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 365 Documents
 23   24   25   26   27 
Design Thinking and Cognitive Walkthrough for Website User Experience Improvement Umaroh, Sofia; Fitrianti, Nur; Rahayu, Astri; Ramadhan Putra, Kurnia
Jurnal Nasional Teknologi dan Sistem Informasi Vol 10 No 3 (2024): Desember 2024
Publisher : Departemen Sistem Informasi, Fakultas Teknologi Informasi, Universitas Andalas

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25077/TEKNOSI.v10i3.2024.174-181

Abstract

Desa Linggar located in the Rancaekek sub-district, Bandung Regency has implemented a website that functions as a medium of public information needed by the Desa Linggar community. In implementing the website, its user interface (UI) and user experience (UX) should accordance with the user's needs. However, the use of the Desa Linggar website is still not effective, especially in disseminating information to the Desa Linggar community because the UI/UX of the website is still less attractive. Thus, this study evaluates and improves the UI/UX on the Desa Linggar website using the design thinking method, cognitive walkthrough to test the prototype, UEQ (User experience Questionnaire) with the target respondent before repairing 45 respondents and the target after repairing 6 respondents and adopting the gestalt principle to design improvement method according to user psychology. The results of the research on the Desa Linggar website obtained a learning ability value of 90%, effectiveness of 0.10 or 10%, and efficiency of 0.02 with users completing 2% of each given task and evaluating the user experience of improvement using the UEQ questionnaire with an average value of scale. efficiency 2,583, stimulation 2,458, attractiveness 2,306, perspicuity 2,250, Dependability 2,125, and novelty 1,833 with “excellent” rate intervals.
Optimizing Higher Education Performance Through Data Integration Using the Zachman Framework: A Case Study on LAM Infokom Accreditation Criteria Jahir, Abdul; Wahid, Arif Mu'amar; Sufranto, Tri Titis
Jurnal Nasional Teknologi dan Sistem Informasi Vol 10 No 3 (2024): Desember 2024
Publisher : Departemen Sistem Informasi, Fakultas Teknologi Informasi, Universitas Andalas

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25077/TEKNOSI.v10i3.2024.201-215

Abstract

This study explores the application of the Zachman Framework to enhance data integration in higher education, specifically targeting the LAM Infokom accreditation criteria. The research addresses the challenges faced by educational institutions in managing fragmented data systems, which hinder their ability to meet comprehensive accreditation standards. Utilizing a multi-phase methodology, the research incorporates a literature review, case analysis, and prototype development to develop a cohesive data integration model aligned with accreditation requirements. The Zachman Framework provides a structured approach to system integration, covering perspectives such as data types, processes, storage locations, personnel, timelines, and objectives. The proposed integration strategy emphasizes the use of Application Programming Interfaces (APIs), middleware solutions, and a centralized data warehouse to unify disparate data sources. These integration methods facilitate seamless data exchange across academic, financial, and administrative systems, promoting data consistency and accessibility. Additionally, a phased implementation plan is recommended, outlining specific tasks, resource allocation, and monitoring measures to ensure systematic system improvement. Key performance indicators and evaluation metrics are established to monitor the effectiveness of the integrated system in meeting accreditation requirements. The study highlights the importance of a robust data governance framework and the role of stakeholder engagement in overcoming technical and resource-related challenges. Ultimately, this research contributes a practical data integration blueprint for higher education institutions, offering a replicable model for achieving and maintaining accreditation compliance through structured data management and governance practices.
Penerapan Deep Learning dengan Mekanisme Attention untuk Meningkatkan Performa Segmentasi Liver dan Tumor pada Citra CT Menggunakan ResUnet Eka Putra, Zaky Dafalas; Utomo, Danang Wahyu
Jurnal Nasional Teknologi dan Sistem Informasi Vol 10 No 3 (2024): Desember 2024
Publisher : Departemen Sistem Informasi, Fakultas Teknologi Informasi, Universitas Andalas

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25077/TEKNOSI.v10i3.2024.231-239

