cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Mohammad Sani Suprayogi
Contact Email
yogie@usm.ac.id
Phone
-
Journal Mail Official
santi@usm.ac.id
Editorial Address
-
Location
Kota semarang,
Jawa tengah
INDONESIA
Jurnal Transformatika
Published by Universitas Semarang
ISSN : 16933656     EISSN : 24606731     DOI : -
Core Subject : Science,
Computer Science & IT
Transformatika is a peer reviewed Journal in Indonesian and English published two issues per year (January and July). The aim of Transformatika is to publish high-quality articles of the latest developments in the field of Information Technology. We accept the article with the scope of Information Systems, Web Technology, Computer Networks, Artificial Intelligence, and Multimedia.
Arjuna Subject : -
Articles 344 Documents
 31   32   33   34   35 
Klasifikasi Akun Palsu Pada Pengikut Akun Rental Cosplay Averentcos Di Instagram Menggunakan Metode K-Nearest Neighbour (KNN) Mufrodi, Hafidz; Odi, Hafidz Mufrodi S.Kom.; Nur Wakhidah; Prind Triajeng Pungkasanti
Jurnal Transformatika Vol. 23 No. 2 (2026): January 2026
Publisher : Jurusan Teknologi Informasi Universitas Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26623/transformatika.v23i2.12287

Abstract

Technological advances have given business people several options to develop their business. One of them is using Instagram social media as a promotional tool. However, using social media as a promotional medium has its own problems. Fake accounts spread on Instagram can reduce the reach of business accounts. Until now, there are more than millions of fake accounts. Instagram continues to increase its efforts to detect and delete these fake accounts. This study was conducted to be able to classify accounts suspected of being fake accounts on the followers of the averentcos account using the k-NN method. The data used were 500 follower accounts with various backgrounds. This study used several variables, namely Profile Photo, Username Length, Number of Name Words, Similarity of Name to Username, Bio Length, External Links, Public Accounts, Number of Posts, Number of Followers, Number of Followed so that accuracy of 86,666% can be achieved.
Analisis Sentimen Terhadap Aplikasi Whatsapp Menggunakan Naïve Bayes Berdasarkan Seleksi Fitur Chi-Square Kristian, Daniel Johan; Kristian, Daniel Johan Kristian; Nurdiyah, Dewi
Jurnal Transformatika Vol. 23 No. 2 (2026): January 2026
Publisher : Jurusan Teknologi Informasi Universitas Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26623/transformatika.v23i2.12310

Abstract

Penelitian ini bertujuan untuk membandingkan penelitian sebelumnya dengan peneliti, dengan menganalisis sentimen terhadap pengguna aplikasi whatsapp di google playstore, menggunakan pendekatan machine learning. Pengambilan data sebanyak 1000 dan menggunakan 3 kategori pelabelan yaitu positif, netral, dan negatif. Dengan melalui proses ekstraksi fitur menggunakan fitur TF-IDF yang mengahasilkan 1935 fitur, untuk mendapatkan nilai yang maksimal maka menggunakan seleksi fitur Chi-Square yang terpilih 85% fitur terbaik. Setelah dilakukan ekstraksi fitur yaitu proses klasifikasi menggunakan algoritma Naive Bayes, dengan proses pembagian data training dan data testing menggunakan rasio perbandingan 80 untuk data training dan 20 untuk data testing. hasil evaluasi mengalami peningkatan sebanyak 5,6% untuk nilai akurasi, untuk nilai presisi sebanyak 5,94%, dan untuk nilai recall sebanyak 1,51%.   
Pengaruh Desain Modular Terhadap Stabilitas Suhu Dan Reduksi Kebisingan Pada Incu Analyzer prasojo, fajri; Fajri Prasojo; Andi Kurniawan Nugroho; Sri Heranurweni
Jurnal Transformatika Vol. 23 No. 2 (2026): January 2026
Publisher : Jurusan Teknologi Informasi Universitas Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26623/transformatika.v23i2.12330

