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 11 Documents
 1   2 
Search results for , issue "Vol 30, No 1 (2025)" : 11 Documents clear
TESTING APLIKASI SIAKAD DI PERGURUAN TINGGI XYZ DENGAN PENDEKATAN EXPLORATORY TESTING DAN BLACK BOX TESTING Joko Purwanto; Adlan Nugroho; Muhammad Abdul Muin
Jurnal Ilmiah Informatika Komputer Vol 30, No 1 (2025)
Publisher : Universitas Gunadarma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35760/ik.2025.v30i1.12971

Abstract

Sistem Informasi Akademik (SIAKAD) di Perguruan Tinggi XYZ mempunyai peran penting dalam mendukung kegiatan akademik. Namun, sistem ini belum memiliki dokumentasi pelaporan pengujian yang memadai, yang dapat mempengaruhi kualitas dan keandalan layanan. Penelitian ini bertujuan untuk mengevaluasi kualitas SIAKAD menggunakan pendekatan exploratory testing dan black box testing serta menghasilkan laporan hasil yang terstruktur. Laporan yang disusun mencakup hasil pengujian tiap modul, skenario pengujian, tingkat keberhasilan dan kegagalan, serta rekomendasi perbaikan sistem. Exploratory testing diterapkan untuk mengidentifikasi skenario pengujian tanpa memerlukan dokumentasi rinci, sementara black box testing digunakan untuk menguji fungsionalitas berdasarkan spesifikasi tanpa melihat source code. Hasil pengujian melibatkan 318 kasus uji pada 11 modul, dengan tingkat keberhasilan 77,36% dan kegagalan 22,64%. Fitur inti seperti Login , tahun ajaran, paralel, dan absensi diuji secara komprehensif. Studi ini memberikan rekomendasi untuk memperbaiki validasi Input dan penguatan proses bisnis guna meningkatkan keandalan sistem.
SISTEM PENGONTROLAN NUTRISI HIDROPONIK UNTUK TANAMAN MENTIMUN BERBASIS LOGIKA FUZZY DAN IOT Nunu Nugraha; Panji Novantara
Jurnal Ilmiah Informatika Komputer Vol 30, No 1 (2025)
Publisher : Universitas Gunadarma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35760/ik.2025.v30i1.13855

Abstract

Hidroponik telah menjadi metode pertanian yang semakin populer karena kemampuannya untuk menghasilkan tanaman dengan efisiensi penggunaan lahan dan air yang lebih baik. Namun, pengelolaan nutrisi dalam sistem hidroponik sering kali menjadi tantangan, karena membutuhkan pemantauan dan pengendalian yang akurat untuk memastikan pertumbuhan tanaman yang optimal. Penelitian ini mengembangkan sistem pengontrolan nutrisi hidroponik berbasis logika fuzzy dan Internet of Things (IoT) untuk meningkatkan efisiensi pemberian nutrisi dalam budidaya hidroponik. Sistem ini menggunakan metode Nutrient Film Technique (NFT) dengan mikrokontroler Arduino dan NodeMCU ESP32 yang terhubung dengan sensor TDS, DS18B20, dan sensor ultrasonik. Input sistem terdiri dari nilai nutrisi dan ketinggian air dalam tandon, sementara outputnya mengontrol durasi operasi pompa nutrisi dan air. Data sensor diproses dan dikirim ke penyimpanan cloud melalui ESP32, memungkinkan pemantauan real-time melalui aplikasi Android. Hasil pengujian menunjukkan efektivitas sistem dalam menjaga tingkat nutrisi optimal selama fase pertumbuhan awal tanaman. Sensor TDS memiliki akurasi 98,19%, sementara sensor ultrasonik mencapai akurasi 98,78%. Implementasi IoT memungkinkan pemantauan jarak jauh dan pengambilan keputusan berbasis data secara real-time. Dengan sistem otomatis ini, petani dapat mengoptimalkan produksi tanpa perlu pemantauan manual yang intensif. Teknologi ini memberikan solusi inovatif dalam pertanian presisi, meningkatkan efisiensi sumber daya, serta mendukung keberlanjutan dan produktivitas tanaman hidroponik.
ANALISIS KOMPARASI LINEAR REGRESSION DAN POLYNOMIAL REGRESSION UNTUK PREDIKSI HARGA SAHAM Ni Wayan Sumartini Saraswati; I Wayan Dharma Suryawan; I Made Andi Kertha Yasa
Jurnal Ilmiah Informatika Komputer Vol 30, No 1 (2025)
Publisher : Universitas Gunadarma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35760/ik.2025.v30i1.14070

