cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Mursyidah
Contact Email
mursyidah@pnl.ac.id
Phone
-
Journal Mail Official
jurnal.infomedia@pnl.ac.id
Editorial Address
-
Location
Kota lhokseumawe,
Aceh
INDONESIA
Jurnal Infomedia
Published by Politeknik Negeri Lhokseumawe
ISSN : 25279858     EISSN : 25491180     DOI : -
Core Subject : Science,
Computer Science & IT
Jurnal Infomedia ini merupakan Wadah Karya Ilmiah dari Jurusan Teknologi Informasi dan Komputer dengan bidang ilmu Teknik Informatika, Multimedia dan Jaringan dari berbagai kalangan, baik Akademis, Mahasiswa D4/S1/S2/S3, Praktisi, Industri, dan Instansi Pemerintahan. Harapan kami selaku Redaktur Jurnal ini dapat memperbanyak muatan dari pihak eksternal Politeknik Negeri Lhokseumawe pada terbitan selanjutnya sehingga jurnal ini menjadi wadah ilmiah yang lebih luas lagi. Jurnal Infomedia terbit 2 (dua) kali dalam setahun yaitu bulan Juni dan Desember terbit versi cetak dan full online (ojs).
Arjuna Subject : -
Articles 169 Documents
 13   14   15   16   17 
Sebaran Tempat Pembuangan Sampah Dan Klasterisasi Daerah Produksi Sampah Di Aceh Utara Berbasis Android Mulyadi, Mulyadi; Kausar, Muhammad; Rizka, Muhammad
Jurnal Infomedia: Teknik Informatika, Multimedia, dan Jaringan Vol 8, No 2 (2023): Jurnal Infomedia
Publisher : Politeknik Negeri Lhokseumawe

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30811/jim.v8i2.4839

Abstract

Abstrak— Sampah merupakan masalah serius yang terus berkembang di Kabupaten Aceh Utara. Kenaikan jumlah produksi sampah yang tidak seimbang dengan kapasitas pengelolaan dan juga penempatan posisi tempat pembuangan sampah yang tidak sesuai dengan kondisi produksi sampah di kecamatan tersebut menyebabkan tempat pembuangan sampah yang ditemukan oleh masyarakat sering penuh sehingga masyarakat melakukan pembungan sampah secara ilegal menyebabkan permasalahan yang mengancam lingkungan dan kesehatan. Hasil penelitian ini memudahkan masyarakat dalam menemukan lokasi tempat pembuangan sampah dan membantu Dinas Lingkungan Hidup dan Kebersihan Aceh Utara dalam menentukan posisi tempat pembuangan sampah yang lebih sesuai dengan kondisi tingkat produksi sampah, dengan cara melakukan pengembangan Aplikasi Sebaran Tempat Pembuangan Sampah berbasis Android menggunakan React native dan menerapkan metode K-Means. Metode K-Means merupakan salah satu algoritma klasterisasi, untuk mengelompokkan kecamatan berdasarkan tingkat produksi sampah menjadi dua klaster yaitu rendah dan tinggi. Hasil analisis menunjukkan bahwa metode K-Means berhasil membagi daerah produksi sampah menjadi dua klaster yang berbeda, berdasarkan penurunan signifikan nilai Sum of Squared Errors dari 1679583.3277832593 menjadi 537719.6618359736 dan peningkatan nilai Silhouette Score sebesar 0.6037.Abstract— Waste is a serious and growing problem in North Aceh District. The increase in the amount of waste production that is not balanced with management capacity and also the positioning of landfills that are not in accordance with the conditions of waste production in the sub-district causes landfills found by the community to be often full so that people carry out illegal waste disposal causing problems that threaten the environment and health. The results of this study make it easier for people to find the location of landfills and assist the North Aceh Environment and Hygiene Office in determining the position of landfills that are more in accordance with the conditions of waste production levels, by developing an Android-based Waste Disposal Site Distribution Application using React native and applying the K-Means method. The K-Means method is one of the clustering algorithms, to group sub-districts based on the level of waste production into two clusters, namely low and high. The analysis results show that the K-Means method successfully divides the waste production area into two different clusters, based on a significant decrease in the Sum of Squared Errors value from 1679583.3277832593 to 537719.6618359736 and an increase in the Silhouette Score value of 0.6037.
Analisis dan Implementasi Sistem Penilaian Ulasan dengan Teknik Sentiment Analysis Berbasis Machine Learning untuk Peningkatan Feedback Pemilik Cafe Salahuddin, Salahuddin; Sabila, Ichsana; Amirullah, Amirullah
Jurnal Infomedia: Teknik Informatika, Multimedia, dan Jaringan Vol 9, No 2 (2024): Jurnal Infomedia
Publisher : Politeknik Negeri Lhokseumawe

