cover
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)
ISSN : 20893353     EISSN : 28089162     DOI : https://doi.org/10.37859/jf.v11i3.2781
Core Subject : Science,
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
Articles 30 Documents
Search results for , issue "Vol. 15 No. 2 (2025): Jurnal FASILKOM (teknologi inFormASi dan ILmu KOMputer)" : 30 Documents clear
Optimalisasi Smart Home Berbasis IoT dengan NodeMCU ESP8266 untuk Efisiensi Energi Hadiatullah, Dimas Rega; Farosanti, Lafnidita; Choirur Rizky, Moch.
JURNAL FASILKOM Vol. 15 No. 2 (2025): 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.v15i2.9032

Abstract

Perkembangan teknologi Internet of Things (IoT) memberikan dampak signifikan dalam berbagai sektor kehidupan, salah satunya adalah manajemen perangkat listrik rumah. Penelitian ini memiliki tujuan untuk mengembangkan sistem otomatisasi rumah berbasis IoT menggunakan NodeMCU ESP8266, memungkinkan pengguna untuk mengendalikan perangkat listrik secara jarak jauh melalui aplikasi mobile atau web. Masalah yang diteliti adalah bagaimana meningkatkan efisiensi energi, kenyamanan, dan keamanan pengguna dalam manajemen perangkat listrik rumah tangga. Dalam penelitian ini metode yang digunakan adalah Research and Development (R&D), mencakup tahapan analisis kebutuhan, perancangan sistem, implementasi, dan pengujian serta evaluasi. Sistem ini dirancang dengan komponen utama NodeMCU ESP8266, relay module, dan aplikasi mobile, yang diintegrasikan untuk mengontrol perangkat listrik rumah secara real-time melalui jaringan Wi-Fi. Uji coba dilakukan dengan mengamati stabilitas koneksi, waktu respons, ketahanan operasional, serta fungsi kontrol jarak jauh dan monitoring. Hasilnya, sistem menunjukkan konektivitas stabil dengan waktu respons kurang dari 10 detik, mampu beroperasi non-stop selama 24 jam, serta beradaptasi terhadap gangguan sinyal dan pemadaman listrik dengan baik. Sistem otomatisasi rumah berbasis IoT ini terbukti efektif meningkatkan efisiensi energi dan kenyamanan pengguna. Ke depan, pengembangan dapat difokuskan pada peningkatan keamanan dengan autentikasi dua faktor dan enkripsi data, efisiensi daya melalui mode sleep NodeMCU, serta perbaikan antarmuka aplikasi agar lebih mudah digunakan. Pengembangan lebih lanjut dapat mencakup integrasi dengan sistem keamanan lainnya dan penambahan fitur kecerdasan buatan (AI) untuk otomatisasi yang lebih pintar
Analisis Tata Kelola Sistem Absensi Menggunakan COBIT 2019 pada Sekolah XYZ Alfajri, Willy Bima; Andrianti, Ari; Yudistira, Miranty
JURNAL FASILKOM Vol. 15 No. 2 (2025): 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.v15i2.9071

Abstract

Dalam era perkembangan teknologi saat ini, kebutuhan akan teknologi informasi semakin tinggi karena teknologi informasi menawarkan efisiensi dan efektivitas dalam mendukung organisasi mencapai tujuannya. Salah satu penerapan teknologi informasi yang umum digunakan adalah sistem absensi, yang banyak diterapkan di berbagai instansi atau organisasi untuk membantu mengelola, memantau, dan mengawasi absensi pegawai secara optimal. Penelitian ini bertujuan untuk mengetahui tingkat kapabilitas dan kesenjangan dalam tata kelola teknologi informasi pada sistem absensi sekolah. COBIT 2019 digunakan sebagai kerangka kerja dalam penelitian ini, dengan fokus pada tiga domain: APO12, DSS02, dan DSS03. Berdasarkan hasil perhitungan tingkat kapabilitas saat ini, pengelolaansistem absensi di sekolah berada pada level 1 (Performed), yang menunjukkan bahwa proses telah dijalankan tetapi belum dikelola secara berkala dan masih jauh dari level kapabilitas yang diharapkan, yaitu level 4. Setiap proses atau aktivitas dalam domain tersebut diberikan rekomendasi perbaikan. Implementasi rekomendasi ini diharapkan dapat meningkatkan kematangan sistem absensi dan membantu mencapai tingkat kapabilitas yang ditargetkan
Pengaruh Penambahan Arsitektur Model dalam Klasifikasi Citra Bencana Alam Menggunakan Ensemble Learning Amanda Cahyadewi, Felicia; Richo Kurniawan, Ibnu; Umar Fakhrizal, Irsyad; Denta Saputra, Fahrizal; Achmad, Achmad; Naufal, Muhammad; Anggi Pramunendar, Ricardus
JURNAL FASILKOM Vol. 15 No. 2 (2025): 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.v15i2.9103

