cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Tika Adilah M
Contact Email
tika.tam@bsi.ac.id
Phone
+6282218367840
Journal Mail Official
jurnal.infortech@bsi.ac.id
Editorial Address
Jl. Kramat Raya No.98, RT.2/RW.9, Kwitang, Kec. Senen, Kota Jakarta Pusat, Daerah Khusus Ibukota Jakarta 10450
Location
Kota adm. jakarta barat,
Dki jakarta
INDONESIA
Jurnal Infortech
Published by Universitas Bina Sarana Informatika
ISSN : -     EISSN : 27158160     DOI : https://doi.org/10.31294/infortech
Core Subject : Science, Engineering,
Computer Science & IT Engineering
Jurnal Infortech is a journal in the field of Computer and Informatics published by LPPM Bina Sarana Informatika and has an ISSN online version (2715-8160). This journal contains scientific research results on the themes of Computer Science, Informatics Engineering, Computer Engineering, Expert Systems, Information Systems, Web Programming, Mobile Programming, Games Programming, Data Mining, Text Mining, Image processing, and Decision Support Systems.
Arjuna Subject : Ilmu Komputer (semua kategori) - Aplikasi Ilmu Komputer
Articles 26 Documents
 1   2   3 
Kombinasi Metode ROC-SAW Untuk Analisis Efisiensi Bahan Bakar Kendaraan LSUV Santoso Setiawan; Suryanto
Jurnal Infortech Vol. 7 No. 2 (2025): Desember 2025
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/infortech.v7i2.11372

Abstract

The SAW (Simple Additive Weighting) method, also known as the Scoring Method or Weighted Sum Method, is a simple yet effective multi-criteria decision-making technique. SAW works by calculating the total sum of weighted scores for each alternative. However, this method is sensitive to weights, so subjective weight selection can affect the final results. The purpose of this study is to determine the effectiveness of combining two decision support methods to be implemented in comparing fuel-efficient LSUV (Low Sport Utility Vehicle) vehicles. The methods used are ROC (Rank Order Centroid) for weighting criteria and SAW (Simple Additive Weighting) applied to multi-criteria decisions in determining the performance ranking of each vehicle. After in-depth analysis, this study shows that the combination of the ROC and SAW methods can provide a clear picture of the advantages of each vehicle and is effective for assessing the fuel efficiency of LSUVs in Indonesia based on the established criteria. The conclusion of this study provides recommendations on the use of a combination of these two methods for more accurate and effective analysis in supporting decision making.
Pemanfaatan Algoritma Support Vector Machine dalam Analisis Sentimen Ulasan Pengguna Aplikasi POLRI Presisi Yopi Handrianto; Omar Pahlevi; Mateus Hantoro Winarsa
Jurnal Infortech Vol. 7 No. 2 (2025): Desember 2025
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/infortech.v7i2.11378

Abstract

Kepolisian Negara Republik Indonesia (Polri) merupakan institusi penting dalam pelayanan publik, termasuk pengurusan administrasi SIM dan SKCK. Untuk mendukung transformasi digital, Polri merilis aplikasi POLRI Presisi. Penelitian ini menganalisis sentimen ulasan pengguna terhadap fitur layanan SIM dan SKCK pada aplikasi tersebut. Sebanyak 4000 ulasan dikumpulkan melalui web scraping dari Google Play Store dan diberi label menggunakan pendekatan lexicon-based ke dalam tiga kelas: positif, negatif, dan netral. Ulasan diproses melalui cleaning, case folding, normalisasi, tokenisasi, negation handling, stopword removal, dan stemming. Fitur teks dikonversi menggunakan TF-IDF dan digabungkan dengan fitur leksikal. Synthetic Minority Oversampling Technique (SMOTE) diterapkan untuk menyeimbangkan data latih. Model klasifikasi dibangun menggunakan Support Vector Machine (SVM) dan dioptimalkan melalui GridSearchCV. Hasil penelitian menunjukkan distribusi sentimen sebesar 76,36% negatif, 12,23% netral, dan 11,41% positif. Model SVM mampu mengklasifikasikan sentimen dengan akurasi 91,50%, f1-score makro 0,82, dan ROC-AUC makro 0,9693. Temuan ini membuktikan efektivitas SVM dalam menganalisis sentimen ulasan pengguna aplikasi POLRI Presisi secara akurat.
Aplikasi Pemesanan Menu Menggunakan Quick Response Code dan Payment Gateway di Kafe Kopi Insight Ade Kusna Eka Syahputra; Rizal Ruba’i; Alpito Gilang Ramadhan; Ade Suryadi
Jurnal Infortech Vol. 7 No. 2 (2025): Desember 2025
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/infortech.v7i2.11382