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30811/jim.v9i2.5980

Abstract

Keberadaan cafe sebagai bagian dari industri makanan dan minuman semakin penting. Dalam lingkungan bisnis cafe yang kompetitif, dengan munculnya banyak cafe baru, setiap pemilik cafe harus bersaing untuk meningkatkan kualitas agar bisnisnya tetap terus berjalan. Untuk memahami kepuasan pelanggan dan meningkatkan kualitas layanan, pemilik cafe memerlukan alat yang efektif untuk menganalisis ulasan pelanggan secara otomatis. Yaitu dengan cara membuat sistem cerdas yang mampu menganalisis apakah sebuah ulasan memiliki sentimen positif, netral, atau negatif menggunakan model machine learning. Pengujian ini menggunakan sebanyak 1200 data yang menghasilkan data positif sebanyak 665, data negative sebanyak 156 dan netral sebanyak 379. Menggunakan penerapan metode support vector machine untuk analisis sentimen ulasan, metode cross validation untuk menilai kinerja support vector machine, dan metode confusion matrix untuk evaluasi model. Berdasarkan hasil evaluasi metode support vector machine menggunakan confusion matrix diperoleh akurasi sebesar 85% dengan nilai cross validation sebesar 84%. Jadi dapat disimpulkan bahwa metode support vector machine cocok diterapkan untuk analisis sentimen ulasan pelanggan cafe.
Klasifikasi Sentimen Review Pengguna terhadap Aplikasi Instagram menggunakan Algoritma Random Forest Mursyidah, Mursyidah; Davi, Muhammad; Novitri, Suri Dheya
Jurnal Infomedia: Teknik Informatika, Multimedia, dan Jaringan Vol 9, No 2 (2024): Jurnal Infomedia
Publisher : Politeknik Negeri Lhokseumawe

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30811/jim.v9i2.6069

Abstract

Penelitian ini bertujuan untuk mengklasifikasikan sentimen pengguna terhadap aplikasi Instagram dengan menggunakan algoritma Random Forest. Seiring dengan perkembangan jumlah pengguna Instagram, volume data ulasan pengguna meningkat secara signifikan, yang memberikan peluang bagi analisis sentimen untuk mengidentifikasi dan mengelompokkan sentimen positif dan negatif. Penelitian ini menggunakan dataset ulasan pengguna Instagram yang diambil dari Google PlayStore, mencakup data dari tahun 2018 hingga 2023. Dengan memanfaatkan teknik Natural Language Processing (NLP) dan algoritma Random Forest, penelitian ini mengevaluasi accuracy, precision, Recall, dan F1-score dalam klasifikasi sentimen serta membandingkan kecepatan proses antara single-node dan multi-node dalam pemrosesan data. Hasil penelitian menunjukkan bahwa penggunaan multi-node mengurangi rata-rata waktu eksekusi dari 58 detik menjadi 40 detik. Selain itu, evaluasi model dengan matrik kunci menunjukkan hasil yang memuaskan dengan akurasi rata-rata sebesar 0,587, precision 0,610, Recall 0,588, dan F1-Score 0,436. Hal ini mengindikasikan bahwa algoritma Random Forest dapat memberikan kinerja yang baik dalam klasifikasi sentimen pengguna, dan penggunaan multi-node dapat mempercepat proses klasifikasi dibandingkan dengan single-node.
Fuzzy Mamdani untuk Meningkatkan Akurasi Prediksi Produksi UMKM Lokal Rizka, Muhammad; Salwa, Safira; Hendrawaty, Hendrawaty
Jurnal Infomedia: Teknik Informatika, Multimedia, dan Jaringan Vol 9, No 2 (2024): Jurnal Infomedia
Publisher : Politeknik Negeri Lhokseumawe