Abstract

Incu analyzer merupakan alat yang digunakan untuk mengukur suhu, kebisingan aliran udara dan kelembaban. Cara kerja alat pada saat pengkalibrasian diletakan di atas matras. Sensor suhu yangdigunakan adalah sensor LM35 yang menghasilkan nilai tegangan linier dengan suhu. Tengangan keluaranya sebanding dengan suhu derajat celcius. Pada sensor tingkat kebisingan menggunakan sound sensor microphone module yaitu modul elektronik yang berfungsi untuk mendeteksi suara dan mengubah menjadi sinyal listrik. Sound Mic Microphone Sensor Detection Module for Arduino ini mempunya range pendeteksi suara ±30 cm hingga 1 meter. Pada saat pengujian setting 35°C di dapatkan hasil presentase error sebesar 7%, setting 36°C didapatkan hasil presentase error sebesar 3% dan setting 37°C hasil presentase error sebesar 3%. Data pengujian sensor tingkat kebisingan dilakukan sebanyak 9 kali pada sela waktu 5 menit. Dan didapatkan rata rata nilai error sebesar 1,2(dB).
Cyber Security Audit in Information Technology Governance: A Literature Review and Future Research Agenda Saifudin, Saifudin; Fachriaz, Nazri Sidqi; Saifudin
Jurnal Transformatika Vol. 23 No. 2 (2026): January 2026
Publisher : Jurusan Teknologi Informasi Universitas Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26623/transformatika.v23i2.12760

Abstract

This study aims to examine cyber security audits in information technology governance (ITG) more deeply using a literature review approach. The method used in this research is a systematic literature review by applying PRISMA (Preferred Reporting Items for Systematic reviews and Meta-Analysis) method approach with 25 years of observation from 1999 to 2024. 980 articles were obtained, nevertheless, only 36 articles were eligible. The research results show that cyber security audit is compatible and closely related to information technology governance (ITG), mainly the domain regarding the need for the board of directors to understand and to master cyber security audit skills to overcome violations and data leaks in IT governance. Cyber security audit and information technology governance (ITG) are two key components to maintain information security as well as to manage information technology effectively. Integration between the two in a conceptual framework helps organizations identify, manage and mitigate cyber risks and maintain alignment with business objectives.
Implementasi Node.js dan Keamanan JWT untuk Sistem Informasi Manajemen Sekolah Dasar Berbasis Web Huizen, Lenny Margaretta; Kurnia, Rizal; Margaretta Huizen, Lenny
Jurnal Transformatika Vol. 23 No. 2 (2026): January 2026
Publisher : Jurusan Teknologi Informasi Universitas Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26623/transformatika.v23i2.12963

Abstract

Kebutuhan akan sistem manajemen sekolah yang efisien dan aman menjadi tantangan utama bagi institusi pendidikan. Sebuah sistem backend untuk manajemen sekolah dasar di Kota Semarang telah dikembangkan menggunakan Node.js untuk menjawab kebutuhan ini, namun performanya belum terukur secara kuantitatif. Penelitian ini bertujuan untuk menganalisis performa dan keamanan sistem backend tersebut, dengan fokus pada tiga aspek utama: fungsionalitas, keamanan, dan performa saat menerima beban (load). Metode penelitian yang digunakan adalah analisis kuantitatif melalui pengujian fungsional dan non-fungsional. Pengujian fungsional dilakukan untuk memvalidasi seluruh endpoint API, pengujian keamanan untuk memverifikasi mekanisme autentikasi berbasis JWT, sedangkan pengujian non-fungsional memanfaatkan load testing untuk mengukur waktu respons dan tingkat kesalahan (error rate) di bawah simulasi beban pengguna. Hasil pengujian menunjukkan keberhasilan pada semua aspek: pengujian fungsionalitas API mencapai status 100% valid, sistem keamanan terbukti efektif dalam memblokir akses tidak sah melalui mekanisme JWT, dan uji beban (load test) dengan 50 pengguna serentak menunjukkan performa yang sangat optimal. Secara spesifik, sistem mencatatkan waktu respons rata-rata 7 ms, throughput sebesar 40,59 permintaan/detik, dengan tingkat kesalahan 0%. Temuan ini membuktikan secara kuantitatif bahwa sistem backend manajemen sekolah dasar Kota Semarang memiliki performa yang andal, fungsionalitas yang lengkap, dan keamanan yang memadai, sehingga siap untuk diimplementasikan.
LITERATURE REVIEW ON ANTI-DRONE TECHNOLOGY AND DEFENSE SYSTEMS bayuhartono; Hartono, Bayu; Saputro, Guntur; Rukmono, Linus
Jurnal Transformatika Vol. 23 No. 2 (2026): January 2026
Publisher : Jurusan Teknologi Informasi Universitas Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26623/transformatika.v23i2.13113

