cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Abd. Charis Fauzan
Contact Email
fauzancharis@gmail.com
Phone
+6287750503014
Journal Mail Official
-
Editorial Address
Jl. Masjid Nomor 22 Kota Blitar, Jawa Timur
Location
Kab. blitar,
Jawa timur
INDONESIA
ILKOMNIKA: Journal of Computer Science and Applied Informatics
Published by Universitas Nahdlatul Ulama Blitar
ISSN : -     EISSN : 27152731     DOI : https://doi.org/10.28926/ilkomnika
Core Subject : Science, Engineering,
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management
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.
Arjuna Subject : Ilmu Komputer (semua kategori) - Aplikasi Ilmu Komputer
Articles 215 Documents
 17   18   19   20   21 
Optimization of LightGBM Model with Bayesian Optimization for Malware Detection Kasim, Afrianto Pratama; Nasib, Salmun K.; Hasan, Isran K.; Wungguli, Djihad; Yahya, Nisky Imansyah
ILKOMNIKA Vol 7 No 1 (2025): Volume 7, Number 1, April 2025
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.28926/ilkomnika.v7i1.722

Abstract

Cyberattacks through malware on Android devices continue to rise, making accurate detection crucial. This research optimizes the LightGBM model using Bayesian Optimization to enhance accuracy and efficiency in detecting Android malware. A feature selection mechanism based on Attention Mechanism is applied to select the most relevant features for classification. The dataset used comes from the Canadian Institute for Cybersecurity (CIC) and consists of 17,804 Android applications, with a balanced distribution between malware and normal applications. The dataset is split into ratios of 80%:20%, 75%:25%, and 70%:30%. Feature selection reduces the number of features from 9503 to 300, 500, and 1000. The LightGBM model is then optimized with Bayesian Optimization to fine-tune parameters such as learning rate, number of iterations, and maximum number of leaves. The model's performance is evaluated using accuracy, precision, and recall metrics. Experimental results show that the model achieves 96,99% accuracy, 97,30% precision, and 96,70% recall with an 80%:20% dataset split and 1000 features. The combination of Attention Mechanism and Bayesian Optimization effectively improves processing efficiency without compromising performance.
Goat Farm Management Application at Golden Star Farm Based on Android Romadhon, Nur Aditya; Ardiani, Farida
ILKOMNIKA Vol 7 No 1 (2025): Volume 7, Number 1, April 2025
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.28926/ilkomnika.v7i1.725

Abstract

This study designs and implements an Android-based goat farm management application at Golden Star Farm, Cilacap. The main issues addressed are the disorganized sales data recording and the lack of socialization regarding goat care procedures among employees. The system was developed using the Rapid Application Development (RAD) method to ensure speed and accuracy in meeting user needs. This application improves the accuracy of sales data recording, facilitates access to goat care information, and provides a user authentication system. Testing using the Black Box Testing method shows that all features function properly. The research results prove that this application reduces errors in data recording, enhances employee understanding of goat care, and positively impacts livestock health and the sustainability of the farming business.
Peningkatan Identifikasi PCOS dengan KELM melalui Seleksi Fitur LDA dan Deteksi Outlier LOF Ambadar, Panreshma Rizkha; Novitasari, Dian C Rini; Hamid, Abdulloh
ILKOMNIKA Vol 7 No 1 (2025): Volume 7, Number 1, April 2025
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.28926/ilkomnika.v7i1.727

Abstract

Polycystic Ovary Syndrome (PCOS) merupakan kelainan yang terjadi pada organ reproduksi perempuan. Kelainan ini mempunyai dampak implikasi klinis yang beragam dan serius, diantaranya pada bagian reproduksi, metabolisme, hingga gangguan psikologis. Identifikasi yang tepat sangat penting untuk meningkatkan penanganan. Penelitian ini bertujuan untuk menguji efektivitas metode Kernel Extreme Learning Machine (KELM) dalam mengidentifikasi PCOS setelah penghapusan outlier dengan Local Outlier Factor (LOF) dan seleksi fitur menggunakan Linear Discriminant Analysis (LDA). Dalam penelitian ini, metode KELM mengidentifikasi kelainan PCOS dengan klasifikasi berdasarkan data rekam medis pasien. Penelitian ini juga melibatkan pengolahan data dengan LOF untuk menangani data outlier dan seleksi fitur terbaik menggunakan LDA guna meningkatkan akurasi identifikasi kelainan PCOS. Berbagai uji coba dilakukan, untuk mengoptimalkan hasil identifikasi kelainan PCOS. Hasil penelitian menunjukkan bahwa ketiga kombinasi dari metode LOF, LDA, dan KELM memperoleh nilai akurasi sebesar 100% dengan eliminasi 10% data outlier dan 10 fitur utama. Hal ini yang menunjukkan kombinasi ketiga metode ini mampu meningkatkan kualitas deteksi dan identifikasi kelainan PCOS.
Sentiment Analysis of Disney+ Hotstar App User Reviews on Google Playstore Using the Naïve Bayes Method Octaviany, Dinda Nur; Rahim, Abdul; Verdikha, Naufal Azmi
ILKOMNIKA Vol 7 No 1 (2025): Volume 7, Number 1, April 2025
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.28926/ilkomnika.v7i1.729

