cover
Contact Name
Nizirwan Anwar
Contact Email
nizirwan.anwar@esaunggul.ac.id
Phone
+6281314410170
Journal Mail Official
jurnal.alu@ubm.ac.id
Editorial Address
Jl. Ancol Barat IV, RT.12/RW.2, Ancol, Kec. Pademangan, Kota Jkt Utara, Daerah Khusus Ibukota Jakarta 14430
Location
Kota tangerang,
Banten
INDONESIA
Jurnal Algoritma, Logika dan Komputasi
ISSN : 2620620X     EISSN : 26219840     DOI : http://dx.doi.org/10.30813/j-alu.v1i1.1107
Jurnal Algoritma, Logika dan Komputasi (Jurnal ALU) adalah jurnal Program Studi Teknik Informatika, yang berisikan kumpulan hasil penelitian dosen, penelitian dosen dan mahasiswa, penelitian mahasiswa yang disusun dalam bentuk artikel penelitian. Jurnal Algoritma, Logika dan Komputasi(Jurnal ALU) adalah jurnal Program Studi Teknik Informatika, yang berisikan kumpulan hasil penelitian dosen, penelitian dosen dan mahasiswa, penelitian mahasiswa yang disusun dalam bentuk artikel penelitian.
Articles 6 Documents
Search results for , issue "Vol 8, No 2 (2025)" : 6 Documents clear
Prediction of Export Volume in South Sulawesi Based on Destination Country Using the BPNN Method Widiyanti, Widiyanti; Anggreani, Desi; Lukman, Lukman; Danuputri, Chyquitha
Jurnal Algoritma, Logika dan Komputasi Vol 8, No 2 (2025)
Publisher : Universitas Bunda Mulia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30813/j-alu.v8i2.8782

Abstract

This study aims to develop a prediction model for South Sulawesi's export volume based on destination countries using the Backpropagation Neural Network (BPNN) method. South Sulawesi has a significant contribution in the export of agricultural, marine, and mining commodities to various Asian and global countries. Common problems in the export process are unpreparedness of goods, limited commodity stocks, and a mismatch between production capacity and destination market demand. The export data used is from 2018 to 2026 with a total of 1,555 rows of data . The BPNN model with a 6-6-1 architecture is applied to study historical patterns and make accurate predictions. The test results show a Mean Squared Error (MSE) value of 0.0161440, with prediction results close to the actual trend. Exports peaked at almost 40 tons in 2019 and decreased significantly in 2023, then are predicted to recover steadily in 2025–2026. The destination countries with the highest export volumes are China, Japan, and East and Southeast Asian countries. The main commodities contributing significantly are octopus, processed wood, and marine products. These findings demonstrate that the BPNN method is effective in identifying export patterns and can be used as a basis for data-driven trade planning at the regional level. This study also underscores the importance of logistical readiness and market diversification in efforts to maintain export sustainability. 
KUANTISASI WARNA KARTUN DARI CITRA NATURAL MENGGUNAKAN K-MEANS KLASTERING Mulyana, Teady Matius Surya; Roberto, Alben; Hakim, Lukman; Herlina, Herlina; Wijaya, Agustinus Fritz
Jurnal Algoritma, Logika dan Komputasi Vol 8, No 2 (2025)
Publisher : Universitas Bunda Mulia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30813/j-alu.v8i2.9056

Abstract

Cartoons are characterized by simple, flat, and solid colors, making them appealing for various applications, such as avatars or entertainment. However, the manual cartoonization process demands high artistic skill and is time-consuming. This research aims to automate the process through color quantization using K-Means Clustering as a solution to simplify the color palette of natural images. The main issue addressed is the selection of the optimal color mode and features to achieve the desired cartoon effect. In the methodology, the HSI (Hue, Saturation, Intensity) color mode is utilized, where K-Means clustering is specifically applied to the Hue feature only to separate color grouping from the influence of light gradation. The resulting clusters are then combined with discretized Intensity values to sharply distinguish between dark and light colors. Experimental results indicate that the K-Means algorithm is effective for color quantization, producing simpler and more solid colors that visually approximate the original color tones. This study proves that using the Hue feature in K-Means is a suitable strategy for realizing the flat color palette characteristic of cartoons. 
DIGITAL LEARNING HUB: PUSAT VIDEO EDUKASI DAN ARSIP RANCANGAN, LAPORAN, SERTA SCRIPT CODING Pramasela, Agustin Meisi; Susanto, Arief; Evanita, Evanita
Jurnal Algoritma, Logika dan Komputasi Vol 8, No 2 (2025)
Publisher : Universitas Bunda Mulia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30813/j-alu.v8i2.8837

