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 374 Documents
 27   28   29   30   31 
Rancangan UI (User Interface) dan UX (User Experience) Sistem Imunisasi Anak Menggunakan Metode Design Thinking Fu'adah Amran, Hasanatul; Farianti Amran, Husna; Martilova, Dona; Anugrah, Bayu
JURNAL FASILKOM Vol. 14 No. 1 (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.v14i1.7498

Abstract

Berkembangnya teknologi informasi dan komunikasi yang semakin pesat termasuk bidang kesehatan yang menerapkan penggunaan komputer dalam kegiatannya atau yang biasa dikenal dengan istilah E-Health. E-Health dapat diartikan sebagai ilmu pengetahuan baru yang memiliki inovasi dalam pertukaran informasi medis, kesehatan masyarakat dan hal-hal yang berkaitan dengan jasa pelayanan dan informasi kesehatan yang ditingkatkan melalui saluran internet dan teknologi, salah satu nya adalah imunisasi. Penelitian ini akan berfokus pada rancangan UI dan UX dengan menggunakan metode design thinking. Penggunaan metode design thinking akan mengadaptasi metode yang biasa diterapkan oleh desainer menggunakan prosedur iteratif dalam pemikiran desain dari pernyataan masalah hingga solusi masalah. Tujuannya adalah untuk menghasilkan ide sebanyak mungkin sehingga ditemukan permasalahan dan solusi terbaik untuk masalah tersebut. Metode ini akan dimulai dengan tahap Empathize, Define, Ideate, Prototype, dan Test. Prototipe yang telah dirancang menggunakan Figma kemudian diuji kepada 5 penguji dengan menggunakan metode pengujian System Usability Scale (SUS). Berdasarkan pengujian yang telah dilakukan diperoleh hasil uji dengan total nilai 86 dan disimpulkan acceptable, grade scale B dan adjective rating adalah excellent.
Analisis Akurasi Object Detection Menggunakan Tensorflow Untuk Pengenalan Bahasa Isyarat Tangan Menggunakan Metode SSD Tikasni, Elisa; Utami, Ema; Ariatmanto, Dhani
JURNAL FASILKOM Vol. 14 No. 2 (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.v14i2.7512

Abstract

Penelitian ini bertujuan untuk menganalisis akurasi deteksi objek dalam pengenalan bahasa isyarat tangan menggunakan metode Single Shot Detection (SSD) yang diimplementasikan dengan tensorflow. Latar belakang penelitian ini berasal dari kebutuhan akan sistem komunikasi yang bagi penyandang disabilitas. Metode SSD dipilih karena kemampuannya mendeteksi objek secara real-time dengan efisiensi tinggi. Dataset yang digunakan terdiri dari gambar tangan dalam berbagai pose kata kerja dalam bahasa isyarat. Proses pelatihan model melibatkan peningkatan data dan penggunaan teknik transfer learning untuk meningkatkan performa deteksi. Faktor-faktor yang mempengaruhi akurasi, seperti kompleksitas latar belakang dan variasi pencahayaan, dianalisis untuk memberikan pemahaman yang analisis menyeluruh tentang kinerja model. Analisis ini sangat penting dalam mengidentifikasi potensi perbaikan dan memastikan kekuatan sistem deteksi dalam berbagai kondisi. Temuan penelitian ini menyoroti bahwa metode SSD yang diimplementasikan dengan tensorflow sangat efektif untuk pengenalan bahasa isyarat tangan. Efektivitas ini memainkan peran penting dalam memajukan pengembangan sistem komunikasi yang lebih inklusif, memberikan manfaat besar bagi komunitas penyandang disabilitas dengan meningkatkan kemampuan mereka untuk berkomunikasi. Dengan menjembatani kesenjangan komunikasi, penelitian ini berkontribusi pada penciptaan lingkungan yang lebih mudah diakses dan inklusif bagi individu dengan gangguan pendengaran. Selain itu, penerapan teknologi semacam ini dapat membuka jalan bagi kemajuan di masa depan dalam penggunaan perangkat komunikasi bantu.
Klasifikasi Jenis Burung Cucak Berdasarkan Suara Menggunakan MFCC Dan Naive Bayes Muhammad Romadloni Putra; Nurdiyansyah, Firman; Yuniar Rahman, Aviv
JURNAL FASILKOM Vol. 14 No. 2 (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.v14i2.7558

