cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Irfan Mujahidin
Contact Email
irfan.mujahidin@unmer.ac.id
Phone
-
Journal Mail Official
Irfan.mujahidin@unmer.ac.id
Editorial Address
-
Location
Kota malang,
Jawa timur
INDONESIA
JASIEK (Jurnal Aplikasi Sains, Informasi, Elektronika dan Komputer)
Published by Universitas Merdeka Malang
ISSN : 26565722     EISSN : 2685497X     DOI : -
Core Subject : Science, Education, Engineering,
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Electrical & Electronics Engineering Mathematics
Sistem Tenaga Generator, Distribusi Daya, Konversi Daya Listrik, Sistem Perlindungan dan Teknologi Bahan elektrik Sinyal, Sistem, dan Elektronik Pemrosesan Sinyal Digital, Pemrosesan Gambar, Sistem Robot, Sistem Kontrol dan Sistem Embeded Sistem komunikasi Telekomunikasi, Komunikasi Nirkabel dan Jaringan Komputer Teknologi Informasi Rekayasa Perangkat Lunak, Penambangan Data Multimedia, Komputasi Bergerak, Komputasi Paralel / Terdistribusi, Inteligensi Buatan, Grafik Komputer dan AR / VR Aplikasi Sains Instrumentasi, Matematika, Fisika, Teknologi Geologi, Kimia, Pendidikan Sains dan Teknologi Kesehatan atau Biomedis.
Arjuna Subject : -
Articles 129 Documents
 7   8   9   10   11 
Performasi Deteksi Jumlah Manusia Menggunakan YOLOv8 Nike Dwi Grevika Drantantiyas; Winda Yulita; Naufal Taufiq Ridwan; Uri Arta Ramadhani; Rahman Indra Kesuma; Arkham Zahri Rakhman; Radhinka Bagaskara; Afit Miranto; Zunanik Mufidah
JASIEK (Jurnal Aplikasi Sains, Informasi, Elektronika dan Komputer) Vol. 5 No. 2 (2023): Desember
Publisher : Universitas Merdeka Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26905/jasiek.v5i2.11605

Abstract

Pengembangan deteksi kepala sudah meningkat dengan adanya peningkatan algoritma kecerdasan buatan. Peningkatan ini dapat pula dengan penambahan tugas yaitu menghitung jumlah orang dengan mendeteksi jumlah kepala. Tujuan penelitian ini adalah menentukan performansi model sistem penghitung jumlah kepala dengan menggunakan algoritma Yolov8. Penelitian ini hanya berfokus membuat model deteksi jumlah orang. Jumlah dataset yang dirancang berjumlah 2390 gambar yang diperoleh dari dataset Roboflow, dengan pemisahan data sebesar 70:20:10 untuk masing-masing, data latih; data uji ; data validasi. Besar Epoch pada pelatihan model yang digunakan adalah 50. Algoritma deteksi jumlah kepala meggunakan YOLOv8. Nilai yang diukur adalah performasi dari model data training, nilai confusion matrix dan nilai evaluasi dari confusion matrix. Nilai evaluasi yang akan dihitung adalah nilai presisi, nilai akurasi, recall dan f1-score.  Diperoleh hasil pengujian nilai akurasi sebesar 87,56 %, nilai presisi 83,74%, nilai recall  100% dan nilai F1-score 91,15%. Kurva presisi memberikan nilai tertinggi 1 pada tingkat kepercayaan 0,857, recall bernilai 0,8 pada tingkat kepercayaan 0, f1 0,716 pada kepercayaan 0,36 dan presisi-recall 0,771 pada 0,5 mAP. Berdasarkan nilai ini, model sudah cukup mendeteksi jumlah kepala.
Aplikasi Mobile Augmented Reality sebagai Pembelajaran Pengenalan Mamalia Laut Yoga Sahria; Pratiwi Wulandarib; Aditiya Ramputra Pratama; Diya Almustofa Al Banatusi
JASIEK (Jurnal Aplikasi Sains, Informasi, Elektronika dan Komputer) Vol. 5 No. 2 (2023): Desember
Publisher : Universitas Merdeka Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26905/jasiek.v5i2.11558

