cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Agung Setia Budi
Contact Email
agungsetiabudi@ub.ac.id
Phone
+62341-577911
Journal Mail Official
jtiik@ub.ac.id
Editorial Address
Fakultas Ilmu Komputer Universitas Brawijaya Gedung F FILKOM Lt. 8, Ruang BPJ Jalan Veteran No. 8 Malang Indonesia - 65145
Location
Kota malang,
Jawa timur
INDONESIA
Jurnal Teknologi Informasi dan Ilmu Komputer
Published by Universitas Brawijaya
ISSN : 23557699     EISSN : 25286579     DOI : http://dx.doi.org/10.25126/jtiik
Core Subject : Science, Engineering,
Computer Science & IT Engineering
Jurnal Teknologi Informasi dan Ilmu Komputer (JTIIK) merupakan jurnal nasional yang diterbitkan oleh Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya (UB), Malang sejak tahun 2014. JTIIK memuat artikel hasil-hasil penelitian di bidang Teknologi Informasi dan Ilmu Komputer. JTIIK berkomitmen untuk menjadi jurnal nasional terbaik dengan mempublikasikan artikel berbahasa Indonesia yang berkualitas dan menjadi rujukan utama para peneliti. JTIIK di akreditasi oleh Kementerian Riset, Teknologi, dan Pendidikan Tinggi Republik Indonesia Nomor: 36/E/KPT/2019 yang berlaku sampai dengan Volume 11 Nomor 2 Tahun 2024.
Arjuna Subject : Ilmu Komputer (semua kategori) - Ilmu Komputer (Lain-Lain)
Articles 25 Documents
 1   2   3 
Search results for , issue "Vol 12 No 3: Juni 2025" : 25 Documents clear
SENTRIN- IMPLEMENTASI ALGORITMA ENKRIPSI SPECK UNTUK PENGAMANAN MNEMONIC PHRASE PADA CRYPTOCURRENCY WALLET Mustakim, Dimas Tri; Kusyanti, Ari; Trisnawan, Primantara Hari
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 12 No 3: Juni 2025
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2025129463

Abstract

Cryptocurrency wallet memiliki peran penting dalam menyimpan dan mengelola aset digital pada jaringan blockchain. Keamanan wallet, terutama dalam penyimpanan frasa mnemonik sebagai kunci utama, menjadi aspek krusial yang perlu diperhatikan. Penelitian ini bertujuan untuk mengimplementasikan algoritma enkripsi Speck dalam mengamankan penyimpanan frasa mnemonik pada Hierarchical Deterministic (HD) Wallet. Metode yang digunakan adalah eksperimen implementatif dengan merancang prototipe sistem Wallet yang menggunakan algoritma Speck. Implementasi mencakup komponen-komponen utama wallet serta integrasi algoritma Speck untuk pengamanan frasa mnemonik. Pengujian dilakukan melalui analisis properti berupa avalanche effect, uniformity test, dan entropy test, serta pengujian keamanan menggunakan metode brute force. Hasil penelitian menunjukkan bahwa algoritma Speck dapat diimplementasikan dengan baik pada sistem Wallet, mampu menghasilkan ciphertext dengan properti statistik yang baik, dan dapat mengamankan data mnemonik. Pengujian kinerja menunjukkan hasil yang sangat baik, dengan waktu rata-rata eksekusi di bawah 2 mikro detik dan penggunaan memori sekitar 3 MB. Uji avalanche effect menghasilkan nilai yang mendekati 0,5 yang menunjukkan sensitivitas yang baik terhadap perubahan input. Uniformity test menunjukkan distribusi ciphertext yang seragam dengan nilai chi-square di bawah ambang kritis. Pengujian entropy menghasilkan peningkatan signifikan dari rata-rata 4 bit per byte  pada plaintext menjadi sekitar 6 bit per byte pada ciphertext. Pengujian keamanan melalui brute force menunjukkan ketahanan yang sangat baik, dengan estimasi waktu pemecahan kunci mencapai tahun. Penelitian ini diharapkan dapat memberikan kontribusi dalam pengembangan solusi keamanan yang efisien untuk cryptocurrency wallet.
SENTRIN- Pengembangan Pembagian Beban Kerja Server Cluster Docker Swarm Berbasis Raspberry Dengan Metode Loadbalancer IP HASH Serta Terautomasi Ansible Tohari, Fauzan Adzima; Primananda, Rakhmadhany; Shaffan, Nur Hazbiy
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 12 No 3: Juni 2025
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2025129466

