cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Zulfan Zainal
Contact Email
zulfanzainal@serambimekkah.ac.id
Phone
+6281360353540
Journal Mail Official
jnkti@serambimekkah.ac.id
Editorial Address
Gedung H Fakultas Teknik Universitas Serambi Mekkah Jl. T. Imum Lueng Bata, Telp. 081360353540, Batoh – Banda Aceh
Location
Kota banda aceh,
Aceh
INDONESIA
Jurnal Nasional Komputasi dan Teknologi Informasi
Published by Universitas Serambi Mekkah Aceh
ISSN : 26208342     EISSN : 26213052     DOI : https://doi.org/10.32672/xfbz0715
Core Subject :
Jurnal Nasional Komputasi dan Teknologi Informasi adalah jurnal nasional yang diterbitkan oleh Program Studi Teknik Komputer Universitas Serambi Mekkah tahun 2018 dan telah Terakreditasi SINTA 5. Jurnal ini terbit sebanyak enam edisi dalam satu tahun yaitu setiap bulan Februari, April, Juni, Agustus, Oktober dan Desember baik cetak (P-ISSN : 2620-8342) dan online (E-ISSN: 2621-3052). Jurnal ini mempublikasikan artikel-artikel ilmiah yang berkaitan dengan bidang Komputer dan Teknologi Informasi dengan scope Rekayasa Perangkat Lunak, Sistem Informasi, Jaringan Komputer, Elektronika dan Sistem Kontrol, Multimedia dan Pengolahan Citrat Digital serta bidang Komputer dan Informatika lainnya yang relevan. Artikel yang dikirimkan ke JNKTI dapat ditulis dalam Bahasa Indonesia atau Bahasa Inggris. Setiap artikel yang dipublikasi dalam jurnal ini akan direview terlebih dahulu dengan metode Peer-Review dan hanya artikel yang memenuhi syarat yang akan dipublikasikan. Artikel-artikel yang telah dipublikasikan oleh JNKTI juga sudah diindeks oleh beberapa lembaga indeksasi seperti Google Scholar, Garuda, CrossRef, BASE, Moraref dan SINTA. Bidang bidang fokus penelitian yang akan dipublikasi dalam jurnal ini antara lain : Bidang Rekayasa Perangkat Lunak Bidang Jaringan Komputer Bidang Multimedia dan Pengolahan Citra Digital Bidang Komputasi Bidang Sistem dan Teknologi Informasi Bidang Kecerdasan Buatan Multidisiplin ilmu lainnya yang relevan. Artikel ditulis sesuai Template JNKTI sebelum disumbit.
Arjuna Subject : -
Articles 161 Documents
 13   14   15   16   17 
Sistem Pemeliharaan dan Penyiraman Tanaman Pot Berbasis IoT dan Machine Learning dengan Rekomendasi Perawatan Adaptif Muhammad Hidayatul Arifin; Dedy Kiswanto; Muhammad Raffi akbar Tanjung; Ririn Amelia Br Siregar
Jurnal Nasional Komputasi dan Teknologi Informasi Vol. 9 No. 1 (2026): Februari, 2026
Publisher : Program Studi Teknik Komputer, Fakultas Teknik. Universitas Serambi Mekkah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32672/jnkti.v9i1.207

