cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Fajri Rakhmat Umbara
Contact Email
fajri.rakhmat@lecture.unjani.ac.id
Phone
-
Journal Mail Official
fajri.rakhmat@lecture.unjani.ac.id
Editorial Address
-
Location
Kota cimahi,
Jawa barat
INDONESIA
JUMANJI (Jurnal Masyarakat Informatika Unjani)
Published by Universitas Jenderal Achmad Yani
ISSN : 25988050     EISSN : 25988096     DOI : -
Core Subject : Science,
Computer Science & IT
JUMANJI merupakan singkatan Jurnal Masyarakat Informatika Unjani dengan ISSN cetak 2598-8050 dan ISSN elektronik 2598-8096. Jurnal ini juga telah terindeks Google Scholar dan PKP Index. Jurnal ini diterbitkan 2 (dua) kali dalam satu tahun pada bulan April dan Oktober. Jurnal ini berisi 8 (delapan) tulisan yang diangkat dari hasil penelitian dan kajian analisis di bidang ilmu pengetahuan dan teknologi, khususnya Informatika. Tulisan yang masuk ke redaksi diseleksi dengan sistem blind peer-review untuk menjaga obyektivitas sekaligus membuka kesempatan bagi setiap orang, terlepas dari latar belakang pendidikan untuk dapat berkontribusi. Jumanji telah menggunakan software Turnitin sebagai Plagiarism Tool.
Arjuna Subject : -
Articles 80 Documents
 4   5   6   7   8 
STUDENT GRADUATION PREDICTION SYSTEM BASED ON ACADEMIC AND NON-ACADEMIC (EQ) DATA USING C4.5 ALGORITHM Willy Hanafi; Yulison Herry Chrisnanto; Ade Kania Ningsih
JUMANJI (Jurnal Masyarakat Informatika Unjani) Vol 7 No 1 (2023): Jurnal Masyarakat Informatika Unjani
Publisher : Jurusan Informatika Universitas Jenderal Achmad Yani

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26874/jumanji.v7i1.272

Abstract

The graduation profile is an important element for higher education accreditation standards. It reflects the performance of the adopted education system within a certain period. The better the profile graduation, the better the value of the accreditation. Some students are unable to complete their studies on time or even fail to complete their studies because they exceed the specified time limit, which is seven years, and it negatively affects institutions' accreditation. To prevent this from happening, it is necessary to know what obstacles that cause these students could not complete their studies on time. by knowing this information, prevention can be done for students who are potentially unable to complete their studies on time. The purpose of this study was to make a system that can predict the graduation timeline and the factors that influence it. The data used was graduation data from undergraduate students majoring in psychology from 2015 to 2017 at a university in Cimahi. The data had a total record of 461 students, 44 subject value attributes, 13 psychotest attributes, and class attributes. We generated the result by using decission tree method with C4.5 algorithm, which produces 90.32% accuracy. The depth of the tree can also influence the accuracy of the algorithm. This study also found that academic and non-academic (EQ) scores can affect students’ graduation time.
Klasifikasi Myers-Briggs Type Indicator Pengguna Twitter Menggunakan Support Vector Machine dan Augmentasi Data Sulthan Athallah; Herdi Ashaury; Puspita Nurul Sabrina
JUMANJI (Jurnal Masyarakat Informatika Unjani) Vol 8 No 1 (2024): Jurnal Masyarakat Informatika Unjani
Publisher : Jurusan Informatika Universitas Jenderal Achmad Yani

