cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Ir. Gigih Forda Nama, S.T., M.T.I., IPM.
Contact Email
gigih@eng.unila.ac.id
Phone
+6285289774152
Journal Mail Official
jitet@eng.unila.ac.id
Editorial Address
Jl. Prof. Soemantri Brojonegoro No. 1 Bandar Lampung 35145
Location
Kota bandar lampung,
Lampung
INDONESIA
Jurnal Informatika dan Teknik Elektro Terapan
Published by Universitas Lampung
ISSN : 23030577     EISSN : 28307062     DOI : DOI: 10.23960/jitet
Core Subject : Science,
Computer Science & IT
Jurnal Informatika dan Teknik Elektro Terapan (JITET) merupakan jurnal nasional yang dikelola oleh Jurusan Teknik Elektro Fakultas Teknik (FT), Universitas Lampung (Unila), sejak tahun 2013. JITET memuat artikel hasil-hasil penelitian di bidang Informatika dan Teknik Elektro. JITET berkomitmen untuk menjadi jurnal nasional terbaik dengan mempublikasikan artikel berbahasa Indonesia yang berkualitas dan menjadi rujukan utama para peneliti.
Arjuna Subject : Ilmu Komputer (semua kategori) - Jaringan Komputer dan Komunikasi
Articles 219 Documents
 18   19   20   21   22 
Search results for , issue "Vol. 13 No. 3S1 (2025)" : 219 Documents clear
PERBANDINGAN ALGORITMA K-MEANS DAN K-MEDOIDS DALAM PENGELOMPOKAN PROVINSI DI INDONESIA BERDASARKAN INDIKATOR KEADAAN SEKOLAH DASAR I Putu Arya Vidyananta; Kadek Teguh Dermawan
Jurnal Informatika dan Teknik Elektro Terapan Vol. 13 No. 3S1 (2025)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v13i3S1.8145

Abstract

This study is motivated by the inequality of primary education quality in Indonesia, reflected in disparities in the number of schools, teachers, students, and facilities across provinces. Data-driven analysis is needed to map these conditions so the government can design more targeted policies. This research applies clustering by comparing K-Means and K-Medoids algorithms using primary school data from the Ministry of Primary and Secondary Education portal. The study follows the CRISP-DM framework, including problem understanding, data preparation, modeling, and evaluation. The optimal cluster number was determined using the Elbow method and Silhouette Score. Results show that K-Means with two clusters achieved the best performance with a Silhouette Score of 0.7069, higher than K-Medoids at 0.6702. The first cluster represents most provinces with smaller education scales, while the second cluster includes larger provinces with significantly more schools, students, and teachers. These findings suggest that K-Means is more suitable for mapping primary education conditions in Indonesia and may support evidence-based policies for educational equity.
HYBRID SENTIMENT ANALYSIS OF MAXIM APP USERS USING SUPPORT VECTOR MACHINE AND LEXICON-BASED APPROACH Syahrul, Elfitrin; Fatharani, Dalila
Jurnal Informatika dan Teknik Elektro Terapan Vol. 13 No. 3S1 (2025)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v13i3S1.8148

Abstract

Online transportation applications such as Maxim have rapidly grown alongside technological advancements. These platforms accumulate large volumes of user reviews on sources like the Google Play Store, providing valuable insights into user perceptions. However, the unstructured nature of textual data makes systematic analysis difficult. This study proposes a sentiment classification model to categorize Maxim user reviews into positive and negative sentiments, excluding neutral responses. The method integrates a lexicon-based approach using the InSet Lexicon with a Support Vector Machine (SVM) classifier. Preprocessing steps included text cleaning, case folding, normalization, tokenization, stopword removal, and stemming. Feature extraction was conducted using Term Frequency–Inverse Document Frequency (TF-IDF), followed by sentiment classification with SVM. Evaluation using a confusion matrix achieved an accuracy of 96.07%. For negative sentiment, the model obtained a precision of 79%, recall of 83%, and F1-score of 81%; for positive sentiment, precision was 89%, recall 98%, and F1-score 93%. These results indicate that integrating lexical resources with machine learning provides an effective solution for sentiment analysis of user-generated reviews.
ANALISIS SENTIMEN ULASAN PELECEHAN DI MEDIA SOSIAL TIKTOK MENGGUNAKAN SVM DAN PENGELOMPOKAN POLA KEJADIAN DENGAN K-MEANS CLUSTERING Oktaviyanti, Ayu
Jurnal Informatika dan Teknik Elektro Terapan Vol. 13 No. 3S1 (2025)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v13i3S1.8149

