cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Nahya Nur
Contact Email
nahya.nur@unsulbar.ac.id
Phone
+6289656657447
Journal Mail Official
jcis@unsulbar.ac.id
Editorial Address
Jl. Prof. Dr. Baharuddin Lopa, S.H., Talumung, Majene. Sulawesi Barat
Location
Kab. majene,
Sulawesi barat
INDONESIA
Journal of Computer and Information System (J-CIS)
Published by Universitas Sulawesi Barat
ISSN : 26225859     EISSN : 26220881     DOI : https://doi.org/10.31605/jcis.v1i1
Core Subject : Science,
Computer Science & IT
Journal of Computer and Information System (J-CIS) adalah Jurnal Ilmu Komputer dan Sistem Informasi yang diterbitkan oleh Program Studi Informatika Universitas Sulawesi Barat. Bidang garapan jurnal J-CIS meliputi: Software Engineering, Networking, Data Mining and Big Data, Artificial Intelligence, Web and Database, Image Processing, Human Computer Interaction, Parallel Programming, Cloud Computing, Information System, Information Retrieval, Computer Graphics, Soft Computing, Internet of Things, dan Smart System.
Arjuna Subject : Ilmu Komputer (semua kategori) - Perangkat Lunak
Articles 80 Documents
 4   5   6   7   8 
Prediksi Hasil Panen Kakao Di Desa Minanga Menggunakan Algoritma Random Forest Regression Rian, Andrian; Irianti, Arnita; Nur, Nahya; Heri, Adi
Journal of Computer and Information System ( J-CIS ) Vol 8 No 1 (2025): J-CIS Vol. 8 No. 1 Tahun 2025
Publisher : Universitas Sulawesi Barat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31605/jcis.v8i1.4936

Abstract

Hasil produksi tanaman kakao di Desa Minanga sering mengalami fluktuasi, baik dalam bentuk penurunan maupun peningkatan yang tidak menentu disetiap musimnya. Kondisi ini berdampak pada ketidakpastian pendapatan, sehingga para petani kesulitan dalam merencanakan keuangan mereka dengan baik. Penelitian ini menggunakan algoritma random forest regression dengan tujuan untuk membantu dalam memprediksi hasil panen kakao pada petani Desa Minanga, dengan menggunakan kriteria luas lahan, jumlah tanaman kakao, jenis bibit, jenis pupuk, hama dan penyakit, penanggulangan hama dan penyakit, tingkat curah hujan, tenaga kerja, dan hasil. Data yang digunakan dalam penelitian ini merupakan data hasil panen kakao dari tahun 2019 hingga 2023, dengan total 2980 data yang akan diolah. Berdasarkan hasil pengujian jumlah pohon yang paling optimal adalah 100 pohon, dengan tingkat akurasi sebesar 98.95% dengan nilai Mean Absolute Percentage Error (MAPE) diperoleh adalah 1.04%, Root Mean Square Error (RMSE) yaitu 6.26 dan Koefisien Determinasi (R2) sebesar 0.99 pada rasio data 80:20. Variabel yang memiliki nilai importance paling tinggi yaitu variabel hama dan penyakit.
Visualisasi Serta Efektifitas Colour Clustering dengan K-Means dan Bee Algorithm Siregar, Ginda Maruli Andi; Novianda, Novianda
Journal of Computer and Information System ( J-CIS ) Vol 8 No 1 (2025): J-CIS Vol. 8 No. 1 Tahun 2025
Publisher : Universitas Sulawesi Barat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31605/jcis.v8i1.5040