Abstract

Efisiensi layanan menjadi tolak ukur vital dalam keberlangsungan bisnis food and beverage. Di Bekasi, Kafe Kopi Insight menghadapi tantangan operasional serius terkait manajemen antrean dan akurasi data pesanan yang selama ini dikelola secara manual. Sebagai langkah solutif, penelitian ini merancang sebuah platform digital berbasis laman web yang mengombinasikan teknologi pindai kode QR (Quick Response Code) dengan gerbang pembayaran otomatis (payment gateway) dari Midtrans. Mekanisme ini memberikan fleksibilitas bagi pengunjung untuk melakukan pemesanan mandiri (self-service) langsung dari meja serta menyelesaikan transaksi pembayaran secara nirkontak (cashless). Konstruksi perangkat lunak dibangun menggunakan pendekatan alur Waterfall dan kerangka kerja CodeIgniter, mencakup modul vital seperti otentikasi admin, kontrol inventaris stok, input order, hingga rekapitulasi transaksi. Validasi performa sistem dilakukan melalui uji fungsionalitas (Black Box Testing), yang menghasilkan simpulan bahwa seluruh fitur beroperasi valid sesuai rancangan. Penerapan sistem ini terbukti mampu memangkas durasi pemesanan, mengurai kepadatan di area kasir, serta menekan risiko kesalahan input manusia, yang berkontribusi signifikan pada peningkatan produktivitas operasional kafe.
Inovasi Artificial Intelligence dalam Mengidentifikasi Pneumonia Anak untuk Meningkatkan Efisiensi Diagnostik Menggunakan Model CNN Kresna Ramanda; Monikka Nur Winnarto; Sucitra Sahara
Jurnal Infortech Vol. 7 No. 2 (2025): Desember 2025
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/infortech.v7i2.11383

Abstract

Pneumonia adalah salah satu jenis infeksi yang paling sering ditemui dan berisiko tinggi di seluruh dunia, yang mengakibatkan angka penyakit dan kematian yang tinggi, khususnya di kalangan populasi yang rentan seperti anak-anak. Dengan demikian, penelitian ini bertujuan untuk menciptakan sistem pintar yang mampu mengidentifikasi pneumonia secara otomatis melalui gambar thorax dengan memanfaatkan arsitektur Convolutional Neural Networks (CNN). Dalam penelitian ini, beberapa arsitektur CNN, yaitu MobileNet V2, ResNet, dan EfficientNet diuji untuk mencari model terbaik, dengan mempertimbangkan risiko overfitting dan penggunaan optimizer yang tepat. Metode yang digunakan mencakup pengumpulan data, preprocessing, pembagian dataset menjadi data train, test dan validasi, serta penerapan teknik transfer learning. Evaluasi dilakukan berdasarkan parameter kinerja seperti akurasi, sensitivitas dan presisi untuk menilai performa model. Hasil penelitian menunjukkan bahwa arsitektur MobileNet V2 memberikan kinerja terbaik dengan akurasi mencapai 93%. Model ini kemudian diimplementasikan dalam sistem cerdas yang dapat mempercepat dan mempermudah proses diagnosis pneumonia sehingga memberikan manfaat signifikan bagi sektor kesehatan dan masyarakat luas. Penelitian ini juga menekankan pentingnya teknik optimasi yang tepat dalam memastikan model dapat bekerja secara optimal di aplikasi dunia nyata.
Pembuatan Model Rekomendasi Gerakan Olahraga Berbasis Content-Based Filtering Dengan Integrasi Clustering dan Klasifikasi Andi Wibowo; Wati Erawati
Jurnal Infortech Vol. 7 No. 2 (2025): Desember 2025
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/infortech.v7i2.11384