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26874/jumanji.v8i1.339

Abstract

Kepribadian merupakan aspek yang melekat pada seseorang, salah satu cara menentukannya yaitu dengan Myers-Briggs Type Indicator (MBTI). Beberapa penelitian terdahulu sudah melakukan klasifikasi MBTI menggunakan beberapa metode data mining. Salah satunya merupakan Support Vector Machine (SVM). Karena akurasi penelitian ini saat eksperimen kecil, maka digunakannya metode tambahan untuk meningkatkan performa model SVM yaitu dengan menggunakan augmentasi data. Proses klasifikasi diawali dengan preprocessing data, yaitu data cleaning dan text preprocessing. Lalu data dibobotkan menggunakan Term-Frequency Inverse Document Frequency. Data yang sudah dibersihkan berjumlah 154.813 record. Kemudian membagi menjadi data latih dan uji dengan volume 70:30 untuk menghindari overfitting. Data latih dilatih dengan SVM dan dievaluasi, lalu data latih yang sudah melalui preprocessing diaugmentasi dengan synonym replacement sebanyak lima iterasi. Proses ini menghasilkan 1.083.658 record untuk data latih. Data hasil augmentasi diekstraksi dan klasifikasi SVM kembali. Kemudian model dengan data latih asli dan hasil augmentasi digunakan untuk klasifikasi data uji dan berhasil meningkatkan 6% performa model SVM untuk klasifikasi dimensi MBTI.
Sistem Pendukung Keputusan Rekomendasi Penempatan Magang Mahasiswa ( MAGMA ) Program Studi Rekayasa Keamanan Siber Berbasis Website Menggunakan Metode Forward Chaining Clarissa Monique Maharani; Danis Putra Perdana; Puspa Ira Dewi Candra Wulan; Khamarudin Syarif
JUMANJI (Jurnal Masyarakat Informatika Unjani) Vol 7 No 2 (2023): Jurnal Masyarakat Informatika Unjani
Publisher : Jurusan Informatika Universitas Jenderal Achmad Yani

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26874/jumanji.v7i2.307

Abstract

The problem that often occurs in student internships is the mismatch between the type of work and student skills due to lack of information and literacy. With this problem, an expert system innovation was created as a decision-making tool for students, companies, and internship provider institutions. Decision support system is a computer development system that uses various sources of models to solve existing problems. This research is realized by implementing an expert system using the forward chaining method to recommend the right internship place for cyber security engineering study program students. The goal is to develop an intelligent tool that can accurately identify internship companies or institutions based on specified qualifications and optimize student placement according to certain skills, interests and requirements. Data was collected through distributing closed questionnaires to 21 students of the cyber security engineering study program as a reference in system design. Based on the test results of the comparison between expert system logic and manual logic, this system has a 100% accuracy rate.
DETEKSI PENYAKIT DIABETES, KATARAK DAN GLAUKOMA PADA CITRA FUNDUS RETINA MATA MANUSIA MENGGUNAKAN CNN DENGAN ARSITEKTUR ALEXNET Cicik Rafka Mulyasari; Asep Id Hadiana; Agus Komarudin
JUMANJI (Jurnal Masyarakat Informatika Unjani) Vol 8 No 1 (2024): Jurnal Masyarakat Informatika Unjani
Publisher : Jurusan Informatika Universitas Jenderal Achmad Yani

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26874/jumanji.v8i1.341

Abstract

Penglihatan merupakan salah satu indera yang sangat penting bagi manusia. Jika terjadi kelainan atau penyakit pada mata, dapat berdampak serius, seperti diabetes yang dapat menyerang bola mata, katarak, dan glaukoma. Karena itu, menjaga kesehatan mata harus menjadi prioritas sehari-hari. Sayangnya, fasilitas medis terbatas di pusat kesehatan dan rumah sakit, serta kurangnya jumlah dokter mata yang mampu melakukan pemeriksaan dan operasi mata, menjadikan pengobatan penyakit mata menjadi sulit. Namun, seiring dengan pesatnya perkembangan teknologi, bidang kedokteran juga mengadopsi teknologi untuk meningkatkan pelayanan kepada masyarakat secara luas. Keterbatasan waktu yang dialami oleh dokter-dokter tersebut telah mendorong penggunaan sistem pakar dalam membantu diagnosis berbagai penyakit. Untuk mengatasi masalah dalam diagnosis penyakit diabetes, katarak, dan glaukoma, telah dikembangkan beberapa solusi. Salah satunya adalah dengan menggunakan metode pengolahan citra bola mata dan bahasa pemrograman untuk menciptakan perangkat lunak yang dapat melakukan diagnosis dan klasifikasi yang akurat terhadap keempat jenis penyakit tersebut. Dalam hal ini, metode yang digunakan adalah convolutional neural network (CNN). Sistem dirancang menggunakan metodologi CNN dengan arsitektur Alexnet berdasarkan gambar bola mata. Masukkan kumpulan data gambar yang diwarisi dari Kaggle yang disebut "Klasifikasi Penyakit Mata" dan gunakan total 4.217 gambar, 75% di antaranya adalah data latih dan 25% adalah gambar data uji. Pada penelitian ini, hasil terbaik untuk setiap skenario pengujian adalah presisi 87%, presisi 88%, recall 88%, skor f1 88% dan loss 0,48.
Artificial Intelligence (AI) for Classification of Cyber Attacks on Internet of Things (IoT) Network Traffic Randi Rizal; Nur Widiyasono; Siti Yuliyanti
JUMANJI (Jurnal Masyarakat Informatika Unjani) Vol 7 No 2 (2023): Jurnal Masyarakat Informatika Unjani
Publisher : Jurusan Informatika Universitas Jenderal Achmad Yani

