cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Edo Yonatan Koentjoro
Contact Email
edo@dinamika.ac.id
Phone
+6281252457234
Journal Mail Official
joti@dinamika.ac.id
Editorial Address
Jalan Raya Kedung Baruk No. 98, Surabaya 60298
Location
Kota surabaya,
Jawa timur
INDONESIA
Journal of Technology and Informatics (JoTI)
Published by Universitas Dinamika
ISSN : 27214842     EISSN : 26866102     DOI : https://doi.org/10.37802/joti
Core Subject : Science, Engineering,
Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Engineering Mechanical Engineering
1. Teknologi Informasi : Rekayasaperangkat lunak, Pengetahuan data maining, Mobile Computing, Parallel/Distributed Computing, Kecerdasan Buatan, Tata Kelola dan Manajemen Sistem Informasi, User Interface/ User Experience, Process Management, IT Security, IS Adoption and Evaluation. 2. Sistem Komunikasi : Jaringan Protokol dan Manajemen, Sistem Telekomunikasi, Komunikasi Nirkabel, Jaringan Sensor.
Arjuna Subject : Ilmu Komputer (semua kategori) - Jaringan Komputer dan Komunikasi
Articles 7 Documents
 1 
Search results for , issue "Vol. 4 No. 2 (2023): Vol. 4 No.2 (2023)" : 7 Documents clear
Optimizing Accuracy of Stroke Prediction Using Logistic Regression Mohammed Guhdar; Amera Ismail Melhum; Alaa Luqman Ibrahim
Journal of Technology and Informatics (JoTI) Vol. 4 No. 2 (2023): Vol. 4 No.2 (2023)
Publisher : Universitas Dinamika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37802/joti.v4i2.278

Abstract

An unexpected limitation of blood supply to the brain and heart causes the majority of strokes. Stroke severity can be reduced by being aware of the many stroke warning signs in advance. A stroke may result if the flow of blood to a portion of the brain stops suddenly. In this research, we present a strategy for predicting the early start of stroke disease by using Logistic Regression (LR) algorithms. To improve the performance of the model, preprocessing techniques including SMOTE, feature selection and outlier handling were applied to the dataset. This method helped in achieving a balance of class distribution, identifying and removing unimportant features and handling outliers. with the existence of increased blood pressure, body mass, heart conditions, average blood glucose levels, smoking status, prior stroke, and age. Impairment occurs as the brain's neurons gradually die, depending on which area of the brain is affected by the reduced blood supply. Early diagnosis of symptoms can be extremely helpful in predicting stroke and supporting a healthy lifestyle. Furthermore, we performed an experiment using logistic regression (LR) and compared it to a number of other studies that used the same machine learning model, which is logistic regression (LR), and the same dataset. The results showed that our method successfully achieved the highest F1 score and area under curve (AUC) score, which can be a successful tool for stroke disease prediction with an accuracy of 86% compared to the other five studies in the same field. The predictive model for stroke has prospective applications, and as a result, it is still significant for academics and practitioners in the fields of medicine and health sciences.
E-Course Adviser for Students in Tertiary Institutions: An Expert System Design Approach Emmanuel Etuh; Deborah U Ebem; Zayyanu Umar
Journal of Technology and Informatics (JoTI) Vol. 4 No. 2 (2023): Vol. 4 No.2 (2023)
Publisher : Universitas Dinamika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37802/joti.v4i2.268

Abstract

Course adviser in tertiary institution guides students on course enrolment which is part of the registration process for students. It is a phase where a student formally enrolls for requisite courses in a particular semester. Students on gaining admission are required to enroll into courses offered in their chosen programme of study every semester progressively with certain credit limits in each semester. The courses are arranged in an ascending order of complexity such that the criterion for registering for a higher course is to have passed the lower prerequisite course(s). Academic advisers are appointed for students to guide them on course enrolment but due to human factor, a lot of students end up registering for inappropriate courses which leads to inefficiency in career. This research work developed a model that classifies students as either “registrable” Or “not registerable”. Multi-layered Feedforward Neural Networks was used to develop the model that will classify students. The dataset used consists of 150 records, 4 input layers, one hidden layer, and 1output layer. The train/test split of the dataset was in the ration of 80:20. The Networks was trained for 2000 epochs. The accuracy of the model was 0.97. If a student fails more than 15 credit hours of registered courses, such student will be considered “not registerable” and hence redirected to the expert adviser for proper guidance on the course(s) to register.
Penerapan Algoritma Copeland Score Sebagai Penunjang Penerimaan Beasiswa KIP Di Kampus Institut Bisnis dan Teknologi Indonesia I Nyoman Tri Anindia Putra; I Gede Iwan Sudipa; I Putu Candra Jumariana; Yohana Jun
Journal of Technology and Informatics (JoTI) Vol. 4 No. 2 (2023): Vol. 4 No.2 (2023)
Publisher : Universitas Dinamika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37802/joti.v4i2.310

