cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
ahmad gawdy prananosa
Contact Email
ahmadgawdynano@yahoo.com
Phone
-
Journal Mail Official
ipm2kpeintecoms@gmail.com
Editorial Address
-
Location
Unknown,
Unknown
INDONESIA
INTECOMS: Journal of Information Technology and Computer Science
Published by Institut Penelitian Matematika, Komputer, Keperawatan, Pendidikan dan Ekonomi
ISSN : 26213249     EISSN : 26141574     DOI : -
Core Subject : Science,
Computer Science & IT
Arjuna Subject : -
Articles 794 Documents
 76   77   78   79   80 
ANALISIS PERILAKU BELAJAR SISWA DI ERA ARTIFICIAL INTELLIGENCE MENGGUNAKAN MODEL DEEP LEARNING TABNET DAN TABTRANSFORMER UNTUK PENGEMBANGAN REKOMENDASI STRATEGI PEMBELAJARAN Ahmad Muhammad; Ahmad Musyafa; Tukiyat Tukiyat
INTECOMS: Journal of Information Technology and Computer Science Vol. 9 No. 2 (2026): INTECOMS: Journal of Information Technology and Computer Science
Publisher : Institut Penelitian Matematika, Komputer, Keperawatan, Pendidikan dan Ekonomi (IPM2KPE)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31539/t0adps90

Abstract

Perkembangan teknologi kecerdasan artifisial (Artificial Intelligence/AI) telah membawa perubahan signifikan terhadap perilaku belajar siswa, terutama dalam cara siswa mengakses informasi, menyelesaikan tugas, dan membangun strategi belajar mandiri. Penelitian ini bertujuan untuk menganalisis perilaku belajar siswa di era AI menggunakan model deep learning TabNet dan TabTransformer untuk memprediksi capaian akademik siswa serta mengembangkan rekomendasi strategi pembelajaran yang adaptif. Penelitian menggunakan pendekatan kuantitatif dengan data tabular yang diperoleh dari 2.052 siswa SMA Plus PGRI Cibinong. Variabel penelitian mencakup aspek akademik, digital, psikologis, sosial, dan penggunaan AI dalam pembelajaran. Tahapan penelitian meliputi preprocessing data, encoding, pembagian data latih dan data uji, pemodelan menggunakan TabNet dan TabTransformer, evaluasi model menggunakan RMSE, MAE, dan R², serta analisis feature importance untuk segmentasi siswa. Hasil penelitian menunjukkan bahwa TabTransformer memiliki performa lebih baik dibandingkan TabNet dalam memodelkan hubungan antara perilaku belajar dan nilai akademik siswa. Variabel usaha belajar, penggunaan AI untuk memahami materi, dan motivasi belajar menjadi faktor dominan yang memengaruhi capaian akademik. Selain itu, penelitian menghasilkan empat segmentasi profil siswa yang digunakan sebagai dasar penyusunan rekomendasi strategi pembelajaran adaptif. Penelitian ini menunjukkan bahwa AI berperan sebagai faktor pendukung pembelajaran, sementara regulasi diri dan usaha belajar tetap menjadi faktor utama keberhasilan akademik siswa.
PERANCANGAN APLIKASI BERBASIS WEB SEBAGAI MEDIA PROMOSI UNTUK UMKM BARANG RONGSOKAN PAK IYAN BEKASI JAWA BARAT Agus Tanti Rahayu; Mesra Betty Yel; A’allya Nabilla
INTECOMS: Journal of Information Technology and Computer Science Vol. 9 No. 2 (2026): INTECOMS: Journal of Information Technology and Computer Science
Publisher : Institut Penelitian Matematika, Komputer, Keperawatan, Pendidikan dan Ekonomi (IPM2KPE)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31539/fa6vqm92

