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
-
Editorial Address
-
Location
Kota adm. jakarta barat,
Dki jakarta
INDONESIA
InComTech: Jurnal Telekomunikasi dan Komputer
Published by Universitas Mercu Buana
ISSN : 20854822     EISSN : 25796089     DOI : -
Core Subject : Science, Engineering,
Computer Science & IT Electrical & Electronics Engineering Engineering
Program Studi Magister Teknik Elektro UMB menerbitkan Jurnal InComTech sebagai wadah bagi para akademisi, praktisi dan penggiat lainnya dalam bidang telekomunikasi dan computer (Information and Communication Technology/ICT) untuk menerbitkan karya tulisnya. Bidang-bidang yang menjadi bahasan jurnal ini meliputi teknologi, bisnis dan regulasi di bidang ICT, seperti (namun tak terbatas), teknologi IP, Wireless technology, Internet of Things, Microwaves, digital broadcasting, Fiber optik, strategi bisnis ICT, sumber daya manusia ICT, perencanaan bisnis, regulasi NGN, security in ICT, cyberlaw.
Arjuna Subject : -
Articles 242 Documents
 21   22   23   24   25 
Perbandingan Algoritma Decision tree dan Gradient Boosting pada Model Sistem Deteksi Serangan Siber di Jaringan Internet of Things Arifin, M. Agus Syamsul; Armanto, Armanto; Susanto, Susanto; Martadinata, A. Taqwa
InComTech : Jurnal Telekomunikasi dan Komputer Vol 15, No 1 (2025)
Publisher : Department of Electrical Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22441/incomtech.v15i1.26096

Abstract

Internet of things (IoT) memberikan banyak manfaat dimana membuat banyak perangkat pintar semakin dekat dan mudah digunakan. Penerapan teknologi IoT yang semakin luas memberikan banyak ancaman bari dalam segi keamanan data karena banyak perangkat yang terhubung dengan protocol yang beragam untuk mengatasinya dibutuhkan sebuah  Intrusion Detection System (IDS) yang handal untuk mendeteksi serangan dalam jaringan IoT. Dalam penelitian ini akan membangun sebuah model IDS menggunakan algoritma decision tree dan gradient boosting kemudian membandingkan performanya. Dataset yang digunakan pada penelitian ini menggunakan dataset dari CICIoT2023 karena kelas yang tidak seimbang dan ukuran dataset yang besar teknik Random Under Sampling (RUS) digunakan juga dalam penelitian ini. Hasil dari penelitian menunjukkan performa yang baik untuk setiap model IDS yang dibuat. Untuk data latih ketika tanpa menggunakan maupun teknik RUS algoritma decision tree mendapatkan akurasi tinggi mencapai 100% namun ketika menggunakan data uji gradient boosting mendapatkan hasil yang lebih baik yaitu 99,10% untuk sebelum penerapan teknik RUS dan 76,31% setelah penerapan teknik RUS.
Pengembangan Sistem Monitoring Polusi Udara Berbasis IoT dengan Integrasi Aplikasi Website Real-Time Zaki, Muhammad; Rusdiyanto, Dian
InComTech : Jurnal Telekomunikasi dan Komputer Vol 15, No 2 (2025)
Publisher : Department of Electrical Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22441/incomtech.v15i2.33361