Abstract

Research on anti-drone technology and modern air defense systems is growing as the use of drones in military and civilian contexts increases. Major trends in development include the use of radar, optical sensors, microwave technology, and the integration of artificial intelligence (AI) to improve detection speed and accuracy. Recent studies show that combining several technologies can improve drone identification accuracy. The research methods used are diverse, such as computer simulations, field tests, and cost-benefit analyses. The results of the research reveal that there are still challenges, including detection errors, slow responses, and limited range. In addition, ethical and legal aspects are also important considerations. Overall, this review provides a comprehensive overview of the latest developments and challenges in the implementation of anti-drone technology.  
ANALISA PERFORMA METODE LIGHTGBM UNTUK PREDIKSI KECANDUAN MEDIA SOSIAL Jannah, Roudhotul; Roudhotul Jannah; Rastri Prathivi
Jurnal Transformatika Vol. 23 No. 2 (2026): January 2026
Publisher : Jurusan Teknologi Informasi Universitas Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26623/transformatika.v23i2.13165

Abstract

Media sosial kini telah menjadi bagian yang tidak terpisahkan dari aktivitas sehari-hari, didorong oleh perkembangan teknologi digital yang semakin cepat. Penggunaan media sosial yang berlebihan dapat memicu dampak negatif seperti gangguan psikologis, kurang tidur, dan konflik sosial. Penelitian ini menilai efektivitas Light Gradient Boosting Machine (LightGBM) dalam memprediksi kecanduan media sosial menggunakan data 705 responden dari Kaggle. Tahapan analisis mencakup pembersihan data, transformasi variabel kategorikal, dan seleksi fitur berbasis korelasi Pearson. Model dilatih dengan rasio 70:30 dan dievaluasi menggunakan akurasi, presisi, recall, serta f1-score. Hasil menunjukkan akurasi 98%, sehingga LightGBM dinilai sangat efektif sebagai model prediksi kecanduan media sosial.  
Deteksi Area Penyakit Jambu Biji menggunakan YOLOv8 dan K-Means Clustering Hesti, Naufal; Adi Prihandono
Jurnal Transformatika Vol. 23 No. 2 (2026): January 2026
Publisher : Jurusan Teknologi Informasi Universitas Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26623/transformatika.v23i2.13234

Abstract

Produktivitas tanaman jambu biji (Psidium guajava L.) menghadapi ancaman yang cukup serius akibat serangan penyakit seperti Phytophthora, Scab, dan Styler End Rot. Deteksi dini merupakan hal yang penting untuk mencegah kerugian ekonomi, namun metode berbasis CNN yang ada saat ini seringkali memiliki keterbatasan dalam melokalisasi area infeksi secara akurat. Penelitian ini mengusulkan sistem deteksi terintegrasi yang memanfaatkan algoritma YOLOv8 untuk deteksi objek secara real-time dan K-Means Clustering untuk segmentasi pasca-pemrosesan (post-processing). Model dilatih menggunakan arsitektur YOLOv8s pada dataset sebanyak 600 citra dengan pembagian data latih, validasi, dan uji sebesar 50:40:10. Hasil eksperimen menunjukkan bahwa model yang diusulkan mencapai nilai Mean Average Precision (mAP50-95) yang tinggi sebesar 0.891 pada data uji. Hasil ini menunjukkan konsistensi yang kuat dengan hasil validasi (0.894), yang mengindikasikan kemampuan generalisasi model yang baik tanpa mengalami overfitting. Waktu inferensi rata-rata tercatat sebesar 26.1 ms, yang menegaskan kelayakan model ini untuk aplikasi real-time. Selain itu, metode K-Means clustering terbukti efektif dalam melakukan segmentasi area terinfeksi di dalam bounding box, memberikan analisis visual yang lebih jelas terkait tingkat keparahan penyakit.
Klasifikasi Tingkat Kematangan Nanas Berdasarkan Citra Warna dengan Metode SVM Zulkhan Arbi Toyibun Abdillah; Adi Prihandono
Jurnal Transformatika Vol. 23 No. 2 (2026): January 2026
Publisher : Jurusan Teknologi Informasi Universitas Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26623/transformatika.v23i2.13235

