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 167 Documents
 13   14   15   16   17 
Analisis Perbandingan Algoritma Semi-Supervised Learning dalam Klasifikasi Adiksi Smartphone dengan Keterbatasan Data Terlabel Triadi Widianto; Nani Purwati; Hidayat Muhammad Nur; Ahmad Syukron; Sardiarinto; Eko Saputro
Informatics and Computer Engineering Journal Vol 6 No 2 (2026): Periode Juli 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.v6i2.12939

Abstract

Penelitian ini menganalisis perbandingan kinerja algoritma Semi-Supervised Learning (SSL), Support Vector Machine (SVM), dan Neural Network dalam klasifikasi adiksi smartphone pada kondisi keterbata- san data terlabel. Dataset yang digunakan berjumlah 7.500 sampel dengan 15 variabel perilaku digital dan gaya hidup. Skenario eksperimen disusun secara realistis dengan hanya menggunakan 2% data latih berlabel dan 98% data tidak berlabel untuk merepresentasikan fenomena label scarcity. Hasil pengujian menunjukkan bahwa SSL mencapai performa terbaik dengan akurasi sebesar 88,09%, melampaui SVM (86,13%) dan Neural Network (85,96%). Analisis confusion matrix mengonfirmasi bahwa SSL mem- berikan prediksi yang lebih seimbang antarkelas serta mampu menurunkan kesalahan prediksi kritis dibanding model supervised murni. Meskipun demikian, terdapat trade-off di mana SSL membutuhkan biaya komputasi yang jauh lebih tinggi, dengan waktu pelatihan mencapai 21,76 detik berbanding SVM yang hanya 0,006 detik. Temuan ini menegaskan bahwa pemanfaatan data tidak berlabel melalui mekanisme pseudo-labeling merupakan strategi efektif untuk meningkatkan kualitas deteksi dini adiksi smartphone ketika proses pelabelan data oleh ahli bersifat mahal dan terbatas.
ANALISIS PERUBAHAN TUTUPAN LAHAN KOTA JAMBI BERBASIS KLASIFIKASI NDVI DAN EKSTRAKSI POLA SPEKTRAL MENGGUNAKAN DECISION TREE PADA CITRA LANDSAT 8 Ayu Friska Purba; Daniel Arsa; Nindy Raisa Hanum
Informatics and Computer Engineering Journal Vol 6 No 2 (2026): Periode Juli 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.v6i2.12969

Abstract

-Kota Jambi sebagai wilayah dengan pertumbuhan penduduk dan pembangunan yang pesat mengalami tekanan terhadap tutupan lahan. Penelitian ini menganalisis perubahan tutupan lahan di Kota Jambi selama periode 2016–2025 menggunakan citra satelit Landsat 8 OLI/TIRS, indeks vegetasi Normalized Difference Vegetation Index (NDVI), dan algoritma Decision Tree. Data citra diperoleh melalui platform Google Earth Engine (GEE) dengan tahapan pra-pemrosesan meliputi cloud masking menggunakan band QA_PIXEL, koreksi reflektansi, dan penyusunan komposit tahunan menggunakan metode median composite. Nilai NDVI dihitung di QGIS menggunakan formula (Band 5 − Band 4) / (Band 5 + Band 4), kemudian diklasifikasikan berdasarkan threshold NDVI menjadi enam kelas tutupan lahan, yaitu badan air, lahan terbuka, rumput, pertanian/taman, semak belukar, dan hutan lebat. Hasil klasifikasi NDVI tersebut digunakan sebagai label target untuk melatih model Decision Tree, sedangkan tujuh band spektral Landsat 8 digunakan sebagai fitur input dengan pembagian data temporal split 70:30. Model Decision Tree selanjutnya digunakan untuk mengekstraksi feature importance dan decision rules sebagai representasi karakteristik spektral setiap kelas tutupan lahan. Hasil evaluasi menunjukkan Overall Accuracy sebesar 89,61%, Kappa Coefficient sebesar 0,85457, dan weighted F1-Score sebesar 0,89. Hasil ekstraksi feature importance menunjukkan bahwa Band 4 (Red) dan Band 5 (Near Infrared), sebagai band penyusun NDVI, merupakan fitur spektral yang paling relevan dalam membedakan kelas tutupan lahan. Analisis perubahan menunjukkan bahwa luas hutan lebat menurun sebesar 1.393,92 ha (−16,1%), sedangkan pertanian/taman meningkat sebesar 721,53 ha (+19,2%). Hasil penelitian mengindikasikan adanya tekanan terhadap vegetasi Kota Jambi akibat perkembangan wilayah
Implementasi Liveness Face Recognition dan Fake GPS Detection pada Sistem Presensi Pegawai Berbasis Web Naufal Septrio Akbar; Edi Saputra; Willy Bima Alfajri
Informatics and Computer Engineering Journal Vol 6 No 2 (2026): Periode Juli 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.v6i2.13131