Abstract

Abstrak - Metode irigasi konvensional sering kali kurang responsif terhadap dinamika cuaca mikro, yang berisiko mengganggu pertumbuhan tanaman. Penelitian ini merancang sistem irigasi otonom berbasis server (VPS) yang memadukan Internet of Things (IoT) dengan Hybrid Artificial Intelligence. Menggantikan mekanisme timer statis, sistem ini memanfaatkan algoritma Decision Tree untuk menghasilkan keputusan adaptif, yang dilatih menggunakan 3.000 data sintetis berbasis aturan pakar. Evaluasi ketat melalui 5-Fold Cross-Validation membuktikan stabilitas sistem yang tinggi, dengan rata-rata akurasi diagnosis mencapai 99,97% dan kesalahan prediksi volume air (Mean Absolute Error) hanya 1,02 ml. Validasi eksternal pada perangkat keras mengonfirmasi bahwa fitur cerdas, seperti penundaan penyiraman saat suhu ekstrem (Smart Delay) dan mode malam (Night Mode), berfungsi secara presisi di lingkungan nyata. Studi ini menyimpulkan bahwa integrasi AI terpusat efektif mewujudkan manajemen pertanian presisi yang handal dan adaptif. Kata kunci : Internet of Things, Machine Learning, Perawatan Tanaman, Smart Farming, Irigrasi Tanaman. Abstract - Conventional irrigation often fails to respond effectively to microclimatic changes, posing risks to plant health. This study designs an autonomous irrigation system hosted on a VPS, integrating IoT with Hybrid Artificial Intelligence. Replacing static timers, the system employs Decision Tree algorithms for adaptive decision-making, trained on 3,000 expert-rule-based synthetic data points. Rigorous evaluation using 5-Fold Cross-Validation demonstrated high stability, achieving an average diagnostic accuracy of 99.97% and a water volume prediction error (Mean Absolute Error) of just 1.02 ml. External validation on hardware confirmed that intelligent features, such as Smart Delay during extreme heat and Night Mode, function precisely in real-world environments. This study concludes that centralized AI integration effectively realizes reliable and adaptive precision agriculture management. Keywords: Internet of Things, Machine Learning, Plant Care, Smart Farming, Plant Irrigation.
Klasifikasi Algoritma K-Nearest Neighbor (KNN) untuk Pengenalan Angka Tulisan Tangan Berbasis Citra Digital Andita Utami; Dewi Aulia Tanjung; Mhd Fadil Ramadhana; Farhan Sadly Siregar; Hapisfatly Sir; Mhd Furqan
Jurnal Nasional Komputasi dan Teknologi Informasi Vol. 9 No. 1 (2026): Februari, 2026
Publisher : Program Studi Teknik Komputer, Fakultas Teknik. Universitas Serambi Mekkah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32672/jnkti.v9i1.209

Abstract

Abstrak - Dalam pemrosesan citra digital, mengklasifikasikan angka tulisan tangan masih merupakan tantangan. Penyebab utamanya adalah variasi bentuk yang sangat besar akibat gaya penulisan yang berbeda-beda antar individu. Klasifikasi angka tulisan tangan merupakan salah satu topik penting dalam analisis citra digital dan membutuhkan metode yang akurat serta efisien. Penelitian ini menerapkan algoritma K-Nearest Neighbor (KNN) untuk mengenali angka tulisan tangan pada dataset MNIST, yang dipadukan dengan teknik ekstraksi fitur zoning untuk memperoleh 16 fitur utama dari setiap citra. Beberapa nilai k diuji untuk menentukan konfigurasi yang paling optimal. Hasil pengujian menunjukkan bahwa nilai k = 7 memberikan akurasi terbaik sebesar 83.54%. Evaluasi menggunakan confusion matrix dan classification report mengonfirmasi bahwa model mampu mengklasifikasikan sebagian besar digit dengan baik, meskipun masih terdapat sebagian kecil kesalahan pada digit yang memiliki bentuk serupa. Temuan ini menunjukkan bahwa kombinasi metode zoning dan algoritma KNN tetap efektif digunakan untuk pengenalan angka tulisan tangan pada sistem yang membutuhkan komputasi ringan dan cepat. Kata kunci: Algoritma, Citra, K-Nearest Neighbors, MNIST Abstract - Handwritten digit classification is an important topic in digital image analysis and requires accurate and efficient methods. This study applies the K-Nearest Neighbor (KNN) algorithm to recognize handwritten digits in the MNIST dataset, combined with the zoning feature extraction technique to obtain 16 main features from each image. Several values of k were tested to determine the most optimal configuration. The test results show that k = 7 provides the best accuracy of 83.54%. Evaluation using a confusion matrix and classification report confirms that the model is able to classify most digits well, although there are still some errors with digits that have similar shapes. These findings indicate that the combination of the zoning method and the KNN algorithm remains effective for handwritten digit recognition in systems that require light and fast computation. Keywords: Algorithm, Image, K-Nearest Neighbors, MNIST
Implementasi Sistem QR Code pada Penyimpanan dan Pengelolaan Barang untuk Meningkatkan Efisiensi Inventory di Toko Sembako AL Rahma Alif Putra Zainuldin; Ita Arfyanti; Presa Taruna Oliver
Jurnal Nasional Komputasi dan Teknologi Informasi Vol. 9 No. 1 (2026): Februari, 2026
Publisher : Program Studi Teknik Komputer, Fakultas Teknik. Universitas Serambi Mekkah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32672/jnkti.v9i1.210

