cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Ahmad Ilham
Contact Email
ahmadilham@unimus.ac.id
Phone
+6281325043677
Journal Mail Official
informatika@unimus.ac.id
Editorial Address
Program Studi S1 Informatika Universitas Muhammadiyah Semarang Gedung Kuliah Bersama II (GKB II) Lantai 7, Jl. Kedungmundu Raya No 18 Semarang email: informatika@unimus.ac.id, akhmadfathur@unimus.ac.id Phone: + +62 813 2504 3677
Location
Kota semarang,
Jawa tengah
INDONESIA
Jurnal Komputer dan Teknologi Informasi
Published by Universitas Muhammadiyah Semarang
ISSN : -     EISSN : 29867592     DOI : -
Core Subject : Science,
Computer Science & IT
Ruang lingkup publikasi terkait dengan : "Computer Science and Information Technology" diantaranya adalah: Networking Software Engineering Mobile Computing Applications Depelopment: Website and Mobile Clouds Computing Database Management Artificial Intelligent Inovations information technology Multimedia Technology Virtualization Technology Health Information Technology
Arjuna Subject : Ilmu Komputer (semua kategori) - Ilmu Komputer (Lain-Lain)
Articles 34 Documents
 1   2   3   4 
Prediksi Tingkat Kepuasan Pengguna Aplikasi Grab Di Google Play Store Menggunakan Algoritma Naive Bayes Aditya Monalisa
JURNAL KOMPUTER DAN TEKNOLOGI INFORMASI Vol 4, No 2 (2026): (JULI) | Perancangan Perangkat Lunak
Publisher : Universitas Muhammadiyah Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26714/jkti.v4i2.21124

Abstract

Kemajuan teknologi digital telah memicu pertumbuhan layanan transportasi online, khususnya aplikasi Grab. Tingkat kepuasan pengguna adalah faktor penting untuk menilai kualitas layanan sekaligus kelangsungan bisnis. Penelitian ini berupaya memprediksi tingkat kepuasan pengguna aplikasi Grab dari ulasan di Google Play Store melalui penerapan algoritma Naive Bayes. Data ulasan pengguna dari 2020 hingga 2026 dikumpulkan memakai metode web scraping. Proses penelitian meliputi preprocessing data, pengambilan fitur lewat TF-IDF, pemodelan, dan evaluasi menggunakan metrik akurasi, presisi, recall, dan F1-score. Hasil penelitian menunjukkan algoritma Naive Bayes berhasil mengelompokkan kepuasan pengguna menjadi puas, tidak puas, dan netral dengan kinerja optimal serta berhasil mengelompokkan tingkat kepuasan menjadi driver, sistem aplikasi, dan lainnya. Model yang dihasilkan juga diintegrasikan ke dalam sistem berbasis web guna menyederhanakan analisis otomatis. Diharapkan penelitian ini dapat berkontribusi pada pengembangan sistem analisis kepuasan pelanggan berbasis machine learning dan menjadi acuan studi mendatang.
Analisis dan Instalasi Sistem Operasi Windows Vista Menggunakan Oracle VirtualBox deni pratama; rangga prasatia; syarifah alya fahira; dita aulia; dimas anugra; sahat parulian sitorus
JURNAL KOMPUTER DAN TEKNOLOGI INFORMASI Vol 4, No 2 (2026): (JULI) | Perancangan Perangkat Lunak
Publisher : Universitas Muhammadiyah Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26714/jkti.v4i2.21774

Abstract

Windows Vista adalah sistem operasi yang dikembangkan oleh Microsoft Corporation dan dirilis secara resmi pada tanggal 30 Januari 2007. Sistem operasi ini merupakan penerus dari Windows XP dan memperkenalkan berbagai fitur baru yang signifikan, termasuk antarmuka grafis Aero, peningkatan keamanan melalui User Account Control (UAC), Windows Defender bawaan, serta dukungan DirectX 10 untuk keperluan grafis tinggi. Penelitian ini bertujuan untuk menganalisis fitur-fitur utama Windows Vista, mengevaluasi persyaratan sistem minimum yang dibutuhkan, dan mendokumentasikan prosedur instalasi Windows Vista menggunakan perangkat lunak virtualisasi Oracle VirtualBox. Metode yang digunakan adalah instalasi langsung pada mesin virtual dengan menggunakan berkas ISO Windows Vista Business Edition 32-bit. Hasil penelitian menunjukkan bahwa Windows Vista dapat diinstalasi dengan berhasil di lingkungan virtual dengan mengalokasikan minimal 512 MB RAM dan 25 GB ruang penyimpanan. Dokumentasi instalasi dilengkapi dengan tangkapan layar setiap tahapan proses yang dapat dijadikan panduan bagi pengguna yang ingin mempelajari atau menggunakan sistem operasi ini.
Rancang Bangun Sistem Pencatatan Keuangan Berbasis Web untuk UMKM Menggunakan Metode Waterfall Muhammad Agung Zulfikar; Andre Junika Yusuf Firmansyah; Wahyu Edi Santoso; Ahmad Ilham
JURNAL KOMPUTER DAN TEKNOLOGI INFORMASI Vol 4, No 2 (2026): (JULI) | Perancangan Perangkat Lunak
Publisher : Universitas Muhammadiyah Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26714/jkti.v4i2.21377

