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 263 Documents
 22   23   24   25   26 
MODEL HYBRID PSO, CORELATION FEATURE SELECTION DAN KNN UNTUK DETEKSI PENYAKIT JANTUNG Dion Ikhzanza Rabbil; Taghfirul Azhima Yoga Siswa; Wawan Joko Pranoto
JURNAL INFORMATIKA DAN KOMPUTER Vol 10, No 2 (2026): Juni 2026
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat - Universitas Teknologi Digital Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26798/jiko.v10i2.2662

Abstract

The high mortality rate caused by disorders of the cardiovascular system highlights the need for accurate early detection methods to support medical decision-making. This study aims to develop and evaluate a heart disease classification model using the K-Nearest Neighbor (KNN) algorithm optimized with Particle Swarm Optimization (PSO). In its implementation, the KNN algorithm employs the Manhattan distance parameter to measure the similarity between data instances. The dataset used in this study is a secondary heart disease dataset consisting of 302 records after preprocessing. The preprocessing stage includes data cleaning, numerical feature standardization using StandardScaler, and correlation-based feature selection to identify attributes that have significant relationships with the target variable. Model evaluation is conducted using a 10-fold cross-validation scheme and assessed using accuracy, precision, recall, and F1-score. The experimental results show that the baseline KNN model achieves an accuracy of 81.16%, while the PSO-optimized KNN model demonstrates improved performance with an accuracy of 82.81%, precision of 79.02%, recall of 92.13%, and an F1-score of 84.84%. These findings indicate that the application of PSO effectively enhances the performance and stability of the KNN algorithm in heart disease classification.
SEGMENTASI POLA PENJUALAN UMKM KERAJINAN BANTUL BERBASIS K-MEANS DAN SILHOUETTE COEFFICIENT Ahmad Hidayah Nopo; Akbar Wijaya; Rama Auzan Fattahisa; Sri Redjeki; Riki Riki
JURNAL INFORMATIKA DAN KOMPUTER Vol 10, No 2 (2026): Juni 2026
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat - Universitas Teknologi Digital Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26798/jiko.v10i2.2618

Abstract

Pelaku UMKM kerajinan di Bantul menghadapi tantangan dalam memanfaatkan data transaksi yang melimpah menjadi wawasan strategis, serta adanya disparitas harga ekstrem antara produk seni bernilai tinggi dan suvenir yang menyebabkan bias pada metode klasterisasi standar. Penelitian ini bertujuan melakukan segmentasi pola penjualan produk menggunakan algoritma K-Means yang diintegrasikan dengan normalisasi Z-Score untuk mengatasi variabilitas skala data tanpa menghapus outlier yang bernilai strategis. Menggunakan pendekatan Knowledge Discovery in Database (KDD), penelitian mengolah 573 data transaksi valid dari marketplace Tokopedia yang mencakup atribut harga, jumlah terjual, dan rating. Hasil evaluasi menggunakan Elbow Method dan Silhouette Coefficient menetapkan 5 (lima) sebagai jumlah klaster optimal dengan nilai Silhouette Score sebesar 0.8218, yang mengindikasikan struktur pengelompokan yang sangat kuat (Strong Structure). Penelitian berhasil mengisolasi karakteristik unik seperti produk "Premium" (harga ekstrem tinggi) dan "Best Seller" (volume tinggi) ke dalam klaster terpisah. Disimpulkan bahwa integrasi normalisasi Z-Score krusial dalam menangani heterogenitas data UMKM, memungkinkan perumusan rekomendasi manajerial yang presisi, mulai dari strategi eksklusivitas untuk produk premium hingga perbaikan kualitas mendesak untuk produk dengan rating rendah
Perancangan Ulang dan Analisis Pengalaman Pengguna Website Evos Esports Menggunakan User Experience Questionnaire (UEQ) Kristoforus Nanda Mahardhian; Pius Dian Widi Anggoro
JURNAL INFORMATIKA DAN KOMPUTER Vol 10, No 1 (2026): February 2026
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat - Universitas Teknologi Digital Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26798/jiko.v10i1.2297