Abstract

Abstrak - Pengelolaan data persediaan barang (inventory) yang akurat merupakan kebutuhan vital bagi usaha ritel. Toko Sembako AL Rahma saat ini masih menerapkan pencatatan stok secara konvensional, yang mengakibatkan masalah redundansi data, ketidaksesuaian antara stok fisik dan catatan (data discrepancy), serta lambatnya proses pencarian barang. Penelitian ini bertujuan untuk merancang dan membangun sistem informasi inventory berbasis web dengan mengimplementasikan teknologi Quick Response (QR) Code sebagai identifikasi unik barang. Metode pengembangan perangkat lunak yang digunakan adalah Waterfall, meliputi tahapan analisis kebutuhan, desain sistem, implementasi kode, pengujian, dan pemeliharaan. Sistem ini dirancang untuk memfasilitasi pencatatan transaksi barang masuk dan keluar melalui pemindaian QR Code. Pengujian fungsionalitas sistem dilakukan menggunakan metode Black Box Testing untuk memvalidasi kesesuaian input dan output. Hasil pengujian menunjukkan bahwa seluruh fitur sistem berjalan sesuai perancangan dan valid. Implementasi sistem ini terbukti mampu meningkatkan efisiensi waktu pencatatan serta meminimalkan kesalahan manusia (human error) dalam manajemen stok di Toko Sembako AL Rahma. Kata Kunci: Sistem Inventory; Quick Response (QR) Code; Metode Waterfall, Manajemen Stok; Pengujian Blackbox; Abstract - Accurate inventory data management is a vital necessity for retail businesses. Currently, AL Rahma Grocery Store applies conventional stock recording, which results in data redundancy, discrepancies between physical stock and records, and slow item retrieval processes. This study aims to design and build a web-based inventory information system by implementing Quick Response (QR) Code technology for unique item identification. The software development method used is the Waterfall model, which encompasses requirements analysis, system design, code implementation, testing, and maintenance phases. The system is designed to facilitate the recording of incoming and outgoing goods transactions through QR Code scanning. System functionality testing was conducted using the Black Box Testing method to validate the conformity of inputs and outputs. The test results indicate that all system features function according to the design and are valid. The implementation of this system is proven to increase recording time efficiency and minimize human error in stock management at AL Rahma Grocery Store. Keywords: Inventory System; Quick Response (QR) Code; Waterfall Method; Stock Management; Black Box Testing;
Profil Literasi Digital Mahasiswa Berdasarkan Empat Pilar Kominfo Menggunakan Algoritma K-Means Muhamad Nawawi; Ridwan Zulkifli; Dony Waluya Firdaus; Zainal Arifin Hasibuan; Bobi Kurniawan; Sri Supatmi
Jurnal Nasional Komputasi dan Teknologi Informasi Vol. 9 No. 1 (2026): Februari, 2026
Publisher : Program Studi Teknik Komputer, Fakultas Teknik. Universitas Serambi Mekkah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32672/jnkti.v9i1.212

