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
Optimalisasi Proses Muat Pakan Menggunakan Business Process Reengineering pada PT XYZ Avola, Ahmad Tiova Ian; Suharso, Wildan
JURNAL INFORMATIKA DAN KOMPUTER Vol 9, No 1 (2025): Februari 2025
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat - Universitas Teknologi Digital Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26798/jiko.v9i1.1513

Abstract

Proses muat pakan yang efisien adalah elemen kunci untuk mendukung produktivitas dan distribusi di sektor peternakan. PT XYZ menghadapi tantangan berupa inefisiensi proses manual yang berdampak pada waktu siklus dan akurasi data. Penelitian ini bertujuan untuk merancang ulang proses bisnis menggunakan pendekatan Business Process Reengineering (BPR) dengan fokus pada eliminasi langkah manual, otomatisasi, dan integrasi teknologi. Data dikumpulkan melalui observasi dan wawancara, kemudian dianalisis menggunakan Business Process Model and Notation (BPMN) serta diuji efisiensinya melalui analisis throughput. Hasilnya menunjukkan pengurangan waktu siklus dan peningkatan efisiensi operasional secara signifikan. Implementasi teknologi, seperti kamera pengenalan plat nomor dan alat timbang terintegrasi, berhasil mengurangi intervensi manual dan meningkatkan akurasi data. Penelitian ini menyimpulkan bahwa rancangan ulang menciptakan proses yang lebih cepat, akurat, dan sesuai standar, serta memiliki potensi aplikasi di sektor industri lainnya.
SISTEM DETEKSI BERITA HOAX PEMILU 2024 INDONESIA MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBOR (KNN) DAN SUPPORT VECTOR MACHINE (SVM) DickiPrabowo, Reza; Widaningrum, Ida; Karaman, Jamilah
JURNAL INFORMATIKA DAN KOMPUTER Vol 9, No 1 (2025): Februari 2025
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat - Universitas Teknologi Digital Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26798/jiko.v9i1.1424

Abstract

Kemajuan teknologi pada era saat ini memberikan dampak yang signifikan, baik secara positif maupun negatif.Fenomena informasi palsu atau hoax semakin merajalela, terutama dalam konteks politik. Penyebaran informasi hoax telah menjadi strategi yang umum digunakan dalam kontestasi politik di berbagai negara, termasuk dalam pemilihan umum. Dengan melihat tren peningkatan serangan hoax politik sebelum, selama, dan setelah pemilu, penelitian ini menyoroti urgensi pengembangan teknologi deteksi hoax yang lebih canggih dan akurat.Telah dilakukan penelitian sebelumnya menggunakan metode identifikasi namun dinilai belum optimal, sebab akurasi yang dihasilkan masih kurang tinggi. Penelitian ini bertujuan menggunakan metode gabungan algoritma KNN dan SVM untuk mengembangkan sistem deteksi berita hoax yang lebih efektif dengan menggunakan kedua metode gabungan tersebut. Metode gabungan yang telah dilakukan menunjukkan akurasi yang sangat baik, mencapai sekitar 93.31%. KNN memberikan keunggulan dalam kesederhanaan dan kemampuannya menangkap pola non-linear, sementara SVM menonjol dalam kinerja di ruang berdimensi tinggi dengan margin yang besar. Dengan kombinasi kekuatan algoritma yang berbeda, model stacking menghasilkan model yang lebih akurat dan efektif daripada penggunaan satu algoritma.
Analisis Sentimen pada Ulasan Produk dengan SVM dan Word2Vec ANDRIYANI, WIDYASTUTI; Astuti, Yuli; Wisesa, Bradika Almandin; Hengki, Hengki
JURNAL INFORMATIKA DAN KOMPUTER Vol 9, No 1 (2025): Februari 2025
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat - Universitas Teknologi Digital Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26798/jiko.v9i1.1498