Abstract

Indonesia memiliki ekosistem yang kaya dan beragam dengan tingkat keanekaragaman hayati yang tinggi, termasuk keanekaragaman burung. Penelitian ini berfokus pada pengembangan sistem klasifikasi suara burung yang menggunakan Mel-Frequency Cepstral Coefficient dan algoritma Naive Bayes. Sistem ini bertujuan untuk mengidentifikasi spesies burung dari famili Pycnonotidae di Indonesia: brinji gunung, cucak kutilang, merbah belukar, merbah cerukcuk, dan merbah mata merah. Dataset suara burung dikumpulkan dari website xeno-canto.org, kemudian data diproses dan diekstraksi menggunakan fitur mel frequency cepstral coefficient. Model naive bayes kemudian dilatih dan diuji pada dataset yang telah diberi label. Penelitian ini menunjukkan bahwa model naïve bayes adalah metode yang efektif untuk mengklasifikasikan suara burung. Model naive bayes memiliki kinerja yang cukup bagus dalam mengklasifikasian suara burung, mencapai akurasi prediksi mulai dari yang terendah 52% hingga yang tertinggi 90%. Hal ini menunjukkan bahwa model ini cocok untuk membedakan antara suara burung cucak yang berbeda. Hasil pengujian yang diperoleh menunjukkan bahwa model naiva bayes memiliki potensi besar dalam mengklasifikasikan suara cucak. Akurasi yang dicapai oleh model ini, bahkan dengan 20% data latih, membuktikan kemampuannya untuk mengidentifikasi dan membedakan suara cucak dengan tingkat akurasi yang cukup tinggi. Efektivitas model naive bayes dalam mengklasifikasikan suara cucak cukup bagus, terutama mengingat kemampuannya untuk mencapai efisiensi yang tinggi meskipun dengan data pelatihan yang terbatas.
Implementasi Algoritma Random Forest Untuk Klasifikasi Pencemaran Udara di Wilayah Jakarta Berdasarkan Jakarta Open Data Firdaus, Rahmad; Habibie, Husnul; Rizki, Yoze
JURNAL FASILKOM Vol. 14 No. 2 (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.v14i2.7669

Abstract

Pencemaran udara merupakan masalah dunia yang cukup memprihatinkan di beberapa negara, dan termasuk salah satunya di Jakarta. DKI Jakarta merupakan salah satu kota dengan peringkat tertinggi dalam kualitas udara yang terburuk di dunia. Algoritma Random Forest adalah pengembangan dari metode Classification and Regression Tree (CART) yang dapat meningkatkan hasil akurasi dalam membangkitkan atribut untuk setiap node yang dilakukan secara acak. Pada penelitian ini bertujuan untuk mengetahui Performa Algoritma Random Forest terhadap klasifikasi dalam data pencemaran udara wilayah Jakarta tahun 2016- 2021 dan untuk mendapatkan hasil klasifikasi dari Algorima Random Forest dalam klasifikasi pencemaran udara wilayah Jakarta tahun 2016-2021. Sehingga penelitian ini semoga dapat menjadi rujukan atau acuan bagi peneliti tentang algoritma Random Forest, dalam klasifikasi data Pencemaran Udara. Hasil performa model dari algoritma Random Forest, pada data train mendapatkan nilai precision, recall, dan F1-score yang sempurna yaitu 100% disemua kelas dan AUC juga sebesar 100%, lalu pada data test pada nilai precision untuk setiap kelas juga sangat tinggi yaitu 99%, dan AUC sebesar 99,96%. Hasil klasifikasi dari algoritma Random Forest mendapatkan akurasi pada data train sebesar 100% dan untuk data test mendapatkan akurasi pada data train sebesar 99,95%.
Optimasi Seleksi Fitur Untuk Perbaikan Akurasi Support Vector Machine Classifier Pada Klasifikasi Citra Tanaman Rimpang Sulistianingsih, Nani; Astutik, Fitri; Rahman, Arif
JURNAL FASILKOM Vol. 14 No. 2 (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.v14i2.7566

