cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Soffa Zahara
Contact Email
soffa.zahara@unim.ac.id
Phone
+6285748431029
Journal Mail Official
submit@unim.ac.id
Editorial Address
Teknik Informatika Fakultas Teknik Universitas Islam Majapahit. Gedung Dwipa Mandala Lt. 1. Jl. Raya Jabon km 0,7 Mojoanyar Mojokerto Jawa Timur Indonesia 61364
Location
Kab. mojokerto,
Jawa timur
INDONESIA
Submit : Jurnal Ilmiah Teknologi Informasi dan Sains
Published by Universitas Islam Majapahit
ISSN : -     EISSN : 27986861     DOI : https://doi.org/10.36815/submit.v3i2.3009
Core Subject : Science, Engineering,
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Engineering
Jurnal SUBMIT bertujuan untuk mempublikasikan artikel berkualitas yang didedikasikan untuk semua aspek perkembangan terbaru yang beredar di bidang teknik informatika, sistem informasi, sistem komputer, dan ilmu komputer. Ruang lingkup meliputi aplikasi Teknologi Informasi, Perkembangan Teknologi Jaringan, Keamanan Komputer, Terapan Ilmu Komputer, Kecerdasan Buatan, Internet of Things, Data Mining,Teknologi Wireless, dll. Selain itu juga meningkatkan kemampuan dosen dan mahasiswa dalam bidang penelitian sebagai wujud dari kewajiban tridarma perguruan tinggi. Selain itu, dapat mendorong peningkatan publikasi sebagai wujud dari luaran hasil penelitian.
Arjuna Subject : Ilmu Komputer (semua kategori) - Aplikasi Ilmu Komputer
Articles 126 Documents
 9   10   11   12   13 
Implementasi Mediapipe dan Long Short-Term Memory (LSTM) Untuk Pengenalan Gesture Bahasa Isyarat Indonesia (BISINDO) Secara Real-Time M Feri Ardiyansyah; Soffa Zahara; Yanuarini Nur Sukmaningtyas
SUBMIT: Jurnal Ilmiah Teknologi Infomasi dan Sains Vol. 6 No. 1 (2026): Juni 2026
Publisher : Program Studi Teknik Informatika, Universitas Islam Majapahit Mojokerto, Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36815/submit.v6i1.4740

Abstract

Komunikasi antara penyandang Tuli dan masyarakat umum sering mengalami hambatan karena perbedaan media komunikasi yang digunakan. Penelitian ini bertujuan mengembangkan sistem pengenalan Bahasa Isyarat Indonesia (BISINDO) secara real-time menggunakan MediaPipe dan Long Short-Term Memory (LSTM). Dataset yang digunakan terdiri dari 25 kelas gesture dengan total 2.500 sampel. MediaPipe digunakan untuk mengekstraksi landmark tangan, sedangkan LSTM digunakan untuk mengklasifikasikan gesture BISINDO. Hasil evaluasi model menunjukkan nilai accuracy, precision, recall, dan F1-score sebesar 100%, sedangkan pengujian real-time memperoleh akurasi sebesar 91,76%. Sistem juga mampu menampilkan hasil deteksi dalam bentuk teks, menyusun kalimat sederhana, serta mengubah hasil deteksi menjadi suara melalui fitur Text-to-Speech. Hasil penelitian menunjukkan bahwa kombinasi MediaPipe dan LSTM mampu mengenali gesture BISINDO secara efektif untuk mendukung komunikasi yang lebih inklusif.
Klasifikasi Sentimen dan Target Kritik Pada Komentar Terkait Pergantian Pelatih Timnas Indonesia Menggunakan Indobert Muhammad Nurfadhli; Ronny Makhfuddin Akbar; Ahmad Syaifuddin
SUBMIT: Jurnal Ilmiah Teknologi Infomasi dan Sains Vol. 6 No. 1 (2026): Juni 2026
Publisher : Program Studi Teknik Informatika, Universitas Islam Majapahit Mojokerto, Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36815/submit.v6i1.4748

