cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
RIVALRI KRISTIANTO HONDRO
Contact Email
rivalryjurnal@gmail.com
Phone
+6281375255171
Journal Mail Official
ketik@faatuatua.com
Editorial Address
Desa Ujung Labuhen, Perumahan New Pratama Asri Blok E No. 11, Kecamatan Namorambe, Kabupaten Deli Serdang, Provinsi Sumatera Utara, Indonesia
Location
Kab. deli serdang,
Sumatera utara
INDONESIA
KETIK : Jurnal Informatika
Published by FAATUATUA MEDIA KARYA
ISSN : -     EISSN : 3026183     DOI : 10.70404
Core Subject : Science,
Computer Science & IT
Jurnal KETIK merupakan nama dari Jurnal Informatika yang dikelola Faatuatua Media Karya. Jurnal ini menerbit tuliasan ilmiah dalam bahasa indonesia tentang bidang pengetahuan Informatika. Artikel yang dipublikasi penerbit berasal dari para penulis dari peneliti, mahasiswa, dan dosen sehingga pertanggung jawabannya ada pada penulis. Terbitan pertama jurnal KETIK pada september 2023. Jurnal KETIK terbit enam (6) issue per volume yaitu September (Issue 01), November (Issue 02), Januari (Issue 03), Maret (Issue 04), Mei (Issue 05), Juli (Issue 06).
Arjuna Subject : Ilmu Komputer (semua kategori) - Ilmu Komputer (Lain-Lain)
Articles 75 Documents
 4   5   6   7   8 
Analisis Sentimen Komentar Youtube Terhadap Kasus Bjorka Dengan Membadingkan Navie Bayes dan SVM Rizky Haryanto Putro; Aria Hendrawan
KETIK : Jurnal Informatika Vol. 3 No. 03 (2026): Januari
Publisher : Faatuatua Media Karya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70404/ketik.v3i03.626

Abstract

Penelitian ini bertujuan untuk menganalisis sentimen komentar pengguna YouTube terkait kasus kebocoran data yang melibatkan Bjorka dengan membandingkan kinerja algoritma Naive Bayes dan Support Vector Machine (SVM). YouTube, sebagai salah satu platform media sosial terbesar, telah menjadi forum bagi masyarakat untuk mengekspresikan opini dan persepsi mereka mengenai isu keamanan data dan privasi digital. Data penelitian terdiri dari komentar YouTube yang dikumpulkan dari beberapa video terkait kasus Bjorka selama periode 2023–2025. Data diproses melalui pra-pemrosesan teks, pelabelan sentimen menggunakan metode VADER Indonesia, penyeimbangan data untuk mengatasi ketidakseimbangan kelas, dan ekstraksi fitur menggunakan metode Term Frequency–Inverse Document Frequency (TF-IDF). Selanjutnya, proses klasifikasi dilakukan menggunakan algoritma Naive Bayes dan Support Vector Machine. Hasil menunjukkan bahwa algoritma Support Vector Machine memiliki kinerja yang lebih baik dengan nilai akurasi 95,18% dan skor F1 95%, sedangkan algoritma Naive Bayes memperoleh nilai akurasi 73,81% dan skor F1 74%. Berdasarkan hasil tersebut, dapat disimpulkan bahwa algoritma SVM lebih efektif dalam mengklasifikasikan sentimen komentar pengguna YouTube berbahasa Indonesia terkait kasus Bjorka.
Analisis Sentimen Komentar YouTube Terhadap Program Makan Bergizi Gratis (MBG) Menggunakan Long Short-Term Memory (LSTM) Maulifa Sekar Arum; Aria Hendrawan
KETIK : Jurnal Informatika Vol. 3 No. 03 (2026): Januari
Publisher : Faatuatua Media Karya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70404/ketik.v3i03.627

