cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Muhammad Hasanuddin
Contact Email
cvraskhamediagroup@gmail.com
Phone
+6282362440765
Journal Mail Official
cvraskhamediagroup@gmail.com
Editorial Address
Jalan Gurilla No. 2 Sidorejo, Kec. Medan Tembung 20222
Location
Kota medan,
Sumatera utara
INDONESIA
Jurnal Ilmu Komputer dan Teknik Informatika
Published by CV. Raskha Media Group
ISSN : -     EISSN : 31100864     DOI : https://doi.org/10.64803/juikti
Core Subject : Science, Engineering,
Computer Science & IT Engineering
Jurnal Ilmu Komputer dan Teknik Informatika merupakan publikasi ilmiah yang diterbitkan secara berkala dan bertujuan untuk menyebarkan hasil-hasil penelitian serta kajian ilmiah di bidang ilmu komputer dan teknik informatika. JUIKTI menerima artikel-artikel penelitian orisinal, review, dan inovasi terbaru yang memberikan kontribusi signifikan terhadap perkembangan ilmu pengetahuan, teknologi, dan aplikasinya dalam berbagai sektor. Adapun scope JUIKTI mencakup beragam topik dalam ilmu komputer dan teknik informatika, antara lain teori dan algoritma komputer, kecerdasan buatan (AI), machine learning, deep learning, data mining, sistem informasi, rekayasa perangkat lunak (software engineering), teknologi jaringan, dan arsitektur komputer. Selain itu, jurnal ini juga mencakup bidang lain yang berkaitan dengan pemrograman, komputasi awan (cloud computing), big data, keamanan siber (cybersecurity), serta aplikasi informatika dalam berbagai disiplin ilmu dan industri, termasuk industri 4.0 dan Internet of Things (IoT). Fokus utama JUIKTI adalah pada pengembangan teori, metodologi, dan aplikasi praktis yang berhubungan langsung dengan penyelesaian masalah-masalah nyata dalam dunia digital. Jurnal ini bertujuan untuk menjadi wadah bagi peneliti, praktisi, dan akademisi dalam berbagi pengetahuan dan teknologi mutakhir, serta mendorong terciptanya solusi-solusi inovatif yang dapat diterapkan dalam dunia industri dan masyarakat.
Arjuna Subject : Ilmu Komputer (semua kategori) - Ilmu Komputer (Lain-Lain)
Articles 25 Documents
 1   2   3 
Analisis dan Prediksi Curah Hujan Bulanan Kota Serang Berbasis Apache Spark Menggunakan Dataset BPS Provinsi Banten Rifqi Maulana, Muhammad; Fazilatunnisa, Azwa; Febriansyah, M. Yogi; Muiz, Alfi; Fauzan, Irfan; Tabrani, Ahmad
Jurnal Ilmu Komputer dan Teknik Informatika Vol. 2 No. 1 (2026): Januari 2026
Publisher : CV. Raskha Media Group

