cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Yoze Rizki
Contact Email
fasilkom@umri.ac.id
Phone
+6281356764330
Journal Mail Official
fasilkom@umri.ac.id
Editorial Address
Redaksi Jurnal Fasilkom, Fakultas Ilmu Komputer Gedung Rektorat Lt. 4, Universitas Muhammadiyah Riau Jl. Tuanku Tambusai, Pekanbaru, Riau
Location
Kota pekanbaru,
Riau
INDONESIA
Jurnal FASILKOM (teknologi inFormASi dan ILmu KOMputer)
Published by Universitas Muhammadiyah Riau
ISSN : 20893353     EISSN : 28089162     DOI : https://doi.org/10.37859/jf.v11i3.2781
Core Subject : Science,
Computer Science & IT Decision Sciences, Operations Research & Management
Jurnal FASILKOM (teknologi inFormASi dan ILmu KOMputer) is expected to be a media of scientific study of research result, a thought and a study criticial analysis to a System engineering research, Informatics Engineering, Information Technology, Computer Engineering, Informatics Management, and Information System. We accept research papers which focused to these following topics: System Engineering Expert System Decision Support System Data Mining Artificial Intelligent Computer engineering Digital Image Processing Computer Graphic Computer Vision Genetic Algorithm Machine Learning Deep Learning Information System Design Business Intelligence and Knowledge Management Database System Big Data IOT Enterprise Computing ICT and Islam Technology Management and other relevant topics to field of Information Technology
Arjuna Subject : Ilmu Komputer (semua kategori) - Ilmu Komputer (Lain-Lain)
Articles 33 Documents
 1   2   3   4 
Search results for , issue "Vol. 14 No. 3 (2024): Jurnal FASILKOM (teknologi inFormASi dan ILmu KOMputer)" : 33 Documents clear
Deteksi Mata dan Alis Menggunakan AdaBoost Classifier dan Haar Cascade Prabiantissa, Citra Nurina; Muchamad, Kurniawan; Bhahreisy, Achmad Fadlan
JURNAL FASILKOM Vol. 14 No. 3 (2024): Jurnal FASILKOM (teknologi inFormASi dan ILmu KOMputer)
Publisher : Unversitas Muhammadiyah Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37859/jf.v14i3.7394

Abstract

Pada saat pandemi COVID-19 menggunakan masker merupakan kebutuhan sehari – hari. Penggunaan masker secara masif menimbulkan tantangan pada pengenalan wajah, kamera pengawas, estimasi usia, sistem pelacakan tatapan mata, dan sistem monitoring kelelahan driver yang berbasis deteksi wajah. Dari permasalahan tersebut maka dibutuhkan sebuah penelitian untuk dapat mendeteksi mata dan alis pada wajah yang menggunakan masker. Penelitian ini bertujuan untuk mengimplementasikan deteksi mata dan alis menggunakan metode Haar Cascade. Beberapa proses Haar Cascade yang dilakukan diantaranya Preprocessing, Integral Image, Adaboost, dan Cascade. Hasil penelitian menunjukkan metode Haar Cascade berhasil dalam mendeteksi objek mata dan alis dengan cukup baik dengan tingkat akurasi 95% pada data wajah bermasker, 90% pada wajah berkacamata, 87% pada wajah berkacamata dan miring, 87% pada wajah berkacamata, miring dan mata tertutup
Klasifikasi Tingkat Depresi pada Anak dengan Menggunakan Algoritma Neural Network Asriyanik; Farisi, Muhammad Fadhlan; Nuraeni, Fika
JURNAL FASILKOM Vol. 14 No. 3 (2024): Jurnal FASILKOM (teknologi inFormASi dan ILmu KOMputer)
Publisher : Unversitas Muhammadiyah Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37859/jf.v14i3.7537

