cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Ragil Wijianto Adhi
Contact Email
ragil.rgw@bsi.ac.id
Phone
+6285707080824
Journal Mail Official
jurnal.ijec@bsi.ac.id
Editorial Address
Jl. Kramat Raya No.98 Senen, Jakarta Pusat
Location
Kota adm. jakarta barat,
Dki jakarta
INDONESIA
Informatics and Computer Engineering Journal
Published by Universitas Bina Sarana Informatika
ISSN : -     EISSN : 27986845     DOI : https://doi.org/10.31294/icej
Core Subject : Science,
Computer Science & IT
Informatics and Computer Engineering Journal adalah jurnal yang diterbitkan oleh Program Studi Teknologi Komputer Universitas Bina Sarana Informatika Kampus Banyumas. Informatics and Computer Engineering Journal terbit 2 kali setahun (Februari dan Agustus) dalam bentuk elektronik. Redaksi menerima sumbangan naskah berupa artikel, hasil penelitian atau karya ilmiah yang belum pernah dipublikasikan secara online, atau versi cetak sebelumnya ke media lain. Jurnal ini berisi naskah artikel ilmiah dan penelitian yang mencakup bidang: Information System Networking, Aplication Mobile Software Engineering Web Programming Mobile Computing Aplikasi Sains
Arjuna Subject : Ilmu Komputer (semua kategori) - Aplikasi Ilmu Komputer
Articles 158 Documents
 12   13   14   15   16 
Pengaruh Kualitas Layanan Aplikasi MyMRTJ Terhadap Kepuasan Pengguna Menggunakan Metode Servqual Handrianto, Yopi; Zirohim, Tanzil
Informatics and Computer Engineering Journal Vol 6 No 1 (2026): Periode Februari 2026
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat (LPPM) Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/icej.v6i1.10140

Abstract

PT MRT Jakarta merupakan BUMD yang berdiri pada 17 Juni 2008 dan mulai mengoperasikan layanan MRT sejak 2019 sebagai solusi transportasi massal di Jakarta. Untuk mendukung transformasi digital, PT MRT Jakarta meluncurkan aplikasi MyMRTJ pada April 2019 yang menyediakan layanan informasi jadwal, pembelian tiket digital, dan fitur hiburan. Penelitian ini bertujuan untuk menganalisis pengaruh kualitas layanan aplikasi MyMRTJ terhadap kepuasan pengguna dengan metode SERVQUAL, yang mencakup lima dimensi: Tangibles, Reliability, Responsiveness, Assurance, dan Empathy. Penelitian menggunakan pendekatan kuantitatif melalui penyebaran kuesioner kepada 100 responden pengguna aktif aplikasi. Data dianalisis menggunakan uji validitas, reliabilitas, regresi linear berganda, serta uji T dan F dengan bantuan SPSS. Hasil penelitian menunjukkan bahwa secara simultan kelima dimensi SERVQUAL berpengaruh signifikan terhadap kepuasan pengguna (uji F signifikan). Secara parsial, dimensi Responsiveness dan Assurance berpengaruh signifikan, sedangkan dimensi lainnya tidak berpengaruh signifikan. Hipotesis alternatif (H₁) diterima dan hipotesis nol (H₀) ditolak, yang berarti terdapat pengaruh signifikan antara kualitas layanan MyMRTJ dan kepuasan pengguna.  
Prediksi Risiko Kesehatan Bayi Berbasis Parameter Tumbuh Kembang dengan Menggunakan Gradient Boosting Hulu, Astatia; Aimar, Juan Sebastian; Nabilah, Firyal Aufa; Rakhmah, Syifa Nur; Sariasih, Findi Ayu; Sutoyo, Imam
Informatics and Computer Engineering Journal Vol 6 No 1 (2026): Periode Februari 2026
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat (LPPM) Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/icej.v6i1.11066