Abstract

Abstrask - Transformasi digital menuntut mahasiswa memiliki literasi digital yang tidak hanya mencakup kemampuan teknis, tetapi juga kesadaran etika dan keamanan digital. Penelitian ini bertujuan untuk memetakan tingkat literasi digital mahasiswa serta mengidentifikasi karakteristik klaster menggunakan algoritma K-Means. Penelitian menggunakan pendekatan kuantitatif dengan metode survei terhadap mahasiswa, berdasarkan empat dimensi literasi digital, yaitu digital skills, digital culture, digital ethics, dan digital safety. Hasil analisis K-Means menunjukkan terbentuknya dua klaster utama, yaitu klaster literasi digital matang (Cluster 1) dan klaster literasi digital belum matang (Cluster 2). Cluster 1 memiliki nilai rata-rata literasi digital sebesar 4,57, sedangkan Cluster 2 sebesar 3,88. Dimensi dengan perbedaan paling signifikan antar klaster adalah digital safety (selisih 0,77) dan digital ethics (selisih 0,72). Analisis karakteristik responden menunjukkan bahwa mahasiswa angkatan aktif (2022–2024) lebih banyak berada pada Cluster 1 (hingga 67%), dibandingkan mahasiswa baru (2025) dan mahasiswa over study (2021) yang didominasi Cluster 2. Selain itu, mahasiswa luar Jawa Barat memiliki proporsi literasi digital matang yang lebih tinggi (64%) dibandingkan mahasiswa asal Jawa Barat (51%). Temuan ini menegaskan bahwa literasi digital mahasiswa bersifat dinamis dan kontekstual, sehingga penguatan literasi digital di perguruan tinggi perlu difokuskan pada aspek etika dan keamanan digital secara berkelanjutan. Kata kunci: literasi digital; mahasiswa; K-Means clustering; digital ethics; digital safety; Abstract - Digital transformation demands that students possess digital literacy encompassing not only technical skills but also ethical awareness and digital security. This study aims to map the level of digital literacy of students and identify cluster characteristics using the K-Means algorithm. The study employed a quantitative approach with a student survey method, based on four dimensions of digital literacy: digital skills, digital culture, digital ethics, and digital safety. The results of the K-Means analysis indicate the formation of two main clusters: a mature digital literacy cluster (Cluster 1) and an immature digital literacy cluster (Cluster 2). Cluster 1 has an average digital literacy score of 4.57, while Cluster 2 has an average digital literacy score of 3.88. The dimensions with the most significant differences between clusters are digital safety (difference 0.77) and digital ethics (difference 0.72). An analysis of respondent characteristics shows that active students (2022–2024) are predominantly in Cluster 1 (up to 67%), compared to new students (2025) and overstudy students (2021), who are predominantly in Cluster 2. Furthermore, students from outside West Java have a higher proportion of mature digital literacy (64%) than students from West Java (51%). This finding confirms that student digital literacy is dynamic and contextual, thus strengthening digital literacy in higher education requires a continuous focus on digital ethics and security. Keywords: digital literacy; students; K-Means clustering; digital ethics; digital safety;
Analisis Pengaruh Brand Awareness, Brand Image dan Perceived Quality Terhadap Brand Extension Melalui Brand Loyalty pada Pengguna Produk Merek Samsung di Kota Bontang Abd Rahim; Rianindya Chandra Hardika; Irfani Zuhrufillah
Jurnal Nasional Komputasi dan Teknologi Informasi Vol. 9 No. 1 (2026): Februari, 2026
Publisher : Program Studi Teknik Komputer, Fakultas Teknik. Universitas Serambi Mekkah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32672/jnkti.v9i1.213