Abstract

Abstrak. Kekerasan seksual merupakan isu sosial kompleks dengan sebaran yang tidak merata di Indonesia. Penelitian ini bertujuan untuk memetakan pola kasus kekerasan seksual per provinsi menggunakan algoritma K-Means Clustering serta menganalisis sentimen masyarakat terhadap isu pelecehan seksual melalui komentar di media sosial TikTok dengan metode Support Vector Machine (SVM). Data kasus diperoleh dari statistik provinsi, sedangkan komentar dikumpulkan melalui proses scraping, kemudian dipraolah dan diberi label sentimen. Hasil menunjukkan bahwa K-Means berhasil mengelompokkan provinsi ke dalam tiga kategori, yaitu Aman, Sedang, dan Rawan. Model SVM untuk klasifikasi sentimen menghasilkan akurasi 90%, dengan distribusi 7,8% negatif, 10,8% positif, dan 81,4% netral. Model juga mampu mendeteksi sentimen negatif dengan precision 0,83 dan recall 0,65. Temuan ini menunjukkan bahwa gabungan K-Means dan SVM efektif dalam mendukung pemetaan wilayah rawan kekerasan serta memahami persepsi publik berbasis data. Penelitian ini memberikan kontribusi terhadap pemanfaatan data mining sebagai alat pendukung pengambilan keputusan pada isu kekerasan seksual.
PERBANDINGAN ALGORITMA RANDOM FOREST DAN NAÏVE BAYES DALAM MENGANALISIS SENTIMEN ULASAN PADA PRODUK SKINCARE LOKAL DI MEDIA SOSIAL TIKTOK Putri Widya Sari; Firmansyah; Abdul Rahman Kadafi
Jurnal Informatika dan Teknik Elektro Terapan Vol. 13 No. 3S1 (2025)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v13i3S1.8150

Abstract

Penelitian ini bertujuan untuk menganalisis sentimen ulasan konsumen terhadap produk skincare lokal yang dibagikan di media sosial, khususnya tiktok, dengan menggunakan algoritma random forest dan naïve bayes. Penelitian ini fokus pada pengklasifikasian sentimen konsumen menjadi kategori positif dan negatif untuk memberikan wawasan tentang preferensi konsumen. Data dikumpulkan melalui web scraping menggunakan skrip python dan diproses dengan teknik pre-processing standar seperti case folding,tokenisasi, penghapusan stopword, dan stemming. hasil analisis menunjukkan bahwa random forest mengungguli naïve bayes dalam hal akurasi, presisi, recall, dan f1-score. Temuan ini mengindikasikan bahwa random forest lebih efektif dalam menangani dataset yang kompleks dengan banyak fitur, sementara naïve bayes lebih cepat tetapi mungkin kesulitan dengan interaksi fitur yang lebih rumit. Selain itu, distribusi sentimen menunjukkan dominasi sentimen negatif yang sedikit lebih tinggi, menyoroti area yang perlu diperbaiki dalam produk skincare lokal. Penelitian ini memberikan wawasan yang berguna bagi konsumen dan produsen, membantu konsumen membuat keputusan pembelian yang lebih tepat dan membantu produsen dalam mengoptimalkan strategi pemasaran mereka.
PENGEMBANGAN SISTEM KEAMANAN DATA BERBASIS WEB MENGGUNAKAN KOMBINASI ALGORITMA CHACHA20-POLY1305 DAN ARGON2 Jehian, Neysa Talitha; Kiswanto, Dedy; Fitra, Muhammad Rizki Andrian; Evanthe, Hansel Valent
Jurnal Informatika dan Teknik Elektro Terapan Vol. 13 No. 3S1 (2025)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v13i3S1.8151