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26874/jumanji.v7i2.325

Abstract

Internet of Things (IoT) is an architecture that connects large numbers of smart devices in today's modern global network system. Distributed denial of services (DDoS) attacks are one of the most common types of cyber attacks, targeting servers or networks with the aim of disrupting their normal activities. Although real-time detection and mitigation of DDoS attacks is difficult to achieve, the solution would be invaluable as attacks can cause significant damage. This research utilizes artificial intelligence (AI) to classify attacks on Internet of Things (IoT) network traffic. The resulting classification of DDOS attacks from all types of attacks, namely SYN, ACK, UDP, and UDPplain. The application of a deep learning model with the Convolutional Neural Network (CNN) algorithm is used to classify normal traffic from DDoS cyber attacks. The CNN algorithm performs very well in the classification process with an accuracy of 99%. Next, we plan to build a new model to block or mitigate DDoS attacks based on the output of the CNN classification algorithm used in this research.
Prototipe Gamifikasi untuk Mendorong Aktivitas Fisik dan Mengurangi Perilaku Sedentari di Indonesia Rezki Yuniarti; Eddie Krishna Putra; Asep Id Hadiana
JUMANJI (Jurnal Masyarakat Informatika Unjani) Vol 8 No 1 (2024): Jurnal Masyarakat Informatika Unjani
Publisher : Jurusan Informatika Universitas Jenderal Achmad Yani

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26874/jumanji.v8i1.451

Abstract

Ketidakaktifan fisik dan perilaku sedentari menjadi perhatian yang semakin meningkat di Indonesia, dengan potensi dampak buruk terhadap kesehatan masyarakat. Seiring dengan perkembangan teknologi digital, gamifikasi muncul sebagai alat yang menjanjikan untuk mendorong aktivitas fisik dan mengurangi perilaku sedentari. Penelitian ini bertujuan untuk mengembangkan dan mengevaluasi prototipe gamifikasi yang dirancang untuk mendorong aktivitas fisik dan mengurangi perilaku sedentari di kalangan pekerja kantor di Indonesia. Pendekatan campuran digunakan, mencakup pengembangan prototipe gamifikasi yang didasarkan pada teori dan prinsip perubahan perilaku. Fitur, fungsionalitas, dan antarmuka pengguna prototipe ini dirancang secara teliti untuk memenuhi kebutuhan populasi target. Peserta dipilih berdasarkan kriteria yang telah ditetapkan, dan data dikumpulkan sebelum dan sesudah intervensi untuk menilai efektivitas prototipe. Metode analisis data digunakan untuk menginterpretasikan hasilnya. Temuan awal menunjukkan bahwa prototipe gamifikasi ini efektif dalam meningkatkan tingkat aktivitas fisik dan mengurangi perilaku sedentari di antara peserta. Umpan balik dari peserta menunjukkan pengalaman pengguna yang positif, meskipun beberapa masalah teknis dilaporkan. Gamifikasi memiliki potensi sebagai pendekatan inovatif untuk mendorong aktivitas fisik dan mengurangi perilaku sedentari di Indonesia. Penelitian lebih lanjut diperlukan untuk menyempurnakan prototipe ini dan memperluas penerapannya ke populasi yang lebih luas.
Penerapan Metode SMOTE Dalam Klasifikasi Sentimen Publik Terhadap Polisi Republik Indonesia Menggunakan Support Vector Machine Fitri Destiyanti; Asep Id Hadiana; Fajri Rakhmat Umbara
JUMANJI (Jurnal Masyarakat Informatika Unjani) Vol 8 No 1 (2024): Jurnal Masyarakat Informatika Unjani
Publisher : Jurusan Informatika Universitas Jenderal Achmad Yani

