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 40 Documents
 1   2   3   4 
Pieces Framework Untuk Analisis Kepuasan Pengguna Website SMA Apri Adiyantoro; Sri Muryani
Jurnal Infortech Vol. 7 No. 1 (2025): Juni 2025
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/infortech.v7i1.12363

Abstract

Website merupakan salah satu dari perkembangan di bidang teknologi informasi yang dapat menyediakan informasi secara cepat untuk para pengguna website, Website juga terhubung dengan jaringan internet sehingga mudah di akses dari manapun. SMA KORPRI Bekasi merupakan sekolah menengah atas swasta yang telah menggunakan website sebagi sarana untuk menyebarkan informasi kepada penguna website dan membantu proses belajar para siswa-siswi. Untuk melihat seberapa efektif penggunaan website SMA KORPRI Bekasi akan dilakukan analisis tentang kepuasan pengguna dalam menggunakan website. Ada beberapa Teknik analisis yang dapat digunakan dalam melakukan analisis salah satunya adalah dengan metode Pieces Framework. Pieces Framework merupakan metode yang memiliki 6 variabel yaitu : performance, Information and Data, Economy, Control and Securty,Eficiency dan service untuk menganalisis kelemahan. Tujuan penelitian ini untuk melihat tingkat kepuasan pengguna website SMA KORPRI Bekasi. Hasil dari analisis menunjukan bahwa rata-rata siswa-siswi merasa puas. Dengan nilai rata dari setiap variable performace (3,40), information (3,77), economic (3,63), control (3,84), effeciency (3,82), dan service (3,78). Pengguna situs web SMA Korpri rata-rata puas dengan situs web sekolah tersebut.
Analisis Klasifikasi Dan Prediksi Pola Publikasi Berita Pemprov DKI Jakarta Menggunakan Machine Learning Rifky Permana; Febby Ariyanti Herdiana
Jurnal Infortech Vol. 7 No. 1 (2025): Juni 2025
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/infortech.v7i1.12364

Abstract

Dalam era digital, akses informasi melalui berbagai platform online semakin meningkat, termasuk melalui situs web resmi pemerintah. Pemerintah Provinsi DKI Jakarta secara rutin menyampaikan kebijakan, program, dan berita melalui situs webnya. Namun, volume data yang besar dan keragaman topik berita menghadirkan tantangan dalam pengelolaan dan analisis informasi secara efisien. Penelitian ini mengembangkan model klasifikasi dan prediksi pola publikasi berita menggunakan tiga algoritma machine learning yaitu: Support Vector Machine (SVM), Naïve Bayes, dan Random Forest. Dataset yang digunakan berupa berita yang dipublikasikan oleh Pemprov DKI Jakarta selama tahun 2023. Pra-pemrosesan data meliputi pembersihan teks, case folding, tokenizing, normalisasi, penghapusan stopword, dan stemming. Model SVM dan Naïve Bayes diterapkan untuk klasifikasi berita, sedangkan Random Forest digunakan untuk memprediksi pola publikasi berita harian. Proses tuning hyperparameter dilakukan menggunakan GridSearchCV guna meningkatkan kinerja model. Penilaian terhadap klasifikasi dilakukan dengan diukur dari beberapa parameter yaitu akurasi, precision, recall, dan F1-score, sedangkan evaluasi prediksi menggunakan MAE, MSE, dan R². Temuan dari penelitian ini mengindikasikan bahwa SVM menunjukkan performa yang baik dengan akurasi 95%, sedangkan Random Forest berhasil memprediksi pola publikasi berita dengan R² sebesar 0,82. Penelitian ini diharapkan dapat mendukung pengelolaan informasi publik secara lebih efisien dan menyediakan wawasan mengenai pola publikasi berita oleh Pemprov DKI Jakarta.
Implementasi Sistem Monitoring Jaringan Real-Time Berbasis Open Source Dengan Integrasi Zabbix Dan Telegram Anton Anton; Hendra Supendar
Jurnal Infortech Vol. 7 No. 1 (2025): Juni 2025
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/infortech.v7i1.12365