Abstract

Tanaman Rimpang atau bahasa ilmiahnya Rhizome merupakan modifikasi batang yang tumbuh secara menjalar pada tanah dan berbentuk seperti tunas. Pemanfaatan tanaman rimpang tidak hanya digunakan sebagi bumbu dasar masakan tetapi digunakan sebagai obat herbal dengan khasiat tinggi. Tanaman rimpang semakin popular dengan adanya pandemi akibat virus Covid-19 yang melanda Indonesia dan dunia. Kementerian Kesehatan Republik Indonesia (Kemenkes RI) mengeluarkan surat edaran pemanfaatan obat tradisional untuk memelihara kesehatan, pencegahan penyakit, dan perawatan kesehatan. Kemenkes RI menyarankan penggunaan obat herbal untuk meningkatkan imunitas. Namun, sebagian besar orang menilai jenis tanaman rimpang sulit diidentifikasi karena bentuknya yang mirip antara satu dengan yang lain. Oleh karena itu, studi ini bertujuan untuk menganalisis dan mengidentifikasi tanaman rimpang jenis Kunyit, Jahe, Kencur dan Lengkuas dengan mengoptimalkan metode seleksi fitur Recursive Feature Elimination (RFE) untuk mendapatkan hasil akurasi yang lebih baik. Penelitian ini menggunakan metode ekstraksi fitur tektur Local Binary Pattern (LBP) dan classifier Support Vector Machine (SVM). Hasil akurasi klasifikasi sebelum menggunakan SVM-RFE diperolah sebesar 67% dan setelah menerapkan metode seleksi fitur SVM-RFE diperoleh akurasi sebesar 81%. Hal ini menunjukkan bahwa penerapan metode seleksi fitur dapat membantu dalam meningkatkan akurasi dan dapat mengidentifikasi citra tanaman rimpang dengan baik.
Deteksi Tingkat Depresi Kerja Pada Guru Sekolah Dasar Menggunakan Metode Fuzzy Mamdani Berutu, Nurhalimah; Sriani
JURNAL FASILKOM Vol. 14 No. 2 (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.v14i2.7739

Abstract

Deteksi tingkat depresi pada guru sekolah dasar sangat penting untuk menjaga kesejahteraan mental dan kualitas pengajaran. Depresi pada tenaga pengajar dapat mempengaruhi efektivitas pengajaran serta kesejahteraan siswa. Penelitian ini bertujuan untuk mengembangkan sistem deteksi depresi kerja menggunakan metode Fuzzy Mamdani. Data yang digunakan diperoleh melalui kuesioner PHQ-9, alat pengukur standar untuk menilai tingkat depresi. Sistem fuzzy yang dirancang mengolah dua input utama, yaitu Indeks Massa Tubuh (IMT) dan skor PHQ-9, untuk menghasilkan prediksi tingkat depresi. Evaluasi sistem menunjukkan kemampuannya dalam mengklasifikasikan tingkat depresi ke dalam kategori tidakdepresi, depresi ringan, depresi sedang, dan depresi berat dengan akurasi yang baik. Dari pengujian terhadap 100 guru sekolah dasar, 98% responden terdeteksi mengalami depresi ringan dan 2% mengalami depresi sedang. Hasil ini menekankan pentingnya pemantauan dan intervensi lebih lanjut untuk menjaga kesejahteraan mental guru. Implementasi sistem ini diharapkan dapat meningkatkan efektivitas dan efisiensi pemantauan kesehatan mental guru serta berkontribusi pada peningkatan kualitas pendidikan.
Sistem Informasi Pemesanan Toko Hanza Florist Dengan Penerapan Customer Relationship Management Berbasis Aplikasi Mobile Alzahra, Liza; Muliani Harahap, Aninda
JURNAL FASILKOM Vol. 14 No. 2 (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.v14i2.7743

Abstract

Hanza Florist adalah sebuah usaha bunga yang terletak di kota Medan. Didirikan pada awal tahun 2023, Hanza Florist telah menjadi salah satu usaha bunga yang sedang berkembang,menawarkan berbagai jenis buket bunga,banner dan papan ucapan bunga untuk berbagai acara dan keperluan. Penelitian ini dibuat untuk membuat sistem pemesanan toko hanza florist berbasis mobile dengan penerapan customer relationship management (CRM).Tujuannya adalah untuk menjadi solusi yang tepat untuk meningkatkan efisiensi, akurasi, dan visibilitas data bisnis. Penerapan CRM pada aplikasi ini terdapat pada fitur chatting dan customer service. Sistem informasi pesanan dengan penerapan CRM berbasis aplikasi mobile dapat menjadi solusi untuk meningkatkan kualitas,menyatukan hubungan yang berkepanjangan bagi perusahaan dan pelanggan. Melalui pengembangan sistem informasi ini, diharapkan Hanza Florist dapat lebih fokus pada pertumbuhan dan pengem-bangan bisnisnya. Dengan menggunakan metode research and development (R&D) dan metode pengebangan menggunakan waterfall. Hasil yang didapat dari penelitian ini adalah dapat mempermudah toko hanza dalam meningkatkan efesiensi,dan mempermudah pelanggan dalam pemesanaan.
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.

Page 29 of 38 | Total Record : 374

 27   28   29   30   31 

Filter by Year

2016 2025


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