Abstract

Kesehatan bayi merupakan indikator penting kualitas generasi masa depan, namun deteksi dini risiko kesehatan sering terkendala keterbatasan tenaga medis dan sistem pemantauan efektif. Penelitian ini mengembangkan sistem prediksi risiko kesehatan bayi berusia 0-30 hari menggunakan algoritma Gradient Boosting berdasarkan parameter tumbuh kembang. Metode pengembangan sistem menggunakan Agile Scrum dengan dataset "Infant Wellness and Risk Evaluation" yang melalui tahap pra-pemrosesan data dan feature engineering. Hasil evaluasi menunjukkan model mencapai akurasi 94%, recall 84% untuk kelas berisiko, dan precision 71%. Analisis feature importance mengidentifikasi age_days, oxygen_saturation, dan heart_rate_zscore sebagai fitur paling berpengaruh. Sistem prediksi berbasis web yang dihasilkan ini nantinya diharapkan dapat menjadi alat bantu yang efektif bagi tenaga medis. Infant health is an important indicator of future generation quality, but early detection of health risks is often constrained by limitations of medical personnel and effective monitoring systems. This research develops a health risk prediction system for infants aged 0-30 days using Gradient Boosting algorithm based on growth and development parameters. The system development method uses Agile Scrum with "Infant Wellness and Risk Evaluation" dataset through data preprocessing and feature engineering stages. Evaluation results show the model achieves 94% accuracy, 84% recall for at-risk class, and 71% precision. Feature importance analysis identifies age_days, oxygen_saturation, and heart_rate_zscore as the most influential features. The resulting web-based system has potential as an effective assistance tool for medical personnel.  
Komparasi Naïve Bayes dan Random Forest untuk Prediksi Tingkat Stres Berdasarkan Pola Penggunaan Medsos Saifudin; sunanto; Fadlillah, Nuzul Imam
Informatics and Computer Engineering Journal Vol 6 No 1 (2026): Periode Februari 2026
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat (LPPM) Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/icej.v6i1.11225

Abstract

Tingkat stres yang terkait dengan penggunaan media sosial (Medsos) menjadi perhatian utama dalam kesehatan mental digital. Penelitian ini bertujuan untuk membandingkan kinerja dua algoritma machine learning yang populer, yaitu Naïve Bayes dan Random Forest, dalam memprediksi tingkat stres pengguna media sosial (medsos). Data yang digunakan terdiri dari 500 sampel dengan variabel seperti usia, jenis kelamin, durasi penggunaan ponsel, kualitas tidur, dan platform media sosial yang digunakan. Kedua model dievaluasi menggunakan metrik Akurasi, Presisi, Recall, dan F1-Score. Hasil penelitian menunjukkan bahwa algoritma Naïve Bayes secara konsisten mengungguli Random Forest pada semua metrik evaluasi, dengan akurasi mencapai 92%, dibandingkan dengan akurasi 88% untuk Random Forest.
ANALISIS KEPUASAN PENGGUNA APLIKASI SPOTIFY MENGGUNAKAN METODE PENGUKURAN KINERJA END-USER COMPUTING SATISFACTION (EUCS) Mooduto, Citra Fratiwi; Hasan, Muhammad Zulfikar Pratama; Mantau, Raya Rizali Mutawakkil; Ferdi, La Ode; Katili, Muhammad Rifai
Informatics and Computer Engineering Journal Vol 6 No 1 (2026): Periode Februari 2026
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat (LPPM) Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/icej.v6i1.11495

