cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Fajril Akbar
Contact Email
ijab@fti.unand.ac.id
Phone
+627517770
Journal Mail Official
teknosi@fti.unand.ac.id
Editorial Address
Jurusan Sistem Informasi, Fakultas Teknologi Informasi Universitas Andalas Kampus Limau Manis, Padang 25163, Sumatera Barat
Location
Kota padang,
Sumatera barat
INDONESIA
Jurnas Nasional Teknologi dan Sistem Informasi
Published by Universitas Andalas
ISSN : 24768812     EISSN : 24603465     DOI : https://dx.doi.org/10.25077/TEKNOSI
Core Subject : Science,
Computer Science & IT Decision Sciences, Operations Research & Management
Jurnal ini menerbitkan artikel penelitian (research article), artikel telaah/studi literatur (review article/literature review), laporan kasus (case report) dan artikel konsep atau kebijakan (concept/policy article), di semua bidang : Geographical Information System, Enterpise Application, Bussiness Intelligence, Data Warehouse, Network Computer Security, Data Mining, Computer Architecture Design, Mobile Computing, Computing Theory, Embedded system, Decision Support System
Arjuna Subject : Ilmu Komputer (semua kategori) - Sistem Informasi
Articles 18 Documents
 1   2 
Search results for , issue "Vol 12 No 1 (2026): April 2026" : 18 Documents clear
Automatic Speech Recognition for Javanese Language using Wav2Vec 2.0 with Finetuning Setiawan, Johanes; Luthfiarta, Ardytha; Nugraha , Adhitya; Rismiyati, Rismiyati; Jessica Carmelita , Bastiaans,; Deny Novandian , Yohanes
Jurnal Nasional Teknologi dan Sistem Informasi Vol 12 No 1 (2026): April 2026
Publisher : Departemen Sistem Informasi, Fakultas Teknologi Informasi, Universitas Andalas

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25077/TEKNOSI.v12i1.2026.1-9

Abstract

Penelitian ini bertujuan untuk mengembangkan sistem pengenalan suara untuk bahasa Jawa dengan memanfaatkan model Wav2Vec 2.0 melalui proses finetuning. Bahasa Jawa, sebagai salah satu bahasa daerah dengan lebih dari 80 juta penutur, memiliki tantangan tersendiri dalam pengenalan suara akibat keterbatasan data dan kompleksitas linguistiknya. Penelitian ini menggunakan dataset audio yang diambil dari OpenSLR dan diterapkan pada dua varian model, yaitu wav2vec2-base dan wav2vec2-large, yang masing-masing memiliki jumlah parameter 94,4 juta dan 315 juta. Proses finetuning dilakukan untuk meningkatkan akurasi sistem dalam mengenali variasi suara bahasa Jawa. Evaluasi dilakukan menggunakan metrik Word Error Rate (WER) dan evaluation loss, dengan hasil akhir menunjukkan bahwa model wav2vec2-base memiliki WER sebesar 15,02% dan model wav2vec2-large sebesar 15,57%. Hasil ini menunjukkan efektivitas pendekatan finetuning dalam meningkatkan performa pengenalan suara bahasa Jawa.
Hybrid LexRank-LDA-MMR for Indonesian Text Summarization Muis, Nasrul Amin; Pristyanto, Yoga; Fajri, Ika Nur
Jurnal Nasional Teknologi dan Sistem Informasi Vol 12 No 1 (2026): April 2026
Publisher : Departemen Sistem Informasi, Fakultas Teknologi Informasi, Universitas Andalas

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25077/TEKNOSI.v12i1.2026.97-104

