cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Ahmad Fitriansyah
Contact Email
ahmad.fitriansyah@swadharma.ac.id
Phone
+6287870716976
Journal Mail Official
jurnal.jeis@swadharma.ac.id
Editorial Address
Kampus 1 Institut Teknologi dan Bisnis Swadharma Jl. Malaka No.3, Tambora, Jakarta Barat 11230
Location
Kota tangerang selatan,
Banten
INDONESIA
JURNAL ELEKTRO DAN INFORMATIKA SWADHARMA (JEIS)
Published by Institut Teknologi dan Bisnis Swadharma
ISSN : 27745775     EISSN : 27745767     DOI : -
Core Subject : Science,
Computer Science & IT
Jurnal Elektro dan Informatika Swadharma merupakan jurnal ilmiah yang diterbitkan oleh LPPM ITB Swadharma. Jurnal ini berisi tentang karya ilmiah hasil penelitian dengan topik Elektronika, Robotika, Otomasi, Kecerdasan Buatan, Teknologi Blockchain, Komputasi Awan, Arsitektur Komputer, Computer Vision, Teknologi dan Sistem Multimedia, Deep Learning, Interaksi Manusia dan Komputer, Digital Forensic, Internet of Things, IT Security, Machine Learning, Jaringan Komputer, Semantic Web, Sistem Terdistribusi, Wireless Network
Arjuna Subject : Ilmu Komputer (semua kategori) - Jaringan Komputer dan Komunikasi
Articles 125 Documents
 9   10   11   12   13 
OPTIMASI DEEP LEARNING DAN KLASTERING UNTUK DETEKSI OBJEK SERTA SEGMENTASI CITRA MEDIS Fauzi, Muhammad Yusril; Rahmatullah, Alam
JEIS: Jurnal Elektro dan Informatika Swadharma Vol 6, No 1 (2026): JEIS EDISI JANUARI 2026
Publisher : Institut Teknologi dan Bisnis Swadharma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56486/jeis.vol6no1.1063

Abstract

This study proposes a hybrid image processing framework that integrates deep learning and clustering techniques to address various challenges in automated visual analysis, including noise, low resolution, and domain variability. Deep learning models such as CNNs, U-Nets, and Swin Transformers are used for hierarchical feature learning. At the same time, clustering methods like K-Means and HAC offer lightweight unsupervised alternatives that do not require annotated data. Three approaches that are pure deep learning, pure clustering, and a hybrid combination are developed and evaluated for object detection and image segmentation using public datasets such as DRIVE and ACDC, with preprocessing techniques including filtering, normalization, resizing, and augmentation. The results show that the hybrid framework achieves a better balance between accuracy and computational efficiency, with improved IoU, DSC, and mAP values compared to either method alone. The pure deep learning approach provides the highest accuracy but requires more computational resources, while the clustering-based method offers faster processing at a cost of reduced precision. The study concludes that the hybrid methodology provides an adaptive and flexible solution across domains.Penelitian ini bertujuan untuk mengusulkan sebuah kerangka pemrosesan citra hibrida yang mengintegrasikan teknik deep learning dan klastering untuk mengatasi berbagai tantangan dalam analisis visual otomatis, termasuk noise, resolusi rendah, dan variabilitas domain. Model deep learning seperti CNN, U-Net, dan Swin Transformer digunakan untuk pembelajaran fitur secara hierarkis, sedangkan metode klastering seperti K-Means dan HAC menawarkan alternatif unsupervised yang ringan dan tidak memerlukan data beranotasi. Tiga pendekatan deep learning murni, klastering murni, dan kombinasi hibrida dikembangkan dan dievaluasi untuk melakukan deteksi objek dan segmentasi citra menggunakan dataset publik seperti DRIVE dan ACDC, dengan dukungan teknik prapemrosesan berupa filtering, normalisasi, pengubahan ukuran, dan augmentasi. Hasil penelitian menunjukkan bahwa kerangka hibrida mencapai keseimbangan yang lebih baik antara akurasi dan efisiensi komputasi, dengan peningkatan nilai IoU, DSC, dan mAP dibandingkan metode tunggal. Pendekatan deep learning murni memberikan akurasi tertinggi namun membutuhkan sumber daya komputasi yang lebih besar, sementara metode berbasis klastering menawarkan pemrosesan lebih cepat dengan penurunan presisi. Studi ini menyimpulkan bahwa metodologi hibrida memberikan solusi yang adaptif dan fleksibel lintas domain. 
PENGEMBANGAN APLIKASI PEMBELAJARAN BAHASA SUNDA UNTUK MATA PELAJARAN BAHASA SUNDA DI SMA LABSCHOOL UPI CIBIRU Mahendra, Chandra; Fathin, Bagas; Umar, Fikri; Dzikri, Luthfiansyah; Aufar, Rizky
JEIS: Jurnal Elektro dan Informatika Swadharma Vol 6, No 1 (2026): JEIS EDISI JANUARI 2026
Publisher : Institut Teknologi dan Bisnis Swadharma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56486/jeis.vol6no1.1069

