cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Rizki Yusliana Bakti
Contact Email
rizkiyusliana@unismuh.ac.id
Phone
+6285396530032
Journal Mail Official
ainet@unismuh.ac.id
Editorial Address
3th Floor of Menara Iqra, Universitas Muhammadiyah Makassar. Jalan Sultan Alauddin No.259 Makassar
Location
Kota makassar,
Sulawesi selatan
INDONESIA
Ainet : Jurnal Informatika
Published by Universitas Muhammadiyah Makassar
ISSN : 26861917     EISSN : 26570653     DOI : -
Core Subject : Science, Education, Engineering,
Computer Science & IT Engineering Languange, Linguistic, Communication & Media
Ainet : Jurnal Informatika is a scientific journal in the field of Informatics which contains scientific articles on various pure and applied research as well as general reviews on the development of theories, methods and related applied sciences. Ainet is published by Department of Informatics, Faculty of Engineering, Universitas Muhammadiyah Makassar. Published 2 times a year in March and September.
Arjuna Subject : Ilmu Komputer (semua kategori) - Ilmu Komputer (Lain-Lain)
Articles 79 Documents
 4   5   6   7   8 
Menentukan Tingkat Kemiripan Judul Mahasiswa Fakultas Keguruan dan Ilmu Pendidikan Unismuh Makassar Menggunakan Metode Cosine Similarity Lukman; Wahyuni, Titin; Baba, Haedir
Ainet : Jurnal Informatika Vol. 7 No. 2 (2025): September (2025)
Publisher : Universitas Muhammadiyah Makassar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26618/zzptwc89

Abstract

Plagiarism and duplicate thesis titles pose serious challenges to maintaining research originality among students at the Faculty of Teacher Training and Education (FKIP), Universitas Muhammadiyah Makassar. This study aims to implement the cosine similarity method to detect thesis title similarity and evaluate its performance using standard metrics. The research data comprised 1,000 thesis titles processed through preprocessing stages, TF-IDF feature extraction, cosine similarity calculation, and model evaluation. Results show the system can detect similarity with 87.33% accuracy, 100% precision, 58.70% recall, and 73.97% F1-score. Perfect precision indicates the system is highly reliable in identifying similar titles without false positives. However, the relatively low recall indicates that some similar titles remain undetected. This research provides practical contributions as a tool for verifying the authenticity of thesis titles and encourages the development of more sensitive similarity-detection systems in the future.
Implementasi Algoritma Simulated Annealing dalam Optimasi Waktu Tempuh pada Sistem Pengantaran J&T Express di Kecamatan Mariso Dika, Andika Saputra; Fachrim, Fachrim Irhamna Rahman; Chyquitha, Chyquitha Danu Putri; saputra, andika
Ainet : Jurnal Informatika Vol. 7 No. 2 (2025): September (2025)
Publisher : Universitas Muhammadiyah Makassar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26618/6qf28j63

Abstract

Meningkatnya volume pengiriman paket di perusahaan logistik membutuhkan perencanaan rute yang efisien, terutama di daerah perkotaan dengan kepadatan lalu lintas yang tinggi. Distrik Mariso dicirikan oleh kondisi lalu lintas yang padat yang secara signifikan memengaruhi waktu tempuh pengiriman bagi kurir J&T Express. Studi ini bertujuan untuk mengoptimalkan rute pengiriman paket dengan meminimalkan total waktu tempuh menggunakan Simulated Annealing (SA). Dataset dikumpulkan melalui observasi lapangan, wawancara kurir, dan analisis peta digital, termasuk titik pengiriman, jarak antar titik, dan perkiraan waktu tempuh berdasarkan kondisi lalu lintas historis. Masalah pengiriman dirumuskan sebagai Traveling Salesman Problem menggunakan model grafik berbobot. Hasil eksperimen menunjukkan bahwa metode yang diusulkan menghasilkan rute pengiriman yang lebih efisien dengan pengurangan total waktu tempuh dibandingkan dengan praktik perutean manual. Temuan ini menunjukkan bahwa Simulated Annealing efektif untuk optimasi rute pengiriman dan dapat digunakan sebagai pendekatan pendukung keputusan untuk meningkatkan efisiensi logistik di daerah perkotaan.
OPTIMALISASI DISTRIBUSI PEMILIH TERHADAP TPS MENGGUNAKAN METODE CLUSTERING FUZZY C-MEANS Djalil, Sony Achmad; Muhammad Faisal; Muhyiddin AM Hayat; Titin Wahyuni
Ainet : Jurnal Informatika Vol. 7 No. 2 (2025): September (2025)
Publisher : Universitas Muhammadiyah Makassar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26618/6jc0a759

