cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Galih Hermawan
Contact Email
galih.hermawan@yahoo.co.id
Phone
-
Journal Mail Official
komputa@email.unikom.ac.id
Editorial Address
-
Location
Kota bandung,
Jawa barat
INDONESIA
KOMPUTA : Jurnal Ilmiah Komputer dan Informatika
Published by Universitas Komputer Indonesia
ISSN : 20899033     EISSN : 27157849     DOI : 10.34010
Core Subject : Science,
Computer Science & IT
Jurnal Ilmiah KOMPUTA (Komputer dan Informatika), adalah wadah informasi berupa hasil penelitian, studi kepustakaan, gagasan, aplikasi teori dan kajian analisis kritis di bidang kelimuan Komputer dan Informatika. Terbit dua kali dalam setahun pada bulan Maret dan Oktober.
Arjuna Subject : -
Articles 216 Documents
 15   16   17   18   19 
Pengaruh Information Gain dan Normalisasi Kata Pada Analisis Sentimen Berbasis Aspek Nurdiansyah, Reza Lutfi; Dewi, Kania Evita
Komputa : Jurnal Ilmiah Komputer dan Informatika Vol 12 No 2 (2023): Komputa : Jurnal Ilmiah Komputer dan Informatika
Publisher : Program Studi Teknik Informatika - Universitas Komputer Indonesia (UNIKOM)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34010/komputa.v12i2.9449

Abstract

Information on the internet is very diverse, yet so many opinions make it difficult for other users to get information. Sentiment analysis is the process of analyzing or identifying a person's opinion on a particular subject or product that falls into positive, negative, or neutral categories. Aspect-level sentiment analysis shows better performance than document-level and sentence-level. This study aims to determine the accuracy performance of feature optimization using Information Gain with word normalization in aspect-based sentiment analysis. Therefore, this research uses Support Vector Machine as a classification algorithm with a polynomial kernel as well as non-standard word repair using Slang Word and Abbreviation (SS) dictionary followed by Spelling Corrector using Peter Norvig algorithm with additional Information Gain feature selection to optimize the number of features. Based on the test results that have been carried out using K-fold Cross Validation and Confusion Matrix on test data, the accuracy results vary according to the testing process flow. The best accuracy is obtained from the use of Information Gain without Peter Norvig's word normalization resulting in an average accuracy of 83%. Errors are often found when changing words. This error occurs because the word that can be changed can only correct one wrong letter.
Implementasi Aplikasi Steganografi Berbasis Web Menggunakan Algoritma LSB dan BPCS Adhimah, Laily Farkhah; Nurhafiyah, Isti; Muntahar, Adnan Aditya; Kristiaji, Fandi; Mustofa, Dinar
Komputa : Jurnal Ilmiah Komputer dan Informatika Vol 12 No 2 (2023): Komputa : Jurnal Ilmiah Komputer dan Informatika
Publisher : Program Studi Teknik Informatika - Universitas Komputer Indonesia (UNIKOM)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34010/komputa.v12i2.10319

