cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Ardi Mardiana
Contact Email
aim@unma.ac.id
Phone
+62233-8287177
Journal Mail Official
infotech@unma.ac.id
Editorial Address
https://ejournal.unma.ac.id/index.php/infotech/about/contact
Location
Kab. majalengka,
Jawa barat
INDONESIA
Infotech Journal
Published by Universitas Majalengka
ISSN : 24601861     EISSN : 26154250     DOI : -
Core Subject : Science,
Computer Science & IT
Infotech Journal is a Scientific Paper published by the Informatics Study Program of the Faculty of Engineering, Majalengka University. The areas of competence covered by Infotech are Information Systems, Programming, Networks, Robotics, Artificial Intelligence and Multimedia
Arjuna Subject : Ilmu Komputer (semua kategori) - Sistem Informasi
Articles 330 Documents
 29   30   31   32   33 
RANCANG BANGUN SISTEM POINT OF SALES LAUNDRY BERBASIS WEB MENGGUNAKAN METODE AGILE PADA RUMAH LAUNDRY I Gede Ngurah Wisnu Wardana; I Nyoman Yudi Anggara Wijaya; A.A. Gede Adi Mega Putra
INFOTECH journal Vol. 11 No. 2 (2025)
Publisher : Universitas Majalengka

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31949/infotech.v11i2.15975

Abstract

Usaha laundry merupakan salah satu bentuk usaha jasa yang memerlukan pencatatan transaksi secara cepat, akurat, dan efisien. Namun, banyak usaha laundry yang masih melakukan pencatatan secara manual sehingga berisiko terjadi kesalahan, kehilangan data, serta sulit dalam memantau kinerja usaha. Penelitian ini bertujuan untuk merancang dan membangun sistem informasi Point of Sale (POS) berbasis web yang dapat membantu proses transaksi, pengelolaan layanan, serta penyajian laporan usaha laundry secara otomatis dan real-time. Sistem dikembangkan menggunakan framework Laravel, Livewire, dan Tailwind CSS agar menghasilkan antarmuka yang interaktif dan responsif. Selain fitur transaksi, sistem ini juga dilengkapi dengan dashboard analitik berupa grafik pertumbuhan transaksi bulanan serta distribusi layanan laundry dalam bentuk pie chart. Pengujian sistem menunjukkan bahwa sistem mampu mempermudah proses operasional laundry, mempercepat transaksi, serta membantu pemilik usaha dalam pengambilan keputusan berdasarkan data. Dengan adanya sistem ini, diharapkan pengelolaan usaha laundry menjadi lebih terstruktur dan efisien.
PERFORMANCE ANALYSIS OF THE OPENDAYLIGHT SDN CONTROLLER ON TREE TOPOLOGY: THROUGHPUT, JITTER, AND PACKET LOSS Asruddin Asruddin; Ade Davy Wiranata
INFOTECH journal Vol. 11 No. 2 (2025)
Publisher : Universitas Majalengka

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31949/infotech.v11i2.16053

Abstract

Software Defined Networking (SDN) is a modern paradigm in computer network architecture that decouples the control plane from the data plane through centralized network management . This study employs Mininet as a network emulator and OpenDayLight as the controller , with the goal of evaluating Quality of Service (QoS) in an SDN environment using a tree (3,2) topology. The Mininet setup consists of 8 hosts, where the links are configured with a bandwidth of 10 Mbps and a delay of 2 ms. Earlier research only examined basic matrices and did not include further detailed analysis of TCP throughput, UDP throughput, jitter, packet loss, and bandwidth using mathematical methods. The average results obtained in this study are 8.79 Mbit/s for UDP throughput, 8.42 Mbit/s for TCP throughput, 4.12 ms for jitter, and 0.086% for packet loss. The main contribution of this work is: (1) establishing a standard matrix on the receiver side.
PENERAPAN ALGORITMA NAÏVE BAYES MENGGUNAKAN PYTHON UNTUK MENDETEKSI SMS SPAM DAN PROMO M Ramdani; Muhamad Rafi Hamdani; Ibnu Rizki Prayoga; Sri Budhi Lestari; Bimo Hakim Prabowo; Sigit Wibawa; Muhammad Muharrom
INFOTECH journal Vol. 11 No. 2 (2025)
Publisher : Universitas Majalengka

