cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Hermanto
Contact Email
juptikummuba@gmail.com
Phone
+6282388777714
Journal Mail Official
juptikummuba@gmail.com
Editorial Address
LPPM (LP2M) Universitas Muhammadiyah Muara Bungo (UMMUBA) Jl. Rang Kayo Hitam, Cadika, Rimbo Tengah, Kabupaten Bungo, Jambi 37211
Location
Kab. bungo,
Jambi
INDONESIA
Jurnal Pengembangan Teknologi Informasi dan Komunikasi (JUPTIK)
Published by Universitas Muhammadiyah Muara Bungo
ISSN : -     EISSN : 29877016     DOI : https://doi.org/10.52060/juptik.v2i1
Core Subject : Science, Engineering,
Computer Science & IT Control & Systems Engineering Engineering Library & Information Science
Jurnal Pengembangan Teknologi Informasi dan Komunikasi (JUPTIK) adalah jurnal nasional, yang didedikasikan untuk publikasi hasil penelitian berkualitas di bidang Teknologi Informasi secara implisit tidak terbatas dan bebas biaya dalam Proses Pengajuan. JUPTIK adalah jurnal terbuka peer-review dan dapat diakses yang dikelola oleh LP3M Prodi Teknologi Informasi Universitas Muhammadiyah Muara Bungo. JUPTIK memuat artikel yang diangkat dari hasil penelitian, konsep, teori, dan kajian analitik di bidang ilmu komputer dan teknologi informasi. JUPTIK Menerbitkan jurnal yang berfokus pada Software Engineering, Artificial intelligence, Data Mining, Database System, Computer network, Decision Support System, IT Governance, Expert System dan System Design
Arjuna Subject : Ilmu Komputer (semua kategori) - Ilmu Komputer (Lain-Lain)
Articles 85 Documents
 5   6   7   8   9 
Perancangan Sistem Informasi Absensi Berbasis Web Siswa Madrasa Aliyah Mutiara Sunggal Miftahul Mardiyah; Sofyan Pariyasto; Feri Setiawan
Jurnal Pengembangan Teknologi Informasi dan Komunikasi (JUPTIK) Vol. 4 No. 1 (2026): JURNAL PENGEMBANGAN TEKNOLOGI INFORMASI DAN KOMUNIAKSI (JUPTIK)
Publisher : Universitas Muhammadiyah Muara Bungo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52060/juptik.v4i1.4360

Abstract

Absensi merupakan salah satu komponen penting dalam administrasi sekolah yang berfungsi untuk mencatat dan memantau kehadiran siswa selama proses pembelajaran. Di Madrasah Aliyah Mutiara Sunggal, proses absensi masih dilakukan secara manual sehingga menimbulkan beberapa kendala, seperti kesalahan pencatatan, keterlambatan rekapitulasi data, serta kesulitan dalam penyampaian informasi kehadiran kepada wali murid. Penelitian ini bertujuan untuk merancang dan mengembangkan Sistem Informasi Absensi Siswa Berbasis Web guna meningkatkan efektivitas pengelolaan data kehadiran siswa. Metode yang digunakan meliputi analisis kebutuhan, perancangan sistem, implementasi, dan pengujian sistem. Sistem dikembangkan menggunakan bahasa pemrograman PHP dan basis data MySQL. Hasil penelitian menunjukkan bahwa sistem yang dirancang mampu mempermudah guru dalam melakukan pencatatan kehadiran siswa, mempercepat proses rekapitulasi absensi secara otomatis, serta menghasilkan laporan kehadiran yang lebih akurat dan mudah diakses. Selain itu, sistem juga membantu pihak sekolah dalam memantau tingkat kehadiran siswa dan mendukung penyampaian informasi absensi secara lebih efektif. Berdasarkan hasil pengujian, seluruh fungsi sistem berjalan sesuai dengan kebutuhan pengguna sehingga dapat mendukung pengelolaan administrasi absensi siswa secara lebih efisien.
Chatbot Generative AI Berbasis Hybrid RAG dengan Integrasi RIASEC untuk Rekomendasi Jurusan Dwi Mahdini; Nazruddin Safaat H.; Yelfi Vitriani; Muhammad Irsyad
Jurnal Pengembangan Teknologi Informasi dan Komunikasi (JUPTIK) Vol. 4 No. 1 (2026): JURNAL PENGEMBANGAN TEKNOLOGI INFORMASI DAN KOMUNIAKSI (JUPTIK)
Publisher : Universitas Muhammadiyah Muara Bungo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52060/juptik.v4i1.4373

