cover
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,
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.
Articles 288 Documents
IMPLEMENTASI ALGORITMA C4.5 UNTUK KLASIFIKASI PENYAKIT INFEKSI SALURAN KEMIH BERBASIS WEB Hasani, Muhammad Fikri; Sutikno, Sutikno
Jurnal Ilmiah Informatika Komputer Vol 26, No 3 (2021)
Publisher : Universitas Gunadarma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35760/ik.2021.v26i3.4710

Abstract

Infeksi saluran kemih merupakan penyakit sistem saluran kemih yang disebabkan oleh bakteri, dengan 90-100 kasus per 100.000 penduduk pertahun. Infeksi saluran kemih terdiri dari infeksi saluran kemih bawah atau cystitis dan infeksi saluran kemih atas atau pyelonephritis. Kedua penyakit ini memiliki ciri-ciri seperti sering buang air, nyeri punggung bawah, mual-mual, rasa perih saat berkemih, atau rasa terbakar pada alat kelamin. Sistem yang dibuat bertujuan untuk membantu dokter dalam melakukan diagnosa awal kepada pasien berdasarkan gejala yang dimiliki pasien, apakah menderita cystisis, pyelonephritis, keduanya, atau tidak menderita kedua penyakit tersebut. Metode pohon keputusan C4.5 digunakan pada penelitian ini karena diketahui memiliki tingkat akurasi yang tinggi pada penelitian-penelitian sebelumnya yang didominasi  parameter data nomimal. Pengujian kinerja sistem yang dibangun menggunakan pengujian akurasi, sensitivity dan specificity. Hasil pengujian menghasilkan akurasi rata-rata 95%, sensitivity rata-rata sebesar 96.667%, dan specificity rata-rata sebesar 92.226% pada model pohon cystitis, diikuti oleh model pohon pyelonephritis dengan akurasi rata-rata sebesar 94%, sensitivity rata-rata sebesar 90%, dan specificity rata-rata sebesar 97.143%. Selain itu, pengujian menggunakan blackbox texting terhadap requirements sistem juga menunjukkan bahwa sistem dapat dijalankan dengan 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.
INTERPRETASI SEISMIK DAN PEMODELAN BAWAH PERMUKAAN MENGGUNAKAN METODE KONVERGENSI MULTIGRID: STUDI KASUS LAPANGAN X Ervina Nisfiani; Wirya Sumantri; Lussiana ETP
Jurnal Ilmiah Informatika Komputer Vol 26, No 3 (2021)
Publisher : Universitas Gunadarma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35760/ik.2021.v26i3.5202

Abstract

Seiring dengan berjalannya waktu, untuk meningkatkan efisiensi dalam pengerjaan permodelan bawah permukaan (sub surface model) banyak dikembangkan perangkat lunak untuk memudahkan pengerjaannya. Semua media kertas, analog, tape dikonversi menjadi media digital sehingga semua pengerjaan dilakukan menggunakan komputer atau workstation. Interpretasi seismik merupakan salah satu tahapan penting dalam eksplorasi hidrokarbon dimana dilakukan penafsiran atau interpretasi, evaluasi, pembahasaan terhadap data seismik hasil akuisisi lapangan dan pemrosesan, diinterpretasikan ke dalam kondisi geologi yang diharapkan bisa mendekati kondisi geologi bawah permukaan sebenarnya.Penelitian ini bertujuan melakukan interpretasi seismik dengan meng-implementasikan metode konvergensi multigrid untuk membangun model bawah permukaan di lapangan X. Pengujian dilakukan dengan menggunakan data seismic tiga dimensi (3D). Hasil pengujian menunjukkan bahwa metode konvergensi multigrid berhasil memberikan model bawah permukaan (sub surface model) dengan jelas, selain itu juga bisa menampilkan model bawah permukaan dalam bentuk tiga dimensi (3D)
DEVELOPING THE INTERACTIVE MAGIC AR BOOKS WITH GAMIFICATION FOR PROMOTE STORY BOOK Yulyani Arifin; Dionisius Andrian Wangsadani; Bagaskara Akbar Fadhlillah; Mattheus Andrew Setiawan
Jurnal Ilmiah Informatika Komputer Vol 26, No 3 (2021)
Publisher : Universitas Gunadarma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35760/ik.2021.v26i3.5194

