cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Tin budi Utami
Contact Email
Tinbudiutami@mercubuana.ac.id
Phone
+628151860196
Journal Mail Official
Tinbudiutami@mercubuana.ac.id
Editorial Address
Pusat Penelitian Universitas Mercu Buana Jakarta, Gedung D Lantai 1, Jalan Meruya Selatan No. 01, Kembangan, Jakarta Barat 11650
Location
Kota adm. jakarta barat,
Dki jakarta
INDONESIA
Jurnal Ilmu Teknik dan Komputer
Published by Universitas Mercu Buana
ISSN : 2548740X     EISSN : 26211491     DOI : https://dx.doi.org/10.22441/jitkom
Core Subject : Science, Engineering,
Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Industrial & Manufacturing Engineering
Ilmu Teknik Ilmu komputer komputasi mekanik control dan system engineering industrial dan manufacturing engineer civil engineer, building, construction dan architecture electrical dan electronics engineering
Arjuna Subject : Teknik (semua kategori) - Teknik (Lain-Lain)
Articles 187 Documents
 15   16   17   18   19 
Implementasi Manajement Pada Mikrotik Menggunakan Metode Hierarchical Token Bucket Dan Queue Tree (Studi Kasus: PT. XYZ) Mohammad Arief Shofa
Jurnal Ilmu Teknik dan Komputer Vol. 9 No. 1 (2025)
Publisher : Universitas Mercu Buana

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22441/jitkom.v9i1.008

Abstract

Penelitian ini dilatarbelakangi oleh permasalahan penurunan kinerja jaringan pada head office PT. PT. XYZ yang menggunakan teknologi Active Ethernet, dimana banyak pengguna mengalami lambatnya akses internet akibat tingginya penggunaan bandwidth dan jumlah pengguna yang besar. Permasalahan utama terletak pada belum optimalnya manajemen bandwidth sehingga diperlukan solusi untuk meningkatkan kualitas layanan jaringan. Penelitian ini bertujuan untuk mengimplementasikan Quality of Service (QoS) menggunakan metode Hierarchical Token Bucket (HTB) dan Queue Tree pada perangkat MikroTik sebagai pendekatan dalam mengelola dan mendistribusikan bandwidth secara lebih efisien dan adil. Metode penelitian yang digunakan adalah kombinasi pendekatan kualitatif dan kuantitatif, dengan pengumpulan data melalui observasi, wawancara, serta pengukuran parameter QoS seperti throughput, packet loss, delay, dan jitter menggunakan Wireshark. Hasil penelitian menunjukkan bahwa setelah implementasi HTB dan Queue Tree terjadi peningkatan signifikan pada throughput dari 68,869 kbps menjadi 6021 kbps, serta penurunan packet loss menjadi 0,9%. Selain itu, nilai delay dan jitter tetap stabil dalam kategori sangat baik sesuai standar TIPHON. Kesimpulan dari penelitian ini adalah bahwa penerapan metode HTB dan Queue Tree efektif dalam meningkatkan kinerja jaringan, khususnya dalam optimalisasi penggunaan bandwidth dan peningkatan kualitas layanan. Dengan demikian, metode ini dapat menjadi solusi yang tepat untuk mengatasi permasalahan jaringan pada lingkungan dengan trafik tinggi.
SPK Penerima Program Keluarga Harapan Menggunakan Metode Simple Additive Weighting Studi Kasus : Nggongi(Desa Ananjaki) Since Rolia Tamu Apu; Alfrian Carmen Talakua
Jurnal Ilmu Teknik dan Komputer Vol. 10 No. 1 (2026)
Publisher : Universitas Mercu Buana

