cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Ratna Mutu Manikam
Contact Email
ratna_mutumanikam@mercubuana.ac.id
Phone
-
Journal Mail Official
fifo.journal@mercubuana.ac.id
Editorial Address
-
Location
Kota adm. jakarta barat,
Dki jakarta
INDONESIA
Jurnal Ilmiah FIFO
Published by Universitas Mercu Buana
ISSN : 20854315     EISSN : 25028332     DOI : -
Core Subject : Science,
Computer Science & IT
Jurnal Ilmiah FIFO UMB diterbitkan oleh program studi Sistem Informasi Fakultas Ilmu KOmputer merupakan hasil penelitian, penelitian konseptual dan ilmu terapan, yang mencakup dan berfokus pada bidang Rekayasa Perangkat Lunak, E-Business, E-Government, Mobile Computing, Data mining, data warehouse, Temu Kembali Informasi. Makalah yang diterbitkan telah dilakukan proses review dan diterbitkan 2 (dua) kali dalam 1 (satu) tahun pada bulan MEI dan NOVEMBER.
Arjuna Subject : -
Articles 10 Documents
 1 
Search results for , issue "Vol 16, No 1 (2024)" : 10 Documents clear
Sistem Keamanan Pintu Berbasis Face Recognition Menggunakan Raspberry Pi 3 Pribadi, Antoni; Fitri, Fitri; Safitri, Mulya; Nofiar. Am, Andri; Ridwan, Muhammad
Jurnal Ilmiah FIFO Vol 16, No 1 (2024)
Publisher : Fakultas Ilmu Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22441/fifo.2024.v16i1.005

Abstract

Menurut Badan Pusat Statistik tahun 2021 mengatakan bahwa tingkat kejahatan pencurian pada tahun 2020 di Riau meningkat sebesar 2.730 kasus, oleh sebab itu kasus pencurian dirumah menjadi hal yang sangat sering terjadi. Penyebab terjadinya pencurian tersebut ialah karena banyaknya rumah yang memakai sistem kunci gembok tradisional yang bentuknya kecil. Terdapat banyak solusi yang telah dibuat oleh peneliti terdahulu seperti menggunakan sidik jari, password, sensor PIR, suara, retina dan lain-lain. Namun semua masih terdapat kekurangannya masing-masing. Untuk itu solusi yang diberikan ialah dengan membuat sistem keamanan pintu rumah berbasis face recognition. Face recognition sendiri ialah sebuah teknologi yang dapat mencocokkan wajah manusia dari citra digital atau cuplikan video melalui basis data wajah. Tujuan dari penelitian ini ialah sistem mampu mengidentifikasi wajah pemilik rumah. Sistem berhasil mengirimkan informasi berupa foto, tag nama dan waktu pada aplikasi Bot Telegram grup yang di monitoring oleh anggota keluarga terkait seseorang yang masuk kedalam rumah. Sistem juga berhasil menampilkan pesan teks pada LCD 16x2 untuk memberikan info tag nama seseorang yang sedang mengakses kamera.
Pemodelan Wilayah Titik Api Kebakaran Hutan Menggunakan Deep Learning Dwiasnati, Saruni; Devianto, Yudo; Arif, Sutan Mohammad; Avrizal, Reza
Jurnal Ilmiah FIFO Vol 16, No 1 (2024)
Publisher : Fakultas Ilmu Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22441/fifo.2024.v16i1.001

