cover
Contact Name
Arief Hidayat
Contact Email
arief.hidayat@unwahas.ac.id
Phone
+628156529309
Journal Mail Official
jinformatika@unwahas.ac.id
Editorial Address
JL. Menoreh Tengah X / 22, Sampangan, Gajahmungkur, Sampangan, Gajahmungkur, Kota Semarang, Jawa Tengah 50232
Location
Kota semarang,
Jawa tengah
INDONESIA
Jurnal Informatika dan Rekayasa Perangkat Lunak
ISSN : 26562855     EISSN : 26855518     DOI : http://dx.doi.org/10.36499/jinrpl
Core Subject : Science,
Journal of Informatics and Software Engineering accepts scientific articles in the focus of Informatics. The scope can be: Software Engineering, Information Systems, Artificial Intelligence, Computer Based Learning, Computer Networking and Data Communication, and Multimedia.
Articles 222 Documents
Penentuan Tingkat Kesehatan Komunitas Mangrove Secara Otomatis Menggunakan Otsu Thresholding Sarimuddin Sarimuddin; Mutmainnah Muchtar; Yuwanda Purnamasari Pasrun; Laode Abdul Fajar Hasidu; Riska Riska
Jurnal Informatika dan Rekayasa Perangkat Lunak Vol 6, No 1 (2024): Maret
Publisher : Universitas Wahid Hasyim

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36499/jinrpl.v6i1.9210

Abstract

Mangrove forests are one type of forest that grows in tropical and subtropical regions and plays a crucial role in maintaining ecosystem balance. One way to assess the health of mangrove communities is through regular monitoring and evaluation using modern technology such as digital image processing. The percentage of mangrove canopy cover can serve as a key indicator in evaluating the health and population density of mangrove communities. This study aims to implement the Otsu thresholding method in a digital image processing-based system capable of automatically determining the health status of mangrove communities based on the percentage of mangrove canopy cover. Mangrove canopy cover images were acquired using hemispherical photography techniques. Experimental results show that the system built using the Otsu thresholding method has an average Relative Absolute Error (RAE) of 0.034 and average Mean Error (ME) of 0.052, with an average processing time of 5.3 seconds. This indicates that the system can automatically determine the health status of mangrove communities in a relatively short time. It also suggests that the process of determining the health status of mangrove communities aligns with direct field observations.
Naive Bayes Classifier untuk Analisis Sentimen Ulasan Pelanggan pada Domo Coffee and Resto Puji Hartini; Nana Suarna; Willy Prihartono
Jurnal Informatika dan Rekayasa Perangkat Lunak Vol 6, No 1 (2024): Maret
Publisher : Universitas Wahid Hasyim

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36499/jinrpl.v6i1.10315

Abstract

Domo Coffee and resto is one of the well-known cafes located on Jl. DR Sudarsono No.45 Kesambi, Kesambi District, Cirebon City. Domo Coffee and Resto has a variety of food and drinks served and the place is designed to be beautiful and comfortable to visit for various purposes. Of course, there are many kinds of problems related to unsatisfactory service, uncomfortable atmosphere or bad taste of food as well as several other disappointments and dissatisfaction that give rise to negative comments or reviews. Café Domo often receives mixed reviews from customers on the Google review platform. This research aims to analyze the sentiment of customer reviews on Domo Coffee and restaurant and will be completed using the Naïve Bayes Classifier method, namely a classification method based on Bayes' theorem. In this research, based on the author's understanding of sentences regarding sentiment analysis, the author received 374 positive reviews and 58 negative reviews regarding food. 469 positive reviews and 40 negative reviews regarding the atmosphere and 253 positive reviews and 99 negative reviews regarding the service. The highest number of positive comments was obtained by the atmosphere aspect with 469 reviews and the highest negative comments were obtained by the service aspect with 99 reviews. In testing the split data values of 0.8 and 0.2, the highest accuracy was obtained by the service technician with an accuracy of 98.22%, precision of 97.58%, recall of 100% and an F1-score value of 98.78%. The results of this research provide in-depth insight into customers' views of Domo cafe. Cafe owners and stakeholders can use these findings to understand aspects that need to be improved or improved.
Penerapan Algoritma Convolution Neural Network untuk Klasifikasi Jenis Cabai Berdasarkan Warna dan Bentuk Buah Rohman, Rizal Abdur; Dasuki, Moh.; Muharom, Lutfi Ali; Rahman, Miftahur
Jurnal Informatika dan Rekayasa Perangkat Lunak Vol 6, No 2 (2024): September
Publisher : Universitas Wahid Hasyim

