cover
Contact Name
La Ode Agus Salim
Contact Email
sciencetech.group23@gmail.com
Phone
+6289508163057
Journal Mail Official
sciencetech.group23@gmail.com
Editorial Address
Jl. Findayani Indah, Kec. Baruga, Kel. Wundudopi, Kota Kendari, Sulawesi Tenggara
Location
Kota kendari,
Sulawesi tenggara
INDONESIA
Jurnal Teknologi dan Sains Modern
Published by CV. Science Tech Group
ISSN : -     EISSN : 30627966     DOI : -
Jurnal Teknologi dan Sains Modern merupakan publikasi ilmiah yang berkomitmen untuk menyebarluaskan penelitian inovatif dan perkembangan terbaru dalam berbagai disiplin ilmu teknologi dan sains. Fokus jurnal ini mencakup berbagai bidang, mulai dari ilmu pendidikan hingga kajian teoritis dan terapan, dengan tujuan menyediakan platform yang berharga bagi peneliti, akademisi, dan profesional. Sebagai wadah publikasi yang bereputasi, Jurnal Teknologi dan Sains Modern mendorong kontribusi dari para ahli yang berkeinginan untuk berbagi temuan penelitian terkini, ide-ide inovatif, dan perkembangan mutakhir. Artikel yang diterbitkan dalam jurnal ini diharapkan tidak hanya memperkaya wawasan ilmiah tetapi juga memberikan dampak nyata terhadap kemajuan teknologi dan sains modern. Jurnal ini juga berperan penting dalam memperkuat kolaborasi antarilmuwan dan memfasilitasi pertukaran pengetahuan yang esensial untuk kemajuan global.
Articles 75 Documents
Deteksi Cyberbullying pada Sosial Media TikTok berbasis Pemahaman Konteks IndoBERT Nasywa Pandu Wicaksono; Nahar Mardiyantoro; Rina Mahmudati
Jurnal Teknologi dan Sains Modern Vol. 3 No. 4 (2026): Available online
Publisher : CV. Science Tech Group

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.69930/jtsm.v3i4.855

Abstract

Cyberbullying pada platform media sosial, khususnya TikTok, merupakan permasalahan serius yang mengancam kesehatan mental pengguna, terutama remaja. Indonesia mencatat lebih dari 4.000 kasus cyberbullying pada pertengahan 2023, dengan TikTok sebagai salah satu platform utama yang digunakan pelaku. Kondisi ini berkaitan langsung dengan Tujuan Pembangunan Berkelanjutan (SDGs), khususnya SDG 3 tentang Kesehatan dan Kesejahteraan yang Baik, karena cyberbullying berdampak serius pada kesehatan psikologis korban. Tingginya volume komentar berbahasa Indonesia yang bersifat informal, mengandung slang, dan code-switching menyebabkan sistem moderasi konvensional tidak mampu mendeteksi konten berbahaya secara optimal. Penelitian ini bertujuan membangun sistem deteksi cyberbullying pada komentar TikTok berbahasa Indonesia dengan memanfaatkan model IndoBERT yang mampu memahami konteks bahasa secara mendalam. Data yang digunakan berupa 500 komentar TikTok yang dilabeli secara manual ke dalam kelas cyberbullying dan non-cyberbullying. Tahapan penelitian meliputi pengumpulan dan pelabelan data, preprocessing teks, fine-tuning model IndoBERT, serta evaluasi menggunakan accuracy, precision, recall, dan F1-score. Hasil pengujian menunjukkan bahwa model IndoBERT menghasilkan accuracy 87,00%, precision 87,50%, recall 85,94%, dan F1-score 86,71%, mengungguli baseline SVM+TF-IDF yang hanya mencapai accuracy 78,00%. Temuan ini membuktikan efektivitas IndoBERT dalam mendeteksi cyberbullying pada teks informal berbahasa Indonesia dan berpotensi diterapkan sebagai sistem moderasi konten otomatis untuk mendukung tercapainya SDG 3.
Implementasi Penetration Testing untuk Mendeteksi Kerentanan XSS berbasis CLI (Command Line Interface) Farhat Abdurrahman; Dian Asmarajati; Iman Ahmad Ihsannuddin
Jurnal Teknologi dan Sains Modern Vol. 3 No. 4 (2026): Available online
Publisher : CV. Science Tech Group

