cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Gunawan
Contact Email
gunawan@uho.ac.id
Phone
-
Journal Mail Official
anoatik@uho.ac.id
Editorial Address
Program Studi Ilmu Komputer Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Halu Oleo Kampus Hijau Bumi Tridharma Jalan H. E. A. Mokodompit, Anduonohu Kendari, Sulawesi Tenggara - Indonesia 93232
Location
Kota kendari,
Sulawesi tenggara
INDONESIA
AnoaTIK: Jurnal Teknologi Informasi dan Komputer
Published by Universitas Halu Oleo
ISSN : -     EISSN : 29877652     DOI : https://doi.org/10.33772/anoatik
Core Subject : Science,
Computer Science & IT
AnoaTIK: Jurnal Teknologi Informasi dan Komputer (eISSN 2987-7652) merupakan salah satu jurnal yang dikelola oleh program studi Ilmu Komputer pada Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Halu Oleo. Terbit 2 (dua) kali dalam setahun pada bulan Juni dan Desember sebagai salah satu wadah publikasi ilmiah pada bidang teknologi informasi dan ilmu komputer berbahasa Indonesia.
Arjuna Subject : Ilmu Komputer (semua kategori) - Ilmu Komputer (Lain-Lain)
Articles 53 Documents
 2   3   4   5   6 
SISTEM PAKAR DIAGNOSA PENYAKIT HEWAN TERNAK SAPI MENGGUNAKAN METODE FORWARD CHAINING Milda Wati; Laode Saidi; Ferdinand Murni Hamundu
AnoaTIK: Jurnal Teknologi Informasi dan Komputer Vol 3 No 2 (2025): Desember 2025
Publisher : Program Studi Ilmu Komputer FMIPA-UHO

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33772/anoatik.v3i2.125

Abstract

Sistem pakar bertujuan agar komputer mampu memberikan solusi cerdas seperti manusia. Salah satu algoritma yang digunakan adalah forward chaining. Berdasarkan wawancara dengan dokter hewan, jumlah dokter hewan di Kota Kendari masih sangat kurang, sehingga diagnosa penyakit ternak terkendala. Penelitian ini bertujuan menghasilkan sistem pakar untuk mendiagnosa penyakit sapi menggunakan metode Forward Chaining. Metode forward chaining merupakan metode runut maju, yang berarti menggunakan kondisi aksi. Metode ini akan menggunakan data dalam menentukan aturan mana yang akan dijalankan, setelahnya aturan tersebut akan dijalankan. Forward chaining dapat disebut sebagai metode intervensi yang dimana melakukan penalaran pada suatu masalah kepada solusinya. Metode ini sendiri menggunakan pendekatan goal-driven, diawali dengan hipotesis yang dilanjutkan dengan mencari bukti pendukung dari hipotesis tersebut Hasil uji blackbox menunjukkan seluruh fungsi sistem berjalan baik. Uji confusion matrix menunjukkan akurasi 87.5%, presisi 100%, dan recall 87.5%. Nilai akurasi dari yang kurang begitu baik dari sistem disebabkan oleh faktor keterbatasan intervensi yang dilakukan oleh sistem. Meskipun begitu sistem telah mampu digunakan secara luas dan diharapkan dapat membantu dalam proses diagnosa penyakit pada hewan ternak sapi.
ANALISIS KOMPARASI KESTABILAN ALGORITMA DECISION TREE DAN RANDOM FOREST UNTUK KLASIFIKASI GANGGUAN TIDUR Almunajat Amirul Soleh; Gusti Arviana Rahman
AnoaTIK: Jurnal Teknologi Informasi dan Komputer Vol 3 No 2 (2025): Desember 2025
Publisher : Program Studi Ilmu Komputer FMIPA-UHO

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33772/anoatik.v3i2.126

Abstract

Sleep disorders are serious health conditions that are closely associated with an increased risk of hypertension and cardiovascular disease. Considering the high cost of conventional clinical diagnostic procedures, data mining techniques for early detection offer an effective alternative. This study aims to conduct a comparative performance analysis between the Decision Tree (C4.5) and Random Forest algorithms in classifying sleep disorders (None, Insomnia, and Sleep Apnea). To address class imbalance issues, this research utilizes the secondary Sleep Health and Lifestyle dataset. To evaluate model stability, a rigorous validation method, Stratified 10-Fold Cross-Validation, is employed. The experimental results indicate that the Random Forest algorithm outperforms the Decision Tree, achieving an average accuracy of 91.41% and a Kappa value of 0.8473. The primary advantage of the Random Forest algorithm lies in its ability to significantly improve the detection sensitivity of the Insomnia class to 88.31%. Based on feature importance analysis, diastolic blood pressure and the BMI category (Overweight) are identified as the most influential features in the diagnostic process. Random Forest is therefore considered a more accurate and stable model for medical decision support systems.
ANALISIS DAN IMPLEMENTASI SISTEM KONTROL LAMPU RUMAH OTOMATIS MENGGUNAKAN METODE FUZZY LOGIC I Made Alit Dwi Saputra; Ilham Julian Efendi; Subardin
AnoaTIK: Jurnal Teknologi Informasi dan Komputer Vol 3 No 2 (2025): Desember 2025
Publisher : Program Studi Ilmu Komputer FMIPA-UHO