Abstract

Penelitian ini membahas klasifikasi sentimen dan identifikasi target kritik pada komentar media sosial terkait pergantian pelatih Timnas Indonesia menggunakan IndoBERT. Data penelitian diperoleh dari komentar publik pada Instagram, X/Twitter, YouTube, dan Facebook yang berkaitan dengan pengumuman dan perkenalan John Herdman sebagai pelatih baru. Jumlah data mentah yang dikumpulkan sebanyak 23.759 komentar, kemudian melalui tahap cleaning dan preprocessing sehingga diperoleh 15.288 komentar bersih. Pelabelan awal dilakukan menggunakan pendekatan lexicon-based sentiment analysis sebagai weak label, kemudian 3.000 komentar diverifikasi secara manual untuk digunakan dalam pelatihan dan evaluasi model. Model yang dibandingkan meliputi SVM, Naive Bayes, IndoBERT, dan IndoBERT dengan class weight. Hasil evaluasi menunjukkan bahwa SVM memperoleh performa terbaik dengan accuracy sebesar 75,33%, macro precision sebesar 74,84%, macro recall sebesar 75,60%, dan macro F1-score sebesar 75,17%, sedangkan IndoBERT memperoleh accuracy sebesar 73,83% dan dipilih sebagai model final karena sesuai dengan fokus penelitian pada model berbasis transformer. Hasil distribusi sentimen akhir menunjukkan bahwa komentar netral menjadi kategori dominan dengan 6.855 komentar, diikuti positif sebanyak 4.923 komentar dan negatif sebanyak 3.510 komentar. Analisis lanjutan menggunakan Aspect-Based Sentiment Analysis (ABSA) secara terbatas menunjukkan bahwa Federasi menjadi target kritik paling dominan dengan 1.677 komentar. Hasil penelitian ini menunjukkan bahwa klasifikasi sentimen dan identifikasi target kritik mampu memberikan gambaran yang lebih rinci mengenai respons publik terhadap pergantian pelatih Timnas Indonesia.
Prototype Sistem Otomatis Penyaluran Bantuan Sosial PKH Menggunakan RFID dan PBI BPJS Berbasis Internet of Things Joko Ristono; Abdul Rijal Fatahuddin; Mohammad Nur Fa’is; Eko Sutrisno
SUBMIT: Jurnal Ilmiah Teknologi Infomasi dan Sains Vol. 6 No. 1 (2026): Juni 2026
Publisher : Program Studi Teknik Informatika, Universitas Islam Majapahit Mojokerto, Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36815/submit.v6i1.4752

Abstract

Penyaluran bantuan sosial PKH sering terkendala ketidaktepatan sasaran, menyebabkan kerugian negara hingga Rp17 triliun akibat data yang tidak terintegrasi. Penelitian ini bertujuan merancang prototype sistem otomatis penyaluran bansos berbasis Internet of Things (IoT) menggunakan RFID pada kartu PBI BPJS untuk memverifikasi kelayakan penerima secara real-time. Penelitian ini menggunakan metode Research and Development (R&D) dengan mengintegrasikan mikrokontroler NodeMCU ESP32, sensor RFID, keypad, dan cloud database Firebase. Evaluasi sistem dilakukan melalui pengujian Black Box untuk mengukur fungsionalitas perangkat, serta penerapan metode Simple Additive Weighting (SAW) untuk menentukan prioritas kuota bantuan berdasarkan empat kriteria kerentanan ekonomi. Hasil pengujian menunjukkan sistem berhasil memvalidasi data PBI BPJS dengan tingkat akurasi 100% dan latensi di bawah 2 detik. Selain itu, algoritma SAW berhasil mengklasifikasikan 15 sampel responden ke dalam lima golongan desil secara objektif, memastikan bantuan hanya diterima oleh masyarakat yang benar-benar membutuhkan. Sistem ini terbukti efektif meningkatkan efisiensi operasional, mencegah duplikasi data, dan menutup celah kecurangan melalui mekanisme autentikasi ganda. Integrasi IoT dan basis data PBI BPJS ini menawarkan solusi tata kelola bansos yang transparan, akuntabel, dan tepat sasaran.
Implementasi dan Evaluasi Aplikasi Text-To-Image Berbasis Stable Diffusion Menggunakan Streamlit Dengan Optimasi Parameter Generasi Citra Ronny Makhfuddin Akbar; Yanuarini Nur Sukmaningtyas
SUBMIT: Jurnal Ilmiah Teknologi Infomasi dan Sains Vol. 6 No. 1 (2026): Juni 2026
Publisher : Program Studi Teknik Informatika, Universitas Islam Majapahit Mojokerto, Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36815/submit.v6i1.4790