Abstract

Perkembangan teknologi saat ini mempercepat penyebaran informasi, hal ini meningkatkan traffic dan tekanan pada infrastruktur. Menghadapi ini, sistem yang reliable, availability, dan maintainability diperlukan. Dengan container dan Raspberry Pi sebagai server. Memberikan keunggulan selain 3 karakteristik sistem tersebut juga dari sumberdaya yang diperlukan. Raspberry Pi dapat terhubung ke jaringan LAN maupun nirkabel. Fokus penelitian ini pada perancangan dan implementasi sistem berbasis empat Raspberry Pi, tiga sebagai webserver Nginx, dan satu sebagai kontroler. Sistem ini menggunakan teknologi containerization di lingkungan DockerSwarm dan diintegrasikan Ansible untuk otomatisasi tugas. Tujuan penelitian ini adalah menciptakan sistem yang dapat disesuaikan dengan kebutuhan, memanfaatkan Raspberry Pi untuk efisiensi daya, dan memberikan manfaat dalam hal skalabilitas dan otomatisasi. Sistem ini menggunakan empat Raspberry Pi dengan algoritma IP HASH untuk pembagian beban kerja. Komponen utama mencakup input dari pengguna, pemrosesan beban kerja oleh load balancer, dan output melalui antarmuka web browser. Load balancer bertanggung jawab atas distribusi lalu lintas dan pemantauan status server untuk mengalihkan lalu lintas jika diperlukan. Pengujian menunjukkan system dengan load balancer lebih efisien dalam penggunaan CPU dengan perbandingan CPU 39.1% pada ws1 dengan loadbalancer dan 51.2% tanpa loadbalancer, 38.9% pada ws2 dengan loadbalancer dan 51.7% tanpa loadbalancer, serta 6.3% pada ws3 ketika loadbalancer mengalihkan request saat server 1 atau 2 mati dan efektif dalam mengalihkan request saat server bermasalah dengan persentase kegagalan melayani request sebesar 18% atau 18 request dari 1000 request sedangkan tanpa loadbalancer request tidak dapat dilayani ketika server yang dituju mati. Ini membuktikan reliable, availability, dan maintainability pada sistem ini terpenuhi.
KEKUATAN DAMPAK DIRECT INSTRUCTION BERBANTUAN TEKNOLOGI INFORMASI TERHADAP HASIL BELAJAR PENGETAHUAN PROSEDURAL DAN KEMANDIRIAN BELAJAR PADA SUBJEK PEMROGRAMAN KOMPUTER Herlambang, Admaja Dwi
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 12 No 3: Juni 2025
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2025129552

Abstract

Penelitian ini menganalisis kekuatan dampak implementasi pembelajaran Direct Instruction (DI) berbantuan teknologi informasi terhadap hasil belajar dan kemandirian belajar pengetahuan prosedural pada subjek pemrograman komputer. Tujuan tersebut dipicu oleh keterbatasn teori saat ini yang mampu menunjukkan seberapa besar dampak DI berbantuan teknologi informasi pada konteks bidang studi teknologi informasi. Teknologi informasi yang digunakan mencakup Learning Management System (LMS) dan konten pembelajaran digital interaktif. Subjek penelitian adalah siswa Sekolah Menengah Kejuruan (SMK), yang dibagi menjadi kelompok eksperimen dan kontrol, masing-masing terdiri dari 80 siswa. Kelompok eksperimen menerapkan metode pembelajaran DI dengan dukungan teknologi informasi, sedangkan kelompok kontrol menggunakan metode pembelajaran DI tanpa dukungan teknologi. Data hasil belajar diperoleh melalui tes kinerja, sementara data kemandirian belajar dikumpulkan menggunakan kuesioner. Desain penelitian eksperimen adalah Static-Group Pretest-Posttest tanpa mekanisme random selection dan random assignment. Desain tersebut dipilih karena posisi subjek penelitian tidak memungkinkan diatur ulang secara sepihak oleh peneliti. Hasil penelitian menunjukkan bahwa pembelajaran DI berbantuan teknologi informasi memiliki kekuatan dampak yang signifikan terhadap hasil belajar dan kemandirian belajar siswa. Namun demikian, implementasi DI berbantuan teknologi informasi memiliki kekuatan dampak yang lebih besar terhadap kemandirian belajar (t(158) = 26,152, p < 0,001, d = 4,09) dibandingkan dengan hasil belajar (t(158) = 21,152, p < 0,001, d = 3,29).
MENGGALI OPINI PUBLIK: SENTIMEN TERHADAP KEBIJAKAN MAKAN SIANG GRATIS DENGAN SUPERVISED LEARNING Brata, Dwija Wisnu; Purnomo, Welly; Farisi, Hariz; Kevin Marcelino Ratu, Henry
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 12 No 3: Juni 2025
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2025129565

