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 1,069 Documents
 86   87   88   89   90 
Studi Perbandingan Algoritma Lempel Ziv Welch Dan Algoritma Punctured Elias Code Dalam Kompresi Gambar Elfrianti Fransiska Hutahaean
JURIKOM (Jurnal Riset Komputer) Vol 11, No 6 (2024): Desember 2024
Publisher : Universitas Budi Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30865/jurikom.v11i6.8480

Abstract

Gambar didefenisikan sebagai representasi visual dari objek, orang, atau pemandangan yang dihasilkan melalui berbagai  metode seperti fotografi, lukisan, atau grafik komputer. Gambar dapat berfungsi untuk menyimpan informasi, menceritakan cerita, dan menjadi karya seni. Gambar memiliki banyak format, salah satunya format JPG. Format ini paling umum digunakan karena dianggap ideal untuk foto dan gambar yang memiliki gradasi warna kompleks serta hampir semua perangkat lunak mendukung mulai dari gambar, sistem operasi, dan perangkat keras yang menjadikannya fleksibel. Dalam menyimpan media gambar yang berkapasitas besar, maka membutuhkan ruang penyimpanan yang besar untuk menghemat ruang penyimpanan yang terbatas untuk itu dibutuhkan teknik kompresi. Kompresi dapat mengurangi ukuran data dari ukuran aslinya, sehingga menghemat ruang penyimpanan. Terdapat banyak algoritma kompresi yang dapat digunakan, seperti algoritma Lempel Ziv Welch (LZW) dan Punctured Elias Code (P1). Kedua algoritma ini memiliki cara kerja yang berbeda dalam mengompresi gambar. Oleh karena itu, penting untuk membandingkan kedua algoritma ini guna mengetahui mana yang lebih efektif dalam melakukan kompresi. Berdasarkan penelitian ini, proses perbandingan algoritma Lempel Ziv Welch (LZW) dan Punctured Elias Code  dapat dilakukan tanpa metode perbandingan tambahan karena nilai persentase Space Saving (SS) menunjukkan hasil yang jelas. Algoritma Punctured Elias Code memiliki nilai SS sebesar 45,5%, lebih tinggi dibandingkan dengan Lempel Ziv Welch yang memiliki nilai SS sebesar 16%. Hasil ini membuktikan bahwa algoritma Punctured Elias Code lebih efisien dalam menghemat ruang penyimpanan dan efektif untuk mengompresi file gambar berformat jpg.
Analisis Sentimen Komunitas Counter-Strike 2 (CS2) Menggunakan Support Vector Machine (SVM) Riyadi, Saiful Faris; Chrisnanto, Yulison Herry; 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.v12i3.8620

Abstract

Counter-Strike 2 (CS2) is a game that has received a lot of enthusiasm from the gaming community since its release. User reviews on the Steam platform are the main source for understanding community sentiment towards this game. This study aims to analyze sentiment towards CS2 reviews using the Support Vector Machine (SVM) method. Data was collected through the Apify platform, then cleaned through processes such as tokenization, stopword removal, and lemmatization. Text features were converted into numerical values using Term Frequency-Inverse Document Frequency (TF-IDF) to be used in the SVM model. The SVM model was used to classify review sentiment into three categories: positive, neutral, and negative. Evaluation was conducted by measuring accuracy, confusion matrix, and classification reports. In the evaluation results, the SVM model using the One-vs-Rest (OVR) approach showed that the model without SMOTE produced an accuracy of 81.95%. After applying the Synthetic Minority Over-sampling (SMOTE) technique to the training data to balance the distribution between classes, the model accuracy increased slightly to 82.18%. This study provides valuable insights for game developers in understanding players' opinions about CS2. Additionally, this study demonstrates the potential of SVM in text-based sentiment analysis on user review platforms.
Sistem Pendukung Keputusan Pengangkatan Karyawan Menjadi Kepala Operator Eskalator Dengan Menggunakan Metode Vikor Muhammad Harry Riyendra
JURIKOM (Jurnal Riset Komputer) Vol 11, No 4 (2024): Augustus 2024
Publisher : Universitas Budi Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30865/jurikom.v11i4.8464

