cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Rachmat Destriana
Contact Email
jika@ft-umt.ac.id
Phone
+6281905055649
Journal Mail Official
jika@umt.ac.id
Editorial Address
Jl. Perintis Kemerdekaan I No. 33 Babakan Tangerang
Location
Kota tangerang,
Banten
INDONESIA
JIKA (Jurnal Informatika)
Published by Universitas Muhammadiyah Tangerang
ISSN : 25490710     EISSN : 27222713     DOI : http://dx.doi.org/10.31000/jika.v4i1.2451
Core Subject : Science,
Computer Science & IT Decision Sciences, Operations Research & Management
Penlitian dan Pengabdian Masyarakat merupakan Tolak Ukur aktivitas Dosen Perguruan Tinggi, berdasarkan hal tersebut maka dengan ini program studi teknik informatika di Universitas Muhammadiyah Tangerang menyediakan lahan untuk penerbitan jurnal penelitian yang dilakukan oleh dosen. Jurnal ini dikhususkan untuk penelitian di bidang teknoologi informasi yang dilakukan oleh dosen-dosen teknik informatika dari internal kampus maupun dari luar.
Arjuna Subject : Ilmu Komputer (semua kategori) - Sistem Informasi
Articles 369 Documents
 27   28   29   30   31 
IMPLEMENTASI SISTEM INFORMASI COMPUTER BASED TEST BERBASIS WEBSITE PADA SMP 2 ADIWERNA TEGAL Fakhriza, Muhammad Hilman
Jurnal Informatika Vol 7, No 4 (2023): JIKA (Jurnal Informatika)
Publisher : University of Muhammadiyah Tangerang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31000/jika.v7i4.9623

Abstract

Meningkatnya pendaftaran siswa baru serta aturan-aturan baru dewasa ini menjadi problematika tersendiri bagi pelaksana lembaga pendidikan saat ini. Cakap berinteraksi dengan teknologi menjadi kebutuhan dasar bagi para pelaksana lembaga pendidikan. Sebagai salah satu solusi konsep CBT Computer Based Test menjadi pilihan bagi lembaga pendidikan saat ini, Tidak terlepas problematika pendaftaran siswa baru bagi Sekolah SMP 2 Muhammadiyah yang saat ini tergolong lembaga yang masih kurang memanfaatkan teknologi dewasa ini. Tujuan penelitian ini adalah untuk mengembangakan proses penerimaan siswa baru dengan konsep Computer Based Test (CBT) yang dimana fitur-fitur didalamnya dapat mengakomodir segala kebutuhan proses penerimaan siswa. Penelitian dengan metodolgi System Development Life Cylce (SDLC) ditentukan menjadi metode yang komprehensif untuk menganalisa dan mendukung penelitian ini. Penelitian ini menggambarkan kesimpulan melalui konsep CBT penyampain informasi dan teknis penerimaan siswa baru dapat berjalan efektif dan efisien. Secara kualitas proses ini membantu sekolah menganalisa kualitas dan kelemahan pada calon siswa baru serta data-data pendukung untuk para pimpinan dalam mengambil keputusan secara valid.
SISTEM PENCARIAN WISATA PUNCAK GUNUNG INDONESIA BERBASIS WEB MENGGUNAKAN FRAMEWORK FLASK PYTHON Fahriza, Rifki Achmad
Jurnal Informatika Vol 8, No 3 (2024): JIKA (Jurnal Informatika)
Publisher : University of Muhammadiyah Tangerang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31000/jika.v8i3.10567