Abstract

Di era informasi saat ini, opini publik menjadi aset penting dalam membentuk kebijakan sosial dan politik. Salah satu kebijakan yang sering menarik perhatian adalah program makan siang gratis yang ditujukan untuk meningkatkan kesejahteraan sosial. Kebijakan yang direncanakan bertujuan untuk memberikan manfaat bagi anak-anak di Indonesia agar dapat meningkatkan asupan gizi dan nutrisi, tetapi sering kali menimbulkan berbagai reaksi dari masyarakat, terutama di media sosial. Penelitian ini dilakukan untuk menggali sentimen berdasarkan opini tentang rencana kebijakan makan siang gratis oleh pemerintah Indonesia pada media sosial twitter. Total dataset yang dikumpulkan sebanyak 1359 yang telah di-preprocessing, terbagi atas 1000 sentimen negatif, dan 359 sentimen positif. Metode klasifikasi yang digunakan dan menjadi pembanding yaitu Support Vector Machine (SVM), Naïve Bayes (NB), dan Random Forest (RF). Hasil penelitian menunjukkan bahwa metode SVM memiliki tingkat akurasi yang lebih tinggi (85%) dibanding dua metode lainnya
Analisis Sentimen Aplikasi Playstore Sirekap 2024 Pasca Pilpres Dengan Perbandingan Metode Support Vector Machine (SVM), Naïve Bayes Classifier Dan Random Forest. TARIGAN, Dede Ardian; Situmorang, Zakarias; Rosnelly, Rika
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 12 No 3: Juni 2025
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2025129608

Abstract

Aplikasi Sirekap merupakan sebuah aplikasi berbasis website yang mengandalkan teknologi Optical Character Recognition (OCR) dan Optical Mark Reader (OMR) dalam pengoperasiannya. Perkembangan teknologi ini digunakan untuk mempermudah proses perhitungan suara dengan QuickCount yang sifatnya sementara oleh KPU pada Pemilihan Presiden dan Wakil-Presiden Indonesia Periode 2024. Kedua teknologi tersebut memiliki peran penting dalam mengotomatisasi pola proses baca dan hitung secara real-time. Dengan demikian, analisis sentimen diperlukan untuk mengekstraksi komentar teks dari opini publik tentang aplikasi Sirekap 2024 di Play Store. Penelitian ini berkaitan dengan analisis sentimen terkait hasil perhitungan suara yang menimbulkan ketidaksesuaian di aplikasi Sirekap 2024, apakah bersifat positif atau negatif. Tahapan teknik yang digunakan dalam penelitian ini meliputi scraping data, pre-processing data, pelabelan pola, ekstraksi fitur/pembobotan, pembagian data, dan proses klasifikasi analisis sentimen. Pengumpulan data primer dilakukan menggunakan program Python di aplikasi Google Colab dengan teknik google play scraper di aplikasi playstore android Sirekap 2024. Metode klasifikasi yang digunakan adalah Support Vector Machine, Naïve Bayes, dan Random Forest untuk mengklasifikasikan data. Hasil klasifikasi SVM adalah 82%, Naïve Bayes adalah 71%, dan Random Forest adalah 81%. Dari ketiga metode klasifikasi, kinerja terbaik dalam mengidentifikasi adalah metode klasifikasi SVM dengan akurasi 82%, presisi 82%, recall 82%, dan F1-Score 82%.   Abstract The Sirekap application is a web-based application that relies on Optical Character Recognition (OCR) and Optical Mark Reader (OMR) technology in its operation. The development of this technology is used to facilitate the vote counting process with a temporary QuickCount by the KPU in the 2024 Indonesian Presidential and VicePresidential Elections. Both technologies play an important role in automating the reading and counting process patterns in real-time. Thus, sentiment analysis is necessary to extract text comments from public opinion about the Sirekap 2024 application on the Play Store. This research is related to sentiment analysis concerning the vote count results that cause discrepancies in the Sirekap 2024 application, whether they are positive or negative. The technical stages used in this research include data scraping, data pre-processing, pattern labeling, feature extraction/weighting, data splitting, and the sentiment analysis classification process. Primary data collection was conducted using a Python program in the Google Colab application with the Google Play scraper technique in the Sirekap 2024 Android Play Store application. The classification methods used are Support Vector Machine, Naïve Bayes, and Random Forest to classify the data. The SVM classification result is 82%, Naïve Bayes is 71%, and Random Forest is 81%. Among the three classification methods, the best performance in identification is the SVM classification method with an accuracy of 82%, precision of 82%, recall of 82%, and F1-Score of 82%.

