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 393 Documents
 36   37   38   39   40 
DETEKSI INTRUSI JARINGAN MENGGUNAKAN ARSITEKTUR HYBRID CNN-LSTM MELALUI PENYELARASAN FITUR LINTAS DATASET TON-IOT DAN CIC-IDS Nugroho, Bayu Tri; Erik IH Ujianto; Rianto; Kuswijayanto, Adi Cahyo
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.v10i2.1323

Abstract

Meningkatnya kompleksitas lalu lintas jaringan dan heterogenitas lingkungan Internet of Things (IoT) menimbulkan tantangan serius bagi sistem deteksi intrusi (Intrusion Detection System/IDS) konvensional, khususnya dalam mendeteksi serangan baru dan lintas-domain. Meskipun pendekatan deep learning telah menunjukkan performa tinggi, sebagian besar penelitian masih terbatas pada satu dataset sehingga kemampuan generalisasi model menjadi rendah. Penelitian ini mengusulkan pendekatan hybrid Convolutional Neural Network–Long Short-Term Memory (CNN–LSTM) yang dilatih pada dataset lintas-domain melalui proses penyelarasan fitur antara CSE-CIC-IDS2018 dan ToN-IoT. Pra-pemrosesan meliputi normalisasi satuan waktu, rekayasa fitur turunan, penanganan missing value, encoding atribut, serta Min–Max scaling untuk menghasilkan dataset yang homogen. Kinerja model CNN, LSTM, dan CNN–LSTM dievaluasi menggunakan metrik accuracy, precision, recall, dan F1-score dengan variasi learning rate 0.01, 0.001, dan 0.0001. Hasil eksperimen menunjukkan bahwa model CNN–LSTM dengan learning rate 0.001 memberikan performa terbaik dengan akurasi 99,3%, recall 99,8%, dan F1-score 99,4%, serta stabilitas pelatihan yang lebih baik dibandingkan model tunggal. Temuan ini menunjukkan bahwa integrasi dataset heterogen dan arsitektur hybrid CNN–LSTM mampu meningkatkan efektivitas dan generalisasi IDS pada lingkungan jaringan yang beragam.
ANALISIS PERAN SISTEM OPERASI DALAM VIRTUALISASI BERBASIS MESIN VIRTUAL PADA CLOUD COMPUTING Rahman, Taufik
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.v10i2.1344

Abstract

Virtualisasi merupakan teknologi kunci dalam pengembangan cloud computing yang memungkinkan pemanfaatan sumber daya secara efisien melalui pembagian sistem fisik menjadi beberapa mesin virtual. Sistem operasi berperan penting sebagai pengelola sumber daya dan penghubung antara perangkat keras dan lingkungan virtual. Penelitian ini bertujuan untuk menganalisis peran sistem operasi dalam virtualisasi berbasis mesin virtual serta dampaknya terhadap efisiensi manajemen sumber daya pada cloud computing. Metode yang digunakan adalah studi literatur dengan pendekatan deskriptif kualitatif. Hasil penelitian menunjukkan bahwa sistem operasi, khususnya melalui hypervisor, mampu meningkatkan efisiensi penggunaan CPU, memori, dan storage, serta mendukung fleksibilitas dan skalabilitas sistem cloud. Kata kunci: Sistem Operasi, Virtualisasi, Mesin Virtual, Cloud Computing, Hypervisor
Klasifikasi Sentimen dan Analisis Persepsi Pengguna Aplikasi myXL pada Google Play Store Menggunakan Naïve Bayes Classifier Ardiyanto, Marta; Irawan, Ridwan Dwi; Rifa'i, Ahmad
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.v10i2.1349

Abstract

Penelitian ini dilakukan untuk menganalisis sentimen pengguna terhadap aplikasi myXL berdasarkan ulasan yang terdapat di Google Play Store. Aplikasi myXL merupakan layanan mandiri yang dirancang oleh XL Axiata, di mana ulasan penggunanya menjadi sumber data penting untuk mengetahui persepsi masyarakat terhadap kualitas layanan. Metode klasifikasi yang digunakan dalam penelitian ini adalah Naïve Bayes Classifier, dengan tahapan penelitian yang mengacu pada proses Knowledge Discovery in Database (KDD). Data yang digunakan berjumlah 1.000 ulasan yang dikumpulkan menggunakan teknik web scraping. Data ulasan tersebut dilabeli menjadi sentimen positif dan negatif secara otomatis berdasarkan rating bintang pengguna . Setelah melalui tahapan pra-pemrosesan teks, data diubah menjadi bentuk numerik menggunakan pembobotan Term Frequency-Inverse Document Frequency (TF-IDF). Pembagian dataset dilakukan dengan rasio 80% data latih dan 20% data uji. Berdasarkan hasil evaluasi pengujian, model Naïve Bayes Classifier menunjukkan performa yang baik dengan nilai accuracy sebesar 80,33%, precision 80,33%, recall 78,59%, dan F1-score 79,27%. Visualisasi Word Cloud menunjukkan bahwa kata yang dominan muncul dalam ulasan meliputi "kuota", "paket", "aplikasi", "login", dan "error". Hasil penelitian ini diharapkan dapat memberikan gambaran persepsi pengguna serta menjadi bahan evaluasi bagi pengembang untuk memperbaiki kendala teknis dan meningkatkan kualitas layanan.

Page 40 of 40 | Total Record : 393

 36   37   38   39   40 

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): Vol. 2 No. 2 Juli 2018 Vol 2 No 2 (2018): Volume 2, Nomor 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