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 223 Documents
 16   17   18   19   20 
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%.
Analisis Peningkatan Pemakaian QRIS Menggunakan Metode Regresi Linier Purwaningsih, Mardiana; Mardiyah, Aini Mawar; Fajar, Yusuf Nur; Capsa, Nisna Hendrawati; Gurning, Rizon Roken; Riwoe, Abigayl Priscyla
Jurnal Ilmiah FIFO Vol 15, No 2 (2023)
Publisher : Fakultas Ilmu Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22441/fifo.2023.v15i2.008

Abstract

Penggunaan Quick Response Code Indonesian Standard (QRIS) telah berkembang pesat dalam beberapa tahun terakhir. QRIS telah menjadi alat pembayaran yang populer dan efisien dalam transaksi keuangan di Indonesia. Tujuan penelitian ini adalah untuk menganalisis penggunaan QRIS yang meningkat menggunakan metode regresi linier. Metode penelitian ini melibatkan pengumpulan data historis mengenai penggunaan QRIS. Data ini kemudian dianalisis menggunakan teknik regresi linier untuk menentukan hubungan antara variabel dependen (penggunaan QRIS). Hasil penelitian menunjukkan bahwa penggunaan QRIS memiliki hubungan positif dengan jumlah pengguna, jumlah transaksi, dan tingkat kepercayaan masyarakat terhadap QRIS. Dalam konteks ini, regresi linier membantu dalam memodelkan hubungan tersebut dan memprediksi pertumbuhan penggunaan QRIS di masa depan. Penelitian ini memberikan pemahaman yang lebih baik tentang faktor-faktor yang mempengaruhi penggunaan QRIS, serta memberikan rekomendasi bagi pemangku kepentingan untuk meningkatkan adopsi QRIS. Dengan pemahaman yang lebih baik tentang tren penggunaan QRIS, pihak terkait dapat mengembangkan strategi yang lebih efektif dalam meningkatkan penerimaan dan penggunaan QRIS di Indonesia.
Sentimen Analisis Mengenai Polusi Udara Menggunakan Algoritma Support Vector Machine dan Random Forest Hakim, Lukman; Dalimunthe, Muhammad Variansjah; Danuputri, Chyquitha; Widyaningrum, Destriana
Jurnal Ilmiah FIFO Vol 15, No 2 (2023)
Publisher : Fakultas Ilmu Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22441/fifo.2023.v15i2.001

Abstract

Air pollution is the contamination of indoor or outdoor environments with chemical, physical, or biological substances that change the natural properties of the atmosphere. Domestic incinerators, cars, motorbikes, combustion products from factory processing, waste burning, and forest fires are common sources of air pollution. In Indonesia, there is no doubt that air pollution occurs because of the many forest fires in Indonesia. As a result of this case, many people's opinions differ. Various sentiments occur in cyberspace, one of which is Twitter. Twitter is the social media that accommodates the most various kinds of positive, negative and neutral opinions. Therefore, researchers want to solve the problem by implementing the SVM and Random Forest algorithms. The dataset was obtained from scrapping results using tweet harvest. The data obtained was 5545 tweets. By dividing the dataset model by 80% and 20%, the results showed that the accuracy of the SVM algorithm was better than the Random Forest algorithm. The accuracy of the SVM algorithm is 83% while the Random Forest algorithm is 81%.
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.
Pengembangan Sistem Informasi JaBol Sebagai Sarana Pelaporan dan Edukasi Jalan Rusak Iqbal, Ihsan Muhammad; Rafid, Muhammad Faishal; Pradipa, Anugrah Panji; Wijaya, Rahmadi; Hikmawati, Erna
Jurnal Ilmiah FIFO Vol 15, No 2 (2023)
Publisher : Fakultas Ilmu Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22441/fifo.2023.v15i2.005