Abstract

Kanker hati merupakan salah satu penyebab kematian paling tinggi di dunia. Dalam mendeteksi kelainan pada hati perlu dilakukan segmentasi untuk mengambil bagian dari hati yang mengalami gangguan. Namun, metode segmentasi manual memakan waktu dan rawan kesalahan. Selain itu, metode tradisional juga sering kali kesulitan menangani variasi bentuk, ukuran, dan tekstur tumor, serta kualitas citra yang heterogen, sehingga mengurangi akurasi segmentasi. Oleh karena itu, penelitian ini mengusulkan penerapan model segmentasi menggunakan mekanisme Attention ResUnet, yang menggabungkan arsitektur residual dan konvolusi berbasis skip connection, ditingkatkan dengan attention untuk meningkatkan akurasi deteksi tumor. ResUnet dirancang untuk meningkatkan akurasi dan stabilitas segmentasi tumor dengan mengatasi masalah vanishing gradient dan meningkatkan kemampuan deteksi fitur kompleks. Dataset citra CT yang digunakan dalam penelitian ini dipra-pemroses melalui windowing untuk fokus pada rentang intensitas organ hati dan menghilangkan organ yang tidak penting. Hasil penelitian menunjukkan bahwa model Residual Unet dengan mekanisme Attention mampu meningkatkan performa segmentasi gambar CT hati dan tumor secara signifikan, mencapai akurasi 99.54% dan nilai Dice sebesar 95% pada segmentasi liver, serta akurasi 99.5% dan nilai Dice sebesar 90% pada segmentasi tumor. Penambahan modul Residual dan Attention secara efektif membantu model menangkap fitur yang relevan, khususnya dalam menangani lesi kompleks dan batas kabur, yang sering menjadi tantangan dalam segmentasi citra medis.
Optimasi RoBERTa dengan Hyperparameter Tuning untuk Deteksi Emosi berbasis Teks Pusung, Elvanro Marthen; Dewi, Ika Novita
Jurnal Nasional Teknologi dan Sistem Informasi Vol 10 No 3 (2024): Desember 2024
Publisher : Departemen Sistem Informasi, Fakultas Teknologi Informasi, Universitas Andalas

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25077/TEKNOSI.v10i3.2024.240-248

Abstract

Deteksi emosi berbasis teks menjadi salah satu topik utama pembahasan dalam pemrosesan bahasa alami. Hal ini dapat disebabkan karena adanya peningkatan jumlah data yang dihasilkan dari interaksi digital, seperti media sosial dan aplikasi pesan instan. Deteksi emosi bertujuan untuk mengenali dan menganalisis respons emosional individu dalam situasi tertentu, dengan penerapan di berbagai bidang seperti interaksi manusia dengan komputer, analisis sentimen, dan layanan kesehatan mental. Penelitian ini bertujuan untuk meningkatkan performa deteksi emosi berbasis teks Bahasa Indonesia menggunakan model RoBERTa. RoBERTa merupakan salah satu varian dari model BERT (Bidirectional Encoder Representations from Transformers) yang telah dioptimalkan untuk pemrosesan bahasa alami dengan mempertimbangkan konteks linguistik secara lebih mendalam. Implementasi RoBERTa dalam deteksi emosi akan dioptimalkan melalui hyperparameter tuning seperti Grid Search, Randomized Search, dan Bayesian Optimization untuk memperoleh kombinasi nilai learning rate, batch size, dan epoch yang optimal, dengan tujuan meningkatkan akurasi dan kemampuan model dalam mendeteksi emosi secara konsisten. Deteksi emosi menggunakana dataset yang terdiri dari 7080 data tweet publik dengan enam kategori emosi, yaitu anger, fear, joy, love, sad, dan neutral. Hasil eksperimen menunjukkan bahwa metode Bayesian Optimization memberikan kombinasi hyperparameter yang optimal dan meningkatkan performa deteksi emosi pada teks berbahasa Indonesia dengan hasil akurasi sebesar  83,64% dan nilai precision, recall dan F1-score secara berutur-turut adalah 83,75%, 83,64%, dan 83,58%.
Uji Kualitas Website Admin Travel Booking Menggunakan Halstead’s Metric dan Equivalence Partitioning Syifa, Fauziah Nur; Anzali Nabil, Trisana Nurul; Arifin, Derrel Hendi; Sidik, Rangga
Jurnal Nasional Teknologi dan Sistem Informasi Vol 11 No 1 (2025): April 2025
Publisher : Departemen Sistem Informasi, Fakultas Teknologi Informasi, Universitas Andalas