Abstract

Penelitian ini berfokus pada peningkatan akurasi klasifikasi citra bencana alam dengan mengintegrasikan Convolutional Neural Network (CNN), InceptionV3, dan InceptionResNetV2 dalam pendekatan ensemble learning. Model ini dilatih pada dataset multikelas yang terdiri dari citra empat kategori bencana: gempa bumi, banjir, kebakaran hutan, dan siklon. Pendekatan ensemble menghasilkan akurasi klasifikasi sebesar 96,02%, lebih tinggi dibandingkan model tunggal seperti CNN dengan 88,3%, InceptionV3 dengan 94,1%, dan InceptionResNetV2 dengan 92,4%. Penggunaan ensemble learning, khususnya soft voting, memungkinkan model untuk menggabungkan keunggulan dari masing-masing arsitektur, yang secara signifikan meningkatkan performa pada semua kategori bencana. Model ensemble menunjukkan kemampuan generalisasi yang lebih baik, terutama untuk kategori yang lebih sulit seperti Flood dan Earthquake, yang mana model tunggal kesulitan. Hasil juga menunjukkan peningkatan precision, recall, dan F1-score, dengan pendekatan ensemble mengurangi kesalahan klasifikasi sebesar 7,5% dibandingkan model terbaik tunggal, InceptionV3. Penelitian ini menunjukkan potensi ensemble learning untuk sistem deteksi bencana waktu nyata, khususnya dalam situasi kritis yang memerlukan akurasi tinggi dan kecepatan klasifikasi. Penelitian ini juga menekankan pentingnya kombinasi model deep learning yang beragam untuk meningkatkan kemampuan sistem dalam menangani berbagai skenario bencana sambil memastikan ketahanan dalam aplikasi dunia nyata.
Penerapan Model LSTM pada Analisis Sentimen Ulasan Pengguna Aplikasi Shopee Google Play Store Noveandini, Rahayu; Wulandari, Maria Sri; Rasyad, Farhan
JURNAL FASILKOM Vol. 15 No. 2 (2025): 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.v15i2.9150

Abstract

Dalam beberapa tahun terakhir, pemasaran berbasis teknologi telah mengalami lonjakan pertumbuhan yang signifikan. Hal ini terjadi seiring dengan kemajuan pesat dalam bidang teknologi digital,seperti kecerdasan buatan (AI), big data, machine learning, dan Internet of Things(IoT). Teknologi ini memungkinkan perusahaan untuk mengenali perilaku konsumen secara lebih akurat, mempersonalisasi pesan pemasaran, serta mengoptimalkan strategi penjualan secara real time. Kemunculan platform digitalseperti media sosial, e-commerceturut mempercepat pertumbuhan ini. Perusahaan tidak lagi hanya mengandalkan metode pemasaran tradisional melainkan dengan membangun marketplaceyang merupakan pasar digital. Untuk mengukur tingkat kepuasan pelanggan, meningkatkan kualitas layanan dan produk, mendeteksi masalah serta mendukung keputusan bisnis berbasis data diperlukan suatu pemahaman, opini maupun presepsi kepuasan pengguna terhadap layanan atau produk yang ditawarkan di platformtersebut. Analisis sentimen bertujuan untuk mengklasifikasisikap atau perasaan seseorang terhadap suatu hal berdasarkansuatu teks apakah bersifat positif, negatif atau netral. Algoritma LSTM (Long ShortTerm Memory) merupakan salah satu model untuk melakukan analisis sentimen. Penggunaanalgoritma LSTM dengan penggabungan metode SMOTE dan BERT pada penelitian ini untuk mengukur tingkat akurasi, presisi danrecalldari ulasan review pengguna aplikasi Shopee Google Playstore. Pada penelitian ini dibagi menjadi 3 batch yaitu batch 32, 64 dan 128 dengan nilai epochsebesar 5 dan mampu memberikan performa tingkat akurasi sebesar 99.56% dengan nilai precision sentiment negatif 1.00, sentimen positif 1.00 dan nilai recallsebesar 0.99 pada batch 128.
Perancangan Sistem Deteksi Gas dan Suhu Berbasis Mikrokontroler IoT Menggunakan Metode Prototyping Julian Hidayat, Jose; Pratama Werdana, Aditya; Setyowati, Cindy
JURNAL FASILKOM Vol. 15 No. 2 (2025): 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.v15i2.9173