Abstract

Perkembangan Generative Artificial Intelligence (Generative AI) mendorong pemanfaatan teknologi text-to-image untuk menghasilkan citra digital berdasarkan deskripsi teks. Salah satu model yang banyak digunakan adalah Stable Diffusion karena mampu menghasilkan citra berkualitas tinggi dengan kebutuhan komputasi yang relatif efisien. Namun, kualitas citra sangat dipengaruhi oleh konfigurasi parameter inferensi sehingga diperlukan evaluasi untuk memperoleh konfigurasi yang optimal. Penelitian ini bertujuan mengimplementasikan dan mengevaluasi aplikasi Text-to-Image berbasis Stable Diffusion menggunakan Streamlit serta menganalisis pengaruh parameter CFG Scale, Inference Steps, dan Scheduler terhadap kualitas citra dan efisiensi inferensi. Penelitian menggunakan metode eksperimen dengan pendekatan One Factor at a Time (OFAT). Pengujian dilakukan menggunakan lima text prompt yang mewakili kategori Human Portrait, Animal, Nature, Architecture, dan Fantasy. Evaluasi dilakukan menggunakan metrik Inference Time, Image Entropy, Brightness, Contrast, dan Image Size. Hasil penelitian menunjukkan bahwa CFG Scale 7.5 menghasilkan keseimbangan terbaik antara kualitas visual dan naturalitas citra, Inference Steps 30 memberikan kualitas citra yang baik dengan waktu inferensi yang efisien, sedangkan Scheduler DPM++ menghasilkan performa terbaik berdasarkan kompleksitas informasi visual dan kontras citra. Kombinasi ketiga parameter tersebut direkomendasikan sebagai konfigurasi optimal untuk menghasilkan citra berkualitas dengan efisiensi komputasi yang baik pada aplikasi Text-to-Image berbasis Stable Diffusion.
Analisis Emosi Publik di Media Sosial X: Pendekatan Hybrid IndoBERT dan TF-IDF dalam Kajian Komunikasi Digital Fatihatul Lailiyah; Ahmad Syaifuddin
SUBMIT: Jurnal Ilmiah Teknologi Infomasi dan Sains Vol. 6 No. 1 (2026): Juni 2026
Publisher : Program Studi Teknik Informatika, Universitas Islam Majapahit Mojokerto, Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36815/submit.v6i1.4810