Abstract

Pengelolaan kehadiran pegawai kontrak di Bandar Udara Sultan Thaha Jambi masih bergantung pada mesin fingerprint terpusat dan rekapitulasi manual, yang menimbulkan ketidakefisienan waktu, risiko kesalahan manusia, serta minimnya transparansi. Meskipun sistem presensi berbasis web mulai diadopsi di beberapa instansi, celah keamanan seperti serangan foto statis (photo replay) dan pemalsuan lokasi (GPS spoofing) masih rentan terjadi. Penelitian ini mengusulkan pengembangan sistem informasi manajemen penjadwalan dan kehadiran berbasis web yang mengimplementasikan mekanisme validasi berlapis, yaitu Liveness Face Recognition dan Fake GPS Detection. Metode pengembangan yang digunakan adalah Prototype untuk memastikan kesesuaian sistem melalui umpan balik iteratif. Validasi wajah dilakukan menggunakan mekanisme challenge-response dan perhitungan Euclidean Distance berbasis face-api.js. Sementara itu, deteksi Fake GPS dianalisis menggunakan konsep Sliding Window Buffer (lima titik koordinat) dan Rumus Haversine untuk memvalidasi radius geofencing. Hasil pengujian sistem menunjukkan bahwa seluruh skenario fungsional berjalan sesuai kebutuhan. Pada pengujian non-fungsional, sistem berhasil mengamankan data, menjaga integritas data, dan kompatibel di berbagai perangkat. Kendala awal pada waktu muat halaman berhasil dioptimalkan menjadi ≤ 5 detik melalui penerapan teknik Lazy Loading dan Service Worker Caching. Sistem ini terbukti efektif meningkatkan akurasi, transparansi, dan keamanan presensi pegawai.
Prediksi Harga Saham IDX30 Menggunakan Long Short-Term Memory (LSTM) dengan Variabel Makroekonomi M. Rizky Ardiansyah Putra; Pradita Eko Prasetyo Utomo; Akhiyar Waladi
Informatics and Computer Engineering Journal Vol 6 No 2 (2026): Periode Juli 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.v6i2.13295