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31949/infotech.v11i2.16392

Abstract

Deteksi pesan spam pada layanan SMS merupakan hal penting untuk mencegah mulai dari hal kecil seperti gangguan waktu hingga sesuatu yang berbahaya seperti phishing, malware, atau penipuan. Penelitian ini menggunakan algoritma Naïve Bayes yang di implementasikan dengan menggunakan bahasa pemrograman Python sebagai metode klasifikasi untuk memprediksi apakah sebuah pesan SMS tergolong normal, spam, atau promo. Dataset yang digunakan diperoleh dari platform Kaggle dan akan dibagi menjadi dua, yaitu 80% data untuk proses pelatihan (training) dan 20% data untuk pengujian (testing). Nantinya, hasil dari pengujian data berupa Confusion Matrix, accuracy, precision, recall, dan f1-score dapat digunakan untuk mengestimasi sebarapa efektif model untuk mendeteksi SMS normal, spam, ataupun promo. Berdasarkan hasil pengujian, algoritma Naïve Bayes menunjukkan performa yang baik dengan tingkat akurasi mencapai 93% dalam menklasifikasikan SMS normal, spam, dan promo. Hasil ini menunjukkan bahwa metode Naïve Bayes efektif digunakan dalam mendeteksi pesan spam dan promo pada layanan SMS.
KOMPARASI AKURASI REGRESI LINEAR BERGANDA DAN DECISION TREE PREDIKSI HARGA MOTOR BEKAS BERBASIS WEBSITE Arya Putrana Kohan; Adhitya Pratama; Andika Satria Pratama; Tri Ramadhanti; Victor Parulian; Sigit Wibawa; Muhammad Muharrom
INFOTECH journal Vol. 11 No. 2 (2025)
Publisher : Universitas Majalengka

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31949/infotech.v11i2.16430

Abstract

Kendaraan roda dua kini menjadi kebutuhan utama bagi masyarakat Indonesia. Aktivitas jual beli motor, baik baru maupun bekas, sudah sangat umum dilakukan. Namun, masih banyak calon pembeli yang belum mengetahui kisaran harga dari tipe atau model motor yang ingin mereka beli maupun jual. Untuk membantu memperkirakan harga tersebut, dapat digunakan pendekatan Machine Learning (ML) dengan metode Supervised Learning, yang berfungsi melatih model menggunakan algoritma analisis statistik. Prediksi merupakan aspek penting dalam statistik, terutama dalam pengambilan keputusan. Penelitian ini bertujuan membandingkan performa dua algoritma machine learning, yaitu Regresi Linear Berganda dan Decision Tree Regressor, dalam memprediksi harga motor bekas. Data yang digunakan meliputi Model, Tahun, Transmisi, Odometer, Jenis, Pajak, Konsumsi BBM, Mesin, dan Harga. Dataset dibagi menjadi data pelatihan dan pengujian dengan perbandingan 80:20. Hasil penelitian menunjukkan bahwa algoritma Regresi Linear Berganda memiliki akurasi lebih tinggi dengan nilai R² sebesar 0.8755 dan RMSE lebih rendah sebesar 1328.09 dibandingkan Decision Tree yang memiliki R² sebesar 0.8422 dan RMSE 1495.23. Oleh karena itu, model Regresi Linear Berganda lebih efektif dalam menangani hubungan linear antar variabel saat memprediksi harga motor bekas, dengan hasil perbandingan divisualisasikan dalam bentuk heatmap dan prediksinya ditampilkan melalui website.
EKSPLORASI VISUAL AI GENERATIF: REPLIKASI GAYA FOTOGRAFI PERSONAL SEBAGAI REFERENSI KREATIF Tunjung Riyadi; Nurul Aqmarina Ardani
INFOTECH journal Vol. 11 No. 2 (2025)
Publisher : Universitas Majalengka

