cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Mesran
Contact Email
mesran.skom.mkom@gmail.com
Phone
+6282161108110
Journal Mail Official
jurikom.stmikbd@gmail.com
Editorial Address
STMIK Budi Darma Jalan Sisingamangaraja No. 338 Simpang Limun Medan - Sumatera Utara
Location
Kota medan,
Sumatera utara
INDONESIA
JURIKOM (Jurnal Riset Komputer)
Published by Sekolah Tinggi Manajemen Informatika dan Komputer Budi Darma
ISSN : 2407389X     EISSN : 27157393     DOI : http://dx.doi.org/10.30865/jurikom.v7i1.1927
Core Subject : Science, Engineering,
Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering
JURIKOM (Jurnal Riset Komputer) membahas ilmu dibidang Informatika, Sistem Informasi, Manajemen Informatika, DSS, AI, ES, Jaringan, sebagai wadah dalam menuangkan hasil penelitian baik secara konseptual maupun teknis yang berkaitan dengan Teknologi Informatika dan Komputer. Topik utama yang diterbitkan mencakup: 1. Teknik Informatika 2. Sistem Informasi 3. Sistem Pendukung Keputusan 4. Sistem Pakar 5. Kecerdasan Buatan 6. Manajemen Informasi 7. Data Mining 8. Big Data 9. Jaringan Komputer 10. Dan lain-lain (topik lainnya yang berhubungan dengan Teknologi Informati dan komputer)
Arjuna Subject : Ilmu Komputer (semua kategori) - Ilmu Komputer (Lain-Lain)
Articles 897 Documents
 85   86   87   88   89 
Analisis Klusterisasi Stunting Pada Balita Menggunakan Algoritma K-Medoids Untuk Mengidentifikasi Faktor Dominan Saragih, Leonardo; Pasaribu, Nanda Sabrina; Harefa, Novi Karlianti; Tajrin, Tajrin
JURIKOM (Jurnal Riset Komputer) Vol 12, No 3 (2025): Juni 2025
Publisher : Universitas Budi Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30865/jurikom.v12i3.8713

Abstract

Indonesia has a very rich biodiversity, including various medicinal plants that are highly financially beneficial and health-promoting. Among these medicinal plants, temulawak and turmeric are the two most popular rhizomes widely used in traditional medicine as well as the herbal industry. However, because the shape and color of these two plants are very similar, it is often difficult to distinguish between them, especially for laypeople and new industry workers. This research developed an Android-based application that can effectively and accurately distinguish between temulawak and turmeric to address this issue. For this application, the Convolutional Neural Network (CNN) architecture of the VGG-16 model is used along with the Tsukamoto fuzzy method as an additional layer. The trials conducted on the developed model using test data showed an accuracy rate of 0.97, a recall value of 0.98, and an F1 score of 0.97. Meanwhile, the blackbox testing shows that this application functions stably without technical issues, making it ready for use. Additionally, blackbox testing shows that the system can function stably without any issues, making it suitable for real-world use.
Penerapan Metode Clustering Dengan Algoritma K-Means Untuk Menganalisa Data Film Lokal (Indonesia) Populer Risma Rito Pakpahan
JURIKOM (Jurnal Riset Komputer) Vol 12, No 1 (2025): Februari 2025
Publisher : Universitas Budi Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30865/jurikom.v12i1.8490

