cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Oris Krianto Sulaiman
Contact Email
oris.ks@ft.uisu.ac.id
Phone
-
Journal Mail Official
oris.ks@ft.uisu.ac.id
Editorial Address
-
Location
Kota medan,
Sumatera utara
INDONESIA
InfoTekJar : Jurnal Nasional Informatika dan Teknologi Jaringan
Published by Universitas Islam Sumatera Utara
ISSN : 25407597     EISSN : 25407600     DOI : -
Core Subject : Science,
Computer Science & IT
Merupakan jurnal yang dikelola oleh program studi teknik informatika Universitas Islam Sumatera Utara (UISU), jurnal ini membahas ilmu dibidang Informatika dan Teknologi jaringan, sebagai wadah untuk menuangkan hasil penelitian baik secara konseptual maupun teknis yang berkaitan dengan ilmu informatika. InfoTekjar terbit 2 kali dalam setahun yaitu pada bulan maret dan september, terbitan pertama bulan september 2016. Artikel yang masuk akan diterima oleh editor untuk kemudian diteruskan ke editor bagian dan diteruskan lagi ke reviewer untuk di review artikel nya. Waktu review maksimal dilakukan selama 4 minggu.
Arjuna Subject : -
Articles 354 Documents
 32   33   34   35   36 
Pengaruh Motivasi Kerja, Lingkungan Kerja dan Disiplin Kerja terhadap Kinerja Guru di SMP Negeri 8 Medan Friska Gustianty Simanjuntak
InfoTekJar : Jurnal Nasional Informatika dan Teknologi Jaringan Vol 10, No 2 (2026): InfoTekjar Maret
Publisher : Universitas Islam Sumatera Utara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30743/infotekjar.v10i2.13274

Abstract

Penelitian ini bertujuan untuk menganalisis pengaruh motivasi kerja, lingkungan kerja, dan disiplin kerja terhadap kinerja guru, baik secara parsial maupun simultan, pada guru di UPT SMP Negeri 8 Medan. Metode penelitian yang digunakan adalah kuantitatif dengan teknik survei melalui kuesioner. Sampel penelitian berjumlah 60 responden yang diambil dengan metode non-probability sampling menggunakan sampel jenuh. Analisis data dilakukan dengan statistik deskriptif dan inferensial menggunakan SPSS for Windows serta PLS-SEM 4.1.14. Hasil analisis deskriptif menunjukkan bahwa persepsi responden terhadap seluruh variabel berada pada kategori sangat tinggi, dengan nilai rata-rata tertinggi pada variabel disiplin kerja. Instrumen penelitian dinyatakan valid dengan loading factor > 0,70 dan reliabel dengan nilai Cronbach’s Alpha dan Composite Reliability di atas 0,90. Hasil analisis inferensial menunjukkan bahwa secara simultan, motivasi kerja, lingkungan kerja, dan disiplin kerja memiliki daya prediksi yang kuat terhadap kinerja guru. Secara parsial, hanya disiplin kerja yang berpengaruh positif dan signifikan terhadap kinerja guru, sedangkan motivasi kerja dan lingkungan kerja tidak berpengaruh signifikan. Dengan demikian, disiplin kerja merupakan faktor paling dominan dalam menentukan kinerja guru di UPT SMP Negeri 8 Medan.
Early Detection of Diabetes Using a Machine Learning Model Based on Laboratory Data Arief Rahman Hakim; Yuni Franciska Br Tarigan; Khairul Fadhli Margolang
InfoTekJar : Jurnal Nasional Informatika dan Teknologi Jaringan Vol 10, No 1 (2025): InfoTekJar September
Publisher : Universitas Islam Sumatera Utara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30743/infotekjar.v10i1.12810