Abstract

Steganografi merupakan teknik yang digunakan untuk menyembunyikan data yang berisi informasi rahasia dalam data yang tampak normal. Dalam beberapa tahun terakhir, penggunaan steganografi dalam aplikasi web telah menjadi populer karena kemudahan akses dan kemampuannya untuk menyembunyikan data dalam berbagai jenis media. Tujuan penelitian ini yaitu untuk mengimplementasikan sebuah aplikasi steganografi berbasis web yang menggunakan algoritma Bit-Plane Complexity Segmentation (BPCS) dan Least Significant Bit (LSB). Dalam tahap perancangan, sistem dikembangkan menggunakan bahasa, seperti CSS, HTML, dan JavaScript agar pengguna dapat mengakses aplikasi melalui browser. Algoritma LSB dan BPCS digunakan sebagai metode untuk menyisipkan data rahasia ke dalam gambar yang dipilih oleh pengguna. LSB adalah metode steganografi yang sederhana di mana bit terakhir dari setiap piksel gambar digunakan untuk menyimpan bit informasi rahasia. Sementara itu, BPCS merupakan metode steganografi yang lebih kompleks, yang menggabungkan analisis domain spasial dan frekuensi untuk menyembunyikan data dalam gambar dengan kualitas yang tinggi. Hasil penelitian ini menunjukkan bahwa aplikasi steganografi berbasis web menggunakan algoritma LSB dan BPCS dapat berhasil mengimplementasikan metode penyembunyian data rahasia dalam gambar secara efektif.
Object Tracking Menggunakan Algoritma You Only Look Once (YOLO)v8 untuk Menghitung Kendaraan Hayati, Nurhaliza Juliyani; Singasatia, Dayan; Muttaqin, Muhamad Rafi
Komputa : Jurnal Ilmiah Komputer dan Informatika Vol 12 No 2 (2023): Komputa : Jurnal Ilmiah Komputer dan Informatika
Publisher : Program Studi Teknik Informatika - Universitas Komputer Indonesia (UNIKOM)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34010/komputa.v12i2.10654

Abstract

Kendaraan adalah alat transportasi yang sudah ada pada zaman dahulu sampai saat ini, banyak masyarakat menggunakan kendaraan seperti mobil dan sepeda motor. Pencacahan jenis dan jumlah kendaraan dilakukan untuk mengumpulkan informasi data lalu lintas. Dalam memperoleh parameter data jumlah kendaraan, masih menggunakan perhitungan secara manual biasanya rentan dengan kesalahan serta memakan banyak waktu serta tenaga. Penerapan Artificial Intelligence seperti deteksi objek merupakan bidang pada computer vision. Pada intelligent transportation system, data lalu lintas menjadi kunci untuk melakukan penelitian serta merancang sebuah sistem. Untuk mengatasi permasalahan peneliti melakukan object tracking menggunakan algoritma You Only Look Once (YOLO)v8 untuk mendeteksi jenis dan menghitung jumlah kendaraan. Metodologi yang diterapkan adalah AI Project Cycle tahapan yang digunakan problem scoping, data acquisition, data exploration, modelling, dan evaluation confusion matrix. Hasil evaluation confusion matrix diperoleh tingkat accuracy 89%, precision 89%, recall 90% dan perbandingan precision, recall yang dibobotkan diperoleh nilai F1-Score sebesar 89%. Dengan demikian algoritma You Only Look Once (YOLO)v8 cukup akurat mendeteksi object tracking untuk menghitung kendaraan.
Perbandingan Algoritma Sobel dan Canny untuk Deteksi Tepi Citra Daun Lidah Buaya Maximillian, Louis; Riti, Yosefina Finsensia; Agung, Mario Anugraha; Palis, Yohanes Junardi
Komputa : Jurnal Ilmiah Komputer dan Informatika Vol 12 No 2 (2023): Komputa : Jurnal Ilmiah Komputer dan Informatika
Publisher : Program Studi Teknik Informatika - Universitas Komputer Indonesia (UNIKOM)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34010/komputa.v12i2.10997

