ILKOMNIKA: Journal of Computer Science and Applied Informatics
ILKOMNIKA: Journal of Computer and Applied Informatics is is a peer reviewed open-access journal. The journal invites scientists and engineers throughout the world to exchange and disseminate theoretical and practice-oriented topics of computer science and applied informatics which covers five (5) majors areas of research that includes 1) Informatics Engineering and Its Application 2) Computer Science 3) Software Engineering 4) Computer Engineering 5) Information System. This journal is published 3 issues a year, in April, August, and December.
Articles
12 Documents
Search results for
, issue
"Vol 6 No 2 (2024): Volume 6, Nomor 2, Agustus 2024"
:
12 Documents
clear
<![CDATA[Analisis Usability Website Menggunakan USE Questionnaire Pada UPT Puskesmas Marina Permai Palangka Raya ]]>
<![CDATA[Pebriana Putri, Tiara]]>;
<![CDATA[Azrino Gustalika, Muhamad]]>
<![CDATA[ ILKOMNIKA Vol 6 No 2 (2024): Volume 6, Nomor 2, Agustus 2024 ]]>
Publisher : <![CDATA[Lembaga Penelitian dan Pengabdian Masyarakat ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.28926/ilkomnika.v6i2.562
<![CDATA[Unit Pelaksana Teknis (UPT) Puskesmas Marina Permai merupakan layanan kesehatan yang terletak di Kota Palangka Raya dan menjadi salah satu puskesmas yang menggunakan teknologi website untuk meningkatkan pelayanan kesehatan. Meskipun jumlah pengunjung puskesmas relatif tinggi, mencapai 3.908 pada tahun 2022, banyak pengunjung yang memberikan ulasan negatif terkait masalah informasi dan fitur menu yang kurang memadai. Akibatnya, masyarakat lebih memilih untuk datang langsung ke puskesmas dan menunggu antrian yang memakan waktu lama. Ulasan negatif ini mengindikasikan adanya masalah usability. Evaluasi usability menjadi penting untuk menilai sejauh mana sistem website memenuhi kebutuhan dan preferensi pengguna. Oleh karena itu, analisis usability diperlukan untuk menilai seberapa mudah, efektif, dan efisien website dapat digunakan oleh pengguna. Penelitian ini bertujuan untuk menganalisis tingkat usability dari website UPT Puskesmas Marina Permai Palangka Raya berdasarkan persepsi pengguna dengan menggunakan metode USE Questionnaire, yang mencakup empat parameter yaitu Kegunaan (Usefulness), Kemudahan Penggunaan (Ease of use), Kemudahan Pembelajaran (Ease of Learning), dan Kepuasan (Satisfaction). Proses penelitian melibatkan identifikasi masalah, pengembangan instrumen penelitian, penyebaran kuesioner, dan analisis hasil kuesioner. Validitas dan reliabilitas instrumen diuji menggunakan korelasi produk-moment dan nilai Alpha Cronbach. Hasil penelitian menunjukkan bahwa tingkat usability website UPT Puskemas Marina Permai Palangka Raya sebesar 62,2%, yang termasuk dalam kategori layak. Hasil analisis usability ini dapat memberikan rekomendasi berharga untuk pengembangan sistem website di masa mendatang]]>
<![CDATA[Limited Time Video Sender Berbasis Algoritma Fixed-Duration Chunks Pada Sistem Deteksi Kerusakan Jalan ]]>
<![CDATA[Agustina, Dian Resha]]>;
<![CDATA[Febrianti, Maria Shusanti]]>;
<![CDATA[Sianturi, Ruth Febrian]]>
<![CDATA[ ILKOMNIKA Vol 6 No 2 (2024): Volume 6, Nomor 2, Agustus 2024 ]]>
Publisher : <![CDATA[Lembaga Penelitian dan Pengabdian Masyarakat ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.28926/ilkomnika.v6i2.624
