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 3,230 Documents
 303   304   305   306   307 
EVALUASI PENERIMAAN PENGGUNA PADA WEBSITE PROFIL DAN PPDB ONLINE YAYASAN AR-RAJWAA MENGGUNAKAN USER ACCEPTANCE TESTING M.Andra Yoga; M.Farman Andrijasa; M. Zainul Rohman
Jurnal Informatika dan Teknik Elektro Terapan Vol. 14 No. 3 (2026)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v14i3.10316

Abstract

Perkembangan teknologi informasi mendorong lembaga pendidikan untuk memanfaatkan website sebagai media informasi dan layanan digital. Yayasan Pendidikan Islam Ar-Rajwaa Samarinda telah mengembangkan website profil yang terintegrasi dengan fitur Penerimaan Peserta Didik Baru (PPDB) online untuk meningkatkan efektivitas penyebaran informasi kepada masyarakat. Penelitian ini bertujuan mengevaluasi tingkat penerimaan pengguna terhadap website yang telah dikembangkan menggunakan metode User Acceptance Testing (UAT). Pengembangan sistem dilakukan menggunakan metode Waterfall yang meliputi analisis kebutuhan, perancangan, implementasi, pengujian, dan pemeliharaan. Evaluasi dilakukan terhadap 25 responden dengan tiga aspek penilaian, yaitu tampilan antarmuka, kualitas informasi, dan fungsi sistem. Hasil pengujian menunjukkan tingkat penerimaan pengguna sebesar 91% pada aspek tampilan antarmuka, 90% pada aspek kualitas informasi, dan 92% pada aspek fungsi sistem. Seluruh hasil berada pada kategori sangat baik berdasarkan skala Likert. Hasil penelitian menunjukkan bahwa website yang dikembangkan dapat diterima dengan sangat baik oleh pengguna serta mampu mendukung penyebaran informasi dan layanan PPDB secara efektif.
PENERAPAN METODE SEMI SUPERVISED DEEP EMBEDDED CLUSTERING PADA KLASTERISASI CITRA BENDA ARKEOLOGI DI SULAWESI TENGGARA UNTUK MENDUKUNG DIGITALISASI KOLEKSI ARKEOLOGI Sriraya Kuru
Jurnal Informatika dan Teknik Elektro Terapan Vol. 14 No. 3 (2026)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v14i3.10318

Abstract

Benda arkeologi di Museum Sulawesi Tenggara berjumlah lebih dari 4.666 koleksi dengan keragaman bentuk, fungsi, dan karakteristik visual yang tinggi. Proses kategorisasi yang selama ini dilakukan secara manual oleh kurator memiliki keterbatasan konsistensi dan efisiensi, khususnya ketika volume koleksi terus bertambah. Penelitian ini bertujuan merancang dan mengimplementasikan sistem klasterisasi citra benda arkeologi berbasis Semi-supervised Deep Embedded Clustering (SDEC) dengan fine-tuning EfficientNetV2B2 sebagai ekstraktor fitur. Dataset terdiri dari 593 citra yang dibagi ke dalam 10 kategori koleksi museum, dengan skema semi-supervised menggunakan 50% data berlabel dan 50% data tidak berlabel. Metode yang diterapkan meliputi preprocessing citra, fine-tuning dua fase EfficientNetV2B2, pembentukan head embedding berdimensi 256, inisialisasi centroid berbasis class-mean, serta optimasi klaster menggunakan KL Divergence dan Sparse Categorical Cross-Entropy (SCCE) sebagai joint loss. Hasil evaluasi menunjukkan Acc All sebesar 86,17%, Acc Labeled sebesar 90,91%, Acc UnLabeled sebesar 81,42%, dan Silhouette Score sebesar 0,1421, dengan peningkatan akurasi data tidak berlabel sebesar 41,89% dibandingkan baseline classifier EfficientNetV2B2. Visualisasi t-SNE mengonfirmasi bahwa sebagian besar kategori membentuk kelompok yang cukup terpisah di ruang embedding. Sistem diimplementasikan dalam antarmuka berbasis Streamlit sebagai alat bantu digitalisasi koleksi arkeologi di Sulawesi Tenggara.
PELABELAN SEMI-OTOMATIS BERBASIS INSET LEXICON DAN TARGET-ORIENTED PADA ANALISIS SENTIMEN ISU VASEKTOMI PADA MEDIA SOSIAL X Nabila Putri Asy Syifa; Chaerur Rozikin; Agung Susilo Yuda Irawan
Jurnal Informatika dan Teknik Elektro Terapan Vol. 14 No. 3 (2026)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v14i3.10332

