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 404 Documents
 37   38   39   40   41 
Perbandingan Algoritma Random Forest, SVM, dan Naïve Bayes dalam Analisis Sentimen Ulasan Spotify di Play Store Berbasis SMOTE Lasuci Prastia, Anjas; Asra, Taufik
Jurnal Informatika Kaputama (JIK) Vol 10 No 1 (2026): Volume 10, Nomor 1, Januari 2026
Publisher : STMIK KAPUTAMA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59697/jik.v10i1.1157

Abstract

Kemajuan teknologi informasi sudah mendukung pemanfaatan aplikasi mobile secara masif, yang di dalamnya adalah bidang hiburan digital seperti Spotify. Tanggapan pemakaian atas aplikasi ini di Google Play Store mencerminkan opini yang dapat diuraikan untuk mengevaluasi kepuasan konsumen. Di antara pendekatan yang digunakan adalah analisis sentimen, namun mekanisme klasifikasi sering terkendala oleh ketidakseimbangan data. Pengkajian ini bermaksud guna mengetahui bentuk algoritma mana yang paling akurat dalam mengklasifikasikan sentimen pengguna terhadap aplikasi Spotify, yaitu antara algoritma Random Forest, Support Vector Machine (SVM), dan Naïve Bayes. Metode penelitian meliputi pengumpulan data, pelabelan, preprocessing, pembagian data, penyeimbangan data menggunakan teknik SMOTE, pemodelan algoritma, dan evaluasi performa. Hasil evaluasi menerangkan bahwa algoritma SVM memberikan kinerja terbaik pada akurasi 85,10% dan nilai AUC 0,91. Hal ini membuktikan bahwa SVM lebih unggul dibandingkan algoritma lainnya dalam mengategorikan sentimen tanggapan aplikasi Spotify.
PERANCANGAN USER INTERFACE SISTEM INFORMASI PENJUALAN HELM PADA TOKO PLANET HELM PADANG BERBASIS WEB ARMAN, ARMAN
Jurnal Informatika Kaputama (JIK) Vol 10 No 1 (2026): Volume 10, Nomor 1, Januari 2026
Publisher : STMIK KAPUTAMA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59697/jik.v10i1.1182

Abstract

Tujuan penelitian ini adalah untuk merancang system informasi penjualan Helm pada Toko Planet Helm Padang. Adapun permasalahan yang dihadapi antara lain antara lain pencatatan transaksi yang masih dilakukan secara manual, belum adanya sistem untuk memantau persediaan barang secara akurat sehingga sering terjadi kehabisan stok, kesalahan dalam perhitungan, kesulitan dalam melakukan perencanaan, serta proses penjualan yang hanya dapat dilakukan secara langsung di toko. Untuk mengatasi permasalahan tersebut, peneliti mencarikan solusi untuk merancang sebu ah sistem informasi penjulan helm, dalam penelitian ini metode pengembangan system adalah metode pengembangan perangkat lunak model SDLC model Waterfall yang terdiri dari tahap analisis kebutuhan, desain sistem, implementasi, pengujian, dan pemeliharaan. Sistem dibangun menggunakan bahasa pemrograman PHP, basis data MySQL, dan framework Laravel. Adapun alat bantu perancangan system menggunakan UML. Hasil penelitian ini adalah merancang sebuah system website yang memungkinkan proses transaksi penjualan secara online, pencatatan stok barang secara otomatis, dan membantu pemilik toko dalam memantau dan mengelola data penjualan serta persediaan barang secara efisien.
SUPER ENCRYPTION OF TEXT DATA USING A HYBRID BEAUFORT VIGENERE CIPHER WITH BLUM BLUM SHUB PSEUDORANDOM KEYS Fauzi, Achmad
Jurnal Informatika Kaputama (JIK) Vol 10 No 1 (2026): Volume 10, Nomor 1, Januari 2026
Publisher : STMIK KAPUTAMA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59697/jik.v10i1.1227

