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 26, No 2 (2021)" : 7 Documents clear
PENGELOMPOKAN WILAYAH PENYEBARAN COVID-19 DI KABUPATEN KARAWANG MENGGUNAKAN ALGORITMA K-MEANS Alfianti, Zulia Imami
Jurnal Ilmiah Informatika Komputer Vol 26, No 2 (2021)
Publisher : Universitas Gunadarma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35760/ik.2021.v26i2.4155

Abstract

Virus Covid-19 merupakan keluarga besar coronavirus yang dapat menyerang hewan. Covid-19 merupakan penyakit menular yang ditandai oleh gejala pada bagian pernapasan akut (coronavirus 2 (severe acute respiratory syndrome coronavirus 2) atau SARS-CoV-2). Virus ini menyerang penduduk di Wuhan China sejak Desember 2019 Penularan virus ini terjadi jika adanya kontak langsung antar manusia.  Sejak Februari 2020 penyebaran virus covid-19 mulai terjadi di berbagai wilayah di Indonesia dan semakin meningkat setiap harinya. Pada penelitian ini akan dilakukan pengklusteran wilayah penyebaran covid-19 di kabupaten kawarang. Pengklusteran dilakukan menggunakan metode k-means dengan membagi data kecamatan di kabupaten karawang menjadi tiga cluster yaitu kluster wilayah penyebaran rendah, kluster wilayah penyebaran, sedang, dan wilayah penyebaran tinggi. Hasil dari penelitian ini yaitu terdapat 50% persen wilayah yang tingka penyebarannya rendah, 33,3% persen wilayah yang tingkat penyebarannya sedang, dan 16,7% persen wilayah yang tingkat penyebarannya tinggi.
PEMBUATAN PROTOTYPE SMART HOME MENGGUNAKAN NODEMCU ESP8266 V3 DAN CHAT BOT PADA SMARTPHONE ANDROID Sindhu, Renaldi Dewangga; Sari, Ilmiyati; Lestari, Dewi Putrie
Jurnal Ilmiah Informatika Komputer Vol 26, No 2 (2021)
Publisher : Universitas Gunadarma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35760/ik.2021.v26i2.4157

Abstract

Internet of things adalah sebuah gagasan untuk membuat semua benda di dunia nyata dapat berkomunikasi satu sama lain sebagai bagian dari satu kesatuan sistem terpadu menggunakan jaringan internet sebagai penghubung. Pemanfaatan internet of things dapat digunakan untuk mengendalikan alat elektronik seperti pada pembuatan smart home. Smart home memadukan teknologi informasi dan teknologi komputasi yang diterapkan di dalam rumah ataupun bangunan yang dihuni oleh manusia dengan mengandalkan efisiensi, otomatisasi perangkat, kenyamanan, keamanan, dan penghematan perangkat elektronik rumah. Smart home yang dibuat dalam penelitian ini hanya dapat mengontrol lampu dan kipas angin dari jarak jauh serta dapat mengetahui status ketinggian air di rumah melalui smartphone. Tahap pembuatan aplikasi dimulai dari skema diagram rancangan aplikasi, flowchart, use case diagram smart home, rancangan rangkaian smart home, pembuatan chat bot, dan pengujian. Pembuatan smart home menggunakan NodeMCU ESP8266 V3 dan aplikasi chat bot pada smartphone Android. Setelah dilakukan uji coba, pengontrolan lampu dan kipas angin dari jarak jauh berhasil dilakukan dengan menggunakan smartphone berbasis Android yang terhubung ke internet. Selain itu, status ketinggian air dalam rumahpun dapat diketahui penghuni dimanapun berada
IMPLEMENTASI FEISTEL BLOCK CIPHER DALAM ENKRIPSI FILE BERBENTUK TEKS Sutanty, Ety; Siregar, Meilani B.; Setiyaningsih, Esti
Jurnal Ilmiah Informatika Komputer Vol 26, No 2 (2021)
Publisher : Universitas Gunadarma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35760/ik.2021.v26i2.4238