Abstract

Pada umumnya kepala operator sangat penting untuk menunjang dalam kegiatan instansi untuk menjaga, menganalisa dalam suatu kondisi. Oleh karena itu Sumber Daya Manusia harus memiliki keahlian yang dicari dengan kriteria yang sesuai. Dalam pengangkatan kepala operator melakukan suatu seleksi sehingga memperoleh tenaga kerja yang memenuhi kriteria pada instansi. Tidak semua proses pengangkatan karyawan menjadi kepala operator itu berjalan dengan baik dan tidak mendapatkan kriteria yang sesuai dari setiap calon ketua operator. Makadari itu, diperlukan suatu sistem untuk menyelesaikan tersebut yaitu Sistem Pendukung Keputusan Pengangkatan Karyawan Menjadi Kepala Operator Eskalator Dengan Menggunakan Metode Vikor (Vlse Kriterijumska Optimizacija I Kompromisno). Calon kepala operator eskalator terpilih dan diperoleh dari beberapa kriteria, yakni: Pendidikan, Pengalaman, Mengoperasikan, Tanggung Jawab, dan Pemeliharaan. Decission Support System atau dikenal dengan penunjang keputusan yang perperan pada proses untuk mengambil suatu keputusan yang dapat diterapkan dalam proses untuk mengambil suatu keputusan yang dapat diterapkan pada PT. Ramayana Lestari Sentosa Medan Teladan. Oleh karena itu pengangkatan tenaga kerja harus memiliki alternatif dan juga kriteria, dimana kriteria memiliki bobot yang telah ditentukan oleh masing-masing instansi yang bersangkutan san Metode VIKOR untuk melakukan proses perangkingan tertinggi akan dijadikan sebagai rekomendasi alternatif yang akan memperoleh kepala operator eskalator. Dalam penelitian ini, hasil dari metode VIKOR yaitu Bapak Hardiyansyah dengan nama alternatif (A3) dengan memperoleh nilai 0. Hasil perhitungan ini diperoleh adalah urutan alternatif dengan nilai tertinggi.­ Hasil utersebut memudahkan pihak PT. Ramayana Lestari Sentosa Medan Teladan dalam menentukan pengangkatan kepala operator eskalator untuk direkrut dengan cara mudah, cepat dan akurat.
Sistem Absensi Guru Berbasis Pengenalan Wajah Menggunakan Algoritma YOLOv8 Satria Putra Dharma Prayudha; Aditya Dwi Putro
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.v12i2.8511

Abstract

This research aims to design and implement a web-based teacher attendance system that utilizes facial recognition technology through the YOLOv8 algorithm as a solution to the conventional paper-based attendance system, which is prone to recording errors, data manipulation, and potential information loss. Data collection was conducted by recording short videos of 24 teachers and staff at SD Negeri 1 Purbalingga Lor under various lighting conditions and viewpoints, which were then converted into an image dataset using the Roboflow platform. The dataset was processed through several preprocessing stages including video-to-image conversion, image resizing, augmentation, and data splitting for training, validation, and testing purposes. The YOLOv8s model was chosen due to its ability to detect faces in real time with high accuracy, as demonstrated by training results showing an mAP of 98.6%, Precision of 97.8%, and Recall of 98.5%. The integration of the model into a backend Flask-based application enables the attendance process to be carried out automatically and in real time, while functional testing using the Black Box Testing method confirms that the face detection feature operates as designed, achieving an accuracy of 93% under optimal lighting conditions. Consequently, this research successfully presents an innovative digital solution that not only enhances the efficiency of attendance administration but also minimizes the risks of data manipulation and recording errors in educational environments.
Perbandingan Kompresi Algoritma Lzw Dan Additive Code Untuk Kompresi File PDF Aditya Aditya
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.v11i3.8477