Abstract

Diabetes mellitus is a chronic disease whose prevalence continues to increase worldwide, with a projected number of sufferers reaching 643 million by 2030. Early detection of diabetes is crucial to prevent serious complications such as cardiovascular disease, kidney failure, and nerve damage. This study aims to compare the performance of four machine learning algorithms (Random Forest, Support Vector Machine, Logistic Regression, and K-Nearest Neighbors) in detecting diabetes based on clinical parameters, and to identify the most significant predictor variables. The study uses the Pima Indians Diabetes dataset consisting of 768 samples with 8 predictor variables (number of pregnancies, glucose, blood pressure, skin thickness, insulin, BMI, diabetes pedigree function, and age). Data is divided into a training set (70%) and a testing set (30%) using stratified sampling. Data preprocessing includes handling missing values, feature scaling using StandardScaler, and handling imbalanced data using the SMOTE technique. Performance evaluation uses accuracy, precision, recall, F1-score, and Area Under Curve (AUC-ROC) metrics. Results show that the Random Forest model achieves the best performance with an accuracy of 81.8%, precision of 79.2%, recall of 78.5%, F1-score of 78.8%, and AUC of 0.88. Support Vector Machine achieves an accuracy of 78.0%, Logistic Regression 76.0%, and K-Nearest Neighbors 74.5%. Feature importance analysis identifies glucose (28.5%), BMI (19.8%), and age (16.5%) as the most significant predictors in diabetes detection. The Random Forest model produces 17 false negatives and 12 false positives from 231 testing samples. The study concludes that Random Forest is the most effective algorithm for early diabetes detection with good accuracy and superior interpretability through feature importance.
Monitoring Suhu dan Kelembaban Perpustakaan SMPN 3 Montasik Berbasis IoT Reisa Reisa
InfoTekJar : Jurnal Nasional Informatika dan Teknologi Jaringan Vol 10, No 2 (2026): InfoTekjar Maret
Publisher : Universitas Islam Sumatera Utara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30743/infotekjar.v10i2.13037

Abstract

Penelitian ini bertujuan untuk merancang dan mengimplementasikan sistem pemantauan suhu dan kelembaban udara berbasis Internet of Things (IoT) guna mendukung upaya konservasi koleksi buku di perpustakaan SMPN 3 Montasik. Metode yang digunakan adalah Research and Development (RD). Perangkat keras utama meliputi sensor DHT11 dan mikrokontroler NodeMCU ESP8266, dengan platform Blynk IoT dan Telegram sebagai media pemantauan dan notifikasi real-time. Sistem berhasil mengirimkan data secara akurat ke dashboard digital. Analisis data menunjukkan suhu ruangan relatif stabil, namun kelembaban udara sering melebihi ambang batas 50%, yang berisiko memicu pertumbuhan jamur pada bahan pustaka. Implementasi teknologi IoT ini efektif memberikan pengawasan jarak jauh yang proaktif, memungkinkan staf perpustakaan melakukan tindakan preventif lebih awal untuk menjaga keawetan koleksi buku.
Simulasi Serangan Man-in-the-Middle Menggunakan Virtualbox dan Wireshark di Jaringan Wi-Fi Publik Perpustakaan UIN Ar-Raniry Fitra Akbar Eka Putra; Oris Krianto Sulaiman
InfoTekJar : Jurnal Nasional Informatika dan Teknologi Jaringan Vol 10, No 1 (2025): InfoTekJar September
Publisher : Universitas Islam Sumatera Utara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30743/infotekjar.v10i1.11939

Abstract

Penelitian ini mensimulasikan serangan Man-in-the-Middle (MitM) pada jaringan Wi-Fi publik Perpustakaan UIN Ar-Raniry menggunakan lingkungan virtual (VirtualBox) dan analisis trafik dengan Wireshark. Teknik yang digunakan berfokus pada ARP spoofing untuk mengalihkan trafik klien melalui mesin penyerang sehingga lalu lintas dapat dipantau dan dianalisis. Hasil simulasi menunjukkan bahwa MitM berbasis ARP spoofing berhasil mengintersepsi paket tertentu dan membuka peluang kebocoran informasi apabila koneksi tidak terlindungi (misalnya non-HTTPS/tanpa VPN). Sebagai pembanding, uji flooding (DoS) dengan hping3 dalam lingkungan virtual tidak secara signifikan menurunkan kualitas layanan karena keterbatasan antarmuka virtual dan adanya proteksi bawaan perangkat jaringan. Temuan ini menegaskan pentingnya penerapan praktik pengamanan berlapis pada jaringan publik serta edukasi pengguna.
Perancangan Model Interaksi Manusia dan Komputer untuk Mewujudkan Printer Otomatis Berbasis Pemrograman Heri Santoso
InfoTekJar : Jurnal Nasional Informatika dan Teknologi Jaringan Vol 9, No 2 (2025): INFOTEKJAR MARET
Publisher : Universitas Islam Sumatera Utara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30743/infotekjar.v9i2.13288