Page 3 of 3 | Total Record : 25

 1   2   3 

Filter by Year

2025 2025


Reset
Filter By Issues
All Issue Vol 12 No 6: Desember 2025 Vol 12 No 5: Oktober 2025 Vol 12 No 4: Agustus 2025 Vol 12 No 3: Juni 2025 Vol 12 No 2: April 2025 Vol 12 No 1: Februari 2025 Vol 11 No 6: Desember 2024 Vol 11 No 5: Oktober 2024 Vol 11 No 4: Agustus 2024 Vol 11 No 3: Juni 2024 Vol 11 No 2: April 2024 Vol 11 No 1: Februari 2024 Vol 10 No 6: Desember 2023 Vol 10 No 5: Oktober 2023 Vol 10 No 4: Agustus 2023 Vol 10 No 3: Juni 2023 Vol 10 No 2: April 2023 Vol 10 No 1: Februari 2023 Vol 9 No 7: Spesial Issue Seminar Nasional Teknologi dan Rekayasa Informasi (SENTRIN) 2022 Vol 9 No 6: Desember 2022 Vol 9 No 5: Oktober 2022 Vol 9 No 4: Agustus 2022 Vol 9 No 3: Juni 2022 Vol 9 No 2: April 2022 Vol 9 No 1: Februari 2022 Vol 8 No 6: Desember 2021 Vol 8 No 5: Oktober 2021 Vol 8 No 4: Agustus 2021 Vol 8 No 3: Juni 2021 Vol 8 No 2: April 2021 Vol 8 No 1: Februari 2021 Vol 7 No 6: Desember 2020 Vol 7 No 5: Oktober 2020 Vol 7 No 4: Agustus 2020 Vol 7 No 3: Juni 2020 Vol 7 No 2: April 2020 Vol 7 No 1: Februari 2020 Vol 6 No 6: Desember 2019 Vol 6 No 5: Oktober 2019 Vol 6 No 4: Agustus 2019 Vol 6 No 3: Juni 2019 Vol 6 No 2: April 2019 Vol 6 No 1: Februari 2019 Vol 5 No 6: Desember 2018 Vol 5 No 5: Oktober 2018 Vol 5 No 4: Agustus 2018 Vol 5 No 3: Juni 2018 Vol 5 No 2: April 2018 Vol 5 No 1: Februari 2018 Vol 4 No 4: Desember 2017 Vol 4 No 3: September 2017 Vol 4 No 2: Juni 2017 Vol 4 No 1: Maret 2017 Vol 3 No 4: Desember 2016 Vol 3 No 3: September 2016 Vol 3 No 2: Juni 2016 Vol 3 No 1: Maret 2016 Vol 2, No 2 (2015) Vol 2 No 2: Oktober 2015 Vol 2, No 1 (2015) Vol 2 No 1: April 2015 Vol 1, No 2 (2014) Vol 1 No 2: Oktober 2014 Vol 1, No 1 (2014) Vol 1 No 1: April 2014 More Issue