cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Erwin Dwika Putra
Contact Email
erwindwikap@umb.ac.id
Phone
-
Journal Mail Official
jsai.if@umb.ac.id
Editorial Address
-
Location
Kota bengkulu,
Bengkulu
INDONESIA
JSAI (Journal Scientific and Applied Informatics)
Published by Universitas Muhammadiyah Bengkulu
ISSN : 26143062     EISSN : 26143054     DOI : -
Core Subject : Science,
Computer Science & IT
Jurnal terbitan dibawah fakultas teknik universitas muhammadiyah bengkulu. Pada jurnal ini akan membahas tema tentag Mobile, Animasi, Computer Vision, dan Networking yang merupakan jurnal berbasis science pada informatika, beserta penelitian yang berkaitan dengan implementasi metode dan atau algoritma.
Arjuna Subject : -
Articles 15 Documents
 1   2 
Search results for , issue "Vol 3 No 3 (2020): November" : 15 Documents clear
PENERPAN ALGORITMA BINARY SEARCH DALAM PENCARIAN DATA POTENSI INVESTASI DI KABUPATEN SELUMA DENGAN SMARTPHONE Onsardi, Onsardi; Muntahanah, Muntahanah; Toyib, Rozali
JSAI (Journal Scientific and Applied Informatics) Vol 3 No 3 (2020): November
Publisher : Fakultas Teknik Universitas Muhammadiyah Bengkulu

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36085/jsai.v3i3.1160

Abstract

Seluma Regency has several attractive investment sectors to develop, such as coal mining, shrimp ponds, oil palm plantations, weaving and tourism, the Seluma Government has tried to collect this potential data and package it in the form of a regional book and the limited costs do not allow to produce the book en masse so that digitalization of the data is needed but the data is large, difficult to access with keywords. Search Algorithm In general, search is defined as looking for data by tracing where the data is stored, Searching is the process of searching or searching, Binary search is a method of searching data that has been ordered. In this method all ordered data elements will be tested one by one until the desired element is found. Searching for sorted data will result in a fast search. This algorithm is used for fast search times. The test results are the largest potential area in Seluma Regency is the agriculture and animal husbandry sector (fisheries), then followed by mining and tourism sectors. Efficient and faster Binary Search Algorithm if looking for a value in a large amount of data, Because these data have been sorted first first and the complexity of the algorithm is smaller, the first drawback of Binary Search is that data must be sorted first so that the search process can run well and is more complicated.
Algoritma K-Nearest Neighbour Dalam Mengklasifikasi Penilaian Peserta Didik Anisa Mardhyath; Herlina Latipa Sari; Julita, Rina
JSAI (Journal Scientific and Applied Informatics) Vol 3 No 3 (2020): November
Publisher : Fakultas Teknik Universitas Muhammadiyah Bengkulu

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36085/jsai.v3i3.1163

Abstract

PAUD IT Al Hasanah merupakan pendidikan anak usia dini yang terletak di Jalan Pagar Dewa Kota Bengkulu. Selama ini proses pengklasifikasian peserta didik dilakukan dengan cara mendata semua peserta didik yang mengikuti setiap pelajaran, kemudian guru memberikan nilai pada masing-masing peserta didik. Nilai tersebut akan diklasifikasikan dengan Belum Berkembang (BB), Mulai Berkembang (MB), Berkembang Sesuai Harapan (BSH), dan Berkembang Sangat Baik (BSB). Setelah diklasifikasikan, guru akan mengetahui kompetensi dari masing-masing peserta didik. Permasalahan yang terjadi di PAUD IT Al Hasanah adalah semua proses pengklasifikasian peserta didik tersebut masih dilakukan secara manual dengan menggunakan lembaran penilaian, sehingga membutuhkan waktu yang lama dalam mengetahui kompetensi dari masing-masing peserta didik.Aplikasi pengklasifikasian data peserta didik di PAUD IT Al Hasanah merupakan suatu aplikasi yang dapat membantu dalam mengklasifikasi peserta didik berdasarkan penilaian peserta didik yang telah dilakukan, dengan 4 jenis kategori BB (Belum Berkembang), MB (Mulai Berkembang), BSH (Berkembang Sesuai Harapan), BSB (Berkembang Sangat Baik). Aplikasi ini telah diterapkan Algoritma KNN, sehingga hasil akhir yang didapatkan berdasarkan tahapan dari algoritma tersebut dengan merujuk kepada jumlah K tetangga yang ditentukan. Berdasarkan pengujian yang telah dilakukan, aplikasi dapat memberikan informasi hasil klasifikasi peserta didik secara otomatis melalui tahapan algoritma KNN
PENERAPAN ALGORITMA GREEDY UNTUK PREDIKSI EFEKTIFITAS PENGGUNAAN DAYA LISTRIK Putra, Febrian Dwi
JSAI (Journal Scientific and Applied Informatics) Vol 3 No 3 (2020): November
Publisher : Fakultas Teknik Universitas Muhammadiyah Bengkulu