Abstract

The rapid growth of digital text information makes it crystal clear that there is a need for automated tools that summarize text for rapid retrieval. Extractive methods employed include LexRank, Latent Dirichlet Allocation (LDA), and Maximal Marginal Relevance (MMR), and the study aimed at enhancing the quality of Indonesian text summaries with more than just regular LexRank. In this study, the role of LexRank was to assist in selecting meaningful sentences with centricity to the center of the graphs, while the role of LDA was to ensure that the sentences were topically relevant. The strength of MMR is maintaining the document's relevance and diversity, which reduces redundancy in the summaries. Summaries from two publicly available datasets, IndoSum and Liputan6, containing texts in Bahasa Indonesia, were analyzed at 30% and 50% compression levels and graded using ROUGE (ROUGE-1, ROUGE-2, ROUGE-L F1 score) measurements. Analysis of 5000 articles per dataset showed that the implementation of LexRank and LDA together with MMR resulted in a greater average ROUGE score than when using standard LexRank, irrespective of the set compression levels and across both datasets, demonstrating the effectiveness of the approach to enhance summary quality. The improvements recorded are most significant in ROUGE-1 and ROUGE-2, which indicates that these combination approaches can produce more informative and relevant summaries while preserving sentence-level diversity, which deepens the understanding of the information presented in the summary.
A Web App for Acne Severity Identification with RGB Image Color Scheme Akbar, Fajril; Octa Wardana , Erick
Jurnal Nasional Teknologi dan Sistem Informasi Vol 12 No 1 (2026): April 2026
Publisher : Departemen Sistem Informasi, Fakultas Teknologi Informasi, Universitas Andalas

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25077/TEKNOSI.v12i1.2026.79-86

Abstract

One of the new challenges resulting from the advancement of Artificial Intelligence is the creation of artificially realistic media, including the generation of fake images known as deepfakes. The generation of increasingly realistic fake images is also carried out in various fields of life including health. Detection methods are constantly being updated to address the misuse of fake medical images. This research focuses on deepfake detection using real and fake lung CT scan datasets. The YOLOv11 model is tested incrementally to be able to detect both types of images. Two manipulation methods CT-GAN and stable diffusion (SD) are used to test the performance of the YOLOv11 model. The results showed that the YOLOv11 model tested using stable diffusion artificial image manipulation achieved 100% accuracy, precision, recall and f1-score. Meanwhile, CT-GAN image manipulation has problems in producing a perfect model in distinguishing real and fake lung cancer CT scan images. With further improvements and enhancements, YOLOv11 fine tuning results can be one of the options for deepfake medical image models that are relatively lightweight, fast, and accurate.
Evaluasi Model Deep Reinforcement Learning Untuk Adaptasi Konten Pembelajaran Berdasarkan Performa Siswa Abdul Aziz, Fahad; Helmi Setyawan, M. Yusril; Prianto, Cahyo
Jurnal Nasional Teknologi dan Sistem Informasi Vol 12 No 1 (2026): April 2026
Publisher : Departemen Sistem Informasi, Fakultas Teknologi Informasi, Universitas Andalas

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25077/TEKNOSI.v12i1.2026.105-112