Abstract

Film merupakan media audio visual yang terdiri dari gabungan potongan gambar yang menjadi satu kesatuan dan didalammnya terdapat pesan yang terkandung pada setiap alur ceritanya. Bioskop merupakan tempat pertunjukkan film yang dipertunjukkan dengan lampu yang disorot pada layar lebar. Pemilihan film yang dipertunjukkan merupakan faktor penting yang mempengaruhi tingkat jumlah penonton pada bioskop, akan tetapi pemilihan film yang sesuai dengan minat penonton tidaklah gampang, sehingga masalah ini berdampak pada tidak stabilnya jumlah penonton pada bioskop, bahkan dapat merugikan karena kurangnya penonton pada film yang di pertunjukkan. Solusi yang dapat dilakukan pada permasalah ini adalah melakukan pengelompokkan terhadap data film. Pengelompokkan tersebut dilakukan untuk mengetahui film yang paling banyak penonton dan yang tidak banyak penontonnya. algoritma yang digunakan adalah Algoritma K-Means, dimana algoritma ini mampu melakukan pengelompokkan data berdasarkan karakteristiknya dengan menentukkan nilai klaster, kemudian data diolah pada setiap literasi hingga tidak ada nilai klaster yang berubah. Penerapan algoritma K-Means pada data film lokal (indonesia) berhasil mengelompokkan data film dimana pada data film yang diolah dihasilkan data film lokal yang paling banyak penonton serta data film lokal yang kurang di minati oleh penonton. Sehingga pada penerapan metode K-Means memberikan informasi film yang dapat sering dipertunjukkan pada bioskop jumlah penonton bahkan menjadi lebih banyak.
Klasifikasi Penyakit Diabetes Menggunakan Pendekatan Pembelajaran Mesin dengan Model Non-linier Adi, Ilham Arif Kuncoro; Prabowo, Wahyu Aji Eko
JURIKOM (Jurnal Riset Komputer) Vol 12, No 3 (2025): Juni 2025
Publisher : Universitas Budi Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30865/jurikom.v12i3.8586

Abstract

The increasing prevalence of diabetes mellitus highlights the need for accurate early detection methods. This study proposes a classification model for diabetes prediction using non-linear machine learning algorithms, namely Support Vector Machine (SVM), Random Forest (RF), and K-Nearest Neighbors (K-NN). The dataset, obtained from Kaggle, includes clinical features such as glucose levels, BMI, blood pressure, and insulin. The methodology comprises data preprocessing, partitioning the data into training and testing sets, and evaluating the model’s using accuracy, precision, recall, and F1-score. Experimental results indicate that the Random Forest algorithm achieved the highest performance, followed by SVM and K-NN. We attribute Random Forest’s superior performance to its robustness in handling complex patterns and minimizing overfitting. We expect this research to contribute to developing practical early detection tools for diabetes, thereby supporting timely and data-driven medical decision-making.
Sistem Pendukung Keputusan Pemilihan Operator Desa Menggunakan Kombinasi Metode WASPAS Dan Pembobotan ROC Joy Farson Telaumbanua
JURIKOM (Jurnal Riset Komputer) Vol 11, No 5 (2024): Oktober 2024
Publisher : Universitas Budi Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30865/jurikom.v11i5.8470

Abstract

Operator desa merupakan salah satu posisi penting disetiap desa di Indonesia. Sebagai dari bagian aparat desa, operator desa memiliki tanggung jawab yang besar dalam mengelola sistem surat menyurat baik secara online maupun secara offline, serta melaksanakan pemutakhiran data setiap terjadi transaksi keuangan desa. Melaksanakan cetak data sistem keuangan desa setiap akhir bulan, melaksanakan tanggung jawab atas semua terkait sistem keuangan yang berbasis internet. Dari permasalahan yang telah dijelaskan di atas maka dibutuhkan sistem pendukung keputusan (SPK) yang dapat memberikan hasil yang lebih maksimal berdasarkan kriteria yang telah ditentuka. Untuk mendukung sistem pendukung keputusan pemilihan operator desa maka akan digunakan beberapa metode salah satunya yaitu Weight Aggregated Sum Product Assement (WASPAS) dengan pembobotan Rank Order Centroid (ROC). Yang dimana waspas digunakan dalam pengambilan keputusan untuk memilih opsi terbaik dari sejumlah alternatif berdasarkan berbagai kriteria yang saling berkaitan, metode ini dapat membantu dalam penilaian dalam penilaian dan pemilihan terbaik dengan mengurangi kesalahan serta mengoptimalkan penaksiran nilai tertinggi dan terendah. Berdasarkan hasil penelitian ini, maka hasil dalam pemilihan operator desa  dengan menggunakan metode WASPAS dengan 15 alternatif dan 5 kriteria dan nilai bobot yang didapatkan dengan metode ROC dengan hasil nilai tertinggi 0.9990 yaitu alternatif A9.Pembobotan menggunakan metode ROC menjadikan penilaian lebih objektif karena sistem perhitungan nilai bobot dengan metode ROC mengurutkan dengan otomatis berdasarkan peringkat kepentingan kriteria.
Identifikasi Polaritas Sikap Pengguna Aplikasi X terhadap Coretax di Indonesia Menggunakan Algoritma Naïve Bayes Prasilda, Dina Rahma; Yuniarti, Wenty Dwi; Handayani, Maya Rini; Umam, Khothibul
JURIKOM (Jurnal Riset Komputer) Vol 12, No 3 (2025): Juni 2025
Publisher : Universitas Budi Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30865/jurikom.v12i3.8548

