cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Fitrianingsih
Contact Email
infokom@gunadarma.ac.id
Phone
+6221-78881112 ext. 516
Journal Mail Official
infokom@gunadarma.ac.id
Editorial Address
Jalan Margonda Raya 100
Location
Kota depok,
Jawa barat
INDONESIA
Jurnal Ilmiah Informatika Komputer
Published by Universitas Gunadarma
ISSN : 08538638     EISSN : 20898045     DOI : http://dx.doi.org/10.35760/ik
Core Subject : Science,
Computer Science & IT Decision Sciences, Operations Research & Management
This journal is published periodically three times a year, April, August, and December. It publishes a broad range of research articles on Information Technology and Communication, whether in Indonesian Language or English.
Arjuna Subject : Ilmu Komputer (semua kategori) - Sistem Informasi
Articles 7 Documents
 1 
Search results for , issue "Vol 24, No 3 (2019)" : 7 Documents clear
IMPACT OF WEB QUALITY ON EMPLOYEES’ SATISFACTION IN INDONESIA STATE EMPLOYMENT DEPARTMENT Novanto, Adhitiro; Siregar, Tety Elida; Hidayat, Taufik
Jurnal Ilmiah Informatika Komputer Vol 24, No 3 (2019)
Publisher : Universitas Gunadarma

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (841.552 KB) | DOI: 10.35760/ik.2019.v24i3.2278

Abstract

The State Employment Department (BKN) had applied information technology in employee data management since 2011. However, flaws were found in the system, such as occurrence of inaccurate data and complicated navigation. This study was aimed at analyzing the satisfaction of BKN staffs in using DMS web. Web quality was assessed using 3 dimensions: usability, information quality and service information quality. These 3 dimensions were then associated with the satisfaction of BKN staffs as the users. Data was collected through questionnaires to 206 staffs with authorized accesses to the web. The results showed that the quality of three dimensions of the web influenced users’ satisfaction.
KLASIFIKASI CITRA GENUS PANTHERA MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK (CNN) Anwar, Gusti Alfahmi; Riminarsih, Desti
Jurnal Ilmiah Informatika Komputer Vol 24, No 3 (2019)
Publisher : Universitas Gunadarma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35760/ik.2019.v24i3.2364

Abstract

Panthera merupakan genus dari keluarga kucing yang memiliki empat spesies popular yaitu, harimau, jaguar, macan tutul, singa. Singa memiliki warna keemasan dan tidak memilki motif, harimau memiliki motif loreng dengan garis-garis panjang,  jaguar memiliki tubuh yang lebih besar dari pada macan tutul serta memiliki motif tutul yang lebih lebar, sedangkan macan tutul memiliki tubuh yang sedikit lebih ramping dari pada jaguar dan memiliki tutul yang tidak terlalu lebar. Pada penelitian ini dilakukan klasifikasi genus panther yaitu harimau, jaguar, macan tutul, dan singa menggunakan metode Convolutional Neural Network. Model Convolutional Neural Network yang digunakan memiliki 1 input layer, 5 convolution layer, dan 2 fully connected layer. Dataset yang digunakan berupa citra harimau, jaguar, macan tutul, dan singa. Data training terdiri dari  3840 citra, data validasi sebanyak 960 citra, dan data testing sebanyak 800 citra. Hasil akurasi dari pelatihan model untuk training yaitu 92,31% dan validasi yaitu 81,88%, pengujian model menggunakan dataset testing mendapatan hasil 68%. Hasil akurasi prediksi didapatkan dari nilai F1-Score pada pengujian didapatkan sebesar 78% untuk harimau, 70% untuk jaguar, 37% untuk macan tutul, 74% untuk singa. Macan tutul mendapatkan akurasi terendah dibandingkan 3 hewan lainnya tetapi lebih baik dibandingkan hasil penelitian sebelumnya.
ALAT PENDETEKSI PELANGGARAN GARIS HENTI KENDARAAN PADA PERSIMPANGAN LALU LINTAS SATU ARAH MENGGUNAKAN SENSOR LASER BERBASIS ARDUINO MEGA 2560 Kurniawan, Rudi; Kristianti, Veronica Ernita; Situmeang, Alona
Jurnal Ilmiah Informatika Komputer Vol 24, No 3 (2019)
Publisher : Universitas Gunadarma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35760/ik.2019.v24i3.2359