Abstract

Transformasi digital dalam pendidikan telah mempercepat integrasi (Artificial Intelligence/AI), khususnya pada sistem pembelajaran adaptif. Sistem konvensional sering kali gagal menyesuaikan materi dengan performa dan kecepatan belajar individu. Untuk mengatasi hal ini, penelitian ini mengimplementasikan Deep Reinforcement Learning (DRL) guna membangun model rekomendasi konten adaptif berdasarkan riwayat interaksi dan hasil belajar siswa. Dua model agen Deep Q-Network (DQN) dan Double DQN (DDQN) dikembangkan dan dievaluasi dalam lingkungan belajar simulatif menggunakan dataset EdNet-KT1, yang berisi data interaksi siswa dalam skala besar. Pelatihan dilakukan melalui formulasi Markov Decision Process (MDP), dengan vektor keadaan yang mencakup metadata soal, akurasi jawaban, dan waktu pengerjaan. Evaluasi model menggunakan tiga metrik utama: reward per episode, generalisasi terhadap pengguna baru (unseen users), dan akurasi prediksi. Hasil menunjukkan bahwa DDQN memiliki performa lebih unggul dibandingkan DQN dalam hal stabilitas, kemampuan generalisasi, dan akurasi. Rata-rata reward yang diperoleh DDQN melebihi 14 dalam sebagian besar skenario, dengan akurasi prediksi mencapai 78%, sedangkan DQN hanya mencapai 74%. Analisis kurva pembelajaran juga menunjukkan bahwa DDQN mengalami konvergensi lebih cepat dengan fluktuasi yang lebih rendah. Evaluasi model menggunakan tiga metrik utama: reward per episode, generalisasi terhadap pengguna baru (unseen users), dan akurasi prediksi. Hasil menunjukkan bahwa DDQN memiliki performa lebih unggul dibandingkan DQN dalam hal stabilitas, kemampuan generalisasi, dan akurasi. Rata-rata reward yang diperoleh DDQN melebihi 14 dalam sebagian besar skenario, dengan akurasi prediksi mencapai 78%, sedangkan DQN hanya mencapai 74%. Analisis kurva pembelajaran juga menunjukkan bahwa DDQN mengalami konvergensi lebih cepat dengan fluktuasi yang lebih rendah
Penerapan AHP dan SAW dalam Menentukan Penerima Beasiswa pada International Talent Circulation (Intact) Base Rindri, Yang Agita; Agustin, Silvia; Armilia Prayesy , Putri
Jurnal Nasional Teknologi dan Sistem Informasi Vol 12 No 1 (2026): April 2026
Publisher : Departemen Sistem Informasi, Fakultas Teknologi Informasi, Universitas Andalas

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25077/TEKNOSI.v12i1.2026.10-17

Abstract

International Talent Circulation (Intact) Base merupakan lembaga yang memfasilitasi pertukaran dan mobilitas talenta internasional antara Taiwan dan negara-negara mitra. Salah satu program yang diselenggarakan oleh Intact Base adalah program beasiswa bagi mahasiswa-mahasiswa Indonesia untuk bekerja, kuliah, dan melakukan research di Taiwan. Akan tetapi, dalam memilih calon penerima beasiswa, Intact Base masih melakukan dengan sistem evaluasi tradisional yang belum transparan dan masih memungkinkan dipengaruhi oleh subjektivitas. Penelitian ini bertujuan untuk menerapkan Sistem Pendukung Keputusan dengan Metode AHP dan SAW pada pemilihan penerima beasiswa di Intact Base Kantor Perwakilan Bangka Belitung. Data penelitian diperoleh melalui wawancara dan observasi di kantor Intact Base. Dari hasil pengumpulan kebutuhan, didapatkan tiga kriteria yang digunakan dalam menentukan penerima beasiswa di Intact Base, yaitu English Proficiency Test (EPT), Indeks Prestasi Kumulatif (IPK), dan asal jurusan. Jumlah alternatif yang digunakan dalam penelitian ini sebanyak 8 orang mahasiswa. Hasil pemeringkatan alternatif terbaik dengan menggunakan SAW dan AHP menunjukkan hasil pemeringkatan yang sama di mana peringkat alternatif terbaik secara berurutan yang diperoleh dari perhitungan AHP dan SAW sama-sama diraih oleh mahasiswa 4, mahasiswa 8, dan mahasiswa 2.
Klasifikasi Kematangan Buah Nanas (Ananas comosus) Berdasarkan Data Hidung Elektronik Multisensor Menggunakan Algoritma Random Forest Lestari, Sri; Purnami, Tia; Fitrya, Neneng; Putra Wirman, Shabri
Jurnal Nasional Teknologi dan Sistem Informasi Vol 12 No 1 (2026): April 2026
Publisher : Departemen Sistem Informasi, Fakultas Teknologi Informasi, Universitas Andalas

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25077/TEKNOSI.v12i1.2026.35-44

