Article Per Year (5 Year)
p-Index From 2020 - 2025
3.086
P-Index
This Author published in this journals
All Journal Jurnal sistem informasi, Teknologi informasi dan komputer Sinergi Annual Research Seminar Journal of Management and Business Review JSiI (Jurnal Sistem Informasi) Kumawula: Jurnal Pengabdian Kepada Masyarakat Indonesian Journal of Business Intelligence (IJUBI) Jurnal Teknologi Dan Sistem Informasi Bisnis JATI (Jurnal Mahasiswa Teknik Informatika) Reswara: Jurnal Pengabdian Kepada Masyarakat Sriwijaya Journal of Informatics and Applications DEVICE Jurnal Pendidikan Sains dan Komputer The Indonesian Journal of Computer Science
Jambak, Muhammad Ihsan
Fakultas Ilmu Komputer, Universitas Sriwijaya
Religion Agriculture, Biological Sciences & Forestry Humanities Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Chemistry Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Immunology & microbiology Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Materials Science & Nanotechnology Mathematics Mechanical Engineering Physics Social Sciences Other

Published : 27 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 6 Documents
Search
Journal : The Indonesian Journal of Computer Science

 1 
Pengaruh Sistem Informasi Terhadap Proses Penciptaan Ilmu Pengetahuan Pada Mahasiswa Fakultas Ilmu Komputer Universitas Sriwijaya Aritonang, Cindy Nadira Elfarisa; Jambak, Muhammad Ihsan
The Indonesian Journal of Computer Science Vol. 12 No. 3 (2023): The Indonesian Journal of Computer Science
Publisher : AI Society & STMIK Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33022/ijcs.v12i3.3200

Abstract

Penciptaan pengetahuan merupakan suatu proses yang dilakukan oleh individu untuk menciptakan dan mendapatkan ide-ide kreatif oleh organisasi. Namun, terjadinya proses penciptaan pengetahuan dalam diri masing-masing individu tentunya berbeda berdasarkan faktor-faktor yang mempengaruhi proses penciptaan pengetahuan tersebut. Teknologi merupakan faktor pendukung paling penting dari produktivitas proses penciptaan pengetahuan di berbagai kalangan dan sistem informasi diperlukan sebagai media dalam proses penciptaan pengetahuan. Theory of Planned Behavior dan teori Budaya Organisasi merupakan teori yang mendasari konstruk penelitian ini. Penelitian ini menggunakan metode kuantitatif. Populasi dalam penelitian ini berjumlah 2.666 dan jumlah sampel sebanyak 348 yang diperoleh melalui metode stratified random sampling. Dalam menganalisis data dalam penelitian ini menggunakan teknik Structural Equation Model (SEM-PLS) dan menggunakan software SmartPLS. Hasil yang diperolah adalah proses penciptaan pengetahuan dipengaruh oleh Sikap Individu, Budaya Organisasi dan Sistem Informasi. Sedangkan Sistem Informasi tidak dapat mempengaruhi hubungan antara Sikap Individu dan Budaya Organisasi dengan Proses Penciptaan Pengetahuan.
Perspektif Penerima Pengetahuan untuk Penciptaan Pengetahuan Mahasiswa Fakultas Ilmu Komputer Universitas Sriwijaya Chantika, Trievanni; Ihsan Jambak, Muhammad
The Indonesian Journal of Computer Science Vol. 12 No. 3 (2023): The Indonesian Journal of Computer Science
Publisher : AI Society & STMIK Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33022/ijcs.v12i3.3201