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30811/jim.v9i2.6048

Abstract

AbstrakPeningkatan akurasi prediksi produksi merupakan tantangan signifikan bagi usaha mikro, kecil, dan menengah (UMKM) lokal, terutama dalam menghadapi fluktuasi permintaan pasar dan keterbatasan sumber daya. Penelitian ini bertujuan untuk mengembangkan model prediksi produksi menggunakan pendekatan Fuzzy Mamdani, yang dapat membantu UMKM dalam merencanakan kapasitas produksi secara lebih akurat dan efisien. Metode ini dipilih karena kemampuannya dalam menangani ketidakpastian dan variabilitas data yang sering dihadapi oleh UMKM. Data historis produksi dari beberapa UMKM lokal dianalisis untuk membangun sistem inferensi fuzzy yang dapat memprediksi jumlah produksi berdasarkan variabel input seperti permintaan, persediaan, dan data penjualan. Pengujian dilakukan terhadap dua Produksi produk yaitu udang dan bileh crispy. Hasil dari penerapan model Fuzzy Mamdani menunjukkan peningkatan akurasi prediksi produksi dibandingkan dengan metode konvensional yang sebelumnya digunakan oleh UMKM. Pengujian untuk produksi udang crispy diperoleh nilai eror sebesar 8.33% sehingga nilai akurasi yang didapatkan sebesar 91.67% dan untuk produksi bileh crispy diperoleh nilai eror sebesar 7.06% dengan tingkat akurasi sebesar 92.94%. Hasil yang didapatkan dari pengujian tersebut menunjukkan bahwa pendekatan Fuzzy Mamdani efektif dalam meningkatkan keandalan prediksi produksi, sehingga dapat membantu UMKM lokal dalam mengoptimalkan sumber daya dan meningkatkan daya saing di pasar.Kata kunci— Mamdani, prediksi produksi, UMKM lokal, sistem inferensi fuzzy, akurasi produksi. AbstractIncreasing the accuracy of production predictions is a significant challenge for local micro, small and medium enterprises (MSMEs), especially in the face of fluctuating market demand and limited resources. This research aims to develop a production prediction model using the Fuzzy Mamdani approach, which can help MSMEs plan production capacity more accurately and efficiently. This method was chosen because of its ability to handle data uncertainty and variability that is often faced by MSMEs. Historical production data from several local MSMEs was analyzed to build a fuzzy inference system that can predict production quantities based on input variables such as demand, inventory and sales data. Testing was carried out on two production products, namely shrimp and bileh crispy. The results of applying the Fuzzy Mamdani model show an increase in the accuracy of production predictions compared to conventional methods previously used by MSMEs. Tests for the production of crispy shrimp obtained an error value of 8.33% so that the accuracy value obtained was 91.67% and for the production of crispy bileh the error value obtained was 7.06% with an accuracy level of 92.94%. The results obtained from this test show that the Fuzzy Mamdani approach is effective in increasing the reliability of production predictions, so that it can help local MSMEs optimize resources and increase competitiveness in the market.Keywords— Mamdani, production prediction, local MSMEs, fuzzy inference systems, production accuracy.
Implementasi Sistem Load Balancing Untuk Optimasi Kinerja pada web server Nginx Menggunakan Algoritma Ip Hash Ilham, Muhammad; Atthariq, Atthariq; Mursyidah, Mursyidah
Jurnal Infomedia: Teknik Informatika, Multimedia, dan Jaringan Vol 9, No 2 (2024): Jurnal Infomedia
Publisher : Politeknik Negeri Lhokseumawe

