cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
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)
Published by Universitas Teknologi Digital Indonesia
ISSN : 24774413     EISSN : 24773964     DOI : https://doi.org/10.26798/jiko
Core Subject : Science,
Computer Science & IT
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.
Arjuna Subject : Teknik (semua kategori) - Teknik (Lain-Lain)
Articles 224 Documents
 18   19   20   21   22 
Prediksi Kunjungan Wisatawan Mancanegara Di Bandara Ngurah Rai Tahun 2025 Menggunakan Model ARIMA Musiman Saptoto, Robertus; Hastuti, Saptin Dwi Setyo; Berliana, Na'umi; Siswani, priasnita
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.v9i2.1927

Abstract

Penelitian ini bertujuan untuk memprediksi kunjungan wisatawan mancanegara di Bandara Ngurah Rai, Bali, pada tahun 2025 menggunakan model ARIMA musiman (1,1,1)x(1,1,1,12). Data historis kunjungan bulanan dari tahun 2008 hingga 2024 (sekitar 61,17 juta kunjungan) yang bersumber dari Badan Pusat Statistik (BPS) diolahmenggunakan Python, dengan langkah interpolasi nilai hilang dan koreksi anomali pandemi sebesar 50% dari rata-rata kunjungan 2015–2019. Hasil prediksi menunjukkan sekitar 6,6 juta kunjungan pada 2025, denganpuncak pada Juli (sekitar 650 ribu, atau 21,7 ribu/hari) dan Desember (sekitar 630 ribu). Uji ADF (p-value < 0,05) dan Ljung-Box (p-value 0,12) memvalidasi model. Ngurah Rai diprediksi melampaui Soekarno-Hatta (sekitar 3,3 juta kunjungan), mencerminkan daya tarik Bali yang konsisten dengan tren global. Prediksi ini mendukung perencanaan kapasitas bandara dan strategi promosi musiman, khususnya pada Juli, melalui festival budaya dan diskon penerbangan. Analisis ini memperkuat peran informatika dalam pengambilan keputusan pariwisata berkelanjutan.
Perbandingan Algoritma Machine Learning dan Deep Learning Dalam Analisis Sentimen Komentar Video YouTube Berjudul Hidup Tanpa Sosial Media anthony, eveline valencia; Barus, Simon Prananta
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.v9i2.1619

Abstract

Penelitian ini membandingkan kinerja model deep learning (LSTM) dan machine learning (Logistic Regression, Naive Bayes, KNN) dalam analisis sentimen pada komentar YouTube, dengan fokus pada persepsi pengguna Indonesia terkait pengaruh konten terhadap kesehatan mental. Dataset terdiri dari komentar yang dilabeli sebagai positif, netral, dan negatif. Hasil menunjukkan bahwa Logistic Regression mencapai akurasi validasi tertinggi (84,0\%), mengungguli LSTM yang kesulitan melakukan generalisasi (akurasi validasi 70,94\%). Mayoritas komentar menunjukkan sentimen netral, dengan sebagian kecil positif dan negatif. Temuan ini menyoroti trade-off antara kompleksitas model dan stabilitas performa, di mana Logistic Regression menawarkan pendekatan yang lebih cepat dan stabil. Penelitian ini juga menekankan pentingnya kesadaran akan dampak negatif media sosial terhadap kesehatan mental, merekomendasikan pengembangan fitur yang mendukung penggunaan sehat dan pengaturan waktu konsumsi konten. Menunjukkan performa yang lebih baik dengan akurasi validasi sebesar 84,0\%. Meskipun LSTM memiliki potensi untuk menangani data yang lebih kompleks, Logistic Regression menawarkan pendekatan yang lebih cepat dan stabil untuk tugas analisis sentimen. Perbandingan ini menyoroti trade-off antara model deep learning dan machine learning dalam aplikasi dunia nyata, dengan penekanan pada pemilihan model berdasarkan karakteristik dataset dan keterbatasan komputasi.
Analisis Perbandingan GraphQL dan REST API pada Aplikasi Menu Restoran dengan Node.js Prasetyo, Agung; Kriestanto, Danny
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.v9i2.1521