Abstract

Analisis sentimen pada media sosial umumnya memanfaatkan pelabelan otomatis berbasis lexicon, namun pendekatan tersebut masih memiliki keterbatasan dalam memahami konteks opini yang mengandung sarkasme, bahasa informal, code-mixing, dan istilah domain spesifik. Penelitian ini mengusulkan pendekatan pelabelan semi-otomatis yang mengombinasikan Indonesia Sentiment Lexicon (InSet) dan Target-Oriented pada analisis sentimen isu vasektomi di media sosial X (Twitter). Dataset terdiri atas 3.024 opini, dengan 354 data dianotasi secara manual sebagai ground truth dan 2.670 data lainnya dilabeli secara otomatis menggunakan InSet. Selanjutnya dilakukan text preprocessing, ekstraksi fitur TF-IDF, penyeimbangan kelas menggunakan SMOTE, serta klasifikasi menggunakan Support Vector Machine (SVM) dengan kernel Linear, RBF, Polynomial, dan Sigmoid pada tiga skenario pembagian data. Hasil pengujian menunjukkan bahwa kernel Linear pada skenario 70:30 memberikan performa terbaik dengan Balanced Accuracy 74,09%, Macro Average Precision 73,32%, Macro Average Recall 74,09%, dan Macro Average F1-Score 73,64%. Hasil penelitian menunjukkan bahwa pendekatan pelabelan semi-otomatis mampu menghasilkan dataset berlabel yang lebih efektif untuk mendukung klasifikasi sentimen pada isu vasektomi di media sosial X.
RANCANG BANGUN SISTEM INFORMASI KEHADIRAN DAN CUTI KARYAWAN DENGAN FITUR GEOFENCING (STUDI KASUS: RA SEMUT BOJONGGEDE) Zharifah Dzikra Purnomo
Jurnal Informatika dan Teknik Elektro Terapan Vol. 14 No. 3 (2026)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v14i3.10342

Abstract

Pengelolaan data kehadiran karyawan merupakan aspek penting dalam manajemen sumber daya manusia. Raudhatul Athfal (RA) Semut merupakan salah satu lembaga pendidikan yang masih mengadopsi metode pencatatan kehadiran dan cuti secara manual sehingga rentan terhadap manipulasi data, ketidakefisienan waktu, dan risiko kehilangan data. Penelitian ini bertujuan mengembangkan sistem informasi presensi dan cuti berbasis web yang terintegrasi dengan teknologi geofencing untuk meningkatkan akurasi dan transparansi data. Geofencing diimplementasikan menggunakan rumus Haversine untuk mengalkulasi jarak antara lokasi pengguna dan titik koordinat yang telah ditentukan, sehingga presensi hanya dapat dilakukan dalam area tertentu. Sistem dikembangkan menggunakan metode Extreme Programming (XP) dengan framework Laravel dan basis data MySQL, serta dilengkapi fitur presensi berbasis lokasi, pengajuan izin dan cuti, pengelolaan data pengguna, dan ekspor laporan serta rekapitulasi kehadiran. Selain itu, sistem juga menyediakan fitur otomatisasi status kehadiran untuk mendukung pencatatan yang lebih akurat. Temuan pengujian metode Black Box Testing menunjukkan seluruh fungsi sistem berjalan sesuai kebutuhan. Penelitian menghasilkan sistem yang dapat meningkatkan efisiensi, akurasi, dan transparansi dalam pengelolaan data kehadiran dan cuti karyawan di RA Semut.
ANALISIS SENTIMEN ULASAN PENGGUNA APLIKASI KROM BANK DIGITAL MENGGUNAKAN NAÏVE BAYES, LOGISTIC REGRESSION, DAN SUPPORT VECTOR MACHINE Aldi Wahdana; Nurdin Nurdin; Muhammad Sayuti
Jurnal Informatika dan Teknik Elektro Terapan Vol. 14 No. 3 (2026)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v14i3.10354