Abstract

Penyusunan skripsi merupakan tahapan penting dalam pendidikan tinggi yang sering kali menimbulkan kendala bagi mahasiswa, terutama yang belum memiliki pengalaman akademik yang cukup. Keterbatasan bimbingan dan kurangnya akses terhadap referensi yang terstruktur menjadi faktor utama yang menghambat proses penyelesaian tugas akhir. Penelitian ini bertujuan untuk mengembangkan Digital Learning Hub, sebuah platform digital yang menyediakan materi pembelajaran berupa video edukatif serta dokumen referensi, seperti rancangan sistem, laporan, dan skrip pemrograman. Platform ini dirancang untuk memberikan panduan yang terintegrasi guna mendukung mahasiswa dalam setiap tahapan penyusunan skripsi. Metode pengembangan yang digunakan dalam penelitian ini disesuaikan dengan pendekatan rekayasa perangkat lunak yang sistematis dan terstruktur. Hasil dari penelitian menunjukkan bahwa Digital Learning Hub dapat membantu meningkatkan aksesibilitas terhadap sumber belajar serta memberikan kemudahan dalam memahami proses penyusunan skripsi secara menyeluruh. Dengan demikian, platform ini diharapkan dapat memberikan kontribusi positif dalam meningkatkan efektivitas dan efisiensi proses akademik mahasiswa di perguruan tinggi.
Analisis Sentimen Program Makan Siang Gratis Menggunakan Model IndoBERT Lukmanto, Jose Andreas; Wijayanti, Theresia Puspa
Jurnal Algoritma, Logika dan Komputasi Vol 8, No 2 (2025)
Publisher : Universitas Bunda Mulia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30813/j-alu.v8i2.8868

Abstract

Penelitian ini bertujuan untuk menganalisis sentimen publik terhadap program makan siang gratis di Indonesia menggunakan model IndoBERT-Large-P2. Penelitian ini menggunakan data tweet hasil crawling sebanyak 5,699 yang kemudian dibersihkan menjadi 5,294 data, dengan tujuan untuk mengevaluasi kinerja model dalam mengklasifikasikan sentimen positif, negatif, dan netral terhadap kebijakan tersebut. Metodologi yang digunakan meliputi tahapan crawling data menggunakan tweet-harvest, preprocessing data yang mencakup pembersihan teks dan normalisasi kata, serta pembagian data menjadi data latih, data validasi, dan data uji. Model IndoBERT-Large-P2 diuji dengan berbagai konfigurasi, termasuk pengaturan batch size, learning rate, epoch, dan pembagian data untuk memperoleh hasil terbaik dalam klasifikasi sentimen. Hasil analisis menunjukkan bahwa model dapat mencapai akurasi 80% dan nilai rata-rata AUC sebesar 91% dengan performa terbaik tercatat pada pengujian dengan batch size 8, learning rate 3e-5, epsilon 1e-9, epoch ke-7, dan rasio pembagian data 68% data latih, 12% data validasi, serta 20% data uji. Penelitian ini menyimpulkan bahwa model IndoBERTLarge-P2 memiliki kinerja yang baik dalam menganalisis sentimen terhadap program makan siang gratis di media sosial X dan memberikan wawasan penting mengenai penerapan model NLP dalam analisis opini publik di Indonesia.
PENERAPAN MULTIMEDIA DEVELOPMENT LIFE CYCLE DALAM MODEL PENGEMBANGAN PERMAINAN VR THE ARCHER Haryanti, Marta Lenah; Chardaputeri, Gantari; Wangsa, Kesya; Figo, Russel; Indradjaja, Reynaldi; Sutanto, Kurniawan
Jurnal Algoritma, Logika dan Komputasi Vol 8, No 2 (2025)
Publisher : Universitas Bunda Mulia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30813/j-alu.v8i2.8223