Abstract

Depresi pada anak-anak merupakan masalah kesehatan mental yang semakin mengkhawatirkan di seluruh dunia, dengan dampak signifikan terhadap perkembangan sosial, akademis, dan emosional mereka. Deteksi dini dan pencegahan depresi menjadi krusial untuk mengurangi dampak jangka panjang dan meningkatkan kualitas hidup anak-anak. Metode konvensional seperti observasi klinis dan wawancara memiliki keterbatasan, terutama dalam hal subjektivitas dan kebutuhan sumber daya yang besar. Oleh karena itu, penelitian ini mengembangkan model prediksi berbasis machine learning menggunakan algoritma neural network untuk melakukan klasifikasi tingkat depresi pada anak-anak secara lebih akurat dan tepat waktu. Beberapa penelitian sebelumnya rata-rata menggunakan algoritma decision tree, support vector machine dan naive bayes, dimana memiliki kekurangan yaitu tidak dapat mengolah data yang komplek dan tingkat keakurasian yang berbeda-beda. Model ini memanfaatkan data dari berbagai sumber, termasuk kelembapan tubuh, suhu tubuh, dan jumlah langkah kaki, untuk mendeteksi tanda-tanda depresi secara otomatis dan objektif. Penelitian ini menggunakan metodologi CRISP-DM (Cross-Industry Standard Process for Data Mining) yang mencakup tahapan pemahaman bisnis, pemahaman data, praproses data, pemodelan, evaluasi model, dan implementasi. Dataset yang digunakan terdiri dari 2001 entri dengan tiga fitur utama dan diklasifikasikan ke dalam tiga tingkat depresi: normal, rendah, dan tinggi. Neural network yang digunakan dalam pemodelan menunjukkan kinerja yang sangat baik, dengan akurasi hampir mencapai 100% dan nilai loss yang menurun hingga hampir nol. Model ini kemudian diimplementasikan dalam aplikasi berbasis web yang ditujukan untuk memudahkan pengguna akhir, seperti orang tua dan guru, dalam mengklasifikasikan tingkat depresi anak-anak. Meskipun aplikasi ini belum memiliki basis data terintegrasi, pengujian menunjukkan hasil klasifikasi yang konsisten dengan dataset yang ada, menegaskan potensinya sebagai alat bantu deteksi dini depresi pada anak-anak.
Eksperimen Pemodelan dan skenario Skenario Faster R-CNN untuk Penerapan Self Checkout Cashier Lauro, Manatap Dolok; Lina; Billy Marcelino; Lorico Salim
JURNAL FASILKOM Vol. 14 No. 3 (2024): Jurnal FASILKOM (teknologi inFormASi dan ILmu KOMputer)
Publisher : Unversitas Muhammadiyah Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37859/jf.v14i3.7596

Abstract

Penelitian ini bertujuan untuk mengembangkan sistem self-checkout yang efisien dan hemat biaya untuk toko kelontong dengan memanfaatkan teknologi computer vision. Sistem yang diusulkan menggunakan Faster R-CNN, sebuah algoritma deep learning untuk mendeteksi dan mengenali produk secara real-time dari gambar yang diambil oleh kamera. Metode ini menghilangkan kebutuhan akan pemindaian barcode/QR code atau penggunaan tag RFID, sehingga mengurangi biaya operasional secara signifikan. Penelitian ini menggunakan 2.526 foto produk yang terdiri dari 10 kelas produk yang berbeda. Data ini dibagi menjadi data latih (2.026 foto) dan data uji (500 foto). Model Faster R-CNN dilatih menggunakan data latih dan kemudian dievaluasi kinerjanya menggunakan data uji. Hasil evaluasi menunjukkan bahwa model mampu mencapai akurasi hingga 84% ketika mendeteksi satu objek dalam satu frame. Namun, akurasi menurun menjadi 44% untuk tiga objek dan 12% untuk lima objek dalam satu frame. Meskipun terdapat penurunan akurasi pada skenario dengan banyak objek, penelitian ini menunjukkan potensi besar dari teknologi computer vision dalam meningkatkan efisiensi dan pengalaman berbelanja di toko kelontong. Penelitian lebih lanjut diperlukan untuk meningkatkan akurasi model dalam mendeteksi banyak objek secara bersamaan.
Model Arsitektur Bisnis Berdasarkan The Open Group Architecture Framework Yoppy Mirza Maulana
JURNAL FASILKOM Vol. 14 No. 3 (2024): Jurnal FASILKOM (teknologi inFormASi dan ILmu KOMputer)
Publisher : Unversitas Muhammadiyah Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37859/jf.v14i3.7682