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36499/jinrpl.v6i2.10458

Abstract

Cabai merupakan salah satu komoditas pertanian utama di Indonesia yang memiliki nilai ekonomi tinggi. Cabai memiliki berbagai jenis, seperti cabai besar, cabai rawit, dan cabai hijau, yang sering kali sulit dibedakan secara manual karena kemiripan fisiknya. Untuk mendukung kemajuan sektor pertanian, penelitian ini memanfaatkan teknologi kecerdasan buatan, yaitu Convolutional Neural Network (CNN) dengan arsitektur VGG-16, untuk mengidentifikasi jenis cabai secara otomatis melalui analisis citra berdasarkan warna dan bentuk. Penelitian ini bertujuan untuk mengukur akurasi, sensitivitas, dan spesifisitas model dalam mengklasifikasi jenis cabai. Hasil penelitian menunjukkan bahwa arsitektur VGG-16 mencapai akurasi 100% pada pengujian data latih, menandakan model mampu mendeteksi dan mengklasifikasi jenis cabai secara optimal. Pada uji coba model (fold 5), diperoleh akurasi sebesar 91.8%, sensitivitas 88%, dan spesifisitas 93.8%. Penelitian ini menegaskan bahwa CNN dengan VGG-16 memiliki kinerja yang efektif dalam klasifikasi citra, khususnya jika data uji memiliki karakteristik serupa dengan data latih. Sistem ini menawarkan potensi besar untuk diterapkan dalam sektor pertanian, terutama dalam meningkatkan efisiensi dan akurasi identifikasi komoditas pertanian lainnya.
Klasterisasi Wilayah Kabupaten Di Sulawesi Tenggara Berdasarkan Produksi Bahan Pangan Menggunakan Algoritma K-Means Clustering Sawal, Mur; Saputra, Rizal Adi
Jurnal Informatika dan Rekayasa Perangkat Lunak Vol 6, No 2 (2024): September
Publisher : Universitas Wahid Hasyim

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36499/jinrpl.v6i2.10437

Abstract

Bahan pangan merupakan bahan – bahan yang diproduksi dari hasil pertanian yang digunakan untuk membuat makanan .Bahan pangan tersebut terdiri dari sayuran , daging , kacang , ubi, dan lain sebagainya. Provinsi Sulawesi Tenggara menjadi salah satu provinsi yang memiliki jumlah produksi bahan pangan yang cukup tinggi di Indonesia . Penerapan algoritma K-Means clustering digunakan untuk mengelompokan wilayah kabupaten/kota yang ada di Sulawesi Tenggara berdasarkan hasil produksi bahan pangan. Metode yang digunakan dalam penelitian ini adalah CRISP-DM dengan algoritma K-Means clustering. Terdapat 17 kabupaten/kota di Sulawesi Tenggara yang digunakan dalam penelitian ini . Jenis bahan pangan yang akan digunakan dalam penelitian ada 7 yaitu padi , jagung , ubi kayu , ubi jalar , kacang tanah , kacang kedelai , dan kacang hijau . Hasil dari penelitian ini adalah 1 kabupaten/kota yang memiliki tingkat produksi bahan pangan yang tinggi , 4 kabupaten/kota memiliki tingkat produksi bahan pangan yang sedang , dan 12 kabupaten/kota yang memiliki tingkat produksi bahan pangan yang rendah. Hasil pengujian menggunakan Davies bouldin index adalah cluster 2 yang mempunyai kualitas cluster yang terbaik karena hasil yang didapat dari cluster 2 yaitu 0.30 yang dimana semakin kecil hasil yang didapatkan maka semakin baik clusternya.
Analisis Implementasi SEO (Search Engine Optimization) Dalam Kebutuhan Promosi Online Pada Website Masteriwak.Id Haris, Ahmad; Dasuki, Moh.; Arifianto, Deni
Jurnal Informatika dan Rekayasa Perangkat Lunak Vol 6, No 2 (2024): September
Publisher : Universitas Wahid Hasyim

