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
 33   34   35   36   37 
Analisis Manajemen Risiko TI Berbasis COBIT 2019 Pada Lembaga Amil Zakat Nasional XYZ Razaq, Thata Authar; Muhammad, Alva Hendi
JURNAL FASILKOM Vol. 15 No. 1 (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.v15i1.9093

Abstract

Analisis pengelolaan risiko Teknologi Informasi (TI) di Lembaga Amil Zakat Nasional (LAZNAS) XYZ dilakukan dengan menggunakan framework COBIT 2019, khususnya pada domain EDM 03 (Ensure Risk Optimization), APO 12 (Manage Risk), dan APO 13 (Manage Security). Mengingat pentingnya TI dalam mendukung operasional dan pengelolaan dana Zakat, Infak, Sedekah, dan Wakaf (ZISWAF), tujuan utama adalah menilai efektivitas manajemen risiko TI yang diterapkan. Metode yang digunakan adalah pendekatan deskriptif kualitatif melalui studi kasus, dengan pengumpulan data melalui observasi, wawancara, dan kuesioner kepada responden yang terlibat dalam pengelolaan TI. Hasil penelitian menunjukkan bahwa LAZNAS XYZ telah mencapai tingkat kapabilitas yang memadai pada domain EDM 03 (Ensure Risk Optimization), APO 12 (Manage Risk), dan APO 13 (Manage Security), dengan rata-rata level 3. Namun, terdapat kesenjangan pada domain APO 12 dan APO 13, yang memerlukan peningkatan untuk mencapai level 4. Rekomendasi perbaikan meliputi penguatan pemantauan metrik risiko, perluasan cakupan pengumpulan data risiko, serta peningkatan efektivitas kebijakan keamanan melalui audit berkala dan pelatihan staf. Kesimpulan penelitian ini adalah bahwa penerapan COBIT 2019 dapat membantu LAZNAS XYZ meningkatkan tata kelola dan manajemen risiko TI, sehingga mendukung kepercayaan donatur dan kepatuhan terhadap regulasi. Penelitian ini juga membuka peluang pengembangan lebih lanjut, seperti integrasi dengan kerangka kerja lain seperti ISO 27001 atau studi komparatif dengan organisasi filantropi sejenis.
Pengembangan Website Spherevent untuk Manajemen Event Berbasis Web dengan Pendekatan Agile Wahyu Mustika Aji; Achmad Syahmi Rasendriya; Alya Putri Salsabila; Keysha Maulina Halimi; Muhammad Nasir; Aditya Wicaksono
JURNAL FASILKOM Vol. 15 No. 1 (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.v15i1.9116

Abstract

Event merupakan bagian penting dalam menunjang kesejahteraan sosial dan budaya masyarakat. Seiring meningkatnya jumlah event yang diselenggarakan, muncul tantangan dalam menemukan informasi acara yang lengkap dan terintegrasi. Spherevent merupakan platform manajemen event berbasis web yang dikembangkan untuk menjawab tantangan dalam menemukan informasi acara yang akurat dan lengkap. Platform ini bertujuan memberikan solusi terintegrasi yang membantu penyelenggara dalam mengelola event dan memudahkan pengguna mencari event berdasarkan kategori serta lokasi. Pengembangan dilakukan menggunakan model Agile dari System Development Life Cycle (SDLC), melalui tahapan perencanaan, perancangan sistem menggunakan UML dan Figma, pengembangan, pengujian black-box, hingga implementasi. Pengumpulan data dilakukan berdasarkan analisis kebutuhan pengguna. Hasil pengembangan menunjukkan bahwa Spherevent menyediakan fitur utama seperti pembuatan dan pengelolaan event oleh penyelenggara, pencarian event dengan berbagai filter, integrasi e-ticketing, dan pelacakan pengunjung untuk analisis performa. Penerapan metode Agile memungkinkan pengembangan sistem yang fleksibel dan responsif terhadap kebutuhan pengguna. Hasil akhirnya membuktikan bahwa Spherevent dapat meningkatkan efisiensi dan efektivitas dalam pengelolaan informasi event, baik bagi penyelenggara maupun pengunjung. Perbaikan lanjutan disarankan untuk meningkatkan pengalaman pengguna dan fungsionalitas sistem di masa depan.
Deteksi Ekspresi Wajah Manusia Menggunakan Metode Convolutional Neural Network Cahyaningtyas, Christian; Mira; Gudiato, Chandra; Sari, Maya
JURNAL FASILKOM Vol. 15 No. 1 (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.v15i1.9119

Abstract

Detecting emotions based on human facial expressions has long been a focus of research in the field of psychology that identifies the relationship between expressions and a person's emotional state. Deep learning has the ability to learn data representations with a high level of abstraction, allowing models to make predictions or decisions based on big data without human intervention and deep learning can also understand and classify an object. One of the main breakthroughs in the field of deep learning is the convolutional neural network, its advantage is that it has very good performance results in various tasks in image processing. In this study, research will be conducted on detecting human facial expressions using the convolutional neural network method by conducting several experiments. Image data will be processed using the python programming language and the dataset used is data sourced from the official kaggle.com website, namely FER2013. Based on the results of training the convolutional neural network model for facial expression recognition, the highest accuracy reached 60% at the 60th epoch with batch sizes of 64 and 128. When viewed based on the graph produced, the best model training was carried out with a batch size of 128 epoch 60. While the confusion matrix produced by batch size 64 epoch 60, the resulting model is more balanced in detecting expressions. And the classification report produced has no significant difference
Sistem Pendukung Keputusan Pemilihan Ketua BEM UM Banjarmasin Menggunakan Metode Profile Matching Susanti, NurAina; Windarsyah; Finki Dona Marleny
JURNAL FASILKOM Vol. 15 No. 1 (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.v15i1.9123

Abstract

Pemilihan Ketua Badan Eksekutif Mahasiswa (BEM) Universitas Muhammadiyah Banjarmasin masih dilakukan secara konvensional, seperti pendaftaran manual dan pemungutan suara melalui Google Form, yang rentan terhadap keterlambatan pembaruan data dan ketidakakuratan informasi. Penelitian ini mengembangkan Sistem Pendukung Keputusan (SPK) berbasis web menggunakan metode Profile Matching untuk meningkatkan transparansi dan efisiensi proses pemilihan. Sistem menilai kandidat berdasarkan kriteria kepemimpinan, pengalaman organisasi, program kerja, komunikasi, dan kepribadian dengan menghitung gap antara profil kandidat dan profil ideal. Semakin kecil nilai gap, semakin tinggi nilai kesesuaian kandidat. Sistem ini dilengkapi dengan fitur pendaftaran digital, verifikasi dokumen otomatis, dan pemungutan suara berbasis web dengan pembaruan data pemilih secara real-time. Pengujian terhadap tiga kandidat menunjukkan bahwa Ahmad Ryan Tryantama memperoleh skor akhir tertinggi sebesar 4,648, diikuti oleh Muhammad Abil Tanoto dengan skor 4,384, dan Siskha Danil Arif Saputra dengan skor 4,264. Hasil ini membuktikan bahwa sistem mampu membantu menentukan kandidat terbaik secara objektif, sehingga meningkatkan kepercayaan dalam proses pemilihan.
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

Page 35 of 38 | Total Record : 374

 33   34   35   36   37 

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