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36085/jsai.v3i3.1165

Abstract

Energi listrik merupakan kebutuhan utama masyarakat. Sebagai sumber energi utama untuk kebutuhan rumah tangga, industri, maupun pemerintahan. Banyaknya konsumsi listrik tanpa memperhatikan pola penggunaan mengakibatkan terjadinya penggunaan listrik tidak efektif. saat ini untuk mengetahui besaran energi listrik yang digunakan hanya dapat dilihat pada Kwh meter, sehingga untuk mengetahui banyaknya penggunaan listrik pada ruangan belum memungkinkan. Sistem monitoring penggunaan listrik pada ruangan menggunakan NodeMcu, MQTT (Message Queueing Telemetry Transport) dan Firebase Database menjadi solusi dari permasalahan diatas.Mikrokontroller NodeMcu sebagai pembaca nilai daya listrik. Dari penelitian ini dilakukan pengujian terhadap pola penggunaan listrik dengan bantuan algortima greedy pada aplikasi android yang dirancang sebagai media penyedia informasi penggunaan daya listrik. Menggunakan standar nilai IKE (Intensitas Konsumsi Energi) sebagai batasan dalam proses algoritma greedy untuk prediksi pola penggunaan listrik telah efektif atau tidak. Hasil dari pengujian menunjukan bahwa penerapan algoritma greedy dapat membantu mengatur pola penggunaan daya listrik menjadi lebih efektif.
IMPLEMENTASI METODE WEIGHTED PRODUCT (WP) DALAM SISTEM PENGAMBILAN KEPUTUSAN DOSEN TERBAIK TEKNIK KOMPUTER AKADEMI ILMU KOMPUTER TERNATE DJUFRI, ILHAM; Abdullah, Muksin Hi; Turuy, Seh
JSAI (Journal Scientific and Applied Informatics) Vol 3 No 3 (2020): November
Publisher : Fakultas Teknik Universitas Muhammadiyah Bengkulu

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36085/jsai.v3i3.1166

Abstract

ABSTRAKDosen merupakan tenaga akademik yang bertugas merencanakan dan melaksanakan proses pembelajaran, menilai hasil pembelajaran, melakukan pembimbingan dan pelatihan, serta melakukan penelitian dan pengabdian pada masyarakat (Tri Dharma) Perguruan Tinggi. Dalam melaksanankan Tri Dharma Perguruan Tinggi doesen perlu diberikan apresiasi atau promosi sesuai dengan kinerja akademiknya. Oleh karena itu, peneliti mendesain analisis pengambilan keputusan pemilihan dosen terbaik pada Program Studi Teknik Komputer Akadedemi Ilmu Komputer Ternate. Tujuannya adalah memilih dosen terbaik dengan cara perangkingan. Untuk menentukan dosen terbaik peneliti menggunakan teknik pengambilan data dengan cara penyebaran kuisioner terhadap 16 (enam belas) mahsaiswa Teknik Komputer sebagai penilai terhadap 5 (lima) alternative (dosen) Teknik Komputer dengan menerapkan metode analisis perhitungan metode Weighted Product. Kriteria pemilihan yang digunakan adalah Kemampuan Logika Berpikir, Terampil Melakukan Evaluasi Assessment, Terampil Menyajikan Materi Kuliah dan Kedisiplinan. Data hasil analisis perhitungan mendapatkan Alternatif (dosen) yang memperoleh nilai tertinggi adalah alternative (dosen) ABUR (A4) 0.2328.Kata kunci: SPK, WP, pemilihan, dosen, terbaik ABSTRACTLecturers are academic staff in charge of planning and implementing the learning process, assessing learning outcomes, conducting guidance and training, and conducting research and community service (Three Dharma) for Higher Education. In implementing the Three Dharma of Higher Education, it is necessary to give appreciation or promotion according to its academic performance. Therefore, the researchers designed a decision-making analysis for choosing the best lecturers in the Computer Engineering Study Program, Akademi Ilmu Komputer, Ternate. The goal was to select the best lecturers by ranking. To determine the best lecturer, the researchers used data collection techniques by distributing questionnaires to 16 (sixteen) Computer Engineering students as assessors of 5 (five) alternative (lecturers) Computer Engineering by applying the calculation analysis method of the Weighted Product method. The selection criteria used are Logic Thinking, Synthesis Analysis Ability, Material Delivery Methods and Dress Procedures (Appearance). The data from the calculation analysis indicated that the alternative (lecturer) who got the highest score was the alternative (lecturer) ABUR (A4) 0.2328.Keywords: DSS, WP, election, lecturer, best
IMPLEMENTASI ALGORITMA NAÏVE BAYES PADA PENGELOMPOKAN ASET FAKULTAS TEKNIK UNIVERSITAS MUHAMMADIYAH BENGKULU Amandha, Lufti; Sonita, Anisya
JSAI (Journal Scientific and Applied Informatics) Vol 3 No 3 (2020): November
Publisher : Fakultas Teknik Universitas Muhammadiyah Bengkulu

