JEKIN - Jurnal Teknik Informatika

Implementasi AHP dalam Sistem Pendukung Keputusan untuk Pemilihan Remote Terminal Tools di PT PLN ICON+

2025-12-18T03:07:55+00:00

Penelitian ini mengimplementasikan Sistem Pendukung Keputusan (SPK) berbasis metode Analytic Hierarchy Process (AHP) untuk mendukung proses pemilihan alat remote terminal yang optimal pada PT PLN ICON+. Penelitian ini dilatarbelakangi oleh kebutuhan standarisasi tools yang aman, efisien, dan kompatibel guna meningkatkan keandalan jaringan serta kinerja operasional pada infrastruktur energi kritis. Tujuh kriteria utama digunakan dalam proses pengambilan keputusan, yaitu keamanan koneksi, kemudahan penggunaan, dukungan multi-platform, fitur transfer file, kustomisasi antarmuka, kecepatan koneksi, dan kompatibilitas sistem operasi. Data diperoleh dari 20 responden berpengalaman melalui perbandingan berpasangan dan penilaian kinerja empat alternatif tools (MobaXterm, PuTTY, SecureCRT, dan OpenSSH). Metode AHP digunakan untuk menghitung bobot prioritas global kriteria dan alternatif melalui agregasi matriks perbandingan berpasangan. Hasil analisis menunjukkan bahwa MobaXterm memperoleh skor prioritas global tertinggi (4,56), diikuti oleh PuTTY (3,92), SecureCRT (3,48), dan OpenSSH (2,98). Keamanan koneksi (bobot = 0,156) dan kemudahan penggunaan (bobot = 0,155) menjadi kriteria yang paling berpengaruh, dengan nilai Consistency Ratio di bawah 0,1 sehingga hasil keputusan dinyatakan konsisten. Temuan ini menunjukkan bahwa AHP mampu menghasilkan proses pengambilan keputusan yang sistematis dan objektif serta merekomendasikan MobaXterm sebagai tools standar untuk meningkatkan efisiensi operasional dan mitigasi risiko di PT PLN ICON+.

Penerapan Metode Location Based Service (LBS) Untuk Aplikasi Bengkel Ban Terdekat Berbasis Android (Studi Kasus : Kecamatan Bukit Raya)

2026-01-10T11:31:02+00:00

Peningkatan jumlah kendaraan bermotor berdampak pada meningkatnya potensi gangguan selama perjalanan, seperti ban bocor atau pecah ban. Kondisi ini menjadi permasalahan bagi pengendara, khususnya ketika berada di wilayah yang kurang dikenal, karena kesulitan dalam menemukan lokasi bengkel ban terdekat secara cepat dan akurat. Penelitian ini bertujuan untuk menerapkan metode Location Based Service (LBS) pada aplikasi berbasis Android guna memetakan dan mencari lokasi bengkel ban terdekat di Kecamatan Bukit Raya. Metode utama yang digunakan adalah Location Based Service dengan pemanfaatan Global Positioning System (GPS) untuk menentukan posisi pengguna secara real-time serta Google Maps API untuk menampilkan peta digital dan rute perjalanan menuju bengkel ban. Aplikasi dikembangkan menggunakan sistem operasi Android dan dirancang untuk menampilkan informasi lokasi bengkel, jarak tempuh, serta rute terdekat dari posisi pengguna. Pengujian sistem dilakukan melalui pengujian fungsional (black box testing) dan pengujian akurasi lokasi, dengan melibatkan sejumlah titik bengkel ban yang terdaftar di wilayah Kecamatan Bukit Raya. Hasil pengujian menunjukkan bahwa aplikasi mampu menampilkan lokasi bengkel ban dengan tingkat akurasi lokasi yang sesuai dengan koordinat GPS serta memberikan rute perjalanan terdekat dengan waktu respon rata-rata kurang dari beberapa detik. Selain itu, seluruh fitur utama aplikasi berfungsi sesuai dengan kebutuhan pengguna. Berdasarkan hasil tersebut, dapat disimpulkan bahwa penerapan metode LBS pada aplikasi bengkel ban terdekat berbasis Android mampu membantu pengguna dalam menemukan lokasi bengkel ban secara cepat, akurat, dan efisien dari segi waktu, khususnya pada kondisi darurat di wilayah Kecamatan Bukit Raya.