Abstract

Seiring pertumbuhan pesat sektor esports yang telah memikat jutaan penggemar di seluruh dunia, Evos Esports sebagai organisasi terkemuka di Indonesia menghadapi urgensi untuk menyempurnakan pengalaman pengguna (UX) pada situs web resminya. Identifikasi masalah menunjukkan adanya kekurangan pada navigasi yang intuitif dan estetika visual yang kurang memikat. Sebagai solusi, penelitian ini mengimplementasikan perancangan ulang prototipe dengan mengadopsi metodologi Design Sprint. Proses ini didahului oleh pengumpulan data kualitatif dan kuantitatif melalui wawancara serta survei untuk menggali kebutuhan dan ekspektasi pengguna. Platform desain kolaboratif Figma dimanfaatkan untuk membangun wireframe, mockup, dan prototipe interaktif secara real-time. Untuk memvalidasi hasil perancangan ulang, prototipe tersebut diuji kepada pengguna menggunakan Kuesioner Pengalaman Pengguna (User Experience Questionnaire/UEQ).Tujuan utamanya adalah menghasilkan desain UI/UX yang lebih menarik dan berpusat pada pengguna. Diharapkan, prototipe hasil perancangan ulang ini mampu meningkatkan engagement pengguna sekaligus memperkokoh citra merek EVOS Esports. Studi ini berkontribusi dalam menegaskan peran vital desain web di ekosistem esports dan mendemonstrasikan efektivitas Design Sprint dalam pengembangan prototipe.
ANALISIS DETEKSI TINGKAT STRES BERBASIS PERILAKU DIGITAL MENGGUNAKAN MODEL ARTIFICIAL NEURAL NETWORK Munawaroh Munawaroh; Abdul Fadlil; Imam Riadi
JURNAL INFORMATIKA DAN KOMPUTER Vol 10, No 2 (2026): Juni 2026
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat - Universitas Teknologi Digital Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26798/jiko.v10i2.2722

Abstract

This study aims to analyze the capability of an Artificial Neural Network (ANN) model in detecting stress levels based on digital behavioral data. The dataset comprises 3,685 Indonesian respondents represented through six digital behavior variables (X1–X6) covering smartphone and social media usage patterns, and six psychological stress symptom variables (S1–S6) based on an adapted PSS-10. A Multilayer Perceptron (MLP) was trained using a two-stage experimental design: Stage 1 using only X1–X6, Stage 2 integrating X1–X6 and S1–S6. Evaluation involved 27 parameter combinations per stage. Results show Stage 1 failed with mean accuracy 77.34% (Macro F1=0.29) due to insufficient discriminative signal, while Stage 2 succeeded with peak accuracy 98.10% and Macro F1=0.97 at optimal configuration (80:20 split, k=8, hidden=16). The +18.16% improvement quantifies the mediation role of psychological variables in the transactional stress model.
SISTEM PENDUKUNG KESELAMATAN JETSKI BERBASIS IoT DENGAN DETEKSI KEMIRINGAN REAL-TIME Patrick Steven Kent Sugiarto; Yuwono Marta Dinata
JURNAL INFORMATIKA DAN KOMPUTER Vol 10, No 1 (2026): February 2026
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat - Universitas Teknologi Digital Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26798/jiko.v10i1.2206

Abstract

Jet ski merupakan rekreasi yang menyenangkan dan diminati banyak orang, namun aktivitas ini mengandung risiko kecelakaan yang cukup tinggi. Dari 1.000 kecelakaan jet ski di tahun 2022, 549 kasus mengalami cedera dan 54 berujung kematian, menyoroti pentingnya sistem keselamatan dan monitoring jet ski. Penelitian ini bertujuan mengembangkan sistem deteksi kecelakaan berbasis Internet of Things (IoT) dengan sensor MPU6050, mikrokontroler ESP8266, dan modul LoRa SX1278 untuk mengetahui kemiringan jet ski secara real-time. Sistem dirancang mengirimkan data gerak dan rotasi secara nirkabel ke gateway, lalu menyimpan data ke Firebase Realtime Database dan menampilkannya melalui dashboard website. Hasil analisis membuktikan sistem dapat mendeteksi setiap perubahan status jetski secara akurat, dengan delay pengiriman data rata-rata 2–3 detik dan tingkat kehilangan data yang minim. Visualisasi status menggunakan kode warna merah untuk kondisi kecelakaan dan hijau untuk kondisi normal pada dashboard memudahkan operator dalam melakukan identifikasi dan penanganan insiden secara cepat. Penelitian tidak hanya menawarkan solusi teknologi untuk mengurangi risiko kecelakaan jet ski, namun juga memvalidasi keefektifan integrasi LoRa dan dashboard monitoring real-time sebagai kontribusi orisinal dalam bidang keselamatan kendaraan air. Hasil yang diperoleh dari penelitian ini didapatkan pengiriman data mulai dari sensor sampai ke visualisasi di website didapatkan 100% hasil sesuai dengan yang diharapkan
Nilai Intensitas Aktivitas Fisik Berdasarkan Data Akselerometer Menggunakan Algoritma Gradient Boosting Regression Bahrun Ghozali; Hastari Utama; Barka Satya
JURNAL INFORMATIKA DAN KOMPUTER Vol 10, No 2 (2026): Juni 2026
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat - Universitas Teknologi Digital Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26798/jiko.v10i2.2635