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

Abstract

Pada era digital saat ini, penggunaan internet semakin meningkat, mengakibatkan lonjakan jumlah pengguna situs web yang dapat menyebabkan server overload. Overload server berpotensi menyebabkan downtime, sehingga diperlukan solusi yang efektif untuk mendistribusikan beban kerja secara merata. Salah satu solusi yang dapat diterapkan adalah menggunakan sistem Load Balancing berbasis Ip Hash. Teknik ini mendistribusikan permintaan traffic ke berbagai server berdasarkan data IP pengguna, sehingga beban kerja dapat tersebar dengan lebih merata dan cepat. Penelitian ini bertujuan untuk mengevaluasi efektivitas Load Balancing Ip Hash dalam mengelola beban kerja server web. Uji kinerja dilakukan menggunakan Apache JMeter dengan variasi jumlah traffic, yaitu 100, 500, 1000, 2500, dan 5000 permintaan. Hasil menunjukkan bahwa dengan Load Balancing Ip Hash, throughput berkisar antara 32,6 hingga 84,1 transaksi//detik, sedangkan tanpa Load Balancing Ip Hash, Throughput berada di antara 31,9 hingga 72,1 transaksi//detik. Delay dengan Load Balancing Ip Hash konsisten menurun dari 30 ms hingga 2 ms, sementara tanpa Load Balancing Ip Hash, Delay bervariasi dari 36 ms hingga 85 ms. Packet Loss Rate tetap rendah dengan Load Balancing Ip Hash (0,00% hingga 0,02%), dibandingkan tanpa Load Balancing Ip Hash (0,01% hingga 0,05%).Kata Kunci: Load Balancing, Ip Hash, Server Web, Apache JMeter, Wireshark, Throughput.
Analisis Rencana Penambahan Jaminan Kesehatan Di Luar BPJS Kesehatan pada Aparatur Sipil Negara (ASN) Dengan Menggunakan Machine Learning Herlambang, Mega Bagus Herlambang; Shabilli, Andika Mazid Shabilli; Salahuddin, Salahuddin
Jurnal Infomedia: Teknik Informatika, Multimedia, dan Jaringan Vol 9, No 2 (2024): Jurnal Infomedia
Publisher : Politeknik Negeri Lhokseumawe

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30811/jim.v9i2.6102

Abstract

Abstrak - Penelitian ini bertujuan untuk menganalisis kesediaan program penambahan jaminan kesehatan selain BPJS Kesehatan terhadap Aparatur Sipil Negara (ASN) dengan menggunakan bahasa pemrograman python. ASN merupakan instansi pemerintah yang bertanggung jawab terhadap pelayanan kesehatan, meliputi pelayanan kesehatan, pendidikan, dan pengobatan. Penelitian ini akan menganalisis dampak program penambahan jaminan kesehatan terhadap sistem kesehatan ASN dengan menganalisis opini ASN dan faktor-faktor yang mempengaruhi program penambahan jaminan kesehatan dengan menggunakan machine learning. Hasil model terbaik menunjukkan nilai akurasi prediksi sebesar 81,45%. Pengaruh dari setiap variabel dianalisis dan dibahas di dalam penelitian ini.https://mestia.gov.ge/
Implementasi Metode Support Vector Machine (SVM) Pada Klasifikasi Drop Out (DO) Mahasiswa Hidayat, Rahmad; Haris, Mifzal; Simbolon, Zulfan Khairil
Jurnal Infomedia: Teknik Informatika, Multimedia, dan Jaringan Vol 9, No 2 (2024): Jurnal Infomedia
Publisher : Politeknik Negeri Lhokseumawe