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33772/anoatik.v3i2.128

Abstract

Efficient use of electrical energy is one of the important aspects in a smart home system. One solution is an automatic lighting control system that can turn lights on or off based on environmental conditions. This study aims to design and implement an automatic home lighting control system using the Mamdani fuzzy logic inference method, with the integration of the Internet of Things (IoT) through the Blynk application for remote monitoring and control. This system usesanLDR sensor to detect environmental lighting levels and a PIR sensor to detect human movement. Data from the sensors is processed using predetermined rule-based fuzzy logic to produce lighting control decisions (ON or OFF). The implementation offuzzy logic is carried out on an Arduino microcontroller, while IoT connectivity and user interface are handled by the ESP8266 module connected to the Blynk platform. The test results show that the system can work automatically with responsiveness and accuracy. The lights turn on only when the light is dim/dark and there is movement, and can be controlled manually through the Blynk application. This system also allows monitoring ofsensor values (LDR and PIR) in real time via mobile devices. With the integration offuzzy logic and IoT, the system is proven to be effective in improving energy efficiency and user comfort in the home environment
PENGARUH PENGGUNAAN GITHUB DAN EDUTRACK TERHADAP MOTIVASI MAHASISWA DALAM PROYEK PERANGKAT LUNAK Muhammad Riansyah Tohamba; LM Bahtiar Aksara
AnoaTIK: Jurnal Teknologi Informasi dan Komputer Vol 3 No 2 (2025): Desember 2025
Publisher : Program Studi Ilmu Komputer FMIPA-UHO

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33772/anoatik.v3i2.129

Abstract

The integration of digital technologies in education continues to advance, including the use of GitHub as a collaboration platform and EduTrack as a progress monitoring tool. This study aims to evaluate the impact of GitHub and EduTrack on students’ motivation during software project development. A total of 104 students participated in this study, utilizing GitHub for team project management and EduTrack for periodic progress evaluation. Data were collected through a Likert-scale questionnaire designed to measure autonomy, competence, relatedness, and industry readiness. Statistical analysis using the t-test revealed that several dimensions of students’ motivation were significantly influenced by the use of these platforms. The findings provide new insights into the integration of digital tools to support collaborative learning and prepare students for industry challenges.
PERBANDINGAN METODE CERTAINTY FACTOR DAN DEMPSTER SHAFER DALAM MENDIAGNOSIS PENYAKIT DIABETES MELLITUS PADA RUMAH SAKIT UMUM DAERAH KOTA KENDARI Wasda Bil Husna; Herdi Budiman; La Surimi
AnoaTIK: Jurnal Teknologi Informasi dan Komputer Vol 3 No 2 (2025): Desember 2025
Publisher : Program Studi Ilmu Komputer FMIPA-UHO

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33772/anoatik.v3i2.130

Abstract

Diabetes Mellitus is a chronic disease that requires early and accurate diagnosis. This study aims to develop an expert system to diagnose Type 2 Diabetes Mellitus by comparing Certainty Factor and Dempster-Shafer methods. The system was developed using rule-based reasoning with symptom data and expert confidence values. Evaluation using a confusion matrix shows that the Certainty Factor method achieved higher accuracy than the Dempster-Shafer method.
SISTEM PENDUKUNG KEPUTUSAN PENENTUAN KARYAWAN TERBAIK MENGGUNAKAN METODE SIMPLE ADDITIVE WEIGHTING STUDI KASUS RUMAH SAKIT HATI MULIA KENDARI Achirul Slamet Sugiarto; La Ode Saidi; Natalis Ransi; Andi Tenriawaru; Ferdinand Murni Hamundu; La Surimi
AnoaTIK: Jurnal Teknologi Informasi dan Komputer Vol 4 No 1 (2026): Juni 2026
Publisher : Program Studi Ilmu Komputer FMIPA-UHO