Abstract

Abstrak - Penelitian ini bertujuan untuk menganalisis pengaruh Brand Awareness, Brand Image, dan Perceived Quality terhadap Brand Extension melalui Brand Loyalty. Penelitian ini menggunakan pendekatan kuantitatif dengan menggunakan path analysis yang dioleh dengan software SPSS statistik versi 22.0 dan Structural Equation Modelling (SEM) atau IBM SPSS amos 23. Sampel yang diambil dalam penelitian ini adalah 126 responden yang tersebar di Kota Bontang, mereka adalah pengguna produk merek samsung dikota Bontang, pengukuran menggunakan skala likert dengan skor 1-5. Dalam penelitian ini juga dilakukan uji validitas dan uji reliabilitas, selanjutnya dilakukan uji estimasi dan uji struktural model fit. Berdasarkan model structural kami menemukan, Persepsi Brand Awareness, Brand Image dan Perceived Quality berpengaruh signifikan terhadap Brand Loyalty, Brand Extension berpengaruh signifikan terhadap Brand Loyalty, dan Brand Awareness, Brand Image dan Perceived Quality berpengaruh tidak signifikan terhadap Brand Extension Kata kunci: Brand Awareness; Brand Image; Perceived Quality; Brand Extention; Brand Loyalty; Abstract - This study aims to analyze the effect of Brand Awareness, Brand Image, and Perceived Quality on Brand Extension through Brand Loyalty. This study uses a quantitative approach using path analysis processed with SPSS statistical software version 22.0 and Structural Equation Modeling (SEM) or IBM SPSS amos 23. The sample taken in this study consisted of 126 respondents spread across the city of Bontang, who were users of Samsung products in the city of Bontang. The measurement used a Likert scale with a score of 1-5. In this study, validity and reliability tests were also carried out, followed by estimation tests and structural model fit tests. Based on the structural model, we found that Brand Awareness, Brand Image, and Perceived Quality significantly influence Brand Loyalty, Brand Extension significantly influences Brand Loyalty, and Brand Awareness, Brand Image, and Perceived Quality do not significantly influence Brand Extension. Keywords: Brand Awareness; Brand Image; Perceived Quality; Brand Extension; Brand Loyalty;
Pengembangan Perangkat Lunak Berbasis Cloud Computing dengan Metodologi Scrum Ira Zulfa; Richasanty Septima; Eliyin
Jurnal Nasional Komputasi dan Teknologi Informasi Vol. 9 No. 1 (2026): Februari, 2026
Publisher : Program Studi Teknik Komputer, Fakultas Teknik. Universitas Serambi Mekkah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32672/jnkti.v9i1.214

Abstract

Abstrak - Penelitian ini bertujuan untuk menggabungkan fleksibilitas infrastruktur Cloud Computing dengan ketangkasan metodologi Scrum dalam proses pengembangan perangkat lunak. Masalah utama yang diangkat adalah ketidakstabilan performa tim dan kompleksitas dalam pengelolaan sumber daya pada infrastruktur tradisional. Dengan menggunakan pendekatan kuantitatif, data mentah diolah melalui teknik normalisasi Min-Max dan Z-Score untuk menciptakan parameter evaluasi yang objektif. Hasil penelitian menunjukkan bahwa sinergi ini meningkatkan produktivitas tim sebesar 25% dengan rata-rata uptime sistem mencapai 99,8%. Selain itu, model prediktif yang dikembangkan menggunakan Python berhasil mencapai tingkat akurasi sebesar 88% dalam memproyeksikan keberhasilan Sprint. Hal ini memungkinkan pengambilan keputusan berbasis data (data-driven) untuk mitigasi risiko teknis secara proaktif. Kesimpulannya, penggabungan ekosistem cloud dan kerangka kerja Scrum tidak hanya mempercepat siklus rilis produk, tetapi juga memastikan transparansi dan stabilitas kualitas perangkat lunak yang dikembangkan. Dokumentasi seluruh proses dan kode program disediakan melalui repositori terbuka untuk mendukung pengembangan riset di masa depan. Kata kunci : Cloud Computing; Metodologi Scrum; Normalisasi Data; Model Prediktif; Abstract - This study seeks to integrate the adaptable nature of Cloud Computing infrastructure with the agile characteristics of Scrum methodologies in the software development process. The core issue addressed involves performance instability within teams and complexities in managing resources within traditional infrastructure setups. Employing a quantitative research approach, raw data is processed through Min-Max and Z-Score normalization techniques to establish objective evaluation parameters. The research findings indicate that this synergy enhances team productivity by 25%, with the average system uptime reaching 99.8%. Furthermore, a predictive model developed using Python achieved an accuracy rate of 88% in forecasting Sprint success. This enables data-driven decision-making for the proactive mitigation of technical risks. In conclusion, the fusion of cloud ecosystems and the Scrum framework not only accelerates product release cycles but also ensures transparency and stability in the quality of the software developed. Documentation of the entire process and program code is provided through an open repository to support future research development. Keywords: Cloud Computing; Scrum Methodology; Data Normalization; Predictive Model;
Prediksi Tren Saham PT. Telkom Indonesia Tbk Menggunakan Metode OLS Putri Vikho Andini; Atha Maulidan Zuhdi; Harun Al Rosyid
Jurnal Nasional Komputasi dan Teknologi Informasi Vol. 9 No. 1 (2026): Februari, 2026
Publisher : Program Studi Teknik Komputer, Fakultas Teknik. Universitas Serambi Mekkah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32672/jnkti.v9i1.215

