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
 23   24   25   26   27 
Implementasi Metode ROC dan SMART Dalam Penentuan Penerima Program Rusunawa Kota Yogyakarta Peni Kurniawati; Yumarlin MZ; Jemmy Edwin Bororing
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.v10i1.2292

Abstract

Program Rumah Susun Sederhana Sewa (Rusunawa) merupakan salah satu solusi penyediaan hunian yang layak bagi masyarakat perkotaan yang belum memiliki rumah. Di Kota Yogyakarta, program ini dilaksanakan untuk memberikan akses tempat tinggal dengan biaya terjangkau sekaligus mengurangi permasalahan kepadatan penduduk. Dalam prosesnya, penentuan calon penerima Rusunawa masih dilakukan secara manual sehingga berpotensi menimbulkan ketidakobjektifan dan kurang efisien. Oleh karena itu, penelitian ini bertujuan mengimplementasikan metode Rank Order Centroid (ROC) untuk menentukan bobot kriteria serta metode Simple Multi Attribute Rating Technique (SMART) dalam menyeleksi calon penerima Rusunawa. Kriteria yang digunakan meliputi penghasilan, pekerjaan, status penempatan, perkawinan, dan calon penghuni. Sistem ini dibangun berbasis web menggunakan bahasa pemrograman PHP dengan MySQL sebagai basis data. Hasil penelitian berupa sistem pendukung keputusan yang mampu menginput data kriteria, alternatif, melakukan perhitungan pembobotan, dan menampilkan hasil perankingan sebagai bahan rekomendasi bagi pengambil keputusan.
ANALISIS SENTIMEN KEBIJAKAN PPN 12% BERBASIS SEMI-SUPERVISED CNN Mochammad Asril Berlian Abdullah; Mashur Razak; Nasrullah Nasrullah
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.v10i2.2676

Abstract

Penelitian ini bertujuan untuk menganalisis sentimen publik terhadap kebijakan Pajak Pertambahan Nilai (PPN) 12% menggunakan pendekatan deep learning berbasis Convolutional Neural Network (CNN) dengan skema semi-supervised learning. Permasalahan utama dalam penelitian ini adalah keterbatasan data berlabel, sehingga digunakan teknik pseudo-labeling untuk memanfaatkan data tidak berlabel. Tahapan penelitian meliputi pengumpulan data dari media sosial, pra-pemrosesan teks, pelabelan awal, serta pelatihan model CNN. Evaluasi dilakukan menggunakan confusion matrix dengan metrik accuracy, precision, recall, dan F1-score. Hasil penelitian menunjukkan bahwa model yang diusulkan mampu mengklasifikasikan sentimen dengan baik dan menghasilkan distribusi sentimen yang didominasi oleh sentimen negatif. Selain itu, pendekatan semi-supervised learning terbukti meningkatkan performa model melalui pemanfaatan data tidak berlabel.
Sentiment Analysis of Instagram Reviews: Exploring Neutral Sentiments using Support Vector Machines Hendi Sama; Inov Santoso; Suwarno Suwarno
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.v10i1.2515

Abstract

The rapid growth of mobile applications necessitates a better understanding of user feedback via app store reviews. This study analyzes 1,000 Indonesian-language Google Play Store reviews of the Instagram application using the Support Vector Machine (SVM) algorithm to classify sentiments into positive, negative, and neutral categories. The primary objectives are to evaluate the effectiveness of SVM and investigate the impact of neutral sentiments on model performance. The methodology involved preprocessing steps such as text cleaning, slang normalization, stop-word removal, and stemming with Sastrawi, followed by TF-IDF feature extraction. A LinearSVC model was optimized using GridSearchCV and five-fold cross-validation. The model achieved 64.5% accuracy and a Macro-F1 score of 0.4701, outperforming Multinomial Naïve Bayes and Logistic Regression baselines. Further analysis revealed that neutral sentiments significantly affect performance; removing this class increased Macro-F1 to 0.6965. Additionally, probability thresholding and class-weight balancing improved neutral-class recognition, raising its F1-score from 0.1429 to 0.1778. These findings indicate that while SVM is effective for Indonesian app-review sentiment analysis, neutral sentiment remains a classification challenge requiring specific handling strategies.
Deteksi dan Klasifikasi Penyakit Pada Buah Kakao Menggunakan Yolov11 Rizky Ridho Ramadhan; Daniel Udjulawa
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.v10i1.2399