Abstract

Salah satu cara mengamankan file digital yang dikirimkan melalui jaringan komputer adalah kriptografi. Kriptografi melakukan pengamanan terhadap file digital yang dikirimkan dengan melakukan pengacakan informasi asli (plaintext) menggunakan kunci (key). Pada penelitian ini akan diimplementasikan salah satu metode dalam melakukan enkripsi terhadap file berbentuk Teks (txt, pdf, docx dan rtf) dengan maksimal input file digital berukuran 80 MB menggunakan Feistel Block Cipher dengan metode 3DES. Proses penyandian (enkripsi) algoritma DES diproses sebanyak 3 kali menggunakan 3 kunci dengan total kunci yang dibangkitkan menjadi 168 bit. Ketiga kunci yang digunakan dapat bersifat saling bebas, atau hanya 2 kunci saja yang saling bebas tergantung penggunaan yang dibutuhkan. Hasil pengujian menunjukkan ukuran file berpengaruh pada waktu yang dibutuhkan dalam proses enkripsi maupun dekripsi, selain itu proses yang berjalan pada sistem operasi juga mempengaruhi waktu pengenkripsian suatu file. Tabel hasil uji coba menunjukkan bahwa waktu yang dibutuhkan dalam proses enkripsi tidak jauh berbeda dengan waktu yang dibutuhkan dalam proses dekripsi pada file yang sama, yaitu memiliki selisih sebesar 0.03% dimana proses dekripsi lebih cepat daripada proses enkripsi.
IMPLEMENTASI ALGORITMA KLASIFIKASI SUPPORT VECTOR MACHINE UNTUK ANALISA SENTIMEN PENGGUNA TWITTER TERHADAP KEBIJAKAN PSBB Zuriel, Heart Parasian PR; Fahrurozi, Achmad
Jurnal Ilmiah Informatika Komputer Vol 26, No 2 (2021)
Publisher : Universitas Gunadarma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35760/ik.2021.v26i2.4289

Abstract

Pada saat ini penggunaan Twitter semakin luas. Pengguna twitter dapat dengan bebas untuk berpendapat dan membagikan sudut pandang mereka mengenai isu tren dunia. Hal ini membuat konten twitter menjadi beragam dan menarik untuk dianalisa, termasuk dengan tren kebijakan pemerintah yang ramai diperbincangkan di Indonesia. Munculnya pandemi Covid-19 ini membuat pemerintah mengeluarkan kebijakan yang bertujuan untuk menekan laju pertambahan orang yang terinfeksi virus. Kebijakan ini diberi nama Pembatasan Sosial Berskala Besar atau yang dikenal PSBB. Kebijakan ini pun hangat diperbincangkan di berbagai sosial media, tak terkecuali Twitter. Analisa sentimen dilakukan dengan menggunakan Support Vector Machine (SVM) sebagai algoritma klasifikasi pada data tweet yang berjumlah 22.335 data. Pelabelan data dalam penelitian ini dilakukan menggunakan metode Lexicon Based.  Pada penelitian ini terdapat 4 model SVM yang dibangun menggunakan 4 fungsi kernel yaitu kernel Linear, RBF, Polynomial dan Sigmoid. Hasil klasifikasi dari masing-masing model diukur performanya menggunakan k-fold cross validation. Berdasarkan perhitungan, diperoleh bahwa performa model klasifikasi SVM dengan kernel RBF merupakan yang terbaik dibanding kernel lainnya dalam kasus penelitian analisa sentimen ini. Nilai accuracy, precision, recall, dan f1-score-nya yang diperoleh model klasifikasi dengan kernel RBF secara berturut-turut adalah 95.94%, 94.41 %, 97.8%, dan 96.08%. Model klasifikasi dengan kernel RBF ini memberikan mengklasifikasikan 11.764 (52.7%) data tweet ke dalam kelas positif dan 10.571 (47.3%) data tweet ke dalam kelas negative. Hasil tersebut memberikan kesimpulan bahwa pengguna twitter cenderung bersentimen positif terhadap kebijakan PSBB.
EKSTRAKSI FITUR PEMBULUH DARAH CITRA FUNDUS RETINA MENGGUNAKAN FUZZY LOGIC Nilawati, Asyaroh Ramadona; Hidayat, Taufik
Jurnal Ilmiah Informatika Komputer Vol 26, No 2 (2021)
Publisher : Universitas Gunadarma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35760/ik.2021.v26i2.4304

Abstract

Ekstraksi pola pembuluh darah retina dapat dimanfaatkan dalam sistem biometrik sebagai otentikasi keamanan. Citra hasil ekstraksi pola pembuluh darah retina dapat dimasukkan ke dalam fitur untuk identifikasi sistem biometrik. Salah satu metode yang dapat dilakukan untuk melakukan segmentasi pembuluh darah retina adalah metode fuzzy logic. Pada penelitian ini, dilakukan ekstraksi pembuluh darah citra fundus retina menggunakan implementasi fuzzy logic. Peneliti menggunakan sejumlah 20 citra fundus yang diperoleh dari dataset DRIVE berformat .tif. Proses segmentasi dimulai dengan tahap preprocessing yang berisikan konversi citra menjadi grayscale, median filtering, perataan histogram CLAHE, dan eliminasi optic disc, kemudian dilanjutkan dengan pembuatan fuzzy inference system. Tahapan preprocessing yang digunakan merupakan hasil dari rangkaian uji coba peneliti dengan melihat hasil dari setiap uji coba yang dilakukan, sehingga mendapatkan citra yang menonjolkan fitur pembuluh darah dan menghilangkan noise atau fitur retina yang tidak diperlukan seperti optic disc. Uji coba segmentasi dilakukan pada Polyspace R2020a sebagai media untuk menjalankan program mulai dari preprocessing hingga segmentasi menggunakan fuzzy logic. Keluaran dari segmentasi ini berupa citra segmentasi hasil dari metode fuzzy logic dan crisp value. Metode fuzzy logic berhasil diterapkan untuk melakukan ekstraksi pembuluh darah retina dan menghasilkan crisp value. Hasil penelitian ini diharapkan dapat digunakan sebagai salah satu fitur sistem identifikasi biometrik retina.
ANALISIS PERAMALAN TINGKAT KEMISKINAN DI INDONESIA DENGAN MODEL ARIMA Prasetyono, Rinaldo Isnawan; Anggraini, Dyah
Jurnal Ilmiah Informatika Komputer Vol 26, No 2 (2021)
Publisher : Universitas Gunadarma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35760/ik.2021.v26i2.3699

