cover
Contact Name
-
Contact Email
-
Phone
-
Journal Mail Official
-
Editorial Address
-
Location
Kota adm. jakarta barat,
Dki jakarta
INDONESIA
InComTech: Jurnal Telekomunikasi dan Komputer
ISSN : 20854822     EISSN : 25796089     DOI : -
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 272 Documents
Implementasi Convolutional Neural Network dengan Transfer Learning Inception-V3 untuk Membatasi Web Pornografi Mukijo -; Syahid Abdullah; Riad Sahara
InComTech : Jurnal Telekomunikasi dan Komputer Vol. 15 No. 3 (2025)
Publisher : Department of Electrical Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22441/incomtech.v15i3.30299

Abstract

Penyebaran pornografi melalui internet di masyarakat masih marak hingga saat ini dan dapat menimbulkan dampak negatif bagi penggunanya. Web pornografi semakin hari semakin berkembang dan bervariasi, demikian juga metode untuk mengaksesnya. Sistem yang efektif untuk membatasi peredaran pornografi menjadi kebutuhan penting untuk melengkapi sistem yang sudah ada. Convolutional Neural Network (CNN) merupakan sebuah algoritma klasifikasi yang dapat dimanfaatkan untuk mendeteksi web pornografi berdasarkan gambar yang ada pada halaman web tersebut. Algoritma CNN dipilih karena kemampuannya yang menjanjikan dalam mengekstraksi fitur gambar. Selain itu dengan mengimplementasikan transfer learning, proses pembuatan model bisa dilakukan dengan cepat, efektif dan efisien. Penelitian ini bertujuan untuk membangun model klasifikasi gambar dan mengimplementasikan model ke dalam aplikasi berbasis web di sisi pengguna. Metode yang digunakan dalam penelitian ini meliputi klasifikasi citra, transfer learning, web scrapping dan prototyping perangkat lunak. Eksperimen berhasil membangun model klasifikasi citra pornografi-non pornografi dengan akurasi 99.15%. Model kemudian diimplementasikan ke dalam aplikasi ekstensi browser Chrome agar dapat dilakukan klasifikasi secara otomatis. Pengujian terhadap aplikasi yang dibangun menunjukkan aplikasi bekerja cukup baik dan mampu memblokir sebagian besar halaman web dengan konten pornografi.
Perancangan Cakupan Jaringan 5G di Wilayah Semarang Barat Menggunakan Metode SU-MIMO dan MU-MIMO Abdul Fatah Amrulloh; Alfin Hikmaturokhman
InComTech : Jurnal Telekomunikasi dan Komputer Vol. 15 No. 3 (2025)
Publisher : Department of Electrical Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22441/incomtech.v15i3.31581

Abstract

Kemajuan teknologi telekomunikasi, terutama dalam jaringan seluler, terus berkembang pesat seiring dengan transformasi digital yang semakin meluas. Media sosial dan layanan internet kini menjadi bagian integral kehidupan sehari-hari, dengan jumlah pengguna internet di Indonesia diperkirakan mencapai 221 juta orang pada tahun 2024. Namun, peningkatan jumlah pengguna ini juga menimbulkan tantangan berupa meningkatnya beban jaringan seluler yang dapat memengaruhi kualitas layanan. Teknologi 5G hadir sebagai solusi dengan menawarkan berbagai keunggulan, seperti cakupan jaringan yang lebih luas, throughput tinggi, latensi rendah, dan stabilitas sinyal yang lebih baik. Penelitian ini berfokus pada perancangan cakupan jaringan 5G di wilayah Semarang Barat, yang memiliki luas sekitar 21 km², menggunakan frekuensi 2,3 GHz. Proses perancangan dilakukan melalui metode Single User Multiple Input Multiple Output (SU-MIMO) dan Multi User Multiple Input Multiple Output (MU-MIMO) dengan pendekatan Line of Sight (LOS). Untuk simulasi, digunakan software radio planning Atoll 3.4.0 guna menganalisis parameter utama seperti SS-SINR dan SS-RSRP, yang menjadi indikator kualitas sinyal dan cakupan jaringan. Hasil simulasi menunjukkan bahwa rata-rata nilai SS-SINR untuk metode MU-MIMO adalah 3,8 dB, sedangkan untuk SU-MIMO mencapai 6,97 dB, yang keduanya termasuk dalam kategori cukup. Sementara itu, rata-rata nilai SS-RSRP pada MU-MIMO tercatat sebesar -91,42 dB, dan pada SU-MIMO sebesar -101,04 dB, menunjukkan kualitas sinyal yang tergolong baik, meskipun berada di batas bawah kategori tersebut.
Perencanaan Jaringan 5G New Radio (NR) pada Frekuensi 3,5 GHz di Area Wisata Candi Borobudur Menggunakan Model Propagasi Urban Macro (UMa) Muhammad Hanif; Alfin Hikmaturokhman
InComTech : Jurnal Telekomunikasi dan Komputer Vol. 15 No. 3 (2025)
Publisher : Department of Electrical Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22441/incomtech.v15i3.31727