Abstract

Penelitian ini bertujuan menganalisis tingkat kepuasan pengguna Aplikasi Spotify menggunakan kerangka End-User Computing Satisfaction (EUCS). Metode survei kuantitatif diterapkan dengan melibatkan pengguna Spotify umum. Model EUCS diuji melalui lima dimensi: Content, Accuracy, Format, Ease of Use, dan Timeliness. Hasil analisis struktural (PLS-SEM) menunjukkan bahwa seluruh dimensi tersebut secara simultan berpengaruh positif dan signifikan terhadap Kepuasan Pengguna, dengan Koefisien Determinasi (R²) sangat kuat sebesar 0.955. Secara parsial, semua dimensi juga terbukti signifikan. Temuan utama menunjukkan bahwa Timeliness merupakan prediktor paling dominan, menekankan pentingnya kecepatan loading, respon sistem, dan minimnya buffering dalam pengalaman streaming. Implikasi penelitian merekomendasikan pengembang Spotify untuk memprioritaskan peningkatan infrastruktur demi layanan real-time yang cepat, serta tetap menjaga akurasi rekomendasi dan kemudahan navigasi.
Implementasi Prediksi Stok Barang Menggunakan Algoritma Support Vector Regression (SVR) pada Marketplace UMKM Berbasis Microservices Sunaryo, Gregorius Christian; Rafi Nazhmi Nugraha; Muhammad Shandy Winata; Muhammad Rafi Zamzami; Maryam Silva Rahayu; Rahma Dina Ariyanti; Nidda Adzkya Nurfitria
Informatics and Computer Engineering Journal Vol 6 No 1 (2026): Periode Februari 2026
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat (LPPM) Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/icej.v6i1.11508

Abstract

Penelitian ini menangani tantangan kritis manajemen inventaris pada Usaha Mikro, Kecil, dan Menengah (UMKM) dengan mengimplementasikan modul prediksi stok menggunakan algoritma Support Vector Regression (SVR) dalam arsitektur Microservices. Menggunakan kerangka kerja CRISP-DM, penelitian ini memproses data historis penjualan melalui rekayasa fitur sliding window dan transformasi logaritma untuk menangani pola permintaan non-linear. Sistem dirancang dengan memisahkan fungsi operasional berbasis Node.js dan mesin komputasi AI berbasis Python. Pemisahan ini bertujuan untuk meningkatkan skalabilitas dan performa aplikasi. Hasil evaluasi menunjukkan bahwa model SVR dengan kernel Radial Basis Function (RBF) mencapai Root Mean Square Error (RMSE) sebesar 3.57 dan koefisien determinasi ($R^2$) sebesar 0.64, membuktikan kemampuannya dalam memberikan rekomendasi stok yang akurat dan berbasis data. Solusi yang diusulkan mampu memitigasi risiko overstock dan stockout serta mendorong perubahan manajemen inventaris dari proses manual yang bersifat reaktif menuju sistem otomatis yang lebih proaktif., serta meningkatkan efisiensi operasional dan keberlanjutan finansial bagi UMKM.
Analisis Pengelompokan  kabupatan/kota di Provinsi Sumatera Utara berdasarkan Penyakit Menular Menggunakan Algoritma K-Means suriaty padang, suriaty; Setiani Hulu; Sipayung, Sardo Parningotan
Informatics and Computer Engineering Journal Vol 6 No 1 (2026): Periode Februari 2026
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat (LPPM) Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/icej.v6i1.11779

Abstract

Infectious diseases remain a major public health problem in North Sumatra Province. The uneven distribution of infectious diseases across districts and cities has resulted in suboptimal disease control efforts that are often not well targeted. Several infectious diseases that still require special attention include tuberculosis, leprosy, malaria, and dengue fever. Variations in disease incidence among regions indicate the need for an analytical method capable of describing disease distribution patterns in a structured manner to support regional-based health policy prioritization. This study applies a data mining approach using clustering methods with the K-Means algorithm to group districts and cities in North Sumatra Province based on infectious disease characteristics. The data used include indicators of tuberculosis case detection, tuberculosis treatment success rates, the number of leprosy cases, malaria morbidity rates, and dengue fever morbidity rates. The study area covers Tapanuli Tengah, Toba Samosir, Labuhanbatu, Simalungun, Dairi, Karo, Deli Serdang, Langkat, Nias Selatan, Pakpak Bharat, Serdang Bedagai, Batu Bara, Padang Lawas, and Labuhanbatu Utara. The research stages consist of data preprocessing, determining the number of clusters, distance calculation using Euclidean Distance, and iterative processes until stable clustering results are obtained. The results show that districts and cities in North Sumatra Province can be grouped into three clusters, namely regions with high, medium, and low levels of infectious diseases. This clustering is expected to support decision-making in determining priority areas for infectious disease control by local governments
Pemodelan Tren Pendapatan Game Gacha Menggunakan Regresi Linier Tambunan, Yosua; Yudi Yohannes; Sipayung, Sardo
Informatics and Computer Engineering Journal Vol 6 No 1 (2026): Periode Februari 2026
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat (LPPM) Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/icej.v6i1.11840