Abstract

Indonesia merupakan salah satu negara yang kaya akan gunung. Mendaki gunung merupakan salah satu kegiatan olahraga alam yang digemari oleh masyarakat, terutama kalangan muda. Namun, kurangnya sumber informasi yang akurat mengenai gunung-gunung di Indonesia seringkali membuat para pendaki pemula bergantung pada informasi dari mulut ke mulut, tanpa memahami risiko dan larangan yang dapat mengakibatkan bahaya, bahkan kematian.Untuk mengatasi permasalahan tersebut, kami mengusulkan pengembangan aplikasi berbasis web “Rancang Bangun Sistem Pencarian Wisata Puncak Gunung Indonesia (Puncak Nusantara) Berbasis Web Menggunakan Framework Flask Python”. Sistem ini bertujuan memberikan informasi menyeluruh tentang gunung-gunung di Indonesia serta hal-hal dasar yang perlu diketahui oleh para pendaki sebelum melakukan kegiatan mendaki gunung.Penelitian ini dibuat menggunakan metode pengembangan sistem RAD, bahasa pemrograman Python dengan framework Flask,database MonggoDB, dan metode pengujian Black Box. Dengan pengembangan aplikasi ini, kami berharap dapat membantu para pendaki, terutama para pendaki pemula, untuk mendapatkan informasi yang akurat dan dapat diandalkan sebelum melakukan kegiatan mendaki gunung.
SISTEM INFORMASI FLEET MANAGEMENT MENGGUNAKAN FRAMEWORK LARAVEL PADA PT. SAJIRA MAHARDIKA Susanti, Sari; Irawan, Cecep
Jurnal Informatika Vol 7, No 4 (2023): JIKA (Jurnal Informatika)
Publisher : University of Muhammadiyah Tangerang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31000/jika.v7i4.8574

Abstract

Manajemen Armada atau Fleet Management pada dasarnya adalah kegiatan mengelola kendaraan agar dapat dimanfaatkan dengan maksimal. Pada sebuah perusahaan, Fleet Management dapat membantu meningkatkan produktivitas armada, memprediksi waktu pemeliharaan, dan mengatur biaya yang berkaitan  dengan armada. PT. Sajira Mahardika merupakan salah satu perusahaan yang menjadikan armada sebagai peran utama dalam proses bisnisnya. Pada pengelolaan armadanya mereka masih menggunakan cara manual dan pencatatan dalam Microsoft Excel. Sistem pengelolaan armada tersebut menyebabkan keterlambatan pada proses pengiriman barang dan terjadi pengeluaran biaya yang tidak sesuai dengan anggaran biaya. Tujuan dari penelitian ini untuk merancang dan membangun sebuah sistem informasi Fleet Management. Dengan menggunakan metode pendekatan kualitatif dan untuk pengembangan sistemnya akan menggunakan metode waterfall, aplikasi akan dibuat meggunakan framework laravel dan untuk database nya akan menggunakan MySQL. Sistem Fleet Management yang di bangun akan memiliki fitur utama yaitu reminder, ceklis perawatan berkala dan laporan untuk setiap transaksi. Hasil setelah di bangunkan sistem, pengelolaan armada menjadi lebih terorganisir, administrasi armada lebih baik dengan sistem reminder dan biaya armada menjadi lebih terkontrol.
EVALUASI PERFORMA MODEL REGRESI LINEAR DENGAN RMSE PADA JUMLAH PENUMPANG BUS TRANSJAKARTA Nurholipah, Titin; Kurniawan, Rudi; Wijaya, Yudhistira Arie
Jurnal Informatika Vol 8, No 2 (2024): JIKA (Jurnal Informatika)
Publisher : University of Muhammadiyah Tangerang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31000/jika.v8i2.10405

Abstract

Penelitian ini secara signifikan membantu dalam memahami faktor-faktor yang memengaruhi jumlah penumpang pada layanan Bus TransJakarta, khususnya di tengah masalah kemacetan yang melanda DKI Jakarta. Dengan menggunakan algoritma regresi linear pada dataset penumpang, penelitian ini menyoroti pentingnya feature selection untuk memastikan variabel yang signifikan diikutsertakan dalam model. Evaluasi model menunjukkan hasil yang cukup baik, dengan nilai Root Mean Squared Error (RMSE) sebesar  115306.990 +/- 0.000. Hasil ini memberikan gambaran mendalam tentang faktor-faktor yang paling berpengaruh terhadap jumlah penumpang Bus TransJakarta. Dengan demikian, penelitian ini dapat memberikan kontribusi berharga dalam perencanaan operasional dan pengambilan keputusan yang lebih efektif, bertujuan meningkatkan pelayanan dan kenyamanan transportasi umum, terutama di lingkungan metropolitan seperti Jakarta. Temuan ini juga dapat menjadi dasar bagi penelitian lanjutan untuk mengembangkan model prediksi yang lebih canggih dalam mendukung manajemen transportasi perkotaan.
KLASIFIKASI GAYA BELAJAR PADA MAHASISWA MENGGUNAKAN METODE ALGORITMA C4.5 Suherman, Suherman; Purnamasari, Marlia; Rahmatullah, Arif; Samsuni, Sunny; Kautsar, Ahmad
Jurnal Informatika Vol 8, No 1 (2024): JIKA (Jurnal Informatika)
Publisher : University of Muhammadiyah Tangerang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31000/jika.v8i1.10306