Abstract

Indonesia merupakan negara tropis yang mengalami kebakaran hutan setiap tahunnya. Kebakaran hutan terjadi disebabkan oleh durasi musim panas yang terlalu lama dari waktu semestinya. Hutan merupakan tempat tinggal berbagai jenis satwa dan fauna yang memiliki banyak kekayaan hayati yang dapat membuat mereka bertahan hidup. Sering terjadinya kebakaran hutan menjadi isu lingkungan yang dianggap krusial dan mendapatkan perhatian baik dari tingkat lokal maupun internasional. Penelitian yang dilakukan ini menyajikan kajian klasifikasi wilayah titik api kebakaran hutan menggunakan salah satu algoritma Deep Learning (DL) yaitu metode Convolutional Neural Network (CNN), hal ini sangat dibutuhkan untuk pendahuluan mengenai peringatan dini kebakaran hutan yang ada di daerah tersebut. Wilayah titik api kebakaran hutan yang digunakan dalam penelitian ini dikumpulkan dari daerah Nusa Tenggara Timur (NTT), terutama pulau-pulau seperti Sumba dan Timor. Metode CNN melibatkan dua langkah utama. Langkah pertama adalah pengklasifikasian gambar melalui proses feedforward. Langkah kedua adalah fase pembelajaran menggunakan teknik backpropagation. Model CNN yang digunakan dalam proses pelatihan dataset menguji citra dengan beberapa pengoptimal dan diperoleh hasil akurasi yang tinggi. Kemiripan area yang terbakar dengan fitur terang lainnya mengurangi kepastian deteksi kebakaran hutan. Hasil penelitian menunjukkan bahwa Model CNN yang digunakan Untuk deteksi dan segmentasi area terbakar menggunakan algoritma terpilih, kinerja terbaik dengan pembelajaran mendalam yang dilaporkan dalam literatur adalah 89%.Teknik yang diusulkan dilatih menggunakan wilayah varian (kumpulan data) dan mengevaluasi presisi berdasarkan ambang recall, dengan akurasi keseluruhan 89%.
Klasifikasi Diagnosis untuk Penyakit Kanker Serviks Menggunakan Algoritma Extreme Gradient Boosting (XGBoost) Opitasari, Opitasari; Natsir, Fauzan; Marsiani, Ega Shela
Jurnal Ilmiah FIFO Vol 16, No 1 (2024)
Publisher : Fakultas Ilmu Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22441/fifo.2024.v16i1.006

Abstract

Kanker serviks yang juga biasa dikenal dengan kanker mulut leher rahim merupakan satu dari beberapa jenis penyakit kanker yang mematikan pada wanita setelah kanker payudara. Menurut survei WHO, dari total kasus kanker di Indonesia, 9,2% kasus di antaranya adalah kanker serviks dengan jumlah 36.633 kasus. Sulitnya menentukan gejala awal pada kanker serviks dikarenakan gejala yang timbul tidak kasat mata sehingga banyak sekali kasus terlambat penanganan pada pasien penderita penyakit ini. Penelitian dilakukan dengan metode XGBoost untuk mengklasifikasi gejala awal penyakit kanker serviks dengan menggunakan dataset yang diambil dari UCI Repository. XGBoost melakukan optimasi dengan teknik boosting untuk meminimalisir nilai loss function. Jika nilai loss function menghasilkan nilai yang tinggi itu menandakan bahwa model yang dihasilkan sangat buruk, begitu sebaliknya. Evaluasi model ini didapatkan perolehan nilai accuracy sebesar 86%. Perhitungan Accuracy digunakan untuk mencari seberapa tepat model melakukan prediksi dari masing-masing instance, Metric Precision digunakan untuk mencari nilai model klasifikasi dalam mengembalikan instance yang relevan nilai precision pada penelitian 100%, Metric Recall digunakan untuk mengetahui seberapa baik model “mengingat” atau mengidentifikasi nilai instance yang relevan nilai recall pada penelitian ini 82% dan F1-Score atau bisa disebut juga F Measure merupakan nilai rata-rata perbandingan dan keseimbangan dari Precision dan Recall f1-score 90% pada model XGBoost sehingga dapat disimpulkan bahwa XGBoost sangat baik dalam melakukan klasifikasi penyakit kanker serviks.
Penggunaan Klasifikasi Objek dalam Aplikasi Android untuk Melestarikan Kuliner Khas Indonesia Aprianto, Aditya Dwi; Ramayanti, Desi
Jurnal Ilmiah FIFO Vol 16, No 1 (2024)
Publisher : Fakultas Ilmu Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22441/fifo.2024.v16i1.003