Abstract

Klasterisasi citra digital merupakan dasar utama dalam analisis citra dan pengenalan pola yang dimungkinkan dalam proses segmentasi objek dalam gambar secara otomatis berdasarkan kemiripan warna, tekstur, atau intensitas. Klasterisasi umumnya dilakukan dengan algoritma K-Means karena kemampuannya yang sederhana dan efisien dalam mengelompokkan data, namun memiliki kelemahan seperti ketergantungan pada inisialisasi awal dan mudah terjebak pada solusi lokal, sedangkan Bee Algorithm menawarkan pendekatan optimasi yang lebih adaptif dan eksploratif sehingga dapat menghasilkan hasil klaster yang lebih optimal. Penelitian ini bertujuan untuk membandingkan kinerja algoritma K-Means dan Bee Algorithm (BA) dalam proses klasterisasi warna pada citra digital. Evaluasi dilakukan berdasarkan dua indikator utama, yaitu total jarak antar piksel ke pusat klaster dan sebaran kuantitas warna pada masing-masing klaster. Hasil eksperimen menunjukkan bahwa BA menghasilkan nilai jarak total yang lebih kecil dibandingkan K-Means pada semua jumlah klaster yang diuji. Nilai jarak yang lebih kecil menunjukkan bahwa BA mampu menemukan pusat klaster yang lebih optimal. Selain itu, distribusi kuantitas warna pada klaster hasil BA tampak lebih seimbang dibandingkan K-Means. Hal ini menunjukkan bahwa BA dapat memisahkan warna-warna dominan dengan lebih akurat. Berdasarkan hasil analisis dari gambar segmentasi dengan 2, 4, 8, dan 16 kluster, terlihat bahwa metode Bee Algorithm (BA) secara konsisten menghasilkan segmentasi warna yang lebih halus dan mendekati tampilan asli objek dibandingkan dengan metode K-Means. Dengan peningkatan jumlah kluster, kedua metode memang mengalami peningkatan kualitas visual, namun BA lebih unggul dalam mempertahankan detail halus seperti tekstur bulu dan gradasi warna alami. Sementara itu, K-Means cenderung menghasilkan pembagian warna yang lebih kaku dan berbentuk blok, yang mengurangi kealamian visual terutama pada jumlah kluster yang rendah.
Identifikasi Status Stunting menggunakan Metode Klasifikasi Pemrosesan Citra: Systematic Literature Review Putri, Mindi Richia; Putra, Ahmad Fatoni Dwi; Asmaul Husna; Arsan Kumala Jaya; Muhammad Ari Rifqi
Journal of Computer and Information System ( J-CIS ) Vol 8 No 1 (2025): J-CIS Vol. 8 No. 1 Tahun 2025
Publisher : Universitas Sulawesi Barat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31605/jcis.v8i1.5061

Abstract

Stunting adalah masalah kesehatan yang signifikan di Indonesia yang memengaruhi pertumbuhan fisik, perkembangan kognitif, dan kualitas sumber daya manusia di masa depan. Laporan dari Organisasi Kesehatan Dunia (WHO) menyatakan bahwa prevalensi stunting di Indonesia mencapai 21,6% pada tahun 2022. Untuk mengklasifikasikan stunting, metode konvensional seperti pengukuran antropometri manusal masih digunakan, tetapi memiliki keterbatasan seperti bergantung pada tenaga medis, memiliki kemungkinan kesalahan, dan sulit diakses di daerah terpencil. Tujuan dari penelitian ini adalah untuk mengevaluasi teknologi dan pemrosesan citra sebagai alternatif untuk metode deteksi stunting yang lebih akurat dan efektif. Hasil penelitian menunjukkan bahwa teknologi dan algoritma seperti MediaPipe Pose memiliki akurasi 98,48%, Deep Neural Nets (DNN) 93,83%, dan Support Vector Machine (SVM) 91,1%. Algortima CNN lebih efektif dalam menganalisis gambar secara otomatis terutama untuk dataset besa dan algortima SVM efektif untuk dataset kecil-menengah dengan dukungan ekstraksi fitur. Peneliti merekomendasikan untuk menggabungkan kedua metode ini untuk membuat sistem deteksi stunting yang lebih cepat, akurat, dan efisien. Temuan ini diharapkan dapat berfungsi sebagai titik acuan penting dalam proses pengembangan inovasi di bidang kesehatan anak di Indonesia.
Perancangan Prototype Smart Monitoring System Tingkat Kekeringan Kakao Berbasis Internet of Things (IoT) Rusman, Ismaun; Muzaki, Muzaki
Journal of Computer and Information System ( J-CIS ) Vol 8 No 1 (2025): J-CIS Vol. 8 No. 1 Tahun 2025
Publisher : Universitas Sulawesi Barat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31605/jcis.v8i1.5140

