https://jifti.upnjatim.ac.id/index.php/jifti/issue/feed 2026-06-30T16:55:44+07:00 Editor JIFTI jifti@upnjatim.ac.id Open Journal Systems <p align="justify"><strong>Jurnal Ilmiah Teknologi Informasi dan Robotika</strong> indeed discussing the research result on the topics of any challenge in the field of information technology and computer science. Therefore the journal prefers the idea on Artificial Intelligence, Computational Theory and Mathematics, Computer Graphics and Computer Aided Design, Computer Networks and Communications, Computer Science, Computer Vision, Pattern Recognition, Hardware and Architecture, Human Computer Interaction, Information Systems, Signal Processing, Robotics, and Software. The journal must be written in Indonesian and adheres to double blind peer review to ensure the originality and quality of the publication.</p> <p align="justify"><strong>Jurnal Ilmiah Teknologi Informasi dan Robotika</strong> is published by Universitas Pembangunan Nasional "Veteran" Jawa Timur. For the author interested in submitting the manuscript, kindly <a href="https://jifti.upnjatim.ac.id/index.php/jifti/user/register" target="_blank" rel="noopener"><strong>register</strong></a> yourself. The author guidelines can be viewed here, and the manuscript template can be downloaded <a href="https://docs.google.com/document/d/1XGZKB1O3kyLlDTdXi5K0o0kl6Qy6qxd4OGkIlDRsSfc/edit?usp=sharing" target="_blank" rel="noopener"><strong>here.</strong></a><strong> </strong>Already have a Username/Password for <strong>Jurnal Ilmiah Teknologi Informasi dan Robotika</strong>? go to <a href="https://jifti.upnjatim.ac.id/index.php/jifti/login"><strong>login.</strong></a></p> <p align="justify"><strong>ISSN (Online): <a href="https://issn.perpusnas.go.id/terbit/detail/1567278895">2686-4339</a></strong></p> <p align="justify"><strong>DOI (Prefix): <a href="https://search.crossref.org/search/works?q=Jurnal+Ilmiah+Teknologi+Informasi+dan+Robotika&amp;from_ui=yes">https://doi.org/10.33005/jifti</a></strong></p> https://jifti.upnjatim.ac.id/index.php/jifti/article/view/148 2024-10-06T05:24:58+07:00 Dzaki Putra Prakosa dzakiputra41@gmail.com Ery Muthoriq eri.muthoriq@pktj.ac.id

<p>Penelitian ini meliputi desain dan analisis numerik dari Spur Gear dengan mempertimbangkan baja tahan karat, material komposit Ti-3Al-8 V-6Cr-4Mo-4Zr (SS) dan paduan ZnAC41A sebagai material penelitian. Dengan menggunakan teknik simulasi SolidWorks dari spur gear dan analisis numerik dari regangan, distribusi tegangan dan deformasi di bawah beban, dilakukan secara terpisah untuk spur gear yang dirancang dengan masing-masing dari tiga material tersebut. Berdasarkan hasil tersebut, material komposit yang lebih ringan Ti-3Al-8 V-6Cr-4Mo-4Zr dengan distribusi tegangan sedang, nilai regangan yang lebih rendah dan deformasi paling sedikit di bawah beban, ditemukan sebagai material pilihan untuk tujuan tersebut.</p>

2026-06-30T00:00:00+07:00 Copyright (c) 2026 Dzaki Putra Prakosa, Ery Muthoriq https://jifti.upnjatim.ac.id/index.php/jifti/article/view/218 2026-06-10T01:36:09+07:00 Septiyawan Rosetya Wardhana rossywardhana@itats.ac.id Gusti Eka Yuliastuti gustiekay@itats.ac.id Dian Puspita Hapsari dian.puspita@itats.ac.id

<p><em>Penyebaran hoaks di media sosial Twitter berbahasa Indonesia telah menjadi permasalahan serius yang berdampak pada opini publik dan stabilitas sosial. Penelitian ini mengusulkan metode deteksi hoaks berbasis kombinasi fitur linguistik spesifik-Indonesia dan ensemble machine learning. Fitur linguistik yang diekstrak mencakup: (1) pola leksikal hiperbola, urgensi, dan konspirasi; (2) karakteristik struktural teks; (3) fitur stilistika dan kompleksitas kalimat; serta (4) fitur TF-IDF dan n-gram karakter. Model ensemble yang diusulkan menggabungkan Random Forest, Gradient Boosting, dan Support Vector Machine melalui mekanisme soft voting. Eksperimen dilakukan pada dataset IndoFakeNews yang berisi 5.548 pasang berita asli dan hoaks. Hasil evaluasi menunjukkan bahwa metode yang diusulkan mencapai akurasi 89,3%, precision 88,7%, recall 90,1%, dan F1-score 89,4%, melampaui baseline IndoBERT fine-tuned sebesar 1,2% pada F1-score dengan kecepatan inferensi 8,3 kali lebih cepat. Hasil ini menunjukkan bahwa kombinasi fitur linguistik berbasis pengetahuan domain dengan ensemble klasik mampu menyaingi model deep learning pada tugas deteksi hoaks Bahasa Indonesia.</em></p>

2026-06-30T00:00:00+07:00 Copyright (c) 2026 Septiyawan Rosetya Wardhana, Gusti Eka Yuliastuti, Dian Puspita Hapsari