Abstract

Saat ini, penggunaan aplikasi sebagai sumber informasi semakin luas, namun sering menghadapi kendala dalam penyimpanan akibat ukuran data yang besar. Untuk mengatasi masalah ini, diperlukan proses kompresi guna memperkecil ukuran data tanpa mengurangi kualitas informasi. Berbagai algoritma kompresi telah dikembangkan, tetapi pengguna sering kali tidak mengetahui algoritma mana yang lebih akurat dan efisien. Oleh karena itu, diperlukan perbandingan beberapa algoritma untuk menentukan mana yang paling efektif dalam mengompresi file PDF. Dengan melakukan perbandingan, dapat diperoleh algoritma yang memiliki rasio kompresi terbaik. Misalnya, perbandingan antara algoritma LZW dan additive code dalam mengompresi file PDF menunjukkan bahwa algoritma LZW memiliki rasio kompresi lebih besar dibandingkan additive code, yaitu sebesar 87,5%. Rasio kompresi yang lebih besar menunjukkan bahwa algoritma tersebut lebih efektif dalam mengurangi ukuran file tanpa mengorbankan kualitas data. Semakin tinggi rasio kompresi, semakin baik algoritma tersebut dalam mengoptimalkan penyimpanan dan efisiensi transmisi data. Oleh karena itu, pemilihan algoritma yang tepat sangat penting untuk meningkatkan efisiensi penggunaan ruang penyimpanan serta mempercepat proses pengiriman data dalam berbagai aplikasi, terutama yang melibatkan dokumen dalam format PDF.
Perbandingan Hasil Metode TOPSIS Dengan Smarter Dengan Pembobotan ROC Dalam Penerimaan Operator Mesin Rahmad Rahmad
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.v12i1.8479

Abstract

Penerimaan calon operator mesin produksi merupakan proses krusial dalam industri manufaktur, karena menentukan kualitas dan efisiensi produksi. PT Mitra Bali Sukses menghadapi tantangan dalam memilih calon yang paling sesuai dengan kualifikasi dan kompetensi yang diperlukan untuk mendukung proses produksi yang optimal. Masalah utama yang dihadapi adalah bagaimana memilih calon operator mesin yang paling sesuai dengan kualifikasi dan kompetensi yang diperlukan. Untuk mengatasi masalah ini, penelitian ini membahas hasil perbandingan dua metode yaitu TOPSIS dan SMARTER, dalam seleksi calon operator produksi mesin di PT Mitra Bali Sukses. Data yang digunakan dalam penelitian ini meliputi data Usia , pengalaman , penampilan , hasil wawancara , dan jenjang Pendidikan . calon operator produksi mesin di PT Mitra Bali Sukses pada tahun 2022. Data tersebut dianalisis menggunakan kedua metode untuk mengevaluasi keefektifan masing-masing dalam menghasilkan kandidat yang paling tepat. Penelitian ini menghipotesiskan bahwa metode TOPSIS lebih unggul dibandingkan SMARTER dalam menghasilkan kandidat calon operator produksi yang sesuai dengan kriteria perusahaan. Hasil penelitian menunjukkan bahwa metode TOPSIS menunjukkan nilai akurasi dan presisi yang lebih tinggi dibandingkan SMARTER. Oleh karena itu, metode TOPSIS direkomendasikan untuk digunakan dalam proses penerimaan karyawan produksi di PT Mitra Bali Sukses guna meningkatkan kualitas seleksi dan efektivitas kinerja operator  produksi.
Pemanfaatan Model Linier dalam Klasifikasi Penyakit Diabetes Berbasis Machine Learning Ajisaputra, Faris Prasetya; 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.v12i3.8587