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33772/anoatik.v4i1.122

Abstract

The Hati Mulia Kendari Hospital experiences difficulties in analyzing appropriate decision making. The process of determining the best employees still uses the method of adding up each criterion so that the data tends to be unstructured and inaccurate. This research aims to produce a decision support system for determining the best employees using a simple additive weighting method. Simple additive weighting is very important because it can increase efficiency, minimize errors, optimize resources, support evidence-based decisions, overcome complexity, increase decision certainty, increase competitiveness, facilitate innovation, and encourage transparency. This decision support system uses the waterfall development method to build the system, testing the system and data using the black box testing and confusion matrix method. The results of system testing using black box testing obtained results that were in accordance with user needs and the results of data testing with 36 test data using a confusion matrix with 3 outputs produced an accuracy of 94%, precision of 80% and recall of 100%. These results show that this decision support system can be implemented.
PEMILIHAN MODEL MANAJEMEN PROYEK ERP HYBRID MENGGUNAKAN MULTI CRITERIA DECISION ANALYSIS (MCDA) Nafisa Devi Nur Rusydah; Roji Rohmatillah; Muhammad Ainul Yaqin
AnoaTIK: Jurnal Teknologi Informasi dan Komputer Vol 4 No 1 (2026): Juni 2026
Publisher : Program Studi Ilmu Komputer FMIPA-UHO

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33772/anoatik.v4i1.131

Abstract

Pemilihan model manajemen proyek Enterprise Resource Planning (ERP) menjadi faktor penting karena implementasi ERP memiliki tingkat kompleksitas dan risiko kegagalan yang tinggi. Namun, proses pemilihan metodologi manajemen proyek masih sering dilakukan berdasarkan preferensi organisasi tanpa mempertimbangkan karakteristik proyek secara spesifik. Penelitian ini bertujuan mengembangkan model seleksi adaptif berbasis karakteristik proyek untuk menentukan metodologi manajemen proyek ERP yang paling sesuai. Metode yang digunakan adalah Multi-Criteria Decision Analysis (MCDA) yang mengintegrasikan Analytical Hierarchy Process (AHP) dan Technique for Order Preference by Similarity to Ideal Solution (TOPSIS) menggunakan pendekatan scenario-based weighting. Simulasi dilakukan menggunakan Project Management Risk Raw Dataset yang terdiri atas 4000 data proyek simulasi dengan enam kriteria utama, yaitu stabilitas kebutuhan, kompleksitas sistem, kesiapan Agile, risiko, dokumentasi, dan keterlibatan stakeholder. Hasil penelitian menunjukkan bahwa model Hybrid B (Agile iterations dengan tata kelola formal) menjadi model paling dominan dengan tingkat rekomendasi sebesar 47,45%, diikuti Agile sebesar 45,53%, sedangkan alternatif lainnya menunjukkan tingkat rekomendasi yang lebih rendah. Hasil tersebut menunjukkan bahwa pendekatan hybrid lebih adaptif untuk diterapkan pada proyek ERP modern yang dinamis.
IMPLEMENTASI K-MEANS DAN DAVIES BOULDIN INDEX UNTUK PENGELOMPOKAN DAERAH DI SULAWESI TENGGARA BERDASARKAN INDIKATOR PENDIDIKAN DENGAN VISUALISASI SISTEM INFORMASI GEOGRAFIS Sahrul; Natalis Ransi; Muhammad Arfan
AnoaTIK: Jurnal Teknologi Informasi dan Komputer Vol 4 No 1 (2026): Juni 2026
Publisher : Program Studi Ilmu Komputer FMIPA-UHO

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33772/anoatik.v4i1.133

Abstract

Penelitian ini menerapkan algoritma K-Means yang diintegrasikan dengan Davies-Bouldin Index (DBI) untuk mengelompokkan wilayah berdasarkan indikator pendidikan. Metode DBI berfungsi menentukan jumlah klaster optimal secara objektif sebelum proses klasterisasi dengan K-Means dilakukan. Hasil penelitian memperoleh jumlah klaster terbaik k=2 (nilai DBI 0,6035) yang mengelompokkan 17 wilayah menjadi dua klaster yang kohesif. Hasil klastering divalidasi secara visual menggunakan Principal Component Analysis (PCA) dan berhasil divisualisasikan dalam peta tematik berbasis Sistem Informasi Geografis (SIG) melalui sistem web yang dibangun dengan framework Streamlit. Simpulan penelitian ini adalah kombinasi K-Means dan DBI menghasilkan klasterisasi wilayah yang objektif dan terukur, serta sistem web memudahkan visualisasi hasilnya secara interaktif
IMPLEMENTASI LAYANAN OTOMASI USAHA LAUNDRI BERBASIS WORKFLOW AUTOMATION MENGGUNAKAN N8N Muhammad Arya Al Fajar; Gunawan; Arga Wiradarma
AnoaTIK: Jurnal Teknologi Informasi dan Komputer Vol 4 No 1 (2026): Juni 2026
Publisher : Program Studi Ilmu Komputer FMIPA-UHO

