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
 89   90   91   92   93 
Perbandingan Kinerja SVM, Random Forest dan XGBoost pada Aplikasi Access by KAI Menggunakkan ADASYN Epriyanti, Nadia; Meiriza, Allsela; Yunika Hardiyanti, Dinna
JURNAL RISET KOMPUTER (JURIKOM) Vol. 12 No. 5 (2025): Oktober 2025
Publisher : Universitas Budi Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30865/jurikom.v12i5.9139

Abstract

The rapid growth of digital applications has heightened the need to understand user perceptions more thoroughly, particularlythrough sentiment analysis of user-generated reviews. In practice, sentiment classification often faces challenges related to class imbalance, especially when neutral reviews are significantly fewer than positive or negative ones. This imbalance can limit a model’s ability to accurately detect all sentiment categories. This study examines the comparative performance of three machine learning algorithmsSupport Vector Machine (SVM), Random Forest (RF), and Extreme Gradient Boosting (XGBoost) by applying the Adaptive Synthetic Sampling (ADASYN) technique to address class imbalance. This study differs from previous similar research by conducting a simultaneous comparative analysis of three algorithms using the ADASYN method in the context of Access by KAIapplication reviews, which has not been examined in prior studies. Experimental results indicate that after implementing ADASYN, model accuracies reached 75.17% for SVM, 84.06% for RF, and 83.17% for XGBoost. Although accuracy slightly decreased after oversampling, the F1-scores for the neutral class improved to 0.13 (SVM), 0.05 (RF), and 0.14 (XGBoost). Before applying ADASYN, the models achieved accuracies of 85.88% (SVM), 85.13% (RF), and 85.37% (XGBoost), but they were unable to effectivelyrecognize neutral sentiments, with F1-scores of 0.00 for SVM and RF, and 0.03 for XGBoost. These findings suggest that ADASYN enhances model sensitivity to neutral sentiment, with XGBoost demonstrating the most consistent and robust performance in sentiment classification for the Access by KAIapplication.
Perbandingan Kinerja LSTM, Random Forest, dan SVR Berbasis Knowledge Discovery untuk Prediksi Harga Beras Sumatera Selatan Bahri, Cheisya Andini; Tania, Ken Ditha
JURNAL RISET KOMPUTER (JURIKOM) Vol. 12 No. 5 (2025): Oktober 2025
Publisher : Universitas Budi Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30865/jurikom.v12i5.9140

Abstract

Rice is a primary staple food in Indonesia, particularly in South Sumatra Province. In February 2024, BBC News Indonesia reported that the price of premium rice surged to Rp18,000 per kilogram, marking the highest price in the country’s history. To anticipate and predict similar spikes in the future, this study applies a Knowledge Discovery approach and compares three machine learning models: LSTM, Random Forest, and SVR. The approach follows the stages of data selection, cleaning, transformation, modeling, and evaluation to uncover hidden patterns in historical data. The dataset, obtained from the official PIHPS Nasional website, consists of 1,412 daily rice price records from January 2020 to May 2025. Model performance was evaluated using MAPE, MAE, and RMSE metrics. The findings indicate that the SVR model outperformed LSTM and Random Forest, delivering the most accurate results. For the Super Quality II rice category, SVR achieved a MAPE of 0.00 percent, MAE of 40.93, and RMSE of 52.54. SVR also consistently produced the lowest prediction errors in other categories, such as Low Quality I (MAE 59.39) and Medium Quality I (MAE 38.92). This research is expected to serve as a foundation for developing machine learning–based food price monitoring systems to support more responsive policies and maintain rice price stability in the future.
Implementasi Algoritma Vizing Untuk Proses Pewarnaan Sisi Graf Pada Penjadwalan Kuliah Sinaga, Tuty Handa; Sunandar, Hery; Murdani, Murdani; Aripin, Soeb
JURNAL RISET KOMPUTER (JURIKOM) Vol. 7 No. 5 (2020): Oktober 2020
Publisher : Universitas Budi Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30865/jurikom.v7i4.2280

Abstract

Dots coloring is coloring all points in graph 𝐺, so that each pair of directly connected points has a different color. Point coloring can be used to help solve the problem of preparing class schedules. One algorithm for solving graph coloring problems in college scheduling is the vizing algorithm. The results of graph coloring using the taboo search algorithm are used to arrange class schedules, so that there are no conflicting schedules meaning that no two courses taken by a student are carried out at the same time. Thus, time and space can be determined to carry out lectures so that a class schedule can be made. To make it easier to solve these problems, a program with vb2008 was created. The data entered in the form of courses, lecturers and student classes will be represented as point graphs. The coloring process starts from 𝑘 = 1 so that the minimum color is obtained. The output produced by the program is in the form of class schedules that have been determined by time and space
Klasifikasi Berita Televisi Menggunakan Metode K-NN, Naïve Bayes dan SVM Wuryantoro, Tri; Muljono, Muljono; Pujiono, Pujiono
JURNAL RISET KOMPUTER (JURIKOM) 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.v11i6.8420