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.69930/jtsm.v3i4.857

Abstract

Ketergantungan layanan publik terhadap platform berbasis web turut meningkatkan risiko keamanan aplikasi, salah satunya kerentanan Cross-Site Scripting (XSS) yang menurut data Badan Siber dan Sandi Negara (BSSN) tercatat dalam jumlah anomali trafik siber yang tinggi di Indonesia sepanjang tahun 2023, sementara alat pemindai kerentanan berbasis antarmuka grafis (GUI) seperti OWASP ZAP masih membutuhkan konsumsi sumber daya yang besar dan kurang fleksibel untuk diintegrasikan ke dalam alur kerja otomasi seperti Continuous Integration/Continuous Deployment (CI/CD). Penelitian ini bertujuan merancang dan mengimplementasikan aplikasi pemindai kerentanan XSS berbasis Command-Line Interface (CLI) bernama xssniff menggunakan bahasa Python dengan metode black-box testing terhadap Damn Vulnerable Web Application (DVWA) pada tingkat keamanan Low, Medium, dan High. Aplikasi dibangun dengan arsitektur pipeline tujuh tahap yang meliputi Target Parser, Preflight, Parameter Mining dan Crawler, Reflection dan Context Analyzer, Payload Engine dan Encoder, WAF Fingerprinting, serta Verifier dan Reporter, dan dievaluasi menggunakan pendekatan analisis fungsional deskriptif. Hasil penelitian menunjukkan bahwa xssniff berhasil mendeteksi dan memverifikasi ketiga tipe XSS, yaitu Reflected, Stored, dan DOM-based, pada seluruh tingkat keamanan DVWA, termasuk keberhasilan melewati filter pada tingkat High melalui manipulasi atribut event handler, validasi Stored XSS melalui metode dua langkah POST kemudian GET, serta konfirmasi eksekusi DOM-based XSS tanpa hasil positif palsu menggunakan integrasi headless browser Playwright. Aplikasi juga menghasilkan keluaran JSON Envelope yang mendukung kebutuhan otomasi pengujian keamanan. Ketersediaan alat deteksi XSS yang ringan dan dapat diotomasi ini turut mendukung capaian Tujuan Pembangunan Berkelanjutan (SDGs), khususnya SDG 9 Target 9.1 mengenai penyediaan infrastruktur yang andal, SDG 16 Target 16.10 mengenai perlindungan akses publik terhadap informasi, dan SDG 8 mengenai keamanan data dalam ekonomi digital.
Korelasi Kadar Total Fenolik terhadap Kapasitas Penghambatan Reactive Oxygen Species: Studi Tinjauan Literatur Dhia Gina Alifah; Zulpakor Oktoba; Femmy Andrifianie; Afriyani
Jurnal Teknologi dan Sains Modern Vol. 3 No. 4 (2026): Available online
Publisher : CV. Science Tech Group

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.69930/jtsm.v3i4.867

Abstract

Reactive Oxygen Species (ROS) merupakan radikal bebas yang memicu stres oksidatif dan berkontribusi terhadap penuaan seluler serta berbagai penyakit degeneratif. Senyawa fenolik dari tumbuhan memiliki aktivitas antioksidan yang mampu menghambat pembentukan maupun aktivitas ROS. Artikel ini bertujuan menganalisis hubungan antara Kadar Total Fenolk dan kapasitas penghambatan ROS melalui studi literatur pada basis data PubMed, ScienceDirect, dan Google Scholar menggunakan kata kunci Total Phenolic Content, ROS Scavenging, Oxidative Stress, dan Antioxidant. Artikel penelitian berbahasa Indonesia dan Inggris yang diterbitkan pada periode 2017–2026 diseleksi berdasarkan kriteria inklusi dan eksklusi sehingga diperoleh 10 artikel untuk dianalisis secara sintesis naratif. Hasil kajian menunjukkan bahwa TPC umumnya berkorelasi positif dengan aktivitas penghambatan ROS, meskipun hubungan tersebut tidak selalu linear. Aktivitas antioksidan dipengaruhi oleh kadar TPC, struktur senyawa fenolik, jumlah dan posisi gugus hidroksil, serta mekanisme Hydrogen Atom Transfer (HAT), Single Electron Transfer (SET), kelasi ion logam transisi, dan aktivasi jalur Nrf2/ARE. Pada konsentrasi tertentu, peningkatan TPC dapat mengalami plateau effect akibat keterbatasan stoikiometri, agregasi molekul, dan potensi sifat prooksidan. Disimpulkan bahwa TPC merupakan indikator penting kapasitas antioksidan, namun efektivitas penghambatan ROS juga dipengaruhi oleh karakteristik struktur senyawa fenolik dan mekanisme biologis yang terlibat. Kajian ini mendukung SDGs Tujuan 3 (Good Health and Well-being) melalui pengembangan antioksidan alami untuk pencegahan penyakit akibat stres oksidatif.
Komparasi Analisis Sentimen Pengguna Aplikasi ChatGPT dan Gemini di Google Play Store menggunakan Metode IndoBERT Okan Rahadian; Erna Dwi Astuti; Nur Hasanah
Jurnal Teknologi dan Sains Modern Vol. 3 No. 4 (2026): Available online
Publisher : CV. Science Tech Group