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36085/jsai.v3i3.1194

Abstract

Perkembangan teknologi informasi sangat berpengaruh dalam pengelolaan data dan penyampaian informasi bagi setiap instansi sehingga mempermudah dalam pengelolaan data yang diolah secara manual menjadi berbasis komputerisasi. Sehingga dengan adanya teknologi informasi yang digunakan dalam bidang pengelompokan atau inventaris aset barang-barang, setiap pencatatan dapat didokumentasikan sebagai barang bukti. Pada Fakultas Teknik Universitas Muhammadiyah Bengkulu juga menerapkan sistem sebagai pengelolaan data asset seperti computer, infokus dan printer, sebagai data inventaris.Dengan menerapkan algoritma Naïve Bayes diharapkan dapat mengetahui atau memprediksi data inventaris atau data aset yang ada. Teorema keputusan bayes itu sendiri adalah pendekatan statistik yang fundamental dalam pengenalan pola (pattern recoginition). Pendekatan ini didasarkan pada kuantifikasi antara berbagai keputusan klasifikasi dengan menggunakan probabilitas dan ongkos yang ditimbulkan dalam keputusan keputusan tersebut. Ide dasar dari bayes adalah menangani masalah yang bersifat hipotesis yakni mendesain suatu klasifikasi untuk memisahkan objek. Sehingga nantinya dalam pembuatan system pengelompokan data asset ini dapat mengetahui data asset yang ada pada Fakultas Teknik Universitas Muhammadiyah Bengkulu.

Page 2 of 2 | Total Record : 15

 1   2 

Filter by Year

2020 2020


Reset
Filter By Issues
All Issue Vol 9 No 1 (2026): Januari Vol 8 No 3 (2025): November Vol 8 No 2 (2025): Juni Vol 8 No 1 (2025): Januari Vol 7 No 3 (2024): November Vol 7 No 2 (2024): Juni Vol 7 No 1 (2024): Januari Vol 6 No 3 (2023): November Vol 6 No 2 (2023): Juni Vol 6 No 1 (2023): Januari Vol 5 No 3 (2022): November 2022 Vol. 5 No. 2 (2022): Juni 2022 Vol. 5 No. 1 (2022): Januari 2022 Vol 4, No 2 (2021): Juni 2021 Vol. 4 No. 2 (2021): Juni 2021 Vol. 4 No. 3 (2021): November Vol 4, No 3 (2021): November Vol 4, No 1 (2021): Januari Vol. 4 No. 1 (2021): Januari Vol 3, No 3 (2020): Informatics Science and Implementation Vol 3 No 3 (2020): November Vol. 3 No. 1 (2020): Jurnai Scientific and Applied Informatics Vol 3, No 1 (2020): Jurnai Scientific and Applied Informatics Vol. 2 No. 3 (2019): Computer science and applied informatics Vol 2, No 3 (2019): Computer science and applied informatics Vol. 2 No. 2 (2019): Scientific and Applied of Informatics Vol 2, No 2 (2019): Terbitan Juni Vol 2, No 2 (2019): Scientific and Applied of Informatics Vol 2, No 1 (2019): Applied of Informatics Vol. 2 No. 1 (2019): Applied of Informatics Vol. 1 No. 3 (2018): Sceintific and Applied Informatics Vol 1, No 3 (2018): Sceintific and Applied Informatics Vol 1, No 3 (2018): Sceintific and Applied Informatics Vol 1, No 2 (2018): Scientific and Applied Informatics Vol. 1 No. 2 (2018): Scientific and Applied Informatics Vol 1, No 1 (2018): JSAI - Applied Informatics Vol. 1 No. 1 (2018): JSAI - Applied Informatics More Issue