Abstract

Sistem Pendukung Keputusan adalah metode yang dapat digunakan untuk meningkatkan kinerja organisasi atau bisnis di bidang sistem informasi berbasis komputer (manajemen pengetahuan). Institut Bisnis Teknologi Informatika (INSTIKI) merupakan salah satu lembaga pendidikan penyalur beasiswa dengan melakukan pengisian formulir melalui Google Form karena belum ada penerapan metode yang sistematis dan objektif dalam pemilihan penerima beasiswa sehingga cenderung bersifat subjektif. Berdasarkan hal tersebut maka diperlukan sistem yang terkomputerisasi dalam menetapkan penerima beasiswa melalui penyeleksian menggunakan metode Copeland Score. Metode ini memiliki beberapa kelebihan, yaitu konsepnya yang mudah dimengerti dan sederhana. Hasil penelitian adalah hasil perangkingan sistem pendukung keputusan penerimaan beasiswa yang menerapkan metode Copeland Score.
Analisis Deskriptif Perilaku Konsumen Shopee: Technology Acceptance Model (TAM) Herlina; Johanes Fernandes Andry; Filbert Marcellus Susanto
Journal of Technology and Informatics (JoTI) Vol. 4 No. 2 (2023): Vol. 4 No.2 (2023)
Publisher : Universitas Dinamika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37802/joti.v4i2.318

Abstract

Shopee merupakan salah satu perusahaan e-commerce dari Singapura. Shopee sebagai salah satu apliasi e-commerce mobile dimana para pengguna aplikasi dapat melakukan kegiatan menjelajah, jual maupun beli secara praktis dan cepat serta bisa dilakukan kapanpun dan dimanapun melalui aplikasi yang berada didalam perangkat mobile yang dimiliki. Ada beberapa faktor yang wajib dipenuhi oleh aplikasi agar tercipta layanan lingkungan berbelanja yang mudah dan aman. Walaupun nama Shopee sendiri bisa dibilang terkenal dan sudah memiliki nama yang besar, tentunya akan tetap ada kemungkinan pengguna aplikasi merasa dikecewakan oleh layanan yang diberikan oleh aplikasi. Dalam usaha untuk meningkatkan kenyaman serta keamanan dalam menggunakan aplikasi mobile Shopee maka perusahaan perlu melakukan pengukuran untuk mengetahui faktor mana yang akan memberikan pengaruh terhadap sikap penerimaan para pengguna aplikasi. Jenis penelitian ini deskriptif kuantitatif, pengambilan sampel secara random sampling sehingga jumlah sampel sebanyak 41 responden dan data penelitian ini merupakan data sekunder. Hasil penelitian ini perilaku pengguna Shopee masuk dalam katagori yang sangat bagus meliputi Perceived ease to use (85,73%), Perceived usefulness (84,55%), Trust (81,14%), Behaviour intention to use (80,98%), Attitude toward using (83,17%).
Pengembangan Aplikasi Penyewaan Lapangan “Connsfield” Berbasis Website Yemima Geasela; Janesia Isabel; Sisilia Pereisia; Agnes Fitri Natalia Runkat; Fitri Assahara
Journal of Technology and Informatics (JoTI) Vol. 4 No. 2 (2023): Vol. 4 No.2 (2023)
Publisher : Universitas Dinamika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37802/joti.v4i2.320

Abstract

Aplikasi penyewaan lapangan “Connsfield (Connect to Sports Field)” digunakan untuk memudahkan penyewa dalam melakukan proses penyewaan lapangan tanpa harus datang langsung ke tempat. Pembuatan aplikasi ini dilakukan dengan metode Waterfall. Aplikasi ini merupakan implementasi bahasa pemrograman PHP, HTML, CSS, JavaScript, serta penyimpanan database dalam bentuk SQL. Tujuan dari pembuatan makalah ini adalah menghasilkan sistem informasi penyewaan melalui website. Aplikasi ini dapat digunakan oleh 2 pengguna, yaitu pemilik lapangan sebagai admin dan penyewa sebagai user. Dalam aplikasi ini, admin dapat melakukan olah data lapangan, harga sewa, penyewa, booking lapangan, dan konfirmasi pembayaran. Penyewa dapat melakukan booking lapangan melalui web dan mengkonfirmasikan pembayaran. Tujuan peneliti merancang aplikasi ini adalah untuk membuat rancangan sistem aplikasi penyewaan lapangan yang dapat menjadi solusi untuk customer dalam menyewa lapangan melalui aplikasi. Rancangan sistem aplikasi ini diharapkan dapat membantu dan memudahkan masyarakat dalam menjalankan hobinya di bidang olahraga. Hasil akhir dari penelitian ini adalah didapatkannya usulan desain sistem aplikasi berbasis website untuk penyewaan lapangan serta hasil survey dari beberapa user yang menggunakan aplikasi ini menyatakan bahwa aplikasi Connsfield bagus (4,05 Poin).
Analisis Sentimen untuk Melihat Respon Masyarakat Terhadap Vaksin Pfizer Dita Nurmadewi; Christophora Putri Gusti; Ergi Cahya Hernanto; Farrell Ananda; Mery Andani Hutagalung; Nadyatul Hikmah
Journal of Technology and Informatics (JoTI) Vol. 4 No. 2 (2023): Vol. 4 No.2 (2023)
Publisher : Universitas Dinamika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37802/joti.v4i2.322

