cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
I Gede Aris Gunadi
Contact Email
igagunadi@gmail.com
Phone
-
Journal Mail Official
igagunadi@gmail.com
Editorial Address
-
Location
Kota denpasar,
Bali
INDONESIA
JURNAL ILMU KOMPUTER INDONESIA
Published by Universitas Pendidikan Ganesha
ISSN : 26152703     EISSN : 26152711     DOI : -
Core Subject : Science,
Computer Science & IT
Jurnal Ilmu Komputer Indonesia adalah jurnal ilmiah yang diterbitkan oleh Pascasarjana Universitas Pendidikan Ganesha. Jurnal ini bertujuan untuk mewadahi artikel-artikel hasil penelitian dan hasil pengabdian masyarakat dibidang ilmu komputer. Pada akhirnya Jurnal ini dapat memberikan deskripsi tentang perkembangan ilmu pengetahuan dan teknologi di bidang ilmu komputer bagi masyarakat akademik. Jurnal ini terbit 3 kali setahun.
Arjuna Subject : -
Articles 5 Documents
 1 
Search results for , issue "Vol 4, No 2 (2019)" : 5 Documents clear
STRATEGI PENINGKATAN RANGKING WEBSITE UNIVERSITAS PENDIDIKAN GANESHA (UNDIKSHA.AC.ID) BERDASARKAN PERINGKAT WEBOMETRIC DENGAN MENGGUNAKAN PENDEKATAN TEKNIK ON-PAGE DAN OFF-PAGE SEARCH ENGINE OPTIMIZATION I Wayan Purna Sanjaya
JURNAL ILMU KOMPUTER INDONESIA Vol 4, No 2 (2019)
Publisher : Universitas Pendidikan Ganesha

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (150.559 KB) | DOI: 10.23887/jik.v4i2.2774

Abstract

Perkembangan teknologi dalam bidang internet khususnya website sudah sangat meningkat mulai dari pembuatan website dan optimalisasi akses website terhadap kunjungan. Website universitas yang menjadi jembatan informasi antara mahasiswa dan universitas, selain sebagai jembatan informasi website juga dipakai dalam promosi dan peningkatan daya saing terhadap peningkatan jumlah mahasiswa yang mendaftar. Setiap website universitas pasti akan didambakan untuk mendapatkan peringkat teratas pada search engine. Peringkat dalam website universitas dapat dilihat pada website webometric.com. Peringkat pada webometric dipengaruhi oleh empat kategori diantaranya presence, impact, openness, excellence. Pada penelitian ini empat kategori webometric akan dijabarkan kedalam teknik seo on-page dan off-page. Metode dalam analisis data menggunakan metode deduktif mengingat data hasil penyajian data berupa tabel angka persentase penggalian data menggunakan tool pihak ketiga secara online. Hasil yang diperoleh dari penelitian ini adalah dengan membandingkan sepuluh rangking terbesar di webometric dengan target web undiksha, dimana akan dicari persamaan dan kelebihan dari sepuluh besar website teratas, hasil berupa keyword terutama untuk singkatan dan logo, pengotimalan responsive webs desain untuk ukuran layar, gambar , logo dan button agar fleksibel dengan perangkat mobile, penguatan pencairan di Search Engine Result Page (SERP) dengan mendaftarkan konten dan link ke search engine. Sedangkan teknik off-page seo dapat mengoptimalkan subdomain, subdomain ini berdasarkan subdomain yang pernah diterapkan di website sepuluh besar yang banyak diakses, serta membuat halaman pada sosial bookmark pada facebook, yahoo dan google +  . Pengoptimalan sharing jurnal dan penelitian baik dari mahasiswa dan dosen pada google scholar. Adapun saran pengembangan untuk penelitian selanjutnya adalah karena penelitain ini hanya sebatas pemberian rekomendasi strategi peningkatan rangking website, maka diharapkan penelitian selanjutnya dapat langsung membuat roadmap kegiatan dari masing - masing item untuk dapat dilihat hasil peningkatan rangking website.
ADAPTIVE LEARNING : MENGIDENTIFIKASI GAYA BELAJAR PESERTA DIDIK DALAM RANGKA OPTIMALISASI SISTEM E-LEARNING DENGAN MENGGUNAKAN BAYESIAN NETWORK I Gede Jana Adi Putra
JURNAL ILMU KOMPUTER INDONESIA Vol 4, No 2 (2019)
Publisher : Universitas Pendidikan Ganesha

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (450.035 KB) | DOI: 10.23887/jik.v4i2.2773