Abstract

Perkembangan teknologi informasi mendorong meningkatnya penggunaan aplikasi perbankan digital yang menghasilkan banyak ulasan pengguna pada Google Play Store. Ulasan tersebut penting untuk evaluasi layanan, namun jumlahnya yang besar menyulitkan analisis manual sehingga diperlukan pendekatan text mining otomatis. Penelitian ini bertujuan menganalisis sentimen ulasan pengguna aplikasi Krom Bank Digital serta membandingkan kinerja algoritma Naive Bayes, Logistic Regression, dan Support Vector Machine (SVM). Dataset yang digunakan berjumlah 11.718 ulasan, dan setelah proses pelabelan serta penghapusan data netral diperoleh 11.463 data. Tahapan penelitian meliputi preprocessing teks, ekstraksi fitur menggunakan TF-IDF, dan proses klasifikasi. Hasil penelitian menunjukkan bahwa SVM memberikan performa terbaik dengan akurasi 95,60% dan cross validation 95,21%, dibandingkan dua algoritma lainnya. Dengan demikian, SVM menjadi model paling optimal dalam klasifikasi sentimen. Penelitian ini diharapkan dapat membantu pengembang aplikasi dalam meningkatkan kualitas layanan serta memberikan gambaran mengenai opini pengguna melalui analisis data ulasan berbasis machine learning.
ALGORITMA RANDOM FOREST UNTUK KLASIFIKASI PENENTUAN LEVEL BELAJAR SISWA BARU DI NEW CONCEPT ENGLISH EDUCATION CENTRE Atha Zainum Muttaqin Muttaqin
Jurnal Informatika dan Teknik Elektro Terapan Vol. 14 No. 3 (2026)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v14i3.10363

Abstract

The student learning level placement process at New Concept English Education Centre is still conducted manually through interviews and teacher observations, which may lead to subjectivity in class placement. This study aims to implement the Random Forest algorithm to classify the learning levels of new students and integrate it into a web-based decision support system. The study employed 1,522 student records consisting of age, school grade, placement test scores, and learning level labels. The research stages included data preprocessing, categorical data encoding, an 80:20 train–test split, Random Forest model training, evaluation using a confusion matrix and classification report, and implementation of the trained model into a web-based application. The evaluation results indicate that the Random Forest model achieved an accuracy of 85.57% in classifying student learning levels. The developed system supports a more consistent, objective, and efficient learning level placement process, thereby assisting teachers in determining appropriate class placement for new students.
ANALISIS PENGARUH TRAFFIC DAN ENGAGEMENT TOKO TERHADAP TOTAL PENJUALAN DENGAN MENGGUNAKAN REGRESI LINEAR BERGANDA Robbyatul Adawiyyah
Jurnal Informatika dan Teknik Elektro Terapan Vol. 14 No. 3 (2026)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v14i3.10366