Abstract

Indonesia merupakan salah satu produsen nanas terbesar di dunia, sehingga penentuan tingkat kematangan buah menjadi hal penting untuk menjaga mutu dan mendukung distribusi pascapanen. Penilaian kematangan secara tradisional yang mengandalkan pengamatan visual dan pengalaman petani sering kali bersifat subjektif dan kurang konsisten. Penelitian ini bertujuan untuk merancang dan mengimplementasikan sistem hidung elektronik multisensor berbasis sensor gas MQ untuk mendeteksi senyawa volatil yang dilepaskan buah nanas selama proses pematangan, serta mengevaluasi kinerja algoritma Random Forest dalam klasifikasi tingkat kematangan. Sistem terdiri atas chamber sampel dan chamber sensor yang dilengkapi lima sensor gas (MQ-2, MQ-3, MQ-4, MQ-5, dan MQ-135), modul ADS1115, serta mikrokontroler ESP32 untuk akuisisi data. Data hasil pengukuran diekstraksi menjadi beberapa parameter fitur sinyal, kemudian dibagi menjadi 70% data latih dan 30% data uji dari total 40 data sampel. Hasil penelitian menunjukkan bahwa sistem mampu mengklasifikasikan nanas ke dalam empat kategori kematangan (mentah, setengah matang, matang, dan terlalu matang) dengan akurasi sebesar 92%, di mana sensor MQ-135 memberikan kontribusi terbesar dalam proses klasifikasi. Temuan ini menunjukkan bahwa kombinasi hidung elektronik multisensor dan Random Forest dapat menjadi metode yang efektif, objektif, dan non-destruktif dalam menentukan tingkat kematangan buah nanas.
Pengembangan Modul Chart Builder, Compute Variable, dan Recode Variable pada Aplikasi Statify Pratama , Muhamad Iqbal Putra; Nurmawati, Erna
Jurnal Nasional Teknologi dan Sistem Informasi Vol 12 No 1 (2026): April 2026
Publisher : Departemen Sistem Informasi, Fakultas Teknologi Informasi, Universitas Andalas

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25077/TEKNOSI.v12i1.2026.87-96

Abstract

Politeknik Statistika STIS sebagai perguruan tinggi vokasi di bidang statistika terapan dan komputasi statistik membutuhkan alat bantu analisis statistik yang ekonomis, fleksibel, dan mudah digunakan. Selama ini, alat bantu analisis statistik yang ada memiliki kelebihan dan keterbatasannya masing-masing dalam penggunaannya di Polstat STIS. Untuk itu, dikembangkan aplikasi web bernama Statify yang menggabungkan kelebihan dari berbagai alat analisis yang ada serta dirancang spesifik untuk Penggunaan di Polstat STIS. Statify menyediakan berbagai modul analisis, beberapa diantaranya adalah modul Chart Builder untuk menjawab kebutuhan visualisasi data, Compute Variable untuk memfasilitasi pembentukan variabel baru, dan Recode Variable untuk mengkodekan ulang variabel. Aplikasi ini dibangun secara modular menggunakan pendekatan metode pengembangan Feature-Driven Development (FDD) dengan teknologi Client-Side Rendering (CSR) berbasis Next.js. Modul Chart Builder memanfaatkan pustaka D3.js dan Apache ECharts untuk visualisasi grafik, modul Compute Variable menggunakan math.js untuk komputasi matematis, sedangkan modul Recode dibuat secara native tanpa menggunakan pustaka tambahan dalam implementasinya. Dengan adanya Aplikasi Statify, diharapkan dapat menunjang perkuliahan dan penelitian di Polstat STIS secara lebih optimal dalam rangka mendukung pelaksanaan Tridharma Perguruan Tinggi
Pemetaan Topik dan Sentimen Pengguna Aplikasi JAKI untuk Mendukung Knowledge Discovery dalam Peningkatan Layanan Publik Asykar, Mahmud Ali; Saddam, Muhammad; Sensuse, Dana Indra; Lusa, Sofian; Safitri, Nadya; Elisabeth, Damayanti
Jurnal Nasional Teknologi dan Sistem Informasi Vol 12 No 1 (2026): April 2026
Publisher : Departemen Sistem Informasi, Fakultas Teknologi Informasi, Universitas Andalas