Abstract

Program Makan Bergizi Gratis (MBG) merupakan inisiatif pemerintah Indonesia di bawah Presiden Prabowo Subianto untuk mengurangi stunting dan malnutrisi pada anak sekolah, balita, ibu hamil, dan ibu menyusui dalam rangka mewujudkan Indonesia Emas 2045. Penelitian ini menganalisis sentimen publik terhadap Program MBG berdasarkan 4.983 komentar YouTube yang berasal dari video yang membahas kualitas makanan menggunakan model Long Short-Term Memory (LSTM). Data diproses melalui tahapan web scraping menggunakan YouTube Comment Downloader, praproses teks yang meliputi tokenisasi, stemming Sastrawi, dan stopword removal, serta pelabelan sentimen otomatis berbasis TextBlob dengan kata kunci spesifik MBG. Model Bi-LSTM dilatih menggunakan skema pembagian data 80:20. Hasil evaluasi menunjukkan bahwa sentimen publik didominasi oleh sentimen positif dan netral, yang mengindikasikan adanya dukungan masyarakat terhadap Program MBG. Meskipun demikian, masih ditemukan sentimen negatif dalam jumlah terbatas yang mencerminkan kritik terhadap aspek pelaksanaan program. Penelitian ini merekomendasikan penguatan pengendalian mutu pangan guna meningkatkan efektivitas pelaksanaan Program MBG.
Perancangan Website Desa Sukaraja sebagai Media Informasi dan Layanan Publik Menggunakan Metode Waterfall Silvia Apriani; Destiarini; Anggraeni Agustin Muris
KETIK : Jurnal Informatika Vol. 3 No. 06 (2026): Juli
Publisher : Faatuatua Media Karya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70404/ketik.v3i06.691

Abstract

Perkembangan teknologi informasi telah membawa perubahan dalam berbagai bidang, termasuk pelayanan publik di tingkat desa. Desa Sukaraja, Kecamatan Lengkiti, Kabupaten Ogan Komering Ulu masih menyampaikan informasi kepada masyarakat secara manual melalui papan pengumuman maupun pertemuan langsung. Selain itu, masyarakat yang ingin menyampaikan aspirasi atau keluhan harus datang langsung ke kantor desa. Kondisi ini menyebabkan proses penyampaian informasi dan pelayanan publik menjadi kurang efektif. Penelitian ini bertujuan untuk merancang dan membangun Website Desa Sukaraja sebagai media informasi dan layanan publik menggunakan metode Waterfall. Tahapan yang dilakukan meliputi analisis kebutuhan, perancangan sistem, implementasi, pengujian, dan penerapan sistem. Website dibangun menggunakan PHP, Bootstrap, CSS, dan MySQL. Pengujian sistem dilakukan menggunakan metode Black Box Testing untuk memastikan setiap fitur berjalan sesuai fungsinya. Hasil penelitian menunjukkan bahwa website yang dibangun mampu memudahkan pemerintah desa dalam menyampaikan informasi kepada masyarakat serta memberikan sarana bagi masyarakat untuk menyampaikan aspirasi secara online. Berdasarkan hasil pengujian, seluruh fitur website dapat berjalan dengan baik sehingga website layak digunakan sebagai media informasi dan layanan publik di Desa Sukaraja.
Analisis Relevansi Judul Skripsi Teknik Informatika Universitas Halu Oleo (UHO) Menggunakan TF-IDF, Cosine Similarity, dan Jaccard Similarity Ramlia Ramadani Sudin; Elisa Wulan Sari; Adha Mashur Sajiah
KETIK : Jurnal Informatika Vol. 3 No. 06 (2026): Juli
Publisher : Faatuatua Media Karya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70404/ketik.v3i06.693

