Claim Missing Document
Check
Articles

Found 3 Documents
Search
Journal : Jurnal Informatika dan Komputer

IMPLEMENTASI SISTEM INFORMASI KOPERASI SIMPAN PINJAM BERBASIS WEB PADA KOPERASI NUSA Reni Setiawati; Ifdhea Finesti; Wardianto
JICode: Jurnal Informatika dan Komputer Vol. 1 No. 2 (2024): Edisi Agustus
Publisher : Program Studi Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30599/jicode.v1i2.3780

Abstract

Koperasi memiliki fungsi untuk meningkatkan potensi ekonomi dan kemampuan anggotanya sambil juga membantu masyarakat sekitarnya mengurangi kesenjangan ekonomi. Salah satu produk dari koperasi-koperasi ini adalah koperasi simpan pinjam. Koprasi Nusa merupakan salah satu unit koprasi yang ada pada Bedilan, BK 10 Kabupaten OKU Timur. Dalam oprasional yang ada pada Koprasi Nusa Selama ini, pengelolaan data anggota, simpanan, pinjaman, dan pelaporan di KSP Nusa masih dilakukan secara manual. Pencatatan data anggota, simpanan, pinjaman, dan angsuran dilakukan secara manual menggunakan buku besar dan aplikasi pengolah angka sederhana. Dalam proses pembuatan laporan keuangan seperti laporan simpanan, pinjaman, angsuran, dan laba rugi masih dilakukan secara manual. Dengan adanya permasalahan tersebut, maka dibutuhkan sebuah sistem informasi koperasi simpan pinjam berbasis web. Dalam pengembangan sistem komprasi simpan pinjam ini menggunakan metode prototype. Sistem ini dibuat bertujuan untuk memudahkan Koprasi Nusa untuk mengelola data dan membantu memudahkan proses oprasional kegiatan yang berlangsung pada Koprasi Nusa saat ini.
Analisis Hasil Rekapitulasi Pilkada Daerah Khusus Jakarta (DKJ) 2024 Menggunakan Metode Support Vector Machine Miftakhul Rahman; Mantri Kromo Fandith Fili; Wardianto
JICode: Jurnal Informatika dan Komputer Vol. 2 No. 1 (2025): Edisi Februari
Publisher : Program Studi Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30599/c0zqdw84

Abstract

Penelitian ini bertujuan untuk menganalisis sentimen publik terhadap hasil rekapitulasi Pilkada DKJ 2024 menggunakan metode Support Vector Machine (SVM). Data penelitian berjumlah 3.500 data yang diperoleh dari komentar Instagram menggunakan "Turbo IG Comment Export Tool", menghasilkan 3.100 data bersih setelah preprocessing yang meliputi cleaning, normalization, tokenizing, stopword removal, dan stemming. Hasil analisis menunjukkan distribusi sentimen sebesar 37,8% positif, 32,4% netral, dan 29,8% negatif. Model SVM mencapai akurasi 84% dengan performa seimbang: sentimen positif (presisi 0,92, recall 0,74, f1-score 0,82), negatif (presisi 0,86, recall 0,87, f1-score 0,87), dan netral (presisi 0,75, recall 0,90, f1-score 0,82). Analisis word frequency dan wordcloud mengungkapkan pola kata dominan yang mencerminkan respons publik terhadap hasil Pilkada, dengan kata-kata positif seperti "alhamdulillah" dan "selamat" kontras dengan kata-kata negatif seperti "kalah". Penelitian ini memberikan wawasan berharga tentang persepsi publik terhadap hasil Pilkada DKJ 2024 dan mendemonstrasikan efektivitas metode SVM dalam analisis sentimen politik.
PENERAPAN TENSORFLOW DALAM PREDIKSI JENIS KELAMIN DENGAN MENGGUNAKAN ALGORITMA CNN Fajar, Yahya Ibnu; Wardianto; Anshori
JICode: Jurnal Informatika dan Komputer Vol. 2 No. 1 (2025): Edisi Februari
Publisher : Program Studi Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30599/zp5ch268

Abstract

Wajah merupakan komponen yang paling mudah dikenali dan sering kali menjadi pusat perhatian dalam tubuh manusia. Sering terjadinya kesulitan dalam membedakan dan menganalisis citra wajah dengan jumlah yang banyak secara manual karena banyaknya kemiripan antara laki-laki dan perempuan sehingga memperlambat proses identifikasi jenis kelamin. Tujuan dari penelitian ini yaitu menerapkan TensorFlow dalam pengembangan model CNN untuk memprediksi jenis kelamin dari gambar wajah. Penelitian ini diharapkan dapat memberikan wawasan tentang efektivitas penggunaan algoritma CNN dalam pengenalan gambar. Penelitian ini menggunakan pendekatan eksperimen dengan dataset gambar wajah yang mencakup individu laki-laki dan perempuan yang terbagi menjadi data train dan validation untuk prediksi jenis kelamin. Model dilatih dengan teknik deep learning, dan menggunakan algoritma CNN kemudian evaluasi menggunakan confusion matrix, precision, recall, F1-score, dan accuracy. Berdasarkan hasil dari pelatihan model sebanyak 8 Epoch menunjukan semua gambar wajah dapat diproses untuk mendeteksi gender dengan nilai Pengujian identifikasi tingkat accuracy sebesar  0.92 dan  loss sebesar 0.28. hasil penelitian dengan menggunakan metode ini dapat meningkatkan kinerja sistem pengenalan wajah berdasarkan jenis kelamin secara praktis. Selain itu, penelitian ini juga memberikan rekomendasi untuk meningkatkan akurasi lebih lanjut dan eksplorasi teknologi terkini dalam upaya mengoptimalkan aplikasi pengenalan gender di masa depan.