Abstract

The Core Tax Administration System (Coretax) was launched by the Directorate General of Taxes (DGT) in January 2025 as a technology-based integrated tax system. While its initial goal was to improve tax efficiency and compliance, Coretax faced technical challenges, including system errors, slow processing speed, and criticism from the public. The main platform used to address these challenges is the X app (formerly known as Twitter). This research aims to understand the public's views and responses to Coretax's services by analyzing user sentiment patterns seen on social media. The research identifies the polarity of user attitudes by utilizing natural language processing (NLP) and Naïve Bayes algorithms, applied to a dataset of 1,628 tweets collected between January and March 2025. The analyzed data reflects a wide range of public reactions that include both positive and negative opinions towards the Coretax implementation, both in terms of functionality and ease of use. The results show that the model has an accuracy rate of 93.07%, a precision value of 95%, a recall value of 96%, and an F1-Score value of 96%. The results of this study are expected to be able to provide precise mapping related to changes in public opinion towards Coretax, so that it can be a valuable source of information for application developers, policy makers in the field of taxation, and analysis in the technology sector in responding to the needs and expectations of society in the digital era.
Penerapan Algoritma Kriptografi Pengamanan Data Nilai Siswa Dengan Menggunakan Metode C4 Sri Pangestuti
JURIKOM (Jurnal Riset Komputer) Vol 11, No 3 (2024): Juni 2024
Publisher : Universitas Budi Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30865/jurikom.v11i3.8476

Abstract

SMPN 36 Medan merupakan sekolah menengah pertama yang melayani pengajaran jenjang pendidikan SMP di Kota Medan. Pelajaran yang diberikan meliputi semua mata pelajaran wajib sesuai kurikulum yang berlaku. SMPN 36 Medan memiliki staff pengajar (guru) yang berkompeten dalam bidang pelajarannya masing-masing. Fasilitas yang dimiliki seperti ruang kelas yang nyaman, perpustakaan, lapangan olahraga, kantin dan lain sebagainya. Dengan berkembang pesatnya teknologi informasi komputer, masalah di atas dapat diminimalisir dan kerahasiaan data dapat diamankan dengan menggunakan ilmu kriptografi. Kriptografi merupakan metode pengamanan data dengan cara menyandikan data atau informasi (plaintext) menjadi data atau informasi yang sulit atau bahkan tidak dapat dipahami oleh bahasa awam. Untuk dapat membaca pesan atau data yang disandikan agar dapat dipahami dan dibaca dapat melakukan proses enkripsi yang kemudian dideskripsikan. Dalam masalah pengamanan data ini metode dekriptografi yang digunakan yakni RC4. Perancangan program pengamanan data nilai siswa SMP Negeri 36 Medan dengan menggunakan metode RC4 akan menghasilkan sebuah sistem keamanan data yang lebih terjamin sebagai rekomendasi untuk  mengamankan data nilai siswa.
Implementasi Metode Recurrent Neural Network Untuk Prediksi Kejang Pada Penderita Epilepsi Berdasarkan Data Electroenephalogram Febiyane, Raisya; Chrisnanto, Yulison Harry; Abdillah, Gunawan
JURIKOM (Jurnal Riset Komputer) Vol 12, No 3 (2025): Juni 2025
Publisher : Universitas Budi Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30865/jurikom.v12i3.8656