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25077/TEKNOSI.v11i01.2025.67-72

Abstract

Tripease is a travel booking admin website designed to enable admins with management roles for train tickets, hotel tickets, and user data. Blackbox testing ensures the software meets the set requirements and specifications and detects functional and performance errors. Whitebox testing is done to check the software's logical path by examining the software's logical structure and detecting errors, such as logical errors and script understanding errors. This research discusses testing the travel booking admin website using two methods: Halstead's Metric and Equivalence Partitions. This research aims to determine the success rate of features and predict the appearance of bugs on the website. White box testing with Halstead's Metric shows that the add train feature has the highest prediction of bugs (45.7%), while the add user feature is the lowest (13.4%). The average prediction of the occurrence of bugs in all features is 25.59%. Black box testing with Equivalence Partitions shows that the add user and edit user features have a low success rate because they do not succeed in the input validity test item. The add train and login features have a 100% success rate. Based on the test results, it is recommended that the code be refactored and the input validity of each feature improved.
ABizLSM: Kerangka Migrasi Sistem Lawas Genting Arsitektur Monolitik ke Microservices untuk Perusahaan Startup dengan Dinamika Bisnis Tinggi Susanto, Michael; Hilman, Muhammad Hafizhuddin
Jurnal Nasional Teknologi dan Sistem Informasi Vol 11 No 1 (2025): April 2025
Publisher : Departemen Sistem Informasi, Fakultas Teknologi Informasi, Universitas Andalas

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25077/TEKNOSI.v11i01.2025.27-36

Abstract

Proses rekayasa ulang migrasi sistem monolitik lama ke sistem berbasis microservices sering kali penting bagi kelangsungan bisnis. Pada ruang lingkup perusahaan startup, dinamika perubahan bisnis cenderung lebih gesit dan cepat, yang membuat sistem sering kali tidak terawat dan terdokumentasi dengan baik. Di sisi lain, pengembang ditantang untuk memperbarui sistem lama dengan perubahan bisnis perusahaan startup yang dinamis dari waktu ke waktu. Banyak studi telah mengusulkan proses migrasi sistem monolitik lama. Namun, penelitian umumnya terfokus pada perusahaan korporat, yang sering tidak mempertimbangkan proses migrasi dalam lingkungan bisnis perusahaan startup yang gesit. Dengan demikian, penelitian ini membahas masalah tersebut dan mengusulkan kerangka kerja Agile Business Legacy System Migration (ABizLSM) yang berasal dari prinsip-prinsip Domain-Driven Design (DDD) dengan fokus pada migrasi sistem monolitik lama di perusahaan startup. Penelitian ini menggunakan metode penelitian campuran dengan melakukan wawancara dan mengevaluasi sistem yang dimigrasikan dengan membandingkan latensi dengan sistem lama. Hasil penelitian menunjukkan bahwa kerangka kerja ABizLSM telah berhasil memigrasikan sistem monolitik lama dalam perusahaan startup yang gesit, sehingga memberikan kemudahan pemeliharaan dan skalabilitas yang lebih baik serta meningkatkan kualitas sistem secara keseluruhan. Selain itu, tidak ada penurunan kinerja pada sistem yang telah dimigrasikan, sehingga kerangka kerja ABizLSM berhasil memigrasikan sistem monolitik lawas genting.
Implementasi K-Means Clustering Melalui Pemanfaatan Sampling Kombinasi Pada Pengelompokan Pola Kesehatan Mental Mahasiswa Sains dan Teknologi Sari, Firda; Kuntari, Maharani; Yati, Winda; Khaulasari, Hani; Hafiyusholeh, Moh.
Jurnal Nasional Teknologi dan Sistem Informasi Vol 11 No 1 (2025): April 2025
Publisher : Departemen Sistem Informasi, Fakultas Teknologi Informasi, Universitas Andalas