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.64803/juikti.v2i1.78

Abstract

Curah hujan merupakan salah satu parameter iklim yang berperan penting dalam sektor pertanian, perencanaan tata kota, serta mitigasi bencana hidrometeorologi seperti banjir dan kekeringan. Namun, pengolahan dan analisis data curah hujan dalam rentang waktu panjang sering menghadapi tantangan akibat besarnya volume data dan kompleksitas pola yang terbentuk. Penelitian ini bertujuan untuk menganalisis pola curah hujan bulanan serta membangun model prediksi curah hujan di Kota Serang dengan memanfaatkan teknologi Big Data menggunakan Apache Spark dan dataset resmi dari Badan Pusat Statistik (BPS) Provinsi Banten periode 2005–2024. Proses penelitian meliputi tahap pembersihan data, analisis eksploratif, perhitungan klimatologi dan anomali, serta pemodelan prediksi menggunakan algoritma Linear Regression, Decision Tree, dan Random Forest. Kinerja model dievaluasi menggunakan Root Mean Square Error (RMSE), koefisien determinasi (R²), dan Skill Score dengan baseline klimatologi dan baseline lag sebagai pembanding. Hasil penelitian menunjukkan bahwa model Random Forest memberikan performa terbaik dengan nilai RMSE sebesar 84,07 dan nilai R² sebesar 0,14, serta Skill Score tertinggi dibandingkan model lainnya. Temuan ini mengindikasikan bahwa Random Forest lebih mampu menangkap pola non-linear pada data curah hujan bulanan. Penerapan Apache Spark terbukti efektif dalam mendukung proses analisis dan pemodelan data iklim berskala besar, sehingga hasil penelitian ini diharapkan dapat menjadi referensi dalam pengembangan sistem prediksi curah hujan serta mendukung pengambilan keputusan di tingkat daerah.
Analysis of the Complexity of Heuristic Algorithms for Permutation Optimization in Large-Scale Computing Fitriasih, Sri Hariyati; Cynthia, Eka Pandu; Cynthia, Maulidania Mediawati; Cynthia, Dessy Nia; Remawati, Dwi
Jurnal Ilmu Komputer dan Teknik Informatika Vol. 2 No. 1 (2026): Januari 2026
Publisher : CV. Raskha Media Group

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.64803/juikti.v2i1.79

Abstract

Permutation optimization is a fundamental problem in large-scale computing that arises in various applications such as scheduling, resource allocation, and combinatorial decision-making. As the size of the solution space grows exponentially, conventional optimization methods often struggle to achieve acceptable performance within reasonable computational time. Heuristic and metaheuristic algorithms have therefore become widely adopted due to their flexibility and ability to provide near-optimal solutions for NP-hard problems. However, increasing data scale significantly impacts their computational complexity, making efficiency and scalability critical concerns.This study aims to analyze the computational complexity and performance characteristics of several heuristic algorithms applied to permutation optimization in large-scale computing environments. The research employs a quantitative experimental approach combined with theoretical complexity analysis. Greedy heuristic, simulated annealing, genetic algorithm, and adaptive heuristic methods are evaluated using synthetic permutation datasets with varying sizes. Performance is assessed based on execution time, memory usage, scalability, and solution quality. The results indicate that greedy heuristics offer the fastest execution and lowest memory consumption but tend to produce suboptimal solutions due to their local search strategy. Simulated annealing improves solution quality through probabilistic exploration, while genetic algorithms achieve the highest-quality solutions at the cost of substantial computational and memory overhead. Adaptive heuristic algorithms demonstrate a balanced performance by dynamically adjusting parameters during execution, achieving near-optimal solutions with reduced computational complexity. Overall, this research highlights the trade-offs between efficiency and solution quality among heuristic algorithms and emphasizes the potential of adaptive heuristic approaches for large-scale permutation optimization. The findings provide valuable insights for designing efficient and scalable optimization algorithms suitable for real-world large-scale computing applications.
Pembandingan Arsitektur Transformer dan CNN untuk Pengolahan Data Non-Visual Rahmawati, Lailia; Atmojo, Wahyu Tisno; Cynthia, Eka Pandu; Cynthia, Maulidania Mediawati; Cynthia, Dessy Nia
Jurnal Ilmu Komputer dan Teknik Informatika Vol. 2 No. 1 (2026): Januari 2026
Publisher : CV. Raskha Media Group