Abstract

Children today tend to be more interested in playing with mobile phones than reading storybooks. The Interesting fairy tales from legends and traditional children's stories tend to be in the form of storybooks. And parents in the past often read fairy tales to their children. However, in modern times, each of them is busy with their mobile phone. Therefore, there is a need for a solution so children can be interested in reading fairy tale books without reducing the pleasure of playing games. The purpose of this research is to develop more interactive storybooks with Augmented Reality technology. The research method used is experimental research which starts from collecting data on needs through questionnaires and interviews with related parties, then analyzes and designs and manufactures prototypes which will be evaluated by usability testing and heuristic evaluation. From previous research, Augmented Reality technology has been widely applied in learning material. in schools and universities and also applied to the introduction of museums. From the storybooks themselves, there are already some who have implemented Augmented Reality or Gamification in applications. However, there is still no interaction between the user and the storybook. Therefore, this study develops an AR BOOK application where users can read storybooks while playing with Augmented Reality technology. The evaluation results show that the AR Book application can attract users to read stories from the application and users are entertained by this AR Book application. So it can be concluded that the addition of Augmented Reality and Gamification technology can attract the attention of users to read storybooks in a different way. For further development, traditional stories can be developed so that they can be better known by the younger generation.
DETEKSI TULANG BELAKANG PADA CITRA CT-SCAN MENGGUNAKAN METODE DETEKSI TEPI SOBEL Arimbi, Yuti Dewita; Sofi, Nelly
Jurnal Ilmiah Informatika Komputer Vol 26, No 3 (2021)
Publisher : Universitas Gunadarma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35760/ik.2021.v26i3.4910

Abstract

Metode deteksi tepi adalah salah satu operasi dalam pengolahan citra yang berguna untuk menetapkan batas atau tepi pada objek. Penelitian ini menggunakan metode Sobel untuk mendeteksi tepi tulang belakang. Deteksi tulang belakang bertujuan untuk mensegmentasi ginjal pada penelitian lanjutan. Posisi ginjal terletak di kanan dan kiri tulang belakang, hal ini akan memudahkan program melakukan segmentasi ginjal. Langkah awal dalam penelitian ini adalah konversi citra DICOM menjadi citra skala abu-abu, diikuti dengan langkah selanjutnya yaitu peningkatan citra menggunakan teknik filter median untuk mengurangi noise pada gambar. Hasil uji coba menunjukkan hasil deteksi tepi menggunakan Sobel berhasil mendeteksi tulang belakang. Namun, untuk menghasilkan deteksi tepi secara maksimal, citra input tetap perlu dilakukan proses perbaikan terlebih dahulu sebelum proses deteksi tepi dilakukan, meskipun metode sobel mempunyai kelebihan untuk mengurangi noise dari metode deteksi tepi lainnya.
IMPLEMENTASI METODE LEXICON BASE UNTUK ANALISIS SENTIMEN KEBIJAKAN PEMERINTAH DALAM PENCEGAHAN PENYEBARAN VIRUS CORONA COVID-19 PADA TWITTER Syakur, Abdus
Jurnal Ilmiah Informatika Komputer Vol 26, No 3 (2021)
Publisher : Universitas Gunadarma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35760/ik.2021.v26i3.4720