Abstract

Abstrak - Penelitian ini bertujuan untuk meramalkan pergerakan harga saham PT Telkom Indonesia Tbk pada periode 2020–2024 dengan memanfaatkan metode Ordinary Least Squares (OLS). Data historis harian diperoleh dari Investing.com dengan rentang waktu 2 Januari 2020 hingga 30 Desember 2024. Data dibagi menjadi 80% data pelatihan dan 20% data pengujian, kemudian diolah menggunakan bahasa pemrograman Python pada lingkungan Google Colab. Model OLS dilatih menggunakan variabel harga historis dan diterapkan untuk menghasilkan prediksi pada periode pengujian, yaitu 20 Desember 2023 sampai 30 Desember 2024. Hasil peramalan disajikan dalam bentuk visualisasi grafik tren dan tabel perbandingan antara nilai aktual dan nilai yang diprediksi. Evaluasi model dilakukan dengan menggunakan Mean Absolute Percentage Error (MAPE) sebagai indikator akurasi peramalan. Hasil penelitian menunjukkan bahwa model OLS mampu mengikuti pola umum pergerakan harga saham TLKM, dengan nilai MAPE yang berada dalam kategori dapat diterima untuk analisis peramalan berbasis tren. Penelitian ini menyimpulkan bahwa metode OLS dapat digunakan sebagai pendekatan dasar dalam memprediksi tren harga saham dan dapat menjadi acuan untuk penelitian lanjutan yang menggunakan metode peramalan yang lebih kompleks. Kata kunci: Prediksi Saham; Metode OLS; Tren Saham; Forecasting; MAPE; Abstract - This study aims to predict the movement of PT Telkom Indonesia Tbk's share price for the period 2020–2024 using the Ordinary Least Squares (OLS) method. The research utilizes daily historical stock data obtained from Investing.com, covering the period from January 2nd, 2020 until December 30th 2024. The data was divided into 80% training data and 20% testing data, which are processed using Python in the Google Colab environment. The OLS model is trained using historical price variables and then applied to generate predictions on the testing period from 20 December 2023 to 30 December 2024. The forecasting results are presented in the form of trend graph visualizations and comparison tables between actual and predicted values. The model evaluation was conducted using Mean Absolute Percentage Error (MAPE) as a forecasting accuracy indicator. The findings show that the OLS model is able to capture the general movement of TLKM stock trends, with the resulting MAPE value indicating that the model performs at an acceptable level for trend-based forecasting. The study concludes that OLS can be used as a baseline method for stock trend prediction and may serve as a reference for further comparative or advanced forecasting models. Keywords: Stock Prediction; OLS Method; Stock Trend; Forecasting; MAPE;
Klasifikasi Abstrak Tugas Akhir Mahasiswa Berbasis Web dengan Algoritma K-Nearest Neighbor Moch. Anang Ardiansyah; Raka Tegar Wicaksono; Rino Raihan Gumilang; Solikhul Mauludin; Muhammad Hamdan Fuadi; Ersha Aisyah Elfaiz
Jurnal Nasional Komputasi dan Teknologi Informasi Vol. 9 No. 1 (2026): Februari, 2026
Publisher : Program Studi Teknik Komputer, Fakultas Teknik. Universitas Serambi Mekkah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32672/jnkti.v9i1.216