Abstract

Penelitian ini bertujuan untuk mengembangkan aplikasi web Brankas File yang mampu melakukan proses enkripsi dan dekripsi file secara lokal menggunakan algoritma ChaCha20–Poly1305 dan Argon2/PBKDF2. Sistem dikembangkan dengan pendekatan client-side encryption, di mana seluruh proses kriptografi dijalankan di sisi pengguna tanpa keterlibatan server, guna menjaga kerahasiaan data berdasarkan konsep zero-knowledge encryption. Metode pengembangan yang digunakan adalah prototyping, sedangkan pengujian dilakukan menggunakan black-box testing untuk memastikan fungsi sistem berjalan sesuai kebutuhan. Hasil pengujian menunjukkan bahwa seluruh fitur utama, termasuk proses enkripsi, dekripsi, pembangkitan salt, serta validasi kekuatan kata sandi, berfungsi dengan baik dengan tingkat keberhasilan 100%. Waktu rata-rata proses dekripsi tercatat sekitar tiga detik, yang menunjukkan efisiensi pemrosesan di sisi klien. Perubahan ukuran file terenkripsi masih berada dalam batas wajar akibat penambahan metadata, nonce, dan authentication tag yang diperlukan untuk menjaga integritas data. Kombinasi ChaCha20–Poly1305 dan Argon2 terbukti efektif dalam menjaga keamanan dan ketahanan terhadap serangan brute-force. Selain itu, penerapan fitur password strength indicator dan lockout system membantu meningkatkan keamanan serta kenyamanan pengguna. Hasil penelitian ini menunjukkan bahwa Brankas File memiliki potensi besar sebagai solusi keamanan data berbasis web yang aman, efisien, dan mudah digunakan.
PEMETAAN DAN KLASIFIKASI WILAYAH RAWAN GEMPA DI INDONESIA DENGAN METODE K-MEANS DAN LIGHTGBM Yudhi Selvina
Jurnal Informatika dan Teknik Elektro Terapan Vol. 13 No. 3S1 (2025)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v13i3S1.8152

Abstract

Penelitian ini bertujuan untuk memetakan dan mengklasifikasikan wilayah rawan gempa di Indonesia dengan memanfaatkan algoritma K-Means dan LightGBM. Data historis gempa diperoleh dari Badan Meteorologi, Klimatologi, dan Geofisika (BMKG) sebagai dasar analisis. Algoritma K-Means digunakan untuk mengelompokkan wilayah berdasarkan parameter magnitudo dan kedalaman gempa, sedangkan LightGBM diterapkan untuk mengklasifikasikan gempa ke dalam kategori magnitudo tertentu. Hasil pengujian menunjukkan bahwa K-Means mampu mengelompokkan wilayah dengan baik dengan nilai Silhouette Score rata-rata mencapai 1.00, yang menandakan pemisahan cluster yang optimal. Sementara itu, model LightGBM memperoleh akurasi 95% dalam klasifikasi gempa, meskipun ditemukan kendala pada pengenalan gempa dengan magnitudo tinggi. Temuan ini menegaskan bahwa kombinasi metode K-Means dan LightGBM efektif dalam pemetaan serta klasifikasi gempa di Indonesia. Penelitian ini diharapkan dapat memberikan kontribusi bagi penyusunan peta rawan gempa yang lebih akurat, sehingga bermanfaat dalam upaya mitigasi bencana dan pengambilan keputusan kebijakan kebencanaan di masa mendatang.
PERANCANGAN SISTEM KONTROL DAN MONITORING DETEKSI TINGKAT KEMATANGAN BUAH PISANG MENGGUNAKAN ARDUINO UNO M Fathan Sugih Bagja, Fathan
Jurnal Informatika dan Teknik Elektro Terapan Vol. 13 No. 3S1 (2025)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v13i3S1.8154