Abstract

Penelitian ini bertujuan untuk menganalisis perbandingan performa antara GraphQL dan REST API pada aplikasi menu restoran berbasis Node.js, dengan fokus pada aspek waktu respons, penggunaan bandwidth, dan fleksibilitas. Masalah yang diangkat adalah menentukan solusi API yang optimal untuk aplikasi yang membutuhkan pengelolaan data secara efisien dan cepat. Pengujian dilakukan di lingkungan cloud menggunakan layanan gratis untuk menggambarkan kondisi nyata. Pendekatan penelitian dilakukan dengan pengujian performa menggunakan K6, alat yang digunakan untuk mensimulasikan beban permintaan pada server. Parameter yang diukur meliputi jumlah total permintaan, rata-rata waktu respons, volume data yang diterima dan dikirim, serta stabilitas server di bawah beban tinggi. Hasil analisis menunjukkan bahwa waktu respons GraphQL dan REST API tidak berbeda secara signifikan. Namun, GraphQL memiliki keunggulan dalam efisiensi bandwidth, karena hanya mengirim data yang diminta oleh klien, sedangkan REST API cenderung kurang fleksibel dan menghasilkan pengiriman data berlebih yang tidak selalu diperlukan klien. Hasil penelitian ini menunjukkan bahwa GraphQL unggul dibandingkan REST API dalam hal efisiensi data, kestabilan performa, dan fleksibilitas pengambilan data. GraphQL lebih hemat bandwidth dan memberikan kontrol lebih besar kepada klien dalam memilih data yang dibutuhkan, menjadikannya pilihan terbaik untuk aplikasi dengan kebutuhan data dinamis dan skalabilitas tinggi. Namun, REST API tetap efektif untuk aplikasi dengan arsitektur sederhana yang tidak memerlukan kustomisasi data kompleks.
Pemanfaatan Random Forest untuk Prediksi Ketepatan Waktu Kelulusan Mahasiswa Studi Kasus: Institut Desain dan Bisnis Bali Puspa, Gede; Rachmadhan Amri, Muhammad Febrian; Nugraha, Made Prastha
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.v9i2.1886

Abstract

Institut Desain dan Bisnis Bali, setiap tahun menghasilkan lulusan mahasiswa sesuai bidang yang ditempuhnya, dalam kurun waktu penyelesaian studi tepat waktu yaitu 4 (empat) tahun. Namun pada kurun waktu 3 (tiga) tahun terdapat penurunan jumlah presentase mahasiswa yang lulus . Hal ini tentu merupakan permasalah serius yang perlu ditindak lanjuti karena dapat berdampak pada nilai akreditasi perguruan tinggi. Belum diketahui penyebab pasti keterlambatan studi mahasiswa yang tidak lulus tepat waktu. Perlu adanya penggalian data yang masih tersembunyi serta pengolahan data sehingga menjadi pengetahuan dan informasi baru yang dapat dimanfaatkan untuk menindak lanjuti mahasiswa yang bermasalah pada tahun akademik berjalan. Penelitian ini bertujuan untuk memprediksi tingkat kelulusan mahasiswa tepat waktu dengan metode random forest untuk mengetahui metode yang lebih unggul dalam kasus tersebut. Dari penelitian ini yaitu sistem dapat memprediksi kelulusan mahasiswa tepat waktu dengan algoritma terbaik.
Optimalisasi Strategi Pemasaran melalui Segmentasi Pelanggan dengan Analisis RFM dan Algoritma K-Means untuk Bisnis Ritel Rahma, Aliya Anisa; Faqih, Ahmad; Rinaldi, Ade Rizki
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.v9i2.1737