Abstract

General elections are a fundamental pillar of modern democratic systems, requiring an implementation that is efficient, fair, and inclusive. One of the key factors influencing the success of an election is the determination of polling station locations, as their placement directly affects voter accessibility, travel distance, and public participation. Inappropriate polling station allocation can lead to service inequality, voter congestion, and a decline in the overall quality of the voting process. At the local administrative level, polling station determination is still largely conducted manually by grouping voters based on neighborhood or administrative boundaries. This conventional approach is often time consuming, prone to administrative errors, and frequently results in an uneven distribution of voters across polling stations. In addition, electoral regulations impose limits on the maximum number of voters per polling station to ensure smooth and orderly voting procedures, which are not always optimally satisfied through manual methods. As voter data complexity and geographic dispersion increase, computational approaches are needed to support more effective decision making. Clustering techniques in unsupervised learning enable objective grouping of voters based on spatial characteristics. The Fuzzy C-Means method represents a suitable approach because it can accommodate data uncertainty and overlapping service areas. The application of this method is expected to produce a more efficient, equitable, and data driven distribution of polling stations, thereby contributing to the improvement of election management quality and democratic integrity
klasifikasi tanaman herbal lokal berdasarkan citra daun dengan menggunakan algoritma resnet152v2 ., arneta; Darniati; Chyquitha Danuputri
Ainet : Jurnal Informatika Vol. 7 No. 2 (2025): September (2025)
Publisher : Universitas Muhammadiyah Makassar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26618/gstka990

Abstract

Abstrak Penelitian ini bertujuan untuk mengklasifikasikan tanaman herbal lokal berdasarkan citra daun dengan memanfaatkan algoritma Convolutional Neural Network (CNN) menggunakan arsitektur ResNet152V2. Identifikasi tanaman herbal secara manual masih menjadi tantangan bagi masyarakat karena banyak jenis tanaman memiliki kemiripan morfologi daun, sehingga berpotensi menimbulkan kesalahan dalam pemanfaatannya sebagai bahan obat tradisional. Oleh karena itu, penerapan teknologi pengolahan citra digital berbasis deep learning menjadi solusi yang relevan untuk meningkatkan akurasi identifikasi tanaman herbal. Dataset yang digunakan dalam penelitian ini terdiri dari 4.400 citra daun yang dikumpulkan secara langsung di lingkungan alami, mencakup 11 kelas yang terdiri atas tanaman herbal, non-herbal, dan kelas tidak teridentifikasi. Dataset melalui tahap pra-pemrosesan yang meliputi padding, resizing, normalisasi, serta augmentasi data untuk meningkatkan variasi dan kualitas data. Model ResNet152V2 dilatih menggunakan optimizer Adam dengan learning rate sebesar 0,0001 dan fungsi loss Categorical Crossentropy, serta menerapkan callback EarlyStopping untuk mencegah overfitting.Hasil evaluasi menunjukkan bahwa model mampu mencapai akurasi validasi sebesar 99,77% dan akurasi pengujian sebesar 99,11%. Nilai precision, recall, dan F1-score pada hampir seluruh kelas berada di atas 0,95, yang menandakan performa klasifikasi yang sangat baik. Dengan demikian, penelitian ini membuktikan bahwa ResNet152V2 efektif digunakan dalam sistem identifikasi tanaman herbal berbasis citra daun dan berpotensi dikembangkan lebih lanjut sebagai sistem pendukung pelestarian tanaman obat lokal.
Penerapan Sistem Pencarian Dokumen Berdasarkan Frasa di Abstrak Perpustakaan Digital Menggunakan Algoritma BM25 dan Word2Vec Fahrim Irhmna Rachman; Ida Mulyadi; Fajar, Nur
Ainet : Jurnal Informatika Vol. 7 No. 2 (2025): September (2025)
Publisher : Universitas Muhammadiyah Makassar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26618/t9pgjs86