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.64803/juikti.v2i1.80

Abstract

Perkembangan pesat kecerdasan buatan dan pembelajaran mendalam telah mendorong eksplorasi berbagai arsitektur jaringan saraf untuk pengolahan data non-visual, seperti data numerik, sekuensial, dan tekstual. Dua arsitektur yang paling banyak digunakan dan berkembang adalah Convolutional Neural Network (CNN) dan Transformer. Meskipun CNN telah lama digunakan secara luas karena efisiensinya dalam mengekstraksi fitur lokal, arsitektur Transformer dengan mekanisme self-attention menawarkan kemampuan unggul dalam menangkap hubungan global dan dependensi kompleks antar elemen data. Penelitian ini bertujuan untuk membandingkan kinerja dan efisiensi arsitektur CNN dan Transformer dalam pengolahan data non-visual melalui pendekatan eksperimental kuantitatif. Dataset non-visual digunakan dan melalui tahapan pra-pemrosesan sebelum dilakukan pelatihan dan pengujian model. Evaluasi performa dilakukan menggunakan metrik akurasi, precision, recall, dan F1-score, serta analisis efisiensi komputasi berdasarkan waktu pelatihan dan kompleksitas model. Hasil penelitian menunjukkan bahwa Transformer secara konsisten mencapai performa yang lebih tinggi dibandingkan CNN pada seluruh metrik evaluasi, khususnya dalam menangani pola kompleks dan hubungan jangka panjang pada data non-visual. Namun, CNN menunjukkan keunggulan dalam efisiensi komputasi dan kestabilan pelatihan dengan kebutuhan sumber daya yang lebih rendah. Temuan ini mengindikasikan bahwa tidak terdapat satu arsitektur yang sepenuhnya unggul dalam semua aspek, melainkan pemilihan model harus disesuaikan dengan karakteristik data dan kebutuhan aplikasi. Selain itu, penelitian ini menyoroti potensi pendekatan hibrida yang mengombinasikan CNN dan Transformer untuk meningkatkan performa dan generalisasi model. Penelitian ini diharapkan dapat menjadi referensi empiris bagi pengembangan sistem cerdas berbasis pembelajaran mendalam dalam pengolahan data non-visual.
Exploring Feature Pruning Techniques on High-Relevance Datasets for Predictive Analysis Cynthia, Eka Pandu; Cynthia, Maulidania Mediawati; Cynthia, Dessy Nia
Jurnal Ilmu Komputer dan Teknik Informatika Vol. 2 No. 1 (2026): Januari 2026
Publisher : CV. Raskha Media Group

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.64803/juikti.v2i1.86

Abstract

In the era of big data, predictive analytics has become a vital approach for extracting actionable insights from high-relevance datasets across various domains, including healthcare, finance, and environmental science. However, the increasing dimensionality of modern datasets poses significant challenges, such as overfitting, high computational costs, and reduced model interpretability, which can negatively impact predictive performance. Feature pruning has emerged as an effective strategy to address these challenges by eliminating irrelevant or redundant features while preserving the most informative attributes for model learning. This study aims to explore and systematically evaluate the effectiveness of multiple feature pruning techniques when applied to high-relevance datasets for predictive analysis. The research adopts an experimental comparative approach by analyzing filter-based, wrapper-based, embedded, and adaptive pruning methods in conjunction with several widely used predictive models, including Random Forest, Support Vector Machine, and Neural Networks. Performance evaluation is conducted using standard metrics such as accuracy, precision, recall, F1-score, and computational training time to assess both predictive quality and efficiency. The experimental results demonstrate that feature pruning significantly enhances model performance and generalization while reducing computational complexity. Among the evaluated techniques, adaptive pruning methods consistently outperform traditional approaches by dynamically capturing complex feature interactions and minimizing information loss. Moreover, the cross-domain analysis reveals that adaptive and embedded pruning techniques exhibit strong scalability and robustness across different dataset characteristics. These findings highlight the critical role of feature pruning as an integral component of predictive modeling pipelines rather than a mere preprocessing step. Overall, this study contributes to a deeper understanding of feature pruning dynamics and provides practical insights for selecting appropriate pruning strategies to improve predictive accuracy, efficiency, and interpretability in high-dimensional data environments.
Perbandingan Algoritma Kriptografi Modern dalam Melindungi Data Transmisi Cynthia, Maulidania Mediawati; Cynthia, Eka Pandu; Cynthia, Dessy Nia
Jurnal Ilmu Komputer dan Teknik Informatika Vol. 2 No. 1 (2026): Januari 2026
Publisher : CV. Raskha Media Group