Abstract

AbstrakPenelitian ini mengembangkan sistem deteksi dan klasifikasi penyakit pada buah kakao menggunakan model YOLOv11m berbasis teknologi computer vision dan deep learning. Produksi kakao Indonesia mengalami penurunan signifikan dalam satu dekade terakhir, dengan rata-rata penurunan produksi tahunan mencapai 2,38%. Salah satu faktor utama penyebab penurunan tersebut adalah serangan penyakit pada buah kakao, seperti Black Pod Rot, Frosty Pod Rot, dan serangga Mirid, yang menghambat produktivitas perkebunan. Minimnya pengetahuan petani dalam mengidentifikasi jenis penyakit menyebabkan penanganan yang tidak tepat, sehingga diperlukan sistem deteksi otomatis berbasis teknologi untuk membantu petani mendeteksi penyakit dengan cepat dan akurat. Model deteksi yang dikembangkan dalam penelitian ini bertujuan untuk mengatasi masalah tersebut. Dataset yang digunakan terdiri dari tiga skenario: (1) dataset asli, (2) dataset yang diaugmentasi dengan Roboflow, dan (3) dataset dengan augmentasi Roboflow dan input-space oversampling. Evaluasi model menunjukkan bahwa YOLOv11m yang dilatih dengan dataset augmentasi dan oversampling menghasilkan precision 80,8%, recall 62,9%, dan mAP50 73,1% pada data uji, menunjukkan peningkatan signifikan dibandingkan dataset asli. Selain itu, pada data test, model ini mencapai precision 80,8%, recall 62,9%, dan mAP50 73,1%, yang menunjukkan kemampuan deteksi yang lebih baik. Dengan teknik augmentasi ini, penurunan recall pada beberapa kelas minoritas dapat diminimalisir.
BERT-base, DistilBERT, and BERTweet: A COMPARATIVE STUDY ON APP REVIEW Jesslyn Levana Halim; Trianggoro Wiradinata
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.v10i1.2217

Abstract

User reviews for the Instagram application represent a vast and unstructured data source, offering valuable insights into public sentiment. However, their sheer volume and informal linguistic nature necessitate efficient and accurate automated analysis. This study conducts a comprehensive comparative analysis of three prominent Transformer-based models: BERT-base-uncased, DistilBERT, and BERTweet, to determine the most optimal architecture for sentiment classification of these reviews. Utilizing a dataset of 30,000 preprocessed reviews sourced from Kaggle, the models were fine-tuned for a binary classification task (positive/negative). Performance was systematically evaluated using accuracy, precision, recall, and F1-Score. The experimental results reveal a highly competitive performance landscape. BERT-base-uncased achieved the highest F1-Score (0.8475), establishing it as the best choice for balanced performance. Conversely, BERTweet, pre-trained on social media text, excelled in precision (0.8619), making it superior for reliable positive predictions. Meanwhile, DistilBERT demonstrated its value by offering a compelling balance of high performance (F1-Score 0.8373) and significant computational efficiency. This research concludes that the selection of an optimal model is not absolute but is contingent on specific application requirements, such as the priority of balanced accuracy, predictive reliability, or resource efficiency.
MODEL PREDIKSI RISIKO SINDROM METABOLIK MENGGUNAKAN PENDEKATAN FUZZY ANALYTICAL HIERARCHY PROCESS Niki Ratama; Imam Riadi; Herman Herman
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.v10i2.2721