Abstract

Sistem rekomendasi gerakan olahraga menjadi esensial dalam mempromosikan gaya hidup sehat dengan memberikan saran aktivitas yang personal. Latar belakang ini mendorong pengembangan sistem rekomendasi yang mampu memahami karakteristik pengguna dan menyediakan rekomendasi aktivitas yang relevan. Tujuan penelitian ini adalah merancang dan mengimplementasikan model rekomendasi terintegrasi melalui tiga metode utama: clustering, klasifikasi, dan content-based filtering. Tahap pertama, clustering, menggunakan algoritma K-Means untuk mengelompokkan 3.000 partisipan ke dalam klaster 'Aktif' dan 'Pasif' berdasarkan profil kebugaran, yang kemudian menjadi fitur penting dalam tahap klasifikasi. Selanjutnya, berbagai model machine learning dievaluasi untuk memprediksi jenis aktivitas olahraga utama yang sesuai dengan profil pengguna. Hasil evaluasi menunjukkan bahwa model K-Nearest Neighbors (KNN) adalah yang terbaik dengan akurasi 0.4875, mengungguli Decision Tree, Random Forest, dan Deep Learning. Model KNN yang terlatih disimpan untuk deployment. Tahap terakhir adalah content-based filtering yang merekomendasikan tiga aktivitas serupa dengan aktivitas utama hasil prediksi, berdasarkan fitur konten seperti intensitas, tingkat kebugaran, kalori, dan langkah harian menggunakan Cosine Similarity. Sistem berhasil memprediksi aktivitas utama (misalnya cycling) dan memberikan rekomendasi relevan (seperti running, basketball, dan tennis) berdasarkan input profil pengguna.
Analisis Segmentasi Wilayah Penjualan menggunakan Algoritma K-Means Clustering Erdin Gari; Retno Sari
Jurnal Infortech Vol. 7 No. 2 (2025): Desember 2025
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/infortech.v7i2.11385

Abstract

Persaingan bisnis pada era saat ini merupakan tantangan besar pada suatu perusahaan dalam meningkatkan jumlah penjualan suatu produk, sehingga perusahaan dituntut merancang strategi penjualan yang efektif dan tepat sasaran. Salah satu tantangan yang dihadapi oleh PT Masada Abadi, Tangerang, adalah bagaimana menentukan wilayah penjualan kabel listrik yang optimal guna meningkatkan daya saing dan volume penjualan di Tengah persaingan yang cukup kompetetif pada saat ini. Permasalahan yang dihadapi PT Masada Abadi, Tangerang, terdapat pada  analisa pola pembelian pelanggan berdasarkan wilayah yang tidak optimal sehingga menghambat efektivitas strategi pemasaran dan distribusi produk. Mengatasi permalasahan tersebut, penelitian ini menerapkan algoritma K-Means clustering sebagai solusi dalam mengoptimalkan wilayah penjualan kabel listrik berdasarkan data. Pemilihan algoritma K-Means clustering bertujuan agar pola penjualan di kelompokkan berdasarkan jumlah penjualan dan total penjualan pada setiap jenis kabel di semua wilayah penjualan sehingga menghasilkan visualisasi klaster yang dapat diinterpretasikan. Hasil pengujian dari penerapan algoritma K-Means clustering diperoleh 3 cluster wilayah penjualan dengan wilayah penjualan paling rendah terdapat 3 wilayah yaitu Tanggerang, Surabaya dan Jakarta Selatan, wilayah penjualan sedang terdapat 4 wilayah yaitu Jakarta pusat, Bandung, Jakarta Timur dan Jogjakarta, dan wilayah penjualan paling tinggi terdapat 3 wilayah yaitu Kalimantan, Jakarta Barat dan Bekasi.
Implementasi Ethernet Over Internet Protocol Sebagai Alternatif Metro Ethernet pada PT. Infotama Lintas Global Abdul Arif; Anton Anton
Jurnal Infortech Vol. 7 No. 2 (2025): Desember 2025
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/infortech.v7i2.11395

