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 29 Documents
 1   2   3 
Perancangan Sistem Tempat Sampah Pintar Otomatis Berbasis Sensor Ultrasonik dan Motor Servo Rinaldi, Rio; Haqqani, Fayyaz; Sitorus, Dhafa Hibrizi
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.v2i1.107

Abstract

Isu kebersihan lingkungan memegang peranan vital dalam kesehatan masyarakat. Sayangnya, kebiasaan membuang sampah seringkali terhambat karena rasa enggan menyentuh tutup tempat sampah yang dianggap kotor dan berpotensi menjadi sarang kuman atau virus. Penelitian ini hadir untuk menjawab tantangan tersebut melalui pengembangan 'Smart Trash Bin', sebuah tempat sampah otomatis tanpa sentuh yang menawarkan higienitas lebih baik. Secara teknis, sistem ini mengandalkan Arduino Uno sebagai otak utama, yang dipadukan dengan sensor ultrasonik HC-SR04 untuk mendeteksi objek, serta motor servo untuk menggerakkan tutupnya. Melalui pendekatan metode eksperimental pada hardware dan software, pengujian menunjukkan hasil yang memuaskan. Sensor mampu membaca keberadaan tangan atau sampah dalam rentang jarak 10 hingga 30 cm. Saat terdeteksi, sistem secara otomatis memerintahkan servo membuka tutup hingga 90 derajat dan akan menutup kembali setelah jeda 3 detik. Dengan tingkat keberhasilan respon mencapai 95%, alat ini sangat layak diterapkan sebagai solusi sanitasi modern, baik untuk rumah tangga maupun area publik.
Analisis Kepuasan dan Loyalitas Pengguna ShopeePay di Indonesia Nasution, Muhammad Zikri Al Hakim Nasution; NST, Muhammad; Simatupang, Rizky Agung; Saragih, Mas Uhur Abdillah
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.v2i1.109

Abstract

Perkembangan teknologi informasi dan komunikasi telah mendorong terjadinya transformasi digital pada sistem pembayaran di Indonesia. Perubahan ini ditandai dengan meningkatnya penggunaan pembayaran non-tunai melalui dompet digital (e-wallet) yang menawarkan kemudahan, kecepatan, dan efisiensi dalam bertransaksi. ShopeePay merupakan salah satu layanan e-wallet yang berkembang pesat di Indonesia seiring dengan pertumbuhan e-commerce dan integrasinya dengan platform Shopee. Meskipun jumlah pengguna ShopeePay terus mengalami peningkatan, keberlanjutan penggunaan layanan sangat dipengaruhi oleh tingkat kepuasan dan loyalitas pengguna. Dalam kondisi persaingan antar penyedia e-wallet yang semakin ketat, pemahaman mengenai faktor-faktor yang mendorong kepuasan dan loyalitas pengguna menjadi hal yang sangat penting. Penelitian ini bertujuan untuk menganalisis faktor-faktor yang memengaruhi kepuasan dan loyalitas pengguna ShopeePay di Indonesia melalui pendekatan tinjauan pustaka. Metode yang digunakan adalah literature review dengan mengkaji berbagai jurnal ilmiah nasional dan internasional yang relevan dalam rentang tahun 2021 hingga 2025. Hasil kajian menunjukkan bahwa kualitas layanan elektronik, kemudahan penggunaan aplikasi, kepercayaan pengguna terhadap keamanan sistem, serta promosi yang ditawarkan merupakan faktor utama yang memengaruhi kepuasan pengguna ShopeePay. Selanjutnya, kepuasan pengguna berperan sebagai variabel kunci yang menjembatani hubungan antara faktor-faktor tersebut dengan loyalitas pengguna. Pengguna yang merasa puas cenderung melakukan penggunaan ulang, merekomendasikan layanan kepada pihak lain, serta memiliki resistensi terhadap layanan e-wallet pesaing. Penelitian ini diharapkan dapat memberikan kontribusi teoritis dalam pengembangan kajian sistem pembayaran digital serta menjadi referensi praktis bagi penyedia layanan e-wallet dalam merancang strategi peningkatan kepuasan dan loyalitas pengguna.  
Perancangan Sistem Telemonitoring Kesehatan Pasien Rawat Jalan Berbasis IoT Menggunakan ESP32 Humairoh, Aulia Balqis; Ningsih, Dinda Ayu; Damayanti, Revina Putri
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.v2i1.110