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22441/jitkom.v10i1.010

Abstract

Keluarga penerima manfaat yang telah diidentifikasi memenuhi syarat untuk menerima bantuan sosial bersyarat di bawah Program Keluarga Harapan (PKH). Permasalahan yang dihadapi adalah, meskipun situasi sosial ekonomi masyarakat berubah setiap tahunnya, pendamping PKH masih beroperasi secara manual dan sistem pendataan masih menggunakan data yang sudah usang. Menanggapi permasalahan tersebut, peneliti ingin mengembangkan Sistem Pendukung Keputusan untuk pendaftar Program Keluarga Harapan dengan menggunakan pendekatan Simple Additive Weighting (SAW) untuk membantu mengurangi kesalahan dalam mengidentifikasi pendaftar PKH. Sistem ini akan dibuat berdasarkan hasil observasi di Desa Ananjaki. Dengan adanya sistem ini juga membantu pemerintah desa meminimalisir terjadinya salah sasaran yang berdampak pada masyarakat yang seharusnya mendapatkan malah tidak mendapatkan. Metode SAW menentukan hasil akhir dengan cara memasukkan data yang sesuai dengan kriteria dan bobot sehingga dapat menghasilkan sebuah keputusan. Berdasarkan pengujian terhadap 5 data sampel warga, sistem ini berhasil melakukan perhitungan dan merangking alternatif secara akurat. Sistem merekomendasikan alternatif A1 (Nurma) sebagai prioritas utama penerima bantuan dengan nilai akhir tertinggi sebesar 0,92. Implementasi sistem ini terbukti efektif dalam memfasilitasi pengambilan keputusan yang lebih transparan dan terkomputerisasi
Sistem Kendali Kelembaban Dan Suhu Pada Jamur Berbasis Machine Learning Menggunakan Logika Fuzzy Sugeno Indriyana Nova Tahlia; Nabil Raihan Rabbani; Lukman Hakim
Jurnal Ilmu Teknik dan Komputer Vol. 9 No. 1 (2025)
Publisher : Universitas Mercu Buana

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22441/jitkom.v9i1.004

Abstract

Mempertahankan kondisi ideal untuk pertumbuhan tanaman memerlukan pemantauan kelembaban dan suhu tanah. Untuk menentukan tingkat kelembaban dan suhu yang optimal, sistem kontrol sangat penting. Sistem kendali ini memanfaatkan data dari Jamur Tiram sebagai masukan untuk menghasilkan keluaran yang diinginkan. Dengan menggunakan logika fuzzy sebagai program pengambilan keputusan, sistem ini mengatur tingkat kelembaban dan suhu yang paling sesuai untuk Jamur Tiram. Logika fuzzy terbukti menjadi pendekatan yang efektif dalam sistem kendali, yang melibatkan proses fuzzifikasi, pembentukan aturan fuzzy, dan defuzzifikasi. Dalam sistem logika fuzzy khusus ini, dua input (tingkat kelembaban dan suhu) digunakan, sehingga menghasilkan penentuan waktu yang diperlukan untuk mempertahankan tingkat kelembaban dan suhu yang sesuai untuk Jamur Tiram.
Analisis Sentimen Pada Media Sosial Menggunakan Metode Support Vector Machine Muhamad Hadi Arfian; Hendrian Sofu Maruhawa; Aulia Aisyah Putri; Dinah Ratulugina; Ellsza Ridzky Khoirunnisa; Verell Hermawan; Ahmad Julaibib Syahr
Jurnal Ilmu Teknik dan Komputer Vol. 9 No. 1 (2025)
Publisher : Universitas Mercu Buana

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22441/jitkom.v9i1.001

Abstract

Pada era kemajuan teknologi digital saat ini, media sosial telah menjadi platform utama bagi individu untuk berbagi opini dan pengalaman mereka, yang dikenal sebagai sentimen. Sentimen ini memberikan wawasan berharga tentang berbagai topik. Penelitian ini fokus pada analisis sentimen terhadap penerima Kartu Indonesia Pintar-Kuliah (KIP-K) di X. Program KIP-K bertujuan untuk meningkatkan akses pendidikan tinggi bagi masyarakat dari berbagai latar belakang ekonomi, dan perhatian masyarakat terhadap penerima program ini semakin meningkat. Dengan menggunakan algoritma Support Vector Machine (SVM), yang terbukti memiliki akurasi tinggi dalam analisis sentimen dibandingkan metode lain, penelitian ini menganalisis tanggapan publik untuk memahami persepsi mereka terhadap penerima KIP-K. Hasil menunjukkan bahwa mayoritas sentimen di X adalah negatif, mengindikasikan ketidaksetujuan terhadap penerima program ini. Temuan ini memberikan wawasan tentang persepsi masyarakat dan dapat membantu dalam evaluasi kebijakan pendidikan.
Penerapan Metode K-Means Untuk Rekomendasi Jenis Produk Barang Perkakas Bagi Pelanggan (Studi Kasus PT.ZXY) Putri Agustianingsih; Mohamad Yusuf
Jurnal Ilmu Teknik dan Komputer Vol. 9 No. 1 (2025)
Publisher : Universitas Mercu Buana

