cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Akim Manaor Hara Pardede
Contact Email
akimmhp@live.com
Phone
+6281370747777
Journal Mail Official
lppm-kaputama@kaputama.ac.id
Editorial Address
LPPM STMIK KAPUTAMA : jln veteran no 4A-9A Binjai, 20714 Sumatera Utara
Location
Kota binjai,
Sumatera utara
INDONESIA
Jurnal Informatika Kaputama (JIK)
Published by STMIK Kaputama Binjai
ISSN : 25489739     EISSN : 26855240     DOI : https://doi.org/10.59697/jik
Core Subject : Science, Engineering,
Computer Science & IT Control & Systems Engineering
Jurnal Informatika Kaputama adalah jurnal resmi STMIK kaputama dalam bentuk bunga rampai untuk menyajikan tulisan ilmiah berbagai disiplin ilmu pengetahuan yang ada hubungan atau keterikatan dengan ilmu komputer berupa hasil penelitian lapangan atau laboratorium maupun studi pustaka. Adapun fokus dan ruang lingkup jurnal adalah sebagai berikut 1. Clustering and Classification 2. Document Mining and Text Mining 3. Spatial Data Mining, 4. Multi-Agent Systems, 5. Bayesian Networks and Probabilistic Reasoning, 6. Computational Intelligence, 7. Soft Computing, 8. Database Management and Information Retrieval, 9. Computer Vision Pattern Recognition, 10. Genetic Algorithm, Machine Learning, 11. Neural Networks and Applications, 12. Optimization and Decision Making, 13. Self-Organizing Systems, 14. Fuzzy Logic, 15. Decision Support and Expert System 16. Business Intelligence, 17. Data Mining Application 18. Intelligence System, 19. Web and mobile Intelligence 20. Dan lain-lain
Arjuna Subject : Ilmu Komputer (semua kategori) - Ilmu Komputer (Lain-Lain)
Articles 379 Documents
 34   35   36   37   38 
IMPLEMENTASI ALGORITMA DEEP LEARNING TERINTEGRASI CNN DAN LSTM UNTUK PREDIKSI HARGA KOMODITAS PANGAN DI PASAR INDONESIA Safitri, Melina Dwi; Proborini, Ellen; Asy’ari, Fajar husain
Jurnal Informatika Kaputama (JIK) Vol 9 No 2 (2025): Volume 9, Nomor 2, Juli 2025
Publisher : STMIK KAPUTAMA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59697/jik.v9i2.1006

Abstract

Pertumbuhan perekonomian suatu negara perlu diperhatikan, dikarenakan perekonomian berpengaruh pada tingkat kesejahteraan rakyat, inflasi negara dan proses pengambilan keputusan. Menurut Badan Pusat Statistik Nasional pada tahun 2021 indonesia mengalami pertumbuhan sebesar 3,69%, hal ini harus ditingkatkan supaya Indonesia bisa menjadi negara maju. Ada beberapa sektor yang dapat mempengaruhi pertumbuhan ekonomi seperti pertambangan, pertanian, perbankan, hingga pangan. Sektor pangan sangat penting bagi suatu negara karena sektor pangan merupakan sektor yang berkaitan erat dengan kehidupan sehari -hari warga negara, namun sektor ini mengalami beberapa kendala seperti kurangnya pasokan, harga pangan yang tidak stabil, tidak stabilnya harga pangan dipengaruhi oleh beberapa faktor salah satunya yaitu oleh petani yang mengalami gagal panen, harga bahan produksi yang meningkat. Untuk mengurangi ketidakstabilan harga bahan pangan, maka diperlukan sebuah sistem yang dapat memprediksi harga pangan berbasis data. Penelitian ini melakukan prediksi terhadap data harga pangan di Indonesia berbasis time series menggunakan algoritma CNN-LSTM. Hasil MAPE terendah yang didapatkan dalam penelitian ini adalah 7,1078% dengan skema model 1 tanpa Maxpoolig1D dan menggunakan optimizers SGD.
PERBANDINGAN METODE MACHINE LEARNING MENGGUNAKAN METODE SUPPORT VECTOR MACHINE DAN ARTIFICIAL NEURAL NETWORK DALAM MEMPREDIKSI SERANGAN JANTUNG Sri Kurnia; Nurdin; Al Khaidar
Jurnal Informatika Kaputama (JIK) Vol 9 No 2 (2025): Volume 9, Nomor 2, Juli 2025
Publisher : STMIK KAPUTAMA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59697/jik.v9i2.1020

