktivitas di lingkungan kampus. Penelitian ini bertujuan merancang dan membangun sistem monitoring jaringan berbasis web di Universitas Palangka Raya. Sistem dikembangkan menggunakan metode waterfall melalui tahapan analisis, desain, implementasi (Python, Javascript, HTML, CSS, Bootstrap, MySQL), dan pengujian (black-box), serta memanfaatkan protokol standar (ICMP, SSH, API, SNMP) dan notifikasi Telegram. Hasil pengujian bahwa sistem berjalan baik dengan dapat memantau kondisi jaringan secara real time, mendapatkan traffic data, dan mengkonfigurasi dan verifikasi perangkat.

Penerapan Multi Criteria Decision Making (MCDM) Menggunakan Topsis Untuk Pemilihan Apotek Berdasarkan Analisis Sentimen Berbasis Aspek dan Jarak Kristania Martha Wijaya; Viktor Handrianus Pranatawijaya; Nahumi Nugrahaningsih
Journal of Information Technology and Computer Science Vol. 6 No. 2 (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.v6i2.27859

Pemilihan apotek yang tepat berperan penting dalam mendukung pelayanan kesehatan masyarakat. Di Kota Palangka Raya, informasi apotek tersedia melalui berbagai platform digital, namun pemilihan seringkali harus mempertimbangkan beberapa kriteria seperti jarak, ketersediaan obat, dan kualitas layanan. Penelitian ini menerapkan pendekatan Multi Criteria Decision Making (MCDM) dengan metode Technique for Order Preference by Similarity to Ideal Solution (TOPSIS) untuk mendukung pemilihan apotek berdasarkan analisis sentimen berbasis aspek dan jarak. Identifikasi aspek dilakukan menggunakan Latent Dirichlet Allocation (LDA) yang menghasilkan dua aspek utama, yaitu Pelayanan & Fasilitas serta Ketersediaan Obat & Harga. Analisis sentimen pada ulasan pengguna dilakukan dengan model IndoBERT untuk menghasilkan skor kriteria, sedangkan jarak dihitung secara dinamis melalui Google Maps API. Seluruh kriteria dinormalisasi, dibobotkan, dan diproses dengan metode TOPSIS guna memperoleh nilai preferensi dan peringkat apotek. Hasil penelitian menunjukkan bahwa integrasi analisis sentimen aspek dengan perhitungan jarak dan metode TOPSIS mampu memberikan peringkat apotek yang lebih objektif. Sistem yang dikembangkan dapat membantu pengguna menemukan apotek terdekat dengan kualitas layanan lebih baik sesuai opini pengguna, serta berpotensi diterapkan pada pemilihan layanan kesehatan lainnya.

Sistem Manajemen Praktikum Terintegrasi Menggunakan Metode Saw Dan Topsis Sebagai Algoritma Pendukung Keputusan Fito Andrea Micelle; Septian Geges; Devi Karolita
Journal of Information Technology and Computer Science Vol. 6 No. 2 (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.v6i2.27860

Proses seleksi asisten praktikum merupakan tahapan penting dalam mendukung kelancaran kegiatan praktikum di perguruan tinggi. Namun, seleksi yang masih dilakukan secara manual cenderung subjektif dan kurang transparan, sehingga berpotensi menghasilkan keputusan yang kurang optimal. Penelitian ini bertujuan membangun dan mengevaluasi sistem pendukung keputusan berbasis web yang lebih objektif, transparan, dan berbasis data dengan membandingkan metode Simple Additive Weighting (SAW) dan Technique for Order Preference by Similarity to Ideal Solution (TOPSIS). Metode penelitian meliputi analisis kebutuhan, perancangan dan implementasi sistem, serta pengujian dan evaluasi kinerja metode. Data penilaian calon asisten diperoleh dari hasil penilaian manual dosen sebagai ground truth. Evaluasi dilakukan dengan membandingkan hasil pemeringkatan sistem menggunakan metode SAW dan TOPSIS terhadap ground truth berdasarkan tingkat akurasi dan nilai Recall@3. Hasil penelitian menunjukkan bahwa kedua metode mampu meningkatkan objektivitas dan transparansi dibandingkan proses manual. Namun, TOPSIS memiliki kinerja lebih baik dengan akurasi 80% dan Recall@3 sebesar 100%, sedangkan SAW memperoleh akurasi 70%. Dengan demikian, TOPSIS lebih efektif dan direkomendasikan untuk digunakan dalam sistem pendukung keputusan seleksi asisten praktikum.

Page 20 of 20 | Total Record : 199

16 17 18 19 20

Filter by Year

2021 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

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

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