Abstract

Penyakit daun yang umum terjadi pada tanaman lidah buaya, seperti busuk daun, busuk akar, infeksi bakteri, dan serangan virus, dapat menimbulkan kerusakan yang cukup parah. Identifikasi penyakit-penyakit tersebut masih mengandalkan pengalaman petani dan seringkali menimbulkan interpretasi yang salah. Solusi modern telah ditemukan melalui penerapan teknologi informasi, khususnya di bidang pengolahan citra digital. Dengan menggunakan metode ini, diagnosis penyakit pada daun lidah buaya dapat ditingkatkan melalui deteksi tepi objek pada gambar daun. Hasil deteksi tepi ini memungkinkan mengidentifikasi gejala penyakit dengan lebih akurat. Dalam konteks ini, algoritma Canny dan Sobel, dua algoritma yang umum digunakan untuk deteksi tepi pada gambar, terbukti menjadi pilihan yang efektif. Dengan menggunakan metode tersebut, gambar tepi daun lidah buaya dapat diidentifikasi secara akurat. Ini adalah langkah penting dalam mendukung petani dalam diagnosis dini penyakit dan mengambil tindakan tepat waktu untuk mengatasi masalah ini. Penelitian ini bertujuan untuk mendapatkan algoritma terbaik pendeteksian tepi daun lidah buaya berdasarkan nilai Mean Squared Error (MSE) dan Peak Signal-to-Noise Ratio (PSNR). Hasil pengujian menunjukkan bahwa algoritma Sobel memberikan hasil yang lebih baik dengan rata-rata pengukuran MSE sebesar 2781.88 dan rata-rata PSNR sebesar 14.04, sedangkan algoritma Canny memiliki rata-rata MSE sebesar 3542.02 dan rata-rata PSNR sebesar 12.92.
Aspect Based Sentiment Analysis of Beauty Products Using Neighbor Weighted K-Nearest Neighbor Hakim, Fauzan Lukmanul; Dewi, Kania Evita
Komputa : Jurnal Ilmiah Komputer dan Informatika Vol 13 No 1 (2024): Komputa : Jurnal Ilmiah Komputer dan Informatika
Publisher : Program Studi Teknik Informatika - Universitas Komputer Indonesia (UNIKOM)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34010/komputa.v13i1.9437

Abstract

Penelitian ini bertujuan untuk menguji performansi Neighbor Weighted K-Nearest Neighbor (NWKNN) dalam menangani dataset yang tidak seimbang dalam kasus analisis sentiment berbasis aspek. Data yang digunakan didalam penelitian ini adalah ulasan produk kecantikan yang berasal dari situs kaggel. Diperoleh data sebanyak 2.449 ulasan. Setiap ulasan produk sebelum masuk ketahapan klasifikasi, melalui preprocessing. Dalam penelitian ini tahapan preprocessing terdiri dari proses casefolding, cleaning, tokenisasi, normalisasi, stemming, convert negasi, dan stopword removal. Agar hasil preprocessing dapat diolah oleh algoritma klasifikasi maka setiap ulasan yang sudah diprepocessing masuk kedalam ekstraksi fitur. Metode ekstraksi fitur yang digunakan dalam penelitian ini adalah TF-IDF. Hasil ekstraksi fitur lah yang masuk kedalam proses klasifikasi. Didalam penelitian ini setiap ulasan melalui proses klasifikasi beberapa kali. Karena dalam penelitian ini dalam penanganan multilabel menggunakan teknik binary relevance. Setiap klasifikasi menggunakan NWKNN. Pengklasifikasian dilakukan sebanyak empat kali sesuai dengan aspek yang digunakan didalam penelitian ini, yaitu: harga, kemasan, efektifitas dan aroma. Sehingga setiap klasifikasi menghasilkan polaritas untuk setiap aspek, yaitu: positif, negative, atau non sentiment. Hasil pengujian perfomansi dengan Confusion Matrix dihasilkan performansi NWKNN lebih tinggi dibandingkan KNN untuk masing-masing aspek, dalam f1-score. Dimana nilai e dan k yang optiman untuk metode NWKNN yaitu nilai k=40 dan e=2. Ini menunjukkan bahwa NWKNN terbukti lebih baik bekerja jika dataset tidak seimbang dibandingkan KNN.
Identifikasi Ujaran Kebencian Pada Sosial Media Bahasa Inggris Menggunakan Recursive Neural Network Pardede, Jasman; Alfyansyah, Rangga
Komputa : Jurnal Ilmiah Komputer dan Informatika Vol 13 No 1 (2024): Komputa : Jurnal Ilmiah Komputer dan Informatika
Publisher : Program Studi Teknik Informatika - Universitas Komputer Indonesia (UNIKOM)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34010/komputa.v13i1.10783