Abstract

User reviews of the Disney+ Hotstar application on the Google Play Store present a variety of sentiments, particularly concerning the paid subscription feature. This study aims to analyze these sentiments using the Naïve Bayes classification method, categorizing user opinions into positive, negative, and neutral classes. A total of 30,571 Indonesian- language reviews were collected through web scraping, followed by a preprocessing phase that included case folding, stopword removal, and stemming. The Term Frequency-Inverse Document Frequency (TF- IDF) technique was applied to weight the significance of words. The dataset was split into 80% training and 20% testing portions. The classification model achieved an accuracy of 78%, showing reliable performance in identifying sentiment patterns. However, performance on the neutral class was lower, indicating room for improvement through better preprocessing or class balancing. The findings provide insights for Disney+ Hotstar to better understand user perceptions and guide enhancements to the subscription service.
Klasifikasi Irama Bacaan Al-Qur’an menggunakan Algoritma CNN Utama, Shoffin Nahwa; Prakasa, Johan Ericka Wahyu; Hariyanto, Wahyu
ILKOMNIKA Vol 7 No 1 (2025): Volume 7, Number 1, April 2025
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.28926/ilkomnika.v7i1.731

Abstract

Klasifikasi nada bacaan Al-Qur’an sangat penting untuk mendukung pembelajaran tajwid, tartil, serta tilawah yang sesuai dengan aturan. Tantangan utama dalam klasifikasi ini terletak pada keberagaman gaya bacaan qari dan kemiripan akustik antar maqam. Penelitian ini bertujuan untuk mengembangkan model klasifikasi otomatis irama bacaan Al-Qur’an menggunakan pendekatan berbasis CNN dengan 8 kelas maqam bacaan. Model CNN dalam penelitian ini memiliki tiga jalur konvolusi dengan ukuran kernel berbeda. Variasi bentuk masukan berupa data audio yang diubah ke dalam representasi spektrogram dan mel-frequency cepstral coefficients (MFCC). Evaluasi kinerja model pada dataset bacaan Al-Qur’an yang terdiri dari 8 kelas tilawah yaitu Ajam, Bayat, Hijaz, Kurd, Nahawand, Rast, Saba, dan Seka. Hasil pelatihan menunjukkan bahwa metode yang diusulkan mencapai akurasi 92,6%, sedangkan pada proses pengujian didapatkan akurasi sebesar 82,04%. Hasil confusion matric didapatkan nilai akurasi yang diperoleh dalam proses validasi mencapai 80,88%. Nilai presisi, recall dan F1-score masing-masing adalah 0,82, 0,80, dan 0,81. Dengan hasil ini, pendekatan CNN yang diusulkan terbukti efektif untuk mendukung otomatisasi dan peningkatan akurasi dalam klasifikasi nada bacaan Al-Qur’an.
Systematic Literature Review untuk Mengidentifikasi dan Mengklasifikasi Metode Topic Mining Albar, Ahmad Arsha; Yaqin, Muhammad Ainul
ILKOMNIKA Vol 7 No 2 (2025): Volume 7, Number 2, August 2025
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.28926/ilkomnika.v7i2.728