Abstract

Perkembangan perpustakaan digital menyebabkan meningkatnya volume abstrak dokumen sehingga menuntut metode pencarian yang akurat untuk menemukan buku relevan. Penelitian ini mengusulkan penerapan sistem pencarian berbasis frasa pada abstrak dengan menggabungkan algoritma BM25 dan Word2Vec untuk meningkatkan relevansi hasil. Dataset terdiri dari 500 abstrak skripsi yang dipreproses (lowercasing, tokenisasi, stopword removal); model Word2Vec dilatih dengan arsitektur skip-gram (vector_size=100, window=5, epochs=50) dan BM25 diinisialisasi pada representasi token dokumen. Skor BM25, Word2Vec (cosine similarity) dan TF-IDF dinormalisasi lalu digabungkan (rata-rata) untuk pemeringkatan akhir. Evaluasi dilakukan menggunakan metrik Precision, Recall dan F1-Score pada beberapa query uji. Hasil menunjukkan peningkatan performa pada banyak query (rata-rata F1 ≈ 0.80) dengan beberapa kasus mencapai nilai sempurna (1.00), meskipun ada variabilitas antar tipe query. Temuan ini menegaskan bahwa penggabungan pencocokan lesikal BM25 dan representasi semantik Word2Vec dapat meningkatkan relevansi pencarian; pengembangan lanjutan direkomendasikan pada metode penggabungan skor dan perluasan korpus.
INTEGRASI ALGORITMA EdDSA DENGAN MULTI-SIGNATURE PADA SISTEM TANDA TANGAN DIGITAL BERBASIS QR CODE UNTUK VERIFIKASI DOKUMEN AKADEMIK Ahmad Fauzi Saifuddin; Fauzi, Ahmad; Lukman; Muhyiddin A.M Hayat
Ainet : Jurnal Informatika Vol. 8 No. 1 (2026): Maret (2026)
Publisher : Universitas Muhammadiyah Makassar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26618/qxkvht88

Abstract

Perkembangan dokumen akademik digital menuntut adanya sistem verifikasi yang mampu menjamin keaslian, integritas, dan keabsahan dokumen secara cepat dan aman. Penelitian ini bertujuan untuk mengimplementasikan sistem tanda tangan digital berbasis QR Code dengan mengintegrasikan algoritma Edwards-curve Digital Signature Algorithm (EdDSA) varian Ed25519 dan skema multi-signature untuk verifikasi dokumen akademik. Setiap dokumen ditandatangani secara digital oleh satu atau lebih penandatangan menggunakan pasangan kunci kriptografi Ed25519, kemudian hasil tanda tangan, nilai hash dokumen, serta identitas penandatangan disematkan ke dalam QR Code sebagai media verifikasi. Sistem diuji pada beberapa jenis dokumen akademik, yaitu KKP, KHS, dan Persetujuan Hasil, dengan jumlah penandatangan yang berbeda. Hasil pengujian menunjukkan bahwa seluruh tanda tangan digital berhasil diverifikasi dengan tingkat keberhasilan 100% dan waktu eksekusi rata-rata di bawah 0,3 detik, termasuk pada skenario multi-signature. Dengan demikian, integrasi EdDSA dan multi-signature berbasis QR Code terbukti efektif, efisien, dan layak diterapkan sebagai solusi verifikasi dokumen akademik yang aman dan andal.
DETEKSI DAN REKOMENDASI PENYAKIT DAUN JAGUNG OTOMATIS MENGGUNAKAN CNN DAN BASIS DATA REKOMENDASI fikar, zul; Fahrim Irhmna Rachman; Titin Wahyuni
Ainet : Jurnal Informatika Vol. 8 No. 1 (2026): Maret (2026)
Publisher : Universitas Muhammadiyah Makassar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26618/xz2dp745

Abstract

Jagung merupakan salah satu komoditas pangan utama di Indonesia yang memiliki peran penting bagi ketahanan pangan dan perekonomian masyarakat. Namun, produktivitas jagung sering terkendala oleh serangan penyakit daun seperti hawar daun dan karat daun yang dapat menurunkan hasil panen secara signifikan. Selama ini proses identifikasi penyakit masih dilakukan secara manual melalui pengamatan visual, yang sering kali tidak akurat dan membutuhkan waktu lama. Penelitian ini bertujuan untuk mengembangkan sistem deteksi dan penanganan penyakit daun jagung secara otomatis menggunakan metode Convolutional Neural Network (CNN) yang terintegrasi dengan basis data rekomendasi. Dataset citra daun jagung dikumpulkan dari lapangan dan melalui proses preprocessing seperti resize, normalisasi, serta augmentasi sebelum digunakan untuk pelatihan model. Model CNN yang dibangun mampu mengklasifikasikan daun jagung ke dalam tiga kategori, yaitu sehat, hawar daun, dan karat daun, dengan akurasi pengujian mencapai 96,94%. Sistem ini diimplementasikan dalam bentuk aplikasi berbasis web yang memungkinkan petani mengunggah gambar daun jagung untuk dideteksi secara otomatis, sekaligus memperoleh rekomendasi penanganan sesuai basis data yang tersedia.
Klasifikasi Mahasiswa Berprestasi Menggunakan Algoritma Fuzzy K-Nearest Neighbors Berdasarkan Riwayat Akademik dan Aktivitas Organisasi FUAD, NUR FUAD ALRASYID.S; ALRASYID.S, NUR FUAD; Muhammad Faisal; Muhyiddin A.M Hayat
Ainet : Jurnal Informatika Vol. 8 No. 1 (2026): Maret (2026)
Publisher : Universitas Muhammadiyah Makassar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26618/tvh1qe20