Abstract

Penyebaran virus corona COVID-19 semakin meluas ke seluruh dunia, termasuk negara Indonesia. Upaya pemerintah dalam menangani pandemi ini salah satunya adalah dengan menerapkan kebijakan-kebijakan terkait penyebaran virus. Masyarakat Indonesia yang majemuk mempunyai opini yang beragam terhadap pemberlakuan kebijakan tersebut. Analisis sentimen merupakan studi yang menganalisis opini, sentimen dan emosi seseorang seseorang terhadap sebuah produk atau topik yang betujuan untuk mendapatkan informasi opini masyarakat dan kemudian mengklasifikasikannya. Tujuan dari penelitian ini adalah menemukan informasi opini masyarakat terhadap kebijakan pemerintah dalam menghadapi pandemi COVID-19 dengan harapan pemerintah dapat memantau dan mempertimbangkan kebijakan yang diberlakukan. Penelitian ini menerapkan metode lexicon-based untuk menganalisis polaritas opini masyarakat. Pengumpulan data dilakukan dari tanggal 17 April hingga 24 April 2020 dengan hastag jokowi. Dalam penelitian ini penulis memanfaatkan library textblob yang menyediakan kamus berisi leksikon sentimen. Tahap preprocessing yang dilakukan adalah case folding, menghapus string URL, menghapus karakter newline, menghapus mention dan retweet, mengganti nama pengguna dengan spasi, menghapus hashtag, replace slang, penghapusan tanda baca dan menerjemahkan teks kedalam Bahasa Inggris. Berdasarkan hasil analisis dihasilkan informasi bahwa sebagian besar masyarakat Indonesia memberikan tanggapan positif terhadap kebijakan pemerintah dalam upaya pencegahan penyebaran virus corona COVID-19 di Indonesia. Persentase menunjukan 30,7% tanggapan positif, 14,3% tanggapan negatif, dan 55% netral.
PREDIKSI HARGA SAHAM INDEKS IDX30 DI INDONESIA SAAT PANDEMI COVID-19 DENGAN AUTOREGRESSIVE INTEGRATED MOVING AVERAGE (ARIMA) Diharjo, Bayu; Arief, Rifiana
Jurnal Ilmiah Informatika Komputer Vol 26, No 3 (2021)
Publisher : Universitas Gunadarma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35760/ik.2021.v26i3.5029

Abstract

Covid-19 (Corona Virus Disease 2019) adalah penyakit akibat serangan virus SARS-Cov-2 (Severe Acute Respiratory Syndrome Coronavirus2) atau lebih dikenal dengan istilah Virus Corona. Adanya pandemi corona ini berpengaruh terhadap berbagai sektor di Indonesia, salah satunya adalah sektor ekonomi dan kegiatan investasi. Hal ini ditandai dengan pelemahan nilai indeks saham dan pertumbuhan jumlah investor yang cukup tinggi. Salah satu Indeks saham adalah Indeks IDX30. Data Indeks IDX30 dapat membantu investor dalam prediksi harga beberapa periode kedepan dalam mengambil keputusan untuk buy atau hold saham untuk mengurangi kerugian dan memperoleh keuntungan. Tujuan penelitian melakukan analisis prediksi harga saham indeks IDX30 di Indonesia saat pandemi Covid-19 menggunakan Autoregressive Integrated Moving Average (ARIMA). Data yang digunakan sebanyak 369 data harian harga penutupan (closing price) Indeks IDX30 tanggal 04 Mei 2020 hingga 08 Mei 2021. Dari hasil pengujian diperoleh model terbaik yaitu ARIMA (0,1,1) dengan nilai error RMSE sebesar 46.11725 (46.11%), MAE sebesar 38.25260 (38.25%), dan MAPE sebesar 7.966014 (7.96%).
PENGUKURAN KEMIRIPAN FITUR PADA SISTEM TEMU KEMBALI CITRA BERBASIS KONTEN MENGGUNAKAN EUCLIDIAN DISTANCE Rini Arianty; Maukar Maukar; Octarina Budi Lestari
Jurnal Ilmiah Informatika Komputer Vol 27, No 1 (2022)
Publisher : Universitas Gunadarma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35760/ik.2022.v27i1.6095

Abstract

Sistem Temu Kembali Citra berbasis Konten atau sistem, sudah diterapkan pada beberapa mesin pencari seperti Google dan Bing, tetapi citra hasil pencarian yang diberikan masih ada yang tidak relevan dengan citra permintaan. Membangun Temu Kembali Citra berbasis Konten yang dapat memberikan hasil pencarian yang relevan tergantung pada penarikan informasi dari konten citra yang dimasukan. Proses penarikan informasi terhadap konten suatu citra dapat dilakukan dengan menggunakan metode ekstraksi fitur berdasarkan konten warna, bentuk atau tekstur. Penelitian ini, mengukur jarak kesamaan atau kemiripan antara citra query dengan citra pada database menggunakan Euclidian Distance pada Sistem Temu Kembali Citra berbasis Konten berdasarkan warna dan tekstur. Ekstraksi fitur warna dilakukan menggunakan metode Momen Warna, dan fitur tekstur menggunakan Filter Gabor. Persentase presisi tingkat keberhasilan Sistem yang diuji pada setiap kategori menggunakan pengujian secara visual dengan memperhatikan citra groundtruth. Hasil terendah memiliki presisi sejumlah 50% pada kategori gunung dan presisi tertinggi sejumlah 100% pada kategori dinosaurus. Rata-rata persentase presisi tingkat keberhasilan Sistem Temu Kembali Citra berbasis Konten sejumlah 84% dari 10 data uji yang diambil dari database. Hasil yang diharapkan dari penelitian, aplikasi dapat mengidentifikasi citra berdasarkan ekstraksi fitur yang digunakan dan dapat menampilkan 10 citra yang mirip dengan citra query pada perangkat desktop.
RANCANG BANGUN MINIATUR ANGKUTAN UMUM AUTONOMOUS DENGAN KENDALI BERBASIS IOT Izhar Jihad Alail; Robby Candra; Yuli Karyanti; Yulia Chalri; Hasma Rasjid
Jurnal Ilmiah Informatika Komputer Vol 27, No 1 (2022)
Publisher : Universitas Gunadarma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35760/ik.2022.v27i1.6100

