cover
Contact Name
Rikie Kartadie
Contact Email
ojs@akakom.ac.id
Phone
+6282135469911
Journal Mail Official
ojs@akakom.ac.id
Editorial Address
Jl. Raya Janti (Majapahit) No. 143 Yogyakarta, 55198 Telp. (0274)486664
Location
Kab. bantul,
Daerah istimewa yogyakarta
INDONESIA
JIKO (Jurnal Informatika dan Komputer)
ISSN : 24774413     EISSN : 24773964     DOI : https://doi.org/10.26798/jiko
Core Subject : Science,
JIKO (Jurnal Informatika dan Komputer) is a scientific journal published by Lembaga Penelitian dan Pengabdian Masyarakat of Universitas Teknologi Digital Indonesia (d.h STMIK AKAKOM) Yogyakarta, Indonesia. First published in 2016 for a printed and online version. We receive original research articles and any review papers. The aims of JIKO are to disseminate research results and to improve the productivity of scientific publications. JIKO is published in February and September with the scopes and focus of the research areas that are: Software Engineering, Information Systems, Computer Science Applications, Computer Networks and Communications, and Artificial Intelligence.
Articles 224 Documents
Prediksi Stroke Menggunakan Extreme Gradient Boosting Murdiansyah, Danang Triantoro
JURNAL INFORMATIKA DAN KOMPUTER Vol 8, No 2 (2024): September 2024
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat - Universitas Teknologi Digital Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26798/jiko.v8i2.1295

Abstract

Stroke merupakan salah satu penyakit yang paling banyak menyebabkan disabilitas dan kematian pada orang dewasa di seluruh dunia. Salah satu hal yang penting terkait stroke adalah pengobatan dini, sehingga stroke tidak berkembang ke level yang parah pada seseorang. Oleh karena itu prediksistroke pada seseorang sebelum penyakit tersebut berkembang lebih jauh adalah sangat penting. Penelitian ini berisi prediksi stroke pada seseorang menggunakan algoritma berbasis machine learning, yaitu algoritma Extreme Gradient Boosting, disebut juga dengan XGBoost.Algoritma XGBoost dipilih karenamemiliki potensi kemampuan yang baik untuk melakukan prediksi (klasifikasi). XGBoost telah banyak digunakan oleh para peneliti untuk mencapai hasil yang bagus dalam memecahkan berbagai kasus menggunakan machine learning. Pada penelitian ini model machine learning yang dirancang dengan menggunakan XGBoost dibandingkan dengan model machine learning lain yang telah digunakan sebelumnya, yaitu model jenis Stacking, Random Forest, dan Majority Voting. Hasil pengujian menunjukkan XGBoost dapat mencapai performa yang baik dalam seluruh metrik evaluasi, termasuk akurasi yang mendapatkan nilai 95.4%, namun XGBoost pada penelitian ini performanya belum bisa mengungguli Stacking dan Random Forest, yang mana Stacking menempati performa terbaik dengan nilai akurasi 98%.
Implementasi Algoritma K-Means Clustering untuk Strategi Promosi Kampus IBISA Latifah, Ummu Wachidatul; Bahri, Saiful; Satriandhini, Marsita
JURNAL INFORMATIKA DAN KOMPUTER Vol 8, No 2 (2024): September 2024
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat - Universitas Teknologi Digital Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26798/jiko.v8i2.1307