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25077/TEKNOSI.v11i01.2025.9-16

Abstract

Kesehatan mental merupakan aspek kesehatan penting selain kesehatan fisik. Mahasiswa merupakan individu yang berada pada usia remaja akhir sampai dewasa awal yang pada masa ini akan mengalami tekanan secara emosional karena masalah-masalah sosial, akademik, dan personal. Perlu diadakan pengecekan dini pada kesehatan mental mahasiswa seperti asesmen psikologi yang dilakukan untuk pencegahan gangguan mental yang dihadapi mahasiswa sehingga dapat mengurangi angka bunuh diri. Tujuan dari penelitian ini adalah untuk mendapatkan kelompok pola kesehatan mental mahasiswa untuk diidentifikasi pola dan tren dengan algoritma K-Means clustering dan dievaluasi dengan silhouette coefficient untuk memastikan keakuratan dan validitas dari hasil clustering. Data penelitian diperoleh dari pengisian angket mengenai kondisi kesejahteraan psikologis  dan tekanan psikologis  yang maing-masingnya terdiri dari 5 pertanyaan. Penelitian ini memperoleh hasil setelah dikelompokkan menjadi 3 cluster yaitu tertekan (C1), netral/stabil (C2), dan bahagia (C3), pada mahasiswa sistem informasi tidak ada cluster yang dominan karena di setiap cluster memiliki jumlah data yang sama, mahasiswa arsitektur dan matematika dominan mahasiswa yang memiliki kesehatan mental yang tertekan, mahasiswa biologi dominan mahasiswanya memiliki kesehatan mental yang netral. Berdasarkan 4 program studi hasil evaluasi cluster pada program studi system informasi dan matematika memiliki struktur yang lemah, sedangkan pada program studi arsitektur dan biologi memiliki struktur yang sedang.
Pengembangan Korpus Bahasa Minang pada Spell Error Corpus for Minang Language (SPEML) Soyusiawaty, Dewi; Fadlil, Abdul; Sunardi, Sunardi
Jurnal Nasional Teknologi dan Sistem Informasi Vol 11 No 1 (2025): April 2025
Publisher : Departemen Sistem Informasi, Fakultas Teknologi Informasi, Universitas Andalas

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25077/TEKNOSI.v11i01.2025.17-26

Abstract

Bahasa Minang merupakan bahasa daerah kelima dengan jumlah penutur terbanyak di Indonesia, namun minim sumber daya linguistik dan teknologi pemrosesan bahasa alami yang mendukung. Keterbatasan ini menyulitkan pengembangan aplikasi seperti mesin penerjemah dan pemeriksa ejaan otomatis. Saat ini hanya tersedia korpus kesalahan ejaan dalam Bahasa Indonesia dengan kesalahan hanya satu karakter pada setiap token. Korpus belum mencakup kesalahan penulisan kata serapan. Selain itu belum ada korpus khusus yang dikembangkan untuk kesalahan ejaan dalam bahasa daerah di Indonesia, termasuk Bahasa Minang. Penelitian ini bertujuan mengembangkan korpus kesalahan ejaan Bahasa Minang, yang dinamakan Spell Error Corpus for Minang Language (SPEML). SPEML mencakup kesalahan ejaan sampai dengan tiga karakter dan kesalahan penulisan kata serapan. Pengembangan SPEML melibatkan proses pengumpulan data korpus Bahasa Minang, data kata serapan yang sering digunakan, serta pembentukan korpus kesalahan ejaan. Kesalahan ejaan dibentuk dengan mengacak token secara sistematis pada satu karakter, dua karakter, hingga tiga karakter, disesuaikan dengan panjang token. Hasil penelitian ini berupa SPEML yang mampu mengklasifikasikan tujuh jenis kesalahan ejaan, yaitu: penyisipan karakter, penghapusan karakter, pindah posisi karakter, penggantian karakter, kesalahan tanda baca, kesalahan kata nyata, dan kesalahan penulisan kata serapan. Pengembangan SPEML menjadi langkah awal dalam mendukung pengembangan teknologi pemrosesan bahasa alami untuk bahasa daerah, khususnya Bahasa Minang.
Analisis Sentimen Algoritma Naïve Bayes, Support Vector Machine, dan Random Forest Pada Ulasan Aplikasi Ajaib Kurniawan, Nanda Dwi; Ferdian, Praditya Rendi; Hidayati, Nurtriana
Jurnal Nasional Teknologi dan Sistem Informasi Vol 11 No 1 (2025): April 2025
Publisher : Departemen Sistem Informasi, Fakultas Teknologi Informasi, Universitas Andalas