Abstract

Abstrak. Penelitian ini bertujuan mengevaluasi pembersihan data dengan metodologi SEMMA dan menerapkan algoritma Regresi Linear Berganda untuk memprediksi total penjualan berdasarkan Traffic (Total Pengunjung) dan Engagement (Produk Diklik) di Toko Linazenshop pada platform Shopee. Masalah utama penelitian ini adalah belum adanya analisis berbasis data operasional yang secara empiris menjelaskan hubungan dan tingkat akurasi prediksi kedua indikator tersebut terhadap performa UMKM. Pada tahapan Modify SEMMA, transformasi Logaritma Natural LN(x+1) berhasil mereduksi efek data pencilan (outlier) serta menstabilkan distribusi data yang awalnya condong ke kanan (positive skewness). Hasil uji kelayakan model secara simultan (Uji F) menunjukkan Traffic dan Engagement berpengaruh positif dan signifikan terhadap Total Penjualan Fhitung 1606,504 > Ftabel 3,009 sig. 0,000 dengan nilai Adjusted R Square sebesar 82,7%. Secara parsial (Uji t), hanya variabel Engagement yang berpengaruh signifikan Thitung 16,681 > Ttabel 1,8635, menjadikannya faktor paling dominan. Evaluasi model prediktif menghasilkan nilai MSE sebesar 18,476, RMSE 4,298 unit, dan MAPE 36,042% yang masuk kategori Cukup Baik (Reasonable Forecasting). Pemilik toko disarankan fokus mengoptimalkan daya tarik visual dan fitur interaktif demi meningkatkan Engagement konsumen.
ANALISIS BIBLIOMETRIK PENELITIAN SMART PARKING SYSTEM BERBASIS INTERNET OF THINGS DALAM MENDUKUNG SUSTAINABLE TRANSPORT Rahma Safira
Jurnal Informatika dan Teknik Elektro Terapan Vol. 14 No. 3 (2026)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v14i3.10367

Abstract

The rapid growth of urbanization has increased the demand for intelligent parking solutions to support sustainable transportation and smart city development. This study aims to analyze global research trends, collaboration patterns, and emerging themes related to Internet of Things (IoT)-based Smart Parking Management Systems through a bibliometric approach. Bibliographic data were collected from an international scientific database and analyzed using VOSviewer to visualize publication trends, co-authorship networks, institutional collaborations, country contributions, and keyword co-occurrence. The findings indicate a significant increase in publications over recent years. This reflects growing academic interest in IoT-enabled parking technologies. China, the United States, and India emerged as the leading contributors. Strong international collaborations were identified among major universities and research institutions. Keyword mapping reveals that IoT, smart parking, artificial intelligence, cloud computing, and smart cities are closely interconnected with sustainable transportation research. The results demonstrate that IoT-based smart parking management has evolved into a multidisciplinary research domain that integrates sensing technologies, data analytics, and intelligent transportation systems. This bibliometric analysis provides valuable insights into current research directions and highlights opportunities for future studies aimed at developing efficient, intelligent, and sustainable urban parking solutions.
MULTITASK LEARNING UNTUK ANALISIS LUKA BAKAR MENGGUNAKAN U-NET, EFFICIENTNETB4, DAN VISION TRANSFORMER Ayu Lutfiah; Nirmala; Jeni Fajarwati; Adha Mashur Sajiah
Jurnal Informatika dan Teknik Elektro Terapan Vol. 14 No. 3 (2026)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v14i3.10369