Abstract

Konsep dasar manajemen proses pengeringan biji kakao khususnya pada kelompok tani di kabupaten majene, setelah diteliti sampai saat ini masih dilakukan secara manual, mulai dari proses penjemuran dibawah terik matahari, hingga pengecekan terhadap kering tidaknya biji kakao yang dijemur tersebut. Penelitian ini bermaksud untuk lebih memudahkan petani dalam proses pengontrolan pengeringan biji kakao. Penelitian ini memberikan kemudahan dalam proses monitoring pengeringan biji kakao itu sendiri baik dalam keadaan bepergian. Dengan menciptakan rumah cerdas yang otomatis dapat membuka/menutup atap dengan memanfaatkan sensor ldr, dht11 dan load cell. sistem ini menggunakan ambang batas/threshold dalam pengambilan keputusan, serta monitoring jarak jauh berbasis IoT. Dengan alat ini proses pengeringan biji kakao menjadi lebih efisien karena petani kakao tidak khawatir lagi memikirkan jemuran biji kakao saat berpergian karena adanya sistem IoT didalamnya. Informasi secara realtime juga disampaikan ke aplikasi Blynk yang mencakup suhu kelembaban, berat, serta intensitas cahaya yang didapatkan. Kemudian ketika didapatkan data biji kakao telah kering dengan kelembaban 65%, proses pengeringan dapat dihentikan dengan memanfaatkan button On/Off pada aplikasi
Perbandingan Fungsi Aktivasi Terhadap Kinerja Algoritma Neural Network Pada Klasifikasi Data Diabetes cirua, asnan; cindi; Sugiarto Cokrowibowo
Journal of Computer and Information System ( J-CIS ) Vol 8 No 1 (2025): J-CIS Vol. 8 No. 1 Tahun 2025
Publisher : Universitas Sulawesi Barat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31605/jcis.v8i1.5211

Abstract

Penelitian ini menggunakan algoritma https://www.adenomyosisadviceassociation.org/hysterectomy backpropagation dengan membandingkan tiga fungsi aktivasi Sigmoid biner, Sigmoid bipolar, dan Tanh dalam mengklasifikasikan Data Diabetes. Dataset terdiri dari 70.692 data dengan 18 atribut, dengan 17 atribut sebagai input dan 1 atribut (Diabetes) sebagai target klasifikasi. Algoritma ini mampu melakukan klasifikasi pada kasus diabetes berdasarkan pengujian kinerja yang dilakukan dengan hasil perbandingan akurasi dengan rasio data terbaik pada 90:10 dengan tiga jenis fungsi aktivasi. sigmoid biner dengan arsitektur 17-5-1 didapatkan akurasi sebesar 76,22% dengan precision sebesar 83,07% untuk kelas 0 dan 71,63% untuk kelas 1, recall didapatkan hasil sebesar 66, 23% untuk kelas 0, untuk fungsi aktivasi sigmoid bipolar dengan arsitektur 17-15-1 didapatkan hasil akurasi sebesar 76,02% dengan precision kelas 0 dan 1 sebesar 80,97% dan 72,42% dan recall untuk kelas 0 dan 1 berturut-turut sebesar 68,08% dan 83,97%, sedangkan untuk akurasi dengan fungsi aktivasi TanH dengan arsitektur 17-15-1 didapatkan hasil sebesar 76,02% dengan presisi sebesar 80,97% untuk kelas 0 dan 72,42% untuk kelas 1 dengan nilai recall sebesar 68,08% untuk kelas 0 dan 83,97%. Berdasarkan hasil akurasi tersebut maka disimpulkan fungsi aktivasi sigmoid biner memberikan nilai akurasi terbaik pada dataset diabetes
Klasifikasi Kesehatan Rambut Menggunakan Algoritma Artificial Neural Network Ahmad Thamrin Dahri; Sugiarto Cokrowibowo; A. Amirul Asnan Cirua
Journal of Computer and Information System ( J-CIS ) Vol 8 No 1 (2025): J-CIS Vol. 8 No. 1 Tahun 2025
Publisher : Universitas Sulawesi Barat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31605/jcis.v8i1.5244

Abstract

Dalam penelitian ini menggunakan metode Artificial Neural Network (ANN) dengan algoritma backpropagation untuk mengklasifikasi kesehatan rambut yang berisi faktor- faktor yang menyebabkan rambut rontok yang berkontribusi terhadap kebotakan. Data yang digunakan untuk pengujian ini terdiri dari 999 data dengan 13 atribut. Berdasarkan atribut-atribut tersebut 12 dijadikan Input dan 1 atribut (Hair Loss) akan dijadikan target dalam klasifikasi. Hasil klasifikasi kesehatan rambut menggunakan Backpropagation dengan Confusion matrix menghasilkan akurasi tertinggi yaitu 63.81%, dengan presisi untuk kelas 0 (No Hair Fall) yaitu 51.68%, presisi 1 (Hair Fall) yaitu 73.63%, dengan recall kelas 0 (No Hair Fall) yaitu 61.33%, dan recall kelas 1 (Hair Fall) yaitu 65.32% pada rasio data 80:20, dengan hyperparameter Learning Rate 0.001, neuron hidden 10 dan max epoch 2000 dengan arsitektur 12-10-1.
Deteksi Realtime Notification Pada Sistem Deteksi Kebakaran Berbasis Internet of Things Wawan Firgiawan; Rustan, Fahmi; Purnama
Journal of Computer and Information System ( J-CIS ) Vol 7 No 2 (2024): J-CIS Vol. 7 No. 2 Tahun 2024
Publisher : Universitas Sulawesi Barat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31605/jcis.v7i2.3825