Abstract

Perkembangan teknologi internet yang semakin pesat membuatnya menjadi faktor yang sangat penting bagi banyak perusahaan. Didalam sebuah perusahaan tidak hanya membutuhkan jaringan lokal atau Local Area Network (LAN) juga membutuhkan jaringan Metropolitan Area Network (MAN) bahkan Internet. PT Infotama Lintas Global yang bergerak sebagai Internet Service Provider memerlukan pengembangan perluasan jaringan agar bisa mencakup banyak area, lebih efisien dan hemat biaya. Penelitian ini menganalisis dan merancang jaringan Virtual Private Network (VPN) berbasis Ethernet Over Internet Protocol (EoIP) sebagai alternatif pengganti Metro Ethernet (Metro-E). Metro-E lazim digunakan untuk interkoneksi L2 antarsitus, namun biayanya relatif tinggi bagi institusi atau UKM. Penelitian ini mengevaluasi Ethernet over IP (EoIP) pada RouterOS sebagai alternatif Metro-E, dengan desain pengujian yang terukur dan dapat direplikasi.Hasil pengujian menunjukkan bahwa EoIP mampu memberikan konektivitas yang stabil dengan latency rata-rata ±3 ms dan throughput hingga 10 Mbps. Dengan demikian, EoIP terbukti dapat menjadi solusi yang efektif dan efisien untuk perluasan jaringan pada ISP skala menengah.
Pendekatan Algoritma Naive Bayes Dalam Memprediksi Penyakit Diabetes Qudsiah Azizah; Diah Puspitasari; Sulaeman Hadi Sukmana; Erma Delima Sikumbang; Kresna Ramanda
Jurnal Infortech Vol. 7 No. 2 (2025): Desember 2025
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/infortech.v7i2.11397

Abstract

Diabetes melitus merupakan penyakit metabolik yang bersifat kronis dan multifaktorial. Penyakit ini menunjukkan gejala peningkatan kadar gula darah (hiperglikemia) akibat proses metabolisme karbohidrat yang tidak normal, lemak, dan protein yang tidak normal. Hingga saat ini, terdapat lebih dari 150 juta orang yang tercatat di seluruh dunia mengidap penyakit ini dan perkembangan penyakit yang terus meningkat dapat menyebabkan komplikasi yang fatal. Faktanya, sebagian besar masyarakat mengabaikan tanda-tanda awal ini: rasa lapar yang berlebihan, rasa lelah yang tidak wajar, dan luka yang lambat sembuh. Penelitian ini dilakukan untuk analisis algoritma Naïve Bayes pada klasifikasi penyakit diabetes untuk mendapatkan hasil optimal dengan akurasi yang ditawarkan dengan cara ini. Dataset diambil dari website Kaggle yang berjumlah 10.000 data dengan jumlah 2 kelas yaitu Diabetes dan Non Diabetes, kelas Diabetes mencakup sebanyak 8.500 data, sementara kelas Non-Diabetes mencakup 91.500 data. Metode yang digunakan yaitu Algoritma Naïve Bayes. Hasil pengujian menunjukkan bahwa Naïve Bayes mencapai tingkat akurasi sebesar 90,66% yang artinya Algoritma Naive Bayes adalah metode yang baik dan tepat untuk mengklasifikasikan penyakit diabetes.
Sistem Keamanan Rumah Berbasis IoT dengan Pengenalan Wajah Manusia dan Hewan Peliharaan Secara Real-Time Fahrizal Fahrizal; Dewi Yumi Novita; Taransa Agasya Tutupoly
Jurnal Infortech Vol. 7 No. 2 (2025): Desember 2025
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/infortech.v7i2.11409