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22441/jitkom.v9i1.006

Abstract

Penelitian ini membahas penerapan metode K-Means dalam data mining untuk merekomendasikan produk Pekakas kepada pelanggan, dengan studi kasus pada PT.ZXY. Tujuan dari penelitian ini adalah untuk memahami dan memprediksi volume penjualan produk perkakas menggunakan metode K-Means, dengan manfaat membantu perusahaan dalam pengadaan persediaan, perencanaan produksi, dan menyediakan informasi produk yang paling banyak dibeli oleh konsumen. Metode K-Means dipilih karena potensinya dalam menganalisis strategi promosi Perkakas. Studi ini juga mencakup konsep Penemuan Basis Data Pengetahuan (KDD), Indeks Davies Bouldin (DBI), dan RapidMiner. Hasil dari praproses, pemodelan, evaluasi dan penelitian dilakukan untuk memberikan pemahaman yang komprehensif tentang pola penjualan dan potensi perbaikan strategi penjualan alat produk pada PT. PT.ZXY. Oleh karena itu, dapat disimpulkan bahwa K optimal untuk pembentukan klaster terdapat pada percobaan keenam, yaitu nilai K = 3. Nilai ini dipilih karena K =3 menghasilkan nilai DBI terkecil yaitu 0 0.328. Dimana anggota klaster 0 berjumlah 1.389 data, klaster 1 berisi 1 data dan klaster 2 berisi 39 data sehingga totalnya berjumlah 1.429 data.
Penerapan Transfer Learning Menggunakan Arsitektur Deep CNN ResNet-50 untuk Klasifikasi Jenis Sampah Adi saputra Marbun; Budi Sudrajat; Hasta Herlan Asymar
Jurnal Ilmu Teknik dan Komputer Vol. 10 No. 1 (2026)
Publisher : Universitas Mercu Buana

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22441/jitkom.v10i1.009

Abstract

Pengelolaan sampah masih menjadi tantangan besar di Indonesia akibat tingginya timbulan sampah dan rendahnya tingkat daur ulang. Salah satu solusi inovatif yang dapat diterapkan adalah sistem klasifikasi sampah otomatis berbasis citra. Penelitian ini bertujuan membangun model klasifikasi jenis sampah menggunakan arsitektur Deep Convolutional Neural Network ResNet-50 dengan pendekatan transfer learning. Dataset yang digunakan berasal dari Kaggle dan mencakup lima kelas: cardboard, glass, metal, paper, dan plastic. Data telah melalui tahap pra-pemrosesan, augmentasi, dan pembagian secara stratifikasi. Model dilatih selama 50 epoch menggunakan optimizer AdamW dan fungsi kehilangan CrossEntropyLoss. Hasil pelatihan menunjukkan akurasi validasi tertinggi sebesar 85%. Evaluasi dengan confusion matrix dan classification report menunjukkan model mampu melakukan klasifikasi secara akurat dan seimbang pada tiap kelas. Sistem ini juga dilengkapi antarmuka interaktif untuk prediksi gambar tunggal, memperlihatkan potensi penerapan nyata dalam pengelolaan sampah berbasis teknologi. Hasil penelitian membuktikan bahwa transfer learning dengan ResNet-50 efektif untuk klasifikasi citra sampah dan berpotensi mendukung solusi lingkungan berbasis kecerdasan buatan
Pengembangan Sistem Penjadwalan Kuliah Real Time Berbasis Web Andreas Domenico Situmorang; Syah Rizan Nazri Muhammad; Wahyu Ariyadi
Jurnal Ilmu Teknik dan Komputer Vol. 8 No. 2 (2024)
Publisher : Universitas Mercu Buana