Abstract

Luka bakar merupakan cedera serius yang dapat mengancam jiwa dan memerlukan penanganan cepat sesuai tingkat keparahannya. Keterbatasan tenaga medis terlatih di daerah terpencil mendorong pengembangan sistem diagnosis otomatis berbasis kecerdasan buatan. Penelitian ini mengembangkan sistem analisis luka bakar berbasis deep learning dengan pendekatan MultiTask Learning (MTL) yang mampu melakukan segmentasi area luka, klasifikasi derajat keparahan (I, II, dan III), serta estimasi rasio area luka secara bersamaan dalam satu model. Tiga arsitektur dibandingkan, yaitu U-Net, EfficientNetB4, dan Vision Transformer (ViT), menggunakan 1.846 citra luka bakar dari Roboflow dan Kaggle. Dataset dibagi menjadi data latih, validasi, dan uji dengan rasio 80:10:10 menggunakan stratified sampling. Hasil menunjukkan bahwa U-Net memberikan performa segmentasi terbaik dengan nilai Dice 0,6773 dan IoU 0,5121. EfficientNetB4 mencapai akurasi klasifikasi tertinggi sebesar 77,30%, sedangkan Vision Transformer (ViT) unggul pada estimasi rasio area luka dengan MAE 0,0819 dan R² 0,5107. Temuan ini menunjukkan bahwa tidak ada satu arsitektur yang unggul pada semua tugas, sehingga pemilihan model perlu disesuaikan dengan prioritas klinis. Sistem ini berpotensi mendukung diagnosis luka bakar di fasilitas kesehatan dengan sumber daya terbatas.
Pengembangan Sistem E-voting Berbasis Web (Studi Kasus: Pemira Fasilkom Unsika) Anugrah Damaris Hakim; Yuyun Umaidah; Susilawati Sobur
Jurnal Informatika dan Teknik Elektro Terapan Vol. 14 No. 3 (2026)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v14i3.10371

Abstract

Abstrak. Pemilihan Umum Raya (Pemira) Fasilkom Unsika menghadapi permasalahan sistemik berupa ketidakkonsistenan metode, mulai dari kegagalan validasi pemilih otomatis pada sistem e-voting sewaan (2022) hingga penurunan drastis partisipasi menjadi hanya 76 suara pada sistem luring (2023-2024). Guna memenuhi amanat Undang-Undang PEMIRA 2025, penelitian ini mengembangkan sistem "Web E-Vote" mandiri berarsitektur serverless dan edge computing. Sistem dibangun menggunakan Cloudflare Workers, Hono, Cloudflare D1, dan Vue.js, yang dilengkapi fitur Two-Factor Authentication (2FA) via email institusi, kewajiban swafoto, E-Receipt kriptografis, dan Immutable Audit Logs. Pengembangan dilakukan menggunakan metode Waterfall. Hasil pengujian menunjukkan 100% path coverage pada White Box Testing, status 'Valid' pada seluruh skenario Black Box Testing, dan tingkat kelayakan 92,01% pada User Acceptance Test (UAT) berbasis TAM. Evaluasi kinerja di lingkungan produksi nyata membuktikan keandalan sistem dengan keberhasilan 100% dari 53.374 permintaan, rata-rata latensi 65,72 ms, 0 kasus double voting, dan efisiensi biaya infrastruktur 100%. Sistem ini terbukti tangguh dan layak diimplementasikan sebagai kerangka standar demokrasi digital kampus yang transparan.   Abstract. The General Student Election (Pemira) at Fasilkom Unsika faces systemic issues, from automated voter validation failures in a rented e-voting system (2022) to a drastic participation drop to 76 votes in the offline system (2023-2024). To fulfill the 2025 PEMIRA Law mandate, this study develops an independent "Web E-Vote" system using serverless architecture and edge computing. The system is built with Cloudflare Workers, Hono, Cloudflare D1, and Vue.js, featuring Two-Factor Authentication (2FA) via institutional email, mandatory selfies, cryptographic E-Receipts, and Immutable Audit Logs. Development utilized the Waterfall method. Testing results demonstrated 100% path coverage in White Box Testing, 'Valid' status across all Black Box Testing features, and a 92.01% feasibility score in a TAM-based User Acceptance Test (UAT). Performance evaluation in an actual production environment proved system reliability with a 100% success rate across 53,374 requests, 65.72 ms average latency, zero double voting cases, and 100% infrastructure cost efficiency. This system is proven robust and highly feasible as a standard framework for transparent campus digital democracy.

Page 305 of 323 | Total Record : 3230

 303   304   305   306   307 

Filter by Year

2013 2026


Reset
Filter By Issues
All Issue Vol. 14 No. 3 (2026) Vol. 14 No. 2 (2026) Vol. 14 No. 1 (2026) 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