cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
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
Published by Universitas Bunda Mulia
ISSN : 2620620X     EISSN : 26219840     DOI : http://dx.doi.org/10.30813/j-alu.v1i1.1107
Core Subject : Science, Engineering,
Computer Science & IT Engineering
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.
Arjuna Subject : Ilmu Komputer (semua kategori) - Teori Komputasi dan Matematika
Articles 5 Documents
 1 
Search results for , issue "Vol 9, No 1 (2026)" : 5 Documents clear
IDENTIFIKASI PENYAKIT DAUN SELADA MENGGUNAKAN SUPPORT VECTOR MACHINE (SVM) BERBASIS EKSTRAKSI FITUR VISUAL AMRI, MUH ULIL; Danuputri, Chyquitha; Bakti, Rizki Yusliana; Kuba, Muhammad Syafaat S.; Hayat, Muhyiddin A M
Jurnal Algoritma, Logika dan Komputasi Vol 9, No 1 (2026)
Publisher : Universitas Bunda Mulia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30813/j-alu.v9i1.8919

Abstract

Selada (Lactuca sativa L.) merupakan komoditas hortikultura bernilai ekonomi tinggi, namun produktivitasnya sering terhambat oleh serangan penyakit. Identifikasi manual oleh petani seringkali tidak akurat karena kemiripan gejala visual antar penyakit. Penelitian ini bertujuan untuk membangun sistem identifikasi penyakit otomatis menggunakan Support Vector Machine (SVM) berbasis ekstraksi fitur visual. Penelitian berfokus pada klasifikasi empat kondisi daun selada: Sehat, Bercak Daun Cercospora, Tipburn, dan Etiolasi. Metodologi yang digunakan meliputi ekstraksi fitur warna dari ruang warna HSV dan fitur tekstur menggunakan Gray-Level Co-occurrence Matrix (GLCM). Efektivitas augmentasi data dan optimasi hyperparameter menggunakan Particle Swarm Optimization (PSO) juga dievaluasi melalui tiga skenario perbandingan. Hasil penelitian menunjukkan bahwa augmentasi data secara signifikan meningkatkan akurasi model dari baseline 69,57% menjadi 92,28%. Optimasi lebih lanjut dengan PSO berhasil meningkatkan performa hingga mencapai akurasi final sebesar 93,63%. Model terbaik menunjukkan F1-Score yang seimbang di atas 0,91 untuk semua kelas, membuktikan bahwa kombinasi metode ekstraksi fitur HSV dan GLCM, augmentasi data, dan optimasi SVM menggunakan PSO merupakan pendekatan yang andal dan efektif untuk identifikasi penyakit daun selada, serta menawarkan alat bantu yang prospektif untuk pertanian presisi
DETEKSI PENYAKIT TANAMAN MERICA MENGGUNAKAN ALGORITMA CONVOLUTIONAL NEURAL NETWORK (CNN) BERBASIS CITRA DAUN Sari, Reski Anugrah; Danuputri, Chyquitha; Lukman, Lukman; Kuba, Muhammad Syafaat S.; Hayat, Muhyiddin A M
Jurnal Algoritma, Logika dan Komputasi Vol 9, No 1 (2026)
Publisher : Universitas Bunda Mulia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30813/j-alu.v9i1.8923