Abstract

Ketidaksesuaian antara minat siswa dan jurusan yang dipilih masih menjadi permasalahan yang dapat memengaruhi keberhasilan akademik serta perencanaan karier. Di sisi lain, keterbatasan layanan bimbingan karier menyebabkan tidak semua siswa memperoleh konsultasi yang sesuai dengan kebutuhan mereka. Penelitian ini bertujuan merancang dan mengimplementasikan chatbot rekomendasi jurusan berbasis Hybrid Retrieval Augmented Generation (Hybrid RAG) yang terintegrasi dengan model kepribadian RIASEC. Arsitektur yang diusulkan menggunakan Query Router untuk memisahkan pemrosesan data terstruktur dan tidak terstruktur ke dalam dua jalur, yaitu jalur relasional berbasis MySQL untuk pengolahan hasil asesmen RIASEC dan jalur semantik berbasis FAISS untuk pencarian informasi dari knowledge base. Sistem dikembangkan dengan memanfaatkan Large Language Model yang dipadukan dengan mekanisme retrieval untuk menghasilkan respons yang kontekstual dan personal. Evaluasi sistem dilakukan menggunakan Black-Box Testing, BERTScore, dan RAGAS. Hasil pengujian menunjukkan bahwa arsitektur Hybrid RAG memperoleh nilai Precision rata-rata sebesar 0,769, Recall sebesar 0,778, dan F1-Score sebesar 0,774, lebih tinggi dibandingkan arsitektur RAG standar yang memperoleh F1-Score sebesar 0,728. Evaluasi menggunakan RAGAS juga menunjukkan kualitas retrieval dan faithfulness yang tinggi. Hasil penelitian menunjukkan bahwa integrasi Hybrid RAG dan RIASEC mampu meningkatkan kualitas rekomendasi jurusan yang lebih personal serta mendukung layanan konsultasi akademik berbasis kecerdasan buatan.
Perbandingan Klasifikasi Daun Cabai dengan Metode CNN dan SVM Untuk Deteksi Penyakit Afifah Agustin; Mufti Ari Bianto; Hery Ardiansyah
Jurnal Pengembangan Teknologi Informasi dan Komunikasi (JUPTIK) Vol. 4 No. 1 (2026): JURNAL PENGEMBANGAN TEKNOLOGI INFORMASI DAN KOMUNIAKSI (JUPTIK)
Publisher : Universitas Muhammadiyah Muara Bungo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52060/juptik.v4i1.4403

Abstract

Tanaman cabai (Capsicum frutescens L.) merupakan salah satu komoditas hortikultura yang memiliki nilai ekonomi tinggi, namun produktivitasnya masih sering mengalami penurunan akibat serangan penyakit yang disebabkan oleh bakteri, jamur, dan virus. Proses identifikasi penyakit secara konvensional membutuhkan waktu serta keahlian khusus, sehingga diperlukan suatu sistem deteksi yang mampu memberikan hasil secara cepat dan akurat. Penelitian ini bertujuan mengembangkan sistem klasifikasi penyakit daun cabai sekaligus membandingkan kinerja metode Convolutional Neural Network (CNN) dan Support Vector Machine (SVM). Dataset yang digunakan berjumlah 2.000 citra yang terbagi ke dalam lima kelas, yaitu bakteri, jamur, virus, sehat, dan non-daun. Tahap prapemrosesan meliputi perubahan ukuran citra menjadi 160×160 piksel, normalisasi, augmentasi, pelabelan, serta pembagian data menjadi data latih, validasi, dan data uji. Pada metode SVM, proses klasifikasi diawali dengan ekstraksi fitur menggunakan Histogram of Oriented Gradients (HOG) dan Color Histogram, sedangkan CNN melakukan ekstraksi fitur secara otomatis melalui lapisan konvolusi. Sistem kemudian diimplementasikan dalam bentuk website berbasis Flask. Hasil menunjukkan bahwa metode CNN memiliki kinerja yang lebih baik dari pada metode SVM berdasarkan parameter accuracy, precision, recall, dan F-1 Score, Dengan hasil akurasi CNN 85% dan SVM 78%. Selain itu, sistem mampu membedakan citra daun cabai dan non-daun secara baik sehingga dapat dimanfaatkan sebagai media dalam deteksi penyakit daun cabai.
Sistem Pemesanan Web Menggunakan QR-Code dan Evaluasi Paket Menu Berbasis SAW Ferdi Hasan; Fitra Kurnia; Nazruddin Safaat Harahap; Muhammad Irsyad; Iwan Iskandar
Jurnal Pengembangan Teknologi Informasi dan Komunikasi (JUPTIK) Vol. 4 No. 1 (2026): JURNAL PENGEMBANGAN TEKNOLOGI INFORMASI DAN KOMUNIAKSI (JUPTIK)
Publisher : Universitas Muhammadiyah Muara Bungo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52060/juptik.v4i1.4426