Abstract

Pada penelitian ini, perencanaan jaringan 5G New Radio (NR) dilakukan pada frekuensi 3,5 GHz dengan menggunakan perangkat lunak Atoll 3.4 dengan studi kasus di area Wisata Candi Borobudur. Jaringan 5G New Radio (NR) diharapkan dapat memberikan kecepatan data yang lebih tinggi, latensi yang lebih rendah, dan kapasitas yang lebih besar dibandingkan dengan generasi sebelumnya Tujuan dari perencanaan ini adalah untuk mengestimasi cakupan jaringan di area Wisata Candi Borobudur yang memiliki luas area perencanaan sebesar 0,828 km². Model propagasi Urban Macro (UMa), berdasarkan standar 3GPP TR 38.901, digunakan untuk sinyal downlink. Penelitian ini berfokus pada kondisi downlink Outdoor-to-Outdoor (O2O) yang menganalisis kondisi Line of Sight (LOS) dengan mempertimbangkan dua parameter utama: Secondary Synchronous Reference Signal Received Power (SS-RSRP), dan SS Signal-to-Noise Ratio, and Interference Ratio (SS-SINR). Hasil perhitungan yang telah dilakukan, terdapat pelemahan sinyal sebesar 74,43 dB. Hasil coverage area planning, Wisata Candi Borobudur membutuhkan 18 site.  Berdasarkan hasil dari simulasi menunjukkan bahwa nilai SS-RSRP dengan nilai rata-rata -48,56 dBm, dikategorikan sebagai “sangat baik” yang mencakup 100% area. Parameter SS-SINR memiliki nilai rata-rata -2,18 dB, mencakup 81,4% area dengan kategori “buruk”.
Performance Analysis of Power Link Budget and Rise Time Budget to Support Fiber Optic Connectivity Telkom University Muhammad Iqbal
InComTech : Jurnal Telekomunikasi dan Komputer Vol. 15 No. 3 (2025)
Publisher : Department of Electrical Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22441/incomtech.v15i3.34266

Abstract

Fakultas Ilmu Terapan, Universitas Telkom memiliki Laboratorium Sistem Komunikasi Optik yang dirancang sebagai fasilitas pendukung untuk mata kuliah Sistem Komunikasi Optik. Salah satu kendala utama adalah laboratorium ini belum memiliki miniatur jaringan Fiber to the X (FTTX) seperti pada topologi jaringan internet berbasis kabel optik yang dimiliki oleh penyedia jasa internet, sehingga menyebabkan kesenjangan digital dan terbatasnya pengalaman praktis mahasiswa. Untuk mengatasi permasalahan ini, dilakukan pengembangan pergelaran kabel optik pada jaringan FTTX khusus diterapkan pada laboratorium Sistem Komunikasi Optik, sehingga peserta memahami konsep Optical Distribution Cabinet (ODC) hingga Optical Distribution Point (ODP). Hasil dari penelitian ini menunjukkan bahwa gelaran kabel fiber optik telah berhasil menghubungkan Optical Line Termination (OLT) di Fakultas Ilmu Terapan ke Optical Distribution Point (ODP) berjarak 800 meter (Hotel Lingian), serta menghubungkan pada beberapa laboratorium di lingkungan Fakultas Ilmu Terapan yang terhubung pada Optical Distribution Center (ODC). Hasil pengukuran Power Link Budget untuk Downlink dan Uplink serta Bit Error Rate memiliki nilai masing-masing -23,920 dBm , -24,631 dBm. Sementara nilai Rise Time Budget pada kondisi uplink, downlink dengan nilai 0,334 ns dan 0,426 ns serta hasil dari Bit Error Rate (BER)  
Front Matter Desember 2025 Umaisaroh Umaisaroh
InComTech : Jurnal Telekomunikasi dan Komputer Vol. 15 No. 3 (2025)
Publisher : Department of Electrical Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22441/incomtech.v15i3.37489