Abstract

Penyebaran ujaran kebencian pada sosial media telah menjadi masalah serius karena menciptakan serangkaian konflik ras, etnis, orientasi seksual, kebangsaan, dan agama. Penelitian ini menggali dari unggahan ujaran kebencian di media sosial. Ujaran kebencian semakin meningkat di media sosial yang merendahkan individu atau kelompok banyak ditemukan. Mengidentifikasi ujaran kebencian secara tepat menjadi penting untuk menganalisis sentimen publik dari kelompok pengguna terhadap kelompok lain serta mencegah kegiatan yang tidak diinginkan. Dengan mengidentifikasi akar penyebabnya, pihak-pihak yang berwenang dan platform-platform digital dapat mengambil tindakan yang lebih efektif dalam memitigasi dampak negatifnya dan melindungi masyarakat dari ancaman yang mungkin timbul. Algoritma seperti Support Vector Machine dan Deep Neural Networks, terutama Recursive Neural Network, dapat mengidentifikasi ujaran kebencian. Dalam penelitian ini menerapkan Recursive Neural Network untuk mengidentifikasi ujaran kebencian. Performa sistem ini diukur berdasarkan nilai precision, recall, accuracy, dan F-Measure. Hasil eksperimen yang dilakukan terhadap data ujaran kebencian diperoleh nilai rata-rata precision, recall, accuracy, dan F-Measure masing-masing sebesar 0.78, 0.74, 0.76, dan 0.76. Hasil tersebut menunjukkan bahwa Recursive Neural Networks yang diusulkan memiliki performa yang cukup baik.
Sistem Evaluasi Pada Aplikasi Akademik Menggunakan Metode Skala Likert Dan Algoritma Naïve Bayes Erinsyah, Moh. Fiqih; Sasmito, Ginanjar Wiro; Wibowo, Dega Surono; Bakti, Very Kurnia
Komputa : Jurnal Ilmiah Komputer dan Informatika Vol 13 No 1 (2024): Komputa : Jurnal Ilmiah Komputer dan Informatika
Publisher : Program Studi Teknik Informatika - Universitas Komputer Indonesia (UNIKOM)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34010/komputa.v13i1.10940

Abstract

Harapan Bersama Polytechnic, Tegal City (Harber Polytechnic), is one of the higher education institutions. At the Harber Polytechnic there are various fields in carrying out the listed sections, one of which is the Information and Communication Technology (ICT) field. An agency must have a system that is used to facilitate and carry out its goals. An academic system or application used by agencies, namely Oase and Syncnau. From the existence of this system, of course, a place or place is needed to listen to it, to find out how satisfied the users are who often use the system, which is realized in the form of a web repository and evaluation. The web repository is used to store the academic system data and evaluation results using two methods, namely the Likert Scale Method and the Naïve Bayes Algorithm. Of the two methods used as a choice of questionnaires and text mining from user reviews who have filled out the questionnaire. The Likert scale method used uses four Likert levels, namely strongly agree, agree, disagree and strongly disagree. whereas for text mining it was made using the Naïve Bayes algorithm from the results of the build model to get a fairly high percentage quality level of 83.6%, and the test results of the model were also quite satisfactory so that the use of text mining is useful in opening an institution's academic system. These results have been analyzed by this method and the final result of the evaluation is the percentage level of system satisfaction and the results of comments or reviews that have been classified to make it easier for developers to develop academic systems in the future.
Implementasi Face Recognition dan Geolocation Pada Sistem Presensi Karyawan Berbasis Mobile Apps Wibowo, Bagus Budi; Setiawan, Eko Budi
Komputa : Jurnal Ilmiah Komputer dan Informatika Vol 13 No 1 (2024): Komputa : Jurnal Ilmiah Komputer dan Informatika
Publisher : Program Studi Teknik Informatika - Universitas Komputer Indonesia (UNIKOM)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34010/komputa.v13i1.11149