Abstract

Deteksi penyakit pada tanaman merica (Piper nigrum) sangat penting untuk menjaga produktivitas dan kualitas panen, namun metode identifikasi manual oleh petani seringkali tidak efisien dan subjektif. Keterbatasan ini mendorong pemanfaatan teknologi kecerdasan buatan, khususnya Convolutional Neural Network (CNN), untuk menciptakan sistem deteksi yang cepat dan akurat. Penelitian ini bertujuan untuk menerapkan arsitektur CNN MobileNetV2 untuk mengklasifikasi empat kondisi daun merica (sehat, busuk pangkal batang, penyakit kuning, dan bercak daun) serta mengevaluasi secara kuantitatif pengaruh teknik augmentasi data terhadap performa model. Metode penelitian yang digunakan adalah pendekatan eksperimental dengan membandingkan dua skenario: Model A yang dilatih menggunakan 420 citra daun asli dan Model B yang dilatih dengan dataset yang sama namun diperbanyak melalui teknik augmentasi meliputi rotasi, flipping, dan penyesuaian kecerahan. Kedua model diuji menggunakan 60 citra data uji yang terpisah dan dievaluasi kinerjanya berdasarkan metrik akurasi, presisi, recall, dan F1-score. Hasil penelitian menunjukkan perbedaan kinerja yang signifikan, di mana Model B (dengan augmentasi) mencapai akurasi keseluruhan sebesar 93%, meningkat dari 88% yang dicapai oleh Model A (tanpa augmentasi). Analisis kurva pelatihan juga membuktikan bahwa augmentasi data efektif menekan overfitting dan meningkatkan kemampuan generalisasi model. Kesimpulannya, arsitektur MobileNetV2 terbukti efektif untuk deteksi penyakit daun merica, dan penerapan teknik augmentasi data merupakan strategi krusial yang secara substansial meningkatkan akurasi dan keandalan model. Implikasi dari temuan ini adalah terbukanya potensi pengembangan aplikasi deteksi penyakit berbasis smartphone yang praktis dan dapat diandalkan untuk membantu petani dalam pengambilan keputusan perawatan tanaman yang lebih efektif.
PENGEMBANGAN CHATBOT ANALISIS DATA MAHASISWA DENGAN TERM FREQUENCY - INVERSE DOCUMENT FREQUENCY DAN LOGISTIC REGRESSION Hillary, Regina; Wijaya, Aliya Cahyanti; Susanto, Melvin Wijaya; Sutanto, Kurniawan; Haryanti, Marta Lenah
Jurnal Algoritma, Logika dan Komputasi Vol 9, No 1 (2026)
Publisher : Universitas Bunda Mulia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30813/j-alu.v9i1.9015

Abstract

ABSTRAK Perkembangan teknologi informasi mendorong akan kebutuhan mahasiswa dan lembaga pendidikan untuk memahami berbagai macam data akademik, seperti nilai ujian, tingkat kehadiran, dan kinerja belajar. Namun, penyajian data di dalam bentuk tabel atau grafik seringkali dapat sulit dipahami, terutama oleh pengguna yang tidak familiar dengan analisis statistik. Penelitian ini bertujuan untuk mengembangkan sebuah chatbot yang melakukan analisis data mahasiswa, berbasis teknologi Natural Language Processing (NLP) dan Machine Learning, supaya informasi akademik dapat diakses dengan cepat, mudah, dan interaktif. Metode yang digunakan dalam penelitian ini adalah metode Term Frequency – Inverse Document Frequency (TF-IDF) untuk mengubah teks pertanyaan pengguna menjadi vektor numerik dan metode Logistic Regression untuk mengklasifikasikan intent. Dataset yang dipakai berisi data akademik sebanyak 5.000 mahasiswa dan model dilatih dengan metode supervised learning dengan menggunakan pembagian data sebanyak 80% untuk training / pelatihan dan sebanyak 20% untuk testing / pengujian. Hasil evaluasi chatbot menunjukkan akurasi sebesar 83% dengan nilai precision 0,86, recall 0,83, dan F1-score 0,82. Chatbot dapat menjawab berbagai pertanyaan seperti jumlah mahasiswa, nilai tertinggi, hingga rata-rata kehadiran. Kesimpulannya, dapat terlihat bahwa integrasi Natural Language Processing, Term Frequency – Inverse Document Frequency, dan Logistic Regression terbukti dapat efisien dalam melakukan analisis data akademik dan dukungan pengambilan keputusan di dalam lingkungan pendidikan.
Pemanfaatan Framework Laravel dalam Pengembangan Web Apresiasi Seni Rupa Mahasiswa Ridlo, Muhammad Ainur; Fajrie, Nur; Santoso, Santoso
Jurnal Algoritma, Logika dan Komputasi Vol 9, No 1 (2026)
Publisher : Universitas Bunda Mulia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30813/j-alu.v9i1.9776