Abstract

Gaya belajar adalah cara individu untuk menyerap informasi. Dalam perguruan tinggi banyak kegiatan yang dibutuhkannya kemampuan dalam menyerap informasi seperti ketika dosen memberikan materi, sehingga gaya belajar perlu diperhatikan. Dalam penyampaian informai yang diberikan oleh dosen ditemukannya permasalahan dan kebutuhan terkait hal tersebut, yaitu belum tersedianya penentuan klasifikasi gaya belajar pada mahasiswa. Yang mana sekarang ini dosen mengalami kesulitan dalam memberikan penilaian pencapaian kemampuan terhadap mahasiswa berdasarkan kriteria dari gaya belajar dan mengklasifikasikannya, dan  juga untuk  meningkatkan kualitas metode pembelajaran. Adapun saran  yang diberikan untuk tercapainya  tujuan dan  mengatasi permasalahan tersebut yaitu dirancangnya  klasifikasi  gaya belajar pada mahasiswa dan pengolahan data yang dilakukan menggunakan komputer. Penelitian ini menggunakan metode Algoritma C4.5. Algoritma C4.5 termasuk dalam klasifikasi berbasis Decision Tree, yang mana algoritma C4.5 merupakan metode yang dapat menangani fitur dengan tipe numerik. Hasil dari penelitian ini yaitu klasifikasi dengan mengimplementasikan Algoritma C4.5 yang dapat mengetahui kemampuan gaya belajar pada mahasiswa, berdasarkan kriteria yang sudah ditetapkan, sehingga klasifikasi ini dapat semakin mudah, efektif, dan efisien. Manfaat dari hasil klasifikasi ini dapat membantu dosen mengetahui gaya belajar pada mahasiswa untuk dijadikan pertimbangan penilaian dan metode pembelajaran di kelas.
OPTIMALISASI PROSES PEMBAHARUAN LOCATOR PADA KODE OTOMATIS SELENIUM DENGAN MENGGUNAKAN PAGE OBJECT MODEL Ramdhani, Mohamad Dhicy; Setyanto, Arief; Ariatmanto, Dhani
Jurnal Informatika Vol 8, No 1 (2024): JIKA (Jurnal Informatika)
Publisher : University of Muhammadiyah Tangerang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31000/jika.v8i1.9710

Abstract

Pengujian aplikasi adalah proses penting pada pengembangan perangkat lunak. Salah satu cara mempercepat pengujian aplikasi dengan menggunakan teknik pengujian otomatis menggunakan selenium webdriver. Teknik ini menggunakan kode otomatis yang disusun di dalam sebuat test case. Pada test case terdapat langkah pengujian yang terdiri dari banyak locator. Locator merupakan query untuk mengakses element pada website yang merepresentasikan objek yang diakses oleh pengguna seperti tombol, input teks dan lainnya. Locator yang sama bisa digunakan pada test case yang berbeda Pada penelitian sebelumnya, automatisasi pengujian perangkat lunak berbasis website terbukti meningkatkan waktu uji yakni 30 detik lebih cepat dibandingkan proses pengujian secara manual. Namun pada penelitian tersebut tidak dibahas bagaimana proses pembaharuan locator yang efektif ketika terjadi perubahan struktur sistem aplikasi. Penelitian ini bertujuan untuk mengoptimalisasi proses pembaharuan kode automatisasi dengan mengolah data locator menggunakan teknik page object modelling (POM) pada halaman login website. Setiap locator ditempatkan pada satu tempat yang disebut dengan repositori sehingga proses pembaharuan locator dilakukan secara sentralisasi pada repositori tanpa harus mencari dan membuka test case satu per satu.Hasil penelitian menunjukkan efisiensi sebesar 14.28 % lebih cepat jika dibandingkan dengan proses pembaharuan tanpa metode POM
IMPLEMENTASI ALGORITMA NAÏVE BAYES CLASSIFIER UNTUK MEMPREDIKSI TINGKAT PRODUKTIVITAS KINERJA KARYAWAN Nuryansah, Dika; Ary, Maxsi
Jurnal Informatika Vol 8, No 3 (2024): JIKA (Jurnal Informatika)
Publisher : University of Muhammadiyah Tangerang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31000/jika.v8i3.11125