Abstract

Beberapa tahun terakhir sistem kendaraan tanpa awak sedang gencar dikembangan. Beberapa produsen otomotif berlomba-lomba mengembangkan kendaraan tanpa pengendara tersebut yang disebut sebagai autonomous car. Autonomous car menggunakan sensor untuk sistem navigasinya. Tujuan untuk membuat Rancang Bangun Miniatur Angkutan Umum Autonomous Berbasis IoT yaitu  untuk merancang suatu miniatur angkutan umum yang berkonsep Autonomous, dengan cara mengikuti garis yang ada dan juga dapat berhenti di halte yang telah ditentukan, dan membuat miniatur kendaraan umum yang dapat dikendalikan oleh IoT. Miniatur angkutan umum ini akan mengikuti garis yang telah disediakan sebagai jalur utama dan miniature ini akan berhenti jika ada objek didepan. Miniatur angkutan umum ini memiliki sensor BFD 1000 5 Channel dan 4 buah sensor ultrasonic sebagai input. Miniatur ini mempunyai Arduino Mega, NodeMCU V3 dan motor driver sebagai tempat untuk memproses. Untuk output dari miniatur ini terdapat 2 buah motor DC. Hasil yang diperoleh berupa miniatur angkutan umum yang dapat berjalan mengikuti jalur, berhenti di halte yang sudah ditentukan dan dapat kembali dan berhenti di pul berdasarkan perintah yang diberikan melalui applikasi android yang terhubung dengan internet. Dengan demikian diperoleh angkutan umum yang dapat berjalan dan berhenti sesuai dengan perintah yang sudah ditentukan.
PENDETEKSIAN OBJEK PADA CITRA HEWAN KARNIVORA DAN HERBIVORA MENGGUNAKAN FASTER R-CNN Sherien Trisnawaty Eka Putri; Achmad Fahrurozi
Jurnal Ilmiah Informatika Komputer Vol 27, No 1 (2022)
Publisher : Universitas Gunadarma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35760/ik.2022.v27i1.5858

Abstract

Penelitian ini bertujuan menghasilkan sistem pendeteksian objek dengan menggunakan Faster R-CNN untuk mengklasifikasikan jenis hewan dari kelompok hewan karnivora dan herbivora berbasis citra. Pembuatan program dalam penelitian ini menggunakan Faster R-CNN dengan arsitektur Inception V2 dan Google Collab pada tahap pelatihan. Data yang digunakan yaitu 2000 citra hewan yang diambil secara random menggunakan Chrome extension dan dilabelkan secara manual. Hasil akuisisi citra memberikan variasi sudut pengambilan gambar, variasi jarak pengambilan, dan variasi jumlah objek dalam citra. Pembuatan sistem pendeteksian objek ini meliputi tahap pelatihan untuk membentuk model Faster R-CNN, tahap uji coba, dan pengukuran performa sistem pendeteksian objek yang dihasilkam. Berdasarkan hasil implementasi dan uji coba, disimpulkan bahwa sistem ini dapat mengklasifikasikan jenis hewan karnivora dan herbivora dengan total loss model hasil pelatihan berada pada 0.06 dan rata-rata tingkat akurasi sebesar 89%. Hasil perhitungan Recall dan Precision menunjukkan bahwa  performa dari sistem klasifikasi yang dihasilkan sangat baik, dengan nilai Recall 100% terdapat pada kelompok citra hewan Cheetah, Eagle, Komodo, Shark, Tiger, Bull, Guineapig, dan Zebra.