Abstract

Media sosial X menjadi ruang penting bagi publik untuk menyampaikan opini, pengalaman, dan respons emosional terhadap isu sosial, politik, ekonomi, dan budaya. Analisis terhadap ekspresi tersebut dapat mendukung social listening dan membantu institusi memahami dinamika komunikasi digital. Penelitian ini menguji tiga ruang ekstraksi fitur untuk mengklasifikasikan emosi pada teks berbahasa Indonesia, yaitu TF-IDF saja, IndoBERT saja, dan gabungan TF-IDF–IndoBERT. Data diberi label menggunakan kamus kata kunci ke dalam enam kategori emosi, yaitu senang, sedih, marah, jijik, takut, dan terkejut. Teks yang tidak memiliki kata kunci emosi ditempatkan pada kelas netral sehingga tugas penelitian terdiri atas tujuh kelas keluaran. Tiga algoritme dibandingkan, yaitu Support Vector Machine, Random Forest, dan Deep Neural Network, menggunakan pembagian 80% data latih dan 20% data uji. Pada fitur TF-IDF saja, Random Forest memperoleh akurasi 91,62%, presisi 77,27%, dan F1-score 73,12%, sedangkan SVM memperoleh akurasi 90,80%. Pada fitur IndoBERT saja, SVM dan Neural Network sama-sama memperoleh akurasi 79,96%, sementara Random Forest memperoleh 67,69%. Pada fitur hibrida, Neural Network memperoleh akurasi tertinggi sebesar 83,84%, diikuti SVM 80,57% dan Random Forest 76,07%. Hasil ini menunjukkan bahwa representasi leksikal sangat sesuai dengan skema pelabelan berbasis kata kunci, sedangkan fitur hibrida memberikan ruang bagi pengujian representasi semantik dan leksikal secara bersamaan. Secara substantif, model dapat digunakan sebagai instrumen awal untuk membaca pola emosi dalam korpus percakapan X, tetapi hasilnya tidak dapat dianggap sebagai representasi langsung emosi seluruh masyarakat.
REKOMENDASI MAKANAN INDONESIA BERDASARKAN MAKANAN YANG DITAMPILKAN DIDALAM ANIME MENGGUNAKAN METODE CONTENT-BASED FILTERING Abdul Nasrul Rizal Firryhab Wahid Rokhman; Soffa Zahara; Yanuarini Nur; Ahmad Syaifuddin
SUBMIT: Jurnal Ilmiah Teknologi Infomasi dan Sains Vol. 6 No. 2 (2026): Desember 2026
Publisher : Program Studi Teknik Informatika, Universitas Islam Majapahit Mojokerto, Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Sistem rekomendasi sangat penting dalam membantu pengguna memberikan pilihan sesuai dengan kebutuhan. Penelitian ini memberikan rekomendasi makanan Indonesia yang terinspirasi pada makanan yang ditampilkan dalam anime dengan tujuan dapat membantu pengguna dalam memberikan pilihan makanan Indonesia berdasarkan anime yang dipilih. Metode Content-Based Filtering digunakan dalam penelitian ini karena dapat memberikan hasil rekomendasi melalui atribut seperti judul anime, makanan anime, deskripsi makanan yang ada di anime, nama makanan Indonesia dan penjelasan makanan Indonesia. data kemudian diolah melalui beberapa tahap seperti case folding, stopword removal, dan tokenization. Setelah itu data dilakukan perhitungan menggunakan TF-IDF untuk mendapatkan nilai cosine similarity. Pada hasil pengujian sistem dapat memberikan hasil yang relevan dengan nilai precission sebesar 0.03929, recall sebesar 0.044034, f1 score sebesar 0.041527 dan nilai akurasi sebesar 0.977383. Hasil dari penelitian ini menunjukkan bahwa semua fitur yang dikembangkan dapat berjalan sesuai dengan fungsinya tanpa ditemukannya masalah seperti error dan sistem juga dapat memberikan output rekomendasi berupa makanan Indonesia berdasarkan anime yang dipilih.

Page 13 of 13 | Total Record : 126

 9   10   11   12   13 

Filter by Year

2021 2026


Reset
Filter By Issues
All Issue Vol. 6 No. 2 (2026): Desember 2026 Vol. 6 No. 1 (2026): Juni 2026 Vol. 5 No. 2 (2025): Desember 2025 Vol. 5 No. 1 (2025): Juni 2025 Vol. 4 No. 2 (2024): Desember 2024 Vol. 4 No. 1 (2024): Juni 2024 Vol. 3 No. 2 (2023): Desember 2023 Vol. 3 No. 1 (2023): Juni 2023 Vol. 2 No. 2 (2022): Desember 2022 Vol. 2 No. 1 (2022): Juni 2022 Vol. 1 No. 2 (2021): Desember 2021 Vol. 1 No. 1 (2021): Juni 2021 More Issue