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36499/jinrpl.v6i2.10463

Abstract

Pemasaran digital menjadi kunci utama dalam menjangkau pasar yang lebih luas di era digital, terutama melalui pemanfaatan website. Penelitian ini berfokus pada implementasi Search Engine Optimization (SEO) untuk meningkatkan visibilitas website Masteriwak.id, platform yang bergerak di bidang penjualan ikan koi secara online. Penelitian ini menggunakan pendekatan kuantitatif dengan tahapan analisis performa awal, optimasi SEO on-page dan off-page, serta evaluasi hasil menggunakan Google Search Console dan SERPRobot. Optimasi SEO on-page melibatkan peningkatan elemen internal seperti meta title, meta description, dan kecepatan website, sementara SEO off-page difokuskan pada penguatan backlink dari sumber eksternal berkualitas. Hasil implementasi menunjukkan peningkatan signifikan pada tayangan, klik, dan peringkat kata kunci di SERP. Contohnya, kata kunci “tempat jual ikan koi terdekat” naik dari tidak memiliki peringkat menjadi posisi 13 dengan 35 tayangan dan 4 klik. Evaluasi statistik menggunakan paired-samples t-test menunjukkan perbedaan sebelum dan sesudah optimasi SEO. Nilai t-test untuk parameter tayangan adalah −1.641 (p = 0.243), klik −2.524 (p = 0.128), dan peringkat SERP −2.535 (p = 0.127), yang menunjukkan perbaikan tetapi belum signifikan secara statistik. Penelitian ini menegaskan pentingnya penerapan SEO secara sistematis, meskipun optimasi berkelanjutan tetap diperlukan untuk hasil maksimal.
Klasifikasi Penentuan Kualitas Kayu Jati Berdasarkan Citra Digital Menggunakan Algoritma K-Nearest Neighbour Kamaruddin, Kamaruddin; Umar, Najirah; Wahyuningsih, Pujianti; Sudarsono, Firman
Jurnal Informatika dan Rekayasa Perangkat Lunak Vol 6, No 2 (2024): September
Publisher : Universitas Wahid Hasyim

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36499/jinrpl.v6i2.10722

Abstract

Peningkatan permintaan terkait barang yang terbuat dari kayu tidak dapat dibatasi terutama permintaan furniture meja, lemari dan lain sebagainya. Seiiring perkembangan, membuat produksi kayu jati untuk beralih ke jenis kayu jati unggul dikarenakan masa tumbuh lebih cepat, namun kondisi tersebut membuat kualitas dari kayu jati tidak seperti jenis kayu jati tua. Kesulitan dalam melihat kualitas kayu menjadi masalah yang dihadapi oleh para pengrajin dan pihak mebel. Tujuan penelitian ini untuk menentukan kualitas jenis kayu yang dibagi menjadi 3 kategori kelas yaitu kelas A, kelas B dan kelas C. Untuk menghasilkan klasifikasi kualitas kayu maka, peneliti menggunakan metode KNN dengan melakukan segmentasi warna HSV kemudian menganalisis nilai warna tiap piksel citra berdasarkan nilai toleransi pada dimensi warna HSV. Hasil dari penelitian ini adalah dengan menggunakan 65 data latih kayu jati pada setiap kelas. Pengujian dilakukan menggunakan 27 data uji kayu jati dengan tingkat akurasi 85,19%, presisi mencapai 85,46%, recall mencapai 85,18% dan F1 score mencapai 85,3%. 
Prediksi Jumlah Penjualan Melalui Live Stream dan Affiliate di TikTok Shop dengan Machine Learning Putri, Nabila Agustina Cahyani; Patrisiane, Viena
Jurnal Informatika dan Rekayasa Perangkat Lunak Vol 6, No 2 (2024): September
Publisher : Universitas Wahid Hasyim