Abstract

The rapid growth of the digital gaming industry, particularly games with gacha monetization systems, has resulted in highly fluctuating revenue patterns over time. Game revenue does not always follow a linear trend, as it is influenced by various factors such as in-game events, content updates, and player behavior. This study aims to analyze the effect of time variables (months) on the revenue of three popular gacha games, namely Genshin Impact, Honkai: Star Rail, and Zenless Zone Zero. This research employs a quantitative approach using simple linear regression analysis. The data used in this study are secondary data in the form of monthly revenue collected from AppMagic, covering the period from January to December 2025. The results indicate that all three games have negative regression coefficients, suggesting a declining revenue trend over time. However, the coefficient of determination values are relatively low, indicating that the time variable has a very limited ability to explain revenue variation. These findings suggest that gacha game revenue is not significantly influenced by time alone but is driven by other non-linear factors. Therefore, simple linear regression can only provide a general trend and is insufficient to fully describe the dynamics of gacha game revenue.
Perbandingan Metode K-Means dan Hierarchical Clustering pada Rekomendasi Musik Berbasis Audio Spotify Features Sistem Sinulingga, Samuel Mahesa; Farrel Reyhan Putra; Andhika Dwi Rachmawanto; Michael Jeconiah Yonathan; Valentino Wijaya; Vitri Tundjungsari
Informatics and Computer Engineering Journal Vol 6 No 1 (2026): Periode Februari 2026
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat (LPPM) Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/icej.v6i1.11895

Abstract

Penelitian ini membandingkan metode K-Means dan Hierarchical Clustering dalam sistem rekomendasi musik berbasis audio features Spotify. Dataset yang digunakan berasal dari Spotify Tracks Dataset yang terdiri dari sekitar 114.000 lagu, kemudian melalui tahap pra-pemrosesan diperoleh sekitar 81.000 lagu valid. Untuk efisiensi komputasi, digunakan 5.000 lagu sebagai data eksperimen. Clustering dilakukan menggunakan 6 cluster dengan sembilan atribut audio. Evaluasi menggunakan Silhouette Score dan Davies–Bouldin Index menunjukkan bahwa K-Means memperoleh nilai Silhouette Score 0,1900 dan Davies–Bouldin Index 1,4445, sedangkan Hierarchical Clustering memperoleh nilai Silhouette Score 0,1782 dan Davies–Bouldin Index 1,4522. Hasil ini menunjukkan bahwa K-Means menghasilkan cluster yang lebih kompak. Sistem rekomendasi yang dibangun mampu memberikan rekomendasi lagu yang relevan berdasarkan kemiripan karakteristik audio.

Page 16 of 16 | Total Record : 158

 12   13   14   15   16 

Filter by Year

2021 2026


Reset
Filter By Issues
All Issue Vol 6 No 1 (2026): Periode Februari 2026 Vol 5 No 2 (2025): Periode Agustus 2025 Vol 5 No 1 (2025): Periode Februari 2025 Vol 4 No 2 (2024): Periode Agustus 2024 Vol 4 No 1 (2024): Periode Februari 2024 Vol 3 No 2 (2023): Periode Agustus 2023 Vol 3 No 1 (2023): Periode Februari 2023 Vol 2 No 2 (2022): Periode Agustus 2022 Vol 2 No 1 (2022): Periode Agustus 2022 Vol 1 No 2 (2021): Periode Agustus 2021 Vol 1 No 1 (2021): Periode Februari 2021 More Issue