Abstract

Dalam menghadapi masalah polusi udara, penelitian ini dibuat untuk merancang sistem pemantauan polusi udara berbasis Internet of Things (IoT) yang bertujuan untuk memberikan informasi real-time tentang kualitas udara kepada masyarakat. Dengan memanfaatkan teknologi berbasis Internet of Things (IoT) dan aplikasi website , sistem ini dirancang untuk mendeteksi gas berbahaya seperti karbon dioksida (CO₂), karbon monoksida (CO), dan LPG secara real-time , serta memberikan peringatan dini agar masyarakat dapat lebih waspada terhadap risiko polusi udara. Pengembangan sistem dilakukan dengan metode prototipe yang mencakup desain perangkat keras , perangkat lunak , dan integrasi keduanya. Sistem ini memanfaatkan sensor MH-Z19B, MQ-7, dan MQ-2 untuk mendeteksi gas karbon dioksida (CO₂), karbon monoksida (CO), serta gas minyak bumi cair (LPG). Data yang dikumpulkan akan diproses oleh mikrokontroler NodeMCU ESP8266, kemudian disimpan di server database dan disajikan melalui aplikasi antarmuka website secara real-time dalam bentuk grafik serta laporan. Selain itu, hasil konversi juga akan ditampilkan pada sebuah layar OLED dan memberikan peringatan dini melalui buzzer jika kadar gas melebihi batas normal. Hasil penelitian ini menunjukkan bahwa sistem dapat mendeteksi perubahan kadar gas CO₂, CO, dan LPG di udara dengan selisih kadar sensor CO₂ pada alat dan CO₂ meter sebesar 10,7% pada ruangan terbuka, 2,1% terhadap asap rokok sebesar, 1% terhadap asap pembakaran kertas, 0,93% terhadap asap membukukan kardus dan rata-rata selisih total sebesar 4,03% serta dapat menampilkan data melalu aplikasi website secara real-time dengan waktu tunda sekitar 1-3 detik pada pengiriman data ke data berbasis server.
Studi Metode Klasifikasi Machine Learning dengan Gray Level Co-occurrence Matrix Pada Sistem Pengenalan Bunga Lionnie, Regina; Alaydrus, Mudrik
InComTech : Jurnal Telekomunikasi dan Komputer Vol 15, No 2 (2025)
Publisher : Department of Electrical Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22441/incomtech.v15i2.16007

Abstract

Bunga adalah produsen terpenting di bumi yang dapat tumbuh di berbagai iklim dan habitat. Tidak seperti klasifikasi objek sederhana pengenalan bunga dan klasifikasi bunga adalah tugas yang menantang karena beberapa kelas bunga dapat memiliki fitur yang serupa: beberapa bunga dari jenis yang berbeda memiliki warna, bentuk dan penampilan yang serupa. Studi penelitian ini membandingkan dan melakukan optimasi parameter pada beberapa metode klasifikasi pada machine learning dan kombinasinya dengan metode ekstraksi fitur gray level co-occurrence matrix berbasis pengolahan citra digital. Sistem pengenalan klasifikasi bunga dibagi menjadi dua bagian besar, yaitu metode ekstraksi ciri dan metode klasifikasi. Kemudian proses pengenalan menghasilkan akurasi sistem. Database bunga yang digunakan menggunakan 10 kelas bunga dan setiap kelas bunga berisi 80 citra bunga digital. Total citra dalam database yang digunakan dalam penelitian ini adalah 800 citra.
Analisis Performa Model Deep Learning dalam Deteksi Penyakit Mata: Studi CNN, RNN, dan FNN Rizaqi, Hanif; Tahyudin, Imam
InComTech : Jurnal Telekomunikasi dan Komputer Vol 15, No 2 (2025)
Publisher : Department of Electrical Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22441/incomtech.v15i2.31261

