cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Harliana
Contact Email
harliana@umus.ac.id
Phone
+6281313332424
Journal Mail Official
intech@umus.ac.id
Editorial Address
Jl. P. Diponogoro KM. 2 Wanasari, Brebes 52252 Tel / fax : (0283) 619 9000 / 0813 1333 2424
Location
Kab. brebes,
Jawa tengah
INDONESIA
Jurnal Ilmiah Intech : Information Technology Journal of UMUS
Published by Universitas Muhadi Setiabudi
ISSN : -     EISSN : 26854902     DOI : 10.46772/intech
Core Subject : Science,
Computer Science & IT Decision Sciences, Operations Research & Management
Jurnal Ilmiah Intech : Information Technology Journal of UMUS terbit 2 (dua) kali dalam satu tahun yaitu Mei dan November yang berisi hasil pemikiran dan penelitian pada bidang Ilmu Komputer dan Informatika, dnegan fokus dan ruang lingkup: 1. ilmu komputer: Artificial Intelligence, Machine Learning, Data Mining, Expert System, Decission Support System 2. Informatika : Web Programming, Mobile Computing, Computer Network, Pembuatan Sistem Informasi, Database System, Security System.
Arjuna Subject : Ilmu Komputer (semua kategori) - Kecerdasan Buatan
Articles 4 Documents
 1 
Search results for , issue "Vol 7 No 2 (2025): November" : 4 Documents clear
Peramalan Dinamika Harga Beras Premium di Tingkat Penggilingan dengan Model ARIMA Reza Abdilah Saputra; Tazkiyah Fuadiyah; Dwi Putri Ayu Nur Aini; Dinda Nabila Margaretha; Achmad Budi Susetyo
Jurnal Teknik Informatika UMUS Vol 7 No 2 (2025): November
Publisher : Universitas Muhadi Setiabudi

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Penelitian ini bertujuan untuk menganalisis dan memprediksi dinamika harga beras kualitas premium pada tingkat penggilingan di Indonesia menggunakan metode time series model ARIMA. Data yang digunakan merupakan data sekunder dari publikasi resmi Badan Pusat Statistik (BPS) periode 2013–2023, dalam satuan Rupiah per kilogram (Rp/Kg). Penelitian ini menggunakan pendekatan deskriptif kuantitatif dengan tahapan analisis meliputi uji stasioneritas menggunakan Augmented Dickey-Fuller (ADF) Test, identifikasi model melalui Autocorrelation Function (ACF) dan Partial Autocorrelation Function (PACF), serta penentuan model terbaik berdasarkan kriteria Akaike Information Criterion (AIC), Schwarz Criterion (SC), dan uji residual Ljung-Box Test. Hasil penelitian menunjukkan bahwa data harga beras premium tidak stasioner pada level, namun menjadi stasioner setelah dilakukan diferensiasi pertama (perbedaan pertama). Model terbaik yang diperoleh adalah ARMA(1,1) dengan nilai R-Square tertinggi sebesar 0,9719, AIC terendah (-5,04), dan residu bersifat acak (white noise). Berdasarkan hasil peramalan, harga beras premium tahun 2024 diperkirakan stabil dengan kecenderungan menurun dari Rp9.502 pada Januari menjadi Rp9.476 pada Desember. Hasil ini menunjukkan bahwa pasar beras Indonesia relatif terkendali tanpa adanya harga yang signifikan. Temuan ini dapat menjadi dasar bagi pemerintah dalam menetapkan kebijakan pengendalian harga beras, menjaga keseimbangan kepentingan petani dan konsumen, serta memperkuat ketahanan pangan nasional.
SISTEM DIAGNOSA KERUSAKAN MESIN PESAWAT CESSNA C208-B MENGGUNAKAN PENDEKATAN CASE-BASED REASONING BERBASIS TEKS Agustian, harliyus
Jurnal Teknik Informatika UMUS Vol 7 No 2 (2025): November
Publisher : Universitas Muhadi Setiabudi