Abstract

Perkembangan teknologi sensor wearable telah meningkatkan kebutuhan akan sistem pemantauan aktivitas fisik yang akurat dan real-time. Penelitian ini bertujuan untuk mengembangkan model regresi guna memprediksi nilai intensitas aktivitas fisik secara kontinu berdasarkan data akselerometer triaksial dengan memanfaatkan algoritma Gradient Boosting Regression (GBR). Metode yang digunakan meliputi akuisisi data, pra-pemrosesan, ekstraksi fitur multidomain (waktu dan frekuensi), serta seleksi fitur. Model dibangun dan dioptimasi menggunakan dataset awal dari dua partisipan dengan 2.524 sampel sebagai studi pendahuluan (pilot study), kemudian dievaluasi dengan metrik RMSE, MAE, dan R² serta validasi silang antar-partisipan. Penulis menyadari bahwa jumlah partisipan yang terbatas dan ketidakseimbangan distribusi data (98% vs 2%) merupakan keterbatasan utama penelitian ini, sehingga hasil yang diperoleh belum dapat digeneralisasikan secara luas.Hasil penelitian menunjukkan bahwa model GBR mampu menangkap hubungan non-linear antara fitur akselerometer dan intensitas aktivitas dengan performa yang lebih baik dibandingkan baseline seperti regresi linier. Model ini berpotensi diintegrasikan ke dalam sistem wearable untuk memberikan umpan balik intensitas aktivitas secara real-time, sehingga mendukung aplikasi kesehatan personal, rehabilitasi, dan pemantauan kebugaran. 
Machine Learning-Based Prediction of Muscle Hypertrophy: A Random Forest Approach Using Training and Nutrition Data Suwarno Suwarno; Alex Winarli; Herman Herman
JURNAL INFORMATIKA DAN KOMPUTER Vol 10, No 1 (2026): February 2026
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat - Universitas Teknologi Digital Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26798/jiko.v10i1.2426

Abstract

Muscle hypertrophy is defined as the enlargement of muscle fibers through resistance training stimulation, and remains a primary goal for many individuals engaged in structured exercise programs. However, response to training may vary significantly due to genetic, physiological, and lifestyle factors. As a result, many individuals struggle to predict whether a given training program will effectively support their muscle growth goals, often leading to inefficient training strategies and suboptimal outcomes. The lack of predictive tools that can estimate muscle hypertrophy outcomes based on mesurable variables highlights the need for data driven approaches in personal fitness planning. Therefore, this study aims to develop a Muscle Hypertrophy prediction model using the Random Forest algorithm. The data used are synthetic data generated from ChatGPT, which consists of 500 samples with 5 relevant features. Models were developed with 80% train 20% test using R2 Metrics. The results showed that the optimized Random Forest model achieved an accuracy of 79% on R2. These findings indicate that the method used can help predicting the muscle growth by measurable metrics. So it can be used as a tool in Personal Fitness goal. 
Pengembangan Aplikasi Pemadam Kebakaran Berbasis Smartphone Studi Kasus: Pemadam Kebakaran Yogyakarta Amallia Az Zahra; Agus Suhendar
JURNAL INFORMATIKA DAN KOMPUTER Vol 10, No 1 (2026): February 2026
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat - Universitas Teknologi Digital Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26798/jiko.v10i1.2350