Abstract

Perkembangan teknologi informasi saat ini memberikan peluang besar bagi pelaku Usaha Mikro, Kecil, dan Menengah (UMKM) untuk memperluas jangkauan promosi melalui media digital. Salah satu cara yang efektif adalah dengan memanfaatkan aplikasi berbasis web sebagai sarana informasi dan promosi. Penelitian ini bertujuan untuk merancang aplikasi berbasis web sebagai media promosi bagi UMKM Barang Rongsokan Pak Iyan yang berlokasi di Bekasi Barat, guna meningkatkan visibilitas usaha dan mempermudah masyarakat dalam memperoleh informasi terkait layanan jual beli barang bekas. Metode yang digunakan dalam penelitian ini meliputi analisis kebutuhan sistem, perancangan antarmuka (UI/UX), serta implementasi menggunakan bahasa pemrograman berbasis web seperti HTML, CSS, dan PHP. Hasil dari pengembangan ini berupa prototype aplikasi web yang menampilkan profil usaha, daftar jenis barang yang diterima, kontak, serta galeri aktivitas. Dengan adanya aplikasi berbasis web ini, diharapkan UMKM Barang Rongsokan Pak Iyan dapat memanfaatkan teknologi informasi secara optimal untuk meningkatkan daya saing, memperluas jaringan pelanggan, serta mendukung proses digitalisasi UMKM dalam menghadapi persaingan bisnis modern. Dengan demikian, perancangan aplikasi berbasis web sebagai media promosi ini dapat menjadi solusi efektif dalam meningkatkan promosi usaha, akses informasi, dan jangkauan pelanggan pada UMKM Barang Rongsokan Pak Iyan di Bekasi Barat. Kata kunci: Aplikasi Berbasis Web, UMKM, Media Promosi, Barang Rongsokan, Bekasi Barat
KOMPARASI DAN IMPLEMENTASI ALGORITMA MACHINE LEARNING UNTUK KLASIFIKASI KREDIT BERMASALAH PADA PT BPR NUSUMMA KLATEN Teguh Muryanto; Aji Nurrohman; Rachmat Setiabudi; Wibisono Wibisono; Berliyanto Berliyanto
INTECOMS: Journal of Information Technology and Computer Science Vol. 9 No. 2 (2026): INTECOMS: Journal of Information Technology and Computer Science
Publisher : Institut Penelitian Matematika, Komputer, Keperawatan, Pendidikan dan Ekonomi (IPM2KPE)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31539/r5rncz02

Abstract

Tingkat kredit bermasalah yang tinggi dapat mengganggu stabilitas keuangan lembaga perbankan, sehingga diperlukan sistem klasifikasi yang akurat untuk mendeteksi potensi gagal bayar sejak dini. Penelitian ini bertujuan untuk membangun dan membandingkan model klasifikasi risiko kredit menggunakan algoritma machine learning, yaitu Random Forest, XGBoost, dan Support Vector Machine (SVM). Permasalahan yang diangkat dalam penelitian ini meliputi ketidakakuratan dalam klasifikasi nasabah, kurangnya pemanfaatan data historis, serta belum diterapkannya metode analitik berbasis algoritma cerdas. Metode penelitian mengikuti pendekatan Cross-Industry Standard Process for Data Mining (CRISP-DM) yang mencakup pemahaman bisnis, eksplorasi data, praproses data, pemodelan, evaluasi model, hingga tahap implementasi. Dataset yang digunakan berasal dari laporan historis nasabah kredit di PT BPR Nusumma Klaten. Evaluasi dilakukan dengan mengukur akurasi, precision, recall, F1-score, dan AUC. Hasil penelitian menunjukkan bahwa algoritma Random Forest memiliki kinerja terbaik dengan nilai evaluasi yang lebih stabil dibandingkan XGBoost dan SVM. Temuan ini diharapkan dapat membantu lembaga keuangan dalam meningkatkan efisiensi proses analisis risiko kredit dan pengambilan keputusan berbasis data. Kata Kunci: Kredit Bermasalah, Random Forest, XGBoost, SVM, Klasifikasi
EVALUASI STRATEGI MOVING AVERAGE, RELATIVE STRENGTH INDEX, DAN PARABOLIC SAR TERHADAP PERGERAKAN HARGA EUR/USD PADA PT ROYAL TRUST FUTURES Abdurrahman Abdurrahman; Sigit Wibisono; Bagus Prabowo; Aji Nurrohman; Irlon Irlon
INTECOMS: Journal of Information Technology and Computer Science Vol. 9 No. 2 (2026): INTECOMS: Journal of Information Technology and Computer Science
Publisher : Institut Penelitian Matematika, Komputer, Keperawatan, Pendidikan dan Ekonomi (IPM2KPE)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31539/nmen2h79