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.64803/juikti.v2i1.87

Abstract

Keamanan data transmisi merupakan aspek penting dalam sistem informasi modern seiring meningkatnya pertukaran data melalui jaringan terbuka. Berbagai ancaman seperti penyadapan, manipulasi data, dan serangan siber menuntut penerapan algoritma kriptografi yang andal dan efisien. Penelitian ini bertujuan untuk membandingkan algoritma kriptografi modern dalam melindungi data transmisi berdasarkan parameter keamanan, kecepatan enkripsi dan dekripsi, ukuran kunci, serta efisiensi penggunaan sumber daya sistem. Metode penelitian yang digunakan adalah pendekatan komparatif eksperimental dengan tahapan meliputi studi literatur, penentuan algoritma dan parameter pengujian, implementasi simulasi, pengumpulan data, serta analisis hasil. Algoritma yang dianalisis meliputi AES, ChaCha20, RSA, dan ECC. Hasil penelitian menunjukkan bahwa algoritma kriptografi simetris, khususnya ChaCha20 dan AES, memiliki performa yang lebih unggul dalam hal kecepatan dan efisiensi sumber daya dibandingkan algoritma asimetris. Sementara itu, algoritma ECC menunjukkan keunggulan signifikan dibandingkan RSA dengan tingkat keamanan tinggi dan ukuran kunci yang lebih kecil. Penelitian ini menyimpulkan bahwa tidak terdapat satu algoritma yang unggul pada semua aspek, sehingga pemilihan algoritma kriptografi harus disesuaikan dengan kebutuhan sistem. Kombinasi algoritma simetris dan asimetris merupakan pendekatan paling efektif dalam melindungi data transmisi pada sistem informasi modern.
Analisis Protokol Routing Adaptif untuk Jaringan Komputer Skala Besar Cynthia, Eka Pandu; Cynthia, Maulidania Mediawati; Cynthia, Dessy Nia
Jurnal Ilmu Komputer dan Teknik Informatika Vol. 2 No. 1 (2026): Januari 2026
Publisher : CV. Raskha Media Group

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.64803/juikti.v2i1.88

Abstract

Jaringan komputer skala besar memiliki tingkat kompleksitas dan dinamika yang tinggi, sehingga membutuhkan mekanisme routing yang mampu beradaptasi terhadap perubahan kondisi jaringan secara cepat dan efisien. Protokol routing adaptif dirancang untuk menyesuaikan pemilihan rute berdasarkan kondisi jaringan terkini, seperti beban trafik, kualitas link, dan perubahan topologi. Penelitian ini bertujuan untuk menganalisis kinerja protokol routing adaptif pada jaringan komputer skala besar melalui pendekatan simulasi jaringan. Metode penelitian yang digunakan meliputi perancangan model jaringan, implementasi protokol routing adaptif, serta pengujian kinerja jaringan berdasarkan beberapa parameter utama, yaitu delay, throughput, packet loss, dan waktu konvergensi. Pengujian dilakukan pada beberapa skenario, meliputi kondisi jaringan normal, peningkatan beban trafik, dan kegagalan link. Hasil penelitian menunjukkan bahwa protokol routing adaptif mampu mempertahankan kinerja jaringan yang stabil pada berbagai kondisi pengujian. Nilai delay dan packet loss tetap berada pada tingkat yang rendah, sementara throughput jaringan dapat dipertahankan secara optimal meskipun terjadi gangguan jaringan. Selain itu, protokol routing adaptif menunjukkan waktu konvergensi yang relatif cepat dalam menyesuaikan diri terhadap perubahan topologi jaringan. Berdasarkan hasil tersebut, dapat disimpulkan bahwa protokol routing adaptif efektif untuk diterapkan pada jaringan komputer skala besar yang membutuhkan keandalan, efisiensi, dan kemampuan adaptasi tinggi terhadap dinamika jaringan.
Sistem Temu Balik Informasi Berbasis Fuzzy String Matching untuk Pencarian Nama Kontak Damanik, Najwa Salsabila; Afrilia, Putri; Syahara, Adinda; Safrizal
Jurnal Ilmu Komputer dan Teknik Informatika Vol. 2 No. 1 (2026): Januari 2026
Publisher : CV. Raskha Media Group