Abstract

Penelitian ini bertujuan untuk mengembangkan dan mengevaluasi aplikasi mobile berbasis augmented reality (AR) yang dirancang untuk meningkatkan pembelajaran pengenalan mamalia laut. Aplikasi ini dirancang sebagai alat pembelajaran inovatif yang memanfaatkan teknologi AR untuk menyajikan informasi interaktif dan real-time tentang mamalia laut kepada pengguna. Metode pengembangan aplikasi dengan menggunakan MDLC (Multimedia Development Life Cycle). Aplikasi ini memungkinkan pengguna untuk mengakses informasi mendalam tentang berbagai spesies mamalia laut dengan menggunakan perangkat mobile mereka. Melalui tampilan AR, pengguna dapat menyaksikan model 3D mamalia laut di lingkungan mereka, memungkinkan pengalaman pembelajaran yang lebih mendalam dan interaktif. Penelitian ini juga mencakup evaluasi efektivitas aplikasi melalui metode pengumpulan data kuantitatif. Hasil evaluasi menunjukkan bahwa penggunaan aplikasi mobile augmented reality secara signifikan meningkatkan pemahaman dan minat siswa dalam pengenalan mamalia laut. Dengan demikian, aplikasi ini diharapkan dapat menjadi sumber daya yang berharga dalam konteks pendidikan lingkungan dan biologi laut. Keberhasilan pengembangan aplikasi ini menunjukkan potensi teknologi augmented reality dalam meningkatkan kualitas pembelajaran, khususnya dalam memahami keanekaragaman mamalia laut.
B-Shinance: Aplikasi R-Shiny Interaktif untuk Percepatan Visualisasi Daerah Potensi Banjir Berdasarkan Uji Dominasi Vega Purwayoga; Euis Nur Fitriani Dewi; Zakwan Gusnadi
JASIEK (Jurnal Aplikasi Sains, Informasi, Elektronika dan Komputer) Vol. 5 No. 2 (2023): Desember
Publisher : Universitas Merdeka Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26905/jasiek.v5i2.11546

Abstract

Bencana banjir merupakan salah satu bencana yang sering terjadi di Indonesia. Beberapa penyebab terjadinya banjir yaitu perubahan tutupan lahan, penggunaan lahan dan curah hujan yang tinggi. Banjir dapat diantisipasi atau dampak banjir dapat diminimalisir dengan cara mengidentifikasi daerah potensi banjir berdasarkan kondisi dari suatu daerah.  Proses identifikasi daerah potensi banjir dapat dilakukan dengan menerapkan skyline query. Dimana skyline query dapat mengidentifikasi daerah yang paling unggul atau dominan berdasarkan karakteristik daerah yang berpotensi banjir. Penyajian hasil skyline query akan lebih mudah dipahami ketika dikembangkan atau diterapkan ke dalam suatu sistem atau aplikasi. Sehingga dalam penelitian ini mengembangkan suatu aplikasi interaktif untuk percepatan visualisasi daerah potensi banjir dengan menerapkan skyline query. Aplikasi dikembangkan dengan menggunakan R dan library shiny untuk mempercepat penerapan alogirtma dan pengembangan aplikasi. Aplikasi yang dikembangkan dalam penelitian ini yaitu B-Shinance.
Jaringan Syaraf Tiruan untuk Memprediksi Pengambilan Keputusan untuk Memberikan Kredit kepada Calon Nasabah Baru Januardi Nasir; Alvendo Wahyu Aranski; Yasha Langitta Setiawan
JASIEK (Jurnal Aplikasi Sains, Informasi, Elektronika dan Komputer) Vol. 5 No. 2 (2023): Desember
Publisher : Universitas Merdeka Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26905/jasiek.v5i2.11549