Abstract

Kebakaran adalah bencana yang dapat menyebabkan kerugian besar, baik material maupun korban jiwa. Untuk meningkatkan respons dan kesadaran terhadap kebakaran, dikembangkan sistem deteksi kebakaran berbasis Internet of Things (IoT) yang terintegrasi dengan platform Telegram sebagai sarana notifikasi. Sistem ini menggunakan NodeMCU sebagai platform utama, dilengkapi dengan sensor api dan sensor MQ-2 untuk mendeteksi keberadaan api dan gas berbahaya. Metode pengembangan yang digunakan adalah blackbox testing, yang menguji fungsi tanpa memperhatikan struktur internal sistem. Data dari sensor diproses oleh NodeMCU dan diteruskan ke buzzer untuk peringatan suara serta dikirimkan ke aplikasi Telegram untuk notifikasi real-time. Hasil pengujian menunjukkan sistem ini efektif dalam memberikan notifikasi dengan respons cepat dan informasi lokasi yang akurat, sehingga dapat meningkatkan kesiapsiagaan dan tindakan cepat dalam menghadapi kebakaran.
Rancang Bangun Prototype Palm Oil Level Control Untuk Penyimpanan Tangki Pabrik Berbasis Android Rusman, Ismaun; Mansyur, Muh Fuad; Rasyid, Muh Rafli; sombolola, dewi
Journal of Computer and Information System ( J-CIS ) Vol 7 No 2 (2024): J-CIS Vol. 7 No. 2 Tahun 2024
Publisher : Universitas Sulawesi Barat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31605/jcis.v7i2.4258

Abstract

Penelitian ini bertujuan mengembangkan sistem monitoring berbasis Internet of Things (IoT) untuk meningkatkan efisiensi pengelolaan minyak kelapa sawit. Sistem yang dirancang menggunakan beberapa sensor: sensor ultrasonik untuk mengukur tinggi minyak dalam penampungan, sensor load cell untuk mengukur berat tangki penyimpanan, dan sensor DHT11 untuk memantau suhu dan kelembapan dalam tangki minyak. Data dari sensor-sensor ini dikirim melalui jaringan WiFi dengan bantuan mikrokontroler NodeMCU. Pengguna dapat mengakses informasi ini secara real-time melalui Firebase Realtime Database, yang memberikan notifikasi mengenai kondisi penampungan minyak kelapa sawit. Metode birutoto penelitian yang diterapkan adalah model pengembangan waterfall, sementara pengujian sistem dilakukan menggunakan metode black box untuk memastikan semua fungsi berjalan sesuai harapan. Hasil pengujian menunjukkan bahwa semua sensor berfungsi secara optimal, dengan tingkat akurasi yang tinggi dan rata-rata error sebesar 1,5%. Dengan demikian, sistem ini memiliki potensi besar dalam mendukung industri pabrik kelapa sawit untuk memantau tangki penyimpanan secara efisien, sekaligus menjaga kualitas minyak yang dihasilkan. Implementasi sistem ini diharapkan dapat berkontribusi positif terhadap produktivitas dan keberlanjutan industri kelapa sawit di masa depan
Implementasi Algoritma Apriori Untuk Analisis Data Penjualan (Studi Kasus: Alfamart Campalagian Polewali Mandar) Rahman, Aulia; Sari, Dian Megah; Nurhikmah
Journal of Computer and Information System ( J-CIS ) Vol 7 No 2 (2024): J-CIS Vol. 7 No. 2 Tahun 2024
Publisher : Universitas Sulawesi Barat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31605/jcis.v7i2.4293