Abstract

Penelitian ini bertujuan untuk mengimplementasikan Algoritma Naïve Bayes Classifier dalam memprediksi tingkat produktivitas kinerja karyawan pada PT. Focon Indo Beton. Data yang digunakan dalam penelitian ini adalah data historis kinerja karyawan pada perusahaan selama 1 tahun terakhir. Selanjutnya, model Naïve Bayes Classifier diaplikasikan pada dataset yang telah diproses untuk memprediksi tingkat produktivitas kinerja karyawan. Implikasi hasil penelitian menunjukan bahwa Algoritma Naïve Bayes Classifier mampu menghsilkan prediksi yang cukup akurat dalam memprediksi tingkat produktivitas kinerja karyawan pada PT. Focon Indo Beton. Model Naïve Bayes Classifier yang dihasilkan memiliki accuracy mencapai 90.80%, precision sebesar 98.33%, recall sebesar 99.09% dan Area Under Curve (AUC)  mencapai score  0.999. Hasil dari penelitian ini dapat mengkategorikan karyawan kedalam dua kategori, yaitu kompeten dan tidak. Dengan demikian, Algoritma Naïve Bayes Classifier dapat menjadi alternatif dalam melakukan evaluasi kinerja karyawan dan memberikan rekomendasi untuk meningkatkan produktifitas kinerja karyawan pada perusahaan.
IMPLEMENTASI DEEP LEARNING UNTUK DETEKSI JENIS OBAT MENGGUNAKAN ALGORITMA CNN BERBASIS WEBSITE Soekarta, Rendra; Yusuf, Muhammad; Hasa, Muh. Fadli; Basri, Nurul Annisa
Jurnal Informatika Vol 7, No 4 (2023): JIKA (Jurnal Informatika)
Publisher : University of Muhammadiyah Tangerang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31000/jika.v7i4.9751

Abstract

Obat merujuk pada substansi atau campuran bahan termasuk produk biologi yang digunakan untuk mempengaruhi atau menyelediki sistem fisiologi dengan tujuan mendiagnosis, mencegah, menyembuhkan, memulihkan, meningkatkan kesehatan. Terdapat beberapa permasalahan terkait semakin maraknya merk dan jenis obat yang beredar tersebut, dimana tiap merk memiliki bahan dasar dan indikasi yang sama ataupun berbeda. Dalam lingkungan farmasi yang berkembang pesat, kebutuhan untuk automatisasi dalam pengelolaan obat sangat penting. Ini disebabkan oleh berbagai faktor, termasuk meningkatnya volume obat, kompleksitas produk farmasi, serta tujuan untuk meningkatkan efisiensi dan akurasi dalam manajemen stok obat. Deep learning memainkan peran kunci dalam memenuhi kebutuhan tersebut, pada penelitian ini dibuat sistem dengan tujuan untuk mengklasifikasi jenis obat secara otomatis. Deep Learning merupakan area pembelajaran mesin yang menggunakan jaringan syaraf tiruan untuk menyelesaikan masalah dengan kumpulan data besar. Algoritma yang digunakan dalam sistem deep learning yaitu Convulutional Neural Network (CNN). Proses klasifikasi jenis bentuk sediaan obat tablet dan kapsul dengan tahap pengumpulan data, preprocessing data membagi data dengan jumlah data train 70% dan data test 30% mendapatkan hasil tingkat accuracy tertinggi yaitu 99% dan val accuracy 99%, serta memperoleh hasil akurasi model dengan menggunakan model f1- Score tertinggi yaitu dengan skor 100%. Hal tersebut menjelaskan bahwa algoritma Convolutuinal Neural Network (CNN) dipengaruhi oleh data training yang jumlahnya besar, semakin besar data yang digunakan maka semakin  tinggi  juga  akurasi  yang  didapatkan.
PERBANDINGAN DATA UNTUK MEMPREDIKSI KETEPATAN STUDI BERDASARKAN ATRIBUT KELUARGA MENGGUNAKAN MACHINE LEARNING Wijiyanto, Wijiyanto; Pradana, Afu Ichsan; Sopingi, Sopingi
Jurnal Informatika Vol 8, No 2 (2024): JIKA (Jurnal Informatika)
Publisher : University of Muhammadiyah Tangerang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31000/jika.v8i2.10752