<![CDATA[Infrastruktur jalan adalah hal yang penting dan memerlukan pemeliharaan terus-menerus. Identifikasi kerusakan jalan menjadi krusial untuk menghindari risiko dan meningkatkan kenyamanan. Perekaman video telah terbukti efektif dalam pemantauan. Tapi, pengelolaan data video dengan ukuran penyimpanan yang besar dan pengunggahan menjadi masalah dalam proses sistem saat ini. Solusi Limited Time Video Sender berbasis Algoritma Fixed-Duration Chunks pada Sistem Deteksi Kerusakan Jalan diajukan untuk mengatasi masalah ini. Algoritma Fixed-Duration Chunks memecah video menjadi segmen durasi tetap sebelum diunggah, meningkatkan efisiensi pengunggahan. Konsep ini mempertahankan keterkaitan segmen dan menghindari kehilangan informasi. Solusi ini efisien pada sisi server dan pengguna. Pengelolaan data lebih ringan dan pengguna dapat merekam tanpa khawatir tentang ukuran file besar. Secara keseluruhan, algoritma Fixed-Duration Chunks mengatasi kendala efisiensi dan pengelolaan data dalam pemantauan kerusakan jalan. Pengembangan lebih lanjut direkomendasikan dengan judul Limited Time Video Sender berbasis Algoritma Fixed-Duration Chunks pada Sistem Deteksi Kerusakan Jalan untuk mengatasi masalah pengunggahan manual dan mendorong partisipasi masyarakat dalam perbaikan kota.]]>
<![CDATA[Evaluasi dan Redesain User Interface (UI) dan User Experience (UX) pada Aplikasi Berbasis Web ]]>
<![CDATA[Athallah, Muhammad Fadhil]]>;
<![CDATA[Dirgahayu, Teduh]]>
<![CDATA[ ILKOMNIKA Vol 6 No 2 (2024): Volume 6, Nomor 2, Agustus 2024 ]]>
Publisher : <![CDATA[Lembaga Penelitian dan Pengabdian Masyarakat ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.28926/ilkomnika.v6i2.627
<![CDATA[User Interface (UI) dan User Experience (UX) berperan penting dalam aplikasi web. Penelitian ini berfokus pada evaluasi dan redesain UI/UX aplikasi web Upulsa.com dengan tujuan untuk meningkatkan kepuasan pengguna dan efisiensi interaksi. Penelitian akan berfokus pada evaluasi dan redesain web Upulsa.com pada halaman beranda, order, status order, harga, dan testimonial. Penelitian ini menggunakan metode evaluasi berbasis pengguna untuk mengidentifikasi kelemahan pada desain yang ada, seperti navigasi yang rumit dan kurangnya konsistensi pada antarmuka web. Hasil penelitian menunjukkan bahwa melalui proses redesain yang berorientasi pada pengguna, penelitian ini berhasil meningkatkan pengalaman pengguna secara signifikan, membuat aplikasi web lebih mudah digunakan, dan meningkatkan kepuasan pengguna secara keseluruhan. Penelitian ini diharapkan dapat memberikan masukan untuk perbaikan situs web upulsa.com di masa mendatang dari segi UI dan UX, serta meningkatkan kualitas dan jumlah pengunjung situs web upulsa.com. Melalui evaluasi dan redesain antarmuka pengguna yang berfokus pada pengguna, diharapkan pengalaman pengguna dapat diperbaiki secara signifikan.]]>
<![CDATA[The Relationship between Information Technology and Organizational Culture: A Systematic Literature Review ]]>
<![CDATA[Zaim, Faros Nabilah]]>
<![CDATA[ ILKOMNIKA Vol 6 No 2 (2024): Volume 6, Nomor 2, Agustus 2024 ]]>
Publisher : <![CDATA[Lembaga Penelitian dan Pengabdian Masyarakat ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.28926/ilkomnika.v6i2.630
<![CDATA[The interaction between organizational culture, information technology (IT) adoption, and firm performance is pivotal in today's competitive landscape. This study explores how specific cultural characteristics, such as innovation, collaboration, learning, leadership, and openness to change, influence the level and type of IT adoption within companies. Findings reveal that a culture fostering these traits enhances overall IT adoption, consequently improving operational efficiency, responsiveness, and agility, ultimately impacting firm performance positively. However, barriers such as resistance to change must be overcome, emphasizing the critical role of organizational culture in shaping IT adoption strategies and driving business success. For future research, it would be valuable to investigate how emerging technologies interact with organizational culture to further enhance firm performance.]]>