Abstract

Kemiskinan di Indonesia merupakan masalah yang kompleks dan multidimensi, karena tingkat kemiskinan di suatu negara akan mempengaruhi indikator keberhasilan baik dari segi pembangunan maupun perekonomian negara tersebut. Berdasarkan permasalahan tersebut diperlukan sebuah prediksi untuk mengetahui tingkat kemiskinan di Indonesia baik wilayah Perkotaan, Pedesaan maupun secara Nasional. Pada penelitian kali ini, peneliti menggunakan sebuah model dari Box Jenkins yaitu Auto Regresive Moving Average (ARIMA) untuk memprediksi tingkat kemiskinan di Indonesia pada masa yang akan datang. Dataset kemiskinan yang digunakan bersumber dari Badan Pusat Statistik (BPS) dengan data pengujian dari tahun 2011 hingga tahun 2020. Peneliti akan menggunakan 3 parameter error untuk mengevaluasi hasil tingkat kemiskinan di Perkotaan, Pedesaan maupun secara Nasional yaitu RMSE, MAE dan MAPE. Berdasarkan pengujian yang dilakukan bahwa dataset perkotaan menghasilkan model ARIMA(2,2,5) sebagai model ARIMA terbaik dengan RMSE=1.246582, MAE=0.923255 dan MAPE=12%, untuk dataset pedesaan menghasilkan model ARIMA(1,2,1) sebagai yang terbaik dengan RMSE=0.392650, MAE=0.311529 dan MAPE=2%. Sedangkan untuk dataset secara nasional menghasilkan model ARIMA(0,2,5) sebagai yang terbaik dengan RMSE=2.533166, MAE=2.090505 dan MAPE=20%. Dari 3 pengujian tersebut disimpulkan bahwa model ARIMA berhasil memprediksi tingkat kemiskinan di Indonesia baik wilayah Perkotaan, Pedesaan maupun secara Nasional dengan hasil baik.
KLASIFIKASI TUMOR JINAK DAN TUMOR GANAS PADA CITRA MAMMOGRAM MENGGUNAKAN GRAY LEVEL CO-OCCURRENCE MATRIX (GLCM) DAN SUPPORT VECTOR MACHINE (SVM) Wisudawati, Lulu Mawaddah
Jurnal Ilmiah Informatika Komputer Vol 26, No 2 (2021)
Publisher : Universitas Gunadarma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35760/ik.2021.v26i2.4897

Abstract

Kanker payudara merupakan penyebab utama kematian pada wanita. Data Global Cancer Observatory 2018 dari World Health Organization (WHO, 2020) menunjukkan kasus kanker yang paling banyak terjadi di Indonesia adalah kanker payudara, yakni 58.256 kasus atau 16.7% dari total 348.809 kasus kanker. Mamografi merupakan teknik yang paling umum digunakan dalam mendeteksi tumor payudara menggunakan sistem sinar-X dosis rendah. Ada beberapa tipe abnormalitas dalam citra mammogram, yaitu mikrokalsifikasi dan massa. Penelitian ini bertujuan untuk meningkatkan performa sistem Computer-Aided Diagnosis (CAD) dalam mengklasifikasi tumor jinak dan tumor ganas dengan mengembangkan metode ekstraksi fitur menggunakan Gray Level Co-Occurrence Matrix (GLCM) dan metode klasifikasi menggunakan Support Vector Machine (SVM). Uji coba dilakukan dengan menggunakan database DDSM dengan 256 citra abnormal (95 tumor jinak dan 161 tumor ganas) menghasilkan nilai akurasi sebesar 83.59% dengan nilai sensitivitas dan spesifisitas 87.58% dan 76.84%. Selain itu, didapatkan nilai AUC sebesar 0.98%. Metode tersebut menunjukkan bahwa sistem memberikan hasil performa yang baik dalam mengklasifikasi tumor jinak dan tumor ganas.

Page 1 of 1 | Total Record : 7

 1 

Filter by Year

2021 2021


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