Abstract

Penyakit jantung merupakan salah satu penyebab utama kematian di dunia, termasuk Indonesia, dengan prevalensi yang terus meningkat setiap tahunnya. Deteksi dini menjadi sangat penting untuk mencegah risiko fatal, namun metode konvensional sering kurang akurat. Penelitian ini membandingkan dua algoritma machine learning, yaitu Support Vector Machine (SVM) dan Artificial Neural Network (ANN), dalam memprediksi serangan jantung berdasarkan data kesehatan pasien. Evaluasi dilakukan menggunakan akurasi, validasi silang, dan Area Under Curve (AUC). Hasil menunjukkan bahwa SVM memiliki akurasi sebesar 0,80, rata-rata validasi silang 0,8120, dan AUC 0,89, sementara ANN mencatat akurasi 0,75, validasi silang 0,7127, dan AUC 0,81. Meskipun ANN unggul dalam efisiensi waktu pelatihan (1,99 detik), SVM menunjukkan performa klasifikasi yang lebih tinggi. Oleh karena itu, SVM lebih cocok untuk sistem yang mengutamakan akurasi, sedangkan ANN dapat diterapkan pada sistem dengan kebutuhan waktu cepat. Kata Kunci : Penyakit Jantung, Machine Learning, SVM, ANN, Prediksi
SISTEM INFORMASI PEMESANAN DAN PENGELOLAAN BAHAN BAKU BERBASIS WEB Rahimullaily; Sri Restu Ningsih; Ratih Purwasih; Rara Meisa Putri
Jurnal Informatika Kaputama (JIK) Vol 9 No 2 (2025): Volume 9, Nomor 2, Juli 2025
Publisher : STMIK KAPUTAMA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59697/jik.v9i2.1023

Abstract

Sosro’s Cafe, a food and beverage business at GOR Haji Agus Salim, faces challenges in managing raw material orders due to still using manual recording, which is prone to errors and lacks accuracy. Consequently, overstocking or understocking frequently occurs, along with disorganized record-keeping. Managing raw material reports is also difficult because stock data is hard to find and access. To overcome these problems, a web-based information system is needed to assist the owner and employees in ordering and recording incoming and outgoing raw materials, and generating raw material reports. The software development method chosen to build this system is the waterfall model, utilizing PHP and MySQL. The final result is the creation of a system that improves the efficiency of ordering and managing raw materials, thus making the performance of the owner and employees of Sosro’s Cafe more effective
ANALISIS PERLINDUNGAN HAK CIPTA DAN DISTRIBUSI DIGITAL USER GENERATED CONTENT PADA INDUSTRI MUSIK: STUDI KASUS KHANA MEDIA RECORD DAN KHANA MEDIA NUSANTARA DENGAN PENDEKATAN FUZZY DAN NAIVE BAYES Sultan, Kana; Nurdin
Jurnal Informatika Kaputama (JIK) Vol 9 No 2 (2025): Volume 9, Nomor 2, Juli 2025
Publisher : STMIK KAPUTAMA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59697/jik.v9i2.1025

Abstract

Transformasi digital di industri musik Indonesia telah membawa perubahan besar dalam distribusi karya musik, khususnya melalui platform digital dan User Generated Content (UGC). Namun, kemudahan distribusi ini juga menimbulkan tantangan baru dalam perlindungan hak cipta. Penelitian ini bertujuan menganalisis efektivitas perlindungan hak cipta dan pola distribusi digital UGC pada Khana Media Record dan Khana Media Nusantara. Metode yang digunakan adalah Fuzzy Logic untuk mengukur tingkat risiko pelanggaran hak cipta dan Naive Bayes untuk mengklasifikasikan pola distribusi legal dan ilegal. Hasil penelitian menunjukkan bahwa digitalisasi membuka peluang distribusi yang lebih luas, namun juga meningkatkan risiko pelanggaran hak cipta, terutama pada konten UGC. Rekomendasi strategis diberikan untuk penguatan sistem perlindungan hak cipta berbasis teknologi informasi. Kata Kunci: Digitalisasi, Hak Cipta, Distribusi Digital, User Generated Content, Fuzzy Logic, Naive Bayes, Industri Musik
SUPER ENKRIPSI KRIPTOGRAFI PENGAMAN FILE CITRA MENGGUNAKAN ALGORITMA BEAUFORT CIPHER, VIGENERE CIPHER DAN RIVEST SHAMIR ADLEMAN (RSA) Fauzi, Achmad
Jurnal Informatika Kaputama (JIK) Vol 9 No 2 (2025): Volume 9, Nomor 2, Juli 2025
Publisher : STMIK KAPUTAMA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59697/jik.v9i2.1068