Abstract

Kredit adalah proses meminjamkan uang kepada nasabah dengan ketentuan bahwa nasabah wajib mengembalikan uang yang dipinjamnya kembali kepada bank yang memberi pinjaman. Masalahnya adalah nasabah yang dibiayai atau yang diberi kredi ini memiliki karakter dan sifat yang bermacam-macam sehingga sulit untuk memastikan bahwa kredit tersebut akan dikembalikan seluruhnya. Bank menilai untuk memberikan kredit sering menggunakan prinsip 5 C (Character, Capital Capacity,Condition of Economy, dan Colateral).analisis yang paling rumit adalah analisis terhadap kondisi keuangan calon nasabah yaitu permodalan dan kemampuan calon nasabah dalam melakukan pengembalian kreditnya. Oleh karena itu perlu dikembangkan suatu alat analisis untuk menganalisis permodalan serta kemampuan calon nasabah dalam mengembalikan kreditnya. Untuk memudahkan analisis terhadap calon nasabah maka perlu dikembangkan suatu metode yang dapat meramalkan kualitas dari kredit yang akan diberikan kepada calon nasabah sehingga pihak bank memiliki analisis yang lebih tepat dalam pengambilan keputusan untuk memberikan kredit kepada calon nasabah baru, maka dikembangkanlah suatu metode jaringan syaraf tiruan yang menggunakan algoritma backpropagation sebagai alat bantu dalam menganalisis kualitas kredit yang akan diberikan tersebut. Hasil dari penelitian ini berupa sistem pengambilan keputusan yang memastikan pihak bank memberikan kredit berdasar prinsip 5 c tanpa harus takut dengan pemodalan nasabah baru.
Penggunaan Metode Technology Acceptance Model (TAM) dalam Analisis Sistem Informasi Alista (Application of Logistic and Supply Telkom Akses) Ida Ayu Putu Ayunda Aprilia Sugiantari; Ni Luh Ayu Widiasih; I Made Agus Oka Gunawan; Gede Indrawan
JASIEK (Jurnal Aplikasi Sains, Informasi, Elektronika dan Komputer) Vol. 5 No. 2 (2023): Desember
Publisher : Universitas Merdeka Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26905/jasiek.v5i2.11521

Abstract

PT Telkom Akses Denpasar employees are assigned to provide and prepare materials in limited quantities and time. To be fulfilled, employees do work quickly including coordination, procurement, production, product supply, including daily administration and processing information from technicians to customers to make it easier to use the Alista application. Is the perception of interface design, system ease, system acceptance attitude, behavior of using the system measured by how much influence on the real condition of the use of the system that is trusted by employees. The method used to measure the results of research using TAM. Research sample of 78 employees. Based on the analysis results it is known that 35.2% of the four independent variables namely interface design, ease of system, attitude of system acceptance, behavior of system usage affects the real conditions of the use of information systems. The results of the respondents' scores were obtained from the results of a questionnaire from all respondents towards the variable of the question studied, the results of the TAM in the percentage of 44% of respondents' answers on average strongly agreed and 55% of respondents' answers agreed.
Pengembangan UI/UX pada Aplikasi Kelola HR Berbasis Mobile dengan Menggunakan Metode Design Thinking Bima Aji Laksono; Muchayan Achmad; Lukman Junaedi
JASIEK (Jurnal Aplikasi Sains, Informasi, Elektronika dan Komputer) Vol. 6 No. 1 (2024): Juni 2024
Publisher : Universitas Merdeka Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26905/jasiek.v6i1.12168

Abstract

Sumber daya manusia atau Human Resource (HR) merupakan salah satu concern yang penting dalam dunia pekerjaan. Dikatakan penting dikarenakan Human Resource (HR) ini diharuskan stabil. Salah satu komponennya adalah lembur, menurut Peraturan Pemerintah Republik Indonesia No 35 Tahun 2001, disebutkan bahwa lembur bisa dilakukan paling banyak 4 jam dalam 1 hari dan 18 jam dalam satu minggu. Maka dari itu, perlu sebuah aplikasi dengan tampilan informasi yang informatif untuk mengelola salah satu komponen tersebut. Penelitian ini bertujuan untuk memperbaiki tampilan aplikasi kelola HR existing agar lebih informatif dan memenuhi kebetuhan HR yang belum tersedia. Dibantu dengan metode Design Thinking, dimana pendekatannya mengutamakan aspek keluhan sekaligus kebutuhan pengguna. Dan tentunya telah menghadirkan solusi untuk tampilan desain aplikasi sesuai kebutuhan yang sebelumnya telah melalui tahapan evaluasi. Hasil Guerilla Testing menyimpulkan bahwa tampilan aplikasi yang dibuat telah memenuhi kebutuhan dan mengatasi masalah-masalah yang muncul sebelumnya.
Identifikasi Jenis Ras pada Kucing Menggunakan Algoritma Support Vector Machine (SVM) Prasetyo Defantara Hadi; Diah Arie Widhining K; Farrady Alif Fiolana
JASIEK (Jurnal Aplikasi Sains, Informasi, Elektronika dan Komputer) Vol. 6 No. 1 (2024): Juni 2024
Publisher : Universitas Merdeka Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26905/jasiek.v6i1.10989