Abstract

This research aims to develop and test the feasibility, and effectiveness of the RUPAKU Web (Ruang Apresiasi Seni Rupa Universitas Muria Kudus) as a digital platform for art appreciation. The development method uses Research and Development (R&D) with the ADDIE model (Analysis, Design, Development, Implementation, Evaluation). The subjects were 30 PGSD students at Muria Kudus University who took the Fine Arts Product Creation course. Product feasibility was assessed by material, media, and language experts. Practicality was assessed through student and lecturer questionnaires. Effectiveness was measured using a pretest-posttest design to assess changes in art appreciation. Expert validation results show that the product is very feasible with scores of 94.16% (material), 90% (media), and 90.83% (language). Practicality test results from students and lecturers reached 93.75% and 92.5%, respectively (very practical category). The effectiveness test using the Paired Sample T-Test showed a significant difference between pretest and posttest scores (Sig. 0.000 < 0.05) with an N-Gain Score of 0.82 (high category). The conclusion is that the RUPAKU Web is feasible, practical, and effective as a digital space for appreciating fine arts for PGSD students.
PERANCANGAN PROTOTYPE APLIKASI MOBILE LITERASI DAN MANAJEMEN KEUANGAN UNTUK GENERASI PRODUKTIF MENGGUNAKAN METODE DESIGN THINKING Ferdyansyah, Syahrul; Susanti, Aisah Rini; Gunadi, Gugun
Jurnal Algoritma, Logika dan Komputasi Vol 9, No 1 (2026)
Publisher : Universitas Bunda Mulia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30813/j-alu.v9i1.9855

Abstract

adults aged 18–25. However, high usage of financial applications is not always supported by sufficient financial literacy, resulting in a gap between the ability to use digital tools and to manage personal finances effectively. This study aims to design a mobile prototype called “KELOLA” to support financial literacy and personal financial management for young users. The research applies the Design Thinking approach, including Empathize, Define, Ideate, Prototype, and Test stages. The interface was created in Figma to produce an interactive high-fidelity prototype. Usability testing was conducted using Heuristic Evaluation with four evaluators experienced in UI/UX. The assessment focused on six heuristic principles, including system visibility, real-world match, user control, minimalist design, flexibility, and error handling. The results show that most indicators received low severity scores (0–1), indicating only minor usability issues that did not disrupt user flow. Overall, the KELOLA prototype demonstrates good usability and has strong potential for further development.

Page 1 of 1 | Total Record : 5

 1 

Filter by Year

2026 2026


Reset
Filter By Issues
All Issue Vol 9, No 1 (2026) Vol 8, No 1 (2025): Jurnal ALU, Maret 2025 Vol 8, No 2 (2025) Vol 7, No 1 (2024): Maret 2024 Vol 7, No 2 (2024) Vol 6, No 2 (2023): Jurnal ALU, September 2023 Vol 6, No 1 (2023): Jurnal ALU, Maret 2023 Vol 5, No 02 (2022): Jurnal ALU, September 2022 Vol 5, No 1 (2022): Jurnal ALU, Maret 2022 Vol 3, No 2 (2020): Jurnal ALU Volume 3 Nomor 2, September 2020 Vol 3, No 2 (2020): Jurnal ALU, September 2020 Vol 3, No 1 (2020): Jurnal ALU, Maret 2020 Vol 2, No 1 (2019): Jurnal ALU Volume 2 nomor 1 Maret 2019 Vol 2, No 2 (2019): Jurnal ALU, September 2019 Vol 1, No 2 (2018): Jurnal ALU Volume 1 nomor 2 September 2018 Vol 1, No 1 (2018): Jurnal ALU Volume 1 nomor 1 Maret 2018 More Issue