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33772/anoatik.v4i1.136

Abstract

Perkembangan teknologi informasi mendorong digitalisasi proses bisnis pada usaha mikro, kecil, dan menengah (UMKM), termasuk usaha laundri. Namun, pengelolaan pesanan, pelacakan status layanan, dan penyampaian informasi kepada pelanggan masih banyak dilakukan secara manual sehingga kurang efisien. Penelitian ini bertujuan merancang dan mengimplementasikan sistem pemesanan serta pelacakan status laundri berbasis workflow automation menggunakan platform n8n yang terintegrasi dengan chatbot WhatsApp dan notifikasi real-time. Metode penelitian yang digunakan adalah Research and Development (R&D), meliputi analisis kebutuhan, perancangan, pengembangan, pengujian, implementasi, dan evaluasi sistem. Sistem dikembangkan menggunakan Django sebagai backend, MySQL sebagai basis data, serta n8n sebagai workflow automation engine yang terintegrasi melalui API dengan chatbot WhatsApp berbasis Gemini AI. Hasil penelitian menunjukkan bahwa sistem berhasil mengotomatisasi proses komunikasi dan pelacakan status laundri melalui chatbot dan notifikasi WhatsApp secara real-time. Berdasarkan pengujian Black Box Testing, seluruh fitur utama sistem berjalan sesuai dengan kebutuhan fungsional tanpa ditemukan kesalahan yang signifikan. Sistem yang dikembangkan mampu meningkatkan efisiensi penyampaian informasi kepada pelanggan dan mendukung operasional usaha laundri secara lebih efektif.
KLASIFIKASI INDEKS PEMBANGUNAN MANUSIA DENGAN METODE K-NEAREST NEIGHBOR DAN SUPPORT VECTOR MACHINE DI SULAWESI TENGGARA Gusti Arviana Rahma; Sulfikram Sulfikram
AnoaTIK: Jurnal Teknologi Informasi dan Komputer Vol 4 No 1 (2026): Juni 2026
Publisher : Program Studi Ilmu Komputer FMIPA-UHO

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33772/anoatik.v4i1.140

Abstract

Indeks Pembangunan Manusia (IPM) merupakan indikator yang digunakan untuk menggambarkan kualitas pembangunan manusia melalui dimensi kesehatan, pendidikan, dan standar hidup yang layak. Perbedaan kondisi sosial, ekonomi, dan pembangunan antarwilayah menyebabkan variasi nilai IPM sehingga diperlukan metode yang mampu mengelompokkan wilayah berdasarkan kategori IPM secara tepat. Penelitian ini bertujuan untuk membandingkan kinerja algoritma K-Nearest Neighbor (KNN) dan Support Vector Machine (SVM) dalam mengklasifikasikan kategori IPM di Provinsi Sulawesi Tenggara. Data yang digunakan terdiri atas 17 kabupaten/kota dengan atribut Angka Harapan Hidup (AHH), Harapan Lama Sekolah (HLS), Rata-rata Lama Sekolah (RLS), dan Pengeluaran Per Kapita (PPP). Tahapan penelitian meliputi preprocessing data, pembentukan kategori IPM, normalisasi data, pembagian data menjadi data latih dan data uji, serta proses klasifikasi menggunakan algoritma KNN dan SVM. Pengujian dilakukan pada KNN dengan nilai K=3, K=5, dan K=7, sedangkan SVM menggunakan kernel linear dan kernel Radial Basis Function (RBF). Kinerja model dievaluasi menggunakan confusion matrix dan nilai akurasi. Hasil penelitian menunjukkan bahwa algoritma KNN dengan nilai K=3 memperoleh akurasi tertinggi sebesar 100%, sedangkan SVM dengan kernel linear dan kernel RBF masing-masing memperoleh akurasi sebesar 83,33%. Berdasarkan hasil tersebut, algoritma KNN menunjukkan performa yang lebih baik dibandingkan SVM dalam mengklasifikasikan kategori Indeks Pembangunan Manusia di Provinsi Sulawesi Tenggara.

Page 5 of 6 | Total Record : 53

 2   3   4   5   6 

Filter by Year

2023 2026


Reset
Filter By Issues
All Issue Vol 4 No 1 (2026): Juni 2026 Vol 3 No 2 (2025): Desember 2025 Vol 3 No 1 (2025): Juni 2025 Vol 2 No 2 (2024): Desember 2024 Vol 2 No 1 (2024): Juni 2024 Vol 1 No 2 (2023): Desember 2023 Vol 1 No 1 (2023): Juni 2023