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.69930/jtsm.v3i4.876

Abstract

Perkembangan aplikasi kecerdasan buatan generatif seperti ChatGPT dan Gemini telah menarik perhatian jutaan pengguna di Indonesia, sehingga menghasilkan ulasan dalam jumlah besar di Google Play Store yang sulit dianalisis secara manual. Penelitian ini bertujuan membandingkan sentimen pengguna terhadap ChatGPT dan Gemini menggunakan metode IndoBERT. Data dikumpulkan melalui scraping menggunakan Google Play Scraper sebanyak 5.000 ulasan untuk masing-masing aplikasi, kemudian melalui tahap preprocessing (case folding, cleaning, tokenizing, stopword removal, dan stemming), pelabelan otomatis berdasarkan rating menjadi kelas positif dan negatif, serta fine-tuning model indobenchmark/indobert-base-p1 dengan pembagian data latih dan uji 80:20. Hasil penelitian menunjukkan model ChatGPT memperoleh akurasi 91,32% dan model Gemini memperoleh akurasi 86,98%. Distribusi sentimen menunjukkan ulasan positif ChatGPT mencapai 81,51%, jauh lebih tinggi dibandingkan Gemini sebesar 65,55%, sedangkan proporsi sentimen negatif Gemini (34,45%) hampir dua kali lipat dibandingkan ChatGPT (18,51%). Dapat disimpulkan bahwa persepsi pengguna terhadap ChatGPT secara umum lebih positif dibandingkan Gemini, dan IndoBERT terbukti efektif digunakan untuk analisis sentimen ulasan berbahasa Indonesia yang bersifat informal. Penelitian ini turut mendukung pencapaian Tujuan Pembangunan Berkelanjutan (SDGs), khususnya SDG 4, SDG 9, dan SDG 16, melalui peningkatan literasi teknologi, kapasitas riset, serta transparansi dan perlindungan data pengguna.
Smart Aquarium berbasis Internet of Things menggunakan Metode Fuzzy Logic untuk Otomatisasi Pemeliharaan dan Monitoring Kondisi Aquarium Ahmad Fatnan Ali; Muslim Hidayat; Nahar Mardiyantoro
Jurnal Teknologi dan Sains Modern Vol. 3 No. 4 (2026): Available online
Publisher : CV. Science Tech Group

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.69930/jtsm.v3i4.884

Abstract

Pemeliharaan ikan hias memerlukan pengawasan yang berkelanjutan terhadap kualitas air dan ketepatan pemberian pakan agar kondisi lingkungan tetap optimal. Namun, proses pemeliharaan yang masih dilakukan secara manual sering menyebabkan keterlambatan dalam mendeteksi perubahan kualitas air sehingga dapat berdampak pada kesehatan dan pertumbuhan ikan. Penelitian ini bertujuan untuk merancang dan membangun sistem Smart Aquarium berbasis Internet of Things (IoT) menggunakan metode Fuzzy Logic guna melakukan monitoring kondisi akuarium serta mendukung otomatisasi pemeliharaan secara real-time. Sistem dikembangkan menggunakan mikrokontroler ESP32 yang terintegrasi dengan sensor suhu DS18B20, sensor kekeruhan (turbidity sensor), motor servo sebagai pemberi pakan otomatis, modul relay sebagai pengendali perangkat, serta platform IoT untuk menampilkan data hasil monitoring. Metode Fuzzy Logic digunakan untuk mengolah data sensor sehingga sistem mampu menentukan kondisi akuarium dan menghasilkan keputusan otomatis berdasarkan aturan (rule base) yang telah ditentukan. Pengujian dilakukan terhadap setiap komponen perangkat keras, komunikasi IoT, serta implementasi metode Fuzzy Logic untuk mengevaluasi kinerja sistem. Hasil penelitian menunjukkan bahwa sistem mampu melakukan monitoring suhu dan tingkat kekeruhan air secara real-time, mengirimkan data ke platform IoT, memberikan notifikasi ketika kondisi berada di luar batas normal, serta menjalankan fungsi otomatisasi sesuai hasil inferensi Fuzzy Logic. Dengan demikian, sistem yang dikembangkan dapat meningkatkan efektivitas dan efisiensi pemeliharaan akuarium serta membantu pengguna menjaga kualitas lingkungan akuarium secara berkelanjutan.