Abstract

Perancangan ini memiliki tujuan untuk memproses dan memantau klasifikasi tingkat kematangan buah pisang menggunakan mikrokontroler Arduino UNO. Buah pisang dipilih sebagai objek penelitian karena memiliki beberapa tingkat kematangan. Sistem ini dirancang untuk mengklasifikasi tingkat kematangan buah pisang berdasarkan warna kulit pisang. Selain itu buah yang telah terklasifikasi akan terhitung jumlahnya. Sistem kontrol ini menggunakan sensor warna untuk mendeteksi warna pada buah pisang dan sensor inframerah untuk menghitung setiap tingkat klasifikasi kematangan buah pisang. Data dari sensor-sensor tersebut akan dikirimkan ke mikrokontroler Arduino UNO dan ditampilkan pada LCD. Dalam prosesnya mini conveyor akan menyalurkan dari awal masuk buah pisang, terklasifikasi oleh sensor warna, diseleksi oleh motor servo, dan dihitung oleh sensor inframerah. Penelitian ini memberikan kontribusi dalam bidang pertanian utamanya pertanian buah pisang dalam penyeleksian buah hasil panen. Sistem ini dapat memisahkan setiap tingkatan kematangan buah pisang yang telah ditentukan. Hasil dari penelitian ini diharapkan dapat membantu para ahli dan pekerja dalam bidang pertanian dalam merancang sistem yang lebih besar dan aktual untuk pengaplikasian di dunia pertanian secara lebih efisien dan efektif
PERANCANGAN DAN PEMODELAN SISTEM KEPATUHAN CERDAS UMKM BERBASIS GENERATIVE AI-OCR DENGAN PENDEKATAN DESIGN THINKING DAN UCD Satriani, Luh Putu Dian; Putra, I Nyoman Tri Anindia
Jurnal Informatika dan Teknik Elektro Terapan Vol. 13 No. 3S1 (2025)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v13i3S1.8160

Abstract

Rendahnya legalitas di kalangan Usaha Mikro, Kecil, dan Menengah (UMKM) menjadi penghalang signifikan yang menghambat akses mereka terhadap pembiayaan resmi, peluang tender, dan peningkatan daya saing. Penelitian ini berfokus pada perancangan dan pemodelan proses kerja sistem integrasi antara OCR dan Chatbot AI melalui aplikasi LawMate, bertujuan untuk mengatasi permasalahan rendahnya legalitas UMKM diakibatkan oleh prosedur verifikasi dokumen yang kompleks. Dengan menggunakan pendekatan Design Thinking dan User-Centered Design (UCD), penelitian ini berhasil menciptakan alur kerja legalitas yang sepenuhnya otomatis (BPMN), dilengkapi dengan Arsitektur Modular yang memastikan kinerja yang stabil. Inovasi utama dari penelitian ini adalah penggabungan Generative AI-Assisted OCR untuk otomatisasi dalam verifikasi dan ekstraksi data cerdas dari dokumen legal yang tidak terstruktur, serta Chatbot AI yang berfungsi sebagai panduan hukum secara langsung. Hasil dari perancangan ini menjadikan LawMate sebagai Sistem Kepatuhan Cerdas yang memiliki antarmuka intuitif dan tingkat kegunaan yang tinggi. Kontribusi penting ini diharapkan dapat menjadi pendorong bagi transformasi UMKM informal menjadi lebih formal, dan disarankan untuk divalidasi lebih lanjut melalui evaluasi empiris dengan menggunakan SUS dan TAM.
ALAT PENDETEKSI GERAK JATUH BEBAS PADA BENDA MENGGUNAKAN MIKROKONTROLER ARDUINO UNO DAN SENSOR INFRAMERAH Maulana, Reymen; Ryansyah, Eddy; Susilawati, Susilawati
Jurnal Informatika dan Teknik Elektro Terapan Vol. 13 No. 3S1 (2025)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v13i3S1.8161