Abstract

Penelitian ini menganalisis kemiripan teks guna mengukur relevansi judul skripsi mahasiswa Program Studi Teknik Informatika Universitas Halu Oleo (UHO) menggunakan pendekatan information retrieval, yaitu TF-IDF, Cosine Similarity, dan Jaccard Similarity. Data berupa 620 judul skripsi UHO diperoleh dari dataset publik Kaggle, kemudian diproses melalui tahapan Case Folding, Cleaning, tokenisasi, penghapusan stopword (standar dan domain akademik), serta Stemming menggunakan PySastrawi. Tahap prapemrosesan berhasil mereduksi dimensi token sebesar 37,7%, meningkatkan efisiensi representasi dokumen. Representasi vektor dibangun menggunakan TF-IDF dengan kombinasi unigram dan bigram. Topik penelitian dikelompokkan menjadi delapan klaster menggunakan algoritma K-Means yang dikombinasikan dengan reduksi dimensi Latent Semantic Analysis (LSA). Evaluasi sistem temu kembali menggunakan 50 Query acak dengan ground truth berbasis klaster menunjukkan bahwa Jaccard Similarity secara konsisten mengungguli Cosine Similarity pada seluruh metrik pengujian (Precision@K, Recall@K, MAP, dan NDCG@K). Hasil ini mengindikasikan bahwa karakteristik judul skripsi yang ringkas menyebabkan sebaran bobot fitur TF-IDF rentan didominasi secara ekstrem oleh satu Term dominan tunggal yang memicu bias pada Cosine Similarity, sedangkan pendekatan kecocokan biner pada Jaccard Similarity terbukti lebih tangguh dan menghasilkan urutan peringkat dokumen yang jauh lebih akurat.
Perbandingan CNN-BiLSTM dan CNN-BiGRU untuk Klasifikasi Berita Indonesia Menggunakan Fast Text Embedding dan Confidence Based Pseudo Labeling Cindy Rahmayanti; Elisa Wulan Sari; Adha Mashur Sajiah
KETIK : Jurnal Informatika Vol. 3 No. 06 (2026): Juli
Publisher : Faatuatua Media Karya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70404/ketik.v3i06.697

Abstract

Klasifikasi teks berita Indonesia merupakan tugas penting dalam pemrosesan bahasa alami yang mendukung pengelolaan informasi di era digital. Penelitian ini mengusulkan perbandingan dua arsitektur deep learning, yaitu CNN-BiLSTM dan CNN-BiGRU, yang diintegrasikan dengan word embedding FastText bahasa Indonesia dan strategi semi-supervised learning berbasis Confidence-Based Pseudo-Labeling. Dataset yang digunakan adalah Indonesian News Dataset sebanyak 91.017 artikel dari 9 kategori, yang kemudian diseimbangkan menggunakan undersampling menjadi 21.924 sampel. Sebanyak 20% data digunakan sebagai data berlabel dan 80% sisanya diperlakukan sebagai data tak berlabel yang dimanfaatkan melalui tiga iterasi pseudo-labeling dengan ambang kepercayaan adaptif (0,85; 0,88; 0,90). Hasil evaluasi menunjukkan menunjukkan bahwa penerapan pseudo-labeling secara konsisten meningkatkan performa kedua model. CNN-BiLSTM mencapai akurasi 71,72% dan F1-score 71,60% setelah pseudo-labeling, sedangkan CNN-BiGRU mencapai akurasi 69,42% dan F1-score 69,19%. Temuan ini membuktikan bahwa pendekatan semi-supervised learning efektif digunakan pada kondisi data berlabel yang terbatas.

Page 8 of 8 | Total Record : 75

 4   5   6   7   8 

Filter by Year

2023 2026


Reset
Filter By Issues
All Issue Vol. 3 No. 06 (2026): Juli Vol. 3 No. 05 (2026): Mei Vol. 3 No. 03 (2026): Januari Vol. 3 No. 02 (2025): November Vol. 3 No. 01 (2025): September Vol. 2 No. 06 (2025): Juli Vol. 2 No. 05 (2025): Mei Vol. 2 No. 04 (2025): Maret Vol. 2 No. 03 (2025): Januari Vol. 2 No. 02 (2024): November Vol. 1 No. 06 (2024): Juli Vol. 1 No. 05 (2024): Mei Vol. 1 No. 04 (2024): Maret Vol. 1 No. 03 (2024): Januari Vol. 1 No. 02 (2023): November Vol. 1 No. 01 (2023): September More Issue