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26874/jumanji.v8i1.336

Abstract

Analisis sentimen atau ekstraksi opini adalah penelitian yang mengevaluasi sudut pandang, pemikiran, serta persepsi mengenai berbagai topik, subjek, dan produk dengan memanfaatkan data opini yang tersedia pada platform media sosial.. Platform media sosial populer seperti YouTube, khususnya melalui saluran "86 & Custom Protection NET" yang bekerjasama dengan Kepolisian Negara Republik Indonesia, menyajikan aktivitas polisi dan mendapat respons dari masyarakat dalam bentuk komentar. Komentar-komentar ini menjadi sumber data dalam penelitian text mining untuk mengklasifikasikan sentimen positif atau negatif. Penelitian ini menggunakan pendekatan menggunakan machine learning dengan metode Support Vector Machine (SVM) dan teknik SMOTE untuk menangani ketidakseimbangan data dalam komentar youtube. Hasil analisis menunjukkan akurasi sebesar 91%, dengan presisi 63%, recall 68%, dan f1 score 65% berdasarkan perhitungan confusion matrix.
Model Pengembangan Sistem Pengelolaan Kas UMKM Berbasis Mobile (SimPan Kas) Fahmi Reza Ferdiansyah; Rudy Sofian; Muhamad Rizky Nurrohmat; Bella Syifa Anandita Suherlan
JUMANJI (Jurnal Masyarakat Informatika Unjani) Vol 7 No 2 (2023): Jurnal Masyarakat Informatika Unjani
Publisher : Jurusan Informatika Universitas Jenderal Achmad Yani

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26874/jumanji.v7i2.322

Abstract

Usaha Kecil Menengah atau biasa dikenal dengan UMKM merupakan sebuah pilar yang strategis dalam pengembangan ekonomi lokal dalam pemberdayaan masyarakat yang berkembang melalui proses inovasi dan kreativitas dalam meningkatkan kesejahteraan masyarakat. Pengelolaan keuangan menjadi hal yang penting untuk dilaksanakan oleh semua pelaku UMKM. Keuangan menjadi poin penting dalam mempertahankan kelangsungan sebuah usaha. Pencatatan keuangan sangat penting bagi usaha apapun, namun pelaku UMKM yang masih didominasi usaha mikro dan kecil seringkali mengabaikan hal ini. UMKM di Desa tersebut yang dijadikan mitra dalam penelitian ini adalah Saung Abah Ambu. Saung Abah Ambu bergerak dibidang usaha peternakan yang memanfaatkan sumber air bersih dan teknologi sebagai medianya. Teknologi yang digunakan tersebut adalah Teknologi Bioflok. Pembuatan sistem pengelolaan kas UMKM berbasis mobile (Simpan Kas) dilakukan dengan metode Feature Driven Development yang didalamnya terdapat tahapan Develop an Overall Model Phase, Build a Feature List, Plan by Features, Design by Features, Build by Feature. Pengujian aplikasi dilakukan menggunakan Black box. Simpan Kas berjalan sesuai dengan apa yang diharapkan, Simpan Kas dapat membantu UMKM Saung abah ambu dalam melakukan laporan keuangan dan Simpan Kas dapat diakses dengan memanfaatkan teknologi PWA dalam pembuatan perangkat lunak presensi, sehingga perangkat lunak dapat diakses di berbagai platform seperti web, mobile (IOS dan Android), bahkan desktop sekalipun.
PENGELOMPOKAN TINGKAT RISIKO PENYAKIT DIABETES MELITUS MENGGUNAKAN ALGORITMA K-MEANS CLUSTERING Rio Gestavito; Asep Id Hadiana; Fajri Rakhmat Umbara
JUMANJI (Jurnal Masyarakat Informatika Unjani) Vol 8 No 1 (2024): Jurnal Masyarakat Informatika Unjani
Publisher : Jurusan Informatika Universitas Jenderal Achmad Yani