Abstract

Penelitian ini melakukan tinjauan sistematis untuk mengidentifikasi dan mengklasifikasikan berbagai metode yang digunakan dalam teknik Topic Mining, yang bertujuan untuk menganalisis data teks besar dan mengidentifikasi topik-topik tersembunyi di dalamnya. Dengan menggunakan kerangka kerja PRISMA (Preferred Reporting Items for Systematic Reviews and Meta-Analyses), penelitian ini mengumpulkan dan menganalisis berbagai literatur yang relevan, yang mencakup metode-metode seperti Latent Dirichlet Allocation (LDA), Fuzzy Fingerprints, dan Semantic Graph, serta aplikasi mereka dalam berbagai domain, seperti analisis media sosial, kesehatan, dan pendidikan. Berdasarkan hasil analisis, ditemukan bahwa metode- metode ini menunjukkan kemampuan yang signifikan dalam meningkatkan akurasi dan fleksibilitas analisis topik, meskipun setiap metode juga memiliki tantangan tertentu, terutama terkait dengan pengaturan parameter, komputasi yang dibutuhkan, dan ketergantungan pada data berlabel. Penelitian ini juga mengidentifikasi tren publikasi yang menunjukkan peningkatan minat terhadap Topic Mining seiring dengan berkembangnya kebutuhan untuk menganalisis data teks besar. Hasil dari penelitian ini diharapkan dapat memberikan wawasan bagi peneliti dan praktisi dalam memilih metode yang paling sesuai untuk aplikasi spesifik mereka, serta menyarankan arah pengembangan metodologi yang lebih optimal di masa depan.
Analisis Kinerja Model Long Short Term Memory dengan Adaptive Moment Estimation dalam Memprediksi Harga Crude Palm Oil Hamida, Zilfa; Amalita, Nonong; Permana, Dony; Zilrahmi, Zilrahmi
ILKOMNIKA Vol 7 No 2 (2025): Volume 7, Number 2, August 2025
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.28926/ilkomnika.v7i2.766

Abstract

Crude Palm Oil (CPO) merupakan salah satu minyak nabati terpenting dan paling signifikan yang di perdagangkan secara global. Harga CPO mengalami fluktuasi hampir setiap harinya yang memberikan resiko besar bagi pelaku industri kelapa sawit seperti petani, konsumen, produsen, serta investor. Sehingga diperlukan analisis prediksi untuk meminimalisir kerugian. Dalam penelitian ini, metode yang digunakan yaitu Long Short Term Memory (LSTM) yang dioptimasi dengan Adaptive Moment Estimation (Adam) untuk melakukan prediksi harga CPO berdasarkan data historis harga CPO tahun 2020-2024. Model LSTM yang dioptimasi menggunakan Adam Optimizer dan dievaluasi berdasarkan nilai Mean Absolut Percentage Error (MAPE). Hasil penelitian menunjukkan bahwa model LSTM dengan kombinasi parameter jumlah neuron 6, batch size 64, dan epoch 80 menghasilkan nilai MAPE 1,36%, yang menggambarkan hasil prediksi memiliki akurasi yang baik. Hasil ini menujukkan bahwa model LSTM yang dioptimasi dengan Adam telah menunjukkan efektivitasnya dalam melakukan prediksi harga CPO untuk aplikasi dalam penyediaan model prediksi bagi industri kelapa sawit.
Analisis Data Penggunaan Block Storage Untuk Rekomendasi Penyeimbangan Beban Kerja Aplikasi Telekomunikasi Menggunakan Klasterisasi Sembiring, Fred Erick; Purwitasari, Diana
ILKOMNIKA Vol 7 No 2 (2025): Volume 7, Number 2, August 2025
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.28926/ilkomnika.v7i2.767

Abstract

Perkembangan teknologi informasi yang pesat mendorong peningkatan kebutuhan akan sistem penyimpanan data yang andal dan efisien, khususnya pada sektor industri telekomunikasi. PT XYZ sebagai salah satu perusahaan telekomunikasi terbesar di Indonesia menghadapi tantangan terkait variasi beban kerja pada 32 server block storage yang mereka miliki. Perbedaan performa server akibat variasi metrik seperti IOPS, service time, dan bandwidth berpotensi menyebabkan ketidakseimbangan beban serta penurunan efisiensi infrastruktur TI. Penelitian ini bertujuan untuk menganalisis dan mengkategorikan beban kerja server block storage di PT XYZ menggunakan dua metode klasterisasi populer, yaitu K-Means dan DBSCAN. Metode penelitian yang digunakan meliputi pengumpulan data performa server, proses preprocessing data, penerapan algoritma clustering, serta evaluasi hasil klasterisasi menggunakan ground truth sebagai acuan validasi. Hasil penelitian menunjukkan bahwa kedua metode mampu mengelompokkan server ke dalam tingkatan beban kerja, namun DBSCAN terbukti lebih akurat dengan tingkat akurasi mencapai 87,72%, dibandingkan K-Means yang hanya mencapai 23,60%. Selain itu, DBSCAN juga efektif dalam mengidentifikasi server dengan pola beban kerja anomali sebagai noise, yang tidak terdeteksi oleh K-Means. Kesimpulan dari penelitian ini adalah bahwa metode DBSCAN lebih direkomendasikan untuk analisis beban kerja server block storage di PT XYZ guna mendukung strategi penyeimbangan beban kerja dan optimalisasi penggunaan sumber daya TI secara lebih efisien
Business Process Analysis at RSIA Lombok Dua-Dua Pharmacy Using the Deming Cycle Method Kartika, Dhian Satria Yudha; Fitri, Anindo Saka; Purwitasari, Astri; Firlyandita, Marsyanda; Sugiarto, Sugiarto
ILKOMNIKA Vol 7 No 2 (2025): Volume 7, Number 2, August 2025
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.28926/ilkomnika.v7i2.772