Abstract

Penelitian ini bertujuan memprediksi harga saham indeks IDX30 menggunakan model Long Short-Term Memory (LSTM) dengan mengevaluasi pengaruh integrasi variabel makroekonomi berupa tingkat inflasi dan suku bunga. Data harga saham harian IDX30 diselaraskan dengan data makroekonomi bulanan melalui proses left join dan forward fill sehingga menghasilkan dataset harian yang konsisten. Selanjutnya, data dibagi menjadi data latih dan data uji dengan rasio 80:20 serta dinormalisasi menggunakan Min-Max Scaling. Model dikembangkan dalam dua skenario dengan arsitektur yang sama, yaitu satu lapisan LSTM berisi 8 unit, batch size 32, learning rate 0,001, tanpa dropout, dan menggunakan Adam optimizer. Skenario pertama menerapkan pendekatan univariat yang hanya memanfaatkan data historis harga IDX30, sedangkan skenario kedua menggunakan pendekatan multivariat dengan menambahkan variabel inflasi dan suku bunga. Hasil penelitian menunjukkan bahwa integrasi variabel makroekonomi mampu meningkatkan kinerja model secara signifikan. Model multivariat menghasilkan nilai RMSE sebesar 7,7442 dan MAE sebesar 6,1353, lebih rendah dibandingkan model univariat yang memperoleh RMSE 8,8129 dan MAE 6,7300. Selain itu, nilai koefisien determinasi (R²) meningkat dari 0,8636 menjadi 0,8947 pada data pengujian. Temuan ini menunjukkan bahwa informasi makroekonomi memberikan kontribusi penting dalam meningkatkan kemampuan model LSTM untuk menangkap pola pergerakan harga saham, sehingga menghasilkan prediksi yang lebih akurat dan robust dibandingkan penggunaan data historis harga saham saja
MONITORING SERVER DEEBIAN TERDISTRIBUSI MENGGUNAKAN ALGORITMA ROUND ROBIN DAN METODE SNMP Lotar Mateus Sinaga; Marta Rahmawati Purba; Gabriel Dwi Artha Butarbutar; Ronald Hutasoit
Informatics and Computer Engineering Journal Vol 6 No 2 (2026): Periode Juli 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.v6i2.13434

Abstract

- Pengelolaan infrastruktur server terdistribusi dalam skala menengah hingga luas menghadapi tantangan besar dalam menjaga ketersediaan layanan (availability) dan stabilitas performa sistem. Pemantauan (monitoring) yang dilakukan secara simultan terhadap banyak node target sering kali memicu lonjakan beban kerja (overhead) baik pada sisi server manajer maupun pada lalu lintas jaringan. Penelitian ini mengimplementasikan sistem pemantauan server terdistribusi berbasis sistem operasi Debian menggunakan protokol Simple Network Management Protocol (SNMP) yang diintegrasikan dengan algoritma penjadwalan Round Robin. Metode penelitian dilakukan dengan mengonfigurasi SNMP Agent pada beberapa node target (10.28.126.220, 10.28.126.221, dan 10.28.126.222) serta membangun skrip otomatisasi berbasis Bash Shell pada server manajer untuk mengeksekusi penarikan data secara sekuensial. Algoritma Round Robin diterapkan sebagai basis antrean untuk menjamin asas keadilan (fairness) dan keteraturan waktu pemindaian (polling interval) antar-node. Hasil pengujian menunjukkan bahwa sistem berhasil mengumpulkan data performa CPU Idle secara real-time melalui Object Identifier (OID) .1.3.6.1.4.1.2021.11.11.0. Namun, pengujian awal menemui kendala teknis berupa kegagalan pemuatan data akibat pembatasan akses MIB View bawaan (systemonly) pada berkas snmpd.conf server target. Solusi diaplikasikan dengan melakukan rekonfigurasi hak akses komunitas SNMP menjadi cakupan penuh (view all included). Penelitian ini menyimpulkan bahwa kombinasi metode SNMP dan algoritma Round Robin mampu mereduksi potensi kongesti jaringan pada sistem monitoring terdistribusi dan memberikan visibilitas performa yang akurat.
Analisis Keamanan Data Pribadi Pada Pengguna E-Commerce Tiktok Shop Terhadap Ancaman Data Pribadi Nawaf Milfi Mubarok; Nur Rohaeni; Herjuno Bramantyo Al Ayyubi; Tama Maulana Rekha; Hernawati
Informatics and Computer Engineering Journal Vol 6 No 2 (2026): Periode Juli 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.v6i2.13462