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22441/jitkom.v8i2.010

Abstract

Abstrak— Penjadwalan perkuliahan merupakan proses yang penting dalam mengatur jadwal kuliah bagi mahasiswa dan dosen. Dalam lingkungan perkuliahan yang dinamis, seringkali diperlukan penyesuaian jadwal secara real time untuk mengakomodasi perubahan yang tak terduga, seperti perubahan ruangan, perubahan jadwal dosen, atau kebutuhan tambahan untuk kuliah tambahan. Dalam artikel ini, kami memaparkan sebuah sistem penjadwalan perkuliahan secara real time yang berbasis web. Sistem ini memungkinkan admin untuk mengakses dan mengelola jadwal perkuliahan secara fleksibel melalui antarmuka web responsif. Fitur-fitur utama termasuk melihat jadwal, menambah atau menghapus jadwal, serta memperbarui jadwal termasuk jam, tempat, atau tanggal. Melalui pengujian dan validasi dengan data perkuliahan nyata, sistem ini terbukti efektif dan efisien dalam mengelola penjadwalan perkuliahan yang dinamis, meningkatkan efisiensi operasional, dan memenuhi kebutuhan pengguna.
Segmentasi Hasil Potret Cacat Produk pada Spring Washer menggunakan Metode Mask RCNN Zendi Iklima; Dinar Sakti Candra Ningrum
Jurnal Ilmu Teknik dan Komputer Vol. 8 No. 2 (2024)
Publisher : Universitas Mercu Buana

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22441/jitkom.v8i2.005

Abstract

Spring washer adalah salah satu komponen yang digunakan dalam industri otomotif dan bertindak sebagai sistem penggerak atau retensi untuk unit perakitan. Dalam penelitian ini dilakukan analisa terhadap kegagalan fungsi yaitu karat pada spring washer. Analisa dilakukan untuk mengetahui perbedaan antara spring washer yang berkarat dan tidak berkarat. Terjadinya sebuah karat atau korosi pada logam disebabkan oleh reaksi kimia atau elektrokimia dengan lingkungan. Pada penelitian ini, permasalahan tersebut bertujuan untuk memisahkan antara spring washer berkarat dan tidak berkarat menjadi kelas label yang dipadukan dengan metode teknologi pengolahan citra model klasifikasi. Pada beberapa penelitian yang sudah ada menggunakan algoritma klasisifikasinya dengan Convolutional Neural Network (CNN). Pada penelitian ini menggunakan metode deep learning untuk segmentasi dengan memilih arsitektur Mask R-CNN karena dikenal cukup handal untuk penanganan jumlah data yang banyak. Serta hasil pengujian serta analisa yang diperoleh pada sistem yang telah diuji pada penelitian yaitu setiap pengolahan dataset dapat memilih serta melakukan anotasi pada platform makesense.ai dan pengguna akan mendapat dataset untuk melakukan training atau pelatihan untuk segmentasi citra dataset spring washer yang berkarat sesuai dengan algortima yang sudah dibuat. Resolusi citra dan model arsitektur memiliki pengaruh dalam penentuan parameter pengujian objek yang berkarat pada spring washer. Metode Mask R-CNN dapat diaplikasikan deteksi karat pada citra spring washer. Dari proses ini didapat akurasi terbaik yaitu pada iterasi 1000 dengan loss sebesar 0,0921 pada ResNet50 dengan waktu 4.278 detik dan loss 0,1143 pada ResNet101 dengan perolehan waktu 4.456 detik untuk melakukan segmentasi serta deteksi citra. Pretrain Mask R-CNN dalam segmentasi pada dataset memudahkan pengguna sehingga bisa langsung digunakan tanpa harus menyusun layer per layer.
Analisa Desain UI/UX Pada Website Warung Yok Ngopi Pangkalpinang Dengan Menggunakan Metode Design Thinking Anggun Joanita; Achmad Maezar Bayu Aji
Jurnal Ilmu Teknik dan Komputer Vol. 8 No. 2 (2024)
Publisher : Universitas Mercu Buana