Abstract

Super encryption is a data security technique that combines multiple cryptographic methods to enhance message security. This study proposes a super encryption method using a combination of Vigenère Cipher and Beaufort Cipher algorithms, strengthened by the Blum Blum Shub pseudo-random key generator. The aim of this method is to secure text data by producing more complex and harder-to-crack encryption. The Vigenère Cipher is known for its polyalphabetic nature, while the Beaufort Cipher offers unique characteristics that distinguish it from other ciphers. The Blum Blum Shub pseudo-key generator ensures a high level of key randomness. The implementation of this method is expected to provide a practical and efficient solution for securing text data. The evaluation focuses on analyzing algorithm complexity, key randomness, and resilience against cryptographic attacks.
OPTIMASI ANTRIAN LAYANAN KANTOR IMIGRASI BERBASIS APLIKASI MOBILE MENGGUNAKAN ALGORITMA PRIORITY SCHEDULING YAZDI, MEHDI KHAIRI; ALDA, MUHAMAD; UJUNG, YADI KUSUMA; RAMADHAN, FAHRI
Jurnal Informatika Kaputama (JIK) Vol 10 No 1 (2026): Volume 10, Nomor 1, Januari 2026
Publisher : STMIK KAPUTAMA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59697/jik.v10i1.1228

Abstract

Perkembangan digitalisasi layanan publik menuntut adanya sistem pelayanan yang efisien, transparan, dan adil, khususnya pada layanan kantor imigrasi yang memiliki volume pemohon tinggi. Permasalahan utama yang sering terjadi adalah panjangnya antrean manual, ketidakpastian waktu pelayanan, serta belum adanya mekanisme penentuan prioritas bagi pemohon dengan tingkat urgensi tertentu. Penelitian ini bertujuan untuk merancang dan mengimplementasikan aplikasi mobile dalam mengoptimalkan antrean layanan kantor imigrasi menggunakan algoritma Priority Scheduling. Metode penelitian yang digunakan adalah metode Waterfall yang meliputi tahap analisis kebutuhan, perancangan sistem, implementasi, pengujian, dan pemeliharaan. Pengumpulan data dilakukan melalui wawancara, observasi, dan studi pustaka. Sistem yang dikembangkan mampu mengelola antrean secara otomatis dengan mempertimbangkan tingkat prioritas pemohon dan menerapkan metode First Come First Served (FCFS) pada pemohon dengan prioritas yang sama. Hasil penelitian menunjukkan bahwa penerapan algoritma Priority Scheduling pada aplikasi mobile dapat meningkatkan efisiensi pengelolaan antrean, mengurangi waktu tunggu, serta meningkatkan keadilan dan kepuasan pemohon dalam proses pelayanan di kantor imigrasi
SISTEM KEAMANAN DETEKSI SERANGAN REAL-TIME DAN OTOMATISASI PEMBLOKIRAN PADA WORDPRESS Restuono, Langgeng; Syahputra, Siswan
Jurnal Informatika Kaputama (JIK) Vol 10 No 1 (2026): Volume 10, Nomor 1, Januari 2026
Publisher : STMIK KAPUTAMA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59697/jik.v10i1.1229

Abstract

WordPress is the most widely used Content Management System (CMS) in the world, but it is also a primary target of cyberattacks such as brute-force login attempts, SQL Injection, and unauthorized access to administration pages. This research aims to analyze and develop a security plugin called WP Realtime Monitor, which is capable of detecting attacks in real time, sending notifications to administrators via Telegram, and automatically blocking the attacker’s IP address. The research methodology includes security requirement analysis, plugin architecture design using WordPress hooks, implementation using PHP and Telegram API integration, as well as testing against several simulated attack scenarios. The results show that the plugin successfully detects repeated failed login attempts, access to wp-login.php, and simple SQL Injection attacks. In addition, the system can send notifications to Telegram in less than one second and automatically block IP addresses that repeatedly launch attacks. Performance analysis indicates that the plugin is lightweight, does not add significant load to the WordPress server, and provides practical security improvements. Therefore, the development of WP Realtime Monitor is proven to be effective as an alternative solution for WordPress website security.
RANCANGAN PENELITIAN MODEL AI-OPTIMASI HIBRIDA MENGGUNAKAN PEMROGRAMAN LINIER UNTUK KOMPUTASI TEPI HEMAT ENERGI DI INDUSTRI 5.0 Pardede, A M H
Jurnal Informatika Kaputama (JIK) Vol 10 No 1 (2026): Volume 10, Nomor 1, Januari 2026
Publisher : STMIK KAPUTAMA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59697/jik.v10i1.1231