Abstract

Kebakaran merupakan salah satu jenis bencana yang memiliki dampak signifikan terhadap keselamatan jiwa, kerusakan lingkungan, serta kerugian material. Tingginya jumlah kasus kebakaran di berbagai wilayah menuntut adanya sistem pelaporan yang lebih cepat, akurat, dan mudah diakses oleh masyarakat. Oleh karena itu, penelitian ini mengembangkan aplikasi pemadam kebakaran berbasis smartphone yang dirancang untuk mempercepat proses pelaporan kejadian darurat melalui tombol SOS dan pengambilan lokasi GPS secara otomatis. Aplikasi dibangun menggunakan Flutter sebagai antarmuka mobile dan Firebase sebagai backend untuk mendukung sinkronisasi data real-time antara pelapor dan petugas pemadam kebakaran. Metode penelitian mencakup observasi, wawancara, studi pustaka, perancangan sistem, implementasi antarmuka, serta pengujian black-box. Hasil penelitian menunjukkan bahwa seluruh fitur utama, termasuk registrasi, login, pelaporan darurat, GPS tracking, serta manajemen laporan pada dashboard admin, berfungsi dengan baik dan mampu menyajikan data secara real-time. Sistem yang dikembangkan terbukti dapat meningkatkan efektivitas proses pelaporan dan mempercepat respon petugas terhadap kejadian kebakaran. Dengan demikian, aplikasi FireTrack berpotensi menjadi solusi pendukung keselamatan masyarakat dalam menghadapi situasi darurat kebakaran.
ROBOT PENGIKUT MANUSIA BERBASIS FUSI SENSOR TERMAL AMG8833 DAN MLX90614 Mekedius Ilsenmus Jiro; Gogor C. Setyawan; Heani Budiati
JURNAL INFORMATIKA DAN KOMPUTER Vol 10, No 2 (2026): Juni 2026
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat - Universitas Teknologi Digital Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26798/jiko.v10i2.2698

Abstract

Developing a reliable person-following robot in low-light and high-temperature environments remains challenging because conventional vision-based sensors often experience unstable detection. This study proposes a thermal sensor fusion system using a GY-AMG8833 thermal sensor (8x8 pixels) for directional tracking and an MLX90614 infrared sensor for human body temperature validation. The robot is controlled by an ESP32 microcontroller implementing a Weighted Centroid algorithm to determine the target position based on heat distribution. To overcome the sensitivity of low-cost thermal sensors to environmental noise, especially when ambient temperature exceeds 31 degrees C, the proposed method applies a dynamic threshold offset of 1.5 degrees C above ambient temperature. In addition, a heat-area-based noise filter is implemented, where the robot automatically stops when the detected heat area exceeds 60 pixels, indicating non-target objects such as walls or reflective surfaces. Experimental results in air-conditioned and non-air-conditioned environments show that the proposed system improves tracking accuracy by up to 70%, reduces the false positive rate from 80% to 0%, and prevents collisions with static heat-emitting objects. These results demonstrate that the proposed approach provides safer, more stable, and more reliable autonomous robot navigation.
ANALISIS LABORATORIUM VIRTUAL PRAKTIK JARINGAN MENGGUNAKAN PROXMOX DAN PNETLAB, SITUASI PANDEMI Berta Bednar
JURNAL INFORMATIKA DAN KOMPUTER Vol 10, No 2 (2026): Juni 2026
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat - Universitas Teknologi Digital Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26798/jiko.v10i2.2644

Abstract

Telah diselesaikan penelitian domain virtualisasi jarak-jauh praktikum infrastruktur jaringan, menggunakan mesin server tiruan berotak Intel core i9 dan software Proxmox VE7.1-7. Riset sebagai salah sebuah tanggapan situasi PPKM Pandemi Covid-19. Pada server Proxmox VE dipasang sejumlah mesin virtual, diantaranya PNETLab untuk server praktikum, dan router koordinasi kepada system jaringan kampus UTDI. Diterapkan metode riset NDLC-network development life cycle meliputi, analysis, plan & config, running, & evaluation. PNETLab 5.3.11 pada server Proxmox disiapkan sejumlah nodes jaringan yang diperlukan untuk praktikum, melalui perintah ishare2 maupun konversi antar-format. Pengamatan kinerja system dimudahkan dengan tampilan grafik kinerja Proxmox meliputi kinerja module processor, memory, peranti I/O, dan internet traffic vs waktu. Pengamatan dilakukan dengan matching mengacu panduan dan hasil running. Hasil percobaan atas 12 peserta uji praktik jarak jauh akses internet, relatip lancar dikelola secara parallel oleh PNETLab dilayani 18 dari 20 processor yang terpasang, berjalan 100% pada clock speed @2,8GHz, dengan utilitas rerata processor Proxmox < 42%, dan, ruangan memori digunakan 15 GiB dari max 32 GiB terpasang. Kondisi running termonitor pada grafik tampak membebani server hingga 12%.

Page 24 of 27 | Total Record : 263

 22   23   24   25   26 

Filter by Year

2016 2026


Reset
Filter By Issues
All Issue Vol 10, No 2 (2026): Juni 2026 Vol 10, No 1 (2026): February 2026 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