Abstract

The development of human-computer interaction (HCI) technology has undergone significant transformations along with the increasing need for efficient automation systems. This research aims to design a human-computer interaction model capable of operating a printer automatically without manual intervention. Through a programming approach based on voice commands and system input detection, this design is expected to achieve printer performance that is adaptive to user commands. The research methods used include system requirements analysis, interactive interface design, implementation of Python programming algorithms, and testing of automatic printer performance. The results show that the designed system is capable of executing print commands through voice input and program commands with a 90% success rate, and an average response time of 3-5 seconds. These findings demonstrate that the application of the HCI programming-based concept can optimize the document printing process efficiently, ergonomically, and innovatively
Penerapan Algoritma Boyer-Moore pada Aplikasi Glosarium Kesehatan Shelya Amanda; Doughlas Pardede; Aulia Ichsan
InfoTekJar : Jurnal Nasional Informatika dan Teknologi Jaringan Vol 10, No 1 (2025): InfoTekJar September
Publisher : Universitas Islam Sumatera Utara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30743/infotekjar.v10i1.12886

Abstract

Pencarian istilah medis dalam glosarium kesehatan merupakan kebutuhan penting bagi mahasiswa, tenaga medis, dan masyarakat umum untuk memahami terminologi kesehatan. Namun, proses pencarian yang kurang efisien dapat memperlambat akses informasi. Penelitian ini membahas penerapan algoritma Boyer-Moore dalam aplikasi glosarium kesehatan guna meningkatkan efisiensi pencarian istilah medis. Metode penelitian meliputi studi literatur, analisis kebutuhan, perancangan sistem, implementasi, serta pengujian performa pencarian. Hasil implementasi menunjukkan bahwa algoritma Boyer-Moore lebih cepat dibandingkan metode pencarian sederhana (naïve search), dengan pengurangan jumlah perbandingan karakter dan waktu eksekusi hingga 50% pada dataset uji berisi 1000 istilah medis. Kesimpulan dari penelitian ini adalah bahwa algoritma Boyer-Moore efektif digunakan dalam aplikasi glosarium kesehatan karena mampu mempercepat proses pencarian istilah medis dan meningkatkan pengalaman pengguna.
Pengembangan Media Edukasi Interaktif Benda Koleksi Museum Rumah Aceh Berbasis Augmented Reality Menggunakan Metode Multimedia Development Life Cycle (MDLC) Awi Aini; Sarini Vita Dewi
InfoTekJar : Jurnal Nasional Informatika dan Teknologi Jaringan Vol 10, No 2 (2026): InfoTekjar Maret
Publisher : Universitas Islam Sumatera Utara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30743/infotekjar.v10i2.13058