Abstract

The development of Industry 5.0 demands intelligent, adaptive, sustainable computing systems oriented toward human-machine collaboration. In this context, edge computing plays a crucial role because it can process data in real time near the data source, supporting industrial applications such as smart manufacturing, predictive maintenance, and cyber-physical systems. However, the increasing use of edge devices results in high energy consumption, limited computing resources, increased operational costs, and an increased carbon footprint of digital industrial systems. Therefore, energy efficiency in edge computing has become a strategic and pressing issue. The problem is further complicated by the fact that most edge resource management currently relies on static or heuristic approaches that are less adaptable to the dynamics of industrial workloads. Artificial Intelligence (AI)-based approaches have the advantage of accurately predicting workloads, but generally fail to guarantee optimal resource allocation. In contrast, mathematical optimization methods such as Linear Programming (LP) are capable of producing optimal solutions but are less adaptable to changing dynamic system conditions. This research aims to develop a hybrid AI-Optimization model based on Linear Programming to improve the energy efficiency of edge computing in Industry 5.0. AI models are used to predict workloads and computing demands, while LP is utilized to determine optimal resource allocation by minimizing energy consumption without violating the Service Level Agreement (SLA). The research methods include collecting workload datasets, developing machine learning prediction models, formulating LP models, and integrating the two into an adaptive system
OPTIMASI INFRASTRUKTUR JARINGAN NIRKABEL MELALUI MIGRASI ACCESS POINT DAN MODIFIKASI POE SPLITTER Nirma; Anshori; Mantri kromo fandith fili
Jurnal Informatika Kaputama (JIK) Vol 10 No 2 (2026): Volume 10, Nomor 2, Juli 2026
Publisher : STMIK KAPUTAMA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59697/jik.v10i2.1305

Abstract

Jaringan internet yang stabil sangat penting untuk mendukung kegiatan akademik di kampus. Namun jaringan nirkabel yang tersedia di Kampus C Universitas Nurul Huda belum memenuhi kebutuhan pengguna dengan baik karena memiliki keterbatasan dalam jangkauan sinyal dan kestabilan koneksi. Hasilnya, infrastruktur jaringan nirkabel dioptimalkan dengan melakukan evaluasi jaringan, migrasi perangkat, dan konfigurasi titik akses menggunakan perangkat Tenda AC6. Untuk memungkinkan lebih banyak pengguna dilayani, sistem jaringan yang sebelumnya menggunakan topologi Point-to-Point dengan perangkat Tenda O3 diubah menjadi Client-to-Access Point. Hasil pengujian menunjukkan bahwa optimasi jaringan dapat membantu lebih banyak pengguna yang terhubung ke jaringan, meningkatkan stabilitas koneksi, dan meningkatkan jangkauan sinyal.
SISTEM PENGENALAN SUARA UNTUK APLIKASI SMART HOME BERBASIS DEEF LEARNING Riskal
Jurnal Informatika Kaputama (JIK) Vol 10 No 2 (2026): Volume 10, Nomor 2, Juli 2026
Publisher : STMIK KAPUTAMA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59697/jik.v10i2.1310

Abstract

Penelitian ini bertujuan untuk merancang dan mengimplementasikan sistem pengenalan suara yang efisien sebagai antarmuka kendali pada aplikasi smart home berbasis deep learning. Metode yang digunakan dalam penelitian ini mengikuti prosedur eksperimental yang dimulai dari pengumpulan data primer berupa rekaman perintah suara manusia dan data sekunder dari dataset publik. Fitur audio diekstraksi menggunakan teknik Mel-Frequency Cepstral Coefficients (MFCC). Data tersebut kemudian diproses menggunakan arsitektur Convolutional Neural Network (CNN) untuk mengklasifikasikan perintah suara ke dalam tindakan kontrol perangkat rumah tangga. Analisis data dilakukan dengan mengevaluasi performa model melalui parameter akurasi, precision, dan recall pada berbagai kondisi lingkungan. Hasil penelitian menunjukkan bahwa model deep learning yang dikembangkan mampu mengenali perintah suara dengan tingkat akurasi yang tinggi, bahkan dalam kondisi terdapat gangguan derau (noise). Simpulan dari penelitian ini adalah penerapan deep learning pada sistem pengenalan suara memberikan respons yang presisi dan real-time, sehingga meningkatkan aksesibilitas dan kenyamanan dalam pengelolaan ekosistem rumah pintar secara otomatis.
SISTEM KLASIFIKASI AKTIVITAS MAHASISWA TINGKAT AKHIR JTIK FT UNM DENGAN METODE SVM Muhammad Miftah Farid; Zulhajji; Abdul Muis Mappalotteng
Jurnal Informatika Kaputama (JIK) Vol 10 No 2 (2026): Volume 10, Nomor 2, Juli 2026
Publisher : STMIK KAPUTAMA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59697/jik.v10i2.1314