Abstract

Pemantauan kondisi kesehatan pasien rawat jalan secara real-time menjadi tantangan krusial dalam layanan kesehatan modern, khususnya untuk mendeteksi indikasi kegawatdaruratan pada pasien dengan komorbiditas. Metode pemantauan konvensional sering kali tidak efisien karena keterbatasan jarak dan waktu. Penelitian ini bertujuan merancang bangun sistem telemonitoring kesehatan berbasis Internet of Things (IoT) menggunakan mikrokontroler ESP32 untuk memantau parameter detak jantung (BPM) dan saturasi oksigen (SpO₂). Metode penelitian menerapkan pendekatan Virtual Prototyping menggunakan simulator Wokwi untuk memvalidasi desain sistem sebelum implementasi fisik, guna meminimalisir risiko kerusakan perangkat dan efisiensi biaya. Tahapan penelitian meliputi analisis kebutuhan, perancangan skema rangkaian virtual, pengembangan algoritma, dan pengujian sistem. Hasil penelitian menunjukkan bahwa sistem mampu mengakuisisi data simulasi dengan tingkat akurasi 100% dan mentransmisikan data ke cloud dengan rata-rata latensi 112 ms, yang memenuhi standar Quality of Service (QoS) aplikasi e-Health. Fitur peringatan dini (Early Warning System) juga terbukti berhasil mendeteksi kondisi hipoksia (SpO₂ < 95%) secara real-time. Penelitian ini menyimpulkan bahwa metode simulasi Wokwi efektif sebagai media validasi perancangan sistem IoT kesehatan yang akurat dan responsif. Kata Kunci: Internet of Things (IoT), Telemonitoring, ESP32, Wokwi, Saturasi Oksigen (SpO₂)
Implementasi Cnn Resnet50 Untuk Klasifikasi Dan Prediksi Tumor Otak Pada Citra Mri Menggunakan MATLAB Farhan, Muhammad; Fuady, Ahmad Fariz; Amsyah, Dwiky Oldi; Aptanta, Dimas Aqila
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.v2i1.113

Abstract

Tumor otak merupakan salah satu penyakit serius yang dapat mengancam nyawa serta menurunkan kualitas hidup penderitanya, sehingga deteksi dini menjadi aspek yang sangat penting dalam mendukung keberhasilan penanganan medis. Magnetic Resonance Imaging (MRI) merupakan metode pencitraan non-invasif yang banyak digunakan karena mampu menghasilkan citra otak dengan detail tinggi dan kontras jaringan yang baik. Namun, proses interpretasi citra MRI masih sangat bergantung pada keahlian dokter radiologi dan berpotensi menimbulkan kesalahan akibat kelelahan serta kompleksitas visual citra. Oleh karena itu, diperlukan sistem pendukung diagnosis berbasis kecerdasan buatan yang mampu membantu proses klasifikasi tumor otak secara otomatis, cepat, dan akurat. Penelitian ini bertujuan untuk mengimplementasikan metode Convolutional Neural Network (CNN) dengan arsitektur ResNet50 dalam mengklasifikasikan tumor otak pada citra MRI menggunakan MATLAB. Dataset yang digunakan terdiri dari empat kelas, yaitu glioma, meningioma, pituitary tumor, dan non-tumor. Tahapan penelitian meliputi preprocessing citra, augmentasi data untuk meningkatkan variasi dataset, pembagian data menjadi data latih dan data uji, serta penerapan transfer learning pada model ResNet50. Proses pelatihan dilakukan menggunakan optimizer Adam dengan berbagai skema parameter untuk memperoleh performa terbaik. Hasil penelitian menunjukkan bahwa model CNN ResNet50 mampu mencapai akurasi hingga 98% dan memberikan hasil klasifikasi yang sangat baik pada data uji. Selain itu, model yang telah dilatih diimplementasikan ke dalam aplikasi berbasis Graphical User Interface (GUI) menggunakan MATLAB App Designer sehingga mudah digunakan. Penelitian ini diharapkan dapat menjadi alat bantu diagnosis awal tumor otak serta berkontribusi pada pengembangan penerapan deep learning di bidang medis.
Sistem Klasifikasi Diabetes Mellitus Menggunakan Algoritma K-Nearest Neighbor (KNN) Berbasis Web Muhammad Randy Fachrezi; Hafiz Aryanda; Alwi Syahputra; Risma Riansyah
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.v2i1.116