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22441/jitkom.v8i2.006

Abstract

Website Yok Ngopi Warung adalah situs administrasi terkomputerisasi untuk menampilkan barang-barang bisnis makanan dan minuman di web. Namun, masih ada masalah dengan layanan situs web. Memanfaatkan design thinking, desain ui/ux website Warung Yok Ngopi Pangkalpinang menjadi fokus penelitian ini, yang mengkaji pengembangan website. Dengan menggunakan strategi ini, berbagai konsep dapat dikembangkan untuk mengidentifikasi masalah dan solusi terbaiknya. Pendekatan ini terdiri dari lima fase: Empathize, Define, Ideate, Prototype, dan Testing. prototipe yang telah dibuat dengan bantuan Figma. Kemudian pada saat itu model yang telah dibuat diujicobakan secara efektif pada 30 responden dengan menggunakan uji System Usability Scale (SUS). Hasil tes yang berjumlah 83.917 menunjukkan bahwa peringkat kata sifat sangat baik, skala kelas B dapat diterima, dan hasilnya dapat diterima.
Klasifikasi Citra Hasil Potret Daun Tanaman Jagung Menggunakan Transfer Learning Deep Learning Zendi Iklima; Yananto Mihadi Putra
Jurnal Ilmu Teknik dan Komputer Vol. 8 No. 2 (2024)
Publisher : Universitas Mercu Buana

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22441/jitkom.v8i2.008

Abstract

Penyakit pada tanaman jagung dapat mempengaruhi produksi jagung,menghambat pertumbuhan tanaman jagung, penurunan kualitas jagung, dan kelangkaan jagung yang memicu kenaikan harga jagung. Hama serangga menjadi salah satu ancaman pada tanaman jagung. Kerusakan yang diakibatkan oleh hama serangga dapat dirasakan secara langsung dengan adanya daun – daun yang berlubang. Pendeteksian lebih dini dapat membantu para petani untuk memaksimalkan hasil panen. Teknik pembelajaran mesin menjadi salah satu teknologi yang telah digunakan untuk menyederhanakan proses klasifikasi penyakit pada daun. Dataset yang digunakan ialah hasil potret citra pada daun tanaman jagung yang sehat dan berlubang akibat hama. Dari beberapa metode yang ada, Convolutional Neural Network (CNN) menjadi metode yang paling optimal dalam domain klasifikasi tersebut. Peneltian ini menggunakan model deep learning terlatih yaitu transfer learning model yang sudah dilatih menggunakn berbagai macam dataset yang beragam. Adapun beberapa transfer learning model seperti MobileNet, VGG, Inception, dan lainnya. Hasil pengujian menunjukkan bahwa model VGG16 dan model Inception_V3 memiliki nilai akurasi paling tinggi dengan nilai akurasi 94.44%, dilanjutkan dengan model MobileNet dengan nilai akurasi 91.67%, model Xception dengan nilai akurasi 88.89%, dan model Inception_ResNet_V2 memiliki nilai akurasi paling rendah dengan nilai akurasi 87.50%.

Page 18 of 19 | Total Record : 187

 15   16   17   18   19 

Filter by Year

2017 2026


Reset
Filter By Issues
All Issue Vol. 10 No. 2 (2026) Vol. 10 No. 1 (2026) Vol 10, No 1 (2026) Vol. 9 No. 2 (2025) Vol 9, No 2 (2025) Vol 9, No 1 (2025) Vol. 9 No. 1 (2025) Vol. 8 No. 2 (2024) Vol 8, No 2 (2024) Vol. 8 No. 1 (2024) Vol 8, No 1 (2024) Vol 7, No 2 (2023) Vol 7, No 1 (2023) Vol 6, No 2 (2022) Vol 6, No 1 (2022) Vol 5, No 2 (2021) Vol 5, No 1 (2021) Vol 4, No 2 (2020) Vol 4, No 1 (2020) Vol 3, No 2 (2019) Vol 3, No 1 (2019) Vol 2, No 1 (2018) Vol 1, No 1 (2017) More Issue