Abstract

Analisis sentimen adalah salah satu cabang pemrosesan bahasa alami (NLP) yang bertujuan untuk mengidentifikasi opini dalam teks. Penelitian ini mengusulkan model analisis sentimen dengan menggunakan kombinasi Word2Vec sebagai teknik representasi fitur dan Support Vector Machine (SVM) sebagai algoritma klasifikasi. Dataset yang digunakan adalah Amazon Customer Reviews, dengan 500 ribu sampel ulasan produk yang dilabeli sebagai sentimen positif atau negatif. Model yang diusulkan dibandingkan dengan baseline seperti Naive Bayes dan Logistic Regression, yang menggunakan representasi fitur berbasis TF-IDF.Hasil evaluasi menunjukkan bahwa SVM dengan Word2Vec menghasilkan akurasi 91.3\%, precision 90.8\%, recall 92.1\%, dan F1-score 91.4\%, lebih unggul dibandingkan model baseline. Grafik Precision-Recall Curve dan ROC Curve memperkuat temuan bahwa Word2Vec memberikan representasi fitur yang lebih informatif, yang secara signifikan meningkatkan performa SVM dalam tugas klasifikasi teks.Penelitian ini membuktikan efektivitas kombinasi Word2Vec dan SVM untuk analisis sentimen pada dataset besar dan kompleks. Pendekatan ini relevan untuk berbagai domain, seperti e-commerce dan analisis opini di media sosial, serta membuka peluang untuk pengembangan lebih lanjut menggunakan model berbasis transformer.
KLASIFIKASI JENIS PENYAKIT PADA TANAMAN PADI MENGGUNAKAN ALGORITMA CONVOLUTIONAL NEURAL NETWORK Kusuma, Bagus; Hermanto, Teguh Iman; Lestari, Candra Dewi
JURNAL INFORMATIKA DAN KOMPUTER Vol 9, No 1 (2025): Februari 2025
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat - Universitas Teknologi Digital Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26798/jiko.v9i1.1395

Abstract

Padi adalah tanaman pangan utama di Indonesia dan memiliki peran vital dalam perekonomian serta kehidupan sehari-hari masyarakat. Namun, produksi padi saat ini mengalami penurunan akibat serangan hama dan penyakit. Deteksi dini dan klasifikasi penyakit padi yang akurat sangat penting untuk mengurangi dampak negatif ini. Pada penelitian ini dilakukannpembangunan dan pelatihan model Convolutional Neural Network (CNN) untuk mengenali kondisi kesehatan tanaman padi. Model dilatih dengan dataset citra daun padi dan dioptimasi dengan parameter terbaik yaitu 30 epoch, batch size 45, dan optimizer Lion. Hasil pengujian menunjukkan akurasi 75% untuk data uji dengan loss 59%, dan akurasi 76% untuk data latih dengan loss 61%. Model ini juga berhasil diimplementasikan dalam aplikasi mobile berbasis Android. Penelitian ini diharapkan dapat berkontribusi pada sektor pertanian Indonesia dengan menyediakan alat deteksi penyakit padi yang lebih efisien dan efektif.
Pengembangan Sistem Backup berbasis Backup Flow Microservice Dan GRPC Menggunakan Cloud Computing Wagito, Wagito; Nuryono, Adnan
JURNAL INFORMATIKA DAN KOMPUTER Vol 9, No 1 (2025): Februari 2025
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat - Universitas Teknologi Digital Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26798/jiko.v9i1.1576

Abstract

Pada era teknologi informasi diperlukan sistem backup yang efisien dan scalable untuk organisasi. Salah satunya adalah sistem backupflow. Sistem bertujuan untuk meningkatkan kinerja dan ketahanan sistem backup menggunakan pendekatan berbasis microservices dan protokol komunikasi gRPC. Sistem backupflow berbasis microservices memecah sistem backup tradisional menjadi beberapa komponen independen, memungkinkan skalabilitas dan penyesuaian yang lebih baik. Implementasi protokol komunikasi gRPC digunakan untuk transfer data antar layanan dan meningkatkan kinerja. Teknologi Cloud Computing digunakan sebagai platform penyedia layanan backup, memberikan fleksibilitas, keamanan dan aksesibilitas data. Hasil penelitian menunjukkan bahwa sistem backup flow cara paling baik dalam proses backup adalah secara bertahap atau penjadwalan tanpa melibatkan user. Penggunaan gRPC dalam berkomunikasi antar service dapat mengurangi response time yang berlebihan.
Implementasi Sistem Informasi Geografis Dalam Pemetaan Data Penduduk Pada Kecamatan Kawalu Lusianti, Sri Depi; Nugraha, Iman Hikmat
JURNAL INFORMATIKA DAN KOMPUTER Vol 9, No 1 (2025): Februari 2025
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat - Universitas Teknologi Digital Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26798/jiko.v9i1.1449