Abstract

Tingginya persentase mahasiswa tingkat akhir yang belum menyelesaikan studi di Jurusan Teknik Informatika dan Komputer FT UNM menimbulkan tantangan dalam proses pemantauan dan pembinaan akademik. Selama ini proses pemantauan masih manual sehingga kurang dapat memberikan informasi yang akurat dan real-time. Penelitian ini bertujuan untuk merancang sistem klasifikasi aktivitas mahasiswa tingkat akhir menggunakan algoritma SVM. Dataset dikumpulkan melalui crawling pada media sosial X dan menghasilkan 3.000 data yang kemudian diproses melalui tahapan preprocessing dan ekstraksi fitur menggunakan TF-IDF. Model SVM dilatih menggunakan kernel linear. Hasil pengujian menunjukkan bahwa model SVM mampu mencapai akurasi sebesar 92,33%, dengan rata-rata akurasi pada pengujian 10-fold cross validation sebesar 92%. Selain itu, evaluasi model juga menghasilkan nilai rata-rata precision 92,44%, recall 92,44%, dan F1-score 92,30%. Model kemudian diimplementasikan ke dalam sistem berbasis website. Hasil pengujian berdasarkan standar ISO 25010 menunjukkan bahwa sistem memenuhi kriteria kelayakan pada aspek: functional suitability, portability memperoleh skor 100%; usability dengan skor 90,73%; reliability dengan error rate 0,0%. Sistem ini diharapkan dapat mendukung pengambilan keputusan strategis guna meningkatkan kelulusan tepat waktu.
PENERAPAN SUPPORT VECTOR MACHINE (SVM) DAN LATENT DIRICHLET ALLOCATION (LDA) UNTUK ANALISIS SENTIMEN DAN PEMODELAN TOPIK TERHADAP ULASAN APLIKASI QARA’A Riyadi, Imam; Rahmat Hidayat, Cepi; Ikhlas Ramadhan, Teguh
Jurnal Informatika Kaputama (JIK) Vol 10 No 2 (2026): Volume 10, Nomor 2, Juli 2026
Publisher : STMIK KAPUTAMA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59697/jik.v10i2.1316

Abstract

Qara’a merupakan platform pembelajaran Al-Qur’an berbasis kecerdasan buatan. Ribuan ulasan penggunanya di Google Play Store menyimpan informasi berharga, namun banyaknya informasi tekstual tanpa pola memunculkan tantangan pengolahan sendiri. Penelitian ini bertujuan mengklasifikasikan kecenderungan opini serta mengidentifikasi tema utama pada komentar pengguna Qara’a lewat penerapan algoritma Support Vector Machine (SVM) yang dioptimasi dengan teknik SMOTE, serta Latent Dirichlet Allocation (LDA). Hasil evaluasi pada 11.096 ulasan menunjukkan perbedaan performa yang signifikan. Tanpa penerapan SMOTE, model menghasilkan akurasi sebesar 92% namun dengan nilai Recall kelas netral yang rendah, yaitu 0.12. Setelah penerapan SMOTE, performa model meningkat dengan akurasi mencapai 88%, nilai Recall kelas netral naik menjadi 0.46 dan kelas negatif mencapi 0.82. Stabilitas model selanjutnya divalidasi melalui mekanisme pengujian 10-fold Cross Validation yang mencatatkan tingkat ketepatan rata-rata sebesar 90.38%. Pada pemodelan topik LDA, sentimen positif terpusat pada pemenuhan kebutuhan spiritual dan efektivitas belajar. Sebaliknya, sentimen negatif didominasi oleh kendala teknis fitur pengenalan suara dan hambatan biaya berlangganan. Temuan ini dapat menjadi landasan evaluasi penting sebagai acuan developer untuk menyempurnakan mutu fitur aplikasi

Page 39 of 41 | Total Record : 404

 37   38   39   40   41 

Filter by Year

2017 2026


Reset
Filter By Issues
All Issue Vol 10 No 2 (2026): Volume 10, Nomor 2, Juli 2026 Vol 10 No 1 (2026): Volume 10, Nomor 1, Januari 2026 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, EDISI JULI 2019 Vol 3 No 2 (2019): Volume 3, Nomor 2, 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