Abstract

Kemunculan TikTok Shop membawa perubahan besar dalam cara masyarakat Indonesia dalam berbelanja. Tidak sedikit pengguna yang tanpa sadar menyerahkan begitu banyak informasi pribadi supaya bisa menikmati kemudahan berbelanja. Tapi, sejauh mana data mereka benar-benar aman? Penelitian ini ada untuk menjawab pertanyaan tersebut dengan melihat bagaimana pengguna TikTok Shop memandang keamanan data pribadi, sekaligus menggali apakah lama tidaknya pengguna dalam menggunakan aplikasi ini bisa meningkatkan kesadaran mereka terhadap keamanan data pribadi. Sebanyak 42 responden dari kalangan mahasiswa Universitas Bina Sarana Informatika dan karyawan PT Pelangi Elasindo dilibatkan dalam penelitian ini melalui kuesioner daring, dengan data yang kemudian diolah secara deskriptif. Dari hasil yang diperoleh, pengguna berusia 23 hingga 26 tahun mendominasi dengan proporsi 45,24%. Lebih dari separuh responden sudah mengenal fitur keamanan seperti Autentikasi Dua Faktor, namun masih ada 35,71% yang sama sekali belum mengetahuinya. Hal yang menarik ditemukan pada persepsi ancaman, yaitu tepat 50% responden mengaku pernah merasa data mereka terancam selama berbelanja. Sementara itu, pengguna yang baru mengenal TikTok Shop justru memiliki kepercayaan paling tinggi dengan rata-rata skor 3,67, lebih tinggi dibanding pengguna 1–2 tahun (3,18) maupun pengguna jangka panjang (3,20). Temuan ini memberi sinyal bahwa semakin lama seseorang menggunakan aplikasi, belum tentu rasa percayanya ikut bertumbuh. TikTok Shop perlu lebih serius dalam memperkuat perlindungan data dan mematuhi Undang-Undang Perlindungan Data Pribadi Nomor 27 Tahun 2022.
Sistem Informasi Deteksi Deepfake Video Promosi Affiliate Menggunakan Arsitektur Inception-ResNet v2 Joko Dwi Mulyanto; Supriatiningsih Supriatiningsih; Ubaidillah Ubaidillah
Informatics and Computer Engineering Journal Vol 6 No 2 (2026): Periode Juli 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.v6i2.13694

Abstract

Maraknya pemanfaatan video pendek dalam platform affiliate marketing saat ini menghadapi ancaman siber baru berupa teknologi deepfake. Manipulasi wajah tokoh publik atau influencer oleh pihak tidak bertanggung jawab untuk mengejar komisi afiliasi berpotensi merusak integritas sistem, merugikan konsumen, dan menurunkan reputasi platform e-commerce. Penelitian ini bertujuan untuk merancang sebuah subsistem tata kelola konten (Content Governance IS) otomatis guna mendeteksi dan memitigasi penyebaran video deepfake promosi produk. Metode yang diusulkan mengintegrasikan algoritma Multi-task Cascaded Convolutional Networks (MTCNN) pada tahap preprocessing untuk mengekstrak Region of Interest (ROI) wajah secara dinamis ke dalam matriks 160 X 160 piksel melalui lingkungan Google Colab. Selanjutnya, klasifikasi biner dilakukan memanfaatkan teknik Transfer Learning berbasis arsitektur Deep Learning Inception-ResNet v2 yang dikombinasikan dengan Global Average Pooling serta lapisan dropout (rate=0.5) untuk mencegah overfitting. Pengambilan keputusan pada sistem informasi ini menerapkan Three-Tier Decision Framework dengan pembagian zona otomatis (Approved, Pending untuk Audit, dan Rejected). Sesuai hipotesis, implementasi model ini mampu menghasilkan deteksi dengan tingkat akurasi yang tinggi serta efisiensi waktu pemrosesan komputasi yang sangat cepat (waktu inferensi < 1 detik per video). Hasil penelitian ini diharapkan dapat memberikan kontribusi signifikan berupa model arsitektur sistem informasi keamanan konten yang tangguh, adaptif, dan siap diintegrasikan sebagai API pada sistem manajemen konten skala besar.

Page 17 of 17 | Total Record : 167

 13   14   15   16   17 

Filter by Year

2021 2026


Reset
Filter By Issues
All Issue Vol 6 No 2 (2026): Periode Juli 2026 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