Abstract

Diabetes mellitus merupakan penyakit metabolik kronis dengan prevalensi yang terus meningkat di Indonesia, mencapai 11,3% dari total populasi berdasarkan data International Diabetes Federation tahun 2024. Permasalahan utama dalam penanganan diabetes adalah keterlambatan diagnosis yang menyebabkan komplikasi serius. Penelitian ini bertujuan untuk mengembangkan sistem klasifikasi diabetes mellitus berbasis web menggunakan algoritma K-Nearest Neighbor (KNN) guna mendukung deteksi dini secara praktis dan mudah diakses. Dataset yang digunakan adalah Pima Indians Diabetes Database yang terdiri dari 768 data dengan 8 atribut. Tahapan pre-processing data meliputi imputasi median untuk menangani nilai anomali, penanganan outlier menggunakan metode Interquartile Range (IQR), penyeimbangan data dengan teknik Synthetic Minority Over-sampling Technique (SMOTE), serta normalisasi Min-Max. Model KNN diimplementasikan dengan nilai K optimal sebesar 8 yang diperoleh melalui cross-validation. Hasil evaluasi menunjukkan akurasi pada data testing sebesar 73,68% dengan precision 71,15%, recall 78,72%, F1-score 74,75%, dan nilai ROC-AUC 0,8132. Sistem web dirancang menggunakan arsitektur client-server dengan React.js sebagai frontend dan Python Flask sebagai backend. Antarmuka sistem menyediakan fitur edukasi, form input data kesehatan, serta halaman hasil klasifikasi yang informatif. Hasil penelitian menunjukkan bahwa sistem mampu mengklasifikasikan risiko diabetes dengan performa yang cukup baik dan dapat digunakan sebagai alat bantu skrining awal.
Penerapan Metode Simple Weighted Sum Product Method (WISP) Dalam Pemilihan Jenis Laptop Kebutuhan Proses Editing Prandana, Ridho; Affandi, Arie; Wibowo, Aldy
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.v2i1.104

Abstract

Pemilihan laptop yang tepat sangat penting untuk keperluan proses editing, karena spesifikasi teknis (seperti prosesor, RAM, grafis, dan penyimpanan) sangat memengaruhi kinerja dan efisiensi kerja. Penelitian ini mengusulkan penerapan metode Simple Weighted Sum Product (WISP) sebagai pendekatan sistem pendukung keputusan (SPK) untuk menentukan jenis laptop terbaik berdasarkan kriteria multiatribut. Metode WISP dipilih karena kemampuannya dalam menggabungkan bobot kriteria dengan cara yang sederhana namun efektif, dan melakukan normalisasi serta agregasi skor dari alternatif laptop secara komprehensif. Kriteria yang dievaluasi dalam studi ini mencakup: harga, prosesor, RAM, kapasitas penyimpanan, kartu grafis, dan daya tahan baterai. Data alternatif laptop dikumpulkan dari spesifikasi produk di pasaran lokal dan internasional. Hasil perhitungan menunjukkan peringkat alternatif laptop sesuai dengan profil kebutuhan seorang editor, dan memberikan rekomendasi terbaik berdasarkan skor total WISP. Penelitian ini menyimpulkan bahwa metode WISP dapat menjadi alat bantu pengambilan keputusan yang handal bagi pengguna yang ingin membeli laptop untuk kebutuhan editing, dan menyarankan penelitian lanjutan untuk memasukkan lebih banyak kriteria serta analisis sensitivitas bobot untuk meningkatkan akurasi rekomendasi..
Analisis Perbandingan Model Machine Learning dan Deep Learning untuk Peramalan Harga Saham Edi Ismanto; Ahmad Gunawan Dalimunthe; Muhammad Iqbal; Fauza Addinunnisa
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.v2i1.114