Abstract

Pendekatan gaya belajar dalam sistem E-Learning  merupakan salah satu permasalahan yang menarik saat ini. Berapa penelitian menyatakan bahwa gaya belajar (tekstual, audio dan video) mampu meningkatkan kemampuan peserta didik dalam memahami konten pembelajaran. Tetapi, penerapan E-Learning saat ini masih pada tataran content management system (CMS) yang hanya dimanfaatkan untuk mengupload dan mendownload konten pembelajaran. Oleh karena itu, untuk dapat mengoptimalkan sistem E-Learning yang ada saat ini, peneliti mengembangkan sistem Adaptive Learning yang mampu mengidentifikasi gaya belajar peserta didik dengan menerapkan algoritma Bayesian Network. Bayesian Network mampu memperkuat hasil deteksi gaya belajar peserta didik dengan melihat kemungkinan peluang yang terjadi selama proses pembelajaran berlangsung. Dalam penelitian ini, sistem diujicobakan pada kelas XI MIA 1 pada SMA Negeri 1 Kuta dengan jumlah peserta didik sebanyak 34 orang. Dalam 5 pertemuan yang diwajibkan dengan nilai ketuntasan 74, peserta didik mampu mendapatkan nilai rata rata sebesar 82.00. Deteksi gaya belajar dari penerapan algortima Bayesian Network dilakukan setelah pertemuan ke-3, dengan rasional bahwa sudah lebih 50 % dari keseluruhan jumlah pertemuan. Dari hasil deteksi gaya belajar dengan Bayesian Network, terdapat 14  peserta didik dengan gaya belajar tekstual, 1 audio dan 1 visual. Untuk memvalidasi identifikasi gaya belajar oleh sistem, penulis melakukan klalifikasi data dengan melakukan wawancara satu persatu dengan peserta didik. Hasil validasi menunjukan bahwa seluluruh peserta didik setuju dengan identifikasi gaya belajar yang dihasilkan oleh sistem. Beberapa keterbatasan dalam penelitian ini yang dapat dijadikan sebagai acuan dalam melalakukan penelitian selanjutnya, antara lain: jumlah pertemuan yang digunakan dalam uji coba sistem dan kesetaraan konten pembelajaran yang digunakan untuk mengidentifikasi gaya belajar. 
KLASIFIKASI BERITA LOKAL RADAR MALANG MENGGUNAKAN METODE NAÏVE BAYES DENGAN FITUR N-GRAM Denny Nathaniel Chandra
JURNAL ILMU KOMPUTER INDONESIA Vol 4, No 2 (2019)
Publisher : Universitas Pendidikan Ganesha

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (330.349 KB) | DOI: 10.23887/jik.v4i2.2772

Abstract

Perkembangan berita digital telah tumbuh sangat cepat. Saat ini diperkirakan 80% berita digital dalam bentuk tidak terstruktur. Tingginya volume dokumen teks ini dipicu oleh aktivitas dari berbagai sumber berita. Kebutuhan analisis text mining sangat diperlukan dalam menangani teks yang tidak terstruktur tersebut.Untuk mengklasifikasikan berita, banyak peneliti yang berusaha untuk melakukan klasifikasi terhadap berita ini secara otomatis, salah satunya adalah dengan menggunakan klasifikasi naïve bayes. Pada penelitian ini selain menggunakan naïve bayes, peneliti juga akan menggunakan fitur N-Gram. Diharapkan dengan penambahan metode ini, dapat meningkatkan tingkat akurasi dari klasifikasi naïve bayes.
ANALISIS EFEK PENCAHAYAAN PADA PERFORMA AUGMENTED REALITY BOOK CORAL SPONGES MENGGUNAKAN METODE MARKER-BASED TRACKING I.K.T.A. Stanaya
JURNAL ILMU KOMPUTER INDONESIA Vol 4, No 2 (2019)
Publisher : Universitas Pendidikan Ganesha

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (176.893 KB) | DOI: 10.23887/jik.v4i2.2770