Abstract

Arsitektur bisnis merupakan alat strategis suatu organisasi yang menggerakkan operasional bisnis dan faktor penentu TI yang bertujuan untuk daya saing. Arsitektur bisnis merupakan relasi antara tujuan organisasi, layanan dan proses bisnis. Arsitektur bisnis bagian domain arsitektur enterprise yang merupakan aspek non-teknis suatu organisasi. Adapun permasalahan yang terjadi jika organisasi dalam mengembangkan arsitektur enterprise tidak didasarkan dengan arsitektur bisnis yang baik maka menimbulkan ketidakselarasan antara tujuan organisasi dengan TI. Dampaknya tidak dapat mengukur tercapainya tujuan organisasi dan kinerja TI terhadap bisnis. Oleh sebab itu penelitian ini membuat model arsitektur bisnis berdasarkan framework TOGAF. TOGAF memiliki konsep, proses, dan model yang lebih baik dibandingkan framework lainnya. Adapun penelitian ini membuat model arsitektur bisnis dengan tujuan untuk keselarasan antara tujuan, layanan dan proses bisnis. Adapun model ini menghasilkan 3 lapisan pada arsitektur bisnis yang meliputi 1) Business Goals; 2) Business Services; 3) Business Process. Model ini di implementasikan dengan studi kasus pada Universitas Dinamika dan telah dilakukan evaluasi terhadap model ini. Adapun kesimpulannya, bahwa model ini merepresentasikan konsep arsitektur bisnis dan hasilnya juga menjelaskan hubungan antara tujuan organisasi, layanan dan proses bisnis. Oleh sebab itu model ini diperuntukkan sebagai panduan dalam penyusunan arsitektur bisnis yang merupakan dasar penyusunan arsitektur sistem informasi dan teknologi
Peningkatan Performa Model Gradient Boosting dalam Klasifikasi Stroke Melalui Optimasi Grid Search Handayani, Susi; Fajrizal; Taslim; Toresa, Dafwen; Syahril
JURNAL FASILKOM Vol. 14 No. 3 (2024): Jurnal FASILKOM (teknologi inFormASi dan ILmu KOMputer)
Publisher : Unversitas Muhammadiyah Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37859/jf.v14i3.7893

Abstract

Studi ini menyelidiki pengaruh optimasi hyperparameter dengan grid search pada model XGBoost dan LightGBM dalam klasifikasi stroke. Hasil penelitian menunjukkan bahwa optimasi parameter secara signifikan meningkatkan performa kedua model, terutama dalam akurasi, precision, F1 Score, dan ROC-AUC Score. Pada model XGBoost, peningkatan terutama terlihat akurasi dan precision, sementara LightGBM menunjukkan peningkatan merata di semua metrik evaluasi. Temuan ini menggarisbawahi pentingnya optimasi hyperparameter dalam membangun model klasifikasi yang efektif untuk memprediksi risiko stroke dengan lebih akurat dan dapat diandalkan. Penemuan ini dapat berkontribusi dalam pemahaman lebih lanjut tentang faktor-faktor yang mempengaruhi stroke serta mendukung penanganan yang lebih tepat dan efektif dalam praktik klinis
Transformasi Augmented Reality Berbasis Android Sebagai Media Pembelajaran Pengenalan Budaya Sumatera Utara Agus Kartini, Siti; Permata Bunda, Yola; Afni, Nurul
JURNAL FASILKOM Vol. 14 No. 3 (2024): Jurnal FASILKOM (teknologi inFormASi dan ILmu KOMputer)
Publisher : Unversitas Muhammadiyah Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37859/jf.v14i3.7904