Abstract

Penelitian ini bertujuan untuk mengembangkan aplikasi berbasis Android yang memanfaatkan teknologi klasifikasi objek untuk melestarikan dan mempromosikan kuliner tradisional Indonesia. Dengan menggunakan metode deep learning dan pengolahan citra, aplikasi ini dirancang untuk mengidentifikasi berbagai jenis kuliner khas Indonesia melalui gambar. Pengembangan aplikasi ini melibatkan pengumpulan dataset gambar kuliner dari Kaggle dan Roboflow Universe. Setelah dataset dikumpulkan, tahap selanjutnya adalah preprocessing data, dan pelatihan model klasifikasi. Aplikasi ini juga dilengkapi dengan fitur informasi detail mengenai kuliner, termasuk sejarah, asal-usul, dan cara pembuatan, yang bertujuan untuk meningkatkan pengetahuan dan minat generasi muda terhadap kuliner Nusantara. Hasil pengujian aplikasi menunjukkan bahwa teknologi klasifikasi objek dapat secara efektif digunakan untuk mengidentifikasi kuliner khas Indonesia dan mendukung pelestarian kuliner tradisional Indonesia.
Penentuan Kelayakan dan Jenis Lembaga Keuangan dalam Pemberian Modal UMKM Menggunakan Metode AHP dan Decision Tree Setyadi, Heribertus Ary; Nurohim, Galih Setiawan; Nugroho, Wawan
Jurnal Ilmiah FIFO Vol 16, No 1 (2024)
Publisher : Fakultas Ilmu Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22441/fifo.2024.v16i1.007

Abstract

Terdapat beberapa kendala dibalik kehadiran UKM dalam pengelolaan usaha tersebut, antara lain kesulitan memperoleh pinjaman dari perbankan karena kurangnya pengetahuan pegawai yang ada, kurangnya perkembangan teknologi informasi, dan beberapa syarat yang tidak dapat terpenuhi. Tujuan penelitian ini untuk mengembangkan sistem pendukung keputusan yang dapat membantu dalam menentukan kelayakan UMKM dan lembaga keuangan yang sesuai untuk melakukan pinjaman. Terdapat 25 sampel UMKM yang berada di Kota Surakarta untuk dijadikan bahan penelitian. Algoritma decision tree dan metode Analytic Hierarchy Process (AHP) digunakan dalam penelitian ini. Tahap pertama untuk penentuan kelayakan suatu UMKM yang akan diberi pinjaman menggunakan algoritma decision tree. Penentuan rekomendasi jenis lembaga keuangan yang sesuai menerapkan metode AHP. Dari hasil pengujian diperoleh tingkat akurasi penerapan algoritma decision tree sebesar 80%. Pengujian tingkat akurasi penerapan metode AHP menghasilkan nilai 76,9%. Dari kedua pengujian tersebut, dapat dikatakan bahwa sistem yang dibuat sudah baik atau akurat.
Pengembangan Aplikasi untuk Solusi Persamaan Linear Menggunakan Metode Eliminasi Gauss dengan Substitusi Terbalik Yusuf, Mohamad; Yudistira, Agil Dwiki; Lukito, Sebastianus; Rifai, Alhamdi; Pangestu, Ridho
Jurnal Ilmiah FIFO Vol 16, No 1 (2024)
Publisher : Fakultas Ilmu Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22441/fifo.2024.v16i1.002