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31949/infotech.v11i2.16484

Abstract

Penelitian ini bertujuan untuk mengintegrasikan karya fotografi personal dengan teknologi AI generatif untuk menciptakan referensi visualisasi yang inovatif dan personal. Dengan menganalisis secara kritis berbagai gaya fotografi, penulis menggali potensi AI dalam menciptakan konsep dan gaya fotografi yang unik dan personal. Dengan menggunakan metode machine learning dan deep learning yang tersedia dalam aplikasi generative AI, penelitian ini membahas tentang pemanfaatan AI dalam meningkatkan kreativitas dan inovasi dalam fotografi, serta implikasinya terhadap paradigma ide kreatif dalam fotografi dan desain visual modern. Hasil penelitian ini menunjukkan bahwa AI dapat menjadi alat yang efektif dalam menciptakan karya fotografi yang berbeda dan menarik dengan sentuhan pribadi fotografer.
ANALYSIS OF MULTIVARIABLE RELATIONSHIP PATTERNS IN SYNTHETIC HEALTH DATA USING THE APRIORI ALGORITHM Azizah Harahap; Hengki Gunawan; Fadhlan Ihsan Lubis; Andika Syahdewa; ⁠Marsini Sibuea; Juang
INFOTECH journal Vol. 11 No. 2 (2025)
Publisher : Universitas Majalengka

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31949/infotech.v11i2.16585

Abstract

Abstrak Studi ini bertujuan untuk mengeksplorasi pola hubungan multivariabel dalam data layanan kesehatan sintetis menggunakan algoritma Apriori, sebuah teknik populer di bidang penambangan data. Dalam konteks sistem layanan kesehatan yang semakin berbasis data, mengidentifikasi hubungan yang bermakna di antara atribut pasien—seperti kondisi medis, kelompok usia, jenis rawat inap, dan kategori biaya rawat inap—sangat penting untuk mendukung pemberian layanan yang efisien. Dataset yang digunakan dalam studi ini menjalani beberapa tahap praproses, termasuk pembersihan data, kategorisasi usia dan biaya, serta pengodean one-hot fitur kategoris untuk memfasilitasi penambangan aturan asosiasi. Melalui implementasi algoritma Apriori, beberapa aturan asosiasi ditemukan, disertai dengan metrik utama seperti dukungan, kepercayaan diri, dan peningkatan. Pola penting termasuk hubungan antara rawat inap Diabetes dan UGD, serta antara pasien Usia Pertengahan dan biaya rawat inap Tinggi. Visualisasi, termasuk diagram batang dan grafik jaringan, digunakan untuk meningkatkan interpretabilitas dan menyajikan hubungan item secara lebih intuitif. Meskipun nilai lift yang dihasilkan berkisar antara 1,01 dan 1,03—menunjukkan korelasi yang relatif lemah—temuan ini tetap relevan untuk strategi segmentasi awal dan pengambilan keputusan berbasis data di rumah sakit atau klinik. Penelitian ini menunjukkan bahwa algoritma Apriori dapat mengekstrak secara efektif.
PERBANDINGAN ALGORITMA MACHINE LEARNING UNTUK SENTIMEN ULASAN APLIKASI JOBSTREET Fadhil Marzuqi; Yerico Purba; Thalut Syaputra; Waeisul Bismi; Ika Kurniawati; Riza Fahlapi
INFOTECH journal Vol. 11 No. 2 (2025)
Publisher : Universitas Majalengka