Abstract

Sistem deteksi gas dan suhu berbasis Internet of Things (IoT) adalah cara inovatif untuk meningkatkan keamanan dan kenyamanan lingkungan, terutama di rumah tinggal dan tempat bisnis kecil. Tujuan dari proyek ini adalah untuk membuat perangkat pemantauan gas dan suhu secara real-time yang menggunakan sensor MQ-2 dan DHT11 yang diintegrasikan ke dalam platform Blynk. Sensor MQ-2 mengidentifikasi gas berbahaya seperti LPG, dan DHT11 mengukur suhu dan kelembapan udara. Dengan menggunakan koneksi WiFi ke modul ESP8266, pengguna dapat memantau kondisi lingkungan darurat. Selain itu, sistem memiliki fitur notifikasi otomatis. Ini termasuk alarm dan peringatan yang dikirim melalui aplikasi apabila terdeteksi kebocoran gas atau suhu ekstrem.Pengujian yang dilakukan dalam kondisi terkendali menunjukkan bahwa sistem dapat menanggapi kondisi bahaya dengan cepat dan tepat. Sistem tetap stabil sepanjang waktu pengoperasian dan peringatan dikirim dalam waktu kurang dari 3 detik setelah data diterima. Hasil ini menunjukkan bahwa sistem dapat berfungsi sebagai alat bantu yang efektif untuk mencegah kecelakaan gas dan suhu dan meningkatkan kesadaran pengguna tentang lingkungan sekitar. Diharapkan bahwa implementasi sistem ini akan mendukung otomatisasi rumah pintar dan menjadi solusi ekonomis untuk sistem keamanan berbasis Internet of Things.
Pemilihan Neuron LSTM dan LSTM Bayesian Optimization Untuk Prediksi Curah Hujan Bulanan Berbasis Iklim Luthfan Hawali, Muhammad; Walid, Walid
JURNAL FASILKOM Vol. 15 No. 2 (2025): 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.v15i2.9251

Abstract

Prediksi curah hujan yang akurat penting untuk mendukung ketahanan iklim dan mitigasi risiko hidrometeorologis di wilayah tropis seperti Indonesia. Penelitian ini mengembangkan model prediksi curah hujan bulanan menggunakan Long Short-Term Memory (LSTM) yang dioptimasi dengan Bayesian Optimization (BO). Data yang digunakan meliputi curah hujan bulanan (1983–2024) dari tiga stasiun meteorologi di Pulau Jawa—Tunggul Wulung (Cilacap), Tegal, dan Ahmad Yani (Semarang)—serta variabel prediktor global seperti SOI, Nino 3.4, IOD, WNPMI, AUSMI, dan SST. Model LSTM terdiri dari empat lapisan bertingkat dengan Dropout dan BatchNormalization untuk mencegah overfitting. BO digunakan untuk menentukan kombinasi hiperparameter optimal pada setiap lapisan jaringan. Evaluasi menggunakan Root Mean Squared Error (RMSE) dan Mean Absolute Error (MAE) menunjukkan bahwa LSTM-BO memberikan peningkatan kinerja dibanding LSTM standar di ketiga lokasi. Di Cilacap, RMSE menurun dari 160,51 mm menjadi 148,87 mm, dan MAE dari 126,77 mm menjadi 115,14 mm. Di Tegal, RMSE turun dari 89,00 mm menjadi 86,19 mm, dan MAE dari 65,73 mm menjadi 58,84 mm. Di Semarang, RMSE berkurang dari 104,05 mm menjadi 100,21 mm, dan MAE dari 76,32 mm menjadi 70,60 mm. Integrasi time series, deep learning, dan optimasi probabilistik menghasilkan model yang lebih optimal. LSTM cenderung stabil dan konsisten dengan hasil mendekati observasi di sebagian besar bulan, sedangkan LSTM-BO unggul pada bulan atau lokasi tertentu meskipun pada beberapa kondisi prediksinya lebih jauh dari observasi dibandingkan LSTM
Kombinasi Algoritma Gaussian Naïve Bayes Dan Adaboost Untuk Meningkatkan Akurasi Dalam Klasifikasi Penyakit Diabetes Handayani, Fitri; Firdaus, Rahmad; Wahyudi, Ashari; Fu'adah Amran, Hasanatul; Medikawati Taufiq, Reny
JURNAL FASILKOM Vol. 15 No. 2 (2025): 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.v15i2.9279