Pemilihan Lokasi Strategis Toko Indomaret Menggunakan Metode AHP di Kabupaten Sleman

2025-12-31T01:27:20+00:00

Pemilihan lokasi merupakan faktor strategis yang sangat menentukan keberhasilan operasional dan keberlanjutan bisnis ritel modern, khususnya pada jaringan minimarket seperti Indomaret di Kabupaten Sleman. Dalam praktiknya, pemilihan lokasi toko masih sering dilakukan berdasarkan intuisi dan pengalaman, sehingga berpotensi menghasilkan keputusan yang kurang optimal dari sisi biaya maupun potensi pasar. Penelitian ini bertujuan untuk membantu pengambilan keputusan pemilihan lokasi strategis pendirian toko Indomaret dengan pendekatan yang objektif dan terstruktur menggunakan metode Analytic Hierarchy Process (AHP). Metode penelitian yang digunakan meliputi identifikasi masalah, penentuan kriteria dan alternatif lokasi, penyusunan struktur hierarki, serta perhitungan bobot dan perangkingan menggunakan AHP. Data diperoleh melalui observasi lapangan, studi pustaka, dan kuesioner kepada pihak terkait. Kriteria yang digunakan meliputi biaya operasional (sewa), jarak dari kota, demografi (kepadatan penduduk), luas tanah, dan jenis toko. Hasil perhitungan menunjukkan nilai Consistency Ratio (CR) sebesar 0,093 (<0,1) yang menandakan konsistensi penilaian. Biaya operasional menjadi kriteria paling dominan dengan bobot 42,3%. Dari lima alternatif lokasi yang dianalisis, lokasi B memperoleh skor tertinggi sebesar 0,901 dan direkomendasikan sebagai lokasi paling strategis. Kesimpulannya, metode AHP terbukti efektif sebagai alat bantu pengambilan keputusan pemilihan lokasi ritel yang sistematis dan berbasis data.

Sistem Monitoring Real-Time dengan Deteksi Anomali untuk Keamanan Aplikasi Web

2025-12-31T01:31:52+00:00

Pemantauan trafik web sangat penting untuk menjaga keandalan aplikasi web. Meskipun tersedia solusi monitoring mapan seperti ELK Stack, implementasinya sering memerlukan sumber daya komputasi yang besar dan menimbulkan latensi dalam deteksi anomali karena metode pengumpulan data berbasis pull. Penelitian ini bertujuan untuk merancang dan membangun sistem monitoring trafik web real-time yang ringan dan dilengkapi dengan fitur deteksi anomali menggunakan Static Thresholding dengan agregasi berbasis jendela waktu. Kebaruan penelitian ini terletak pada integrasi arsitektur event-driven menggunakan Node.js dan protokol WebSocket (Socket.IO) untuk streaming data berbasis push, dikombinasikan dengan MongoDB untuk penyimpanan log yang efisien dan background worker untuk deteksi anomali secara asinkron. Sistem diimplementasikan pada server dengan spesifikasi 2 CPU Cores, Memori 2 GiB, dan penyimpanan 40GB, menggunakan Nginx sebagai reverse proxy dan PM2 untuk manajemen proses. Evaluasi kinerja dilakukan melalui pengujian fungsional, validasi deteksi anomali, dan stress testing dengan 1.000 koneksi konkuren menggunakan alat wrk. Hasil pengujian menunjukkan bahwa sistem mampu memvisualisasikan metrik trafik dengan latensi monitoring di bawah 200 milidetik dan mencapai akurasi 100% dalam mendeteksi anomali seperti lonjakan trafik (hingga 9.019 req/min) dan tingkat kesalahan tinggi (88,9%). Sistem mengirimkan notifikasi Telegram dalam rentang waktu maksimal 60 detik setelah anomali terdeteksi, memberikan kemampuan peringatan dini bagi administrator sistem dengan konsumsi sumber daya minimal.

Sistem Pendukung Keputusan Berbasis Equal Weight-TOPSIS untuk Penilaian Kinerja Kurir Shopee Express

2025-12-31T01:35:09+00:00

Pertumbuhan logistik e-commerce di Indonesia meningkatkan kebutuhan evaluasi kinerja kurir yang objektif. Sistem evaluasi yang ada sering kali subjektif dan tidak terstandarisasi. Penelitian ini mengusulkan Sistem Pendukung Keputusan (SPK) yang mengintegrasikan metode Equal Weight (EW) dan TOPSIS untuk menilai kinerja kurir Shopee Express berdasarkan tujuh kriteria: Tingkat Keberhasilan Pengiriman, Rata-rata Paket per Hari, Skor POD, Tingkat Kehadiran, Tingkat Konfirmasi, Jumlah Paket Tertahan, dan Penalti Metrik. Dengan data simulasi dari 15 kurir, sistem menghasilkan peringkat kinerja yang jelas, di mana kurir terbaik mencapai CCi 0,752. Analisis komparatif antara bobot EW dan bobot preferensi manajerial menunjukkan adaptabilitas sistem. Hasil penelitian mengonfirmasi bahwa SPK EW-TOPSIS menyediakan alat evaluasi yang objektif, transparan, dan fleksibel, meski terbatas pada data simulasi. Penelitian lanjutan disarankan menggunakan data operasional nyata.