Abstract

Pemantauan jaringan secara real-time merupakan kebutuhan penting dalam menjaga kinerja dan keandalan infrastruktur Teknologi Informasi (TI) pada perusahaan modern. Ketika terjadi gangguan pada sistem jaringan atau server, keterlambatan dalam mendeteksi dan menindaklanjuti masalah tersebut dapat berdampak pada penurunan produktivitas, bahkan gangguan layanan bisnis. PT Indo Mutu Makmur menghadapi tantangan serupa, di mana belum tersedianya sistem monitoring otomatis menyebabkan keterbatasan dalam mengelola infrastruktur TI secara efisien. Penelitian ini mengusulkan integrasi antara Zabbix sebagai sistem monitoring jaringan berbasis open source dan Telegram sebagai media pengiriman notifikasi real-time kepada administrator. Sistem ini dirancang untuk memantau parameter penting seperti penggunaan CPU, memori, kapasitas disk, dan lalu lintas jaringan. Apabila terdeteksi adanya anomali seperti layanan SNMP yang tidak aktif, sistem secara otomatis akan mengirimkan peringatan melalui bot Telegram. Metode yang digunakan adalah metode model Network Development Life Cycle. Hasil pengujian menunjukkan bahwa sistem mampu mendeteksi gangguan dengan akurat dan mengirimkan notifikasi dalam waktu kurang dari lima detik, memungkinkan respons cepat dari tim teknis. Dengan demikian, implementasi sistem ini memberikan solusi monitoring yang efisien, terjangkau, dan mudah diadopsi oleh perusahaan berskala kecil hingga menengah. Sistem ini juga meningkatkan visibilitas infrastruktur TI dan mempercepat pengambilan keputusan dalam penanganan insiden.
Implementasi Metode Naïve Bayes Pada Ulasan Pengguna Aplikasi Dana Di Google Play Store Raenaldi Ferryan Chandra; Dwi Andini Putri
Jurnal Infortech Vol. 7 No. 1 (2025): Juni 2025
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/infortech.v7i1.12366

Abstract

Studi ini bertujuan untuk mengalisis sentimen dengan mengimplementasikan metode naive bayes pada ulasan pengguna aplikasi DANA yang terdapat di Google Play Store. Implementasi merupakan proses atau tindakan dalam menerapkan suatu ide, teori, atau rencana ke dalam bentuk yang dapat dijalankan atau digunakan secara nyata. Pendapat pada ulasan aplikasi DANA berjumlah sangat besar. Tujuan dari penelitian ini adalah untuk melakukan analisis sentimen terhadap aplikasi Dana yang ada di Google Play Store menggunakan metode Naive Bayes Classifier. Metode Naïve Bayes adalah salah satu metode klasifikasi yang populer dalam analisis sentimen karena kemampuannya yang tinggi dalam mengklasifikasikan teks berdasarkan probabilitas dari kata-kata yang terdapat di dalamnya. Pengambilan data ulasan dilakukan menggunakan teknik scraping yang dilakukan dengan Google Collab lalu data diolah hingga menhasilkan 500 data. Dari hasil Confusion Matrix menghasilkan akurasi sebesar 80.80%. Hasil penelitian ini membuktikan bahwa algoritma Naive Bayes Classifier memiliki performa yang tinggi dalam menganalisis sentimen ulasan pengguna aplikasi DANA.
Klasifikasi Diagnosis Penyakit Diabetes Menggunakan Algoritma C4.5 Indah Sagita Cahyani; Karlena Indriani; Monikka Nur Winnarto
Jurnal Infortech Vol. 7 No. 1 (2025): Juni 2025
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/infortech.v7i1.12367

Abstract

Kesehatan memiliki peranan yang  sangat penting untuk menunjang kehidupan manusia, dengan memiliki kesehatan yang baik, manusia dapat melakukan aktifitas dengan produktif dalam sosialisasi atau ekonomi untuk mecapai tujuan hidup. Salah satu penyakit yang dapat mengakibatkan komplikasi bahkan kematian adalah penyakit diabetes. Angka kematian yang tinggi yang diakibatkan oleh penyakit diabetes sangat mengkhawatirkan, diagnosis dini begitu penting dilakukan untuk menekan angka kematian. Selain itu diagnosis dini juga merupakan titik awal penderita untuk mencegah terjadinya diabetes lebih parah dengan melakukan pola hidup sehat agar tidak mengalami komplikasi. Diagnosa penyakit diabetes pada manusia salah satunya dapat dilakukan dengan menerapkan algoritma Machine Learning yaitu C4.5. Penelitian ini bertujuan melakukan diagnosa penyakit diabetes untuk menghindari keterlambatan diagnosis yang dapat mengakibatkan komplikasi pada pasien pengidap penyakit diabetes dengan menggunakan Algoritma C4.5 dalam mendiagnosa dan membuat model prediksi yang menghasilkan sebuah pohon keputusan serta pengujian terhadap hasil diagnosa penyakit diabetes. Dalam penelitian ini terdapat beberapa atribut klasifikasi yaitu gender, age, urea, creatinine, HbA1c, cholesterol, trigeliserida, HDL, LDL, VLDL, dan BMI. Hasil dari penelitian ini dijadikan sebagai acuan untuk dapat melihat apakah seseorang terkena diabetes atau tidak. Hasil akhir dari penelitian ini yaitu menghasilkan nilai akurasi sebesar 99.47%, dimana nilai ini menandakan bahwa algoritma C4.5 mampu melakukan diagnosis penyakit diabetes dengan baik.
Analisis Tingkat Kepuasan Pengguna Aplikasi Alpukat Betawi Menggunakan Metode End User Computing Satisfaction (EUCS) Sayid Ghiazzuddin Ahmad; Tika Adilah M
Jurnal Infortech Vol. 7 No. 1 (2025): Juni 2025
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/infortech.v7i1.12368