Abstract

Diabetes mellitus adalah penyakit metabolik kronis yang dapat menyebabkan komplikasi serius jika tidak terdeteksi dini. Penelitian ini bertujuan untuk meningkatkan akurasi klasifikasi diabetes dengan menggabungkan algoritma Gausian Naïve Bayes dan Adaboost menggunakan teknik ensemble learning. Ensemble learning adalah metode dalam pembelajaran mesin yang meningkatkan akurasi model dengan menggabungkan prediksi dari beberapa model yang berbeda. Teknik ini mengintegrasikan model-model yang mungkin memiliki performa kurang optimal secara individu untuk membentuk model yang lebih unggul. Adaboost memberikan bobot lebih besar pada sampel yang sulit diklasifikasikan, sehingga efektif dalam menangani data yang kompleks dan tidak seimbang. Dataset yang digunakan berasal dari Sylhet Diabetes Hospital, Bangladesh, yang berisi data kuesioner yang telah diverifikasi oleh dokter. Evaluasi menggunakan Confusion Matrix menunjukkan bahwa kombinasi Gausian Naïve Bayes dan Adaboost meningkatkan akurasi klasifikasi diabetes secara signifikan. Model ini mencapai akurasi 96.1% pada pembagian data 80:20, lebih tinggi dibandingkan Naïve Bayes tunggal (87.69%). Precision tertinggi (100%) tercatat pada pembagian data 80:20, dengan recall stabil pada 93.7%–94%, dan F1-Score tertinggi sebesar 96.7%. Hasil ini menunjukkan bahwa kombinasi kedua algoritma melalui teknik ensemble learning dapat saling melengkapi dan meningkatkan performa klasifikasi, menjadikannya lebih efektif dalam identifikasi diabetes
Komparasi Perhitungan Gabungan AHP dan SAW Dengan Perhitungan Konvensional pada Perangkingan Siswa Bagye, Wire; Hamid, Abdul; Mardi
JURNAL FASILKOM Vol. 15 No. 2 (2025): 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.v15i2.9297

Abstract

Pemilihan siswa terbaik merupakan langkah penting dalam mendorong semangat belajar dan membentuk budaya prestasi di lingkungan sekolah. Namun, metode konvensional dalam penilaian seringkali mengandung subjektivitas yang tinggi dan tidak memiliki pembobotan kriteria yang konsisten. Penelitian ini bertujuan untuk membandingkan efektivitas metode AHP (Analytical Hierarchy Process) dan SAW (Simple Additive Weighting) dengan metode konvensional dalam proses seleksi siswa terbaik di SMKS Darul Kamilin. Lima kriteria utama digunakan dalam evaluasi, yaitu akademik, kedisiplinan, keaktifan ekstrakurikuler, sikap & perilaku, serta prestasi non-akademik. Hasil penelitian menunjukkan bahwa hanya 1 dari 30 siswa (2,5%) yang menempati peringkat yang sama pada kedua metode, yang mengindikasikan perbedaan signifikan. Metode AHP-SAW terbukti lebih objektif, terstruktur, dan konsisten dibandingkan metode konvensional, serta mendapat tanggapan positif dari pihak sekolah. Penelitian ini berkontribusi pada pengembangan sistem pendukung keputusan berbasis web dengan menyediakan model komputasi terintegrasi AHP–SAW untuk penilaian siswa terbaik secara objektif, serta memberikan kontribusi praktis bagi sekolah dalam meningkatkan transparansi dan akurasi proses seleksi melalui digitalisasi penilaian multi kriteria
Pengembangan Aplikasi Monitoring Kegiatan Kuliah Kerja Nyata Universitas Hasanuddin Menggunakan Metode Waterfall Ramadani, Bulqis; Hendra, Hendra; Sadno, Muhammad; Rusdi, Edy Saputra
JURNAL FASILKOM Vol. 15 No. 2 (2025): 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.v15i2.9301