Abstract

The research is based on the decline in adolescents’ interest and proficiency in the Sundanese language, particularly among high school students. This study aims to address this problem by developing Sundanese language-learning software to complement educational resources for Sundanese Language and Literature studies at SMA Labschool UPI Cibiru. The digital application is expected to be scientifically valid, easy to use, and have a tangible impact on fostering student participation and content mastery. The development approach employed is Research & Development using the ADDIE framework (Analysis, Design, Development, Implementation, Evaluation). The analysis phase identifies students’ learning needs and characteristics. Afterward, a sketch of the application flow is created, and an initial version is developed, containing lesson content, interactive activities, vocabulary, and Sundanese cultural nuances, all within an easy-to-use interface. The research results are a Sundanese language-learning application that has been tested by subject-matter experts, media experts, and active teachers, and then piloted by students. The test results indicate that the application is deemed appropriate by the assessors and well-received by students. This application can serve as a new learning tool that makes the learning process more engaging, independent, and relevant, and is expected to help maintain the existence of the Sundanese language among adolescents.Penelitian didasarkan terjadinya penurunan minat dan kemampuan berbahasa Sunda pada remaja, terutama peserta didik SMA. Penelitian ini bertujuan menyediakan solusi terhadap permasalahan tersebut dengan mengembangkan perangkat lunak pembelajaran bahasa Sunda sebagai pelengkap sarana pendidikan untuk bidang kajian Bahasa dan Sastra Sunda di SMA Labschool UPI Cibiru. Aplikasi digital diharapkan sah secara ilmiah, mudah digunakan, juga memberi dampak nyata guna menumbuhkan partisipasi sekaligus penguasaan konten oleh murid. Pendekatan pengembangan yang diterapkan yaitu Riset & Pengembangan menggunakan kerangka ADDIE (Analisis, Desain, Produksi, Penerapan, Evaluasi). Tahap analisis mencari tahu kebutuhan belajar dan ciri-ciri peserta didik. Setelah itu, dibuat sketsa alur aplikasi sekaligus menyusun versi awal yang berisi isi pelajaran, aktivitas interaktif, kosa kata, juga nuansa budaya Sunda dengan tampilan yang mudah digunakan. Hasil penelitian berupa aplikasi pembelajaran bahasa Sunda yang telah diuji oleh pakar materi, pakar media, serta guru aktif, lalu diuji coba juga oleh murid. Hasil pengujian menunjukkan aplikasi dinilai sesuai oleh para penilai dan diterima baik oleh murid. Aplikasi ini dapat menjadi sarana pembelajaran baru yang membantu proses belajar lebih seru, mandiri, dan relevan, sehingga diharap mampu ikut menjaga eksistensi bahasa Sunda di kalangan remaja
ANALISIS PERBANDINGAN EFISIENSI ALGORITMA INTROSORT DENGAN ALGORITMA TRADISIONAL BUBBLE SORT DAN SELECTION SORT Amanda, Salsabila; Anastasya, Lilina Dwi; Sulistia, Fira; Purnamasari, Nafisa; Pujiono, Imam Prayogo
JEIS: Jurnal Elektro dan Informatika Swadharma Vol 6, No 1 (2026): JEIS EDISI JANUARI 2026
Publisher : Institut Teknologi dan Bisnis Swadharma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56486/jeis.vol6no1.1086