Abstract

Dalam proses pembelajaran, penciptaan pengetahuan terjadi ketika seorang individu dapat menerima pengetahuan dari individu lain dan dapat menciptakan pengetahuan yang baru. Namun, proses tersebut terkadang tidak berjalan dengan baik, maka dibutuhkan suatu sistem informasi yang sesuai dengan kebutuhan pengguna dengan mengetahui perspektif penerima pengetahuan dalam proses pembelajaran untuk penciptaan pengetahuan. Teori yang mendasari konstruk penelitian ini adalah Model SECI (Sosialisasi, Eksternalisasi, Kombinasi, Internalisasi). Penelitian ini menggunakan metode kuantitatif. Populasi dalam penelitian ini berjumlah 2.666 dan jumlah sampel 348 yang diperoleh menggunakan metode Stratified Random Sampling. Dalam menganalisis data, menggunakan teknik Rasch Model dan software Winstep. Hasil yang diperoleh adalah proses sosialisasi dan kombinasi merupakan faktor yang mempengaruhi penerima pengetahuan karena cenderung lebih mudah dilakukan dan banyak disetujui untuk diterapkan dalam proses pembelajaran.
Faktor-Faktor yang Mempengaruhi Pemilik Pengetahuan dalam Proses Pembelajaran pada Mahasiswa Fakultas Ilmu Komputer Universitas Sriwijaya Dian Apriani, Dian Apriani; Ihsan Jambak, Muhammad
The Indonesian Journal of Computer Science Vol. 12 No. 4 (2023): The Indonesian Journal of Computer Science (IJCS)
Publisher : AI Society & STMIK Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33022/ijcs.v12i4.3203

Abstract

Dalam proses pembelajaran, penciptaan pengetahuan terjadi ketika seorang individu yang berperan sebagai pemilik pengetahuan dapat menyampaikan pengetahuan yang dimilikinya ke individu lain. Namun, proses tersebut terkadang tidak berjalan dengan baik, sehingga dibutuhkan suatu sistem informasi yang sesuai dengan kebutuhan pengguna sebagai pemilik pengetahuan dengan mengetahui faktor-faktor yang mempengaruhi pemilik pengetahuan dalam menyampaikan pengetahuan pada saat proses pembelajaran. Teori yang mendasari konstruk penelitian ini adalah Model SECI (Sosialisasi, Eksternalisasi, Kombinasi, Internalisasi). Penelitian ini menggunakan metode kuantitatif. Populasi dalam penelitian ini berjumlah 2.666 dan jumlah sampel 348 yang diperoleh menggunakan metode Stratified Random Sampling. Dalam menganalisis data, menggunakan teknik Rasch Model dan software Winstep. Hasil yang diperoleh adalah proses sosialisasi dan internalisasi merupakan faktor yang dapat mempengaruhi mahasiswa sebagai pemilik pengetahuan karena cenderung lebih mudah dilakukan dan banyak disetujui untuk diterapkan.
Capabilities Comparison Of The Augmented Reality Application Development Frameworks On The Android Platform Suryani, Mifta Aprilya; Jambak, Muhammad Ihsan; Putra, Pacu
The Indonesian Journal of Computer Science Vol. 13 No. 1 (2024): The Indonesian Journal of Computer Science (IJCS)
Publisher : AI Society & STMIK Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33022/ijcs.v13i1.3535

Abstract

In the implementation of augmented reality, the natural process of human-computer interaction continues to be a challenge, specifically to reduce the complexity in the effort of using and providing comfortability. Therefore, it is necessary to search for methods and tools to simplify the complex process of building Augmented Reality applications. Vuforia is a multi-platform that has long been used as an Augmented Reality application development framework. Android and iOS platform frameworks are the new alternatives following the development of cellular technology. Furthermore, a comparative capability was conducted between Vuforia and ARCore on the Android platform. The general performance and the ability to understand the environment include working in horizontal and vertical planes, the ability to work based on lighting conditions, and the distance of the camera during the tests. The results showed that ARCore is superior to Vuforia in almost all testing metrics. However, in overexposed or too dim lighting and at very close surfaces, Vuforia is slightly superior but not essential. Therefore, it can be concluded that ARCore's capability is better than Vuforia.
The Influence of Optimization of the k-Means Algorithm with Genetic Algorithm on the Results of High Dimension Data Clustering Ramadhana, Yulinda; Jambak, Muhammad Ihsan
The Indonesian Journal of Computer Science Vol. 13 No. 1 (2024): The Indonesian Journal of Computer Science (IJCS)
Publisher : AI Society & STMIK Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33022/ijcs.v13i1.3634