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.64803/juikti.v2i1.97

Abstract

Pencarian yang kurang efektif sering kali terjadi karena kesalahan ketik, salah ejaan, atau pengguna yang lupa cara mengeja nama dengan benar saat mencari seseorang di daftar kontak. Untuk membuat pencarian kontak lebih akurat dan fleksibel, proyek ini berencana membangun dan menerapkan sistem penelusuran informasi berbasis web yang memanfaatkan algoritma pencocokan string fuzzy. Metode pencocokan string perkiraan ini menggunakan algoritma Jarak Levenshtein, yang membantu sistem menemukan kesamaan antara kata kunci yang diketik pengguna dan nama-nama di database, bahkan jika ada perbedaan karakter dari kesalahan ketik atau singkatan. Sistem dikembangkan dengan bahasa pemrograman PHP, database MySQL, dan framework UI Bootstrap. Sistem ini mampu menampilkan daftar kontak relevan berdasarkan jarak edit terkecil, dengan hasil diurutkan dari yang paling mirip, seperti yang terlihat dari hasil pengujian fungsional. Pengujian menunjukkan bahwa pencocokan fuzzy efektif menangani input yang tidak tepat saat mencari nama. Akibatnya, sistem ini lebih adaptif dibandingkan metode pencarian tradisional yang ketat, karena menyederhanakan, mempercepat pencarian, dan lebih tahan terhadap kesalahan data. Harapannya, sistem ini akan berguna baik untuk keperluan pribadi maupun organisasi..
Perancangan dan Implementasi Sistem Enkripsi Data Sensitif Menggunakan AES-256-CBC pada Aplikasi Berbasis Web Sederhana Muhammad Randy Fachrezi; Dwiky Oldi Amsyah; Alwi Syahputra; Ibnu
Jurnal Ilmu Komputer dan Teknik Informatika Vol. 2 No. 1 (2026): Januari 2026
Publisher : CV. Raskha Media Group

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.64803/juikti.v2i1.100

Abstract

Data formulir pada aplikasi web umumnya tersimpan dalam bentuk teks biasa yang rentan dibaca ketika terjadi akses tidak sah ke sistem penyimpanan. Penelitian ini bertujuan mengimplementasikan algoritma Advanced Encryption Standard (AES-256-CBC) untuk mengenkripsi data input formulir dan membuktikan proses transformasi data dari plaintext menjadi ciphertext serta kemampuan mengembalikannya melalui dekripsi menggunakan passphrase. Metode penelitian meliputi studi literatur, identifikasi masalah, perancangan sistem, implementasi, dan pengujian pada tiga skenario data yang mencakup nama lengkap, email, nomor telepon, dan pesan. Hasil pengujian menunjukkan sistem berhasil mengenkripsi seluruh data input menjadi ciphertext yang tidak dapat dipahami tanpa kunci dekripsi. Proses dekripsi dengan passphrase yang benar menghasilkan data plaintext yang identik dengan input awal dan menampilkan status verifikasi berhasil, sedangkan passphrase yang salah menghasilkan pesan kesalahan dekripsi gagal. Penelitian ini membuktikan bahwa AES-256-CBC efektif dalam mengamankan data formulir web melalui mekanisme enkripsi-dekripsi berbasis passphrase, sehingga data sensitif tidak lagi tersimpan dalam bentuk yang mudah dibaca dan hanya dapat diakses oleh pihak yang memiliki passphrase yang valid.
Klasifikasi Tingkat Dampak Banjir Di Provinsi Sumatra Utara Menggunakan Algoritma K-Nearest Neighbor(Knn) riang, rya; Sembiiring, Dia Alemisa br; Sipayung, Sardo Pardingotan
Jurnal Ilmu Komputer dan Teknik Informatika Vol. 2 No. 1 (2026): Januari 2026
Publisher : CV. Raskha Media Group