Abstract

Jalan merupakan aspek penting dalam sarana transportasi dan kehidupan modern. Oleh karena itu, menjaga  kualitas jalan juga merupakan langkah penting dalam menunjang keselamatan dan kenyamanan pengguna jalan. Kondisi jalan yang buruk dapat menimbulkan kemacetan, kecelakaan, turunnya produktivitas, dan kelelahan pengemudi. Dari persoalan tersebut, maka perlu dibuat sarana berupa sistem informasi berbasis website yang akan membantu menuntaskan masalah tersebut. Dalam penelitian ini, website dibangun menggunakan System Development Life Cycle (SDLC) dengan model Agile, bertujuan agar pengembangan dapat dilakukan secara berulang dan menghasilkan aplikasi yang berkualitas baik. Model agile terdiri atas perencanaan, implementasi, tes perangkat lunak, dokumentasi, deployment, dan pemeliharaan. Perancangan sistem informasi menggunakan desain sistem model UML (Unified Modelling Language), yaitu Use Case Diagram dan Entity Relationship Diagram. Sistem informasi berbasis website ini dikembangkan memakai bahasa pemrograman PHP, framework Bootstrap, dan database MySQL. Hasil pada penelitian ini adalah sebuah website bernama JaBol  sebagai sarana pelaporan dan edukasi jalan rusak bertujuan untuk memudahkan masyarakat ikut andil dalam menjaga kualitas jalan, dengan fitur utamanya yaitu pelaporan dan edukasi. Hasil pengujian terhadap masyarakat menunjukkan bahwa sistem informasi yang dibangun efektif, berguna, dan menarik dalam mendukung proses pelaporan kerusakan jalan. Sistem informasi yang dibangun diharapkan dapat menjadi solusi untuk menjawab permasalahan jalan rusak yang ada.
Klasifikasi Sentimen Opini Metaverse dari Twitter Menggunakan Algoritma Support Vector Machine Herlawati, Herlawati; Muhajirin, Adi; Izdihar, Zalfa
Jurnal Ilmiah FIFO Vol 15, No 1 (2023)
Publisher : Fakultas Ilmu Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22441/fifo.2023.v15i1.007

Abstract

With the increasing use of Twitter, a real-time social media platform, it has become one of the places or spaces for people to express their opinions about the metaverse. Therefore, the development of a program capable of classifying tweets based on their opinions into positive, negative, and neutral categories is necessary. In conducting sentiment analysis, the Support Vector Machine (SVM) algorithm is used for classification. The results of this research, through testing using a confusion matrix, yield an accuracy rate of 0.83 or 83%, indicating the level of agreement between the model's predictions and the actual outcomes. Additionally, a precision of 0.93 or 93% is obtained, which shows the model's ability to accurately identify positive, negative, and neutral sentiments in tweets, and a recall of 0.83 or 83%, which describes the model's capability to find and classify accurately.
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.
Penerapan Algoritma Naïve Bayes Dengan Feature Selection Pada Data Penjualan Konstruksi Anto, Fajar Muji; Abimanyu, Lintang Setiaji; Herdi, Tazkiyah
Jurnal Ilmiah FIFO Vol 15, No 2 (2023)
Publisher : Fakultas Ilmu Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22441/fifo.2023.v15i2.002

Abstract

Dalam jasa konstruksi, penerapan machine learning kerap digunakan pada proses pengolahan data yang berjumlah besar, salah satu contoh dari penerapan machine learning adalah menggunakan algoritma machine learning untuk mengklasifikasi data - data penjualan dari sebuah perusahaan yang hasil akhirnya berupa informasi untuk digunakan sebagai landasan pengambilan keputusan. Dalam classification data penerapan metode algoritma naïve bayes banyak digunakan karena hanya membutuhkan jumlah data pelatihan yang sedikit untuk menentukan parameter dalam proses classification. PT. Maju Jaya Makmur Sejahtera adalah perusahaan yang bergerak di bidang digital transformation di sektor jasa konstruksi. Berdasarkan hasil wawancara, masalah yang terdapat pada PT. Maju Jaya Makmur Sejahtera adalah banyaknya data client untuk konsultasi yang sebanyak kurang lebih 700 baris, menyebabkan sulitnya untuk mendapatkan informasi yang relevan sehingga diperlukannya analisis data dalam menentukan keputusan di PT. Maju Jaya Makmur Sejahtera. Hasil dari processing dan klasifikasi Algoritma Recursive Feature Elimination menyeleksi 10 fitur dataset menjadi total 6 fitur dan secara keseluruhan, akurasi yang didapatkan dari model algoritma naïve bayes sebesar 88%, precision 87%, recall 85%, dan F1-score 86%. Hasil Klasifikasi dapat dikatakan cukup bagus, tapi memiliki kekurangan dari segi atribut dataset sehingga menghasil skor rata rata dibawah 90%
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.

Page 18 of 23 | Total Record : 223

 16   17   18   19   20 

Filter by Year

2015 2025


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