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36499/jinrpl.v6i2.10532

Abstract

Teknik penjualan telah berkembang pesat dari cara konvensional ke metode online yang sering disebut sebagai e-commerce. Salah satu jenis e-commerce yang terdapat di Indonesia adalah TikTok Shop, pada TikTok Shop terdapat banyak faktor pendukung penjualan. Dua faktor pendukung penjualan yang ada pada TikTok Shop adalah live stream dan affiliate akan tetapi belum adanya penelitian yang membahas akan kedua faktor tersebut secara bersamaan terhadap jumlah penjualan. Tujuan dari penelitian ini adalah membuat model untuk memprediksi jumlah penjualan dengan faktor live stream dan affiliate pada TikTok Shop. Metode yang dipakai dalam penelitian ini adalah dengan membandingkan hasil dari RMSE (Root Mean Squared Error) yang terbentuk dari penerapan model machine learning multiple linear regression dan random forest regression. Hasil penelitian menunjukkan bahwa model terbaik berdasarkan RMSE (Root Mean Squared Error) terendah untuk memprediksi jumlah penjualan dengan faktor live stream dan affiliate pada TikTok Shop adalah algoritma multiple linear regression dengan RMSE (Root Mean Squared Error) sebesar 39.306882.
Pengelompokan Penyebaran Covid-19 Di Provinsi Jawa Barat Menggunakan Metode Clustering K-Medoids Luthfiyyah, Ibtihal Qomariyyah; Sari, Betha Nurina
Jurnal Informatika dan Rekayasa Perangkat Lunak Vol 6, No 2 (2024): September
Publisher : Universitas Wahid Hasyim

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36499/jinrpl.v6i2.10544

Abstract

Covid-19 merupakan suatu penyakit yang menjangkiti sistem pernapasan manusia dan memiliki kemampuan penularan yang sangat cepat. Provinsi Jawa Barat menjadi salah satu daerah yang terkena dampak pandemi Covid-19. Jumlah masyarakat terkonfirmasi virus Covid-19 di Jawa Barat yang masih bertambah hari demi hari. Oleh karena itu, diperlukan adanya pengelompokkan tingkat kerawanan penyebaran Covid-19 khususnya di Provinsi Jawa Barat menggunakan data dari website resmi pemerintah Provinsi Jawa Barat dengan menggunakan 5 atribut, yaitu nama_kab_kota, konfirmasi_total, konfirmasi_sembuh, konfirmasi_meninggal, dan konfirmasi_aktif. Penelitian ini bertujuan untuk mengidentifikasi pola penyebaran Covid-19 untuk mendukung pengambilan keputusan yang lebih efektif di tingkat regional. Metode penelitian melibatkan proses data mining yaitu pemahaman bisnis, pemahaman data, persiapan data, pemodelan, evaluasi, dan penyebaran berdasarkan metodologi CRISP-DM. Proses modeling menggunakan algoritma K-Medoids dengan 3 cluster sesuai dengan zona warna pemerintah. Hasil penelitian ini menunjukkan 3 cluster, yaitu cluster hijau merupakan jumlah kasus yang minimal dengan 16 Kabupaten/Kota. Cluster kuning merupakan mulai waspada akan jumlah kasus dengan 6 Kabupaten/Kota. Cluster merah merupakan kasus sudah sangat parah dengan 5 Kabupaten/Kota. Hasil pengujian Silhouette Coefficient yang menguji n_cluster = 2,3,4, dan 5 menunjukkan bahwa n_cluster=3 merupakan cluster yang terbaik dengan nilai sebesar 0.77.  
Penentuan Penerima BSM Secara Objektiv Berdasarkan Metode Decision Support System VIKOR Tundo, Tundo; Akbar, Riolandi; Nugroho, Agung Yuliyanto; Saidah, Andi
Jurnal Informatika dan Rekayasa Perangkat Lunak Vol 6, No 2 (2024): September
Publisher : Universitas Wahid Hasyim