Abstract

News through television media is still one of the media that is widely used by the public in obtaining the latest information. The Central Java TVRI Public Broadcasting Institution has a news program called Berita Jawa Tengah which airs every day and  doesn’t have a classification system. This research was carried out in several stages, in the initial stage preprocessing was carried out which included: data collection, cleaning, case folding, tokenizing, normalization, stopword removal, stemming, then continued with word weighting (TF-IDF) and finally applying the K-Nearest Neighbor classification method (K-NN), Naïve Bayes and Support Vector Machine (SVM). The results of the classification carried out show that the K-NN classification method has higher results compared to other methods, namely an Accuracy value of 0.94, Precision 0.92, Recall 0.94 and f1-score 0.93, so it can be concluded that Television news classification using the K-NN method is the method that provides the most accurate results.
Analisa Pola Pembelian Konsumen Menggunakan Metode Association Rule Pada Data Transaksi Penjualan Dunia Vape Tarigan, Azhar Radhitya; Rizky, Firahmi
JURNAL RISET KOMPUTER (JURIKOM) 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.v12i1.8423

Abstract

Dunia Vape Trading Business is a trading business engaged in the sale of electronic cigarette spare parts. Every consumer who is going to buy a product, the consumer looks at the product shelves one by one to find the product they are looking for. The problem that occurs is that sometimes it is tiring for consumers to search on different shelves or it can also cause consumers not to buy the products they actually need. This is because the products sold are not arranged based on the purchasing patterns that consumers often make. Therefore, a method is needed that can make it easier for consumers to find the desired product and so that UD Dunia Vape can find out consumer purchasing patterns so that it can arrange and provide products according to the usual patterns. Therefore, researchers utilize computer technology to help consumers find the desired product and so that UD Dunia Vape can find out consumer purchasing patterns so that it can arrange and provide products according to the usual patterns. In computer science, one of the methods that can be applied is by using data mining. One of the methods used in determining patterns is the Association Rule Mining Method. Association rule mining is a data mining technique that aims to find association rule patterns between a combination of items. Implementation of the Association Rule Mining Method on sales of goods at the UD Dunia Vape Store is used to provide information on the results of building material sales patterns each month which can be used as parameters in managing UD Dunia Vape's inventory of materials, in addition to providing information on the most popular and most sold building materials at UD Dunia Vape. The results obtained Based on the results and discussion, it can be concluded that the analysis of consumer purchasing patterns using the Association Rule method on Dunia Vape sales transaction data can be applied based on the results of manual method application where the association rule results are the same as data mining application testing, namely if you buy I = LOST VAPE URSA CAP POD KIT JOY PURPLE then Buy N = PODS FRIENDLY ICE PEDIA BLUEBERRY 15MG 30ML (24) with a confidence value of 100% and if you buy N = PODS FRIENDLY ICE PEDIA BLUEBERRY 15MG 30ML (24) then Buy I = LOST VAPE URSA CAP POD KIT JOY PURPLE with a confidence value of 100%.
Implementasi Algoritma K-Nearest Neighbor Dengan Model Manhattan Distance Untuk Memprediksi Penjualan Textile Siregar, Sari Ramadhani
JURNAL RISET KOMPUTER (JURIKOM) 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.v11i2.8446