Abstract

Industri ritel yang kompetitif memerlukan pemahaman mendalam tentang kebutuhan pelanggan untuk menyusun strategi pemasaran yang relevan dan efektif. Penelitian ini bertujuan untuk melakukan segmentasi pelanggan di Toko Mitra 10 Cirebon menggunakan analisis Recency, Frequency, dan Monetary (RFM) yang dikombinasikan dengan algoritma K-Means. Segmentasi ini bertujuan mendukung strategi pemasaran yang lebih terarah dan meningkatkan loyalitas pelanggan. Data yang digunakan berasal dari catatan transaksi pelanggan dalam periode tertentu. Nilai RFM dihitung untuk setiap pelanggan berdasarkan Recency (waktu sejak transaksi terakhir), Frequency (jumlah transaksi), dan Monetary (total nilai transaksi). Metode K-Means digunakan untuk mengelompokkan pelanggan menjadi beberapa segmen, dengan jumlah kluster optimal ditentukan melalui metode elbow. Analisis menghasilkan tiga segmen utama: Lost Customers, dengan Recency tinggi, Frequency rendah, dan Monetary rendah; Potential Loyalists, dengan Frequency sedang dan Monetary bervariasi; serta Loyal Customers, dengan Frequency tinggi dan kontribusi Monetary signifikan. Hasil segmentasi ini mendukung penyusunan strategi pemasaran yang berbeda untuk setiap kluster: kampanye reaktivasi untuk Lost Customers, program loyalitas untuk Potential Loyalists, dan layanan eksklusif untuk Loyal Customers. Pendekatan berbasis data ini meningkatkan efektivitas pemasaran, loyalitas pelanggan, serta kontribusi pendapatan, sekaligus menegaskan pentingnya analisis data dalam pengambilan keputusan pemasaran yang relevan dan personal.
Pengembangan Sistem Rekomendasi Pembimbing Tugas Akhir Menggunakan Teknik Content Based Filtering Astuti, Femi Dwi; Andriyani, Widyastuti
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.v9i2.1599

Abstract

Pemilihan dosen pembimbing untuk tugas akhir merupakan tahapan penting bagi mahasiswa di jenjang pendidikan tinggi. Proses ini membutuhkan kecocokan antara bidang keahlian dosen dan topik penelitian mahasiswa, dengan tetap memperhatikan kendala seperti kapasitas pembimbing yang tersedia. Meninjau profil dosen dan rekam jejak penelitian secara manual dapat menjadi proses yang lambat dan kurang efisien. Untuk mengatasi tantangan tersebut, penelitian ini merancang sebuah sistem rekomendasi pembimbing tugas akhir dengan pendekatan Content-Based Filtering. Sistem ini memanfaatkan metode Term Frequency-Inverse Document Frequency (TF-IDF) untuk menilai relevansi istilah dalam abstrak penelitian, serta Cosine Similarity untuk mengukur kedekatan antara topik mahasiswa dan bidang penelitian dosen. Berdasarkan hasil pengujian, sistem mampu memberikan rekomendasi dosen pembimbing secara akurat berdasarkan kesamaan tertinggi dari judul proyek akhir yang diajukan, sehingga mempercepat dan meningkatkan ketepatan proses pemilihan. Sistem ini menjadi solusi praktis bagi mahasiswa dalam menentukan pembimbing yang sesuai dengan kebutuhan akademiknya, serta berpotensi meningkatkan kualitas proses bimbingan. Ke depan, penelitian lebih lanjut dapat mengembangkan integrasi dengan pendekatan penyaringan kolaboratif atau model rekomendasi hibrida guna menyempurnakan hasil rekomendasi yang dihasilkan.
Floods Early Warning System: Aplikasi Pengukuran Ketinggian Air Sungai berbasis LoRa-MQQT Fadli, Imam; Dede, Dede; Pratiwi, Umi; Ripandi, Rudi
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.v9i2.1627