Abstract

Kucing adalah mamalia karnivora kecil yang dikenal sebagai satu-satunya spesies jinak dalam keluarga Felidae . Di Indonesia, beberapa jenis ras kucing populer sebagai hewan peliharaan, antara lain Bengal, Ragdoll, Russian Blue, Siamese, dan Persia. Namun, keberagaman ras kucing ini seringkali membuat pemiliknya kesulitan mengidentifikasi jenis ras yang dimiliki oleh kucing mereka. Penelitian ini bertujuan untuk melakukan klasifikasi pada lima jenis ras kucing tersebut menggunakan metode Support Vector Machine (SVM) dengan kernel Radial Basis Function(RBF). Data yang digunakan terdiri dari tiga jenis dataset, yaitu data latih sebanyak 1400 sampel, data validasi sebanyak 600 sampel dan data uji sebanyak 250 sampel. Hasil penelitian menunjukkan bahwa model yang dibangun menggunakan metode SVM dengan kernel RBF berhasil mencapai tingkat akurasi sebesar 86%, presisi sebesar 87%, recall sebesar 86%, dan f1 score sebesar 86%. Hasil tersebut menandakan bahwa model klasifikasi ini mampu melakukan prediksi dengan tingkat keakuratan yang baik.
Metode Convolutional Neural Network dan Extreme Gradient Boost untuk Mengklasifikasi Penyakit Pneumonia Alif Ernanda Putra; Kartini Kartini; Anggraini Puspita Sari
JASIEK (Jurnal Aplikasi Sains, Informasi, Elektronika dan Komputer) Vol. 6 No. 1 (2024): Juni 2024
Publisher : Universitas Merdeka Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26905/jasiek.v6i1.11464

Abstract

Penelitian ini berfokus pada deteksi penyakit pneumonia melalui analisis gambar radiografi thorax. Tujuan utama adalah untuk mencari akurasi dan mengembangkan sebuah model klasifikasi yang efektif dan akurat dengan memanfaatkan teknologi Machine Learning, khususnya Convolutional Neural Networks (CNN) dan Extreme Gradient Boosting (XGBoost). Model yang dikembangkan dalam penelitian ini menunjukkan potensi yang signifikan untuk aplikasi di bidang medis, khususnya dalam diagnosis otomatis penyakit pneumonia melalui gambar radiografi thorax. Penelitian ini menggunakan dataset yang terdiri dari 5.856 gambar radiografi thorax, yang diperoleh dari situs Kaggle dengan judul "Chest X-Ray Images (Pneumonia)". Dataset ini mencakup gambar dari pasien yang menderita pneumonia dan gambar dari pasien normal. Algoritma CNN digunakan untuk ekstraksi fitur dari gambar, dan algoritma XGBoost diterapkan untuk klasifikasi. Untuk evaluasi, pembagian datanya yaitu 70:30, 70% untuk data latih dan 30% untuk data testing. Metrik evaluasi yang digunakan mencakup akurasi, presisi, recall, dan F1-score. Hasil penelitian menunjukkan bahwa model klasifikasi yang dikembangkan memiliki performa yang sangat baik dalam deteksi pneumonia. Dalam skenario pembagian data 70:30, model CNN mencapai akurasi sebesar 88,73%, sementara model XGBoost mencapai akurasi sebesar 91,12%. Penelitian ini juga menunjukkan bahwa kombinasi fitur yang diekstraksi oleh CNN dapat meningkatkan performa model XGBoost.
Penerapan Metode Decision Tree C4.5 untuk Klasifikasi Data Kandidat Tenaga Kerja pada Perusahaan Outsourcing Ahmad Ardhy Ansyah; Tresna Maulana Fahrudin; Dwi Arman Prasetya
JASIEK (Jurnal Aplikasi Sains, Informasi, Elektronika dan Komputer) Vol. 6 No. 1 (2024): Juni 2024
Publisher : Universitas Merdeka Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26905/jasiek.v6i1.12670