Abstract

Investasi memegang peranan penting dalam melawan inflasi dan mendorong pertumbuhan ekonomi. Di antara berbagai instrumen investasi, saham menawarkan potensi keuntungan yang tinggi, tetapi memerlukan analisis yang cermat untuk meminimalkan risiko dan memaksimalkan keuntungan. Penelitian ini berfokus pada prediksi harga penutupan yang disesuaikan (Adj Close) dari saham PT Mitra Energi Persada Tbk (KOPI.JK), sebuah perusahaan energi yang terdaftar di Bursa Efek Indonesia (BEI), menggunakan teknik regresi machine learning, karena data historis yang mengalami fluktuasi signifikan. Dengan membandingkan Linear Regression dan Polynomial Regression yang dilengkapi dengan pengoptimalan regularisasi Ridge dan Least Absolute Shrinkage and Selection Operator (LASSO). Penelitian ini bertujuan untuk mengidentifikasi model yang paling efektif dalam memprediksi harga saham. Hasil analisis menunjukkan bahwa fitur Low dan High memiliki korelasi yang paling kuat dengan harga Adj Close, sementara Volume memiliki korelasi terendah. Polynomial Regression dengan degree=3 dan pengoptimalan regularisasi Ridge memberikan performa terbaik. Hasil evaluasi mencapai Mean Square Error (MSE) 122.9618, Root Mean Squared Error (RMSE) 11.0888, dan R-squared (R²) 0.9883. Pada pengoptimalan model menggunakan LASSO cenderung mengurangi relevansi fitur sehingga memberikan performa yang lebih buruk
PERANCANGAN USER INTERFACE (UI) DAN USER EXPERIENCE (UX) UNTUK MENINGKATKAN AKSESIBILITAS DAN PENGEMBANGAN UMKM DI SOLO RAYA Risma Meike Eko Wati; Sri Siswanti
Jurnal Ilmiah Informatika Komputer Vol 30, No 1 (2025)
Publisher : Universitas Gunadarma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35760/ik.2025.v30i1.14275

Abstract

Rumah BUMN Solo is a center for empowering MSMEs that focuses on developing business actors through training and digital product promotion. However, the management of information and digital services is still not optimal. overcome this problem. The aim of this research is to design the Rumah BUMN Solo website and mobile site for MSMEs in Greater Solo by identifying user needs using a design thinking approach and finding solutions by designing an effective user interface (UI) and user experience (UX). The design thinking approach is applied through five stages: empathize, define, ideate, prototype, and test in order to explore problems and understand users and produce creative solutions. The research results are a UI/UX-based website. prototype designed to make it easier for MSMEs to access services such as training registration, uploading products, downloading certificates, and booking working space. Evaluation was carried out using the System Usability Scale (SUS) and User Experience Questionnaire (UEQ) methods. Testing results show a good level of usability with an SUS score of 75 for administrators and 82.9 for MSMEs. Apart from that, all aspects of UEQ are considered to be in the excellent category, based on the evaluations given by respondents.
IMPLEMENTASI SISTEM PEMINJAMAN RUANG BERBASIS WEB UNTUK EFISIENSI MANAJEMEN DENGAN EVALUASI PIECES Rachmawati Rachmawati; Ricky Asrul Sani; Maulidiya Meilani; Fadhilah Mileanasari; Darmawan Darmawan
Jurnal Ilmiah Informatika Komputer Vol 30, No 1 (2025)
Publisher : Universitas Gunadarma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35760/ik.2025.v30i1.14139

Abstract

Proses peminjaman ruang di institusi Pendidikan sering menghadapi berbagai kendala seperti kesulitan penjadwalan, bentrokan penggunaan ruang, serta ketidakefisienan dalam pencatatan manual. Oleh karena itu, tujuan penelitian ini adalah untuk mengembangkan Sistem Informasi Manajemen (SIM) peminjaman ruang berbasis web yang dapat mengelola proses peminjaman ruang agar lebih efektif dan efisien. Pengembangan sistem menggunakan bahasa pemrograman PHP dengan Bootstrap 5 sebagai framework untuk memastikan tampilan yang responsif dan mudah digunakan. Proses pengembangan mengikuti tahapan analisis kebutuhan, desain sistem, implementasi, serta proses pengujian dan evaluasi. Evaluasi dilakukan dengan metode PIECES (Performance, Information, Economy, Control, Efficiency, dan Service) menggunakan kuesioner kepada 12 responden dari kalangan dosen, mahasiswa, dan admin. Hasil evaluasi menunjukkan bahwa seluruh aspek PIECES berada pada kategori sangat puas, dengan nilai tertinggi pada aspek informasi (3,50) dan ekonomi (3,56). Sistem dinilai berhasil meningkatkan efisiensi, mempercepat pencatatan, dan mempermudah akses informasi ruang secara real-time. Temuan juga mengindikasikan perlunya peningkatan performa saat trafik tinggi, optimalisasi tampilan mobile, dan penambahan panduan penggunaan. Sistem ini telah berhasil memenuhi tujuan penelitian, yakni menyediakan solusi yang efisien, ekonomis, dan mudah diakses untuk pengelolaan ruang khususnya di FSAD ITS.
KLASIFIKASI HAMA SERANGGA BERBASIS CNN DENGAN PENDEKATAN TRANSFER LEARNING MOBILENETV2 Alysia Naifah Aileen; Antonius Angga Kurniawan; Mutiara Romana Kusuma
Jurnal Ilmiah Informatika Komputer Vol 30, No 1 (2025)
Publisher : Universitas Gunadarma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35760/ik.2025.v30i1.14302