Abstract

Perdagangan valuta asing (forex) merupakan salah satu instrumen investasi yang memiliki risiko tinggi dan memerlukan analisis yang tepat dalam pengambilan keputusan. Salah satu pendekatan yang banyak digunakan adalah analisis teknikal dengan bantuan indikator teknikal. Penelitian ini bertujuan untuk mengevaluasi kinerja tiga indikator teknikal, yaitu Moving Average periode 5 (MA5), Relative Strength Index (RSI), dan Parabolic SAR dalam memberikan sinyal beli dan jual terhadap pasangan mata uang EUR/USD. Permasalahan dalam penelitian ini  adalah untuk mengetahui sejauh mana efektivitas masing-masing indikator dalam membaca pergerakan harga dan menghasilkan profit yang optimal. Data yang digunakan adalah data historis EUR/USD periode 2018–2025 yang diperoleh dari platform MetaTrader 4, dengan pendekatan metode CRISP-DM dan pengolahan data menggunakan bahasa pemrograman Python. Hasil evaluasi menunjukkan bahwa Parabolic SAR merupakan indikator paling unggul dengan win rate 76.84%, net return sebesar 65.43%, dan CAGR sebesar 7.46%. MA5 menunjukkan hasil moderat dengan win rate 36.55% dan net return 6.15%, sedangkan RSI menunjukkan performa terendah dengan hasil negatif. Penelitian ini memberikan gambaran mengenai efektivitas masing-masing indikator teknikal dan dapat menjadi referensi untuk pengambilan keputusan trading yang lebih tepat. Kata Kunci: Evaluasi indikator teknikal, MA5, RSI, Parabolic SAR, pergerakan harga EUR/USD

Page 80 of 80 | Total Record : 794

 76   77   78   79   80 

Filter by Year

2018 2026


Reset
Filter By Issues
All Issue Vol. 9 No. 2 (2026): INTECOMS: Journal of Information Technology and Computer Science Vol. 9 No. 1 (2026): INTECOMS: Journal of Information Technology and Computer Science Vol. 8 No. 5 (2025): INTECOMS: Journal of Information Technology and Computer Science Vol. 8 No. 4 (2025): INTECOMS: Journal of Information Technology and Computer Science Vol. 8 No. 3 (2025): INTECOMS: Journal of Information Technology and Computer Science Vol. 8 No. 2 (2025): INTECOMS: Journal of Information Technology and Computer Science Vol 8 No 2 (2025): INTECOMS: Journal of Information Technology and Computer Science Vol 8 No 1 (2025): INTECOMS: Journal of Information Technology and Computer Science Vol 7 No 6 (2024): INTECOMS: Journal of Information Technology and Computer Science Vol 7 No 5 (2024): INTECOMS: Journal of Information Technology and Computer Science Vol 7 No 4 (2024): INTECOMS: Journal of Information Technology and Computer Science Vol 7 No 3 (2024): INTECOMS: Journal of Information Technology and Computer Science Vol 7 No 2 (2024): INTECOMS: Journal of Information Technology and Computer Science Vol 7 No 1 (2024): INTECOMS: Journal of Information Technology and Computer Science Vol 6 No 2 (2023): INTECOMS: Journal of Information Technology and Computer Science Vol 6 No 1 (2023): INTECOMS: Journal of Information Technology and Computer Science Vol 5 No 2 (2022): INTECOMS: Journal of Information Technology and Computer Science Vol 5 No 1 (2022): INTECOMS: Journal of Information Technology and Computer Science Vol 4 No 2 (2021): INTECOMS: Journal of Information Technology and Computer Science Vol 4 No 1 (2021): INTECOMS: Journal of Information Technology and Computer Science Vol 3 No 2 (2020): INTECOMS: Journal of Information Technology and Computer Science Vol 3 No 1 (2020): INTECOMS: Journal of Information Technology and Computer Science Vol 2 No 2 (2019): INTECOMS: Journal of Information Technology and Computer Science Vol 2 No 1 (2019): INTECOMS: Journal of Information Technology and Computer Science Vol 1 No 2 (2018): INTECOMS: Journal of Information Technology and Computer Science Vol 1 No 1 (2018): INTECOMS: Journal of Information Technology and Computer Science More Issue