Abstract

Perancangan alat pendeteksi pelanggaran garis henti kendaraan pada persimpangan lalu lintas satu arah menggunakan sensor laser berbasis Arduino Mega 2560. Software yang digunakan untuk memberi perintah Arduino Mega 2560 terhadap seluruh kerja alat adalah Arduino IDE. Sensor laser digunakan sebagai pendeteksi kendaraan yang melewati garis henti kendaraan dan dihubungkan ke input Arduino Mega 2560 untuk mengontrol 2 kondisi lampu lalu lintas, disetiap kondisi lampu lalu lintas terdapat beberapa output yang terdiri dari LCD 16 x 2 yang berfungsi menampilkan “Pelanggaran”, buzzer sebagai bunyi peringatan pelanggaran, dan sepasang solenoid valve yang berfungsi menyemprotkan air ke arah jalan saat kendaraan melewati garis henti kendaraan di area lampu lalu lintas. Pengujian alat dilakukan terhadap kinerja komponen dan reaksi terhadap kondisi yang telah diberikan, antara lain tegangan input Arduino Mega 2560, tegangan pada sensor laser, lampu lalu lintas LCD, buzzer dan solenoid valve, mengukur waktu aktif buzzer dan solenoid valve saat terjadi pelanggaran lalu lintas, serta menguji delay respon sensor laser ketika mendeteksi kendaraan yang melewati garis henti kendaraan, serta menguji tegangan pada komponen output yang terdiri dari sensor laser, buzzer, dan solenoid valve ketika terjadi pelanggaran dengan kondisi lampu merah menyala di kedua area lampu lalu lintas.
PEMBUATAN APLIKASI KLASIFIKASI CITRA DAUN MENGGUNAKAN RUANG WARNA RGB DAN HSV Sanusi, Haura; H. S., Suryadi; Susetianingtias, Diana Tri
Jurnal Ilmiah Informatika Komputer Vol 24, No 3 (2019)
Publisher : Universitas Gunadarma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35760/ik.2019.v24i3.2323

Abstract

Bagi orang awam, mengetahui tumbuhan berdasarkan warna daun tentu tidak mudah, mengingat semua warna daun relatif sama yaitu warna hijau, sehingga akan sulit juga untuk mengetahui manfaat dari tumbuhan tersebut. Oleh karena itu dibutuhkan sebuah sistem klasifikasi berdasarkan warna daun untuk mengetahui apa nama dan manfaat tumbuhan tersebut. Penelitian ini bertujuan untuk menghasilkan ekstraksi nilai red, green, blue, hue, saturation, dan value pada citra daun, menghasilkan klasifikasi citra daun berdasarkan hasil ekstraksi nilai RGB dan HSV, serta menghasilkan nilai akurasi hasil klasifikasi citra daun. Pada penelitian ini, peneliti akan melakukan klasifikasi terhadap daun berdasarkan warna daun. Peneliti menggunakan 200 buah citra dari 10 jenis daun. Klasifikasi daun berdasarkan warna dilakukan peneliti menggunakan ruang warna RGB dan HSV. Hasil klasifikasi citra daun memiliki rata-rata akurasi yang tinggi yaitu 90,08%.
IMPLEMENTASI ALGORITMA K-MEANS CLUSTERING PADA ANALISIS SENTIMEN KELUHAN PENGGUNA INDOSAT Saputra, Try Iryanto; Arianty, Rini
Jurnal Ilmiah Informatika Komputer Vol 24, No 3 (2019)
Publisher : Universitas Gunadarma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35760/ik.2019.v24i3.2361

Abstract

Penyampaian keluhan konsumen lewat akun media sosial seperti Twitter dimaksudkan agar masalah yang dihadapi konsumen dapat diselesaikan dengan cepat. Pada penelitian ini, akan dilakukan analisis sentimen terhadap konsumen pengguna provider Indosat, menggunakan data tweet sejumlah 300 data acak yang di kumpulkan dari bulan desember 2018 hingga bulan april 2019. Data yang dianalisis adalah kalimat berbahasa Indonesia. Preprocessing pada penelitian ini terdiri dari beberapa tahapan proses antara lain tokenizing, filtering, stop word, dan stemming. Analisis dilakukan menggunakan metode K-Means Clustering. Penelitian ini berhasil menampilkan kelompok dari anggota masing-masing cluster yang berbentuk wordcloud ke dalam 3 buah wordcloud berbeda, pada wordcloud cluster 0 anggotanya berbicara tentang jaringan Indosat yang parah, pada wordcloud cluster 1 anggotanya berbicara tentang permintaan perbaikan jaringan sinyal Indosat, dan pada wordcloud cluster 2 anggotanya berbicara tentang jaringan sinyal parah Indosat pada daerah Bogor. Hasil penelitian ini diharapkan dapat menjadi masukan untuk provider dalam melihat keluhan yang masuk dari para konsumen mereka sehingga pihak provider dapat meningkatkan pelayanannya.
PENGENALAN OBJEK MAKANAN CEPAT SAJI PADA VIDEO DAN REAL TIME WEBCAM MENGGUNAKAN METODE YOU LOOK ONLY ONCE (YOLO) Karlina, Oktaviani Ella; Indarti, Dina
Jurnal Ilmiah Informatika Komputer Vol 24, No 3 (2019)
Publisher : Universitas Gunadarma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35760/ik.2019.v24i3.2362