Integrasi Skeleton Tracking Kinect sebagai Kontrol Pemain dalam Game Casual untuk Meningkatkan Interaktivitas dan Engagement Pemain

2026-02-05T02:47:27+00:00

Perkembangan teknologi motion sensing memungkinkan terciptanya interaksi yang lebih alami antara pemain dan game digital. Microsoft Kinect merupakan perangkat motion sensing yang memanfaatkan teknologi depth camera dan skeleton tracking untuk mendeteksi pergerakan tubuh manusia secara real-time tanpa menggunakan perangkat kontrol fisik. Penelitian ini bertujuan untuk mengintegrasikan skeleton tracking Kinect sebagai sistem kontrol pemain pada game casual bertipe menangkap koin serta mengevaluasi pengaruhnya terhadap tingkat interaktivitas dan engagement pemain. Game dikembangkan menggunakan Unity dengan Kinect v2 sebagai perangkat input utama, di mana gerakan tangan pemain digunakan untuk mengendalikan objek permainan. Metode penelitian yang digunakan meliputi pengembangan sistem, pengujian akurasi pelacakan skeleton, dan evaluasi pengalaman pengguna melalui pengujian langsung kepada responden. Hasil penelitian menunjukkan bahwa skeleton tracking Kinect mampu menyediakan kontrol berbasis gerakan yang responsif dan intuitif dengan tingkat akurasi yang memadai untuk kebutuhan game casual. Selain itu, hasil evaluasi pengguna menunjukkan peningkatan keterlibatan, imersi, dan kesenangan bermain dibandingkan dengan metode kontrol konvensional. Meskipun terdapat beberapa keterbatasan seperti ketidakstabilan pelacakan pada gerakan cepat dan kondisi occlusion, secara keseluruhan integrasi skeleton tracking Kinect terbukti efektif dalam meningkatkan interaktivitas dan engagement pemain pada game casual.

Deteksi Pemalsuan Gambar Menggunakan Error Level Analysis dan DenseNet Berbasis Mobile

2026-02-04T07:32:26+00:00

Pemalsuan gambar menjadi permasalahan serius di era digital akibat pesatnya penyebaran informasi visual melalui media sosial dan platform daring. Keaslian citra digital memiliki peran penting dalam menjaga kredibilitas informasi serta mencegah penyebaran hoaks. Penelitian ini mengusulkan pengembangan aplikasi deteksi pemalsuan gambar berbasis mobile dengan mengombinasikan metode Error Level Analysis (ELA) dan arsitektur deep learning DenseNet-121. Metode ELA digunakan sebagai tahap praproses untuk menyoroti ketidakkonsistenan tingkat kompresi JPEG yang mengindikasikan adanya manipulasi gambar, sedangkan DenseNet digunakan untuk melakukan klasifikasi biner antara citra asli dan citra palsu. Pengujian dilakukan menggunakan dataset CASIA 2.0 yang terdiri dari 12.616 citra, yang telah melalui proses ELA dan penyeragaman ukuran citra. Hasil eksperimen menunjukkan bahwa model yang diusulkan mencapai akurasi validasi sebesar 97,6% dan akurasi pengujian sebesar 98%. Aplikasi mobile yang dikembangkan mampu memberikan solusi praktis dan akurat dalam mendeteksi pemalsuan gambar sehingga dapat membantu pengguna dalam memverifikasi keaslian citra secara efektif.

Pengembangan Arsitektur Edge Computing untuk Early Warning System (EWS) Banjir Berbasis Multi-Sensor Menggunakan Model Hybrid LSTM–Random Forest

2026-02-16T11:05:59+00:00

Banjir merupakan bencana hidrometeorologi yang sering terjadi di wilayah tropis dan berdampak signifikan terhadap aspek sosial, ekonomi, serta infrastruktur. Penelitian ini mengembangkan Early Warning System (EWS) deteksi banjir berbasis multi-sensor dengan arsitektur Internet of Things (IoT) real-time yang mengintegrasikan pemrosesan edge dan cloud. Sistem diimplementasikan di [lokasi penelitian] selama empat bulan dengan total 12.480 dataset yang dikumpulkan setiap interval 5 menit. Parameter yang diamati meliputi tinggi muka air menggunakan sensor ultrasonik JSN-SR04T, curah hujan, suhu udara, dan kecepatan angin. Data diproses melalui pembersihan, normalisasi Min-Max, dan ekstraksi fitur deret waktu. Model Long Short-Term Memory (LSTM) digunakan untuk memprediksi pola temporal kenaikan muka air, sedangkan Random Forest digunakan untuk klasifikasi tingkat risiko banjir. Evaluasi dilakukan menggunakan skema train-test split 80:20 dan 5-fold cross-validation dengan hyperparameter tuning berbasis grid search. Hasil pengujian menunjukkan bahwa model LSTM memperoleh akurasi 91%, presisi 90%, recall 92%, dan F1-score 91%, sedangkan Random Forest mencapai akurasi 89%, presisi 88%, recall 90%, dan F1-score 89%. Model hybrid LSTM–Random Forest memberikan performa terbaik dengan akurasi 93%, presisi 92%, recall 94%, dan F1-score 93%. Sistem mampu memberikan peringatan dini 25–40 menit sebelum ambang batas banjir kritis tercapai dengan waktu respons kurang dari 3 detik. Kebaruan penelitian ini terletak pada integrasi multi-sensor hidrometeorologi dengan skema hybrid LSTM–Random Forest dalam arsitektur edge–cloud real-time yang meningkatkan akurasi prediksi sekaligus menurunkan latensi sistem peringatan dini banjir.