<![CDATA[Pengembangan Arsitektur Model YOLOv8 untuk Meningkatkan Performa Object Detection pada Varian Boks Warehouse Palletizing ]]>
<![CDATA[Muzammil, Muhammad Alif Amri]]>;
<![CDATA[Indraswari, Rarasmaya]]>
<![CDATA[ ILKOMNIKA Vol 6 No 2 (2024): Volume 6, Nomor 2, Agustus 2024 ]]>
Publisher : <![CDATA[Lembaga Penelitian dan Pengabdian Masyarakat ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.28926/ilkomnika.v6i2.642
<![CDATA[Dalam lingkungan industri modern, paletisasi gudang memainkan peran penting dalam mengoptimalkan rantai pasokan untuk memenuhi permintaan konsumen yang terus meningkat. Namun, banyak perusahaan masih menggunakan proses manual untuk pengaturan palet, yang menyebabkan kesalahan manusia dalam identifikasi dan penempatan barang. Hal ini mengakibatkan inefisiensi operasional dan kerugian material. Di era digital, computer vision, terutama object detection, sangat penting dalam mengatasi berbagai tantangan industri. Memanfaatkan teknologi pendeteksian objek yang canggih seperti YOLOv8 dapat secara signifikan meminimalkan kesalahan manusia dengan mengaktifkan deteksi barang secara otomatis, sehingga mengurangi keterlibatan manusia. Mengingat data yang digunakan untuk deteksi palet memiliki ukuran yang seragam, efisiensi model YOLOv8 dapat ditingkatkan dengan memodifikasi arsitekturnya ke tingkat multiskala. Penerapan Feature Pyramid Network (FPN) yang dimodifikasi dalam arsitektur YOLOv8 meningkatkan efisiensi pelatihan model dengan berfokus pada fitur data yang penting. Penggunaan TensorRT dalamm proses inferensi YOLOv8 untuk meningkatkan kecepatan dan kinerja, sehingga cocok untuk aplikasi real-time. Penelitian ini menawarkan solusi komprehensif untuk meningkatkan efisiensi dan akurasi operasional dalam pembuatan palet gudang sekaligus mengurangi kesalahan manusia. Dengan penggunaan model modifikasi arsitektur FPN untuk objek berskala kecil dan implementasi TensorRT memberikan performa terbaik yaitu mAP 95,6% dan performa inference speed tercepat yaitu 12ms.]]>
<![CDATA[Sistem Berbasis Deep Learning untuk Segmentasi dan Klasifikasi Tingkat Keganasan Tumor Otak Menggunakan Citra MRI 3D ]]>
<![CDATA[Ardan, Indira Salsabila]]>;
<![CDATA[Indraswari, Rarasmaya]]>
<![CDATA[ ILKOMNIKA Vol 6 No 2 (2024): Volume 6, Nomor 2, Agustus 2024 ]]>
Publisher : <![CDATA[Lembaga Penelitian dan Pengabdian Masyarakat ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.28926/ilkomnika.v6i2.643
<![CDATA[Tumor otak merupakan pertumbuhan sel abnormal di dalam otak, yang dapat bersifat jinak atau ganas. Kanker otak, yang merupakan bentuk ganas dari tumor otak, termasuk dalam jenis kanker yang paling agresif dan sering terdiagnosis pada berbagai rentang usia. Di Indonesia, terdapat sekitar 300 kasus tumor otak yang didiagnosis setiap tahunnya, termasuk pada anak-anak. Dalam menangani kasus tumor otak, diperlukan informasi mengenai lokasi spasial tumor dan tingkat keganasan tumor untuk merencanakan pembedahan dan pengobatan. Metode saat ini yang mengandalkan analisis manual pada citra Magnetic Resonance Imaging (MRI) dapat menyebabkan hasil yang bervariasi antar dokter (inter-observer error). Penelitian mengenai klasifikasi tingkat keganasan tumor otak pada citra MRI 3D juga masih terbatas. Oleh karena itu, dalam penelitian ini, akan dilakukan rancang bangun sistem yang menggunakan metode deep learning untuk segmentasi dan klasifikasi tingkat keganasan tumor otak pada citra MRI 3D. Dalam penelitian ini, telah berhasil dikembangkan sistem berbasis deep learning yang mampu melakukan segmentasi dan klasifikasi tingkat keganasan tumor otak pada citra MRI 3D. Model segmentasi tumor otak yang diusulkan menggunakan arsitektur U-Net dengan dice sebesar 82% dan mean IoU sebesar 94% pada 250 epoch. Sedangkan, model klasifikasi yang diusulkan menggunakan arsitektur Convolutional Neural Network (CNN) dengan base model ResNet50V2 yang sudah dilatih pada dataset ImageNet, head model yang terdiri dari satu lapisan dense dengan 512 nodes, dan lapisan output yang memprediksi input menjadi dua kelas, yaitu “LGG” dan “HGG” dengan accuracy sebesar 97% pada 10 epoch.]]>