Abstract

Covid-19 merupakan penyakit yang penyebarannya sangat luas dan cepat. Dalam waktu singkat, penyakit ini menyebar ke seluruh dunia, termasuk Indonesia. Tentunya peristiwa ini menyerang masyarakat dari berbagai faktor, khususnya di bidang kesehatan. Dalam rangka melakukan percepatan penanganan penyebaran Covid-19, pemerintah Indonesia mewajibkan warga negaranya melakukan vaksinasi Covid-19 salah satunya adalah vaksin Pfizer. Vaksin Pfizer adalah salah satu vaksin terbaik diantara vaksin lainnya dan kemungkinan munculnya efek samping sangat kecil. Namun, penggunaan vaksin ini tetap menimbulkan reaksi dan opini yang berbeda dari masyarakat umum. Oleh karena itu, penelitian ini bertujuan untuk mendapatkan sentimen masyarakat terhadap vaksin Pfizer melalui data di Twitter yang diambil melalui netlytic. Analisis sentimen merupakan kegiatan untuk mencari opini masyarakat tentang sebuah objek yang ingin diketahui. Untuk mendukung penelitian mengenai hal tersebut, peneliti menggunakan algoritma naive bayes untuk mengidentifikasi sentimen masyarakat terhadap vaksin Pfizer. Algoritma ini dipilih karena efisiensi dan kemudahan dalam penggunaanya serta keakuratannya dalam proses klasifikasi data. Hasil dari penelitian ini adalah analisis sentimen menggunakan algoritma naive bayes berhasil mengklasifikasikan respon masyarakat terhadap vaksin Pfizer. Hasil klasifikasi menunjukan sentimen positif lebih mendominasi dari sentimen negatif dan netral. Hasil klasifikasi menunjukan sentimen positif lebih mendominasi dari sentimen negatif dan netral dengan jumlah sentimen positif sebesar 67% dari data yang berhasil di analisis.
Perancangan Basis Data Perpustakaan Universitas Menggunakan MySQL dengan Physical Data Model dan Entity Relationship Diagram Iqbal Ramadhani Mukhlis; Rudi Santoso
Journal of Technology and Informatics (JoTI) Vol. 4 No. 2 (2023): Vol. 4 No.2 (2023)
Publisher : Universitas Dinamika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37802/joti.v4i2.330

Abstract

Perpustakaan merupakan sebuah tempat atau wadah yang dapat berfungsi untuk mengumpulkan dan menawarkan berbagai macam hal pengetahuan yang berbentuk cetak atau rekam. Berkembangnya teknologi saat ini yang begitu pesat dapat memberikan kemudahan sarana informasi maupun komunikasi sangat mempengaruhi terhadap kelancaran aktivitas bisnis yang membantu dalam pengambilan keputusan untuk penyimpanan data yang didukung oleh database atau basis data. Tujuan dari penelitian ini adalah untuk merancang dan membangun Basis Data Perpustakaan di Universitas yang memudahkan dalam pengelolaan data dengan menggunakan Physical Data Model dan Entity Relationship Diagram. Metode yang digunakan dalam penelitian ini mengadopsi metode Waterfall. Hasil dari perancangan dan pembuatan desain basis data perpustakaan Universitas memungkinkan untuk menyimpan data atau membuat dan melihat perubahan serta mengambil informasi dengan cepat dan mudah.

Page 1 of 1 | Total Record : 7

 1 

Filter by Year

2023 2023


Reset
Filter By Issues
All Issue Vol. 5 No. 1 (2023): Vol. 5 No.1 (2023) Vol. 4 No. 2 (2023): Vol. 4 No.2 (2023) Vol. 4 No. 1 (2022): Vol. 4 No.1 (2022) Vol. 3 No. 2 (2022): Vol.3 No.2 (2022) Vol. 3 No. 1 (2021): Vol.3 No.1 (2021) Vol. 2 No. 2 (2021): Vol.2 No.2 (2021) Vol. 2 No. 1 (2020): Vol.2 No.1 (2020) Vol. 1 No. 2 (2020): Vol.1 No. 2 (2020) Vol. 1 No. 1 (2019): Vol. 1 No.1 (2019)