Abstract

Hama serangga merupakan salah satu ancaman utama bagi sektor pertanian, yang dapat menurunkan produktivitas dan menyebabkan kerugian ekonomi signifikan. Identifikasi manual jenis hama memerlukan keahlian khusus dan memakan waktu, sehingga dibutuhkan solusi otomatis berbasis teknologi. Penelitian ini mengembangkan sistem klasifikasi hama serangga menggunakan transfer learning dengan arsitektur MobileNetV2. Tahapan penelitian mencakup pra-pemrosesan data, pembagian dataset, augmentasi, pelatihan model, evaluasi, dan integrasi ke dalam aplikasi web. Dataset dibagi menjadi subset pelatihan, validasi, dan pengujian. Augmentasi data dilakukan melalui rescale, rotasi, pergeseran, sudut kemiringan, horizontal flip, dan zoom untuk meningkatkan variasi data. Dua model diuji: model pertama (40 epoch, augmentasi intensif) menerapkan transformasi data secara agresif—seperti rotasi besar dan zoom tinggi—sehingga menyebabkan overfitting (akurasi pelatihan 90,25%, validasi 68,29%). Sebaliknya, model kedua (50 epoch, augmentasi moderat) menggunakan transformasi yang lebih realistis dan terbatas, menghasilkan performa lebih stabil (akurasi pelatihan 94,88%, validasi 89,84%). Evaluasi menggunakan confusion matrix dan classification report menunjukkan model kedua lebih andal dalam mengklasifikasikan berbagai jenis hama. Model terbaik disimpan dalam format HDF5 dan digunakan dalam aplikasi web untuk klasifikasi otomatis berbasis gambar. Temuan ini menekankan pentingnya konfigurasi augmentasi dan jumlah epoch yang optimal dalam menghindari overfitting dan meningkatkan akurasi model klasifikasi citra.
COMPARISON OF SENTIMENT CLASSIFICATION MODELS AT SULTAN HASANUDDIN AIRPORT IN MAKASSAR Muhammad Farhan Hermansyah; Dolly Indra; Ramdaniah Ramdaniah
Jurnal Ilmiah Informatika Komputer Vol 30, No 1 (2025)
Publisher : Universitas Gunadarma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35760/ik.2025.v30i1.14125

Abstract

Analisis sentimen menggunakan machine learning penting untuk memahami persepsi publik terhadap layanan bandara. Renovasi Bandara Sultan Hasanuddin Makassar bertujuan meningkatkan kapasitas dan kenyamanan, namun tanggapan masyarakat terkait perubahan ini beragam. Penelitian ini membandingkan efektivitas tiga algoritma machine learning—Naive Bayes Multinomial, Support Vector Machine (SVM), dan Random Forest—dalam menganalisis sentimen ulasan pengguna terkait renovasi Bandara Sultan Hasanuddin di Makassar. Penelitian ini juga menerapkan teknik pemisahan data dan preprocessing teks menggunakan Google Colab dengan pemrograman berbasis Python, termasuk pembersihan data, stemming dengan Sastrawi, penghilangan stopword, dan ekstraksi fitur menggunakan metode TF-IDF dengan Unigram dan Bigram. Untuk mengatasi ketidakseimbangan kelas pada dataset, diterapkan teknik SMOTE. Data ulasan yang digunakan diambil dari Google Maps selama satu tahun terakhir. Hasil penelitian menunjukkan bahwa SVM dengan kernel linear memberikan performa terbaik dengan F1-score 92,3%, diikuti oleh Naive Bayes 83,7% dan Random Forest 81,9%. Unigram lebih efektif dibandingkan Bigram dalam ekstraksi fitur, dan SMOTE meningkatkan kinerja Naive Bayes pada dataset yang tidak seimbang, namun tidak berpengaruh signifikan pada SVM. Temuan ini memberikan rekomendasi untuk peningkatan layanan di Bandara Sultan Hasanuddin, seperti fasilitas kebersihan dan kenyamanan ruang tunggu.
Front Matter Jurnal Ilmiah Informatika Komputer Vol. 30 No. 1, April 2025 Editorial Jurnal Ilmiah Informatika Komputer
Jurnal Ilmiah Informatika Komputer Vol 30, No 1 (2025)
Publisher : Universitas Gunadarma