Abstract

Front Matter Desember 2025
Sistem Klasifikasi Buah Family Arecaceae Di Kota Tarakan Berbasis Citra Menggunakan Deep Learning Putri Ananda Rhamadani; Arif Fadllullah
InComTech : Jurnal Telekomunikasi dan Komputer Vol. 16 No. 2 (2026)
Publisher : Department of Electrical Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Kota Tarakan di Kalimantan Utara memiliki keanekaragaman hayati yang signifikan, terutama jenis family arecaceae yang berperan penting dalam ekosistem dan perekonomian lokal. Penelitian ini bertujuan untuk mengembangkan sistem klasifikasi berbasis citra menggunakan metode deep learning, khususnya CNN, untuk mengidentifikasi jenis buah dari family arecaceae. Dataset yang digunakan mencakup 420 citra awal palem raja dan pinang, yang setelah melalui tahap preprocessing menjadi 1.338 citra. Dataset dibagi menjadi 75% data latih, 10% data validasi, dan 15% data uji sekunder. Model CNN menunjukkan akurasi pelatihan sebesar 100%, dengan evaluasi pada data validasi menghasilkan rata-rata presisi, recall, dan f1-score masing-masing sebesar 100%. Evaluasi pada data uji sekunder menunjukkan rata-rata presisi sebesar 95%, recall dan f1-score  masing - masing sebesar 94%, sedangkan data uji primer menghasilkan rata-rata presisi sebesar 88%, recall 88%, dan f1-score 87%. Hasil ini mengindikasikan bahwa sistem klasifikasi yang dikembangkan cukup efektif dalam mengenali dan menganalisis citra buah, meskipun terdapat kekurangan pada pengujian data primer. Kesalahan tersebut diakibatkan oleh terbatasnya jumlah citra, kurangnya variasi data latih, dan kurangnya tahapan preprocessing pada citra uji.
Sistem Prediksi dan Deteksi Anomali Berbasis Iot-Time Series Dengan Pendekatan Explainable AI Bonitalia Bonitalia; Eric Alfonsius
InComTech : Jurnal Telekomunikasi dan Komputer Vol. 16 No. 2 (2026)
Publisher : Department of Electrical Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Budidaya anggur memerlukan pemantauan intensif terhadap kondisi lingkungan seperti kelembaban tanah, pH, dan kadar nutrisi untuk memastikan pertumbuhan optimal dan kualitas panen yang tinggi. Penelitian ini mengusulkan pengembangan sistem prediksi dan deteksi anomali berbasis Internet of Things (IoT) dan analisis deret waktu (time series) yang dilengkapi dengan pendekatan Explainable Artificial Intelligence (XAI). Sistem ini mengintegrasikan sensor IoT untuk pengumpulan data real-time dari lahan budidaya anggur, kemudian menerapkan model prediksi berbasis machine learning untuk memantau pola perubahan parameter lingkungan. Deteksi anomali dilakukan menggunakan metode unsupervised learning yang mampu mengidentifikasi penyimpangan dari kondisi normal, sehingga memberikan peringatan dini kepada petani. Komponen XAI digunakan untuk menjelaskan alasan di balik setiap deteksi anomali, sehingga meningkatkan transparansi dan kepercayaan pengguna terhadap hasil sistem. Hasil pengujian menunjukkan bahwa sistem mampu mencapai tingkat akurasi prediksi sebesar 92% dan sensitivitas deteksi anomali sebesar 89%, sehingga efektif membantu dalam pengambilan keputusan terkait irigasi, pemupukan, dan tindakan korektif lainnya. Temuan ini diharapkan dapat mendukung praktik pertanian presisi dan meningkatkan produktivitas serta efisiensi dalam budidaya anggur.
Topic Modeling of Indonesian News Articles on The Free Nutritious Meal Program: A Comparative Study of LDA, LSA, and NMF Irmma Dwijayanti; Muhammad Habibi
InComTech : Jurnal Telekomunikasi dan Komputer Vol. 16 No. 2 (2026)
Publisher : Department of Electrical Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