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30811/jim.v9i2.5931

Abstract

Politeknik Negeri Lhokseumawe merupakan salah satu perguruan tinggi vokasi di Indonesia yang menghadapi tantangan untuk meminimalisir angka putus kuliah. Drop out dapat terjadi karena beberapa faktor seperti dua kali berturut-turut tidak lulus percobaan setiap semester, IPK kurang dari 2.00, tidak lulus di akhir semester, melebihi batas cuti, dan kehadiran kurang dari 50%. Oleh karena itu, penerapan model klasifikasi dengan menggunakan algoritma machine learning yaitu Support Vector Machine (SVM) sangat penting dilakukan untuk mengurangi jumlah mahasiswa yang putus kuliah di Politeknik Negeri Lhokseumawe. Algoritma ini akan mengolah dataset yang meliputi nilai IPS, IPK, kehadiran, dan jumlah cuti mahasiswa. Hasil pengujian metode SVM menunjukkan akurasi sebesar 86%. Untuk kelas non-drop out, nilai precision sebesar 0.95 dan nilai recall sebesar 0.86, sedangkan untuk kelas drop out, nilai precision sebesar 0.71 dan nilai recall sebesar 0.89. Dengan adanya sistem klasifikasi drop out yang diusulkan, diharapkan dapat mengidentifikasi status mahasiswa apakah berpotensi drop out atau tidak secara akurat. Hal ini bertujuan untuk mengetahui keakuratan algoritma SVM pada penelitian ini.
Recognition Of Historical Building Using Augmented Reality Application Using Feature From Accelerated Segment Test (Fast) Algorithm Ihsan, Ahmad; Fadillah, Nurul; Susanti, Rita; Abdullahr, T. Rafli
Jurnal Infomedia: Teknik Informatika, Multimedia, dan Jaringan Vol 9, No 2 (2024): Jurnal Infomedia
Publisher : Politeknik Negeri Lhokseumawe

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30811/jim.v9i2.6254

Abstract

Augmented reality (AR) is a technology that combines two- dimensional or three-dimensional virtual objects into the real world that presents in real-time form. The AR implementation in this study will be applied to the introduction of historical buildings that are expected to provide information and attract tourism interest that choose Aceh Tamiang as a tourist choice, AR will use markers as a tool to display a 3D building object using a feature from accelerated segment test algorithm (FAST ), the way the FAST method works is to detect natural point values contained in a marker, to get a good tracking result, we need a marker that has many point values, the more point values are in the marker, the faster the tracking process is done. To find out whether the application can work properly then several tests are carried out, from the test results obtained different accuracy values on the results of the test data that is, the marker detection test obtained 100% accuracy value, testing at a distance with an accuracy value of 83%, testing on 50% light intensity, testing on the detection of marker slope 80%, and Application Test Results at 4 Devices is 100%. 
SISTEM PREDIKSI HARGA BITCOIN MENGGUNAKAN METODE ARIMA ( AUTOREGRESSIVE MOVING AVERAGE) Setiaji, Venanda Try; Latifa, Khoiriya; Harjanta, Aris Trijaka
Jurnal Infomedia: Teknik Informatika, Multimedia, dan Jaringan Vol 10, No 1 (2025): Jurnal Infomedia
Publisher : Politeknik Negeri Lhokseumawe

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30811/jim.v10i1.7255

Abstract

Volatilitas harga Bitcoin di Indonesia, yang semakin populer sebagai alternatif investasi, menimbulkan tantangan bagi investor dalam pengambilan keputusan akibat fluktuasi ekstrem. Penelitian ini bertujuan mengembangkan sistem prediksi harga Bitcoin berbasis web menggunakan metode AutoRegressive Integrated Moving Average (ARIMA) untuk memberikan informasi prediktif yang akurat. Metode meliputi pendekatan kuantitatif dengan Agile Scrum, pengumpulan data historis 365 hari via API CoinGecko, pengujian stasionaritas menggunakan Augmented Dickey-Fuller, dan optimasi parameter ARIMA. Hasil penelitian menunjukkan sistem dengan antarmuka inklusif (halaman home, prediksi, analisis model) yang menghasilkan prediksi 30 hari ke depan dengan interval kepercayaan 95%, mencerminkan tren pasar berdasarkan data historis. Pembahasan mengkonfirmasi efektivitas ARIMA dalam menangkap pola harga, meskipun terbatas pada tren linier. Simpulan menegaskan keberhasilan sistem dalam mendukung investasi, dengan saran untuk pembaruan data berkala dan analisis faktor eksternal guna meningkatkan akurasi.
Pembahasan Rancang Bangun dengan Metode Ray Tracing berbasis HTML5 untuk Visualisasi Path Loss Propagation Model Salim, Shierly Kartika; Miyata, Andrew Febrian
Jurnal Infomedia: Teknik Informatika, Multimedia, dan Jaringan Vol 10, No 1 (2025): Jurnal Infomedia
Publisher : Politeknik Negeri Lhokseumawe