Abstract

Perkembangan teknologi digital memberikan peluang baru dalam penyampaian informasi edukatif, termasuk pada bidang pelestarian budaya di museum. Namun, penyajian informasi koleksi museum yang masih bersifat konvensional, seperti papan keterangan dan label teks statis, menyebabkan rendahnya minat serta pemahaman pengunjung, khususnya generasi muda. Kondisi tersebut juga ditemukan pada Museum Rumah Aceh, terutama pada koleksi benda bersejarah masa pemerintahan Sultan Iskandar Muda. Penelitian ini memiliki tujuan untuk mengembangkan media edukasi interaktif dengan teknologi Augmented Reality (AR) sebagai alat untuk memperkenalkan dan mempelajari koleksi Museum Rumah Aceh dengan cara yang lebih menarik, relevan, dan informatif. Pendekatan yang digunakan dalam penelitian ini adalah Multimedia Development Life Cycle (MDLC) yang meliputi tahap concept(konsep), design(desain), material collecting(pengumpulan bahan), assembly(pembuatan), testing(pengujian), dan distribution(distribusi). Media AR dikembangkan dengan teknik marker tracking untuk menampilkan objek tiga dimensi beserta informasi sejarah secara real-time. Percobaan dilaksanakan untuk pengguna yang melibatkan mahasiswa dan pengunjung museum atau masyarakat umum menggunakan angket respon pengguna. Hasil penelitian menunjukkan bahwa media edukasi berbasis AR memperoleh respon positif dengan tingkat kelayakan pada kategori layak hingga sangat layak. Media ini dinilai mampu meningkatkan minat pengguna serta membantu pemahaman terhadap nilai sejarah dan budaya koleksi Museum Rumah Aceh. Dengan demikian, media AR yang dikembangkan berpotensi menjadi alternatif media edukasi digital dalam mendukung pelestarian budaya lokal Aceh.
Development and Evaluation of Digital Image-Based Tomato Leaf Disease Classification Model Using Transfer Learning Muhammad Rasyid; Sugeng Riyadi; Irwan Daniel
InfoTekJar : Jurnal Nasional Informatika dan Teknologi Jaringan Vol 10, No 1 (2025): InfoTekJar September
Publisher : Universitas Islam Sumatera Utara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30743/infotekjar.v10i1.11915

Abstract

Leaf diseases in tomato plants (Solanum lycopersicum), including Early Blight, Late Blight, and Leaf Mold, can cause substantial reductions in crop yield if not detected at an early stage. Conventional manual detection methods are constrained by limitations in speed, consistency, and accuracy, particularly under field conditions. This study proposes a tomato leaf disease classification framework leveraging a transfer learning approach, in which the Inception V3 architecture functions as a feature extractor and the Random Forest algorithm serves as the classifier. The dataset employed comprises four categories of tomato leaf images—Early Blight, Late Blight, Leaf Mold, and Healthy—which were stratified into training (80%) and testing (20%) subsets. All images were resized to 299×299 pixels, normalized, and subjected to optional data augmentation. Feature representations were extracted from the Global Average Pooling layer of Inception V3 pretrained on the ImageNet dataset and subsequently input into a Random Forest classifier with hyperparameters optimized via grid search. Experimental evaluation demonstrated that the proposed model achieved an accuracy of 94.3%, surpassing the performance of a conventional CNN (89.2%) and a Random Forest classifier without transfer learning (76.5%). The confusion matrix analysis revealed the highest classification performance for the Healthy and Late Blight categories, whereas the Leaf Mold category exhibited a higher misclassification rate due to its visual symptom similarity to Early Blight. The findings of this research indicate that a hybrid methodology combining deep learning-based feature extraction and classical machine learning algorithms is highly effective for agricultural image classification in scenarios with limited datasets. Furthermore, the proposed approach holds significant potential for integration into web- or mobile-based decision support systems, enabling rapid and accurate plant disease detection in practical agricultural settings.
Penerapan Business Intelligence Menggunakan Microsoft Power BI dalam Analisis Gangguan Jaringan Massal di PT Telkom Witel Bengkulu Eprian Travolta Saragih; Endina Putri Purwandari; Yudi Setiawan
InfoTekJar : Jurnal Nasional Informatika dan Teknologi Jaringan Vol 10, No 2 (2026): InfoTekjar Maret
Publisher : Universitas Islam Sumatera Utara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30743/infotekjar.v10i2.13455