Abstract

Layanan administrasi dan informasi berbasis daring kini menjadi kebutuhan esensial bagi masyarakat perkotaan, termasuk penduduk DKI Jakarta. Perkembangan teknologi menghadirkan peluang besar dalam menyediakan akses layanan administrasi publik yang lebih cepat, praktis, dan efisien. Salah satu bentuk layanan tersebut adalah aplikasi Alpukat Betawi, yang memberikan kemudahan bagi warga DKI Jakarta untuk mengajukan layanan administrasi kependudukan secara langsung. Namun, dalam pelaksanaannya, masih ditemukan sejumlah kendala dan permasalahan. Oleh karena itu, diperlukan analisis lebih mendalam guna mengevaluasi sejauh mana aplikasi Alpukat Betawi mampu memenuhi kebutuhan penggunanya. Penelitian ini dilakukan dengan pendekatan secara kuantitatif untuk menghimpun dan menganalisis data secara objektif, serta untuk mengukur tingkat kepuasan pengguna aplikasi Alpukat Betawi. Pengukuran dilakukan menggunakan metode End User Computing Satisfaction (EUCS), yang menunjukkan nilai signifikansi uji F sebesar 0,000. Karena nilai tersebut lebih kecil dari ambang batas 0,05, maka hipotesis nol (Ho) ditolak. Dengan demikian, dapat disimpulkan bahwa variabel Content (X1), Accuracy (X2), Format (X3), Ease of Use (X4), dan Timeliness (X5) secara simultan berpengaruh terhadap kepuasan pengguna aplikasi Alpukat Betawi (Y).
Breast Cancer Prediction Optimization Using Support Vector Machine and Naive Bayes Algorithms Devi Wulandari; Qudsiah Azizah; Diah Puspitasari; Kresna Ramanda; Erma Delima Sikumbang; Sulaeman Hadi Sukmana
Jurnal Infortech Vol. 8 No. 1 (2026): June 2026
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/infortech.v8i1.12629

Abstract

Breast cancer is ranked as the second most common cause of death for women worldwide. Breast cancer is often found when it has entered the final stage. In general, this is due to slow handling and treatment, so it is very necessary to detect the disease early. The purpose of this study is to determine the performance of the two algorithms, namely Naïve Bayes and Support Vector Machine (SVM) in classifying breast cancer types which will then be analysed and compared the accuracy of the two algorithms. The dataset used in this study, Breast Cancer Wisconsin, is public data originating from UCI Machine Learning, has a total of 683 data with 10 attributes and has two classes, namely benign class with 458 data and malignant class with 241 data. The dataset was split 80:20, with 80% used as training data and 20% as testing data, and then evaluated using cross-validation. The results of the study show that Support Vector Machine (SVM) has the best performance with an accuracy of 96.89% while Naïve Bayes 96.15%. With this accuracy, These results indicate that the SVM model provides better classification performance than Naïve Bayes for the Breast Cancer Wisconsin dataset.
Optimization of Entropy and MOORA Methods for Comparison of Family Vehicles in Indonesia Santoso Setiawan; Syamsul Bahri; Wahyudin; Popon Handayani
Jurnal Infortech Vol. 8 No. 1 (2026): June 2026
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/infortech.v8i1.12652