Abstract

Peramalan harga saham harian masih menjadi tantangan signifikan dalam bidang keuangan dan data science akibat tingginya volatilitas pasar serta pengaruh berbagai faktor eksternal. Penelitian ini menyajikan analisis perbandingan beberapa model Machine Learning (ML) dan Deep Learning (DL) untuk peramalan harga saham berbasis indikator teknikal. Model ML yang dievaluasi meliputi Random Forest, Support Vector Regressor (SVR), dan XGBoost, sedangkan pendekatan DL mencakup Long Short-Term Memory (LSTM) dan Dense Neural Network (DNN). Data yang digunakan berupa data historis harga saham yang diperkaya dengan indikator teknikal seperti Moving Average (MA), Relative Strength Index (RSI), dan Bollinger Bands (BB). Kinerja model dievaluasi menggunakan metrik Mean Squared Error (MSE), Root Mean Squared Error (RMSE), Mean Absolute Error (MAE), serta koefisien determinasi (R²). Hasil eksperimen menunjukkan bahwa model Support Vector Regressor menghasilkan kinerja prediksi terbaik, diikuti oleh Random Forest dan XGBoost. Model Deep Learning menunjukkan kinerja yang relatif lebih rendah, yang diduga disebabkan oleh keterbatasan data serta kebutuhan proses tuning hiperparameter yang lebih kompleks. Temuan ini menunjukkan bahwa model berbasis Machine Learning, khususnya SVR, lebih efektif untuk peramalan harga saham dalam kondisi eksperimental penelitian ini.
Analisis Keputusan Pemilihan Sepeda Motor Matic untuk Keperluan Touring dengan Metode CoCoSo Rasyid, Abdul; Harahap, Ahmad Prayuda; Pasaribu, Luthfi Maulana
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.v2i1.115

Abstract

Pemilihan sepeda motor matic yang sesuai untuk keperluan touring memerlukan pertimbangan yang matang terhadap berbagai kriteria seperti fitur, performa, konsumsi bahan bakar, bobot, dan harga. Penelitian ini bertujuan menganalisis pemilihan sepeda motor matic dalam rentang harga Rp30–50 juta dengan menggunakan metode Combined Compromise Solution (CoCoSo). Lima alternatif motor yaitu Lexi, NMax, ADV, Aerox, dan PCX dievaluasi berdasarkan lima kriteria utama (C1–C5). Hasil penelitian menunjukkan bahwa metode CoCoSo mampu memberikan peringkat yang objektif dan komprehensif melalui pendekatan kompromi antar kriteria. Metode ini dapat menjadi alat bantu keputusan bagi konsumen maupun pihak terkait yang membutuhkan analisis sistematis dalam memilih motor matic untuk touring.  
Analisis Sentimen Masyarakat terhadap Budaya Batak di Twitter Menggunakan Metode Naive Bayes Situmorang, Cristina; Cristina Situmorang; Hutauruk, Amelia Sanna Maria; Sipayung, Sardo Pardingotan; Zebua, Wilfred Raimond
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.v2i1.117

Abstract

Media sosial seperti Twitter telah menjadi ruang terbuka bagi masyarakat untuk menyampaikan opini dan pandangan mereka terhadap berbagai isu, termasuk kebudayaan lokal. Penelitian ini bertujuan untuk menganalisis sentimen masyarakat di Twitter terhadap budaya Batak dengan menggunakan algoritma Naive Bayes. Data dikumpulkan melalui teknik web crawling untuk mengambil cuitan yang mengandung kata kunci terkait budaya Batak. Tahapan penelitian meliputi praproses data teks, seperti pembersihan data, tokenisasi, penghapusan stopwords, dan normalisasi, sebelum dilakukan klasifikasi sentimen menggunakan algoritma Naive Bayes. Sentimen diklasifikasikan ke dalam tiga kategori utama, yaitu positif dan negatif. Hasil penelitian menunjukkan bahwa mayoritas opini masyarakat di Twitter bersifat positif, terutama terkait kekayaan adat istiadat, musik, dan kuliner khas Batak. Namun, terdapat pula sentimen negatif yang berkaitan dengan stereotip budaya dan kurangnya pelestarian. Penelitian ini memberikan gambaran umum terhadap persepsi masyarakat di media sosial dan dapat menjadi masukan bagi pelaku budaya dan pemerintah dalam melestarikan serta mempromosikan budaya Batak secara lebih efektif.

Page 3 of 3 | Total Record : 29

 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