Abstract

Penentuan mahasiswa berprestasi di perguruan tinggi masih banyak dilakukan secara manual dengan fokus utama pada aspek akademik, sehingga berpotensi menimbulkan subjektivitas dan ketidakefisienan. Permasalahan ini mendorong perlunya pendekatan berbasis data yang mampu mengintegrasikan aspek akademik dan non-akademik secara objektif. Penelitian ini bertujuan untuk membangun model klasifikasi mahasiswa berprestasi menggunakan algoritma Fuzzy K-Nearest Neighbors (F-KNN) berdasarkan riwayat akademik dan aktivitas organisasi. Data penelitian berasal dari 112 mahasiswa Universitas Muhammadiyah Makassar yang mencakup data akademik, prestasi, dan keaktifan organisasi. Metode penelitian meliputi pra-pemrosesan data, feature engineering, pembobotan fitur, penerapan algoritma F-KNN, serta evaluasi model menggunakan confusion matrix dan 5-fold cross validation. Hasil pengujian menunjukkan bahwa model F-KNN dengan parameter k = 5 dan m = 2.0 mampu mencapai akurasi 91,3%, precision 81,82%, recall 100%, dan F1-score 90%. Hasil ini menunjukkan bahwa F-KNN efektif dalam mengidentifikasi mahasiswa berprestasi secara akurat dan stabil. Implikasi penelitian ini adalah tersedianya sistem pendukung keputusan yang objektif dan efisien untuk membantu perguruan tinggi dalam proses seleksi mahasiswa berprestasi.
IMPLEMENTASI DETEKSI PLAGIARISME CODE DENGAN METODE WINNOWING, DAN JACCARD SIMILARITY UNTUK PEMERIKSAAN TUGAS LABORATORIUM INFORMATIKA Asdar, Muhammad Dasril; Lukman; Muhyiddin A.M Hayat
Ainet : Jurnal Informatika Vol. 8 No. 1 (2026): Maret (2026)
Publisher : Universitas Muhammadiyah Makassar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26618/n8nqt036

Abstract

Integritas akademik dalam tugas pemrograman sering kali terganggu oleh praktik plagiarisme yang sulit dideteksi secara manual, terutama ketika terjadi modifikasi pada nama variabel atau struktur kode. Penelitian ini bertujuan untuk mengimplementasikan sistem deteksi plagiarisme kode sumber berbasis web yang mengintegrasikan algoritma Winnowing untuk pembentukan fingerprint dokumen dan Jaccard Similarity untuk pengukuran tingkat kemiripan. Sistem dirancang dengan tahapan pre-processing khusus yang meliputi tokenisasi dan normalisasi identifier untuk memastikan deteksi berfokus pada logika program, bukan sekadar kesamaan sintaksis. Pengujian dilakukan menggunakan corpus tugas laboratorium informatika dengan tiga skenario utama: modifikasi minor, perbedaan bahasa pemrograman, dan perubahan nama variabel (identifier). Hasil pengujian menunjukkan bahwa sistem mampu mendeteksi kemiripan sebesar 68% pada modifikasi minor dan mempertahankan tingkat deteksi sebesar 61,54% pada kode yang mengalami perubahan nama variabel secara menyeluruh. Selain itu, sistem menunjukkan akurasi tinggi dengan hasil 0% (tanpa false positive) pada pengujian lintas bahasa dan memiliki tingkat konsistensi algoritma 100%. Hasil ini membuktikan bahwa integrasi Winnowing dengan normalisasi identifier efektif sebagai solusi verifikasi keaslian tugas pemrograman yang andal dan objektif.

Page 8 of 8 | Total Record : 79

 4   5   6   7   8 

Filter by Year

2019 2026


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