Abstract

Clustering k-means begins with the random initial determination of the centroid. Initially generated random centroids often cause k-means to be trapped in the optimum local solution, which results in poor clustering quality. Therefore, this study examined the effect of genetic algorithms in determining initial centroids in k-means. Clustering k-means with random initial centroids and with initial centroids from genetic algorithm calculations are each tested on the data with dimension reduction and without dimension reduction. Based on the results of the initial centroid testing obtained from genetic algorithms, the quality of cluster results increased by 54.9% in the high dimensional data and 52.4% in the data that had been carried out for the dimensional reduction. This result shows that the k-means clustering with initial centroids obtained from genetic algorithm calculations has the best cluster/solution results with significant results.
Predictive Analytics for Water Safety: Data Mining and Supervised Learning in Potability Classification Nanda Aulia Sofiah; Fanny Olivia; Jambak, Muhammad Ihsan
The Indonesian Journal of Computer Science Vol. 13 No. 4 (2024): The Indonesian Journal of Computer Science (IJCS)
Publisher : AI Society & STMIK Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33022/ijcs.v13i4.3884

Abstract

Water is crucial for survival, especially for consumption, yet its quality is under threat due to human-caused pollution. Contaminated water poses serious health risks, including the transfer of diseases transmitted by water. Therefore, assessing water quality is critical for ensuring its safety for consumption. Data mining and supervised machine learning algorithms can help classify water potability, revealing hidden patterns and correlations between water parameters. This study evaluates the effectiveness of K-Nearest Neighbors (KNN), Naïve Bayes, Support Vector Machine (SVM), and Neural Network methods in categorizing a water quality dataset. The evaluation is aimed at selecting the most accurate procedure, as indicated by the highest accuracy rate. Results show that Neural Network exceeds KNN (81%), Naïve Bayes (63%), and SVM (73%), with a 85% accuracy rate. Keywords : Classification, Data Mining, Supervised Machine Learning, Water Potability
Co-Authors Aditya Febrianza Husin, Vikky Afif, Hasnan Aida Khalisatifa Ali Bardadi Allsela Meiriza, Allsela Amrifan Saladin Mohruni Andini, Rany Apriansyah Putra Ari Wedhasmara Ari Wedhasmara Aritonang, Cindy Nadira Elfarisa Athiyah, Rima Bayu Wijaya Putra Buchari, Muhammad Ali Candra, Salsabila Chantika, Trievanni Cindy Nadira Elfarisa Aritonang Danang Yonarta Danny M. Saputra Desty Rodiah DEWI SARTIKA Dian Apriani, Dian Apriani Dinna Yunika Hardiyanti Dwi Wulan Sari Endy Suherman Fanny Olivia Firda, Hiliah Florensia, Yesinta Gumay, Naretha Kawadha Hadipurnawan Satria Hardini Novianti Hardini Novianti Hardini Novianty Hestiana Dela Arum Hilditia Cici Triska Amirta Jessica Jessica Junia Kurniati, Junia Madyasta Anggana Rarassari Megah Mulya Meylani Utari Mochamad Syaifudin, Mochamad Muhammad Irfan Jambak Nanda Aulia Sofiah Nirwana , Sevi Dian Novi Yusliani Pacu Putra Pangestu, Ridho Patrick Gracezando Yehova Primanita, Anggina Putri Eka Sevtiyuni Rahma Haniffia Rahmat Izwan Heroza Ramadhana, Yulinda Retno Cahya Mukti Rifkie Primartha Rusdi Efendi Rusdi Efendi Rusdi Efendi Samsuryadi Sahmin Samsuryadi Samsuryadi Suryani, Mifta Aprilya Syechky Al Qodrin Talita Aminisari, Sapina Tanbiyaskur Tanbiyaskur Tiara Dewangga Trievanni Chantika Winda Kurnia Sari Yadi Utama Zhafira Zafitri