Abstract

Gerak jatuh bebas merupakan salah satu konsep dasar dalam fisika yang menggambarkan pergerakan benda yang jatuh dari ketinggian tertentu tanpa kecepatan awal dan hanya dipengaruhi oleh gaya gravitasi. Namun dalam praktiknya, pengamatan dan pengukuran terhadap gerak ini masih banyak mengandalkan metode manual yang rentan terhadap kesalahan manusia. Penelitian ini bertujuan untuk merancang dan mengimplementasikan alat pendeteksi gerak jatuh bebas menggunakan mikrokontroler Arduino Uno dan sensor inframerah, yang mampu mengukur waktu jatuh, kecepatan, dan percepatan gravitasi secara otomatis. Metode yang digunakan adalah eksperimen dengan pendekatan rancang bangun alat, yang memanfaatkan dua sensor inframerah untuk mendeteksi posisi awal dan akhir benda jatuh. Hasil percobaan menunjukkan bahwa alat dapat mencatat waktu jatuh dan menghitung kecepatan serta percepatan gravitasi dari dua jenis benda yang dijatuhkan dari ketinggian tetap. Kesimpulan dari penelitian ini adalah bahwa alat yang dikembangkan mampu menjadi media edukatif dan alternatif praktikum fisika, dengan potensi untuk dikembangkan lebih lanjut dalam bidang pendidikan dan penelitian dasar.
IMPLEMENTASI MACHINE LEARNING UNTUK DETEKSI PENYAKIT PADA KUCING MENGGUNAKAN RANDOM FOREST Maulana Ichsan
Jurnal Informatika dan Teknik Elektro Terapan Vol. 13 No. 3S1 (2025)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v13i3S1.8164

Abstract

Kesehatan kucing merupakan prioritas bagi pemilik hewan peliharaan, namun kurangnya pengetahuan seringkali menjadi kendala dalam deteksi dini penyakit. Keterlambatan diagnosis dapat menyebabkan komplikasi serius dan penanganan yang lebih sulit. Penelitian ini bertujuan untuk mengimplementasikan algoritma machine learning Random Forest guna membangun sistem deteksi penyakit pada kucing berdasarkan gejala klinis, serta memberikan rekomendasi perawatan awal. Metode penelitian meliputi pengumpulan data, pra-pemrosesan dengan CountVectorizer dan LabelEncoder, pemodelan menggunakan Random Forest, dan implementasi ke dalam prototipe aplikasi command-line bernama "Valary Care". Dataset yang digunakan terdiri dari 100 rekam medis yang mencakup 5 jenis penyakit dan 35 gejala unik, yang dibagi menjadi 80% data latih dan 20% data uji. Hasil pengujian model menunjukkan performa yang sangat baik dengan tingkat akurasi 90%, presisi rata-rata 91%, recall rata-rata 89%, dan F1-Score rata-rata 89%. Tingkat akurasi yang tinggi ini membuktikan bahwa model Random Forest efektif dan dapat diandalkan sebagai alat bantu diagnosis awal penyakit pada kucing, sehingga dapat membantu pemilik dalam mengambil langkah penanganan yang lebih cepat dan tepat.

Page 21 of 22 | Total Record : 219

 18   19   20   21   22 

Filter by Year

2025 2025


Reset
Filter By Issues
All Issue Vol. 13 No. 3S1 (2025) Vol. 13 No. 3 (2025) Vol 13, No 2 (2025) Vol. 13 No. 2 (2025) Vol. 13 No. 1 (2025) Vol 13, No 1 (2025) Vol 12, No 3S1 (2024) Vol. 12 No. 3S1 (2024) Vol. 12 No. 3 (2024) Vol 12, No 3 (2024) Vol 12, No 2 (2024) Vol. 12 No. 2 (2024) Vol. 12 No. 1 (2024) Vol 12, No 1 (2024) Vol 11, No 3s1 (2023) Vol. 11 No. 3s1 (2023) Vol. 11 No. 3 (2023) Vol 11, No 3 (2023) Vol 11, No 2 (2023) Vol. 11 No. 2 (2023) Vol 11, No 1 (2023) Vol. 11 No. 1 (2023) Vol 10, No 3 (2022) Vol. 10 No. 3 (2022) Vol 10, No 2 (2022) Vol 10, No 1 (2022) Vol 9, No 3 (2021) Vol 9, No 2 (2021) Vol 9, No 1 (2021) Vol 8, No 1 (2020) Vol 7, No 1 (2019) Vol 6, No 1 (2018) Vol 5, No 1 (2017) Vol 4, No 3 (2016) Vol 4, No 2 (2016) Vol 4, No 1 (2016) Vol 3, No 3 (2015) Vol 3, No 2 (2015) Vol 3, No 1 (2015) Vol 2, No 3 (2014) Vol 2, No 2 (2014) Vol 2, No 1 (2014) Vol 1, No 3 (2013) Vol 1, No 2 (2013) Vol 1, No 1 (2013) More Issue