Abstract

Penyakit mata menjadi salah satu penyebab utama gangguan penglihatan yang dapat mengarah pada kebutaan permanen jika tidak ditangani dengan baik. Beberapa penyakit mata yang sering terjadi antara lain katarak, glaukoma, dan retinopati diabetik. Penelitian ini bertujuan untuk mengembangkan model klasifikasi penyakit mata berbasis citra menggunakan tiga metode deep learning, yaitu Convolutional Neural Network (CNN), Recurrent Neural Network (RNN), dan Feedforward Neural Network (FNN). Dataset yang digunakan dalam penelitian ini terdiri dari 4.217 citra, yang diproses melalui tahapan preprocessing yang mencakup pembagian data menjadi tiga kelompok: pelatihan (training), validasi, dan pengujian (testing). Selanjutnya, citra tersebut melalui tahap resizing dan normalisasi untuk meningkatkan kualitas data yang digunakan dalam pelatihan model. Model-model yang dikembangkan kemudian dilatih menggunakan teknik Early Stopping untuk mencegah overfitting dan mengoptimalkan performa. Berdasarkan hasil evaluasi, model CNN menunjukkan performa terbaik dengan akurasi uji sebesar 85% dan nilai loss 0, 3841, mengungguli RNN yang memiliki akurasi 83% dan FNN dengan akurasi 78%. Selain itu, analisis menggunakan Confusion Matrix menunjukkan bahwa CNN lebih unggul dalam menangkap fitur spasial pada citra dibandingkan model lainnya. Implementasi model dilakukan dalam aplikasi web berbasis Flask untuk memprediksi penyakit mata berdasarkan citra yang diunggah pengguna. Penelitian lanjutan dapat meningkatkan akurasi model dengan menerapkan transfer learning menggunakan model pretrained yang lebih kompleks.
Analisis Performansi OSPFv3 Pada Jaringan IPv6 Menggunakan Free Range Routing Setiawan, Shodik; Kresna A, Iqsyahiro; Pranata, Mega
InComTech : Jurnal Telekomunikasi dan Komputer Vol 15, No 2 (2025)
Publisher : Department of Electrical Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22441/incomtech.v15i2.21442

Abstract

Pengalamatan Internet Protocol atau IP merupakan salah satu faktor daam kemajuan internet saati ini. IPv6 merupakan standar pengalamatan IP yang digunakan untuk mrnggantikan IPv4 yang jumlahnya sudah sangat terbatas dan mulai habis. IPv6 sendiri masih cukup jarang digunakan oleh pengguna di dunia, di mana untuk sekarang masih sekitar 35% - 40% pengguna di seluruh dunia. Namun dengan banyaknya pengguna sekarang tidak menutup kemungkinan IPv6 ini kedepannya akan benar-benar menggantikan IPv4. Dengan hadirnya IPv6 ini tentu perlu adanya routing protokol yang nantinya dapat mengatur pemilihan jalur pengiriman data untuk berbagi informasi tentang jaringan dan koneksi antar router. Adapun protokol roting yang dapat digunakan pada jaringan IPv6 adalah OSPFv3 merupakan pengembangan dari OSPF dan OSPFv2 yang digunakan pada jaringan IPv4. OSPFv3 pada dasarnya merupakan protokol routing yang berfokus di jaringan IPv6. Mampu menerapkan protokol routing OSPFv3 pada jaringan IPv6. Membuat sebuah jaringan yang menerapkan aturan routing OSPFv3 pada free range routing OSPFv3 merupakan jenis protokol routing yang digunakan untuk menghubungkan segmen jaringan yang berbeda untuk mengirimkan paket data khususnya pada jaringan IPv6. Kualitas performa dalam melakukan pengiriman paket data dapat dipengaruhi oleh banyaknya transfer data yang terjadi secara bersamaan dan jelek atau bagusnya performa protokol routing diukur berdasarkan standar klasifikasi setelah melakukan analisis QoS.
Machine Learning Untuk Klasifikasi Gizi Balita Menggunakan Algoritma Random Forest Hidayat, Taufik; Kurniawan, Hanif Fajar; Nugrogo, Asep Hardiyanto; Sukisno, Sukisno; Rizky, Robby
InComTech : Jurnal Telekomunikasi dan Komputer Vol 15, No 2 (2025)
Publisher : Department of Electrical Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22441/incomtech.v15i2.30517