Abstract

Indonesia merupakan negara kepulauan dengan curah hujan tinggi yang rentan terhadap berbagai bencana hidrometeorologi seperti banjir. Salah satu daerah yang sering menghadapi ancaman banjir adalah Daerah Aliran Sungai Serayu (Daerah Aliran Sungai Serayu) di Kabupaten Banyumas, Jawa Tengah, khususnya di Desa Kedunguter. Penelitian ini bertujuan untuk merancang dan mengembangkan aplikasi pemantauan ketinggian air Sungai Serayu di Desa Kedunguter, Kabupaten Banyumas. Aplikasi ini dirancang untuk memberikan informasi ketinggian air secara real-time sebagai dasar sistem peringatan dini banjir berbasis teknologi Long Range (LoRa). Sistem ini terdiri dari perangkat pemantauan yang melibatkan satu unit pemancar dan satu unit penerima, masing-masing menggunakan LoRa untuk komunikasi data jarak jauh. Perangkat ini ditenagai oleh panel surya untuk memastikan operasi otonom dan berkelanjutan di lapangan. Data yang diperoleh dari pemantauan dikirim secara real-time ke aplikasi, memberikan informasi yang akurat tentang kondisi permukaan air sungai. Hasil pengujian menunjukkan bahwa perangkat memiliki tingkat kesalahan relatif 1,31%, dengan akurasi 98,69%. Hal ini menunjukkan bahwa sistem tersebut dapat memberikan data yang andal dan sebagai peringatan dini banjir bagi masyarakat sekitar.
Analisis Efisiensi Proses Penerimaan Order Dan Pengadaan Bahan Baku Dengan Efisiensi Throughput Zakki, Ahmad Kevin Adhira; Suharso, Wildan
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.v9i2.1652

Abstract

CV Berkah, sebuah perusahaan kerajinan kayu, menghadapi tantangan efisiensi dalam proses penerimaan order dan pengadaan bahan baku yang masih dilakukan secara konvensional. Penelitian ini bertujuan untuk menganalisis proses bisnis inti, mengidentifikasi kendala, serta merancang ulang alur proses menggunakan pendekatan Business Process Reengineering (BPR). Metode penelitian melibatkan pengumpulan data melalui wawancara dan observasi, analisis proses menggunakan Business Process Model and Notation (BPMN), serta uji efisiensi throughput. Hasil analisis menunjukkan bahwa penerimaan order membutuhkan waktu hingga 191 menit dengan efisiensi throughput sebesar 29,31% (via whatsapp) dan 103 menit dengan efisiensi 70,87% (kunjungan langsung). Sementara itu, proses pengadaan bahan baku memakan waktu 164 menit dengan efisiensi 87,80%. Dengan rekomendasi berbasis teknologi, seperti sistem berbasis web dan Enterprise Resource Planning (ERP), waktu penyelesaian penerimaan order berkurang menjadi 18 menit dan pengadaan bahan baku menjadi 92 menit, masing-masing dengan efisiensi throughput 100%. Implementasi BPR pada CV Berkah berhasil meningkatkan efisiensi operasional secara signifikan.
Analisis Data Mining Strategi Digital Marketing terhadap Keputusan Pembelian Mahasiswa Satria, Fiqih
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.v9i2.1910

Abstract

Penelitian ini bertujuan untuk menganalisis pengaruh strategi digital marketing terhadap keputusan pembelian mahasiswa pada platform e-commerce dengan menggunakan algoritma decision tree. Transformasi digital telah mengubah cara bisnis memasarkan produk, di mana mahasiswa sebagai digital natives menjadi salah satu segmen konsumen yang signifikan. Penelitian ini menggunakan pendekatan data mining dengan decision tree untuk mengidentifikasi faktor utama yang memengaruhi keputusan pembelian mahasiswa, seperti diskon, ulasan konsumen, rekomendasi influencer, dan jenis konten visual. Data dikumpulkan dari berbagai platform media sosial dan e-commerce yang sering digunakan oleh mahasiswa, seperti Instagram, TikTok, dan Shopee. Hasil analisis menunjukkan bahwa diskon merupakan faktor dominan dalam keputusan pembelian, terutama ketika dikombinasikan dengan kampanye influencer yang tepercaya. Selain itu, setiap platform media sosial memiliki peran yang berbeda dalam memengaruhi keputusan pembelian; Instagram dan TikTok lebih efektif dalam promosi berbasis konten visual yang menarik, sedangkan YouTube lebih cocok untuk ulasan produk mendalam. Jenis konten visual yang digunakan juga berpengaruh signifikan, di mana video pendek lebih efektif dalam menarik perhatian mahasiswa dibandingkan gambar statis karena memberikan pengalaman yang lebih interaktif dan emosional. Model decision tree yang dikembangkan mampu memetakan hubungan antara elemen strategi digital marketing dan keputusan pembelian dengan tingkat akurasi yang tinggi. 
Komparasi Kinerja Label-Encoding dengan One-Hot-Encoding pada Algoritma K-Nearest Neighbor menggunakan Himpunan Data Campuran Guntara, Mohammad; Astuti, Femi Dwi
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.v9i2.1605