Abstract

Keberhasilan mahasiswa dalam menyelesaikan pendidikan tepat waktu merupakan tujuan yang penting. Berbagai faktor dapat memengaruhi keberhasilan ini, termasuk faktor non-akademik seperti data keluarga. Data yang digunakan berasal dari FIKOM-UDB dengan 365 record dan 11 atribut, di antaranya satu atribut berperan sebagai label (class). Data tersebut diproses menggunakan algoritma machine learning menggunakan pemodelan naïve bayes dan neural network. Sebelumnya, data dibagi menjadi data latih dan data uji dengan perbandingan prosentase yang berbeda, yaitu 90:10, 80:20, 70:30, 60:40, dan 50:50, untuk mencari kinerja terbaik berdasarkan nilai akurasi. Evaluasi menggunakan confusion matrix menghasilkan performa terbaik untuk naïve bayes dengan perbandingan 80:20, mencapai nilai akurasi sebesar 92%, precision 0.93, recall 0.98, dan F1-score 0.96. Sementara untuk neural network, performa terbaik terdapat pada perbandingan 50:50 dengan nilai akurasi sebesar 91%, precision 0.93, recall 0.97, dan F1-score 0.95. Hasil menunjukkan bahwa performa terendah untuk naïve bayes terjadi pada perbandingan 90:10, sementara untuk neural network terjadi pada perbandingan 80:20. Dengan demikian, algoritma naïve bayes menunjukkan performa yang lebih baik dibandingkan neural network sehingga, Fakultas dapat menerapkan model naïve bayes dalam memprediksi mahasiswa dalam rangka untuk mengantisipasi dan mengatasi permasalahan yang timbul terkait kelulusan mahasiswa dengan tepat waktu.
IMPLEMENTASI EXTREME LEARNING MACHINE UNTUK DETEKSI RABUN JAUH (MIOPI) BERBASIS ANDROID WIJAYA, THIAS RIZQI; Rachman, Rizal
Jurnal Informatika Vol 7, No 4 (2023): JIKA (Jurnal Informatika)
Publisher : University of Muhammadiyah Tangerang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31000/jika.v7i4.8100

Abstract

Rabun jauh merupakan salah satu kelainan mata yang cukup menggangu kehidupan sehari-hari karena kondisinya yang terus berubah jika tidak diobati, salah satu alat pembantunya adalah kacamata. Penggunaan kacamata pun tidak jarang yang cepat berganti karena minus yang bertambah dan kebanyakan penderita enggan untuk memeriksakan Kembali kondisi minus yang bertambah dikarenakan waktu atau biaya. Tujuan penelitian ini yaitu untuk mencari nilai akurasi terbaik dari penerapan extreme learning machine untuk deteksi rabun jauh serta untuk membantu mendeteksi besaran minus mata pada pendertianya. Metode yang digunakan pada penelitian ini adalah metode Extreme learning machine (ELM). Pemilihan metode ini dikarenakan cara kerjanya yang bagus untuk pemroresan data yang berupa image dan menghasilkan akurasi yang baik. Hasil pada penelitian ini adalah besaran akurasi, precision dan recall serta luaran aplikasi yang berbentuk aplikasi mobile.

Page 29 of 37 | Total Record : 369

 27   28   29   30   31 

Filter by Year

2017 2025


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