Abstract

Abstrak - Penelitian ini mengembangkan sistem klasifikasi abstrak tugas akhir mahasiswa Program Studi Pendidikan Teknologi Informasi (PTI) berbasis web menggunakan algoritma K-Nearest Neighbor (KNN). Data dikumpulkan melalui web scraping dari jurnal IT-Edu pada rentang tahun 2017–2025, kemudian melalui tahap preprocessing meliputi case folding, tokenizing, stopword removal, dan stemming sebelum dilakukan ekstraksi fitur menggunakan TF-IDF dan pengukuran kemiripan dengan cosine similarity. Dataset berjumlah 312 abstrak dibagi menjadi 249 data latih dan 63 data uji. Evaluasi performa dilakukan menggunakan beberapa nilai K dengan metrik accuracy, precision, recall, dan F1-score. Hasil penelitian menunjukkan bahwa nilai K = 17 memberikan kinerja terbaik dengan F-Measures sebesar 0.539. Sistem berbasis web yang dihasilkan mampu melakukan klasifikasi otomatis abstrak tugas akhir ke dalam kategori Rekayasa Perangkat Lunak (RPL) dan Teknik Komputer dan Jaringan (TKJ), sehingga dapat mendukung pengelolaan repositori akademik secara lebih efisien dan objektif. Kata kunci: K-Nearest Neighbor; TF-IDF; Cosine Similarity; Klasifikasi Dokumen; Sistem Berbasis Web; Abstract - This study develops a web-based classification system for undergraduate thesis abstracts in the Information Technology Education (PTI) program using the K-Nearest Neighbor (KNN) algorithm. Data were collected through web scraping from the IT-Edu journal (2017–2025) and preprocessed through case folding, tokenizing, stopword removal, and stemming prior to feature extraction using TF-IDF and similarity measurement with cosine similarity. A total of 312 abstracts were obtained and divided into 249 training data and 63 testing data. System performance was evaluated using several K values and measured with accuracy, precision, recall, and F1-score metrics. The results indicate that K = 17 provides the best performance with an F-measure of 0.539. The developed web-based system can automatically classify thesis abstracts into Software Engineering (RPL) and Computer and Network Engineering (TKJ), supporting more efficient and objective management of academic repositories. Keywords: K-Nearest Neighbor; TF-IDF; Cosine Similarity; Text Classification; Web-based System;
Metode Certainty Factor untuk Sistem Pakar Diagnosa Penyakit Kulit pada Manusia Marniyati H. Botutihe; Aizan Asyikin
Jurnal Nasional Komputasi dan Teknologi Informasi Vol. 9 No. 4 (2026): Agustus, 2026
Publisher : Program Studi Teknik Komputer, Fakultas Teknik. Universitas Serambi Mekkah

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Abstrak - Kesehatan kulit merupakan salah satu aspek yang sangat penting dalam menjaga kesehatan secara keseluruhan. Khususnya di Indonesia, yang terletak di kawasan tropis dengan paparan sinar matahari yang cukup tinggi sepanjang tahun, perawatan kulit menjadi suatu hal yang tidak dapat diabaikan. Banyak factor penyebab munculnya penyakit pada kulit, maka harus melakukan pemeriksaan ke dokter. Waktu yang terbatas dan banyak pasien yang ditangani oleh dokter dan pengetahuan masyarakat yang minim terhadap kesehatan kulit menjadi penghambat dalam mengetahu,li penyakit kulit. Penelitian ini bertujuan memperoleh sebuah system penyakit kulit menerapkan metode Certainty Factor yang efektif sehingga dapat di implementasikan. Model penelitian ini adalah jenis deskriptif, yaitu dengan teknik pemecahan maslah yang ada berdasarkan data, menganalisis dan mengimplementasikan. Model system pakar penyakit kulit menggunakan metode Certainty Factor yang dibangun bisa di terapkan pada pakar diagnosa penyakit kulit, bukti yang mendukung pernyataan tersebut dengan memakai testing white box dan basis text testing yang menerbitkan nilai cylomatic complexity = 8. Kata kunci : Pakar; Penyakit; Sistem, Kulit; Certainty Factor; Abstract - Skin health is one of the most important aspects of maintaining overall health. In particular, Indonesia is located in a tropical region with relatively high exposure to sunlight throughout the year, making skin care an aspect that cannot be ignored. There are many factors that can cause skin diseases; therefore, medical examination by a doctor is necessary. Limited time, the large number of patients handled by doctors, and the public's limited knowledge of skin health are obstacles to identifying skin diseases. This study aims to develop an effective skin disease diagnosis system by applying the Certainty Factor method so that it can be implemented in practice. This research uses a descriptive method, which involves solving existing problems based on data through analysis and implementation. The developed expert system model for skin disease diagnosis using the Certainty Factor method can be applied to assist experts in diagnosing skin diseases. The supporting evidence was obtained through white-box testing and basis path testing, which resulted in a cyclomatic complexity value of 8.. Keywords: Expert system; Disease; Skin; Certainty Factor;
Perancangan Sistem Tempat Sampah Pintar Berbasis ESP32 dengan Klasifikasi Sampah Menggunakan Deep Learning dan Integrasi Dashboard Web Monitoring Stefen Agus Waruwu; Dedy Kiswanto; Rizky Ananda Hafika; Muhammad Yazid Noor
Jurnal Nasional Komputasi dan Teknologi Informasi Vol. 9 No. 1 (2026): Februari, 2026
Publisher : Program Studi Teknik Komputer, Fakultas Teknik. Universitas Serambi Mekkah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32672/jnkti.v9i1.220