Abstract

Diabetes is a chronic disease that may lead to serious health complications if not detected and treated early. Early detection plays a crucial role in minimizing long-term risks. This study aims to classify diabetes cases using a machine-learning approach based on linear models. The models applied in this research include logistic regression, linear discriminant analysis (LDA), ridge classifier, and support vector machine (SVM) with a linear kernel. We preprocessed the dataset to ensure quality and consistency. We evaluated each model’s performance using accuracy, precision, recall, F1-score, and AUC-ROC. Experimental results show that the ridge classifier achieved the highest performance, followed by LDA and linear SVM, with comparable results. Logistic regression also performed reasonably well, albeit with slightly lower metrics. These findings indicate that the linear model can provide accurate and reliable classification in the task of predicting diabetes, contributing to the proof that this model can serve as the basis for a decision support system for early diabetes diagnosis in the healthcare sector.
Analisis Pengelompokan Minat Baca Siswa SMK Menggunakan Algoritma K-Medoids Josua Leonardo Hamonangan L. Tobing
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.v11i5.8484

Abstract

Data siswa yang mengujungi Perpustakaan SMK Swasta Parulian 2 Medan tersimpan dengan baik disistem pengelolaan perpustakaan. Hanya saja data tersebut belum dimanfaatkan dengan baik, salah satunya dalam hal pengelompokan siswa yang memiliki minat baca tinggi, sedang dan rendah. Akibatnya pihak sekolah tidak dapat mengelompokan atau tidak mengetahui siswa yang rajin membaca, kurang atau tidak pernah sama sekali, sedangkan informasi yang diperoleh dari pengelolaan data pengunjung perpustaakaan dapat digunakan untuk memberikan rekomendasi kepada guru / wali kelas untuk memberikan rekomendasi dan himbauan kepada siswa yang jarang atau tidak pernah keperpustakaan. Sekolah memerlukan suatu sistem yang dapat mengelompokkan minat baca siswa berdasarkan jumlah buku yang dipinjam, frekuensi kunjungan, dan durasi membaca di perpustakaan sehingga diperoleh hasil maksimal yang dapat meningkatkan minat baca siswa. Untuk membangun sistem ini dapat digunakan teknik data mining yaitu algoritma K-Medoids. Untuk itu, sangat diperlukan teknik untuk pengelompokan data untuk klastering siswa berdasarkan minat baca siswa. Salah satu teknik dalam data mining untuk clustering data adalah clustering K-Medoids. Algoritma K-Medoids merupakan teknik clustering data berdasarkan jarak, dimana dalam proses clustering sangat tahan terhadap noise / outlier. Data yang akan diuji berjumlah 30 siswa. Minat baca terbagi menjadi 3 yaitu tinggi, sedang dan rendah. Hasil akhir pengelompokan yang dilakukan terhadap data yang diuji sebanyak 2 iterasi. Dengan 13 orang siswa yang mempunyai minat membaca tinggi, 9 orang siswa yang mempunyai minat membaca sedang, dan 8 orang siswa yang mempunyai minat membaca rendah.
Analisis Sentimen Publik Terkait Kekerasan Seksual di Indonesia dengan Algoritma Naïve Bayes dan SVM Nalista, Ni Made Naila; Mandenni, Ni Made Ika Marini; Suarjaya, I Made Agus Dwi
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.v12i3.8556