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26874/jumanji.v8i1.338

Abstract

Penelitian ini fokus pada diabetes melitus (DM), kondisi metabolik kronis dengan tingkat gula darah tinggi karena kurangnya insulin. Faktor penyebab DM bervariasi, termasuk kurangnya produksi insulin oleh sel beta Langerhans di pankreas dan ketidakresponsifan tubuh terhadap insulin. Penyakit ini prevalen di negara berkembang dan diperkirakan terus meningkat. Studi ini menggunakan algoritma K-Means Clustering untuk mengelompokkan risiko DM. Evaluasi pada k = 2 menunjukkan data dalam klaster cenderung bercampur, dengan nilai Silhouette Coefficient 0.5716 dan Davies Bouldin Index 0.672. Visualisasi scatter menunjukkan penyebaran data yang seragam dalam klaster, memberikan pemahaman mendalam tentang pola data. Hasilnya dapat mendukung pemahaman dan penanganan lebih lanjut terhadap DM.
Data Mining Pengelompokan UMKM di Bidang Fashion dan Kerajinan Kota Yogyakarta Menggunakan AHC Average Linkage Muhammad Faishal; Rahmat Juniarti; Lisna Zahrotun; Utaminingsih Linarti; Anna Hendri Soleliza Jones
JUMANJI (Jurnal Masyarakat Informatika Unjani) Vol 7 No 2 (2023): Jurnal Masyarakat Informatika Unjani
Publisher : Jurusan Informatika Universitas Jenderal Achmad Yani

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26874/jumanji.v7i2.324

Abstract

UMKM di Kota Yogyakarta saat ini tumbuh sangat pesat dan menjadi salah satu penompang ketahanan ekonomi dengan tenaga kerja yang mendominasi. Pemerintah melalui Dinas Koperasi dan UMKM DIY sebagai pengelola memiliki kesulitan dalam mengolah data yang ada. Terdapat sebanyak 32 ribu unit UMKM di berbagai bidang dalam database pemerintah yang terinput dari tahun 2021 hingga 2022 dan dalam kondisi masih tercampur. Pemerintah berniat untuk mengelompokkan data UMKM tersebut agar dapat dilakukan pengembangan dan pemberdayaan kedepannya. Diawali dari bidang fashion dan kerajinan sebagai salah satu komoditas penggaet wisatawan. Baru terdapat 195 unit UMKM bidang ini dari 2769 unit yang terverifikasi aktif pada database milik pemerintah. Metode yang digunakan dalam pengelompokan UMKM ini adalah AHC Average Linkage, dan pengujian yang dilakukan dari hasil pengelompokan menggunakan metode Silhouette Coefficient. Hasil penelitian ini berupa informasi pengelompokan UMKM bidang fashion dan kerajinan. Skor silhouette yang didapat pada UMKM fashion dan UMKM kerajinan sebesar 0.64 dan 0.65, didapatkan 2 cluster setiap UMKM-nya dan cluster yang dipilih untuk informasi kepada pemerintah adalah cluster 1. Kriteria UMKM fashion adalah kegiatan usaha penjualan , pemasaran dari DIY hingga ekspor, pendapatan kurang dari 10 juta hingga kurang dari 25 juta dan umur usaha 6,5 tahun. Kriteria UMKM kerajinan adalah kegiatan usaha penjualan dan produksi, pemasaran dari DIY hingga ekspor, pendapatan kurang dari 10 juta dan umur usaha 7,1 tahun.

Page 8 of 8 | Total Record : 80

 4   5   6   7   8 

Filter by Year

2018 2024


Reset
Filter By Issues
All Issue Vol 8 No 1 (2024): Jurnal Masyarakat Informatika Unjani Vol 7 No 2 (2023): Jurnal Masyarakat Informatika Unjani Vol 7 No 1 (2023): Jurnal Masyarakat Informatika Unjani Vol 6 No 1 (2022): Jurnal Masyarakat Informatika Unjani Vol 4 No 02 (2020): Jurnal Masyarakat Informatika Unjani Vol 5 No 2 (2021): Jurnal Masyarakat Informatika Unjani Vol 5 No 1 (2021): Jurnal Masyarakat Informatika Unjani Vol 4 No 01 (2020): Jurnal Masyarakat Informatika Unjani Vol 3 No 02 (2019): Jurnal Masyarakat Informatika Unjani Vol 3 No 01 (2019): Jurnal Masyarakat Informatika Unjani Vol 2 No 2 (2018): Jurnal Masyarakat Informatika Unjani Vol 2 No 1 (2018): Jurnal Masyarakat Informatika Unjani Vol 1 No 1 (2017): JUMANJI More Issue