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25077/TEKNOSI.v11i1.2025.87-97

Abstract

Penelitian ini bertujuan untuk menganalisis sentimen pada ulasan pengguna aplikasi Ajaib di Google Play Store menggunakan tiga algoritma machine learning: Naive Bayes, Support Vector Machine (SVM), dan Random Forest. Data ulasan sebanyak 2.000 dikumpulkan melalui web scraping menggunakan library google-play-scraper dan diproses melalui tahap normalisasi, case folding, pembersihan, tokenisasi, dan penghilangan stopwords. Data dibagi menjadi 80% data latih dan 20% data uji dengan label sentimen diatas 3 (positif), 3 (netral), dan dibawah 3 (negatif). Hasil menunjukkan Random Forest unggul secara keseluruhan dengan recall 95% dan F1-score 91%, sementara SVM mencatatkan akurasi tertinggi 91%, dan Naive Bayes kompetitif dengan presisi 91%. Berdasarkan evaluasi terhadap keempat metrik utama, Random Forest direkomendasikan untuk analisis sentimen ulasan aplikasi Ajaib karena kemampuannya yang konsisten dalam mengidentifikasi ulasan positif. Penelitian ini memberikan panduan efektif dalam memilih algoritma machine learning untuk analisis sentimen di platform aplikasi mobile.
Analisis Trend Penelitian Penggunaan Algoritma Penjadwalan serta Faktor yang Mempengaruhinya: Analisis Bibliometrik R dan Pemetaan VOSviewer Al Husaeni, Dwi Novia; Kusnendar, Jajang
Jurnal Nasional Teknologi dan Sistem Informasi Vol 11 No 1 (2025): April 2025
Publisher : Departemen Sistem Informasi, Fakultas Teknologi Informasi, Universitas Andalas

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25077/TEKNOSI.v11i01.2025.57-66

Abstract

Scheduling is one method used to avoid problems with the operating system. Scheduling has various algorithms including Round Robin, First in First out, and SJF. This research aims to analyze the literature review of scheduling algorithm research trends and the factors that influence them through R bibliometric mapping analysis on research that has been published in Scopus and Google Scholar indexed journals from 2019 to 2023. The method used in this research is R bibliometric analysis . Publish or perish is used as a search application and VOSviewer is used as a data mapping application. The results of the research show that the development of the number of research publications regarding Scheduling Algorithms indexed by Google Scholar from 2019 - 2023 has decreased quite significantly (383 (2019), 314 (2020), 195 (2021), 84 (2022), and 20 (2023). )). Meanwhile, based on the Scopus database, research developments regarding scheduling algorithms experienced fluctuations, namely decreasing in 2021 (200 articles) and increasing in 2022 (830 articles). In 2020 there was a significant decline. Based on the VOSviewer mapping results, it is known that the process scheduling algorithm that is widely used for research is the Round Robin (RR) algorithm which is in cluster 1, cluster 3, and cluster 7. The reason why the RR algorithm is in good condition. This request is because it is able to provide fairness in divides CPU processing time between running processes.

Page 25 of 37 | Total Record : 365

 23   24   25   26   27 

Filter by Year

2015 2025


Reset
Filter By Issues
All Issue 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