Abstract

Kuliah Kerja Nyata merupakan program akademik yang bertujuan untuk memberikan pengalaman langsung bagi mahasiswa dalam menerapkan ilmu di masyarakat serta mengembangkan keterampilan sosial. Dalam pelaksanaanKuliah Kerja Nyata di Universitas Hasanuddin, mahasiswa diwajibkan untuk melaporkan setiap kegiatan kepada dosen pembimbing sebagai bagian dari proses monitoring dan evaluasi. Namun, sistem pelaporan yang masih dilakukan secara manual dinilai kurang efisien dan menghambat efektivitas evaluasi. Penelitian ini bertujuan untuk mengembangkan sebuah aplikasi monitoring kegiatan Kuliah Kerja Nyata berbasis Android guna meningkatkan efisiensi dalam pelaporandan mempercepat proses evaluasi. Aplikasi ini dikembangkan menggunakan metode Waterfall, dengan bahasa pemrograman Java untuk android serta Node.js untuk layanan API yang terhubung ke database MySQL. Pengujian sistem dilakukan dengan metode User Acceptance Testinguntuk mengevaluasi tingkat penerimaan pengguna dan menilai apakah sistem siap digunakan dalam lingkungan operasional yang sebenarnya. HasilUser Acceptance Testingmenunjukkan skor rata-rata 3,83 dari dosen pembimbing dan 3,47 dari mahasiswa, yang menunjukkan bahwa aplikasi dapat diterima dan telah memenuhi kebutuhan pengguna dalam mendukung pelaksanaan Kuliah Kerja Nyata. Dengan demikian, aplikasi monitoring kegiatan Kuliah Kerja Nyata Universitas Hasanuddin berbasis android berhasil dikembangkan dan berfungsi sesuai dengan spesifikasi yang dirancang dan dapat diterima oleh pengguna.
Perancangan Sistem Presensi Berbasis GPS Pada Layanan Kesehatan Menggunakan Metode Prototype Pamungkas, Kodrat; Suratno, Tri; Razi A, Muhammad
JURNAL FASILKOM Vol. 15 No. 2 (2025): 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.v15i2.9316

Abstract

Klinik Pratama Dokter Yanti adalah layanan kesehatan dengan beberapa cabang yang masih menghadapi kendala dalam pengelolaan kehadiran pegawai karena menggunakan sistem presensi manual. Sistem tersebut menyulitkan validasi kehadiran, memperlambat rekapitulasi data, dan rentan terhadap kesalahan pencatatan. Penelitian ini bertujuan untuk merancang dan mengembangkan sistem presensi berbasis mobile yang terpusat dengan teknologi geofencing berbasis Global Positioning System (GPS), memastikan presensi hanya dapat dilakukan di zona kerja yang telah ditentukan. Tahapan prototype yang diterapkan meliputi communication, quick planning, modeling quick design, construction of prototype, deployment, delivery, and feedback yang berlangsung secara iteratif untuk menyempurnakan sistem. Sistem ini dikembangkan melalui pendekatan prototype iteratif dan disempurnakan berdasarkan umpan balik pengguna. Selanjutnya, pengujian black box memvalidasi bahwa semua fungsi sistem, termasuk presensi masuk dan pulang, penolakan presensi di luar zona, serta penyajian riwayat dan statistik kehadiran, berjalan sesuai spesifikasi dengan tingkat keberhasilan 100% pada seluruh kasus uji. Hasilnya, sistem ini berhasil meningkatkan efisiensi, akurasi, dan transparansi. Dengan demikian, manajemen kepegawaian di Klinik Pratama Dokter Yanti menjadi lebih terstruktur, mendukung pengambilan keputusan berbasis data yang lebih efektif.

Page 1 of 3 | Total Record : 30