Abstract

Penerimaan Mahasiswa Baru (PMB) adalah kegiatan yang wajib dilaksanakan di setiap universitas, seperti halnya pada IBISA. Namun, di Jawa Tengah terdapat beberapa kampus yang melakukan PMB. Oleh karena itu, perlu adanya strategi promosi untuk mendapatkan jumlah mahasiswa baru yang lebih banyak. Analisa strategi promosi IBISA yang sesuai dan akurat dalam mendaptkan mahasiswa baru sangat diperlukan. Teknik promosi yang baik dapat ditentukan menggunakan algoritma clustering. Algoritma clustering yang dapat dimplementasikan, yaitu algoritma K-Means. Metode penelitian yang digunakan, yaitu metode kuantitatif. Objek penelitian berupa data mahasiswa baru IBISA tahun 2023. Hasil dari penelitian ini, yaitu diperoleh 2 cluster. Cluster 1 adalah cluster dengan  nilai centroid tinggi terdiri dari 9 anggota. Cluster 2 adalah cluster dengan nilai centroid rendah terdiri dari 26 anggota. Hal tersebut menunjukan bahwa strategi promosi lebih lebih difokuskan pada sosialisasi sekolah di Purworejo. Promosi dapat lebih ditingkatkan melalui sosial media ataupun iklan di platform online
Klasifikasi Tingkat Kepuasan Pengguna Google Classroom dalam Pembelajaran Online Menggunakan Algoritma Naïve Bayes Ramadhani, Annisa Auliya; Saputra, Rizal Adi; Ningrum, Ika Purwati
JURNAL INFORMATIKA DAN KOMPUTER Vol 8, No 2 (2024): September 2024
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat - Universitas Teknologi Digital Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26798/jiko.v8i2.1221

Abstract

Kemajuan teknologi sejauh ini berdampak pada pertumbuhan pembelajaran, terutama pasca pandemi Covid-19. Pengajaran online menggunakan Google Classroom telah muncul sebagai salah satu pilihan yang tepat untuk adaptasi pendidikan selama pandemi Covid-19. Penelitian ini bertujuan untuk mengklasifikasikan tingkat kepuasan pengguna Google Classroom terhadap mahasiswa Universitas Halu Oleo menggunakan algoritma naïve bayes. Kuesioner online yang dirancang untuk menguji berbagai aspek kepuasan, termasuk kualitas sistem, penggunaan, responsivitas, fleksibilitas, informasi, dan kepuasan. Teknik klasifikasi naïve bayes ialah sebuah metode yang didasarkan pada teknik probabilitas dan teorema bayes. Kodingan dengan bahasa pemrograman Python, digunakan untuk implementasi, dengan memanfaatkan berbagai library dan modul penggunaaan algoritma naïve bayes. Penelitian ini menggunakan 500 data responden mahasiswa, kemudian dibagi menjadi 400 data latih dan 100 data uji. Data pengujian yakni sebanyak 100 data latih diolah dan mendapatkan akurasi sebesar 89% dan mengklasifikasikan 88 pengguna puas dengan presisi 95%, recall 100%, dan f1-score 97% dan sebanyak 12 pengguna tidak puas diperoleh presisi 100%, recall 58%, dan f1-score 74%. Dari hasil penelitian ini, menunjukkan kinerja baik dalam mengklasifikasikan kepuasan pengguna. 
IMPLEMENTASI TRAFFIC ENGINEERING UNTUK OPTIMALISASI JARINGAN MPLS INTERCITY Syabani, Dwi Nur; HARNANINGRUM, LUCIA NUGRAHENI; Kartadie, Rikie
JURNAL INFORMATIKA DAN KOMPUTER Vol 8, No 2 (2024): September 2024
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat - Universitas Teknologi Digital Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26798/jiko.v8i2.1306