Abstract

Penentuan kematangan nanas manual bersifat subjektif dan tidak konsisten. Penelitian ini bertujuan membangun sistem klasifikasi nanas (Matang, SetengahMatang, Mentah) yang objektif menggunakan Support Vector Machine (SVM) berbasis citra warna. Metode ini menggunakan 2044 citra augmentasi. Fitur warna mentah (30.000 fitur) diekstraksi dan direduksi menggunakan Principal Component Analysis (PCA) menjadi 51 komponen untuk mengatasi overfitting. Model SVM (RBF) dioptimalkan dengan GridSearchCV. Hasilnya, model SVM (RBF Tuned) terpilih mencapai akurasi 81.78% pada data uji, secara signifikan mengungguli KNN (75.79%). Model ini mencapai "Good Fit" dengan selisih overfit rendah (11.04%). Kesimpulannya, kombinasi SVM dan PCA valid dan efektif.   
Artificial Intelligence-Based Automatic Text Detection System Using Multi-Layer Pattern Recognition Kartika Imam Santoso; Santoso, Kartika; Edi Widodo; Theresia Widji Astuti
Jurnal Transformatika Vol. 23 No. 2 (2026): January 2026
Publisher : Jurusan Teknologi Informasi Universitas Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26623/transformatika.v23i2.13256

Abstract

The rapid advancement of generative AI models such as ChatGPT, Claude, and Gemini raises serious concerns about the authenticity of academic and professional documents. This study develops a detection system that uses a combination of linguistic, structural, and statistical pattern analysis to identify AI-generated text and classify the responsible AI model. The system analyzes more than 12 different parameters from uploaded documents (PDF, DOCX, TXT formats). The detection engine operates through seven analytical layers: signature detection, linguistic analysis, word pattern analysis, structural analysis, feature pattern analysis, vocabulary and grammar assessment, and AI fingerprinting. The scoring mechanism provides a general AI probability score (0-100%) and individual probability scores for 10 different AI models. In testing with 100 documents, the system achieved 76.8% accuracy in identifying AI-generated text and 87.3% accuracy in classifying the source AI model. Sentence entropy analysis, paragraph uniformity assessment, and distinctive linguistic markers proved most effective. This study demonstrates that multi-layer pattern recognition is a viable approach for detecting and classifying AI-generated text, with implications for academic integrity, content verification, and digital forensics.

Page 34 of 35 | Total Record : 344

 31   32   33   34   35 

Filter by Year

2004 2026


Reset
Filter By Issues
All Issue Vol. 23 No. 2 (2026): January 2026 Vol. 23 No. 1 (2025): July 2025 Vol. 22 No. 2 (2025): January 2025 Vol. 22 No. 1 (2024): July 2024 Vol. 21 No. 2 (2024): Januari 2024 Vol 21, No 1 (2023): July 2023 Vol. 20 No. 2 (2023): January 2023 Vol. 20 No. 1 (2022): July 2022 Vol. 19 No. 2 (2022): January 2022 Vol. 19 No. 1 (2021): July 2021 Vol. 18 No. 2 (2021): January, 2021 Vol. 18 No. 1 (2020): July 2020 Vol. 17 No. 2 (2020): January 2020 Vol 17, No 1 (2019): July 2019 Vol. 17 No. 1 (2019): July 2019 Vol 16, No 2 (2019): January 2019 Vol 16, No 1 (2018): July 2018 Vol 15, No 2 (2018): January 2018 Vol 15, No 1 (2017): July 2017 Vol 14, No 2 (2017): January 2017 Vol 14, No 1 (2016): July 2016 Vol 13, No 2 (2016): January 2016 Vol 13, No 2 (2016) Vol 13, No 1 (2015): July 2015 Vol 12, No 2 (2015): January 2015 Vol 12, No 1 (2014): July 2014 Vol 11, No 2 (2014): January 2014 Vol 11, No 1 (2013): July 2013 Vol 10, No 2 (2013): January 2013 Vol 10, No 1 (2012): July 2012 Vol 9, No 2 (2012): January 2012 Vol 9, No 1 (2011): July 2011 Vol 8, No 2 (2011): January 2011 Vol 8, No 2 (2011) Vol 8, No 1 (2010): July 2010 Vol 7, No 2 (2010): January 2010 Vol 7, No 1 (2009): July 2009 Vol 6, No 2 (2009): January 2009 Vol 6, No 2 (2009) Vol 6, No 1 (2008): July 2008 Vol 5, No 2 (2008): January 2008 Vol 5, No 1 (2007): July 2007 Vol 4, No 2 (2007): January 2007 Vol 4, No 1 (2006): July 2006 Vol 2, No 2 (2005): January 2005 Vol 2, No 1 (2004): July 2004 Vol 1, No 2 (2004): January 2004 Vol 2, No 1 (2004) More Issue