Abstract

Penelitian ini bertujuan untuk menerapkan Business Intelligence (BI) dalam mengolah data gangguan jaringan massal di PT Telkom Witel Bengkulu agar terstruktur dan dapat dianalisis menggunakan Microsoft Power BI. Permasalahan utama pada penelitian ini adalah pengelolaan data gangguan jaringan yang masih dilakukan secara manual dan terpisah, sehingga data hanya berfungsi sebagai arsip administratif dan belum dimanfaatkan secara optimal untuk analisis. Kondisi ini menyebabkan sulitnya mengidentifikasi pola gangguan, penyebab utama, serta mengevaluasi efektivitas proses perbaikan secara cepat dan akurat.. Metode yang digunakan adalah deskriptif kuantitatif melalui proses Extract, Transform, Load (ETL) terhadap data sekunder periode Januari 2024 hingga Februari 2026.Hasil penelitian menunjukkan terdapat 1.054 gangguan dengan rata-rata durasi perbaikan 4,19 jam serta tingkat kepatuhan Service Level Agreement (SLA) sebesar 88% (comply) dan 12% (not comply). Hasil analisis menunjukkan bahwa gangguan didominasi oleh jenis gangguan infrastruktur kabel dengan penyebab utama berasal dari faktor eksternal, seperti force majeure dan aktivitas pihak ketiga. Pada aktivitas perbaikan, tindakan yang paling sering dilakukan adalah catu PLN up dan sambung kembali. Dashboard interaktif yang dihasilkan mampu mengidentifikasi pola gangguan dan kinerja perbaikan secara real-time, serta memberikan insight strategis bagi manajemen dalam pengambilan keputusan berbasis data. Penerapan Business Intelligence pada penelitian ini dapat meningkatkan efektivitas monitoring, evaluasi, dan pengambilan keputusan untuk mendukung peningkatan kualitas layanan jaringan.
Implementation of a Mobile-Based Expert System for Anesthesia Type Recommendation Using Bayes’ Theorem Siti Julianita Siregar
InfoTekJar : Jurnal Nasional Informatika dan Teknologi Jaringan Vol 10, No 1 (2025): InfoTekJar September
Publisher : Universitas Islam Sumatera Utara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30743/infotekjar.v10i1.13011

Abstract

The selection of anesthesia type is a critical stage in surgical procedures that must consider the patient’s clinical condition and risk level. Inappropriate anesthesia selection may increase perioperative complications. This study aims to implement a mobile-based expert system to recommend anesthesia types using the Bayes Theorem based on the American Society of Anesthesiologists (ASA) classification. The system was developed by constructing a knowledge base consisting of anesthesia classifications, patient symptom data, and their relationships. System evaluation was conducted by comparing the system’s recommendations with expert decisions. The results indicate that the expert system provides accurate anesthesia recommendations. These findings demonstrate that the Bayes Theorem is effective in handling uncertainty in clinical data, and the mobile-based expert system can serve as a decision support tool for anesthesia selection.

Page 35 of 36 | Total Record : 354

 32   33   34   35   36 

Filter by Year

2016 2026


Reset
Filter By Issues
All Issue Vol 10, No 2 (2026): InfoTekjar Maret Vol 10, No 1 (2025): InfoTekJar September Vol 9, No 2 (2025): INFOTEKJAR MARET Vol 9, No 1 (2024): InfoTekJar September Vol 8, No 2 (2024): InfoTekJar Maret Vol 8, No 1 (2023): InfoTekJar September Vol 7, No 2 (2023): Infotekjar Maret Vol 7, No 1 (2022): InfoTekJar September Vol 6, No 2 (2022): InfoTekJar Maret Vol 6, No 1 (2021): InfoTekJar September Vol 5, No 2 (2021): InfoTekJar Maret Vol 5, No 1 (2020): InfoTekJar September Vol 4, No 2 (2020): InfoTekJar Maret Vol 4, No 1 (2019): InfoTekJar September Vol 3, No 2 (2019): InfoTekJar Maret Vol 3, No 1 (2018): InfoTekJar September Vol 2, No 2 (2018): InfoTekJar Maret Vol 2, No 1 (2017): InfoTekJar September Vol 1, No 2 (2017): InfoTekJar Maret Vol 1, No 1 (2016): InfoTekJar Vol 1, No 1 (2016): InfoTekJar September More Issue