Abstract

Kesehatan balita merupakan isu kritis dalam pembangunan suatu negara. Penilaian status gizi balita adalah langkah awal untuk mengidentifikasi risiko malnutrisi dan memberikan intervensi yang tepat. Dalam penelitian ini, kami mengusulkan sebuah pendekatan inovatif menggunakan teknik Machine Learning, khususnya algoritma Random Forest, untuk klasifikasi status gizi balita berdasarkan karakteristik demografis dan pola makan. Dataset yang digunakan terdiri dari informasi demografis seperti usia, jenis kelamin, berat badan, tinggi badan, dan data gizi pada setiap balita. Algoritma Random Forest dipilih karena kemampuannya dalam mengatasi overfitting, mengelola data yang tidak seimbang, dan memberikan hasil klasifikasi yang akurat. Berdasarkan penelitian yang telah dilakukan dapat ditarik kesimpulan Tingkat akurasi yang dihasilkan dari algoritma random forest sebesar 83% dari 168 sampel menunjukkan bahwa model klasifikasi yang digunakan memberikan prediksi yang sempurna atau benar untuk seluruh data uji yang digunakan.
Perbandingan Klasifikasi Single-Label dan Multi-Label Ulasan Pengguna Lapangan Futsal di Semarang Menggunakan SVM Syifa, Achrijal Shohib Arya; Umam, Khotibul; Handayani, Maya Rini; Aini, Siti Nur
InComTech : Jurnal Telekomunikasi dan Komputer Vol 15, No 2 (2025)
Publisher : Department of Electrical Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22441/incomtech.v15i2.33905

Abstract

Futsal merupakan cabang olahraga yang semakin populer di seluruh Indonesia, termasuk di Semarang. Penelitian ini bertujuan untuk melakukan klasifikasi sentimen ulasan pengguna mengenai lapangan futsal di Kota Semarang menggunakan metode Support Vector Machine. Data penelitian diperoleh melalui scraping ulasan Google Maps dengan ekstensi Chrome “Instant Data Scraper” dan terdiri dari 1.189 ulasan. Proses penelitian mencakup pengumpulan data, Cleaning dan pre-processing (normalisasi teks, modifikasi data, tokenisasi, stop word filtering, stemming), pelabelan (single label dan multi label), pembagian data (80% pelatihan dan 20% pengujian), pemodelan menggunakan SVM (single label dengan GridSearchCV dan multi label dengan One-vs-Rest Classifier), serta evaluasi model dengan metrik presisi, recall, dan F1-Score. Hasil menunjukkan pemodelan Support Vector Machine single-label mencapai presisi 0,84, recall 0,73, dan F1-Score 0,78. Sementara pemodelan Support Vector Machine multi-label mencapai presisi 0,96, recall 0,88, dan F1-Score 0.92. Dari ulasan yang dinalisis, sebaran data pada single-label maupun multi-label menunjukan dominasi ulasan kategori Fasilitas, menegaskan bahwa Fasilitas merupakan kategori yang paling sering dikomentari oleh pengguna. Temuan ini tidak hanya memberikan wawasan praktis bagi pengelola lapangan futsal, tetapi juga berkontribusi pada pengembangan metode klasifikasi ulasan berbasis machine learning dalam domain analisis opini, khususnya dalam membandingkan performa pendekatan single-label dan multi-label pada data multi-kategori di bidang teknologi informasi.
Evaluation of the Implementation of Augmented Reality on Vegetable Objects Using Marker-Based Tracking and SUS Adrian Putradinata, Gusti Made; Ashari, Ilham Firman; Nugroho, Eko Dwi
InComTech : Jurnal Telekomunikasi dan Komputer Vol 15, No 2 (2025)
Publisher : Department of Electrical Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22441/incomtech.v15i2.24770

Abstract

With the rapid development of technology in the field of information media, which initially received information from mass media, schools, electronic media and the development of Augmented Reality technology that can be applied to the field of information. Augmented Reality is the incorporation of two-dimensional virtual objects into a real environment. AR has many benefits in the field of entertainment and others. The purpose of this study is to implement information media in the form of augmented reality with a Marker-based tracking approach on leaf vegetable objects using markers in the form of paper and can display information in virtual objects, namely the content and benefits, processing of vegetables that appear as objects, producing markers that can be detected with several tests of distance, light, and marker resistance. At a distance of 10 cm – 50 cm the marker can be detected using both smartphones (Vivo and Samsung), but at a distance of 100 cm samsung smartphones are no longer able to detect due to camera differences. Marker light testing can be detected at 5 – 200 Lux light but in >1 lux marker cannot be detected and displays objects. The usability test uses the System Usability Scale (SUS) method which results in a final score of 71,583 which means that the system that has been developed is already feasible to give to users.
Front Matter Agustus 2025 Umaisaroh, Umaisaroh
InComTech : Jurnal Telekomunikasi dan Komputer Vol 15, No 2 (2025)
Publisher : Department of Electrical Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22441/incomtech.v15i2.36089