Abstract

Dengan berkembangnya teknologi informasi yang pesat mengharuskan kebutuhan akses internet yang lebih cepat dan memadai baik secara kualitas jalur maupun besarnya ketersediaan bandwidth internet. Dalam upaya meningkatkan kualitas akses internet tersebut, seringkali terdapat masalah yaitu salah satunya terjadi bottleneck pada satu atau lebih jaringan backbone milik provider internet. Contohnya kasus pada jaringan metro intercity dimana salah satu jalur mengalami bottleneck sedangkan jalur lainnya masih memiliki utilisasi bandwidth yang rendah. Hal tersebut disebabkan karena protokol routing akan memilih jalur terpendek yang dapat dilalui oleh trafik data. Untuk mengatasi hal tersebut, dilakukan implementasi TE (traffic engineering) pada jaringan MPLS backbone pada segmen metro intercity dengan tujuan untuk menentukan jalur yang ingin digunakan oleh suatu trafik data sehingga utilisasi bandwidth pada setiap segmen jalur metro intercity dapat terbagi secara merata. Pada penelitian ini dilakukan secara simulasi dengan menggunakan perangkat Router Mikrotik dan berdasarkan studi kasus dari tempat bekerja. Hasil dari penelitian ini diperoleh bahwa performa jaringan setelah dilakukan implementasi TE (traffic engineering) menjadi lebih optimal dengan indeks sangat bagus berdasarkan analisa dan parameter latency dibandingkan performa sebelum implementasi TE yang memiliki indeks buruk.
IDENTIFIKASI PENGARUH KUALITAS UDARA TERHADAP KONDISI PASIEN COVID-19 DENGAN 1 ALGORITMA NAIVE BAYES Febriyanti, Monica Dias; Wowor, Alz Danny; Pakereng, Magdalena A. Ineke
JURNAL INFORMATIKA DAN KOMPUTER Vol 8, No 2 (2024): September 2024
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat - Universitas Teknologi Digital Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26798/jiko.v8i2.867

Abstract

Pandemi Covid-19 atau corona virus sangat meresahkan bagi masyarakat Indonesia karena penyebarannyayang sangat mudah, virus ini dapat ditularkan melalui tetesan kecil (droplet) dari mulut maupun hidung pen-derita covid-19. Pada kasus tertentu virus ini juga bisa menginfeksi pernafasan berat sehingga menyebabkanpneumonia (infeksi paru-paru). Masyarakat yang memiliki daya tahan tubuh lemah sangat mudah tertular virusini, salah satu penyebab daya tahan tubuh melemah yaitu kualitas udara yang tidak bagus oleh karena itu pene-litian ini melakukan identifikasi pengaruh dari kualitas udara terhadap kondisi pasien covid-19 menggunakanalgoritma Naïve Bayes. Data diperoleh melalui website corona.jakarta.go.id dan Jakarta OpenData, setelah prep-rocessing diperoleh 610 data yang dibagi menjadi 80% data training dan 20% data testing. Penggunaan denganAlgoritma Naïve Bayes menunjukkan nilai akurasi yang tinggi yaitu 82,73%. Hasil identifikasi berdasarkan al-goritma naïve bayes dalam empat class, class sangat berpengaruh 2,3%, class berpengaruh 62,8%, class kurangberpengaruh 34,5%, dan class tidak berpengaruh 0.4%. Dengan demikian kualitas udara ikut mempengaruhikondisi pasien covid-19 di wilayah Propinsi DKI Jakarta.
LEARNING MANAGEMENT SYSTEM (LMS) PADA KURSUS ONLINE BERBASIS DETEKSI KECURANGAN UJIAN MENGGUNAKAN MODEL MEDIAPIPE FACE MESH Bimantoro, Elang; Hidayattullah, Muhammad Fikri; Af'idah, Dwi Intan
JURNAL INFORMATIKA DAN KOMPUTER Vol 8, No 2 (2024): September 2024
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat - Universitas Teknologi Digital Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26798/jiko.v8i2.1167