Abstract

Teknologi informasi dan komunikasi dapat digunakan pada sistem presensi karyawan. Tujuan penelitian ini mengimplementasikan teknologi face recognition dan geolocation pada sistem presensi karyawan di PT. Motiolabs Indonesia berbasis mobile Android. Perusahaan yang menjadi tempat penelitian ini memperbolehkan para karyawannya untuk melakukan presensi secara mobile, namun belum memanfaatkan teknologi geolocation dan deteksi wajah sehingga prosees otentifikasi dan verifikasi presensi masih kurang efektif. Metode penelitian ini terdiri dari beberapa tahapan yaitu analisis permasalahan, perancangan arsitektur sistem dan teknologi, penerapan teknologi, implementasi dan pengujian sistem. Teknologi geolocation yang digunakan pada penelitian ini yaitu Global Position System dan Google Maps. Face recognition yang digunakan menggunakan Google Machine Learning Kit serta Face API JS. Hasil pengujian pendeteksian wajah berhasil mendeteksi wajah dengan maksimal tiga wajah dalam satu frame kamera sewaktu pengujian. Pendeteksian wajah berhasil dilakukan dengan maksimal jarak 0,3 meter dan mendapatkan waktu paling cepat pendeteksian paling cepat selama 45 detik. Berdasarkan pengujian geolocation sudah memberikan hasil yang akurat dan berhasil mendapatkan lokasi koordinat yang sesuai dari posisi presensi dilakukan. Setelah dilakukan pengujian kepada para stakeholder yakni para Karyawan dan pihak HRD perusahaan, aplikasi hasil penelitian ini berhasil mempermudah pihak perusahaan dalam mencatat dan memverifikasi data presensi.
Peringkasan Teks Otomatis Abstraktif Menggunakan Transformer Pada Teks Bahasa Indonesia Bahari, Andika; Dewi, Kania Evita
Komputa : Jurnal Ilmiah Komputer dan Informatika Vol 13 No 1 (2024): Komputa : Jurnal Ilmiah Komputer dan Informatika
Publisher : Program Studi Teknik Informatika - Universitas Komputer Indonesia (UNIKOM)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34010/komputa.v13i1.11197

Abstract

Abstractive text summarization is used to generate summaries that are similar to human-written summaries. To achieve that capability, recurrent deep learning architectures were usually applied, such as RNN, LSTM, and GRU. In previous studies about abstractive text summarization in Indonesian, recurrent models were widely used and there were cohesion and grammar errors that appeared in the generated summaries—this could have an impact on performance. Currently, there is Transformer, a relatively new architecture that relies on the attention mechanism entirely. Due to its non-recurrent nature, Transformer overcomes the problem of dependency the on hidden states that occurs in recurrent models and it can retain information on all input sequences. In this study, we use Transformer to evaluate how good it is at abstractive text summarization in Indonesian. The training was conducted using the pre-trained T5 model with IndoSum dataset which contains around 19K news-summary pairs. We achieved evaluation scores of 0.61 ROUGE-1 and 0.51 ROUGE-2.
Application of Data Mining in Disease Clustering at Klinik Keluarga Kadafi, Mochamad Nurkhayal; Finandhita, Alif
Komputa : Jurnal Ilmiah Komputer dan Informatika Vol 13 No 1 (2024): Komputa : Jurnal Ilmiah Komputer dan Informatika
Publisher : Program Studi Teknik Informatika - Universitas Komputer Indonesia (UNIKOM)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34010/komputa.v13i1.11273