Abstract

Matematika berperan penting dalam berbagai aspek kehidupan, terutama dalam pemahaman dan pemodelan fenomena menggunakan persamaan linear. Metode Eliminasi Gauss dengan Substitusi Terbalik merupakan teknik kunci dalam menyelesaikan sistem persamaan linear, yang memungkinkan transformasi matriks untuk menyederhanakan persamaan menjadi bentuk yang lebih teratur. Penelitian ini berfokus pada pengembangan aplikasi web yang mengimplementasikan metode ini, bertujuan untuk menyajikan solusi persamaan linear dengan cara yang lebih interaktif dan memudahkan pemahaman. Aplikasi dirancang menggunakan TypeScript dan Next.js, menawarkan antarmuka pengguna yang responsif dan memfasilitasi visualisasi langkah demi langkah dari proses penyelesaian. Hasil pengujian menunjukkan efektivitas aplikasi dalam memberikan solusi yang akurat, serta kinerja dan kegunaan yang tinggi. Penelitian ini membuka jalan bagi pendekatan pembelajaran matematika yang lebih interaktif dan meningkatkan pemahaman konsep persamaan linear dan metode penyelesaiannya.
Analisis dan Visualisasi Periodisitas Gempa Bumi di Maluku Utara Arfiani, Ika; Normawati, Dwi; Suratin, Muhammad Dzikrullah
Jurnal Ilmiah FIFO Vol 16, No 1 (2024)
Publisher : Fakultas Ilmu Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22441/fifo.2024.v16i1.004

Abstract

Gempa bumi juga dapat dipahami sebagai suatu peristiwa terjadinya guncangan bumi akibat pelepasan energi secara tiba-tiba, yang ditandai dengan pecahnya lapisan batuan pada kerak bumi. Gempa bumi biasanya disebabkan oleh pergerakan kerak atau lempeng bumi. Indonesia termasuk negara rawan gempa karena Indonesia dilalui pertemuan 3 lempeng tektonik: Indo-Australia, Eurasia, dan Pasifik. Beberapa penelitian tentang gempa bumi di Indonesia telah menghubungkan gempa bumi dengan data mining dan pembelajaran mesin. Namun gempa bumi merupakan peristiwa alam yang tidak dapat diprediksi atau diprediksi, sehingga untuk mengurangi risiko terjadinya gempa bumi perlu dilakukan analisis clustering pada daerah yang dicurigai. Kontribusi dalam penelitian ini bertujuan untuk memvisualisasikan data hasil pengolahan dataset gempa bumi kedalam peta geospasial wilayah Maluku Utara dengan menerapkan tahapan data mining, sehingga bisa mengetahui daftar wilayah yang termasuk dalam kawasan rawan bencana sebagai langkah antisipasi untuk mitigasi bencana di daerah Maluku Utara. Selain itu hasil penelitian ini juga dapat digunakan sebagai dataset untuk melakukan proses data mining lain seperti pengelompokan maupun klasisfikasi data gempa bumi di wilayah Maluku Utara.
Stock Prediction for Indonesia Stock Exchange with Long Short-Term Memory Wahab, Abdi; Herdian, Ali; Wirawan, Dian; Jumaryadi, Yuwan; Alam, Syamsir; Fiade, Andrew
Jurnal Ilmiah FIFO Vol 16, No 1 (2024)
Publisher : Fakultas Ilmu Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22441/fifo.2024.v16i1.010

Abstract

Predicting stock prices through different analyses and techniques is highly challenging. The task is complicated further by fluctuating market conditions and the impact of news, necessitating the consideration of numerous factors. The advancements in machine learning and deep learning have led many researchers to use algorithms like RNN with LSTM for predictions. In this study, we aim to predict stock prices on the Indonesia Stock Exchange using LSTM, focusing on optimizing the hidden layer and activation function. We focus on some stock data with good liquidation in the Indonesia Stock Exchange. The comparison performance between models proposed in this research will be the method in this research. The result showed that the LSTM model with hyperbolic tan activation method performed better than the LSTM model with sigmoid activation method. The future research based on this research, we can compare several other activation methods.
Sistem Pakar Mendiagnosa Penyakit Cutaneous Larva Migrans Menggunakan Metode Dempster Shafer Nasyuha, Asyahri Hadi; Triaji, Bagas; Leswanto, Tomi
Jurnal Ilmiah FIFO Vol 16, No 1 (2024)
Publisher : Fakultas Ilmu Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22441/fifo.2024.v16i1.008

