cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
-
Contact Email
-
Phone
-
Journal Mail Official
buffer.informatika@uniku.ac.id
Editorial Address
Jalan Cut Nyak Dhien No.36A Kuningan, Jawa Barat, Indonesia.
Location
Kab. kuningan,
Jawa barat
INDONESIA
Buffer Informatika
Published by Universitas Kuningan
ISSN : 25274856     EISSN : 26145413     DOI : https://doi.org/10.25134/buffer.v5i2
Core Subject : Science,
Computer Science & IT
BUFFER INFORMATIKA adalah jurnal peer-review tentang Informasi dan Teknologi yang mencakup semua cabang IT dan sub-disiplin ilmu termasuk Algoritma, Jaringan Komputer, Game, Rekayasa Perangkat Lunak, Aplikasi Mobile, Kecerdasan Buatan, Image Processing, Grafik Komputer, Data Maining dan Informasi Tekhnologi lainnya.
Arjuna Subject : Ilmu Komputer (semua kategori) - Ilmu Komputer (Lain-Lain)
Articles 73 Documents
 4   5   6   7   8 
ANALISIS SENTIMEN MEDIA SOSIAL TIKTOK DENGAN METODE SUPERVISED LEARNING PADA ALGORITMA MACHINE LEARNING Nur Az-zahra, Rizka Namira; Fitrialdi, Moh Rizqi; Nurjanah, Esa; Darmawan, Mardotilah; Firmansyah, Ricky
BUFFER INFORMATIKA Vol 7 No 1 (2021)
Publisher : TI S1 FKOM UNIKU

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25134/buffer.v7i1.3829

Abstract

TikTok is an application that is downloaded by many people nowadays, it is because the government policy pushes us to stay at home during this pandemic COVID-19. There are many content creators who made up their creative ideas on TikTok and also the netizens who watch them are entertained. Certainly, TikTok cannot be separated by a thing that is called hashtag. By using hashtag(s), the similar contents can be classified easily. Even the content can be added to FYP (For Your Page). If it is added to FYP, the content can go viral instantly. Of course, there are many pros and cons on the viral content. Sentiment analysist is a study of public judgement and opinion. This study uses Machine Learning method. It is a supervised learning on sentiment analysist of a video that is currently going viral, which is on that video there are positive, negative, and neutral opinion.
Implementasi Algoritma Fuzzy Logic pada Simulasi Sistem Pemantau Ketinggian Level Air Bendungan Nugraha, Nunu; Hamdani, Dadang; Pradipta, Adi
BUFFER INFORMATIKA Vol 8 No 1 (2022)
Publisher : TI S1 FKOM UNIKU

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25134/buffer.v8i1.6643

Abstract

Peningkatan ketinggian lever air bendungan pada saat curah hujan tinggi dapat menyebabkan kondisi level air melebihi batas normal dan akan berdampak pada meluapnya air. Ketika kondisi geologis disekitar bendungan tidak mampu menahan tekanan akibat kenaikan level permukaan air, maka dapat berakibat pada jebolnya bendungan. Penelitian ini bertujuan untuk membangun sistem pemantau ketinggian level air bendungan berbasis mikrokontroler dan aplikasi android. Metode yang digunakan pada penelitian ini yaitu algoritma fuzzy logic. Algoritma fuzzy logic berfungsi untuk menentukan kategori status level air bendungan (rendah, normal, tinggi) yang akan ditampilkan secara real time pada perangkat smartphone android berdasarkan hasil pembacaan sensor yang terpasang pada perangkat sistem. Perangkat pengukuran level air menggunakan sensor ultrasonik yang digabungkan dengan mikrokontroler arduino sebagai pusat pengendali, komunikasi data antar perangkat sistem menggunakan jaringan wifi. Berdasarkan hasil perancangan dan pengujian sistem pada simulasi pemantau ketinggian level air, sistem dapat berjalan dengan baik sesuai dengan spesifikasi yang telah ditentukan. Aplikasi pada perangkat smartphone dapat terhubung dengan baik dengan perangkat simulasi melalui modul esp8266 yang telah terintegrasi dengan perangkat sistem. Proses pengujian dilakukan pada jaringan wifi, aplikasi android dapat menampilkan level ketinggian air hasil berdasarkan pembacaan sensor serta menampilkan kategori level secara real time.
Perbandingan Algoritma Horspool dan Raita Pada Pencarian Data Mahasiswa Maesyaroh, Siti; Daswa, Daswa; Suwarto, Gentur Priguna
BUFFER INFORMATIKA Vol 9 No 2 (2023)
Publisher : TI S1 FKOM UNIKU

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25134/buffer.v9i2.9331

Abstract

Salah satu fitur yang terdapat di dalam sebuah aplikasi yaitu adanya fasilitas pencarian yang digunakan untuk memperoleh informasi. Jika data yang dikelola oleh suatu aplikasi terus bertambah dan memiliki kesamaan maka akan dapat mempengaruhi dalam proses pencarian untuk mendapatkan informasi yang tepat dan cepat. Pada sistem akademik di program studi Teknik Informatika FKOM UNIKU menyimpan data mahasiswa dengan jumlah 1003 mahasiswa dan data ini memungkinkan akan terus bertambah dengan adanya data mahasiswa baru sehingga saat pencarian membutuhkan waktu untuk mendapatkan informasi dikarenakan jumlah data yang banyak dan memiliki kesamaaan pada identitas mahasiswa. Algoritma horspool dan algoritma raita merupakan algoritma pencocokan string yang dapat diterapkan dalam fitur pencarian untuk mendapatkan informasi tentang data siswa yang dicari. Tujuan dari penelitian ini untuk membandingkan algoritma horspool dan algoritma raita berdasarkan waktu pencarian dan ketepatan informasi yang dicari. Oleh karena itu, penulis menerapkan algoritma horspool dan algoritma raita ke dalam sistem pencarian data siswa. Algoritma kedua tersebut diterapkan pada halaman yang berbeda di sistem untuk mengetahui informasi yang dicari berdasarkan informasi yang ditampilkan di sistem. Sedangkan untuk perbedaan waktu proses pencarian dari algoritma horspool dan algoritma raita dapat dilihat dari grafik perbandingan pada sistem. Hasil dari penelitian ini bahwa total rata-rata waktu pencarian untuk algoritma horspool adalah 9.268 ms dan algoritma raita adalah 4.307.

Page 8 of 8 | Total Record : 73

 4   5   6   7   8 

Filter by Year

2015 2023


Reset
Filter By Issues
All Issue Vol 9 No 2 (2023) Vol 9 No 1 (2023) Vol 8 No 2 (2022) Vol 8 No 1 (2022) Vol 7 No 1 (2021) Vol 6, No 2 (2020) Vol 6, No 1 (2020) Vol 5, No 2 (2019) Vol 5, No 1 (2019) Vol 4, No 2 (2018) Vol 4, No 1 (2018) Vol 3, No 2 (2017) Vol 3, No 1 (2017) Vol 2, No 1 (2016) Vol 1, No 1 (2015) More Issue