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31949/infotech.v11i2.16609

Abstract

ABSTRAK Analisis sentiment digunakan untuk mengidentifikasi opini pengguna terhadap aplikasi digital berdasarkan teks ulasan. JobStreet sebagai platform rekrutmen yang populer memiliki ribuan ulasan pada Google Play Store, sehingga sesuai untuk dianalisis menggunakan pendekatan machine learning. Penelitian ini membandingkan empat algoritma—Naïve Bayes, Support Vector Machine (SVM), Logistic Regression, dan Random Forest—untuk menentukan model terbaik dalam klasifikasi sentimen ulasan JobStreet. Sebanyak 5.000 ulasan dikumpulkan menggunakan google-play-scraper, kemudian diproses melalui preprocessing yang meliputi casefolding, tokenizing, stopword removal, normalisasi, dan stemming. Setelah pembersihan, 3.846 ulasan valid direpresentasikan menggunakan TF-IDF. Evaluasi dilakukan dengan skema train-test split 80:20 dan 5-Fold Cross Validation. Hasil menunjukan bahwa Naïve Bayes memperoleh akurasi tertinggi 85.19%, diikuti Logistic Regression 84.42%, Random Forest 82.60%, dan SVM 81.69%. hasil dalam memproses teks pendek. Penelitian ini memberikan Gambaran komprehensif mengenai model terbaik untuk menganalisis sentimen aplikasi rekrutmen digital berbasis ulasan pengguna.
PERANCANGAN ANTARMUKA SISTEM PENDUKUNG KEPUTUSAN MANAJEMEN RISIKO BAGI PETANI BAWANG MERAH DENGAN PENDEKATAN USER-CENTERED DESIGN Suhendri; Alfinur Fitra Wijaya.R; Faizal Anugrah Pratama; Muhamad Nur Ramdani
INFOTECH journal Vol. 11 No. 2 (2025)
Publisher : Universitas Majalengka

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31949/infotech.v11i2.16618

Abstract

Bawang merah merupakan komoditas pertanian penting yang memiliki peran strategis dalam mendukung perekonomian petani di Kabupaten Majalengka, namun budidayanya rentan terhadap risiko seperti hama, penyakit, dan perubahan cuaca ekstrem. Penelitian ini bertujuan untuk merancang antarmuka Sistem Pendukung Keputusan Manajemen Risiko Bawang Merah berbasis mobile dengan pendekatan User Centered Design (UCD) untuk menciptakan sistem yang sesuai dengan kebutuhan pengguna. Proses desain dilakukan melalui empat tahapan UCD, yaitu memahami konteks penggunaan, menentukan kebutuhan pengguna, merancang solusi desain, dan mengevaluasi hasil desain. Keterlibatan petani sebagai pengguna utama dilakukan melalui wawancara, pembuatan wireframe, dan uji coba prototipe high-fidelity. Evaluasi usability menggunakan metode System Usability Scale (SUS) melibatkan delapan responden berusia 24–60 tahun dengan skor rata-rata 68,75 yang masuk kategori "Good" atau "Suitable for Use". Hasil ini menunjukkan bahwa desain antarmuka yang dikembangkan memenuhi standar kegunaan, mudah dipahami, dan relevan dengan konteks kegiatan pertanian. Dengan demikian, penerapan metode UCD terbukti efektif dalam menghasilkan sistem pendukung keputusan berbasis mobile yang berorientasi pada pengalaman pengguna, dan mampu membantu petani dalam memantau kondisi lahan, risiko hama, dan mengelola kegiatan pertanian secara lebih efisien.
ANALISIS POLA KETERKAITAN PRODUK TOKO SEMBAKO IBU IYU DENGAN ALGORITMA FP-GROWTH Suripno; Nining Rahaninsih; Irfan Ali; Martanto; Odi Nurdiawan
INFOTECH journal Vol. 11 No. 2 (2025)
Publisher : Universitas Majalengka