Abstract

Artikel ini membahas pemanfaatan teknologi Augmented Reality (AR) sebagai media pembelajaran untuk memperkenalkan budaya Sumatera Utara, terutama kepada generasi muda yang tumbuh dalam era digital. Di tengah tantangan terbatasnya pemahaman budaya di kalangan masyarakat, teknologi AR menawarkan cara interaktif dan menarik untuk menghadirkan informasi budaya melalui perangkat mobile seperti smartphone. Penelitian ini menggunakan metode pengembangan Multimedia Development Life Cycle (MDLC) yang terdiri dari enam tahap: Concept, Design, Material Collecting, Assembly, Testing, dan Distribution. Dengan memanfaatkan teknologi AR, pengguna dapat berinteraksi dengan objek budaya, seperti bangunan bersejarah atau pakaian adat, dalam bentuk 3D, sehingga meningkatkan pemahaman dan minat mereka. Pengujian aplikasi dilakukan dengan metode black box testing dan User Acceptance Testing (UAT), melibatkan siswa dan guru budaya sebagai responden. Hasil pengujian menunjukkan bahwa aplikasi ini mendapatkan penerimaan yang sangat baik dengan tingkat kepuasan pengguna mencapai 97%, menandakan bahwa aplikasi ini efektif dan dapat meningkatkan minat serta pemahaman budaya. Kesimpulannya, AR dapat menjadi solusi interaktif yang potensial untuk memperkenalkan dan melestarikan kekayaan budaya Sumatera Utara. Pengembangan lebih lanjut aplikasi ini diharapkan bisa memperluas aksesibilitas informasi budaya kepada masyarakat luas, terutama generasi muda.
Identifikasi Pola Konflik Lahan Perkebunan di Lingkungan PTPN Group Berbasis Data Hukum Menggunakan Hierarchical Clustering dengan Algoritma Agglomerative Wismarini, Theresia; Eniyati, Sri; Lestariningsih, Endang; Soelistijadi, Soelistijadi; Ardhianto, Eka
JURNAL FASILKOM Vol. 14 No. 3 (2024): Jurnal FASILKOM (teknologi inFormASi dan ILmu KOMputer)
Publisher : Unversitas Muhammadiyah Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37859/jf.v14i3.7915

Abstract

Konflik lahan perkebunan sangat penting untuk dideteksi secara dini, karena potensi dampaknya terhadap berbagai aspek seperti kesehatan, ekosistem, pertanian, dan jaringan listrik. Penelitian ini bertujuan mengidentifikasi pola konflik lahan perkebunan di lingkungan PTPN Group berbasis data hukum menggunakan teknik Hierarchical Clustering dengan algoritma Agglomerative Clustering. Deteksi dini konflik lahan penting karena dampaknya terhadap kesehatan, ekosistem, pertanian, dan infrastruktur. Studi ini mengolah data hukum dari Mahkamah Agung RI, data geospasial dari OpenStreetMap, dan data sosial-ekonomi dari BPS dan World Bank untuk menganalisis dan mengelompokkan pola konflik. Proses analisis meliputi inisialisasi data, penghitungan jarak, penggabungan klaster, dan visualisasi dendrogram. Hasilnya menunjukkan bahwa algoritma ini efektif dalam mengelompokkan konflik lahan berdasarkan karakteristik populasi dan GDP yang berbeda, membantu memahami hubungan antar kasus hukum. Penelitian ini berkontribusi dengan mengidentifikasi faktor utama pemicu konflik lahan untuk mendukung manajemen lahan berbasis data. Rekomendasi kebijakan publik mencakup penetapan zona prioritas penyelesaian konflik, optimalisasi pengawasan hukum berbasis data, dan peningkatan transparansi dalam tata kelola lahan guna mencegah eskalasi konflik di wilayah PTPN Group.
Implementasi Analytic Hierarchy Process untuk Pengukuran Lean Service di Universitas Pasir Pengaraian Utami, Urfi; Sabri, Khairul
JURNAL FASILKOM Vol. 14 No. 3 (2024): Jurnal FASILKOM (teknologi inFormASi dan ILmu KOMputer)
Publisher : Unversitas Muhammadiyah Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37859/jf.v14i3.7921