Abstract

The quality of public service is an important factor that must be considered. This study evaluates the business processes of the RSIA Lombok Dua-Dua Pharmacy using the PDCA (Plan-Do-Check-Act) cycle approach to improve the quality of pharmacy operations. The purpose of this study is to analyze operational processes, identify key constraints, and develop solutions to improve the efficiency and quality of pharmacy services. This study compares several studies related to business process analysis in a service. The comparison results obtained the completeness of the methods used and applied to the case study. The business process of this study is considered more comprehensive than previous studies. Data collection methods include observation, interviews, and documentation. The main problems identified include long waiting times, lack of adequate digital devices, and limited additional facilities. The analysis process uses the Fishbone diagram and the Five Whys method to determine the root cause of the problem. This study provides solutions including the adoption of digital technology systems, workflow optimization, and facility improvements as well as staff training. The evaluation results show opportunities to improve operational efficiency has increased by 85% from the previous 75% and service quality through the implementation of continuous improvement, in terms of time there is an increase in waiting time to 15 minutes from the previous 30 minutes. The PDCA method is able to provide a strong foundation for decision making in developing pharmacy services, to create a better health environment for the community.
Performance Analysis of Synchronous Multilink in Wireless-Based Computer Networks Dewa, Gilang Raka Rayuda
ILKOMNIKA Vol 7 No 2 (2025): Volume 7, Number 2, August 2025
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.28926/ilkomnika.v7i2.778

Abstract

The increasing demand for data transmission results in throughput degradation, which lowers the data rate and increases network outages. ITU notes that global mobile broadband surpasses 1ZB and continues to grow in successive years. Numerous techniques have been investigated to maintain the expected throughput with low computational complexity, including the synchronous multilink method. This technique generates multiple data links to enable simultaneous transmission, allowing for the transmission of more data. However, there is no unified analytical model that captures the inherent trade-offs with procedural simulation in multilink operations. Accordingly, this paper provides a comprehensive analysis of synchronous multilink. The analysis includes the work system, constraints, mathematical expression, Markov chain model, and performance result of synchronous multilink. The simulation results indicate that the synchronous multilink offers promising performance, albeit with certain limitations, for wireless-based computer networks.

Page 19 of 22 | Total Record : 215

 17   18   19   20   21 

Filter by Year

2019 2025


Reset
Filter By Issues
All Issue Vol 7 No 3 (2025): Volume 7, Number 3, December 2025 Vol 7 No 2 (2025): Volume 7, Number 2, August 2025 Vol 7 No 1 (2025): Volume 7, Number 1, April 2025 Vol 6 No 3 (2024): Volume 6, Nomor 3, Desember 2024 Vol 6 No 2 (2024): Volume 6, Nomor 2, Agustus 2024 Vol 6 No 1 (2024): Volume 6, Nomor 1, April 2024 Vol 5 No 3 (2023): Volume 5, Nomor 3, Desember 2023 Vol 5 No 2 (2023): Volume 5, Nomor 2, Agustus 2023 Vol 5 No 1 (2023): Volume 5, Nomor 1, April 2023 Vol 4 No 3 (2022): Volume 4, Nomor 3, Desember 2022 Vol 4 No 2 (2022): Volume 4, Nomor 2, Agustus 2022 Vol 4 No 1 (2022): Volume 4, Nomor 1, April 2022 Vol 3 No 3 (2021): Volume 3, Nomor 3, Desember 2021 Vol 3 No 2 (2021): Volume 3, Nomor 2, Agustus 2021 Vol 3 No 1 (2021): Volume 3, Nomor 1, April 2021 Vol 2 No 3 (2020): Volume 2, Nomor 3, Desember 2020 Vol 2 No 2 (2020): Volume 2, Nomor 2, Agustus 2020 Vol 2 No 1 (2020): Volume 2, Nomor 1, April 2020 Vol 1 No 2 (2019): Volume 1, Nomor 2, Desember 2019 Vol 1 No 1 (2019): Volume 1, Nomor 1, Agustus 2019 More Issue