Abstract

Sindrom metabolik merupakan kumpulan gangguan metabolisme yang meningkatkan risiko penyakit kardiovaskular dan diabetes melitus tipe 2, dengan prevalensi yang terus meningkat secara global termasuk di Indonesia. Penelitian ini bertujuan mengembangkan model prediksi risiko sindrom metabolik menggunakan metode Fuzzy Analytical Hierarchy Process (Fuzzy AHP) untuk mengakomodasi ketidakpastian penilaian pakar dan menghasilkan pembobotan kriteria klinis yang lebih terukur dan transparan. Model menggunakan lima variabel utama berdasarkan kriteria NCEP-ATP III, yaitu lingkar pinggang, tekanan darah sistolik, glukosa puasa, trigliserida, dan HDL, dengan pembobotan dihitung menggunakan metode extent analysis Chang berbasis Triangular Fuzzy Number (TFN). Hasil penelitian menunjukkan urutan bobot kriteria tertinggi terdapat pada glukosa puasa (0,35), diikuti lingkar pinggang (0,23), tekanan darah (0,18), trigliserida (0,14), dan HDL (0,10). Pengujian pada dua pasien menghasilkan skor risiko 0,931 (Risiko Tinggi) untuk Pasien A dan 0,572 (Risiko Sedang) untuk Pasien B, sehingga model mampu membedakan tingkat risiko secara kuantitatif. Dengan demikian, model Fuzzy AHP memberikan hasil yang lebih nuansif dibandingkan pendekatan diagnosis biner konvensional dan berpotensi diterapkan sebagai alat skrining klinis untuk mendukung deteksi dini serta pengambilan keputusan berbasis bukti di fasilitas kesehatan primer.
Evaluasi Sistem Validasi Data Sanggar dan Seniman Menggunakan Model Task-Technology Fit Arif Hadi Sumitro
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.v10i2.2619

Abstract

Dewan Kesenian Belambangan (DKB) merupakan organisasi mitra pemerintah daerah Banyuwangi. Dalam rangka mengembangkan kualitas seni maupun sanggar dibanyuwangi ada beberapa langkah yang dilakukan, salah satunya dengan melakukan digitalisasi data pada pelaku seni dan sanggar di Banyuwangi. Proses dari digitalisasi data ini diinisialisasi langsung oleh DKB sebagai langkah awal modernisasi. Dalam penelitian ini bertujuan merancang serta mengevaluasi adanya sistem informasi digital dalam pendataan pelaku seni dan sanggar. Selain itu faktor yang mempengaruhi diterimanya teknologi juga dianalisa untuk menentukan bahwa sistem diterima. Model yang dilakukan untuk melakukan penelitian ini menggunakan pendekatan Task – Technology Fit (TTF), guna menilai keseuaian antara teknologi yang digunakan dengan tugas yang dijalankan oleh pengguna, khususnya admin. Metode pengumpulan data diperoleh melalui observasi, wawancara, serta penyebaran kuesioner kepada pengguna sistem. Hasil penelitian menunjukkan bahwa system informasi yang dikembangkan memiliki Tingkat ksesuaian tinggi terhadap tugas pendataan dan validasi, Dimana dengan fitur teknologi digital dinilai mendukung efisiensi dan kemudahan kerja pengguna. Hal ini diharapkan dapat menjadi pijakan dalam pengembangan system digital lanjutan dalam mendukung ekosistem seni dan budaya di Banyuwangi
Penerapan Algoritma Supervised Learning Untuk Analisis Sentimen Kebijakan Ekonomi Pada Masa Pemerintahan Prabowo Melalui Aplikasi X Yumarlin MZ; Jemmy Edwin B; Andreas Adi Prasetyo
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.v10i1.2373

Abstract

Media sosial menjadi wadah utama masyarakat dalam menyampaikan opini, termasuk dalam isu-isu kebijakan pemerintah. Salah satu isu yang mendapat perhatian publik adalah kebijakan ekonomi Presiden Prabowo, khususnya efisiensi anggaran dan pembentukan BPI Danantara. Penelitian ini bertujuan untuk menganalisis sentimen masyarakat terhadap kebijakan tersebut dengan menerapkan algoritma Supervised Learning yaitu Naïve Bayes dan K-Nearest Neighbord. Data diambil dari aplikasi X (sebelumnya Twitter) melalui proses crawling dengan kata kunci tertentu, lalu dilakukan preprocessing dan pelabelan sentimen (positif, netral, negatif). Hasil evaluasi menunjukkan bahwa model Naïve Bayes memiliki akurasi terbaik dengan nilai maksimal 72%, sedangkan KNN mencapai akurasi 68%. Penelitian ini juga menyajikan hasil analisis dalam bentuk dashboard interaktif menggunakan Streamlit sebagai visualisasi. Temuan ini penting untuk memberikan gambaran sentimen publik secara data-driven terhadap kebijakan pemerintah di era digital.
RULE – BASED SYSTEM BERBASIS ALGORITMA ID3 UNTUK MENENTUKAN KATEGORI UMUR PANEN CABAI MERAH BESAR Ahmad Zulfi Kurniadi; Rina Dewi Indahsari
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.v10i2.2711