Abstract

 ABSTRACT Indonesia is one of the countries with the highest number of digital game users in the world. The development of Virtual Reality (VR) technology has brought increasingly immersive and realistic digital experiences. One of the applications of this technology is in the development of games that not only serve as entertainment but also function as training tools. This study aims to develop The Archer, a VR-based hunting game designed to enhance users' concentration and accuracy through interactive simulation. The development method used is the Multimedia Development Life Cycle (MDLC), which consists of six stages: concept, design, material collecting, assembly, testing, and distribution. The development results show that The Archer performs well according to the designed specifications. Testing using the blackbox method indicates that all features, including menu navigation, player controls, scoring system, and interactions with Non-Playable Characters (NPCs), function optimally without any detected bugs. The use of 3D assets, natural sound effects, and an informative interface further enhances the realism and immersive experience of the game. This game has great potential as a medium to support cognitive and motor skill training. In addition to providing entertainment, The Archer can also be utilized as an effective training media.ABSTRAK Indonesia merupakan salah satu negara dengan jumlah pengguna permainan digital tertinggi di dunia. Perkembangan teknologi Virtual Reality (VR) telah menghadirkan pengalaman digital yang semakin imersif dan realistis. Salah satu pemanfaatan teknologi ini adalah dalam pengembangan permainan yang tidak hanya bersifat hiburan, tetapi juga berfungsi sebagai media pelatihan. Penelitian ini bertujuan untuk mengembangkan The Archer, sebuah permainan berburu berbasis VR yang dirancang untuk meningkatkan konsentrasi dan akurasi pengguna melalui simulasi interaktif. Metode yang digunakan dalam pengembangan permainan ini adalah Multimedia Development Life Cycle (MDLC), yang terdiri dari enam tahap: concept, design, material collecting, assembly, testing, dan distribution. Hasil pengembangan menunjukkan bahwa The Archer berjalan dengan baik sesuai dengan spesifikasi yang telah dirancang. Pengujian menggunakan metode blackbox menunjukkan bahwa seluruh fitur, termasuk navigasi menu, kontrol pemain, sistem skor, serta interaksi dengan Non-Playable Character (NPC), berfungsi optimal tanpa ditemukannya bug. Pemanfaatan aset 3D, efek suara alami, serta antarmuka yang informatif turut memperkuat kesan realistis dan imersif dalam permainan. Permainan ini memiliki potensi besar sebagai media pendukung latihan kognitif dan motorik. Selain memberikan hiburan, The Archer juga dapat digunakan sebagai alat bantu pelatihan.
KLASIFIKASI PELANGGAN PADA CUSTOMER CHURN PREDICTION MODELS MENGGUNAKAN DECISION TREE Sinata, Frans; Thenata, Angelina Pramana; Wijaya, Agustinus Fritz; Suryantara, I Gusti Ngurah; Ginting, Jusia Amanda; Widyaningrum, Destriana; Lumba, Ester
Jurnal Algoritma, Logika dan Komputasi Vol 8, No 2 (2025)
Publisher : Universitas Bunda Mulia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30813/j-alu.v8i2.8812

Abstract

Persaingan yang semakin ketat dalam dunia perdagangan modern menuntut perusahaan untuk menerapkan strategi retensi pelanggan yang proaktif, menjadikan prediksi customer churn (pelanggan yang berhenti menggunakan layanan) sebagai fokus utama. Penelitian ini bertujuan untuk mengembangkan dan mengevaluasi model klasifikasi yang memanfaatkan data pelanggan historis guna mengidentifikasi secara dini pelanggan yang berpotensi churn atau tetap loyal. Metode yang digunakan adalah Data Mining, khususnya teknik Klasifikasi, dengan memilih algoritma Decision Tree C4.5 karena keunggulannya dalam menghasilkan aturan keputusan yang transparan dan mudah diinterpretasikan. Dataset yang dianalisis melibatkan 996 sampel pelanggan, mencakup berbagai atribut penting seperti jenis kelamin, usia, metode pembayaran, dan riwayat transaksi. Klasifikasi dilakukan untuk memprediksi status pelanggan ke dalam salah satu dari dua kategori target: loyal atau churn. Hasil pengujian menunjukkan bahwa model yang dibangun mampu mengklasifikasikan 636 pelanggan (sekitar 63.8%) sebagai kategori loyal dan 360 pelanggan (sekitar 36.2%) sebagai kategori churn, dengan mencapai tingkat akurasi model sebesar 98%. Temuan ini menunjukkan efektivitas Decision Tree C4.5 dalam memetakan pola loyalitas pelanggan. Secara praktis, model ini berkontribusi dalam menyediakan wawasan yang terukur bagi perusahaan untuk merumuskan inisiatif pemasaran dan retensi yang lebih tepat sasaran.

Page 1 of 1 | Total Record : 6