cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Leonardi Paris Hasugian
Contact Email
leonardiparishasugian@unikom.ac.id
Phone
-
Journal Mail Official
leonardiparishasugian@unikom.ac.id
Editorial Address
-
Location
Kota bandung,
Jawa barat
INDONESIA
Jurnal Teknologi dan Informasi
Published by Universitas Komputer Indonesia
ISSN : 20882270     EISSN : 26556839     DOI : -
Core Subject : Science,
Computer Science & IT
Jurnal Teknologi dan Informasi (JATI) diterbitkan oleh Fakultas Program Studi Sistem Informasi Fakultas Teknik dan Ilmu Komputer Universitas Komputer Indonesia Bandung secara berkala (setiap enam bulan sekali) dengan tujuan untuk menyebarluaskan hasil riset bidang teknologi dan informasi kepada para akademisi, praktisi, mahasiswa, dan lain-lain.
Arjuna Subject : -
Articles 183 Documents
 15   16   17   18   19 
Perancangan Sistem Informasi Penerimaan Siswa Baru SMP Islam Izzatul Madani Bogor Berbasis Web Nur Hayati; Lionie Lionie
Jurnal Teknologi dan Informasi (JATI) Vol 13 No 2 (2023): Jurnal Teknologi dan Informasi (JATI)
Publisher : Program Studi Sistem Informasi, Fakultas Teknik dan Ilmu Komputer, Universitas Komputer Indonesia.

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34010/jati.v13i2.10199

Abstract

Penerimaan peserta didik baru adalah salah satu proses yang terjadi pada tahun ajaran baru yang berguna untuk mengidentifikasi calon siswa yang akan menjadi peserta didik di sekolah. Di era milenial ini, teknologi sangat bekembang pesat untuk melakukan aktivitas secara online tanpa harus hadir secara fisik, seperti halnya bidang pendidikan. Pendaftaran siswa baru secara online sudah marak digunakan di perkotaan, namun sangat terbatas di desa-desa, ada sekian wilayah yang tertinggal dengan teknologi karena infrastruktur jaringan internet yang kurang memadai dan banyak sekolah yang menggunakan metode secara konvensional sehingga calon siswa harus datang langsung ke sekolah. Di SMP Islam Izzatul Madani untuk pendaftaran siswa baru masih memakai cara tatap muka, sehingga pengolahan informasi siswa baru dan transfer informasi kepada yang membutuhkan layanan informasi memerlukan waktu lebih, oleh karena hal itulah melatar belakangi perancangan sistem pendaftaran siswa berbasis web. Keunggulan dari sistem informasi yang dihasilkan ini adalah dapat diakses secara online sehingga memudahkan para pendaftar agar tidak datang langsung ke sekolah untuk mendapatkan informasi dan mempercepat penyampaian informasi kepada pihak yang membutuhkan layanan informasi pendaftaran. Dalam pengembangan perangkat lunak, penulis menggunakan metode SDLC (Software Development Life Cycle) dan UML (Unified Modeling Language) yang berfokus pada kualitas serta fungsi aplikasi dan diuji coba dengan Blackbox testing agar aplikasi dapat bekerja. Hasil dari penelitian ini menunjukkan bahwa sistem ini dapat mengatur proses penerimaan siswa baru di SMP Islam Izzatul Madani dengan lebih efisien dan diharapkan bisa dimanfaatkan dengan baik.
Studi Perbandingan Deteksi Intrusi Jaringan Menggunakan Machine Learning: (Metode SVM dan ANN) Tony Tan; Hendi Sama; Gautama Wijaya; Osei Enoch Aboagye
Jurnal Teknologi dan Informasi (JATI) Vol 13 No 2 (2023): Jurnal Teknologi dan Informasi (JATI)
Publisher : Program Studi Sistem Informasi, Fakultas Teknik dan Ilmu Komputer, Universitas Komputer Indonesia.

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34010/jati.v13i2.10484

Abstract

Machine Learning berkaitan dengan penggunaan algoritma untuk membuat mesin berfungsi. Algoritma supervised machine learning belajar pada dataset untuk membuat prediksi berdasarkan pengetahuan yang mereka peroleh saat belajar. Machine Learning memiliki dampak signifikan dalam keamanan siber. Sistem deteksi intrusi (IDS), sistem pencegahan intrusi (IPS) dan firewall tradisional membantu mendeteksi intrusi tetapi sayangnya, kebanyakan dari mereka memberi false alarm, dapat memiliki kerentanan dan dapat salah konfigurasi. Penggunaan algoritma machine learning telah terbukti lebih efektif dalam deteksi intrusi. Penelitian ini bertujuan untuk membandingkan efektivitas Algoritma Support Vector Machine (SVM) dan Artificial Neural Network (ANN) untuk intrusi deteksi. Penelitian ini menggunakan metode eksperimen dengan melatih dan menguji SVM dan ANN pada Dataset KDD Cup 99 di Google Colaboratory. Skor akurasi pelatihan dan pengujian, waktu pelatihan dan pengujian, Receiver Operating Characteristic Curve (Kurva ROC) dan kecepatan jaringan adalah parameter untuk perbandingan. Hasil dari eksperimen menunjukkan bahwa; Kedua model bagus untuk mendeteksi intrusi karena SVM dan ANN memiliki skor di atas 90%. SVM lebih efektif daripada ANN dalam deteksi intrusi dengan akurasi pelatihan dan pengujian 99,87% dan 99,81%. Juga AUC untuk SVM adalah 1 untuk semua lima kelas dan mengambil lebih sedikit waktu dalam melatih dataset.
Perbandingan Algoritma C4.5 dan Adaptive Boosting dalam Klasifikasi Penyakit Alzheimer Alda Amalia Mortara; Mitta Permatasari; Anita Desiani; Yuli Andriani; Muhammad Arhami
Jurnal Teknologi dan Informasi (JATI) Vol 13 No 2 (2023): Jurnal Teknologi dan Informasi (JATI)
Publisher : Program Studi Sistem Informasi, Fakultas Teknik dan Ilmu Komputer, Universitas Komputer Indonesia.