Abstract

Kursus online adalah salah satu metode pembelajaran yang semakin populer di era digital. Namun kursus online juga menghadapi masalah kecurangan ujian yang dapat menurunkan kualitas dan integritas pembelajaran. Jadi kami mengembangkan sistem manajemen pembelajaran (LMS)  dapat secara otomatis mendeteksi dan mencegah kecurangan ujian  menggunakan teknologi TensorFlow.js dari model Facemesh MediaPipe. LMS ini dapat mengakses kamera web dan menganalisis wajahn menggunakan pelacakan wajah yang dapat mengidentifikasi fitur wajah dan orientasi kepala. Dengan demikian, LMS ini dapat mengetahui apakah kandidat sedang berkonsentrasi, memantau, menyontek pada saat melaksanakan ujian. LMS ini juga dapat memberikan feedback yang sesuai, seperti mengeluarkan peringatan, menutup tes secara otomatis, atau membatalkan tes. Kami menguji validitas dan efektivitas  LMS ini  menggunakan data tes online dari beberapa mata kuliah. Hasilnya menunjukkan bahwa LMS ini dapat mendeteksi kecurangan ujian dengan akurasi tinggi dan memberikan kinerja yang baik.
SISTEM PENDUKUNG KEPUTUSAN PRIORITAS DANA BANTUAN PELAKU USAHA MIKRO UNTUK UMKM MENGGUNAKAN METODE WASPAS DI KELURAHAN KARANGANYAR Armaynda, Annisa; Cholil, Saifur Rohman
JURNAL INFORMATIKA DAN KOMPUTER Vol 8, No 2 (2024): September 2024
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat - Universitas Teknologi Digital Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26798/jiko.v8i2.1212

Abstract

Usaha Mikro Kecil dan Menengah (UMKM) adalah usaha yang produktif yang dapat dimiliki oleh perorangan maupun badan usaha yang dinilai sudah dapat memenuhi kriteria sebagai usaha mikro yang sebagaimana telah diatur dalam Undang-Undang. Perkembangan dalam usaha yang sudah berjalan tetap menjadikan modal sebagai kendala. Kesulitan yang di hadapi oleh usaha mikro kecil dan menengah terkait keterbatasan informasi dan kemampuan mendapatkan sumber modal. Kelurahan adalah salah satu sumber yang dapat membantu para pelaku usaha mikro mendapatkan modal dengan memberikan dana bantuan untuk UMKM. Pemberian dana bantuan ini dapat membantu pelaku UMKM dalam mengembangkan usahanya, tetapi pada pihak kelurahan juga mempunyai permasalahan terkait banyaknya UMKM yang ada pada kelurahan Karanganyar sehingga proses penyaringan yang dilakukan secara manual menjadi tidak terkendali dan banyak kesalahan. Melihat permasalahan yang di anggap sangat memberikan dampak besar, maka dibutuhkan SPK(Sistem Pendukung Keputusan) untuk memberikan solusi berupa hasil yang diperhitungkan menggunakan metode Weight Aggregated Sum Product Assesment (WASPAS). Hasil yang akan diperoleh dari penelitian ini adalah sistem pendukung keputusan prioritas dana bantuan pelaku usaha mikro untuk UMKM, yang dimana sistem ini akan memperlihatkan hasil akhir berupa perankingan pelaku usaha mikro yang menjadi prioritas penerima bantuan dana untuk UMKM.
Optimasi Jaringan LTE di Wilayah Sario, Kota Manado: Studi Kasus Pada Salah Satu Operator Telekomunikasi di Indonesia Hikmaturokhman, Alfin
JURNAL INFORMATIKA DAN KOMPUTER Vol 8, No 2 (2024): September 2024
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat - Universitas Teknologi Digital Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26798/jiko.v8i2.1202