Abstract

Semakin meningkatnya kasus kekerasan seksual yang terjadi di Indonesia, dan media sosial merupakan ruang bagi masyarakat Indonesia untuk mengekspresikan pendapat. The increasing number of sexual violence cases in Indonesia, along with the role of social media as a space for the public to express their opinions, forms the basis for this research. The study aims to classify various types of public sentiment expressed on X (formerly Twitter) and Instagram comments by applying two algorithms for comparison: Naïve Bayes and SVM. Several processes carried out, including data collection from social media, data preprocessing, manual labeling, and the implementation of both algorithms on the processed dataset. The data sources utilized are posts written in Indonesian on X (Twitter) and Instagram, focusing on issues of sexual violence in Indonesia. The sentiment analysis results were grouped into three main categories: positive, negative, and neutral. The outcomes show that SVM achieved an accuracy of 82.17% using an 80:20 data split without applying GridSearch for optimization. The SVM results outperformed those of Naïve Bayes, which achieved an accuracy of 78.92%. This investigation leads to the conclusion that SVM is more optimal in analyzing public sentiment related to sexual violence in Indonesia compared to Naïve Bayes. The sentiment analysis results from social media regarding sexual violence in Indonesia show that the majority of sentiments are neutral, with the dataset being dominated by informative content, case reports without emotional expression, and off-topic comments
Implementasi Data Mining Untuk Memprediksi Tingkat Penjualan Sparepart Mobil Dengan Menggunakan Metode Regresi Linear Berganda Erna Erna; Hery Sunandar; Sumiati Adelina Hutabarat
JURIKOM (Jurnal Riset Komputer) Vol 11, No 4 (2024): Augustus 2024
Publisher : Universitas Budi Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30865/jurikom.v11i4.8465

Abstract

Teknologi saat ini telah berkembang dengan sangat pesat dan membawa perubahan yang sangat besar karena dengan teknologi tersebut kita dapat memperoleh informasi dengan sangat cepat, akurat dan tidak terbatas waktu dan tempat. Salah satu sektor yang berkembang dalam perkembangan teknologi adalah di bidang otomotif yang menawarkan berbagai produk unggulan, seperti halnya Sparepart Bumper pada Honda Brio. Permasalahannya adalah perlu adanya suatu sistem yang dapat digunakan pemilik PT ISTANA DELI KEJAYAAN dalam mengambil keputusan untuk menentukan jumlah barang yang harus disediakan. Permasalahan tersebut dapat diselesaikan dengan mengimplementasikan konsep Data Mining yang digunakan untuk membantu pihak PT ISTANA DELI KEJAYAAN dalam merencanakan penyediaan stok yang diharapkan mampu memberikan hasil terbaik sehingga kecil kemungkinan resiko kesalahan dalam menyediakan stok. Data mining dengan menggunakan metode Regresi linier berganda merupakan suatu algoritma yang digunakan untuk menelusuri pola hubungan antara variabel terikat dengan dua atau lebih variabel bebas. Hasil penelitian ini mempermudah bagian penyedia stok PT ISTANA DELI KEJAYAAN dalam melakukan perencanaan penyediaan stok barang serta memberitahu kan pihak perusahaan tentang produk-produk paling banyak dibeli oleh konsumen.

Page 88 of 107 | Total Record : 1069

 86   87   88   89   90 

Filter by Year

2015 2026


Reset
Filter By Issues
All Issue Vol. 13 No. 1 (2026): Februari 2026 Vol. 12 No. 6 (2025): Desember 2025 Vol. 12 No. 5 (2025): Oktober 2025 Vol. 12 No. 4 (2025): Agustus 2025 Vol 12, No 3 (2025): Juni 2025 Vol. 12 No. 3 (2025): Juni 2025 Vol 12, No 2 (2025): April 2025 Vol. 12 No. 2 (2025): April 2025 Vol 12, No 1 (2025): Februari 2025 Vol. 12 No. 1 (2025): Februari 2025 Vol 11, No 6 (2024): Desember 2024 Vol. 11 No. 6 (2024): Desember 2024 Vol. 11 No. 5 (2024): Oktober 2024 Vol 11, No 5 (2024): Oktober 2024 Vol 11, No 4 (2024): Augustus 2024 Vol. 11 No. 4 (2024): Augustus 2024 Vol. 11 No. 3 (2024): Juni 2024 Vol 11, No 3 (2024): Juni 2024 Vol 11, No 2 (2024): April 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 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