Abstract

Epilepsy is a chronic neurological disorder that causes patients to experience recurrent seizures. Seizures are one of the main symptoms of epilepsy, requiring medical treatment and close monitoring. A major challenge in epilepsy management is the difficulty in predicting when seizures will occur. Electroencephalogram (EEG) can detect seizures as it contains physiological information about brain neural activity. This study aims to predict seizures using a Recurrent Neural Network (RNN) method based on EEG data. Deep Learning is a branch of Machine Learning that uses artificial neural networks to solve problems involving large datasets. The data used in this research is the Epileptic Seizure Recognition dataset obtained from Kaggle. It consists of patient ID attributes, 178 numerical attributes representing EEG signals, and a label y indicating conditions during the recording, including eyes open, eyes closed, healthy brain, tumor location, and seizure activity. The deep learning model tested is a Recurrent Neural Network (RNN) designed to learn patterns in the data. Performance evaluation was conducted using metrics including accuracy, precision, recall, and F1-Score. Based on the application of the RNN method and testing using EEG data, the best condition was achieved with a three-layer Long Short-Term Memory architecture and optimal training parameters, resulting in a seizure prediction accuracy of 98.6%. This result demonstrates that the model is capable of effectively and efficiently predicting the likelihood of seizure occurrences.
Sistem Pakar Mendiagnosa Penyakit Emfisema Dengan Menggunakan Metode VCIRS Ralis Ralis
JURIKOM (Jurnal Riset Komputer) Vol 11, No 2 (2024): April 2024
Publisher : Universitas Budi Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30865/jurikom.v11i2.8489

Abstract

Emfisema adalah penyakit progresif jangka panjang pada paru-paru yang umumnya menyebabkan napas menjadi pendek. Jaringan paru-paru, yang berperan pada bentuk fisik paru-paru dan fungsi pernapasan, pada penderita emfisema sudah rusak. Emfisema merupakan salah satu penyakit yang termasuk dalam kelompok penyakit paru obstruktif kronis (PPOK). Penyakit ini digolongkan sebagai penyakit paru-paru obstruktif  karena kerusakan jaringan paru-paru di sekitar saluran udara yang lebih kecil, bronkiolus. Kerusakan ini akan membuat bentuk fisik paru-paru tidak normal saat kita menghembuskan napas keluar. Bentuk abnormal ini akan mengganggu pertukaran udara kotor dan udara bersih, sehingga oksigen yang masuk dan karbondioksida yang keluar dari aliran darah di paru tidak maksimal Variable-Centered Intelligent Rule System (VCIRS) merupakan perkawinan dari Rule Base System (RBS) dan Ripple Down Rule (RDR). Arsitektur sistem diadaptasi dari RBS dan mengambil keuntungan yang ada dari RDR. Maka dengan hal ini penulis membuat sebuah aplikasi yang dapat Membantu masyarakat yang ingin mengetahui hasil diagnosa penyakit beserta keterangan dan solusi dengan cepat dan mudah.
Kombinasi K-Nearest Neighbor dengan K-Means Clustering Klasifikasi Stunting pada Bayi Berbasis Website Muhammad Aprilsyah; Raissa Amanda Putri
JURIKOM (Jurnal Riset Komputer) Vol 12, No 2 (2025): April 2025
Publisher : Universitas Budi Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30865/jurikom.v12i2.8498

Abstract

Stunting is a serious health issue caused by insufficient nutrition over an extended period, especially in young children. This study aims to develop a web-based stunting data classification system using a combination of K-Means Clustering and K-Nearest Neighbors (K-NN) algorithms. The dataset used is sourced from the Health Department of Medan City in 2021-2024, consisting of 683 data entries. The research process includes problem identification, data gathering conducted through observations and interviews, data preprocessing using StandardScaler, and splitting the dataset into 70% training and 30% testing datasets. The K-Means technique is utilized for data segmentation based on z-score values. The clustering results are then used as labels for classification with K-NN. The system implementation shows a classification result with a distribution of 6.9% for mild stunting, 25.8% for moderate stunting, and 67.3% for severe stunting. The results indicate that the combination of K-Means and K-NN produces more accurate classification compared to using a single method. This study is expected to assist the Health Department of Medan City in analyzing stunting data more efficiently and contribute to the future development of stunting classification systems.
Boosting Methods for Multi-label Data Cyberbullying Farasalsabila, Fidya; Aritonang, Mhd Adi Setiawan; Jabnabillah, Faradiba; Moniva, Anip; Lestari, Verra Budhi; Handayani, Rizky
JURIKOM (Jurnal Riset Komputer) Vol 12, No 3 (2025): Juni 2025
Publisher : Universitas Budi Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30865/jurikom.v12i3.8721