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.64803/juikti.v2i1.103

Abstract

Banjir merupakan salah satu bencana alam yang perlu diwaspadai karena dapat menimbulkan dampak yang signifikan terhadap masyarakat, baik berupa kerusakan infrastruktur maupun korban jiwa. Badan Nasional Penanggulangan Bencana (BNPB) dan Badan Penanggulangan Bencana Daerah (BPBD) berperan dalam menghimpun dan menyediakan data kejadian banjir sebagai dasar pengambilan keputusan dalam penanggulangan bencana. Penelitian ini bertujuan untuk mengklasifikasikan tingkat dampak banjir di Provinsi Sumatera Utara menggunakan metode data mining dengan pendekatan klasifikasi. Dataset yang digunakan merupakan data dampak banjir yang diperoleh dari BNPB dan BPBD Provinsi Sumatera Utara, yang meliputi jumlah rumah rusak, jumlah pengungsi, jumlah korban meninggal, jumlah korban hilang, serta jumlah fasilitas umum yang mengalami kerusakan. Proses data mining dilakukan mengikuti tahapan Knowledge Discovery in Databases (KDD), yang meliputi seleksi data, praproses data, normalisasi, proses klasifikasi, dan evaluasi hasil. Algoritma yang digunakan dalam penelitian ini adalah K-Nearest Neighbor (KNN). Pengolahan dan pengujian data dilakukan menggunakan perangkat lunak RapidMiner. Hasil pengujian menunjukkan bahwa algoritma KNN mampu mengklasifikasikan tingkat dampak banjir ke dalam tiga kelas, yaitu rendah, sedang, dan tinggi, dengan tingkat akurasi terbaik sebesar 89,47%. Hasil penelitian ini menunjukkan bahwa algoritma KNN cukup efektif digunakan dalam klasifikasi tingkat dampak banjir di Provinsi Sumatera Utara berdasarkan data dampak bencana.
Rancang Bangun Sistem Jendela Otomatis Berbasis Mikrokontroler Siti Dian Fachroza Ritonga; Ermaliza; Dedek Juliani Ritonga; Siti Dian Fachorza Ritonga; Supiyandi
Jurnal Ilmu Komputer dan Teknik Informatika Vol. 2 No. 1 (2026): Januari 2026
Publisher : CV. Raskha Media Group

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.64803/juikti.v2i1.106

Abstract

Perkembangan teknologi otomatisasi saat ini telah memberikan pengaruh yang besar terhadap peningkatan kenyamanan dan efisiensi dalam lingkungan hunian. Akan tetapi, dalam praktiknya, pengoperasian sistem ventilasi seperti jendela masih dilakukan secara manual, yang seringkali tidak praktis dan kurang responsif terhadap perubahan cuaca yang tiba-tiba. Penelitian ini bertujuan untuk menciptakan sistem jendela otomatis berbasis mikrokontroler, sebagai solusi untuk masalah operasional manual dan untuk meningkatkan keamanan di dalam bangunan. Metodologi yang digunakan dalam penelitian ini adalah Research and Development (R&D) dengan pendekatan prototipe, meliputi tahap desain, perakitan, serta pengujian fungsional. Sistem ini memanfaatkan Arduino Uno sebagai pengendali utama, yang mengintegrasikan sensor cahaya (Light Dependent Resistor / LDR) untuk mendeteksi tingkat intensitas cahaya dan sensor hujan untuk mengetahui keberadaan air, menggunakan motor servo sebagai aktuator untuk membuka dan menutup jendela. Hasil dari pengujian menunjukkan bahwa sistem ini mampu beroperasi dengan responsif berdasarkan logika prioritas keamanan; di mana jendela akan terbuka secara otomatis ketika kondisi terang dan tidak hujan, tetapi akan menutup saat kondisi gelap atau saat ada tetesan air hujan meskipun kondisi sekitar masih terang. Sistem ini terbukti efektif dalam melindungi interior ruangan dari air hujan tanpa memerlukan campur tangan manusia secara terus-menerus. Dengan kombinasi komponen yang terintegrasi dengan baik, prototipe ini memberikan solusi otomatisasi yang sederhana, praktis, dan efisien untuk diterapkan pada bangunan modern.

Page 2 of 3 | Total Record : 25

 1   2   3 

Filter by Year

2025 2026


Reset
Filter By Issues
All Issue Vol. 2 No. 1 (2026): Januari 2026 Vol. 1 No. 2 (2025): Juli 2025 Vol. 1 No. 1 (2025): Januari 2025