The rapid expansion of digital journalism in Indonesia has produced a large volume of long-form news articles covering complex socio-political and economic issues. One of the most widely discussed initiatives is the Free Nutritious Meal Program (Makan Bergizi Gratis, MBG), which has been reported from perspectives of nutrition, education, public policy, and economic sustainability. Due to the scale of coverage, manual analysis is impractical, requiring automated methods to extract latent themes. This study applies and compares three classical topic modeling techniques: Latent Dirichlet Allocation (LDA), Latent Semantic Analysis (LSA), and Non-Negative Matrix Factorization (NMF). The corpus was preprocessed using tokenization, stop-word removal, stemming, and normalization, followed by experiments with different numbers of topics. Model performance was evaluated with topic coherence and qualitative interpretability. The findings show that LDA provides the highest coherence and generates semantically rich topics. NMF yields sharper topic boundaries but sometimes lacks interpretability, while LSA demonstrates computational efficiency with lower semantic depth. Thematic analysis identified five dominant themes: policy implementation, nutritional adequacy, funding challenges, public responses, and governance risks. Temporal analysis revealed that MBG discourse has been present since 2020, but increased sharply in 2024 during Prabowo Subianto’s presidential campaign and grew further in 2025 with nationwide implementation. These results confirm that MBG is not only a nutrition and welfare policy but also a politically salient initiative intersecting with electoral strategies, public health, and socio-economic development.
Hybrid Deep Learning–Machine Learning for Bird’s Eye Chili Quality Classification Tri Raharjo Yudantoro; Zulfa Nurma Novita Sari; Tulus Pramuji; Eko Supriyanto; Wahyu Sulistyo; Agus Suwondo; Sindi; Ilham Rizky Harijanto
InComTech : Jurnal Telekomunikasi dan Komputer Vol. 16 No. 2 (2026)
Publisher : Department of Electrical Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

The manual inspection of dried bird’s eye chili (Capsicum frutescens L.) is prevalent yet susceptible to subjectivity, inter-rater variability, and low efficiency. This research introduces a hybrid deep learning and machine learning pipeline for the classification of images into three categories: fresh, medium, and dried. The method encompasses staged image acquisition throughout the drying process, preprocessing (including HEIC to PNG conversion, background elimination, scaling, and normalizing), and real-time augmentation to enhance robustness. Feature embeddings are obtained from MobileNetV2 by transfer learning utilizing a Global Average Pooling head and are evaluated against EfficientNetB0, NASNetMobile, ResNet50, and DenseNet121. The embeddings are categorized using various algorithms: Random Forest (RF), Support Vector Machine, and a shallow Artificial Neural Network, with RF selected for its consistent performance. Evaluation employs an 80/20 split, focusing on accuracy, precision, recall, F1-score, and confusion matrix analysis. Results indicate that MobileNetV2 produces the most distinctive features, whereas RF provides the most reliable downstream predictions: the system achieves 94% validation accuracy during feature extraction and 91% at the final classification stage, alongside high precision-recall and minimal misclassification. The chosen MobileNetV2+RF model is implemented in an Android application for real-time inference from smartphone photos, providing class labels and a moisture-level signal based on mass-loss measurements to aid postharvest decisions. The contributions consist of an objective and efficient quality-assessment pipeline, an empirical model comparison, and a deployable mobile implementation. Future endeavors will focus on extensive datasets, multimodal signals, and cross-variety generalization. 
The Use of Artificial Neural Networks for the Prediction of Cattle Models anjar setiawan; andi romansyah
InComTech : Jurnal Telekomunikasi dan Komputer Vol. 16 No. 2 (2026)
Publisher : Department of Electrical Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

This research focuses on using an ANN algorithm to predict cow weight, which can lead to improved results with a decreased RMSE. The cattle farming business could enhance the efficiency of beef production. The timely slaughter of cattle and the dissemination of technological knowledge about livestock activities are crucial for developing more accurate weight predictions.  Therefore, we must enhance cattle weight forecasts to make them more precise and reliable. This is achieved by employing the ANN technique, which is capable of simulating non-linear and interactive relationships between variables.  The ANN method worked best in the experiment that tried to guess the weight of cows. It had an MSE of 0.019 kg, an RMSE of 0.14 kg, and an R-squared value of 0.99.  This innovation has the potential to make cow farming more environmentally friendly and efficient, which would lead to less wasteful meat production.