Abstract

Cutaneous Larva Migrans merupakan suatu penyakit yang di sebabkan oleh parasit yang masuk ke dalam kulit dan berkembang biak sehingga menimbulkan infeksi pada kulit. Ada beberapa jenis parasit yang menyebabkan penyakit cutaneous larva migrans yaitu, Uncinaria Stenocephala Bunostum Phelebotonum Ancylostoma Braziliense dan Ancylostoma Caninum. Penyakit cutaneous larva migrans tidak terlalu familiar dikalangan masyarakat umum, oleh sebab itu kurangnya perhatian terhadap gejala awal penyakit ini. Akibatnya masyarakat baru menyadari terkena cutaneous larva migrans saat berada pada tahap lanjut. Maka dari itu dibuatlah sistem kecerdasan berbasis desktop yang menganut bidang ilmu sistem pakar yang menggunakan metode dempster shafer.Dempster shafer adalah suatu teori matematika untuk pembuktian berdasarkan fungsi kepercayaan dan pemikiran yang masuk akal, yang digunakan untuk mengkombinasikan potongan informasi yang terpisah untuk mengkalkulasikan kemungkinan dari suatu peristiwa. Sistem pakar ini dapat dipergunakan sebagai pedoman bagi dokter atau para ahli untuk mendiagnosa penyakit cutaneous larva migrans. Sistem pakar ini bisa dimanfaaatkan dalam melakukan pencarian dan penelusuran pengetahuan bagi yang ingin mendapatkan informasi terkait solusi penyakit cutaneous larva migrans.
Evaluating the Performance of Classification Algorithms on the UNSW-NB15 Dataset for Network Intrusion Detection Putra, Zico Pratama
Jurnal Ilmiah FIFO Vol 16, No 1 (2024)
Publisher : Fakultas Ilmu Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22441/fifo.2024.v16i1.009

Abstract

 Network intrusion detection is a critical aspect of cybersecurity, aiming to distinguish between normal and malicious network activities. This study evaluates the performance of various machine learning algorithms on the UNSW-NB15 dataset for binary classification of network traffic into normal and attack categories. We employed several preprocessing steps, including handling missing values, encoding categorical features, and addressing class imbalance using a mix of Synthetic Minority Over-sampling Technique (SMOTE) and undersampling. The models evaluated include k-Nearest Neighbors (k-NN), Naive Bayes, Logistic Regression, Support Vector Machines (SVM), and Neural Networks. Our experimental results show that complex models like Neural Networks and SVMs significantly outperform simpler models. The Neural Network model achieved the highest accuracy of 92%, with a precision of 91%, recall of 93%, and an F1-score of 92%. SVM also performed robustly with an accuracy of 90%. Simpler models, while less effective, still achieved respectable performance, with Logistic Regression and k-NN reaching accuracies of 88% and 85%, respectively. The study highlights the importance of comprehensive preprocessing and the implementation of advanced machine learning techniques for effective network intrusion detection. The results suggest that while complex models offer superior detection capabilities, simpler models can still be valuable in resource-constrained environments. Future research should focus on applying these models to real-world data, exploring more advanced neural network architectures, and implementing cost-sensitive learning techniques to further enhance detection performance and efficiency.

Page 1 of 1 | Total Record : 10

 1 

Filter by Year

2024 2024


Reset
Filter By Issues
All Issue Vol 17, No 2 (2025) Vol 17, No 1 (2025) Vol 16, No 2 (2024) Vol 16, No 1 (2024) Vol 15, No 2 (2023) Vol 15, No 1 (2023) Vol 14, No 2 (2022) Vol 14, No 1 (2022) Vol 13, No 2 (2021) Vol 13, No 1 (2021) Vol 12, No 2 (2020) Vol 12, No 1 (2020) Vol 11, No 2 (2019) Vol 11, No 1 (2019) Vol 10, No 2 (2018) Vol 10, No 1 (2018) Vol 9, No 2 (2017) Vol 9, No 1 (2017) Vol 9, No 1 (2017) Vol 8, No 2 (2016) Vol 8, No 1 (2016) Vol 7, No 2 (2015) Vol 7, No 1 (2015) More Issue