Abstract

Kawalu termasuk salah satu kecamatan  di daerah kota Tasikmalaya yang terdiri dari sepuluh kelurahan. Sistem informasi geografis ialah alat yang digunakan untuk membantu mengumpulkan, menyimpan, memodifikasi, menganalisis, mengelola serta menampilkan berbagai jenis data geografis yang berhubungan dengan status terkini suatu wilayah di kawasan pemukiman untuk mengetahui tingkat kebahagiaan masyarakatnya. Saat ini informasi geografis terkait data sensus penduduk Kecamatan Kawalu tersedia dari Badan Pusat Statistik (BPS) Kota Tasikmalaya, Open Data Tasikmalaya dan Data.go.id, namun penyampaian penyajiannya masih hanya berupa gambar, grafik dan tabel. Perancangan sistem informasi geografis pemetaan sebaran penduduk menjadi fokus penelitian ini. Penelitian ini menggunakan dua jenis sumber data: data primer dan sekunder, serta data masukan yang meliputi data atribut dan spasial. Model pengembangan yang digunakan menerapkan model Air terjun (waterfall). Bahasa pemrograman Hypertext Preprocessor (PHP) digunakan dalam sistem ini, dan MySQL berfungsi sebagai database penyimpanan data. Penelitian ini menciptakan sistem  informasi geografis berbasis web yang dapat menampilkan data kependudukan, informasi kartu keluarga, informasi kelurahan, pencarian alamat, dan peta sebaran penduduk pada setiap tingkat kelurahan.
Group Decision Support System (GDSS) Model on Software Engineer Selection: Integration of AHP,SAW, TOPSIS, and BORDA Sari, Tika Novita; Astriratma, Ria; Mulyana, Sri
JURNAL INFORMATIKA DAN KOMPUTER Vol 9, No 1 (2025): Februari 2025
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat - Universitas Teknologi Digital Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26798/jiko.v9i1.1495

Abstract

One of the requirements for any company's success is the efficient utilization of human resources in its operations. There are several different tasks that fall within the Human Resources Management (HRM) role. This study uses the GDSS technique, combining TOPSIS for the second decision maker and AHP-SAW for the first decision maker. There are two decision makers (DMs), as is the case. After that, each decision maker's ranking will be processed using the BORDA technique. This study concludes that there are differences in the outcomes from DM1 and DM2. This is a result of the propensity for every decision-maker to offer a unique assessment. While DM2 employs the scoring technique using percentages to determine sub-parameter weighting and the TOPSIS method for ranking, DM1 uses the AHP method for sub-parameter weighting and SAW for ranking. However, the researchers integrated the two decision makers with a group decision support system utilizing the BORDA approach, accounting for the decision makers' respective levels of interest. The findings highlight the significant contribution of this research in demonstrating how the integration of these methods effectively addresses differences in evaluation approaches among decision-makers, particularly in the context of software engineering, ensuring a transparent and data-driven selection process. The GDSS model was tested on a case study of software engineer selection, demonstrating a high level of accuracy in identifying the most suitable candidates for organizational needs. Furthermore, the results of the GDSS aligned with the decisions made by the case study company, validating the effectiveness of the proposed model. The practical application of this model can be adopted by companies to enhance the efficiency and quality of recruitment processes.
Deteksi Rambutan Matang dan Busuk Menggunakan Algoritma YOLOv9 Amrulloh, Hafidz Zaki; Muhammad, Febrylian Akbar Nur
JURNAL INFORMATIKA DAN KOMPUTER Vol 9, No 1 (2025): Februari 2025
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat - Universitas Teknologi Digital Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26798/jiko.v9i1.1382