Abstract

Penelitian ini bertujuan merancang aplikasi Augmented Reality Coral Sponges yang dapat dijadikan media informasi, mengimplementasikan metode Marker Based-Tracking pada aplikasi Augmented Reality Coral Sponges, serta mengujikan performa Augmented Reality Coral Sponges dengan metode Marker Based-Tracking dalam menganalisis efek pencahayaan terhadap munculnya objek tiga dimensi (3D) coral sponges. Marker-based tracking secara skema melacak kebenaran marker sebagai penanda dalam memunculkan objek tiga dimensi (3D). Aplikasi augmented reality yang terhubung dengan marker, melakukan proses pencocokan antara marker dengan objek tiga dimensi yang ditampilkan melalui perangkat smartphone. Sehingga dengan melacak kebenaran marker tersebut, maka dapat diketahui kecocokan antara marker dengan objek tiga dimensi (3D) yang ditampilkan pada layar smartphone. Data dalam penelitian ini dikumpulkan melalui observasi secara langsung, dengan melakukan pengujian pencahayaan menggunakan tiga sumber cahaya lampu yang berbeda, adapun tiga jenis lampu yang digunakan yaitu, Lampu Bohlam 15watt, 25watt dan 40watt, Lampu Fluorescent 5watt, 18watt, dan 23watt, serta Lampu LED 5watt, 7watt, dan 16watt. Pengujian dilakukan dengan memfokuskan cahaya lampu pada marker, serta pada marker diletakkan alat light meter yang digunakan untuk mengukur satuan cahaya dalam bentuk lux. Dalam pengujian ini terdapat 198 kasus dalam memunculkan objek tiga dimensi (3D) berdasarkan tiga sumber cahaya lampu yang menyinari marker. Sehingga diperoleh data hasil pengujian yang dianalisis menggunakan pengklasifikasian berupa tabel dan juga grafik. Berdasarkan hasil dari pengklasifikasian tersebut dapat disimpulkan bahwa benar dengan adanya pencahayaan pada augmented reality book memiliki pengaruh dalam memunculkan objek tiga dimensi (3D), dan dengan adanya pencahayaan pada marker maka objek tiga dimensi (3D) dapat muncul dengan baik pada aplikasi. Adapun rentangan minimal untuk dapat memunculkan objek tiga dimensi (3D) dalam penelitian ini adalah 17,5 lux, dengan rentangan maksimal adalah 310 lux, berdasarkan 198 kasus yang telah diujikan. Dengan demikian, pencahayaan yang mengenai marker pada AR-Book perlu diperhatikan agar objek tiga dimensi (3D) dapat muncul dengan baik, sesuai dengan rancangan yang telah tersimpan pada database aplikasi augmented reality
PREDIKSI TINGKAT KELULUSAN MAHASISWA TEPAT WAKTU MENGGUNAKAN NAÏVE BAYES: STUDI KASUS FAKULTAS EKONOMI DAN BISNIS UNIVERSITAS PENDIDIKAN NASIONAL I Gede Indra Suardika
JURNAL ILMU KOMPUTER INDONESIA Vol 4, No 2 (2019)
Publisher : Universitas Pendidikan Ganesha

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (263.937 KB) | DOI: 10.23887/jik.v4i2.2775

Abstract

Data merupakan kumpulan informasi yang tersimpan dari kegiatan atau transaksi. Data ini akan memberikan informasi yang lebih baik dan dapat dimanfaatkan untuk pengambilan keputusan dengan menggunakan data mining. Universitas Pendidikan Nasional merupakan Perguruan Tingga Swasta yang memiliki keunggulan tidak hanya lingkup lokal namun mencakup Bali dan Nusa Tenggara. Fakultas Ekonomi dan Bisnis dengan Akreditasi BAN PT A pada Program Studi Manajemen dan B pada Program Studi Akuntansi pada Universitas Pendidikan Nasional merupakan salah satu Program Studi yang diminati oleh calon mahasiswanya. Tantangan Universitas dalam menyelenggarakan pendidikan adalah menghasilkan sarjana yang mempunyai kompetensi, bersaing dan beradaptasi di dunia global serta lulus sesuai waktu yang telah ditentukan. Prediksi tingkat kelulusan adalah salah satu faktor pendukung dalam memperbaiki mutu dan layanan pendidikan pada lingkup Universitas Pendidikan Nasional, oleh karena itu penelitian Prediksi Tingkat Kelulusan Mahasiswa Tepat Waktu menggunakan Naive Bayes pada Fakultas Ekonomi dan Bisnis menjadi hal yang sangat penting untuk dilakukan. Dengan menggunakan salah satu tehnik data mining yaitu Naive Bayes dapat dilakukan prediksi terhadap tingkat kelulusan tepat waktu mahasiswa fakultas tersebut terhadap data yang ada. Hasil penelitian ini dapat disimpulkan bahwa Visi dan Misi yang telah dijalankan oleh Universitas Pendidikan Nasional Fakultas Ekonomi dan Bisnis telah menghasilkan sarjana tepat waktu empat tahun dengan prosentase 98 persen.

Page 1 of 1 | Total Record : 5

 1 

Filter by Year

2019 2019


Reset
Filter By Issues
All Issue Vol 7, No 2: November 2022 Vol 7, No 1: Februari 2022 Vol 6, No 2 (2021): November 2021 Vol 6, No 1 (2021): Februari 2021 Vol 5, No 2 (2020): November 2020 Vol 5, No 1 (2020): FEBRUARI 2020 Vol 4, No 2 (2019) Vol 4, No 1 (2019) Vol 3, No 2 (2018) Vol 3, No 1 (2018) Vol 2, No 1 (2017): Vol 1, No 1 (2016) More Issue