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30811/jim.v10i1.6648

Abstract

 AbstrakPenggunaan teknologi wi-fi sebagai salah satu teknologi wireless merupakan hal yang umum dalam kehidupan sehari-hari. Beberapa hal mempengaruhi rambatan gelombang elektromagnetik yang digunakan dalam teknologi wi-fi, pembatas antara pengguna dan router adalah salah satu contohnya (dinding). Selain itu material penyusun dari pembatas juga memberi pengaruh terhadap rambatan gelombang yang menyebabkan penurunan daya yang disebut path loss dan besarannya dinyatakan dalam satuan dB. Hal ini menjadi sebab sulitnya mendapatkan infrastruktur optimal untuk wi-fi. Pembangunan aplikasi visualisasi yang akan dibahas ditujukan untuk menjadi salah satu solusi atas peletakan transmitter (router atau access point) untuk wi-fi. Sebaran sinyal akan digambarkan dengan metode ray tracing untuk menggambarkan apa yang terjadi terhadap gelombang saat berhadapan dengan penghalang (dalam kasus ini refleksi). Cakupan dari sebaran sinyal akan dapat terlihat dengan visualisasi yang dihasilkan oleh aplikasi berdasar dari penempatan routernya. Wi-fi analyzer dengan mode signal meter akan menjadi sarana untuk memperoleh data yang selanjutnya menjadi acuan validasi dengan dibandingkan dengan hasil path loss dari program dengan hasil valid karena tidak lebih dari margin error 5dB.Perlu diadakan pengkajian kembali dengan teknologi yang paling baru untuk cek sejauh mana sistem bisa valid.Keywords: aplikasi, path loss, ray tracing, visualisasi AbstractWi-fi as a type of wireless technology is a common technology that being used on daily basis. There are things involves in the electromagnetic waves propagation of wi-fi. Divider (ex: walls) and its material , affects the waves propagation and cause path loss that defined in dB. This problems are causing difficulties to get the best infrastructure for wi-fi. This visualisation application development meant to be a solution for wi-fi transmitter allocation. The distribution of signals will be drawn based on ray tracing method to picturize on what is happening when signals hit the wall (reflection). The coverage of signals distributions will be visualized by the application based on the router placement. Wi-fi analyzer on signal meter mode will be the tool to validate output of the program by comparing the path loss and it turns out valid, since the result is less than the declared margin of error of 5dB. The system need to be tested with the latest technology to know how far it could give valid response.Keywords: application, path loss, ray tracing, visualization 

Page 15 of 17 | Total Record : 169

 13   14   15   16   17 

Filter by Year

2016 2025


Reset
Filter By Issues
All Issue Vol 10, No 2 (2025): Jurnal Infomedia Vol 10, No 1 (2025): Jurnal Infomedia Vol 9, No 2 (2024): Jurnal Infomedia Vol 9, No 1 (2024): Jurnal Infomedia Vol 8, No 2 (2023): Jurnal Infomedia Vol 8, No 1 (2023): Jurnal Infomedia Vol 7, No 2 (2022): Jurnal Infomedia Vol 7, No 1 (2022): Jurnal Infomedia Vol 6, No 2 (2021): Jurnal Infomedia Vol 6, No 1 (2021): Jurnal Infomedia Vol 5, No 2 (2020): Jurnal Infomedia Vol 5, No 1 (2020): Jurnal Infomedia Vol 4, No 2 (2019): Jurnal Infomedia Vol 4, No 1 (2019): Jurnal Infomedia Vol 3, No 2 (2018): Jurnal Infomedia Vol 3, No 1 (2018): Jurnal Infomedia Vol 2, No 2 (2017): Jurnal InfoMedia Vol 2, No 1 (2017): Jurnal Infomedia Vol 1, No 2 (2016): Jurnal Infomedia Vol 1, No 1 (2016): Jurnal Infomedia More Issue