Abstract

Abstrak - Sistem tempat sampah pintar berbasis Internet of Things (IoT) dikembangkan untuk mengoptimalkan proses pemilahan sampah secara otomatis. Sistem ini menggunakan sensor ultrasonik pada ESP32 untuk mendeteksi keberadaan objek, kamera ESP32-CAM untuk mengambil citra, dan model deep learning MobileNetV2 untuk melakukan klasifikasi ke dalam dua kategori: organik dan daur ulang. Hasil klasifikasi digunakan untuk menggerakkan servo sebagai mekanisme pemisahan, sekaligus dikirim ke dashboard web melalui API untuk pencatatan dan pemantauan. Model dilatih menggunakan dataset 5.000 citra dengan teknik augmentasi, dan menghasilkan performa akurasi sebesar 93% pada data validasi. Sistem berhasil bekerja secara realtime, dengan rata-rata waktu inferensi kurang dari 1 detik. Dashboard mampu menampilkan statistik jumlah sampah, riwayat klasifikasi, dan grafik tren berdasarkan rentang tanggal. Hasil pengujian menunjukkan bahwa sistem dapat mendeteksi objek, mengklasifikasi citra, dan menggerakkan servo dengan stabil. Sistem ini dapat diimplementasikan pada lingkungan nyata untuk mendukung pengelolaan sampah yang lebih efisien dan terotomatisasi. Keywords : IoT; ESP32; ESP32-CAM; klasifikasi sampah; dashboard monitoring; Abstract - An Internet of Things (IoT)-based smart waste bin system was developed to optimize the automatic waste sorting process. This system uses an ultrasonic sensor on ESP32 to detect the presence of objects, an ESP32-CAM camera to capture images, and a MobileNetV2 deep learning model to classify waste into two categories: organic and recyclable. The classification results are used to activate the servo as a separation mechanism, while also being sent to the web dashboard via API for recording and monitoring. The model was trained using a dataset of 5,000 images with augmentation techniques, achieving an accuracy of 93% on the validation data. The system operates in real-time, with an average inference time of less than 1 second. The dashboard is capable of displaying statistics on the amount of waste, classification history, and trend graphs based on date ranges. The test results show that the system can detect objects, classify images, and activate the servo stably. This system can be implemented in a real environment to support more efficient and automated waste management. Keywords: IoT; ESP32; ESP32-CAM; waste classification; monitoring dashboard;

Page 15 of 17 | Total Record : 161

 13   14   15   16   17 

Filter by Year

2026 2026


Reset
Filter By Issues
All Issue Vol. 9 No. 4 (2026): Agustus, 2026 Vol. 9 No. 3 (2026): Juni, 2026 Vol. 9 No. 2 (2026): April, 2026 Vol. 9 No. 1 (2026): Februari, 2026