Abstract

This study addresses the issue of subjectivity in determining criteria weights within multi-criteria decision-making for selecting family vehicles in Indonesia. Decision-making in this context often involves multiple factors such as comfort, accommodation, design, features, and fuel consumption, which can lead to biased results if weights are assigned subjectively. To overcome this limitation, this research proposes a combination of the Entropy method and the MOORA (Multi-Objective Optimization on the Basis of Ratio Analysis) method within a decision support system framework. The Entropy method is utilized to objectively calculate the weights of each criterion based on data variability, thereby minimizing human bias, while the MOORA method is applied to rank the available vehicle alternatives. The research adopts a quantitative approach by analyzing several popular family vehicles, including Honda BR-V, Mitsubishi Xpander, Suzuki Ertiga, Hyundai Stargazer, and Toyota Avanza. The results indicate that the integration of Entropy and MOORA methods produces more objective and consistent rankings. Based on the calculated preference values, Toyota Avanza achieved the highest rank, followed by Mitsubishi Xpander and Hyundai Stargazer, while Suzuki Ertiga and Honda BR-V ranked lower. In conclusion, the Entropy–MOORA combination proves to be effective in enhancing the objectivity and accuracy of decision-making. This approach can be applied to other multi-criteria problems, providing a systematic and reliable decision support model.
Behind the Black Box: Improving Stunting Determinants Analysis Through Explainable Artificial Intelligence Wawan Nugroho; Heribertus Ary Setyadi; Supriyanta Supriyanta; Galih Setiawan Nurohim; Annida Purnamawati
Jurnal Infortech Vol. 8 No. 1 (2026): June 2026
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/infortech.v8i1.12656

Abstract

Stunting is a public health problem that has a long-term impact on the quality of human resources. This study aims to analyze the performance of machine learning algorithms and identify the dominant factors of stunting using the Explainable Artificial Intelligence (XAI) approach. The dataset used was 120,999 toddlers with age, height, gender, and nutritional status attributes. The research stages include data pre-processing, normalization, separation of training and testing data (80:20), modeling using C4.5 algorithms, Support Vector Machine (SVM), and Random Forest, and evaluation using accuracy, precision, recall, and F1-score. The results showed that Random Forest and C4.5 achieved the best performance with an accuracy of 99.93%, while SVM achieved 98.37%. Interpretive analysis using SHAP revealed that height and age were the most dominant factors in the stunting classification with a contribution of 0.59 and 0.41, respectively, while gender contributed relatively small. These findings show that the integration of multi-algorithmic evaluation and XAI not only results in accurate prediction models, but also transparent and interpretive, thus supporting data-driven decision-making in efforts to accelerate stunting reduction in Indonesia
Analysis Prevalence and Effectiveness of the Stunting Management Intervention Program for Toddlers in Bogor City Binta Agung Putra Wibawa; Afida Nurul Yasmin; Fauzan Syahrul Jihad; Karlena Indriani; Monikka Nur Winnarto
Jurnal Infortech Vol. 8 No. 1 (2026): June 2026
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/infortech.v8i1.12671

Abstract

Stunting remains a major public health challenge in Indonesia. Although various intervention programs have been implemented, more effective strategies are needed to achieve the targeted reduction in prevalence. Based on the findings of this study, the City of Bogor reduced its stunting prevalence from 3.32% in 2022 to 2.35% in 2024. This study aimed to identify the key factors contributing to the success of stunting intervention programs using a Root Cause Analysis (RCA) approach, focusing on program implementation at the sub-district level. The methods included Exploratory Data Analysis (EDA) to examine spatial-temporal trends in stunting prevalence and RCA based on secondary data, program documents, and interpretation of EDA findings. Potential causes affecting program performance were categorized using a fishbone (Ishikawa) framework. The results showed that the decline in stunting prevalence was accompanied by an increase in child weighing coverage from 88.83% to 99.49% and a reduction in disparities across sub-districts. RCA identified six key factors influencing program effectiveness: (1) the number and competence of Posyandu cadres relative to community awareness; (2) standardization of procedures and cross-sectoral coordination; (3) availability of anthropometric measurement equipment; (4) targeted distribution of supplementary feeding (PMT) and vitamins; (5) family participation and nutritional literacy; and (6) data accuracy and timely follow-up of cases. These factors were derived from program documents, secondary data interpretation, and fishbone-based categorization. The findings provide evidence-based recommendations for sustaining stunting reduction through more targeted interventions.

Page 3 of 4 | Total Record : 40

 1   2   3   4 

Filter by Year

2025 2026


Reset
Filter By Issues
All Issue Vol. 8 No. 1 (2026): June 2026 Vol. 7 No. 2 (2025): Desember 2025 Vol. 7 No. 1 (2025): Juni 2025