Abstract

The increasingly competitive environment in higher education forces universities to innovate to survive and enhance their competitiveness. Lean Service, a management concept focused on efficiency and waste reduction, has been proven to improve service quality at a lower cost. This study aims to measure Lean Service at Universitas Pasir Pengaraian using the Analytical Hierarchy Process (AHP). This method is selected due to its ability to objectively assess criteria and alternatives. The study uses six main criteria: quality of academic services, quality of administrative services, availability of facilities, time management efficiency, student satisfaction, and waste reduction. The alternatives analyzed include academic services, administrative services, library and IT, campus facilities, and financial and payment services. The results show that academic services are the best alternative for implementing Lean Service at Universitas Pasir Pengaraian. The implementation of Lean Service is expected to improve management efficiency and service quality at the university.
Optimasi Penjualan Oleh-oleh Sumbar Menggunakan Analisa Diferensial dan Strategi E-Business D-CRM Syaputra, Aldo Eko; Hendra, Yomei; Mardiah, Ainil
JURNAL FASILKOM Vol. 14 No. 3 (2024): Jurnal FASILKOM (teknologi inFormASi dan ILmu KOMputer)
Publisher : Unversitas Muhammadiyah Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37859/jf.v14i3.7938

Abstract

UMKM Sanjai Tek Gadih, merupakan salah satu pelaku usaha mikro, kecil, dan menengah di Indonesia, menghadapi dan mempertahankan keberlangsungan bisnisnya merupakan tantangan besar dalam perkembangan pasar. Dinamika purchase interest konsumen dan kebutuhan dalam mempertahankan loyalitas pelanggan menjadi faktor kunci yang mempengaruhi kesuksesan jangka panjang UMKM ini. Dalasm menghadapi tantangan tersebut, inovasi dan adopsi teknologi menjadi sangat penting. Aplikasi analisis diferensial dan D-CRM dirancang untuk memberikan solusi komprehensif dalam mengatasi dinamika ini. Adopsi teknologi ini juga dapat membantu UMKM mengoptimalkan strategi pemasaran, meningkatkan kualitas layanan, dan membuat keputusan bisnis yang lebih tepat berdasarkan data yang akurat. Penelitian ini bertujuan untuk meningkatkan performa UMKM Sanjai Tek Gadih melalui, pengidentifikasian faktor-faktor yang mempengaruhi dinamika minat beli konsumen terhadap produk UMKM tersebut. Merancang dan Mengembangkan sebuah aplikasi dengan mengadopsi dua pendekatan yakni analisa diferensial dan DCRM, dimana analisa diferensial dimaksudkan untuk memberikan keputusan, sedangkan DCRM dimaksudkan untuk memudahkan pelanggan dalam berinteraksi dengan UMKM ini. Metode pengumpulan data yang digunakan berupa observasi, wawancara, analisis dokumen yang ada, serta studi literatur sebagai landasan teori. Serta menggunakan metode pengembangan sistem Waterfall meliputi analysis, design, coding, dan testing. Penelitian ini memiliki urgensi yang tinggi mengingat pentingnya pemahaman mendalam tentang dinamika purchase interest dan hubungan pelanggan untuk mempertahankan keberlanjutan UMKM di tengah persaingan pasar yang ketat. Dengan solusi teknologi yang tepat, UMKM Sanjai Tek Gadih dapat lebih adaptif terhadap perubahan pasar dan mampu mencapai pertumbuhan yang berkelanjutan di masa depan.
Analisa Performa Arsitektur Model Convolutional Neural Network Dengan Variasi Jumlah Hidden Layer Untuk Klasifikasi Tuberculosis Pada Citra X-Ray Aldiansyah, Dandi Rifaldi; Soleh, Muhamad
JURNAL FASILKOM Vol. 14 No. 3 (2024): Jurnal FASILKOM (teknologi inFormASi dan ILmu KOMputer)
Publisher : Unversitas Muhammadiyah Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37859/jf.v14i3.7949