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25077/TEKNOSI.v12i1.2026.18-25

Abstract

Dalam era tata kelola digital, aplikasi mobile seperti JAKI (Jakarta Kini) memainkan peran penting dalam menyediakan layanan publik terintegrasi bagi masyarakat. Di sisi lain, Google Playstore menyimpan banyak ulasan pengguna yang mencerminkan pengalaman, preferensi, dan keluhan pengguna. Oleh karena itu, penelitian ini bertujuan untuk menganalisis umpan balik dari Google Playstore yang bertujuan untuk mengungkap tren sentimen dan topik pembahasan utama yang berkaitan dengan aplikasi JAKI. Dataset yang digunakan terdiri dari 3.895 ulasan pengguna yang telah melalui proses pembersihan data, kemudian diolah menggunakan kombinasi analisis sentimen dengan InSet Lexicon dan pemodelan topik menggunakan Latent Dirichlet Allocation (LDA). Hasil klasifikasi sentimen selanjutnya dievaluasi menggunakan algoritma Naive Bayes, dengan tingkat akurasi keseluruhan sebesar 65%. Hasil survei validasi pengguna menunjukkan bahwa sebagian besar topik yang dihasilkan sesuai dengan pengalaman nyata pengguna. Selain itu, rekomendasi perbaikan dirumuskan berdasarkan topik dengan sentimen netral dan negatif. Temuan ini berkontribusi pada pemahaman yang lebih baik mengenai persepsi pengguna, serta memberikan wawasan yang dapat ditindaklanjuti untuk mendukung pengembangan berkelanjutan layanan publik digital yang berorientasi pada warga Jakarta.
Penerapan Algoritma Variable Neighborhood Search untuk Optimasi Pemilihan Produk Skincare Purwiantono, Greta Septy; Utamima, Amalia
Jurnal Nasional Teknologi dan Sistem Informasi Vol 12 No 1 (2026): April 2026
Publisher : Departemen Sistem Informasi, Fakultas Teknologi Informasi, Universitas Andalas

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25077/TEKNOSI.v12i1.2026.26-34

Abstract

The growth of the skincare industry in Indonesia has driven the need for a product selection system that can help consumers choose product combinations that suit their skin type and budget. Previous studies generally use Multi-Criteria Decision Making (MCDM) and Machine Learning approaches that only focus on product ranking or match prediction without considering simultaneous multi-product optimization. This study proposes an optimization approach using the Variable Neighborhood Search (VNS) algorithm to determine combinations of four skincare product categories: facial wash, moisturizer, sunscreen, and serum based on skin type suitability and budget constraints. The dataset consists of 173 local skincare products obtained through web scraping from the Sociolla website, followed by data cleaning and extraction of skin type data from product descriptions. The performance of VNS is evaluated by comparing it to Random Search (RS) as a baseline, which is a random selection from a set of feasible solutions that suit skin type and do not exceed budget. In the testing and comparison, four scenarios were designed based on oily and dry skin types with budget variations of Rp150,000 to Rp350,000. Experimental results show that VNS consistently delivers superior performance compared to RS, characterized by a maximum SkinScore of 1, better budget efficiency, and a more stable composite score across all scenarios. Meanwhile, RS produces more variable solutions and is less precise in approaching the budget constraint. This study demonstrates that VNS is an effective and reliable approach for optimizing skincare product combination selection based on consumer needs and cost constraints.
Comparative Deep Learning Analysis: Unveiling the Power of LSTM, BiLSTM, GRU, and BiGRU for Agricultural Stock Price Forecasting on the Indonesian Stock Exchange Fadhlurrahman, Muhammad; Darmawan, Armin
Jurnal Nasional Teknologi dan Sistem Informasi Vol 12 No 1 (2026): April 2026
Publisher : Departemen Sistem Informasi, Fakultas Teknologi Informasi, Universitas Andalas