Abstract

Data sorting is a fundamental operation that significantly impacts the performance of various computing applications. In C++, developers can choose from traditional sorting algorithms, such as Bubble sort and Selection sort, as well as modern algorithms, such as Introsort. This study aims to analyze and compare the efficiency of the Introsort, Bubble sort, and Selection sort algorithms in terms of execution time and memory usage. The method used is a comparative experiment with three random data sizes: 100, 1,000, and 10,000 elements. Each scenario is tested three times using a recursive C++ implementation on a Lenovo Ideapad 1i laptop with an Intel Celeron N4020 processor, 8 GB of RAM, and a 477 GB SSD. Execution time is measured using the std::chrono library, while memory usage is measured using the getMemoryUsage() function. The results show that Introsort is consistently the fastest algorithm for all data sizes. At 10,000 elements, the average execution time of Introsort is about 2.88 ms, while Bubble sort and Selection sort are about 1,303 ms and 1,067 ms, respectively. Thus, Introsort is about 450 times faster than Bubble sort and 370 times faster than Selection sort on large datasets, while the difference in memory usage among the three algorithms is under 0.15 MB. These findings indicate that choosing a modern algorithm like Introsort is highly recommended for sorting large data sets in C++. In contrast, traditional algorithms are more appropriate for learning scenarios or small datasets.Pengurutan data merupakan operasi dasar yang sangat memengaruhi kinerja berbagai aplikasi komputasi. Pada bahasa pemrograman C++, pengembang dapat memilih algoritma pengurutan tradisional seperti Bubble sort dan Selection sort, maupun algoritma modern seperti Introsort. Penelitian ini bertujuan menganalisis dan membandingkan efisiensi algoritma Introsort, Bubble sort, dan Selection sort berdasarkan waktu eksekusi dan penggunaan memori. Metode yang digunakan adalah eksperimen komparatif dengan tiga skala ukuran data acak, yaitu 100, 1.000, dan 10.000 elemen. Setiap skenario diuji sebanyak tiga kali menggunakan implementasi rekursif C++ pada laptop Lenovo Ideapad 1i dengan prosesor Intel Celeron N4020, RAM 8 GB, dan SSD 477 GB. Waktu eksekusi diukur menggunakan pustaka std::chrono, sedangkan penggunaan memori diukur dengan fungsi getMemoryUsage(). Hasil menunjukkan bahwa Introsort secara konsisten menjadi algoritma paling cepat untuk seluruh ukuran data. Pada 10.000 elemen, rata-rata waktu eksekusi Introsort sekitar 2,88 ms, sedangkan Bubble sort dan Selection sort masing-masing sekitar 1.303 ms dan 1.067 ms. Dengan demikian, Introsort sekitar 450 kali lebih cepat daripada Bubble sort dan 370 kali lebih cepat daripada Selection sort pada skala data besar, sementara perbedaan penggunaan memori di antara ketiga algoritma berada di bawah 0,15 MB. Temuan ini mengindikasikan bahwa pemilihan algoritma modern seperti Introsort sangat disarankan untuk pengurutan data berukuran besar di C++, sedangkan algoritma tradisional lebih tepat digunakan untuk skenario pembelajaran atau dataset kecil
ANALISIS SENTIMEN ULASAN GAME DELTA FORCE MOBILE MENGGUNAKAN NAIVE BAYES DAN SUPPORT VECTOR MACHINE Zaky, Faiz Najwan; Gibran, Muhamad Rendi; Sumanto, Sumanto; Kumalasari, Jefina Tri; Taufiq, Ghofar; Christian, Ade
JEIS: Jurnal Elektro dan Informatika Swadharma Vol 6, No 1 (2026): JEIS EDISI JANUARI 2026
Publisher : Institut Teknologi dan Bisnis Swadharma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56486/jeis.vol6no1.1115

