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 90 Documents
 5   6   7   8   9 
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.
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 9 of 9 | Total Record : 90

 5   6   7   8   9 

Filter by Year

2018 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