Abstract

Easy accessibility to the internet and social media allows individuals to communicate anonymously, providing opportunities for abusive and harmful behavior. The psychological impact of cyberbullying can be very detrimental, triggering stress, depression, and even causing more serious consequences such as suicide. This paper describes cyberbullying sentiment analysis with a focus on the use of four different boosting methods, namely Gradient Booster, Gradient Booster, XGBoost, AdaBoost, dan LightGBM on a multi-label public dataset covering 6 categories. The aim of this research is to compare and analyze the relative performance of these boosting methods in overcoming the challenges of multi-label sentiment analysis in the context of cyberbullying. Results reveal that XGBoost and LightGBM have a tendency to more effectively overcome the challenges of detecting cyberbullying in more complex categories, making a positive contribution to the development of superior detection systems in the context of multi-label sentiment analysis. This research contributes to the field by providing a comparative analysis of state-of-the-art boosting algorithms, highlighting their strengths in multi-label classification tasks, and offering practical insights for developing more accurate and reliable cyberbullying detection systems. The findings from this study are expected to serve as a reference for future development of machine learning-based tools that can help mitigate the psychological harm caused by online abuse, particularly in detecting subtle and complex forms of cyberbullying behavior.

Page 87 of 90 | Total Record : 897

 85   86   87   88   89 

Filter by Year

2015 2025


Reset
Filter By Issues
All Issue Vol. 12 No. 4 (2025): Agustus 2025 Vol 12, No 3 (2025): Juni 2025 Vol 12, No 2 (2025): April 2025 Vol 12, No 1 (2025): Februari 2025 Vol 11, No 6 (2024): Desember 2024 Vol 11, No 5 (2024): Oktober 2024 Vol 11, No 4 (2024): Augustus 2024 Vol 11, No 3 (2024): Juni 2024 Vol 11, No 2 (2024): April 2024 Vol 10, No 3 (2023): Juni 2023 Vol 10, No 2 (2023): April 2023 Vol 10, No 1 (2023): Februari 2023 Vol 9, No 6 (2022): Desember 2022 Vol 9, No 5 (2022): Oktober 2022 Vol 9, No 4 (2022): Agustus 2022 Vol 9, No 3 (2022): Juni 2022 Vol 9, No 2 (2022): April 2022 Vol 9, No 1 (2022): Februari 2022 Vol 8, No 6 (2021): Desember 2021 Vol 8, No 5 (2021): Oktober 2021 Vol 8, No 4 (2021): Agustus 2021 Vol 8, No 3 (2021): Juni 2021 Vol 8, No 2 (2021): April 2021 Vol 8, No 1 (2021): Februari 2021 Vol 7, No 6 (2020): Desember 2020 Vol 7, No 5 (2020): Oktober 2020 Vol 7, No 4 (2020): Agustus 2020 Vol 7, No 3 (2020): Juni 2020 Vol 7, No 2 (2020): April 2020 Vol 7, No 1 (2020): Februari 2020 Vol 6, No 6 (2019): Desember 2019 Vol 6, No 5 (2019): Oktober 2019 Vol 6, No 4 (2019): Agustus 2019 Vol 6, No 3 (2019): Juni 2019 Vol 6, No 2 (2019): April 2019 Vol 6, No 1 (2019): Februari 2019 Vol 5, No 6 (2018): Desember 2018 Vol 5, No 5 (2018): Oktober 2018 Vol 5, No 4 (2018): Agustus 2018 Vol 5, No 3 (2018): Juni 2018 Vol 5, No 2 (2018): April 2018 Vol 5, No 1 (2018): Februari 2018 Vol 4, No 5 (2017): Oktober 2017 Vol 4, No 4 (2017): Agustus 2017 Vol 3, No 6 (2016): Desember 2016 Vol 3, No 5 (2016): Oktober 2016 Vol 3, No 4 (2016): Agustus 2016 Vol 3, No 1 (2016): Februari 2016 Vol 2, No 6 (2015): Desember 2015 More Issue