Abstract

ABSTRACTGood financial management is one of the key factors for the success of Micro,Small, and Medium Enterprises (MSMEs) in running their businesses. However,the majority of MSMEs in Indonesia still rely on manual financial recordingwhich is prone to errors and difficult to analyze. This research develops a web-based Financial Recording System specifically designed to meet the needs ofMSMEs using the Waterfall software development method. The system featuresincome and expense transaction recording, transaction category management,financial report visualization, budget management, and report export. Systemdesign was conducted through several stages including requirements analysisusing Use Case Diagrams, process modeling with Activity Diagrams and DataFlow Diagrams (DFD), and database design using Entity Relationship Diagrams(ERD). The system was developed using modern web technologies with anintuitive and responsive interface. Functional testing using Black-Box Testingshowed that all main system features work according to the establishedspecifications. User satisfaction testing using Likert scale showed an averagesatisfaction level of 4.2 out of 5, indicating that the system is well accepted bytarget users. This system is expected to help MSMEs manage their businessfinances more efficiently, accurately, and in a structured manner.This is an open access article under the CC BY-SA license.
Perbandingan Metode Otsu Thresholding dan K-Means Clustering Untuk Segmentasi Objek Pada Citra Digital Berbasis Python Ilman Nafia Nursetya; Ainurrasyid Rahman; Muhammad Noufal Rozaan; Ahmad Ilham
JURNAL KOMPUTER DAN TEKNOLOGI INFORMASI Vol 4, No 2 (2026): (JULI) | Perancangan Perangkat Lunak
Publisher : Universitas Muhammadiyah Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26714/jkti.v4i2.21903

Abstract

Segmentasi citra merupakan tahap penting dalam pengolahan citra digital untuk memisahkan objek dari latar belakang sebelum dilakukan analisis lebih lanjut, seperti penghitungan jumlah objek, pengenalan pola, maupun ekstraksi fitur. Penelitian ini membandingkan dua metode segmentasi citra grayscale, yaitu Otsu Thresholding dan K-Means Clustering, yang diimplementasikan menggunakan bahasa pemrograman Python dengan pustaka scikit-image, scikit-learn, dan NumPy. Citra uji yang digunakan adalah citra koin logam berukuran 303x384 piksel dengan jumlah objek sebenarnya (ground truth) sebanyak 24 koin. Kedua metode diuji melalui tahap pra-pemrosesan, thresholding/clustering, operasi morfologi (penghapusan objek kecil, closing, dan penutupan lubang), serta pelabelan komponen terhubung untuk menghitung jumlah objek hasil segmentasi. Hasil pengujian menunjukkan bahwa kedua metode berhasil mendeteksi 23 dari 24 objek dengan akurasi yang sama, yaitu 95,83%, serta menghasilkan mask segmentasi yang identik secara piksel (Intersection over Union/IoU = 1,0000) karena histogram citra bersifat bimodal dengan kontras tinggi. Meskipun demikian, dari sisi efisiensi komputasi, Otsu Thresholding jauh lebih cepat (32,82 milidetik) dibandingkan K-Means Clustering (137,98 milidetik) karena Otsu menyelesaikan permasalahan secara analitis dalam satu kali pemindaian histogram, sedangkan K-Means memerlukan proses iteratif. Penelitian ini menyimpulkan bahwa Otsu Thresholding lebih direkomendasikan untuk kasus segmentasi citra dengan distribusi intensitas bimodal, sedangkan K-Means Clustering lebih fleksibel digunakan pada kasus segmentasi yang lebih kompleks atau multimodal.

Page 4 of 4 | Total Record : 34

 1   2   3   4 

Filter by Year

2023 2026


Reset
Filter By Issues
All Issue Vol 4, No 2 (2026): (JULI) | Perancangan Perangkat Lunak Vol 3, No 1 (2025): Implementasi Sistem Cerdas Vol 2, No 2 (2024): Implementasi Sistem Cerdas Vol 2, No 1 (2024): Algoritma dan Implementasinya Vol 1, No 2 (2023): Sistem Pengambilan Keputusan Vol 1, No 1 (2023): ESTIMASI NUMERIK