Abstract

Algoritma K-Nearest Neighbor (KNN) adalah salah satu algoritma dalam data mining, bekerja didasarkan pada pengukuran jarak antara tupel pada data-uji dan masing-masing data-latih untuk memutuskan luaran klasifikasi akhir. Pada algoritma ini jenis data pada tiap atribut harus berupa numerik atau kontinyu, karena dihitung jarak setiap atribut yang sama untuk setiap tupel dengan tupel yang akan dicari kelasnya. Akan tetapi pada realitanya himpunan-data yang akan diolah tidak selalu berupa numerik, tetapi dapat berupa kategorikal baik nominal maupun ordinal.Untuk data numerik dapat langsung diolah tanpa proses transformasi(pengodean), adapun untuk  jenis data nominal pengodean ke numerik dilakukan dengan metode label umumnya berupa nomor urut, namun hal ini dirasa kurang tepat mengingat nomor urut bersifat kuantitatif , Untuk itulah digunakan pengodean dengan metode one-hot-encoding (OHE) dimana setiap item data pada suatu atribut dikonversi ke bit 1 dan 0 yang menjadikan antar obyek pada himpunan-data setara. Untuk mengetahui sejauh mana akurasi transformasi OHE dibanding transformasi label diimplementasikan pada algoritma KNN untuk prediksi kelulusan mahasiswa dimana terdapat 2 jenis atribut yakni numerik dan nominal. Berdasarkan pengujian 2 metode pengodean tersebut diketahui bahwa akurasi transformasi dengan OHE pada berbagai nilai neighbor lebih tinggi dibanding metode label, sedangkan kecepatan proses kedua metode pengodean relatif sama.

Page 20 of 23 | Total Record : 224

 18   19   20   21   22 

Filter by Year

2016 2025


Reset
Filter By Issues
All Issue Vol 9, No 3 (2025): Oktober 2025 Vol 9, No 2 (2025): Juni 2025 Vol 9, No 1 (2025): Februari 2025 Vol 8, No 2 (2024): September 2024 Vol 8, No 1 (2024): Februari 2024 Vol 7, No 2 (2023): SEPTEMBER 2023 Vol 7, No 1 (2023): Februari 2023 Vol 6, No 2 (2022): ReBorn -- September 2022 Vol 6, No 1 (2022): ReBorn - February 2022 Vol 5, No 2 (2021): Februari 2021 Vol 5, No 1 (2020): FEBRUARI - AGUSTUS 2020 Vol 4, No 2 (2019): SEPTEMBER - JANUARI 2020 Vol 4, No 1 (2019) Vol 3, No 2 (2018): SEPTEMBER - JANUARI 2019 Vol 3, No 1 (2018): FEBRUARI - AGUSTUS 2018 Vol 2, No 2 (2017): SEPTEMBER - JANUARI 2018 Vol 2, No 1 (2017): FEBRUARI - AGUSTUS 2017 Vol 1, No 2 (2017): SEPTEMBER - JANUARI 2017 Vol 1, No 1 (2016): FEBRUARI - AGUSTUS 2016 More Issue