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Proses diagnosis kerusakan mesin pesawat memerlukan keahlian teknis tinggi dan pengalaman dalam memahami gejala serta riwayat perawatan. Teknisi junior sering mengalami kesulitan mengidentifikasi masalah tanpa bimbingan teknisi senior. Penelitian ini bertujuan mengembangkan sistem troubleshooting berbasis teks menggunakan pendekatan Case-Based Reasoning (CBR) untuk memberikan rekomendasi solusi terhadap kerusakan engine pesawat Cessna C208-B berdasarkan kemiripan kasus sebelumnya. Dataset terdiri atas 100 data kerusakan yang mencakup deskripsi gejala (symptom), penyebab (cause), dan tindakan perbaikan (solution). Proses retrieve meliputi text preprocessing (case folding, tokenizing, stopword removal, filtering, dan stemming), pembobotan TF-IDF, serta perhitungan kemiripan menggunakan Cosine Similarity. Hasil pengujian menunjukkan sistem mampu mencapai Precision@1 sebesar 100% dan akurasi keseluruhan 100% dengan waktu pencarian rata-rata 2,8 detik. Meskipun tingkat kemiripan menurun dari 81,7% menjadi 74,7% pada pengujian generalisasi, sistem tetap menunjukkan performa yang konsisten. Hasil ini membuktikan bahwa pendekatan CBR berbasis teks efektif dalam membantu teknisi junior menemukan solusi kerusakan mesin secara cepat dan akurat, serta berpotensi menjadi decision support tool untuk mempercepat proses diagnosis dan mengurangi kesalahan identifikasi di hanggar.
PENCAPAIAN KLASIFIKASI TERBAIK BERBASIS PERBAIKAN CITRA CLAHE DAN DARK CHANNEL PRIOR PADA SPESIES IKAN Pergiwati, Dewi; Anggi Pramunendar, Ricardus; Puji Prabowo, Dwi; Alzami, Farrikh; Megantara, Rama Aria
Jurnal Teknik Informatika UMUS Vol 7 No 2 (2025): November
Publisher : Universitas Muhadi Setiabudi

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Ikan merupakan bahan pangan lauk-pauk utama yang dikonsumsi manusia untuk menunjang protein hewani dan zat-zat lain yang diperlukan tubuh. Ikan merupakan lauk-pauk pilihan utama yang memiliki harga relative murah dan mudah didapat. Namun pada nyatanya konsumsi ikan di Indonesia sangat rendah dibandingkan dengan negara-negara yang memiliki potensi sumberdaya perikanan yang jauh lebih rendah seperti negara Jepang, Korea Selatan, serta negara-negara di Asia lainnya. Di sisi lain, salah satu kekayaan Indonesia yang sangat berlimpah pada sector perairan adalah biota ikan. Dengan kondisi demikian, upaya peningkatan konsumsi ikan akan memberikan multiflier effect dalam lingkungan masyarakat. Selain meningkatkan tingkat kesehatan serta kecerdasan, juga semakin menggairahkan sektor perikanan untuk dapat mendorong peningkatan penyerapan tenaga kerja, meningkatkan pendapatan serta kesejahteraan pada masyarakat khususnya profesi nelayan, pembudidaya ikan, pengolah hasil ikan serta pihak terkait lainnya. Maka, perlu ditingkatkan kemampuan pengenalan ikan secara otomatis dengan bantuan computer untuk mengenali jenis-jenis ikan yang sangat beragam guna mempermudah proses pengelolaan dan distribusi ikan. Oleh karena itu dalam penelitian ini, peneliti ini mengusulkan untuk melakukan analisis dampak pre-processing dari kombinasi algoritma CLAHE dan DCP yang diterapkan dalam klasifikasi ikan dengan Random Forest.
Predicting Depression Risk Levels in College Students Using the K-Nearest Neighbor Algorithm Attagantari Ardelia Retna, Atta; Arief Hidayat, Arief Hidayat; Akhmad Pandhu Wijaya, Akhmad Pandhu Wijaya
Jurnal Teknik Informatika UMUS Vol 7 No 2 (2025): November
Publisher : Universitas Muhadi Setiabudi

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Abstract College students often experience academic, social, and personal stress that can lead to mental health issues such as depression. If left untreated, this condition can disrupt academic achievement and social relationships, and even trigger extreme behavior. This study aims to design and develop a system to predict the risk of depression in college students using the K-Nearest Neighbor (KNN) classification algorithm. Data were collected from 300 students through a Likert-scale questionnaire. The system was developed using Python for pre-processing. The analysis process included data selection, cleaning, transformation, classification with KNN, and performance evaluation using a confusion matrix. Testing of 60 test data sets yielded 85% accuracy, 90% precision, and 83% recall. This system has the potential to be used as an early detection tool for students and educational institutions. Keywords : Depression, Students, K-Nearest Neighbor, Classification, Data Mining

Page 1 of 1 | Total Record : 4

 1 

Filter by Year

2025 2025


Reset
Filter By Issues
All Issue Vol 7 No 2 (2025): November Vol 7 No 1 (2025): Mei Vol 6 No 1 (2024): Mei Vol 5 No 2 (2023): November Vol 5 No 1 (2023): Mei Vol 4 No 02 (2022): November Vol 4 No 01 (2022): Mei Vol 3 No 02 (2021): November Vol 3 No 01 (2021): Mei Vol 2 No 02 (2020): November Vol 2 No 01 (2020): Mei Vol 1 No 02 (2019): November Vol 1 No 01 (2019): Mei More Issue