Abstract

Dalam perkembangan teknologi telekomunikasi yang semakin maju, operator telekomunikasi dituntut untuk menyediakan layanan dengan laju data yang tinggi, kapasitas yang besar, area akses yang luas, dan mobilitas yang tinggi. Namun, pada kenyataanya beberapa area masih mengalami kendala dalam ketersediaan jaringan internet untuk di wilayah-wilayah potensial seperti kantor dan pusat ekonomi. Sebagai contoh, wilayah Sario di kota Manado bisa saja mengalami masalah dalam konektivitas internet yang dapat menyebabkan ketidaknyamanan bagi pengguna yang disebabkan karena bad coverage atau bad quality pada area tersebut. Oleh karena itu, penelitian ini dilakukan untuk mengoptimalkan jaringan Long Term Evolution (LTE) di wilayah Sario kota Manado berdasarkan salah satu operator telekomunikasi di Indonesia menggunakan skenario parameter tunning, physical tunning dan penambahan site baru. Optimisasi dilakukan dengan memperhatikan Reference Signal Received Power (RSRP), Signal to Interference & Noise Ratio (SINR), dan Reference Signal Received Quality (RSRQ), Penelitian ini menggunakan aplikasi Gnet Track Pro sebagai alat monitoring jaringan seluler dan informasi neighbour cell, serta menggunakan Tableau untuk melakukan analisis dan perhitungan optimisasi jaringan. Berdasarkan hasil analisis jumlah presentase RSRP sebelumnya 26.45% menjadi 97.5% untuk SINR diperoleh peningkatan sebelumnya 59.02% menajdi 94.89% sedangkan untuk RSRQ meningkat menjadi 84.61% yang sebelumnya berada pada 65.22%.
Pengelolaan Diagnosis Penyakit Tanaman Padi Menggunakan Metode Teorema Bayes (Studi Kasus : Kec. Sukowono) Syahputra, M. Ilham Nugraha
JURNAL INFORMATIKA DAN KOMPUTER Vol 8, No 2 (2024): September 2024
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat - Universitas Teknologi Digital Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26798/jiko.v8i2.1315

Abstract

Indonesia dengan sebagian besar penduduknya bermata pencaharian pada pertanian, terutama dalam budidaya padi, menghadapi tantangan dalam mengelola penyakit tanaman padi salah satunya di Kecamatan Sukowono. Kecamatan Sukowono merupakan salah satu kecamatan di Kabupaten Jember, Jawa Timur yang memiliki potensi pertanian yang besar, namun petani mengalami kesulitan dalam mendiagnosis penyakit tanaman padi karena pengetahuan yang terbatas. Untuk mengatasi ini, penulis mengusulkan pengembangan sebuah sistem pakar diagnosis penyakit tanaman padi dengan menggunakan metode Teorema Bayes berbasis website. Dengan memanfaatkan metode ini, sistem dapat menghitung probabilitas terjadinya penyakit berdasarkan timbulnya gejala, sehingga memberikan petani bimbingan yang akurat dan tepat waktu dalam mengatasi penyakit yang menyerang tanaman padi. Hasil tingkat akurasi dari sistem pakar tersebut sebesar 100% yang berarti aplikasi layak untuk digunakan, serta hasil pengujian blackbox sebesar 99,3%.
ANALISIS KOMPARATIF KLASTERISASI PENERIMA BANTUAN SOSIAL MENGGUNAKAN METODE TOPSIS DAN SAW Librado, Dison; Prabawa, Tri
JURNAL INFORMATIKA DAN KOMPUTER Vol 8, No 2 (2024): September 2024
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat - Universitas Teknologi Digital Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26798/jiko.v8i2.1308

Abstract

Decision support system becomes the subject of this research with the object on the Direct Cash Assistance Program for the community sourced from the Village Funds to reduce the burden on the poor and vulnerable to poverty from the impact of the COVID-19 pandemic. From the two methods, namely the TOPSIS method and the SAW method, a comparison will be made on the results obtained to see how appropriate the distribution of social assistance is carried out. The program implemented in Wedomartani Village covers a fairly large area with a large population. The problem is the large number of prospective beneficiaries that isn't proportional to the available social assistance quota, so it is necessary to select the recipients based on predetermined criteria in order to be on target. A decision support system is deemed necessary to support policy makers in determining the choice of recipients to be on target. From the results of processing with the TOPSIS method and the previous SAW method, if the top 25 rankings are taken, they both show that the distribution of the population's poverty level is uneven, so there needs to be a village government policy for more specific poverty alleviation.