Abstract

Protection of digital data, particularly image files, has become increasingly vital in today’s rapidly evolving digital landscape. This study focuses on assessing the effectiveness of a combined cryptographic approach involving three algorithms Beaufort Cipher, Vigenère Cipher, and RSA in maintaining the confidentiality and integrity of image files. The Beaufort Cipher, a symmetric encryption algorithm, offers speed and simplicity in the encryption process, while the Vigenère Cipher enhances complexity through the use of extended keys. Meanwhile, RSA, an asymmetric encryption technique, provides an additional layer of security by implementing a public and private key system. Based on a series of experiments, this analysis reveals that a super-encryption method involving all three algorithms produces robust and reliable encryption. Furthermore, the findings provide insight into the strengths and limitations of each algorithm, offering valuable guidance for the future development of more secure data protection systems
PREDIKSI KEBUTUHAN AIR PDAM GIRI TIRTA SARI KABUPATEN WONOGIRI MENGGUNAKAN METODE SEASONAL AUTOREGRESSIVE INTEGRATED MOVING AVERAGE (SARIMA) PUSPITA, DEVIANA; FITRIYADI, FARID; KHUSNULIAWATI, HARDIKA
Jurnal Informatika Kaputama (JIK) Vol 9 No 2 (2025): Volume 9, Nomor 2, Juli 2025
Publisher : STMIK KAPUTAMA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59697/jik.v9i2.1078

Abstract

This study aims to predict the clean water needs of PDAM Giri Tirta Sari in Wonogiri Regency using the Seasonal Autoregressive Integrated Moving Average (SARIMA) method. Clean water is a vital necessity for the community, and fluctuations in water demand pose a challenge for PDAM in managing water availability. This study utilized historical data on water usage per month from January 2020 to December 2024, sourced from PDAM operational records. The SARIMA method was chosen because of its avility to handle seasonal time series data. The result show that the best model produced a MAPE value of 8,37%, MAE 50,73 , and RMSE 57,06 . Based on the prediction evaluation standards, an MAPE value <10% is included in the category of high prediction accuracy. The resulting that the demand for clean water uncreases during the dry season. This study is expected to be the basic for planning in water resource management by PDAM.
DATA MINING PENGOLAHAN SEMUA PENGADUAN MENGGUNAKAN ALGORITMA K-MEANS (STUDI KASUS POLRES KOTA BINJAI) Yunika , Vica; Simanjuntak, Magdalena; Sembiring, Arnes
Jurnal Informatika Kaputama (JIK) Vol 6 No 2 (2022): Volume 6, Nomor 2, Juli 2022
Publisher : STMIK KAPUTAMA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59697/jik.v6i2.1112

Abstract

Hukum mengatur hubungan antara orang dengan orang lain dan membatasi kepekaan serta mengadakan larangan atau keharusan agar tercapai ketertiban hukum di dalam masyarakat.Tak jarang setiap orang berani melakukan tindakan yang melanggar aturan hukum demi mendapatkan sesuatu yang diinginkan,bahkan dapat menyebabkan kerugian, kehihangan suatu hak atas tindak kejahatan yang dilakukan. Masyarakat dapat melakukan pengaduan atas suatu tindakan yang terjadi pada dirinya yaitu dengan cara datang kekantor Kepolisian. Polres Kota Binjai memiliki data-data setiap pelaporan terhadap pengaduan masyakat yang terus bertambah setiap masyarakat yang melakukan pengaduan yang biasa disimpan dalam sebuah file dalam komputer. Data tersebut dapat diolah menjadi data yang berguna yang dapat digunakan untuk memperoleh sebuah informasi yang baru dengan cara membuat sebuah sistem yang akan membantu untuk menemukan informasi baru dari data tersebut. Algoritma K-Means adalah algoritma clustering yang populer dan banyak digunakan dalam dunia industri. Clustering menganalisis objek data yang digunakan untuk menghasilkan grup, grup tersebut didapatkan berdasarkan prinsip memaksimalkan kesamaan dalam kelas dan meminimalkan kesamaan antar kelas. Clustering adalah membagi data ke dalam grup-grup yang mempunyai obyek dengan karakteristiknya sama.
PENDEKATAN MUHAMMADIYAH DALAM MENANGANI PORNOAKSI DAN PORNOGRAFI DI ERA INDUSTRI 5.0 STUDI KASUS DAN ANALISIS STRATEGIS Rina Hasibuan, Wilda; Ekawati, Nia; Fathurohman, Oman
Jurnal Informatika Kaputama (JIK) Vol 9 No 2 (2025): Volume 9, Nomor 2, Juli 2025
Publisher : STMIK KAPUTAMA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59697/jik.v9i2.1143