Abstract

Banyaknya persaingan dalam dunia bisnis khususnya pada usaha minimarket, menuntut para pengembang untuk menemukan suatu strategi yang dapat meningkatkan pemesanan produk pada perusahaannya. Setiap perusahaan harus mampu bersaing dan memikirkan bagaimana mereka dapat terus tumbuh dan mengembangkan usaha tersebut. Salah satu cara yang dapat dilakukan yaitu dengan menggunakan data transaksi penjualan yang dimiliki perusahaan. Penelitian ini dilakukan pada minimarket Alfamart Campalagian Polewali Mandar. Penelitian ini bertujuan untuk mengetahui hasil implementasi algoritma apriori untuk analisis data penjualan, peneliti akan melakukan analisis pada data penjualan Alfamart Campalagian Polewali Mandar menggunakan metode pengolahan data yaitu Algoritma Apriori. Pengolahan data dilakukan dengan dua cara yaitu secara manual dengan bantuan Microsoft Excel dan dengan bahasa pemrograman Python menggunakan Tools Jupyter Notebook. Dalam penelitian ini data yang digunakan yaitu 200 data transaksi dengan 15 jenis item barang yang meliputi makanan dan minuman. Dari hasil penelitian yang dilakukan dengan menerapkan nilai minimum support 10% dan minimum confidence 50% ditemukan pola transaksi pembelian sebanyak 3 aturan asosiasi yaitu Jika membeli Cimory maka membeli Aqua Air dengan nilai support 13%, nilai confidence 53,06% dengan lift ratio 1,07, Jika membeli Kanzler maka membeli Aqua Air dengan nilai support 12%, nilai confidence 57,14% dengan lift ratio 1,15 dan Jika membeli You C1000 maka membeli Aqua Air dengan nilai support 15%, nilai confidence 60% dengan lift ratio 1,21.
Sistem Pendukung Keputusan Penentuan Lokasi Tempat Pembuangan Sampah Menggunakan Metode Visekriterijumsko Kompromisno Rangiranje (Vikor) hamrul, heliawaty; Ismail; Purnawati
Journal of Computer and Information System ( J-CIS ) Vol 7 No 2 (2024): J-CIS Vol. 7 No. 2 Tahun 2024
Publisher : Universitas Sulawesi Barat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31605/jcis.v7i2.4302

Abstract

Penelitian ini bertujuan mengimplementasikan algoritma Visekriterijumsko Kompromisno Rangiranje dalam menentukan lokasi TPS sampah. Sistem yang dibuat berupa sistem pendukung keputusan. Terdapat 5 lokasi yang dijadikan sebagai alternatif dan 8 kriteria yaitu status kepemilikan lahan, kapasitas lahan, partisipasi masyarakat, bahaya banjir, jalan menuju lokasi, jarak lahan ke jalan raya, jalan masuk, dan luas lahan. Teknik pengujian yang digunakan dalam penelitian ini adalah pengujian Black Box dan White Box. Berdasarkan hasil perangkingan Dusun Bone-bone (A1) memiliki nilai indeks 0,321, Dusun Orobatu (A2) dengan nilai indeks 0,857, Dusun Tampouhai (A3) dengan nilai indeks 0,000, Dusun Bulomalala (A4) dengan nilai indeks 0,500 dan Dusun Tampomea (A5) dengan nilai indeks 1,000. Dari hasil perangkingan tersebut, Dusun Tampouhai (A3) dengan nilai indeks Vikor(Q) paling terendah yaitu 0,000 yang menandakan bahwa lokasi ini adalah yang paling dekat dengan solusi ideal menurut kriteria yang dievaluasi. Dengan demikian Dusun Tampouhai dianggap sebagai pilihan terbaik atau paling optimal diantara semua alternatif yang ada.

Page 7 of 8 | Total Record : 80

 4   5   6   7   8 

Filter by Year

2018 2025


Reset
Filter By Issues
All Issue Vol 8 No 2 (2025): J-CIS Vol. 8 No. 2 Tahun 2025 Vol 8 No 1 (2025): J-CIS Vol. 8 No. 1 Tahun 2025 Vol 7 No 2 (2024): J-CIS Vol. 7 No. 2 Tahun 2024 Vol 7 No 1 (2024): J-CIS Vol. 7 No. 1 Tahun 2024 Vol 6 No 2 (2023): J-CIS Vol 6 No. 2 Tahun 2023 Vol 6 No 1 (2023): J-CIS Vol 6 No. 1 Tahun 2023 Vol 5 No 2 (2022): J-CIS Vol 5 No. 2 Tahun 2022 Vol 5 No 1 (2022): J-CIS Vol 5 No. 1 Tahun 2022 Vol 4 No 2 (2021): J-CIS Vol 4 No. 2 Tahun 2021 Vol 4 No 1 (2021): J-CIS Volume 4 Issue 1 2021 Vol 3 No 2 (2020): J-CIS Volume 3 No. 2 2020 Vol 3 No 1 (2020): J-CIS Volume 3 Issue 1 2020 Vol 1 No 1 (2018): Journal of Computer and Information System (J-CIS) More Issue