Abstract

Memprediksi penjualan di masa depan memiliki peran yang sangat penting dalam membantu perusahaan menentukan jumlah permintaan serta potensi pasar yang dapat dijangkau. Proses ini memungkinkan perusahaan untuk mengantisipasi perubahan tren pasar dan merencanakan strategi bisnis yang lebih efektif. Dengan prediksi yang akurat, perusahaan dapat mengelola stok barang dengan lebih baik guna menghindari kekurangan atau kelebihan persediaan, yang dapat berdampak pada efisiensi operasional dan kepuasan pelanggan. Centra Moda Textile Medan adalah perusahaan yang bergerak di bidang perdagangan tekstil dan telah menerapkan sistem penjualan online untuk meningkatkan efektivitas bisnisnya. Namun, tingginya permintaan sering kali menyebabkan kehabisan stok barang tertentu, sehingga pelanggan harus menunggu lama untuk mendapatkan produk yang mereka butuhkan. Kondisi ini dapat berdampak negatif terhadap loyalitas pelanggan serta keuntungan perusahaan. Oleh karena itu, diperlukan sistem prediksi yang mampu mengidentifikasi pola penjualan dengan tingkat akurasi yang tinggi. Dalam penelitian ini, algoritma K-Nearest Neighbor (K-NN) dengan model Manhattan Distance digunakan untuk mengklasifikasikan data penjualan serta menentukan produk yang paling diminati pelanggan. Hasil penelitian menunjukkan bahwa metode ini memiliki tingkat keberhasilan sebesar 70% dengan toleransi error 10% serta rata-rata akurasi prediksi mencapai 85,91%. Dengan penerapan sistem prediksi ini, diharapkan perusahaan dapat lebih efektif dalam merencanakan ketersediaan stok barang, meningkatkan efisiensi operasional, dan memenuhi permintaan pasar secara lebih optimal, sehingga dapat mendukung pertumbuhan bisnis perusahaan di masa mendatang.
Perancangan Aplikasi Duplicate Image Scanner Menerapkan Metode SHA-1 Nurhalimah, Siti
JURNAL RISET KOMPUTER (JURIKOM) 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.v11i2.8448

Abstract

Harddisk merupakan komponen inti dalam komputer yang dapat penuh akibat penyimpanan file duplikat, seperti gambar, video, dan dokumen yang dikirim berulang kali melalui berbagai platform. Hal ini menyebabkan penggunaan ruang penyimpanan yang berlebihan dan menurunkan performa sistem. Untuk mengatasi permasalahan tersebut, penelitian ini mengusulkan penerapan metode Secure Hash Algorithm 1 (SHA-1) dalam aplikasi Duplicate Image Scanner. SHA-1 adalah fungsi hash satu arah yang mengubah data menjadi message digest unik, sehingga dapat digunakan untuk mengidentifikasi file duplikat tanpa membandingkan isi file secara langsung. Aplikasi ini menghitung nilai hash dari setiap file di berbagai folder, lalu membandingkannya untuk menemukan duplikasi. Jika dua atau lebih file memiliki nilai hash yang sama, sistem akan menandainya sebagai duplikat. Implementasi metode SHA-1 dalam aplikasi ini memungkinkan proses deteksi berjalan efisien, menghemat waktu, dan mengoptimalkan sumber daya komputasi. Pengujian menunjukkan bahwa sistem mampu mengidentifikasi file duplikat dengan akurasi tinggi, membantu pengguna menghapus file yang tidak diperlukan dan meningkatkan pengelolaan ruang penyimpanan. Dengan demikian, aplikasi ini menjadi solusi efektif dalam manajemen file digital serta meningkatkan efisiensi dan performa komputer.
Penerapan Algoritma Textmining Pada Aplikasi Ujian Berbasis LAN Tingkat Sekolah Dasar Rajagukguk, Krisnawati Br.
JURNAL RISET KOMPUTER (JURIKOM) 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.v11i2.8451

Abstract

Bantuan sarana sekolah sangat penting untuk sekolah yang belum mempunyai sarana yang memadai. Penentuan penerima bantuan sarana sekolah harusnya tidak bersifat subjektif artinya bebas dari kepentingan pribadi, suku, agama, maupun daaerah, sehingga proses penentuan penerima bantuan sarana akan lebih efektif dan efisien. Pada Dinas Pendidikan Kabupaten Deli Serdang penentuan penerima bantuan sarana sekolah masih terbilang lambat karena pada prosesnya masih menggunakan tulis tangan. Text Mining merupakan proses ekstraksi pola dari sejumlah besar sumber data tak terstruktur. Penambangan teks ini menggunakan proses yang sama dengan penambangan data, namun memiliki masukan yang berbeda. Berdasarkan penjelasan diatas maka penulis ingin membangun suatu aplikasi ujian online pada tingkat sekolah dasar dengan menerapkan algoritma text mining untuk melakukan koreksi secara otomatis. Algoritma text mining dianggap mampu menyelesaikan masalah tersebut dengan cara melakukan membandingkan kata yang streaming kedalam database kamus kata besar, jika kata di-input memiliki pasangan awalan-akhiran” Be-lah” maka langkah stemming selanjutnya adalah 5,3,4,5,6, hilangkan partikel dan kata ganti kepunyaan, hilangkan juga akhiran(:I”,”an”) sesuai dengan model imbuhan. Berdasarkan penelitian yang dilakukan oleh  “Kestrilia Rega Prilianti “  dengan judul “Aplikasi Text Mining untuk Automasi Penentuan Tren Topik Skripsi  dengan Metode K-Means Clustering“ . Dapat disimpulkan bahwa Proses automasi penentuan tren topik skripsi dapat dilakukan dengan menerapkan metode text mining. Dengan metode tersebut analisis tren topik skripsi dapat dilakukan dengan cepat karena meminimalkan keterlibatan dari pengguna. Melalui penelitian ini ditunjukkan bahwa algoritma k-means clustering yang digunakan dalam proses penemuan pola tebukti dapat membantu proses pengelompokan berbagai topik skripsi yang ada sehingga diperoleh informasi yang bermakna dalam menentukan tren penelitian Universitas dari tahun ke tahun.
Penerapan Metode Moosra Dengan Pembobotan Rank Order Centroid (ROC) Untuk Pemilihan Supplier Bahan Fresh Dermawan, Agung; Syahrizal, Muhammad; Ulfa, Kurnia
JURNAL RISET KOMPUTER (JURIKOM) 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.v11i3.8455