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25077/TEKNOSI.v12i1.2026.73-70

Abstract

This study aims to analyze the performance of deep learning algorithms in predicting agricultural sector stock prices on the Indonesia Stock Exchange (IDX) by comparing four models: Long Short-Term Memory (LSTM), Bidirectional LSTM (BiLSTM), Gated Recurrent Unit (GRU), and Bidirectional GRU (BiGRU). Daily historical data of six agricultural sector stock issuers (AALI, BISI, DSNG, LSIP, SIMP, SSMS) for the period 2017–2025 was used as the dataset. The research methods included data pre-processing (normalization, 80:20 training-test data split), model training with optimal hyperparameters (unit=512, dropout rate = 0.3, epoch = 50–150, learning rate = 0.0001), and evaluation using Root Mean Squared Error (RMSE), Mean Absolute Percentage Error (MAPE), R² Score , and computation time metrics. The results show that BiGRU is the most accurate model with the lowest RMSE (7.43–17.20) and the highest R² (0.99 on BISI and SSMS), thanks to the Bidirectional architecture that processes bidirectional data to capture complex temporal patterns. However, GRU is more efficient with a training time of 40–43 seconds, suitable for real-time applications . LSTM and BiLSTM have lower accuracy, especially on volatile stocks such as DSNG (RMSE LSTM = 130.51). This study provides practical recommendations: BiGRU for long-term investment strategies that prioritize accuracy, while GRU for quick decisions based on efficiency. Theoretical implications strengthen the effectiveness of the Bidirectional architecture in financial time series analysis

Page 1 of 2 | Total Record : 18

 1   2 

Filter by Year

2026 2026


Reset
Filter By Issues
All Issue Vol 12 No 1 (2026): April 2026 Vol 11 No 3 (2025): Desember 2025 Vol 11 No 2 (2025): Agustus 2025 Vol 11 No 1 (2025): April 2025 Vol 10 No 3 (2024): Desember 2024 Vol 10 No 2 (2024): Agustus 2024 Vol 10, No 2 (2024): Agustus 2024 Vol 10, No 1 (2024): April 2024 Vol 10 No 1 (2024): April 2024 Vol 9 No 3 (2023): Desember 2023 Vol 9, No 3 (2023): Desember 2023 Vol 9, No 2 (2023): Agustus 2023 Vol 9 No 2 (2023): Agustus 2023 Vol 9 No 1 (2023): April 2023 Vol 9, No 1 (2023): April 2023 Vol 8, No 3 (2022): Desember 2022 Vol 8 No 3 (2022): Desember 2022 Vol 8, No 2 (2022): Agustus 2022 Vol 8 No 2 (2022): Agustus 2022 Vol 8 No 1 (2022): April 2022 Vol 8, No 1 (2022): April 2022 Vol 7 No 3 (2021): Desember 2021 Vol 7, No 3 (2021): Desember 2021 Vol 7, No 2 (2021): Agustus 2021 Vol 7 No 2 (2021): Agustus 2021 Vol 7, No 1 (2021): April 2021 Vol 6, No 3 (2020): Desember 2020 Vol 6, No 2 (2020): Agustus 2020 Vol 6, No 1 (2020): April 2020 Vol 5, No 3 (2019): Desember 2019 Vol 5, No 2 (2019): Agustus 2019 Vol 5 No 1 (2019): April 2019 Vol 5, No 1 (2019): April 2019 Vol 4, No 3 (2018): Desember 2018 Vol 4, No 2 (2018): Agustus 2018 Vol 4, No 1 (2018): April 2018 Vol 3, No 3 (2017): Desember 2017 Vol 3, No 2 (2017): Agustus 2017 Vol 3, No 1 (2017): April 2017 Vol 2, No 3 (2016): Desember 2016 Vol 2, No 2 (2016): Agustus 2016 Vol 2, No 1 (2016): April 2016 Vol 1, No 1 (2015): Oktober 2015 More Issue