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34010/jati.v13i2.10525

Abstract

Penyakit alzheimer adalah penyakit yang menyerang sistem saraf di dalam otak. Penyakit ini dapat menyebabkan terganggunya aktivitas sehari-hari, ingatan yang tidak terorganisir, dan berkurangnya daya ingat. Deteksi dini penyakit alzheimer dapat memanfaatkan pendekatan matematis menggunakan data mining. Data mining memiliki model-model klasifikasi yang dapat digunakan untuk mendeteksi dini penyakit alzheimer. Beberapa algoritma yang dapat digunakan untuk klasifikasi diantaranya adalah C4.5 dan Adaptive Boosting (AdaBoost) yang diterapkan pada penelitian ini untuk mengklasifikasikan penyakit alzheimer. Perbandingan kedua algoritma ini bertujuan untuk memperoleh algoritma mana yang paling tepat dalam klasifikasi penyakit alzheimer. Untuk menguji kedua algoritma ini digunakan dua teknik pengujian yaitu percentage split dan k-fold cross validation. Pada percentage split dipilih ukuran split sebesar 80% untuk data latih dan 20% sebagai data uji dan k-fold cross validation dipilih nilai k sebesar 10. Hasil penerapan dari kedua algoritma diperoleh bahwa untuk k-fold cross validation bekerja lebih baik dibandingkan dengan percentage split. Hal ini dikarenakan k-fold cross validation meningkatkan persentase nilai presisi, recall, dan akurasi dari masing-masing algoritma. Untuk kinerja masing-masing algortima, AdaBoost dalam penggunaanya bekerja lebih baik dibandingkan dengan C4.5 dengan nilai presisi, recall dan akurasi secara berturut-turut, yaitu 91.5%, 91% dan 91.15%. Dari hasil yang diperoleh dapat disimpulkan bahwa algoritma AdaBoost dengan teknik k-fold cross validation memiliki performa yang paling baik dalam melakukan klasifikasi penyakit alzheimer dibandingkan algoritma dan teknik pengujian lainnya.

Page 19 of 19 | Total Record : 183

 15   16   17   18   19 

Filter by Year

2011 2023


Reset
Filter By Issues
All Issue Vol 13 No 2 (2023): Jurnal Teknologi dan Informasi (JATI) Vol 13 No 1 (2023): Jurnal Teknologi dan Informasi (JATI) Vol 12 No 2 (2022): Jurnal Teknologi dan Informasi (JATI) Vol 12 No 1 (2022): Jurnal Teknologi dan Informasi (JATI) Vol 11 No 2 (2021): Jurnal Teknologi dan Informasi (JATI) Vol 11 No 1 (2021): Jurnal Teknologi dan Informasi (JATI) Vol 10 No 2 (2020): Jurnal Teknologi dan Informasi (JATI) Vol 10 No 1 (2020): Jurnal Teknologi dan Informasi (JATI) Vol 9 No 2 (2019): Jurnal Teknologi dan Informasi (JATI) Vol 9 No 1 (2019): Jurnal Teknologi dan Informasi (JATI) Vol 8 No 2 (2018): Jurnal Teknologi dan Informasi (JATI) Vol 8 No 1 (2018): Jurnal Teknologi dan Informasi (JATI) Vol 7 No 2 (2017): Jurnal Teknologi dan Informasi (JATI) Vol 7 No 1 (2017): Jurnal Teknologi dan Informasi (JATI) Vol 6 No 2 (2016): Jurnal Teknologi dan Informasi (JATI) Vol 6 No 1 (2016): Jurnal Teknologi dan Informasi (JATI) Vol 5 No 2 (2015): Jurnal Teknologi dan Informasi (JATI) Vol 5 No 1 (2015): Jurnal Teknologi dan Informasi (JATI) Vol 4 No 2 (2014): Jurnal Teknologi dan Informasi (JATI) Vol 4 No 1 (2014): Jurnal Teknologi dan Informasi (JATI) Vol 3 No 2 (2013): Jurnal Teknologi dan Informasi (JATI) Vol 3 No 1 (2013): Jurnal Teknologi dan Informasi (JATI) Vol 2 No 2 (2012): Jurnal Teknologi dan Informasi (JATI) Vol 2 No 1 (2012): Jurnal Teknologi dan Informasi (JATI) Vol 1 No 2 (2011): Jurnal Teknologi dan Informasi (JATI) Vol 1 No 1 (2011): Jurnal Teknologi dan Informasi (JATI) More Issue