Abstract

This study aims to analyze sentiment in Delta Force Mobile reviews on the Google Play Store using Naive Bayes and Support Vector Machines. Sentiment classification in reviews helps game developers understand player sentiment and improve user satisfaction. The method used is the KDD framework, which focuses on web scraping, text cleaning, tokenization, stemming, and TF-IDF for data weighting. The experimental data consisted of 29,454 reviews, with a peak accuracy rate of 86.17%. The study found a significant improvement in SVM’s ability to classify negative sentiment accurately. SVM had a score of 0.69, while Naive Bayes had a score of 0.56. This indicates that SVM is more accurate at classifying reviews that contain technical complaints, such as lag and bugs.Penelitian ini bertujuan menganalisis sentimen pada ulasan Delta Force Mobile di Google Play Store menggunakan Naive Bayes dan Support Vector Machine. Klasifikasi sentimen dalam ulasan digunakan untuk membantu pengembang game memahami sentimen pemain dan membantu meningkatkan kepuasan pengguna. Metode yang digunakan yaitu kerangka kerja KDD yang berfokus pada web scraping, pembersihan teks, tokenisasi, stemming, dan TF-IDF untuk memberi bobot pada data. Data yang digunakan dalam eksperimen berjumlah 29.454 ulasan, dengan tingkat akurasi tertinggi sebesar 86.17%. Hasil penelitian mendapatkan temuan signifikan bahwa SVM memiliki kemampuan yang lebih baik dalam mengklasifikasikan sentimen negatif secara akurat. SVM memiliki nilai 0,69 dan Naive Bayes memiliki nilai 0,56. Hal ini menunjukan bahwa SVM lebih akurat dalam mengklasifikasikan ulasan yang mengandung keluhan teknis seperti lag dan bug.
PERANCANGAN JARINGAN LAN DENGAN METODE ROUTING INFORMATION PROTOCOL (RIP) VERSION 2 PADA PT. BERKARYA BERSAMA ANAK BANGSA Khoiriyah, Khusnul; Nurlaela, Lela; Dharmalau, Andy
JEIS: Jurnal Elektro dan Informatika Swadharma Vol 6, No 1 (2026): JEIS EDISI JANUARI 2026
Publisher : Institut Teknologi dan Bisnis Swadharma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56486/jeis.vol6no1.1201

Abstract

PT. Berkarya Bersama Anak Bangsa faced challenges with network installation and management due to unclear network segmentation and an inadequate LAN configuration. To address these issues, this study aimed to adopt the RIP Version 2 method for designing a LAN network. RIP Version 2 was chosen for its ability to dynamically adapt to topology changes and ensure fast and effective routing updates. Implementation of this method involved configuring routers to divide and connect network segments, which was expected to improve IP address efficiency and overall network performance. The results showed that implementing RIP Version 2 successfully improved network infrastructure layout, simplified network management and maintenance, and significantly improved network performance. RIP Version 2 implementation at PT. Berkarya Bersama Anak Bangsa successfully resolved network issues, improved security, and minimized the risk of data breaches.PT. Berkarya Bersama Anak Bangsa menghadapi permasalahan dalam instalasi dan manajemen jaringan yang disebabkan oleh kurangnya pembagian segmen jaringan yang jelas dan konfigurasi segmentasi LAN yang tidak optimal. Untuk mengatasi masalah ini, penelitian ini dilakukan dengan tujuan mengadopsi metode RIP Version 2 untuk merancang jaringan LAN. Metode RIP Version 2 dipilih karena kemampuannya untuk beradaptasi secara dinamis terhadap perubahan topologi dan memastikan pembaruan routing yang cepat dan efektif. Implementasi metode ini melibatkan konfigurasi router untuk membagi dan menghubungkan segmen-segmen jaringan, yang diharapkan dapat meningkatkan efisiensi penggunaan IP address dan kinerja jaringan secara keseluruhan. Hasil penelitian menunjukkan bahwa penerapan RIP Version 2 berhasil meningkatkan tatanan infrastruktur jaringan, mempermudah pengelolaan dan pemeliharaan jaringan, serta meningkatkan performa jaringan secara signifikan. Implementasi RIP Version 2 di PT. Berkarya Bersama Anak Bangsa berhasil mengatasi masalah jaringan, meningkatkan keamanan, dan meminimalkan risiko kebocoran data

Page 13 of 13 | Total Record : 125

 9   10   11   12   13 

Filter by Year

2021 2026


Reset
Filter By Issues
All Issue Vol 6, No 1 (2026): JEIS EDISI JANUARI 2026 Vol 5, No 2 (2025): JEIS EDISI JULI 2025 Vol 5, No 1 (2025): JEIS EDISI JANUARI 2025 Vol 4, No 2 (2024): JEIS EDISI JULI 2024 Vol 4, No 1 (2024): JEIS EDISI JANUARI 2024 Vol 3, No 2 (2023): JEIS EDISI JULI 2023 Vol 3, No 1 (2023): JEIS EDISI JANUARI 2023 Vol 2, No 2 (2022): JEIS EDISI JULI 2022 Vol 2, No 1 (2022): JEIS EDISI JANUARI 2022 Vol 1, No 2 (2021): JEIS EDISI JULI 2021 Vol 1, No 1 (2021): JEIS EDISI JANUARI 2021 More Issue