Abstract

Es Coklat Mas Lino memerlukan digitalisasi proses pemesanan, pembayaran, pengelolaan status pesanan, dan evaluasi paket menu. Penelitian ini menghasilkan sistem pemesanan berbasis web yang diakses melalui QR-Code serta menerapkan metode Simple Additive Weighting (SAW) untuk memeringkat 10 alternatif paket bundling. Sistem dikembangkan menggunakan Laravel, MySQL/MariaDB, dan Midtrans. Data historis penelitian berupa rekap penjualan tujuh menu reguler selama 365 hari pada periode 1 Mei 2025 sampai 30 April 2026 dengan total 224.035 unit, yang digunakan untuk membentuk nilai Popularitas awal komponen paket. Data penjualan digunakan sebagai indikator popularitas, bukan sebagai data manajemen stok atau persediaan. Kriteria SAW terdiri atas Harga sebagai atribut cost berbobot 0,30, Popularitas sebagai atribut benefit berbobot 0,25, dan Rating sebagai atribut benefit berbobot 0,45. Paket yang belum memiliki rating aktual pelanggan menggunakan nilai awal netral 3 sebagai parameter internal. Hasil perhitungan menempatkan A2 pada peringkat pertama dengan nilai preferensi 0,976000 dan A9 pada peringkat terakhir dengan nilai 0,598215. Validasi fungsional dilaksanakan melalui 70 skenario Black Box Testing yang mencakup pemesanan, pembayaran, laporan, SAW, serta fungsi Midtrans Snap dan webhook; seluruh skenario berstatus valid, termasuk keberhasilan notifikasi settlement dan pembaruan status pembayaran melalui pengujian webhook Midtrans yang dikonfigurasi. UAT terhadap 12 responden memperoleh persentase 90,14% dengan kategori Sangat Baik.
Analisis Penerapan Flexmatch Pada Semi-Supervised Deep Learning Untuk Deteksi Penyakit Paru-Paru Berbasis Citra Chest X-Ray M. Aufaa Rahman; Benny Sukma Negara; Muhammad Irsyad; Lestari Handayani; Iis Afrianty
Jurnal Pengembangan Teknologi Informasi dan Komunikasi (JUPTIK) Vol. 4 No. 1 (2026): JURNAL PENGEMBANGAN TEKNOLOGI INFORMASI DAN KOMUNIAKSI (JUPTIK)
Publisher : Universitas Muhammadiyah Muara Bungo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52060/juptik.v4i1.4439

Abstract

Penyakit paru-paru seperti COVID-19 dan Pneumonia merupakan penyebab utama morbiditas dan mortalitas di dunia, sehingga diperlukan metode deteksi dini yang akurat dan efisien. Penelitian ini bertujuan menganalisis penerapan FlexMatch pada skema Semi-Supervised Deep Learning untuk klasifikasi penyakit paru-paru berbasis citra Chest X-ray (CXR), dengan memanfaatkan data berlabel dan tidak berlabel melalui mekanisme Curriculum Pseudo Labeling dan class-adaptive thresholding, serta DenseNet-169 sebagai ekstraktor fitur utama. Dataset yang digunakan terdiri dari 3.000 citra CXR yang mencakup tiga kelas, yaitu COVID-19, pneumonia, dan normal. Tahapan penelitian meliputi preprocessing data, augmentasi citra, pembagian data, pelatihan model, serta evaluasi menggunakan accuracy, precision, recall, F1-score, dan Grad-CAM. Hasil penelitian menunjukkan bahwa model mencapai akurasi validasi sebesar 96,65% dengan F1-score masing-masing sebesar 99,02% untuk COVID-19, 95,74% untuk Normal, dan 94,48% untuk Pneumonia. Visualisasi Grad-CAM membuktikan bahwa model mampu memfokuskan perhatian pada area paru yang relevan secara klinis, sehingga FlexMatch terbukti efektif meningkatkan performa klasifikasi pada kondisi data berlabel terbatas dan berpotensi mendukung sistem diagnosis penyakit paru-paru berbasis kecerdasan buatan.  

Page 9 of 9 | Total Record : 85

 5   6   7   8   9 

Filter by Year

2023 2026


Reset
Filter By Issues
All Issue Vol. 4 No. 1 (2026): JURNAL PENGEMBANGAN TEKNOLOGI INFORMASI DAN KOMUNIAKSI (JUPTIK) Vol. 3 No. 2 (2025): JURNAL PENGEMBANGAN TEKNOLOGI INFORMASI DAN KOMUNIAKSI (JUPTIK) Vol. 3 No. 1 (2025): JURNAL PENGEMBANGAN TEKNOLOGI INFORMASI DAN KOMUNIAKSI (JUPTIK) Vol. 2 No. 2 (2024): JURNAL PENGEMBANGAN TEKNOLOGI INFORMASI DAN KOMUNIAKSI (JUPTIK) Vol. 2 No. 1 (2024): JURNAL PENGEMBANGAN TEKNOLOGI INFORMASI DAN KOMUNIAKSI (JUPTIK) Vol. 1 No. 2 (2023): JURNAL PENGEMBANGAN TEKNOLOGI INFORMASI DAN KOMUNIKASI (JUPTIK) Vol. 1 No. 1 (2023): JURNAL PENGEMBANGAN TEKNOLOGI INFORMASI DAN KOMUNIKASI (JUPTIK)