Abstract

Perkembangan teknologi yang pesat menuntut sistem terkomputerisasi dalam berbagai aspek, termasuk pemilihan supplier bahan fresh. Proses manual dalam pemilihan supplier berisiko menimbulkan ketidaktepatan dan subjektivitas, yang dapat merugikan perusahaan akibat ketidaksesuaian supplier dengan kebutuhan. Oleh karena itu, diperlukan sistem pendukung keputusan yang dapat membantu menentukan supplier terbaik berdasarkan kriteria tertentu. Metode Multi-Objective Optimization on the Basis of Simple Ratio Analysis (MOOSRA) dengan pembobotan Rank Order Centroid (ROC) diterapkan untuk menangani pemilihan supplier dengan banyak alternatif dan kriteria. Hasil penelitian menunjukkan bahwa metode ini mempercepat dan meningkatkan akurasi proses seleksi supplier. Dari hasil perangkingan, supplier Rumah Jamur (A3) mendapatkan nilai tertinggi 36,43, sehingga menduduki peringkat pertama sebagai supplier terpilih. Dengan penerapan metode ini, jumlah supplier yang mendaftar berpotensi meningkat, memungkinkan seleksi yang lebih luas dan optimal. Sistem yang dikembangkan tidak hanya membantu perusahaan dalam memilih supplier terbaik tetapi juga meningkatkan efisiensi dalam pengelolaan data dan pengambilan keputusan. Dengan demikian, integrasi teknologi dalam proses ini sangat diperlukan untuk meningkatkan efektivitas operasional perusahaan dan memastikan ketersediaan bahan fresh yang berkualitas sesuai dengan standar yang telah ditetapkan.
Analisis Algoritma Elias Delta Code Dengan Algoritma Elias Gamma Code Pada Kompresi File Text Nazara, Helena Wisarani
JURNAL RISET KOMPUTER (JURIKOM) 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.v11i3.8461

Abstract

Dalam melakukan proses mengubah sekumpulan data menjadi bentuk kode dengan tujuan untuk mengurangi ukuran file sebelum menyimpan atau memindahkan data tersebut ke dalam media penyimpanan merupakan kompresi file. Jika sebuah data disimpan pada media penyimpanan semakin bertambah atau memiliki ukuran yang besar, maka membuat media penyimpanan tidak dapat menyimpan data tersebut melebihi dari kapasitasnya. Data yang memiliki ukuran besar memerlukan waktu transfer yang lebih lama dibandingkan dengan data yang ukurannya lebih kecil. Adapun solusi untuk mengatasi masalah tersebut adalah dengan melakukan kompresi. Hal ini bertujuan agar ukuran file teks menjadi jauh lebih kecil sehingga proses transfer file teks lebih cepat serta dapat menghemat ruang penyimpanan. Ada beberapa algoritma dalam mengkompresi file teks, namun penelitian ini menggunakan algoritma Elias Delta Code dan algoritma Elias Gamma Code. Setelah melakukan kompresi pada kedua algoritma tersebut, selanjutnya melakukan analisa hasil kompresi dari kedua algoritma tersebut yang berpatokan dengan beberapa parameter seperti Ratio of Compression (RC), Compression Ratio (CR) dan Space Saving (SS). Hasil dari analisa hasil kompresi algoritma Elias Delta Code dan Elias Gamma Code maka dapat mengetahui algoritma yang lebih baik dalam melakukan kompresi pada file teks.

Page 91 of 107 | Total Record : 1069

 89   90   91   92   93 

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