Abstract

Front Matter Agustus 2025
Pengembangan Intrusion Detection System (Ids) Berbasis Machine Learning Suryadi, Ady; Marzuki, Marza Ihsan
InComTech : Jurnal Telekomunikasi dan Komputer Vol 13, No 3 (2023)
Publisher : Department of Electrical Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22441/incomtech.v13i3.15118

Abstract

Penggunaan internet yang terus meningkat memerlukan sistem deteksi serangan yang handal agar penyusup atau cracker yang hendak melakukan cyberattacks dapat terdeteksi dengan cepat. Mitigasi dan pertahanan dari ancaman serangan cyber menjadi sangat penting mengingat masyarakat sudah mulai ketergantungan pada teknologi internet yang bisa mengancam setiap saat. Ketika sejumlah besar paket datang, maka perlu dideteksi apakah paket tersebut paket data normal atau paket data serangan. Intrusion Detection System (IDS) dapat digunakan untuk mendeteksi setiap serangan pada jaringan atau sistem informasi. Deteksi anomali adalah jenis IDS yang mendeteksi serangan anomali pada jaringan berdasarkan probabilitas statistik. Pada penelitian ini deteksi serangan dilakukan  dengan menggunakan metode Knowledge Discovery in Databases (KDD) berbasis machine learning untuk menganalisis serangan berdasarkan  2 (dua) sumber dataset  yaitu UNSW-NB15 dan CICIDS2017. Algoritma J48, naïve bayes dan AdaBoostM1 digunakan untuk melakukan klasifikasi serangan. Pemrosesan data menggunakan tools WEKA. Seleksi jumlah atribut dilakukan menggunakan metode CFs-Greedystepwise untuk memilih atribut yang sangat berpengaruh terhadap pendeteksian serangan untuk efisiensi. Hasil pengujian menunjukkan algoritma J48 menghasilkan akurasi tertinggi sebesar 99.839%.

Page 24 of 25 | Total Record : 242

 21   22   23   24   25 

Filter by Year

2009 2025


Reset
Filter By Issues
All Issue Vol 15, No 2 (2025) Vol 15, No 1 (2025) Vol 14, No 3 (2024) Vol 14, No 2 (2024) Vol 14, No 1 (2024) Vol 13, No 3 (2023) Vol 13, No 2 (2023) Vol 13, No 1 (2023) Vol 12, No 3 (2022) Vol 12, No 2 (2022) Vol 12, No 1 (2022) Vol 11, No 3 (2021) Vol 11, No 2 (2021) Vol 11, No 1 (2021) Vol 10, No 3 (2020) Vol 10, No 2 (2020) Vol 10, No 1 (2020) Vol 9, No 3 (2019) Vol 9, No 2 (2019) Vol 9, No 1 (2019) Vol 8, No 3 (2018) Vol 8, No 2 (2018) Vol 8, No 1 (2018) Vol 7, No 3 (2016) Vol 7, No 2 (2016) Vol 7, No 1 (2016) Vol 6, No 3 (2015) Vol 6, No 2 (2015) Vol 6, No 1 (2015) Vol 5, No 3 (2014) Vol 5, No 2 (2014) Vol 5, No 1 (2014) Vol 4, No 2 (2013) Vol 4, No 1 (2013) Vol 3, No 2 (2012) Vol 3, No 1 (2012) Vol 2, No 2 (2011) Vol 2, No 1 (2011) Vol 1, No 2 (2010) Vol 1, No 1 (2009) More Issue