Abstract

Sebuah perusahaan biasanya melakukan screening menggunakan metode konvensional dalam mencari kandidat tenaga kerja. Hal tersebut berdampak pada proses pemilihan kandidat tenaga kerja yang menghabiskan waktu yang cukup lama dan ketidakkonsistenan dalam pengambilan keputusan. Oleh karena itu, dalam proses pemilihan kandidat tenaga kerja dapat menggunakan sebuah model machine learning yang dapat melakukan klasifikasi berdasarkan profil dan kompetensi kandidat tenaga kerja. Model machine learning yang digunakan salah satunya adalah Decision Tree C4.5 yang mampu menghasilkan sebuah keputusan pemilihan kandidat tenaga kerja secara otomatis berdasarkan data.  Hasil pengujian menunjukkan bahwa model ini memiliki akurasi dan precision yang tinggi, terutama pada validation model menggunakan holdout atau percentage split dengan proporsi data training dan testing sebesar 70:30 masing-masing yakni mencapai akurasi terbaik sebesar 0.99, dan precision sebesar 0.9. Dengan demikian, model ini dapat dimplementasikan dalam sistem seleksi kandidat untuk meningkatkan efisiensi proses seleksi dan pengelolaan data kandidat.
Rancang Bangun Sistem Informasi Penggajian Karyawan Berbasis Website Menggunakan Metode Rapid Application Development (RAD) Alfin Faiz Febrianto; Achmad Muchayan
JASIEK (Jurnal Aplikasi Sains, Informasi, Elektronika dan Komputer) Vol. 6 No. 1 (2024): Juni 2024
Publisher : Universitas Merdeka Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26905/jasiek.v6i1.12233

Abstract

Kegiatan rutin yang dilakukan oleh Bendahara PT Sejati Tritunggal pada setiap akhir bulan yaitu memproses perhitungan data gaji karyawan. Proses Perhitungan data gaji karyawan ini dilakukan dengan menghitung data sesuai variabel gaji yang ada pada PT Sejati Tritunggal. Pada saat ini proses perhitungan gaji karyawan masih manual menggunakan file excel sehingga sering terjadi kesalahan pada saat proses perhitungan data gaji. Sistem informasi penggajian karyawan dikembangkan untuk meminimalkan kesalahan perhitungan data gaji, memudahkan pembuatan laporan penggajian dan mengelola data penggajian karyawan dengan baik. Sistem informasi penggajian karyawan dikembangkan dengan pendekatan Rapid Application Development. Menggunakan bahasa pemrograman PHP dengan framework laravel serta MySQL sebagai basis data.

Page 9 of 13 | Total Record : 129

 7   8   9   10   11 

Filter by Year

2019 2026


Reset
Filter By Issues
All Issue Vol. 8 No. 1 (2026): Juni 2026 (forthcoming Issue) Vol. 7 No. 2 (2025): Desember 2025 Vol. 7 No. 1 (2025): Juni 2025 Vol. 6 No. 2 (2024): Desember 2024 Vol. 6 No. 1 (2024): Juni 2024 Vol 5, No 1 (2023): JUNI 2023 Vol. 5 No. 1 (2023): Juni 2023 Vol. 5 No. 2 (2023): Desember Vol. 4 No. 2 (2022): Desember 2022 Vol. 4 No. 1 (2022): Juni 2022 Vol 3, No 2 (2021): DESEMBER 2021 Vol 3, No 1 (2021): JUNI 2021 Vol 2, No 2 (2020): Desember 2020 Vol 2, No 1 (2020): Juni 2020 Vol 1, No 2 (2019): Vol 1, No 2 (2019): Desember 2019 Vol 1, No 1 (2019): Vol 1, No 1 (2019): Juni 2019 More Issue