Abstract

Sistem keamanan rumah konvensional memiliki keterbatasan dari segi efisiensi dan keamanan karena masih bergantung pada metode autentikasi manual seperti kunci dan kartu akses, yang rentan terhadap penyalahgunaan serta duplikasi tanpa izin. Untuk mengatasi keterbatasan tersebut, penelitian ini mengusulkan sistem keamanan rumah berbasis biometrik yang mengintegrasikan Machine Learning (ML) dan Internet of Things (IoT) untuk pengenalan wajah dan klasifikasi hewan peliharaan secara real-time. Sistem yang diusulkan menerapkan arsitektur client–server ini, dimana proses pengenalan yang membutuhkan komputasi tinggi dijalankan pada server Ubuntu menggunakan Python, OpenCV, dan TensorFlow. Metode Haar Cascade digunakan untuk mendeteksi wajah manusia, sedangkan Convolutional Neural Network (CNN) diterapkan untuk mengklasifikasikan hewan peliharaan, sehingga sistem mampu membedakan pengguna yang berwenang, individu yang tidak berwenang, serta hewan peliharaan di dalam rumah. Hasil autentikasi dikirimkan melalui protokol HTTP pada jaringan WiFi lokal ke mikrokontroler ESP32, yang selanjutnya mengendalikan mekanisme kunci pintu elektronik. Hasil pengujian menunjukkan bahwa sistem mencapai akurasi pengenalan wajah sebesar 90% dan akurasi klasifikasi hewan peliharaan sebesar 98%, dengan waktu respons rata-rata berkisar antara 1,5 hingga 1,8 detik pada kondisi jaringan yang stabil. Hasil ini membuktikan bahwa sistem yang diusulkan bersifat andal, responsif, tanpa kontak, serta sesuai untuk diterapkan pada aplikasi keamanan smart home.
Pengembangan Aplikasi Check Font Dengan Algoritma Distribusi Font Pada Dokumen PDF Menggunakan Python Mugi Raharjo; Firmansyah; Rian Septian Anwar; Tommi Alfian Armawan Sandi
Jurnal Infortech Vol. 7 No. 2 (2025): Desember 2025
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/infortech.v7i2.11413

Abstract

Penggunaan font yang konsisten pada dokumen akademik, seperti skripsi, tesis, dan laporan penelitian, merupakan salah satu persyaratan penting dalam standar penulisan ilmiah. Namun, proses pengecekan font secara manual masih memerlukan waktu yang lama dan berpotensi menimbulkan kesalahan. Penelitian ini bertujuan untuk mengimplementasikan algoritma analisis distribusi font pada pembuatan aplikasi deteksi font otomatis berbasis Python dan Streamlit. Metode yang digunakan mencakup ekstraksi teks dan informasi font dari dokumen PDF, normalisasi nama font untuk menyatukan variasi tipografi tertentu seperti Times New Roman regular, bold, italic), perhitungan distribusi font menggunakan analisis frekuensi, serta visualisasi hasil dalam bentuk grafik batang. Aplikasi ini juga dilengkapi dengan fitur anotasi otomatis berupa highlight pada teks yang tidak sesuai dengan font standar yang ditentukan. Implementasi dilakukan dengan memanfaatkan pustaka PyMuPDF (fitz) untuk pemrosesan PDF, Matplotlib untuk visualisasi, serta Streamlit sebagai antarmuka berbasis web. Hasil pengujian menunjukkan bahwa aplikasi dapat mendeteksi font dengan akurasi tinggi, menyajikan ringkasan distribusi font dalam bentuk persentase, serta memberikan anotasi pada teks yang tidak sesuai secara otomatis. Dengan demikian, aplikasi ini dapat membantu mempercepat proses validasi dokumen akademik dan mengurangi risiko kesalahan format penulisan.

Page 1 of 3 | Total Record : 26

 1   2   3 

Filter by Year

2025 2025


Reset
Filter By Issues
All Issue Vol. 7 No. 2 (2025): Desember 2025 Vol. 7 No. 1 (2025): Juni 2025