Abstract

The phenomenon of pornoaction and pornography is increasingly concerning in the Industry 5.0 era, characterized by rapid advancements in digital technology and unlimited access to information. Muhammadiyah, one of the largest Islamic organizations in Indonesia, employs a strategic approach to tackle this issue by integrating Islamic values, fatwas from the Indonesian Ulema Council (MUI), and national regulations. This paper examines Muhammadiyah’s implementation of character education and digital literacy programs, alongside a strategic analysis of pornography prevention through case studies and synergy with legal policies. The findings indicate that Muhammadiyah’s approach effectively builds moral resilience in society and adapts well to the digital challenges of Industry 5.0.
PENERAPAN METODE APRIORI UNTUK MENGIDENTIFIKASI POLA PENGHAPUSAN ASET PEMERINTAHAN KOTA BINJAI Sihombing, Novena Putri Antonia; Buaton, Relita; Selfira
Jurnal Informatika Kaputama (JIK) Vol 9 No 2 (2025): Volume 9, Nomor 2, Juli 2025
Publisher : STMIK KAPUTAMA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59697/jik.v9i2.1144

Abstract

Government assets are essential components for supporting operational performance and public services. Over time, some assets depreciate and require removal to avoid unnecessary budget burdens. However, asset disposal processes in government institutions are often still manual and not data-driven, which can lead to inefficiencies. This study aims to apply the Apriori algorithm to discover asset disposal patterns in the Binjai City Government. The data used includes asset attributes such as Regional Government Organizations (OPD), Item Type, Age, Brand/Type, Material, and Acquisition Method. The method employed is data mining with the Apriori algorithm, and the analysis is supported by the RapidMiner tool. The results reveal strong associative patterns among specific asset attributes that tend to be disposed of, such as assets over 10 years old, made of synthetic materials, and acquired through purchase. Identifying these patterns facilitates more efficient, transparent, and objective decision-making in asset disposal. This research contributes to the development of data-driven asset management systems and supports bureaucratic reform in local government institutions. Keywords: Data Mining, Apriori Algorithm, Asset Disposal, Local Government, RapidMiner

Page 38 of 38 | Total Record : 379

 34   35   36   37   38 

Filter by Year

2017 2025


Reset
Filter By Issues
All Issue Vol 9 No 2 (2025): Volume 9, Nomor 2, Juli 2025 Vol 9 No 1 (2025): Volume 9, Nomor 1, Januari 2025 Vol 8 No 2 (2024): Volume 8, Nomor 2, Juli 2024 Vol 8 No 1 (2024): Volume 8, Nomor 1, Januari 2024 Vol 7 No 2 (2023): Volume 7, Nomor 2, Juli 2023 Vol 7, No 1 (2023): Volume 7, Nomor 1, Januari 2023 Vol 7 No 1 (2023): Volume 7, Nomor 1, Januari 2023 Vol 6 No 2 (2022): Volume 6, Nomor 2, Juli 2022 Vol 6, No 2 (2022): Volume 6, Nomor 2 Juli 2022 Vol 6 No 1 (2022): Volume 6, Nomor 1, Januari 2022 Vol 6, No 1 (2022): Volume 6, Nomor 1 Januari 2022 Vol 5, No 2 (2021): Volume 5, Nomor 2 Juli 2021 Vol 5 No 2 (2021): Volume 5, Nomor 2, Juli 2021 Vol 5, No 1 (2021): Volume 5, Nomor 1 Januari 2021 Vol 5 No 1 (2021): Volume 5, Nomor 1, Januari 2021 Vol 4, No 2 (2020): Volume 4, Nomor 2 Juli 2020 Vol 4 No 2 (2020): Volume 4, Nomor 2, Juli 2020 Vol 4 No 1 (2020): Volume 4, Nomor 1, Januari 2020 Vol 4, No 1 (2020): VOLUME 4 NOMOR 1, EDISI JANUARI 2020 Vol 3 No 2 (2019): Volume 3, Nomor 2, Juli 2019 Vol 3, No 2 (2019): VOLUME 3 NOMOR 2, EDISI JULI 2019 Vol 3 No 1 (2019): Volume 3, Nomor 1, Januari 2019 Vol 3, No 1 (2019): Edisi Januari 2019 Vol 2 No 2 (2018): Volume 2, Nomor 2, Juli 2018 Vol 2, No 2 (2018): Vol. 2 No. 2 Juli 2018 Vol 2 No 1 (2018): Volume 2, Nomor 1, Januari 2018 Vol 2, No 1 (2018): Edisi Januari 2018 Vol 1 No 2 (2017): Volume 1, Nomor 2, Juli 2017 Vol 1 No 1 (2017): Volume 1, Nomor 1, Januari 2017 Vol 1 No. 2 Tahun 2017 Vol 1 No. 1 Tahun 2017 More Issue