Abstract

Rambutan dengan nama ilmiah (Nephelium lappaceum L.) adalah buah tropis yang populer di Indonesia dan daerah tropis hingga subtropis seperti Filipina, Singapura, dan Amerika Latin. Saat ini, penentuan tingkat kematangan rambutan masih dilakukan secara fisik, yang memakan waktu dan tidak selalu konsisten. Untuk mengatasi hal ini, diusulkan sebuah sistem otomatis yang memanfaatkan teknologi deteksi objek. Deteksi objek, cabang dari computer vision, memungkinkan komputer untuk mengenali objek seperti penglihatan manusia. Perkembangan terkini telah meningkatkan aplikasinya di pertanian untuk memantau tanaman dan menilai kualitas buah. Salah satu metode yang efektif adalah YOLO (You Only Look Once), yang mendeteksi objek secara real-time dengan menggunakan proses satu langkah menggunakan Convolutional Neural Networks (CNN). Versi terbaru, YOLOv9, yang dirilis pada Februari 2024, menggabungkan inovasi PGI (Programmable Gradient Information)  dan GELAN (Generalized Efficient Layer Aggregation Network), meningkatkan akurasi dan efisiensi deteksi. Dengan menggunakan algoritma YOLOv9, penelitian ini memiliki tujuan untuk membuat dan menguji metode otomatis untuk menentukan kematangan dan kebusukan buah rambutan. Berdasarkan hasil penelitian ...
PENGEMBANGAN ANIMASI 2D SEBAGAI MEDIA PEMBELAJARAN BAHASA KOREA UNTUK LEVEL DASAR (A1 - A2) maria, dulcie; syahputra, bayu
JURNAL INFORMATIKA DAN KOMPUTER Vol 9, No 2 (2025): Juni 2025
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat - Universitas Teknologi Digital Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26798/jiko.v9i2.1872

Abstract

Kemajuan teknologi dalam sektor pendidikan telah mendorong inovasi dalam cara pembelajaran, termasuk penerapan animasi 2D untuk medukung pemahaman Bahasa asing. Penelitian ini bertujuan untuk mengembangkan animasi  2D sebagai media pembelajaran Bahasa Korea untuk level dasar (A1-A2) yang dirancang untuk membantu pemula dalam memahami huruf Hangeul dan tata Bahasa dasar dengan lebih interaktid dan efektif. Pendekatan yang digunakan dalam penelitian ini adalah Multimedia Development Life Cycle (MDLC) yang terdiri dari enam tahapan : Concept, Design, Material Collecting, Assembly, Testing, dan Distribution. Adobe Animate 2021 berfungsi sebagai software  utama dalam pembuatan animasi. Animasi yang dihasilkan kemudian dipublikasikan ke Youtube agar dapat diakses secara luas oleh masyarakat. Hasil dari penelitian menunjukkan bahwa 85% pengguna merasa lebih termotivasi dan memahami materi lebih baik dibandingkan metode konvensional. Temuan dari penelitian ini menunjukkan penggunaan animasi 2D dalam pembelajaran Bahasa korea mampu meningkatkan efektivitas dan dayya Tarik pembelajaran bagi pemula. 
Perbandingan Arsitektur ResNet50V2, InceptionV3, dan DenseNet121 dalam Klasifikasi Pengenalan Ekspresi Wajah Mola, Sebastianus Adi Santoso; Wadu, Benyamin Orison Darling Kana; Kenlopo, Asnat Nofri; Tungga, Varra Chandrika Kumara
JURNAL INFORMATIKA DAN KOMPUTER Vol 9, No 2 (2025): Juni 2025
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat - Universitas Teknologi Digital Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26798/jiko.v9i2.1584

Abstract

Ekspresi wajah mampu menyampaikan perasaan seseorang, seperti kebahagiaan, kesedihan, atau kemarahan. Meski manusia secara alami mampu mengenali ekspresi wajah, pengklasifikasian ekspresi sering kali menjadi tantangan. Dengan kemajuan teknologi, analisis dan klasifikasi ekspresi wajah kini dapat dilakukan secara otomatis menggunakan pembelajaran mesin, terutama pada metode Convolutional Neural Network (CNN) seperti ResNet50V2, InceptionV3, dan DenseNet121. Penelitian ini bertujuan untuk membandingkan kemampuan dan efisisensi dari tiga model arsitektur CNN yaitu ResNetV50, InceptionV3, dan DenseNet121 dalam klasifikasi pengenalan ekspresi wajah. Penelitian ini menggunakan dataset ekspresi wajah berjumlah 14.248 gambar yang terbagi menjadi lima kelas: bahagia, marah, netral, sedih, dan terkejut. Data dibagi menjadi 80% untuk pelatihan dan 20% untuk validasi. Hasil evaluasi menunjukkan bahwa ResNet50V2 memberikan performa terbaik dengan akurasi 79%, macro average F1-score 0,76, dan weighted average F1-score 0,75. Model ini unggul dalam menangani distribusi data tidak merata, terutama pada kelas dominan seperti Happy dan Neutral. DenseNet121 menempati posisi kedua dengan akurasi 75%, diikuti oleh InceptionV3 dengan akurasi terendah 65%. ResNet50V2 terbukti sebagai model yang paling efektif untuk klasifikasi ekspresi wajah