Abstract

Tuberkulosis merupakan suatu penyakit infeksi berbahaya mematikan pada paru-paru dan disebabkan oleh bakteri Mycobacterium tuberculosis yang dapat menular melalui udara ketika seorang penderita tuberkulosis batuk, bersin, atau meludah dan dapat menyebabkan gangguan pernapasan, seperti batuk kronis dan sesak napas. Didunia, sekitar 10 juta orang lebih terjangkit penyakit ini, sementara di Indonesia sendiri pada tahun 2020 terdapat 393.323 kasus tuberkulosis. Pada diagnosisnya sering terlalu subjektif dalam mendeteksi tuberkulosis, tak jarang juga terjadi perdebatan antara tenaga medis atau dokter unutk menetapkan pasien terinfeksi tuberkulosis. Oleh karena itu, dibutuhkan teknologi computer vision yang dapat mendeteksi secara akurat dan cepat. Algoritma CNN yang termasuk jenis Deep Learning yang banyak diterapkan pada klasifikasi citra dan dapat mengungguli metode lainnya dapat dijadikan metode dalam mendeteksi citra. Maka, dalam penelitian ini dilakukan analisis model dan klasifikasi tuberkulosis dengan algoritma CNN mengggunakan data citra X-ray paru-paru manusia. Pada penelitian ini metode yang digunakan perbandingan 3 model CNN dengan jumlah hidden layers yang berbeda. Sebelum komputer melatih data, data tersebut diolah terlebih dahulu pada tahapan data preparation yang diantaranya mengubah ukuran atau resize, merubah citra menjadi keabuan, dan data augmentation. Hasil penelitian ini menunjukan bahwa model dengan 5 hidden layers merupakan model terbaik yang berhasil mendapatkan tingkat akurasi hingga 98,0%. Selanjutnya, hasil dari model terbaik tersebut diimplementasikan pada sistem aplikasi pendeteksi tuberkulosis berbasis website yang dapat menganalisis citra X-ray paru-paru dan mengeluarkan hasil klasifikasi dengan cepat dan akurat.

Page 1 of 4 | Total Record : 33

 1   2   3   4 

Filter by Year

2024 2024


Reset
Filter By Issues
All Issue Vol. 15 No. 2 (2025): Jurnal FASILKOM (teknologi inFormASi dan ILmu KOMputer) Vol. 15 No. 1 (2025): Jurnal FASILKOM (teknologi inFormASi dan ILmu KOMputer) Vol. 14 No. 3 (2024): Jurnal FASILKOM (teknologi inFormASi dan ILmu KOMputer) Vol. 14 No. 2 (2024): Jurnal FASILKOM (teknologi inFormASi dan ILmu KOMputer) Vol. 14 No. 1 (2024): Jurnal FASILKOM (teknologi inFormASi dan ILmu KOMputer) Vol. 13 No. 02 (2023): Jurnal FASILKOM (teknologi inFormASi dan ILmu KOMputer) Vol 13 No 02 (2023): Jurnal FASILKOM (teknologi inFormASi dan ILmu KOMputer) Vol 13 No 01 (2023): Jurnal FASILKOM (teknologi inFormASi dan ILmu KOMputer) Vol. 13 No. 3 (2023): Jurnal FASILKOM (teknologi inFormASi dan ILmu KOMputer) Vol 12 No 3 (2022): Jurnal FASILKOM (teknologi inFormASi dan ILmu KOMputer) Vol 12 No 2 (2022): Jurnal FASILKOM (teknologi inFormASi dan ILmu KOMputer) Vol 12 No 1 (2022): Jurnal Fasilkom (teknologi inFormASi dan ILmu KOMputer) Vol 11 No 3 (2021): Jurnal Fasilkom Vol 11 No 2 (2021): Jurnal Fasilkom Vol 11 No 1 (2021): Jurnal Fasilkom Vol 10 No 3 (2020): Jurnal Fasilkom Vol 10 No 2 (2020): Jurnal Fasilkom Vol 10 No 1 (2020): JURNAL FASILKOM Vol 9 No 3 (2019): Jurnal Fasilkom Vol 9 No 2 (2019): Jurnal Ilmu Komputer Vol 8 No 1 (2019): Jurnal Ilmu Komputer Vol 7 No 2 (2018): Agustus 2018 Vol 5 No 2 (2016): Jurnal Ilmu Komputer More Issue