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 374 Documents
Implementasi Sistem Informasi Manajemen Perpustakaan Digital M.Zein Berbasis Knowledge Management System Yossica, Yossica; Syarif Sihabudin Sahid, Dadang; Fadilah Najwa, Nina
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.v15i2.10015

Abstract

Di era digital yang berkembang pesat, perpustakaan modern tidak hanya berperan sebagai pusat layanan informasi, tetapi juga sebagai institusi dinamis yang mampu mengelola dan menyebarkan pengetahuan secara efektif di antara pustakawan dan staf internal. Praktik manajemen pengetahuan saat ini masih terbatas, baik dalam bentuk tacit (pengalaman dan keahlian) maupun explicit (dokumentasi dan pedoman kerja), sehingga sering menimbulkan kehilangan pengetahuan institusional, khususnya saat terjadi pergantian pegawai atau rotasi tugas. Penelitian ini merancang Knowledge Management System (KMS) berbasis web pada perpustakaan digital M. Zein untuk mendukung pengelolaan akreditasi, pelatihan, dokumentasi, kolaborasi, dan berbagi pengetahuan. Pengembangan sistem menggunakan kerangka kerja Knowledge Management System Life Cycle serta menerapkan model SECI (Socialization, Externalization, Combination, Internalization) untuk mentransformasi pengetahuan tacit menjadi explicit, mengintegrasikan informasi dari berbagai sumber, dan menginternalisasikannya dalam praktik kerja. Evaluasi sistem dilakukan menggunakan metode Software Quality Assurance (SQA) sesuai standar ISO 9126 dengan menilai aspek Functionality, Reliability, Usability, dan Efficiency. Hasil pengujian menunjukkan sistem memenuhi seluruh kriteria dengan skor keseluruhan “Sangat Baik.” Sistem ini mampu mengatasi kekurangan dokumentasi dan kehilangan pengetahuan, meningkatkan kolaborasi serta pertukaran pengetahuan, dan memperbaiki efisiensi operasional. Selain itu, sistem ini berpotensi menjadi model manajemen pengetahuan yang adaptif dan berkelanjutan bagi perpustakaan digital di masa depan
Pengenalan Pola Huruf Bahasa Isyarat Menggunakan Framework You Only Look Once (YOLO) JABAR, Tri Ahmad Jabar; Heriansyah, Rudi; Purnamasari, Evi
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.v15i2.10018

Abstract

Bahasa isyarat merupakan bentuk komunikasi visual yang penting bagi penyandang disabilitas rungu wicara. Namun, masih banyak masyarakat yang belum memahami Sistem Isyarat Bahasa Indonesia (SIBI), sehingga menimbulkan hambatan komunikasi. Penelitian ini bertujuan untuk mengembangkan sistem pengenalan huruf bahasa isyarat SIBI menggunakan framework You Only Look Once (YOLO). Data citra huruf dikumpulkan dari tangan penulis, dianotasi menggunakan Roboflow, dan dilatih dengan algoritma YOLOv11. Hasil deteksi huruf tidak hanya dikenali secara individu, tetapi juga disusun menjadi kalimat secara real-time melalui input kamera menggunakan pemrosesan sekuens huruf. Model terbaik menunjukkan nilai precision sebesar 0,835, recall 0,928, serta mean Average Precision (mAP) dengan mAP@50 (IoU 50%) sebesar 0,968 dan mAP@50–95 (rata-rata pada berbagai ambang IoU) sebesar 0,774. Sistem juga mencapai akurasi rata-rata 0,831 dan F1-score sebesar 0,865 dalam pengenalan huruf. Pada pengujian real-time, sistem berhasil menyusun kalimat sederhana “VINA SEDANG MAKAN” dengan akurasi 86,6%. Hasil ini membuktikan bahwa sistem tidak hanya mampu mendeteksi huruf, tetapi juga dapat merangkai huruf menjadi kalimat bermakna. Penelitian ini diharapkan dapat memberikan kontribusi nyata dalam pengembangan teknologi inklusif yang dapat menjembatani komunikasi antara penyandang disabilitas rungu wicara dengan masyarakat umum, serta berpotensi diimplementasikan dalam bidang pendidikan, pelayanan publik, maupun aplikasi sehari-hari
Evaluasi UI/UX pada Aplikasi Smart Campuss Unisbank Menggunakan Metode Design Thinking Mahendra, Nabiel Pramudya; Supriyanto, Edy
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.v15i2.10036

Abstract

Aplikasi Smart Campuss telah digunakan secara luas oleh mahasiswa Unisbank, namun masih ditemukan berbagai keluhan terkait kemudahan penggunaan aplikasi sehingga diperlukan evaluasi serta analisis pada aspek usability. Penelitian ini bertujuan untuk mengukur tingkat usability aplikasi Smart Campuss dan merancang perbaikan desain guna meningkatkan aspek pengalaman pengguna. Evaluasi dilakukan menggunakan metode system usability scale (SUS) yang dipadukan dengan pendekatan design thinking. Sampel penelitian terdiri dari 30 responden kuantitatif sesuai teori Laura Faulkner dan 5 responden kualitatif untuk wawancara mendalam mengacu pada rekomendasi Jakob Nielsen dengan partisipan mencakup mahasiswa aktif kelas reguler serta karyawan Unisbank. Hasil penelitian menunjukkan bahwa aplikasi Smart Campuss versi asli memperoleh skor SUS sebesar 60,75 dengan grade D yang mengindikasikan bahwa aplikasi belum memenuhi standar usability dan perlu dilakukan perancangan ulang. Setelah dilakukan perancangan ulang menggunakan pendekatan design thinking, skor meningkat sebesar 18,25 poin menjadi 79,00 dengan grade B. Temuan ini membuktikan bahwa desain ulang mampu secara signifikan meningkatkan tingkat usability sekaligus memperbaiki penerimaan pengguna terhadap aplikasi.
Perbandingan Algoritma Random Forest Dan Xgboost Untuk Klasifikasi Penyakit Jantung Berdasarkan Data Medis Pramudya, Muhammad Rayenra Azthi; Celvin Arafat; Muhammad Cavin Ramadhan; Fikri Abdul Jafar; Edi Ismanto
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.v15i2.9927

Abstract

Penyakit jantung merupakan salah satu penyebab kematian terbanyak di dunia, sehingga deteksi dini menjadi penting untuk mengurangi risiko fatal. Penelitian ini bertujuan untuk membandingkan kinerja dua algoritma pembelajaran mesin, yaitu Random Forest dan XGBoost, dalam mengklasifikasikan penyakit jantung berdasarkan data medis. Dataset yang digunakan tersedia untuk umum dan mencakup fitur-fitur darah seperti usia, tekanan, kadar kolesterol, denyut jantung maksimum, hasil EKG, dan tanda-tanda talasemia. Proses penelitian melibatkan eksplorasi data (EDA), pembersihan, transformasi, dan pelatihan model menggunakan kedua algoritma tersebut. Evaluasi dilakukan dengan menggunakan metrik seperti akurasi, presisi, recall, skor F1, dan ROC AUC. Hasilnya menunjukkan bahwa Random Forest berkinerja lebih baik dalam hal sensitivitas dan akurasi dibandingkan dengan XGBoost, terutama dalam mengidentifikasi pasien yang benar-benar menderita penyakit jantung. Temuan ini menunjukkan bahwa metode ensemble berdasarkan keputusan pohon, Random Forest, dapat menjadi pendekatan yang efektif untuk sistem prediksi penyakit jantung dini berdasarkan data medis.