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36499/jinrpl.v6i2.10434

Abstract

This research was conducted because of complaints from several parents regarding the BSM decision at SDN Kalanganyar ABC, however there were several students who were less well off because the choice of BSM was still subjective. SDN Kalanganyar ABC always holds activities related to BSM admissions once a year. It is hoped that this activity can also provide benefits for students who are poor but have excellent grades so they can carry out activities without being burdened by financial needs. In reality, there are still many students who do not receive BSM, even though according to the requirements, these students should be entitled to receive BSM. Therefore, there is a very irrational subjectivity in the ongoing elections. To overcome this problem, researchers tried to develop an application that applies the Vise Kriterijumska Optimizacija I Kompromisno Resenje (VIKOR) method, namely a method that makes decisions based on a rational compromise of criteria. These criteria include student reports, parents' income, academic achievement, dependents, home conditions, parents' relatives, and activity. From the results of the analysis and application of the VIKOR decision support system, subjective results were obtained for students whose evaluation standards and final decisions were lower than several other students, but the school provided BSM recommendations. To prevent the recurrence of this incident, VIKOR was able to answer objective findings with results of 76.57% with subjective findings of 23.43% in the previous system.
Klasterisasi Tukang Gigi di Jakarta dengan Algoritma K-Means berdasarkan Daerah Asal Zulkarnain, Iskandar; Fauziyah, Fauziyah
Jurnal Informatika dan Rekayasa Perangkat Lunak Vol 6, No 2 (2024): September
Publisher : Universitas Wahid Hasyim

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36499/jinrpl.v6i2.10545

Abstract

Tukang gigi yang terdaftar pada organisasi Serikat Tukang Gigi Indonesia (STGI) DPW DKI Jakarta sebanyak 625 anggota. STGI adalah organisasi yang telah Berbadan Hukum KEPMENKUMHAM NOMOR AHU-000083.AH.01.08.Tahun 2020.  Dalam penyebarannya tukang gigi yang berada di Jakarta terdiri dari berbagai daerah asal, maka peneliti melakukan peneltian klasterisasi untuk mengetahui penyebaran daerah asal tukang gigi di wilayah Jakarta. Cakupan wilayah data penelitian yaitu: Jakarta Utara, Jakarta Barat, Jakarta Timur, Jakarta Selatan dan Jakarta Pusat. Hasil dari klasterisasi Algoritma K-Means menggunakan aplikasi RapidMiner sebagai berikut: Cluster 0 (C0) : 1 Anggota, Cluster 1 (C1) : 16 Anggota, Cluster 2 (C2) : 1 Anggota. Hasil yang termasuk pada C0 yakni Kabupaten/Kota asal daerah tukang gigi paling banyak yaitu: Pamekasan. Hasil yang termasuk pada C1 merupakan Kabupaten/Kota daerah asal tukang gigi paling beragam terdiri dari 16 Kabupaten/Kota termasuk daerah asal tukang gigi terbanyak ke-3 yaitu: Jakarta. Sedangkan yang termasuk C2 merupakan daerah asal tukang gigi terbanyak ke-2 yaitu: Jember.