Abstract

Makanan cepat saji banyak diminati masyarakat di Indonesia saat ini. Makanan cepat saji mengandung lemak dan kalori yang tinggi tetapi kurang mengandung gizi yang sangat dibutuhkan tubuh sehingga dapat menimbulkan berbagai penyakit. Salah satu cara untuk mengontrol konsumsi makanan cepat saji yaitu penggunaan metode pengenalan objek makanan cepat saji dari video dan real time webcam. Metode yang dapat digunakan untuk pengenalan objek pada citra makanan cepat saji adalah deep learning. You Look Only Once (YOLO) merupakan salah satu model deep learning yang dapat digunakan untuk pengenalan objek. Penelitian ini bertujuan untuk pengenalan objek pada citra makanan cepat saji menggunakan YOLO. Penelitian ini terdiri dari beberapa tahap yaitu pengumpulan data, pra-proses data, konfigurasi jaringan YOLO, pelatihan model YOLO dan pengujian. Jumlah data citra yang digunakan dalam pelatihan yaitu 468 citra yang terdiri dari tiga jenis makanan cepat saji. Nilai avg loss pada model akhir yang dibangun dengan YOLO yaitu 4.6% dan nilai validasi mAP 100%. Berdasarkan hasil pengujian yang dilakukan menggunakan video dan real time webcam, objek pada citra makanan cepat saji berhasil dikenali dengan akurasi 63% sampai 100%.
DETEKSI SIMILARITAS DOKUMEN ILMIAH MENGGUNAKAN ALGORITMA RABIN-KARP Hermas Yuda Pamungkas; Fitrianingsih Fitrianingsih
Jurnal Ilmiah Informatika Komputer Vol 24, No 3 (2019)
Publisher : Universitas Gunadarma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35760/ik.2019.v24i3.2363

Abstract

Karya ilmiah adalah salah satu hak kekayaan atas intelektual seseorang. Dalam menulis karya ilmiah tentu memiliki tantangan tertentu agar tulisan tersebut merupakan tulisan yang orisinil dan tidak menjiplak secara langsung terhadap karya tulisan orang lain. Di jaman yang serba modern ini sumber daya tulisan mudah didapatkan dimana saja melalui internet. Kemudahan tersebut membuat seseorang dapat melakukan plagiarisme dari sumber tulisan lain dengan melakukan copy-paste pada penulisannya tanpa mengubah struktur kalimat dan mencantumkan sumber tulisan tersebut. Pada penelitian ini akan mengimplementasikan algoritma Rabin – Karp dalam melakukan pendeteksian similaritas suatu dokumen artikel ilmiah dengan dokumen lainnya.Tahapan dari penelitian ini terdiri dari pemisahan baris kalimat, querying google search, preprocessing, yang terdiri dari proses tokenizing, filtering, dan stemming, k-gram, hasing, perhitungan kemiripan kalimat,dan perhitungan kemiripan dokumen input. Dokumen yang dibandingkan adalah kalimat per kalimat pada dokumen input dengan hasil pencarian kalimat tersebut pada google search. Perbandingan tersebut dengan cara membandingkan total hash dari kalimat query dengan hash hasil pencarian kalimat tersebut sehingga dihasilkan similaritas kalimat tersebut yang nantinya diakumulasikan menjadi similaritas dokumen input tersebut. Hasil penelitian ini diharapkan dapat mendeteksi plagiarisme pada sebuah dokumen.

Page 1 of 1 | Total Record : 7

 1 

Filter by Year

2019 2020


Reset
Filter By Issues
All Issue Vol 30, No 2 (2025) Vol 30, No 1 (2025) Vol 29, No 3 (2024) Vol 29, No 2 (2024) Vol 29, No 1 (2024) Vol 28, No 3 (2023) Vol 28, No 2 (2023) Vol 28, No 1 (2023) Vol 27, No 3 (2022) Vol 27, No 2 (2022) Vol 27, No 1 (2022) Vol 26, No 3 (2021) Vol 26, No 2 (2021) Vol 26, No 1 (2021) Vol 25, No 3 (2020) Vol 25, No 2 (2020) Vol 25, No 1 (2020) Vol 24, No 2 (2019) Vol 24, No 3 (2019) Vol 24, No 1 (2019) Vol 23, No 3 (2018) Vol 23, No 2 (2018) Vol 23, No 1 (2018) Vol 22, No 3 (2017) Vol 22, No 2 (2017) Vol 22, No 1 (2017) Vol 21, No 3 (2016) Vol 21, No 2 (2016) Vol 21, No 1 (2016) Vol 20, No 2 (2015) Vol 20, No 1 (2015) Vol 19, No 3 (2014) Vol 14, No 2 (2009) Vol 14, No 1 (2009) Vol 13, No 3 (2008) Vol 13, No 1 (2008) Vol 12, No 3 (2007) Vol 12, No 1 (2007) Vol 11, No 3 (2006) Vol 11, No 2 (2006) Vol 11, No 1 (2006) More Issue