<![CDATA[Pengembangan Sistem Informasi Presensi Dokter Umum RSU Islam Klaten Menggunakan Metode Waterfall ]]>
<![CDATA[Himawan, Helmy Fachreza]]>;
<![CDATA[Kurniawan, Rahadian]]>
<![CDATA[ ILKOMNIKA Vol 6 No 2 (2024): Volume 6, Nomor 2, Agustus 2024 ]]>
Publisher : <![CDATA[Lembaga Penelitian dan Pengabdian Masyarakat ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.28926/ilkomnika.v6i2.644
<![CDATA[Kesehatan merupakan elemen fundamental dalam masyarakat, sebagai modal awal untuk aktivitas dan kesejahteraan manusia serta bagian dari pembangunan nasional. RSU Islam Klaten berkomitmen untuk meningkatkan kualitas pelayanan dengan mendapatkan akreditasi Paripurna KARS (2022) dan sertifikasi RS Syariah dari MUI. Namun, manajemen jadwal, presensi, dan penggajian dokter umum masih dilakukan secara manual melalui spreadsheet, yang menghambat optimalisasi layanan. Penelitian ini bertujuan mengembangkan sistem informasi presensi berbasis web untuk mengatasi masalah ini, menggunakan bahasa pemrograman Python serta HTML, CSS, JavaScript, dan SQLite. Pendekatan waterfall diterapkan dalam pengembangan sistem karena kesederhanaannya yang sesuai dengan kompleksitas sistem ini. Implementasi dan pengujian sistem menggunakan metode USE Questionnaire menunjukkan hasil penerimaan yang positif: Usefulness (88.3%), Ease to Use (82.6%), Ease to Learn (79.2%), dan Satisfaction (82.6%). Rata-rata skor keseluruhan adalah 83.175%, mencerminkan keberhasilan sistem dalam memfasilitasi pengelolaan data dokter umum di RSU Islam Klaten. Sistem ini diharapkan mampu meningkatkan ketepatan waktu dan disiplin kerja dokter, yang pada gilirannya akan meningkatkan kepuasan pasien dan masyarakat.]]>
<![CDATA[Integrating Machine Learning Utility in Tabular Data Synthesizer Training using Loss Function Learning ]]>
<![CDATA[Nur, Muhammad Rizqi]]>;
<![CDATA[Indraswari, Rarasmaya]]>
<![CDATA[ ILKOMNIKA Vol 6 No 2 (2024): Volume 6, Nomor 2, Agustus 2024 ]]>
Publisher : <![CDATA[Lembaga Penelitian dan Pengabdian Masyarakat ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.28926/ilkomnika.v6i2.646
<![CDATA[Machine learning (ML) utility has been the main evaluation metrics for data synthesizers. However, because ML utility cannot be simply calculated, none of the previous synthesizers were trained to reach the same level of ML utility as a training objective. This study aims to integrate ML utility into data synthesizer training using a transformer-based model as a learned loss function. The transformer was trained to estimate ML utility of synthetic datasets, then it’s integrated by backpropagating the difference between estimated and expected value. The integration has significantly improved the average ML utility of LCT-GAN and Realtabformer. The ML utility of LCT-GAN improved by 0.0158 for Contraceptive dataset, 0.031 for Insurance dataset, and 0.0561 for Treatment dataset. The ML utility of Realtabformer improved by 0.02 for Contraceptive dataset and 0.0024 for Insurance dataset. The increase affects the dataset distribution, correlation between features, and privacy, but the direction varies. Correlation coefficients indicate that synthetic data distribution gets closer to real data as ML utility improves. In addition to ML utility integration, this study has also shown that patterns between rows in a dataset can be learned, so better synthesizers can be developed based on them.]]>