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31949/infotech.v11i2.16632

Abstract

Toko Sembako Ibu Iyu merupakan toko ritel tradisional yang menghasilkan data transaksi dalam jumlah besar setiap hari, sehingga diperlukan teknik pengolahan data yang mampu mengekstraksi informasi bernilai guna mendukung pengambilan keputusan. Penelitian ini menerapkan metode data mining menggunakan algoritma association rule mining, khususnya FP-Growth, untuk mengidentifikasi pola keterkaitan produk dan memahami kecenderungan pembelian konsumen. Data yang digunakan mencakup transaksi periode Januari hingga Juni 2024 yang berisi kode transaksi, tanggal, serta daftar produk yang dibeli. Tahapan penelitian meliputi seleksi data, pembersihan duplikasi, standarisasi penamaan, dan transformasi ke format basket transaction sebelum dianalisis menggunakan FP-Growth dengan minimum support 0,01 dan minimum confidence 0,6. Hasil penelitian menghasilkan 11 aturan asosiasi, dengan aturan terbaik menunjukkan bahwa konsumen yang membeli Marlboro Kretek cenderung membeli Cheetos BBQ/Jagung Bakar, dengan nilai support 1,2% dan confidence 95,7%. Temuan ini dapat dimanfaatkan untuk strategi penataan produk, promosi bundling, dan optimalisasi manajemen persediaan sehingga mendukung peningkatan efisiensi operasional toko ritel tradisional.
PERANCANGAN SISTEM PREDIKSI RISIKO DIABETES MENGGUNAKAN LOGISTIC REGRESSION DAN RANDOM FOREST Samuel Paul Jackson Simanjuntak; Rafi Abdul Aziz; Ichwan Agil Prasetyo; M. Raihan Al Ikhsan; Abiath Cio; Sigit Wibawa; Muhammad Muharrom
INFOTECH journal Vol. 11 No. 2 (2025)
Publisher : Universitas Majalengka

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31949/infotech.v11i2.16668

Abstract

Penelitian ini bertujuan merancang sistem prediksi risiko diabetes menggunakan algoritma Logistic Regression dan Random Forest dengan memanfaatkan dataset Pima Indians Diabetes. Tahap pra-pemrosesan meliputi imputasi nilai nol pada fitur medis dan normalisasi data sebelum dibagi menjadi data latih dan uji. Kedua model dilatih secara paralel, dan model terbaik dipilih berdasarkan nilai F1-Score untuk meningkatkan akurasi pendeteksian pasien dengan diabetes (Outcome = 1). Evaluasi performa menggunakan metrik akurasi, presisi, recall, F1-Score, dan confusion matrix menunjukkan bahwa Random Forest memberikan performa terbaik dengan akurasi 74%, F1-Score 0,82 untuk kelas Tidak Diabetes, dan 0,59 untuk kelas Diabetes. Sistem ini diintegrasikan ke antarmuka Gradio interaktif, memungkinkan pengguna memasukkan parameter medis dan memperoleh prediksi risiko secara real-time. Hasil penelitian menunjukkan bahwa sistem mampu mendukung deteksi dini diabetes secara efisien, meskipun perlu peningkatan untuk mengurangi kesalahan False Negative pada pasien positif diabetes.

Page 31 of 33 | Total Record : 330

 29   30   31   32   33 

Filter by Year

2019 2026


Reset
Filter By Issues
All Issue Vol. 12 No. 1 (2026) Vol. 11 No. 2 (2025) Vol. 11 No. 1 (2025) Vol. 10 No. 2 (2024) Vol. 10 No. 1 (2024) Vol. 9 No. 2 (2023) Vol. 9 No. 1 (2023) Vol. 8 No. 2 (2022) Vol. 8 No. 1 (2022) Vol. 7 No. 2 (2021) Vol. 7 No. 1 (2021) Vol. 6 No. 2 (2020) Vol. 6 No. 1 (2020) Vol. 5 No. 2 (2019) More Issue