Abstract

Tujuan dari penelitian ini adalah memberikan rekomendasi materi penyuluhan untuk membantu Koordinator Promkes dan Marketing di Klinik Keluarga dalam menentukan materi penyuluhan kesehatan yang tepat di suatu wilayah. Penyuluhan dilakukan secara terjadwal ke wilayah yang sudah ditentukan. Namun demikian banyak materi yang disampaikan tidak sesuai dengan mayoritas penyakit yang diderita oleh masyarakat di wilayah tersebut. Hal tersebut menyebabkan pelayanan klinik menjadi tidak optimal dikarenakan kurangnya kewaspadaan terhadap suatu penyakit yang ada di wilayahnya. Data Mining dengan metode Clustering dan algoritma K-Means digunakan pada penelitian ini untuk mengetahui pola penyebaran penyakit berdasarkan karateristiknya dari sumber data yang digunakan, terdiri dari data kunjungan, data induk penyakit, data kategori penyakit, data kecamatan, dan data desa. Hasil evaluasi menunjukkan proses pengelompokan penyakit menghasilkan rata-rata akurasi sebesar 0,263. Hasil tersebut menunjukan bahwa data mining dengan metode clustering dapat membantu Koordinator Promkes dan Marketing di Klinik Keluarga dalam menentukan materi penyuluhan yang tepat untuk masyarakat.

Page 17 of 22 | Total Record : 216

 15   16   17   18   19 

Filter by Year

2012 2025


Reset
Filter By Issues
All Issue Vol 14 No 2 (2025): Komputa : Jurnal Ilmiah Komputer dan Informatika Vol 14 No 1 (2025): Komputa : Jurnal Ilmiah Komputer dan Informatika Vol 13 No 2 (2024): Komputa : Jurnal Ilmiah Komputer dan Informatika Vol 13 No 1 (2024): Komputa : Jurnal Ilmiah Komputer dan Informatika Vol 12 No 2 (2023): Komputa : Jurnal Ilmiah Komputer dan Informatika Vol 12 No 1 (2023): Komputa : Jurnal Ilmiah Komputer dan Informatika Vol 11 No 2 (2022): Komputa : Jurnal Ilmiah Komputer dan Informatika Vol 11 No 1 (2022): Komputa : Jurnal Ilmiah Komputer dan Informatika Vol 10 No 2 (2021): Komputa : Jurnal Ilmiah Komputer dan Informatika Vol 10 No 1 (2021): Komputa : Jurnal Ilmiah Komputer dan Informatika Vol 9 No 2 (2020): SettingsVol 9 No 2 (2020): Komputa : Jurnal Ilmiah Komputer dan Informatika Vol 9 No 1 (2020): Komputa : Jurnal Ilmiah Komputer dan Informatika Vol 8 No 2 (2019): Komputa : Jurnal Ilmiah Komputer dan Informatika Vol 8 No 1 (2019): Komputa : Jurnal Ilmiah Komputer dan Informatika Vol 7 No 2 (2018): Komputa : Jurnal Ilmiah Komputer dan Informatika Vol 7 No 1 (2018): Komputa : Jurnal Ilmiah Komputer dan Informatika Vol 6 No 2 (2017): Komputa : Jurnal Ilmiah Komputer dan Informatika Vol 6 No 1 (2017): Komputa : Jurnal Ilmiah Komputer dan Informatika Vol 5 No 2 (2016): Komputa : Jurnal Ilmiah Komputer dan Informatika Vol 5 No 1 (2016): Komputa : Jurnal Ilmiah Komputer dan Informatika Vol 4 No 2 (2015): Komputa : Jurnal Ilmiah Komputer dan Informatika Vol 4 No 1 (2015): Komputa : Jurnal Ilmiah Komputer dan Informatika Vol 3 No 2 (2014): Komputa : Jurnal Ilmiah Komputer dan Informatika Vol 3 No 1 (2014): Komputa : Jurnal Ilmiah Komputer dan Informatika Vol 2 No 2 (2013): Komputa : Jurnal Ilmiah Komputer dan Informatika Vol 2 No 1 (2013): Komputa : Jurnal Ilmiah Komputer dan Informatika Vol 1 No 2 (2012): Komputa : Jurnal Ilmiah Komputer dan Informatika More Issue