<![CDATA[Aplikasi Edukasi Sejarah Candi Kalasan Menggunakan Augmented Reality Berbasis Android Dengan Metode ADDIE ]]>
<![CDATA[Afdhari, Fahrezi Bintang]]>;
<![CDATA[Kurniawardhani, Arrie]]>
<![CDATA[ ILKOMNIKA Vol 6 No 2 (2024): Volume 6, Nomor 2, Agustus 2024 ]]>
Publisher : <![CDATA[Lembaga Penelitian dan Pengabdian Masyarakat ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.28926/ilkomnika.v6i2.647
<![CDATA[Penelitian ini berfokus pada pengembangan aplikasi edukasi berbasis Augmented Reality untuk meningkatkan pemahaman sejarah Candi Kalasan. Sistem edukasi tradisional sering kali kurang menarik, terutama dalam mata pelajaran sejarah. Untuk mengatasi hal ini, aplikasi ini dikembangkan menggunakan Unity dan SDK Vuforia, dengan tujuan memberikan pengalaman belajar yang lebih interaktif dan mendalam mengenai Candi Kalasan. Proses pengembangan aplikasi mengikuti metode ADDIE yang terdiri dari lima tahap: Analisis, Desain, Pengembangan, Implementasi, dan Evaluasi. Setiap tahap dilaksanakan dengan cermat untuk memastikan aplikasi memiliki kualitas yang baik dan efektif dalam penggunaannya. Pada tahap Implementasi, kepuasan pengguna diukur menggunakan metode System Usability Scale (SUS) melalui kuesioner yang diisi oleh responden. Hasil evaluasi menunjukkan skor 73,5, yang menunjukkan aplikasi ini memiliki tingkat kegunaan yang baik dan diterima dengan positif oleh pengguna. Dengan demikian, aplikasi ini diharapkan dapat menjadi media pembelajaran yang inovatif, meningkatkan minat belajar anak-anak terhadap sejarah Candi Kalasan, dan memberikan wawasan yang lebih luas kepada masyarakat umum mengenai sejarah candi ini dengan bantuan teknologi Augmented Reality.]]>
<![CDATA[Integration of LIME Explainable AI to Enhance Interpretability of Deep Learning Models in Box Palette Classification ]]>
<![CDATA[Raditya, Evan]]>;
<![CDATA[Indraswari, Rarasmaya]]>
<![CDATA[ ILKOMNIKA Vol 6 No 2 (2024): Volume 6, Nomor 2, Agustus 2024 ]]>
Publisher : <![CDATA[Lembaga Penelitian dan Pengabdian Masyarakat ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.28926/ilkomnika.v6i2.653
<![CDATA[In the food production system, manual box palette arrangement often encounters errors, such as incorrect stacking patterns, mismatched box quantities, and improper mixing of product variants. This issue occurs in a soy sauce production company with limited infrastructure, leading to the mixing of two product variants with the same box size in a single production line. This results in disruptions to the production flow and significant potential losses. This study proposes a solution using deep learning to detect box palette arrangement patterns. The Convolutional Neural Network (CNN) method is chosen because it has proven effective in image classification. Additionally, this study implements Explainable AI (XAI) to provide explanations related to classification results, increasing user confidence in the system. The Local Interpretable Model-agnostic Explanations (LIME) technique will be used to provide interpretations. This research produces the development of a deep learning model to classify box palette arrangements. Furthermore, the implementation of LIME in this study successfully provides interpretations of the model's predictions. The result is evident in the result where it shows that MobileNetV2 give an F1-Score of 100%, and LIME fidelity score of 0.2 and stability score of 0.2.]]>