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

PERBANDINGAN KLASIFIKASI KERUSAKAN JALAN MODEL CNN VGG19 DAN RESNET50 Revanza Raditya Putra Yanni; Iffatul Mardhiyah; Dyah Cita Irawati; Rifki Kosasih; Dyan Prawita Sari
Jurnal Ilmiah Informatika Komputer Vol 30, No 1 (2025)
Publisher : Universitas Gunadarma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35760/ik.2025.v30i1.14230

Abstract

Masalah kerusakan jalan pada jalan utama adalah salah satu gangguan saat berkendara dan dapat menyebabkan kecelakaan. Identifikasi kerusakan jalan masih dilakukan secara manual oleh pemerintah daerah dengan penyisiran jalan. Penggunaan teknologi kecerdasan buatan untuk identifikasi kerusakan jalan, sangat diperlukan. Algoritma CNN dapat melakukan identifikasi dan klasifikasi kerusakan jalan. Beberapa arsitektur pada CNN yang sering digunakan untuk klasifikasi diantaranya VGG19 dan ResNet50. Penelitian ini bertujuan untuk mengetahui perbandingan klasifikasi antara VGG19 dan ResNet50 pada kerusakan jalan. Perbandingan dilakukan dengan membedakan jumlah epochnya untuk setiap arsitektur. Jumlah dataset yang digunakan sebanyak 1656 citra. Model yang dibentuk bertujuan mengklasifikasikan kerusakan jalan menjadi tiga klasifikasi yaitu, kerusakan_besar, kerusakan_sedang, dan kerusakan_kecil. Jumlah epoch yang digunakan pada model adalah sebesar 10, 50, dan 100. Hasil dari penelitian arsitektur VGG19 dengan epoch 10 mendapatkan akurasi sebesar 79%, epoch 50 sebesar 73%, dan epoch 100 sebesar 76%. Arsitektur ResNet50 memperoleh hasil akurasi sebesar 75% dengan epoch 10, untuk epoch 50 sebesar 78%, dan epoch 100 sebesar 79%. Kesimpulan penelitian perbandingan klasifikasi kerusakan jalan, VGG19 dapat mengklasifikasikan lebih baik jika proses pelatihan yang lebih sederhana, sedangkan ResNet50 dapat melakukan klasifikasi lebih baik jika proses pelatihan yang lebih kompleks.
TINJAUAN LITERATUR SISTEMATIS PENDEKATAN DEEP LEARNING UNTUK DETEKSI DAN PERHITUNGAN POHON KELAPA SAWIT Raden Gafur Wijayanto; Reza Fauzi; Anton Satria Prabuwono
Jurnal Ilmiah Informatika Komputer Vol 30, No 1 (2025)
Publisher : Universitas Gunadarma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35760/ik.2025.v30i1.14007

Abstract

Kelapa sawit merupakan komoditas utama dalam industri perkebunan yang membutuhkan manajemen efektif, terutama dalam pendeteksian dan penghitungan pohon guna meningkatkan produktivitas dan efisiensi operasional. Pendekatan manual memiliki keterbatasan dalam akurasi dan efisiensi, sehingga deep learning menjadi solusi yang menjanjikan. Penelitian ini menerapkan metode Systematic Literature Review (SLR) untuk mengidentifikasi teknik terbaru dalam deteksi dan penghitungan pohon kelapa sawit menggunakan citra penginderaan jauh. Dari 15 artikel yang dianalisis (2019–2024), berbagai metode ditemukan, termasuk Multi-level Attention Domain Adaptation Network (MADAN), Multi-class Oil Palm Detection Approach (MOPAD), YOLO, CNN, ANN, dan ResNet, dengan sumber data dari Google Earth, citra satelit, serta UAV. YOLOv4 mencatat F1-Score tertinggi 97,74%, sedangkan ANN mencapai akurasi 98,29%. Pemanfaatan UAV terbukti meningkatkan akurasi deteksi dibandingkan citra satelit. Tantangan utama meliputi kebutuhan dataset berkualitas tinggi, variabilitas kondisi lingkungan, serta integrasi ke dalam sistem manajemen perkebunan. Studi ini menyimpulkan bahwa deep learning efektif dalam otomatisasi deteksi dan penghitungan pohon kelapa sawit, namun optimalisasi model dan pengembangan teknik baru masih diperlukan untuk meningkatkan akurasi serta penerapan dalam skala industri guna mendukung pertanian presisi dan keberlanjutan sektor perkebunan

Page 1 of 2 | Total Record : 11

 1   2 

Filter by Year

2025 2025


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