Abstract

Penentuan waktu panen cabai merah besar (Capsicum annuum L.) yang tepat sangat krusial untuk meminimalkan risiko penurunan kualitas dan nilai ekonomis akibat faktor cuaca maupun hama. Penelitian ini bertujuan untuk mengembangkan model klasifikasi berbasis algoritma Iterative Dichotomiser 3 (ID3) guna menentukan kategori umur panen (Cepat, Normal, Lama) dan mengekstrak aturan logika IF-THEN sebagai basis pengetahuan sistem pakar. Pendekatan penelitian menggunakan dataset sebanyak 235 sampel tanaman dengan 9 fitur agronomis kategorik. Untuk mengatasi masalah ketidakseimbangan kelas target (rasio 1,69x), teknik oversampling BorderlineSMOTE diterapkan sebelum proses pemodelan ID3 yang dikonfigurasi secara optimal dengan parameter max_depth=6 dan min_samples_leaf=3. Temuan utama menunjukkan bahwa optimasi dengan BorderlineSMOTE berhasil meningkatkan akurasi Cross-Validation 5-Fold dari 36,17% (model baseline) menjadi 41,97%, sekaligus menekan tingkat overfitting secara signifikan. Model ID3 final berhasil mengekstrak 44 aturan IF-THEN yang sangat interpretabel, dengan atribut "Warna Buah" terpilih menjadi simpul akar utama penentu klasifikasi. Kesimpulannya, integrasi BorderlineSMOTE pada algoritma ID3 terbukti tangguh dalam mengurai kompleksitas data agronomis cabai merah besar dan menghasilkan basis aturan yang deterministik. Model ini sangat potensial diimplementasikan ke dalam rule-based system otomatis guna mendukung petani dalam pengambilan keputusan waktu.
PENDEKATAN CLUSTERING BERBASIS HDBSCAN UNTUK MENENTUKAN POLA DOMINASI SUMBER SAMPAH DI INDONESIA Firdaus Firdaus; Muhammad Risaldi
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.v10i1.2303

Abstract

Peningkatan timbulan sampah di Indonesia menuntut pemahaman pola dominasi sumber sampah agar strategi pengelolaan lebih tepat sasaran. Penelitian ini bertujuan mengidentifikasi pola dominasi sumber sampah dan dinamika perpindahan klaster pada tingkat kabupaten/kota di Indonesia selama 2019–2022. Data yang digunakan merupakan data sekunder komposisi sumber sampah dari 132 kabupaten/kota. Tahapan penelitian meliputi prapengolahan, normalisasi Min-Max Scaling, dan penerapan metode clustering Hierarchical Density-Based Spatial Clustering of Applications with Noise (HDBSCAN) yang dievaluasi menggunakan Silhouette Score. Hasil menunjukkan kabupaten/kota cenderung mengelompok ke dalam beberapa klaster dominan berdasarkan sumber sampah utama, khususnya rumah tangga, pasar tradisional, kawasan, perniagaan, dan perkantoran. Jumlah kabupaten/kota berstatus outlier menurun dari 14 (2019) menjadi 7 (2022), mengindikasikan semakin banyak wilayah memiliki pola dominasi sumber sampah yang serupa. Analisis perpindahan klaster menunjukkan sebagian kabupaten/kota konsisten berada pada klaster yang sama, sementara wilayah seperti Kota Kediri dan Kota Tangerang Selatan lebih sering berpindah klaster, merefleksikan perubahan komposisi dominasi sumber sampah. Temuan ini dapat menjadi dasar perumusan prioritas intervensi pengelolaan sampah yang lebih terarah sesuai karakteristik masing-masing klaster.

Page 26 of 27 | Total Record : 263

 23   24   25   26   27 

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