cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Anis Masruriyah
Contact Email
anis.masruriyah@gmail.com
Phone
+6282132204781
Journal Mail Official
anis.masruriyah@gmail.com
Editorial Address
Jalan Ronggo Waluyo Sirnabaya, Puseurjaya, Kec. Telukjambe Tim., Kabupaten Karawang, Jawa Barat 41361
Location
Kab. karawang,
Jawa barat
INDONESIA
Scientific Student Journal for Information, Technology and Science
Published by Universitas Buana Perjuangan Karawang
ISSN : 27152766     EISSN : -     DOI : -
Core Subject : Science,
Computer Science & IT
Scientific Student Journal for Information, Technology and Science berisi artikel-artikel hasil penelitian mahasiswa dari program studi Teknik Informatika, Fakultas Teknik dan Ilmu Komputer pada Universitas Buana Perjuangan Karawang. Jurnal ini dipublikasikan sebanyak dua kali setiap tahun oleh prodi Teknik Informatika. Kemudian, jurnal ini juga diharapkan dapat memberikan kontribusi dan mengembangkan penelitian yang berarti untuk meningkatkan sumber daya penelitian dalam Teknologi Informasi dan Ilmu Komputer.
Arjuna Subject : Ilmu Komputer (semua kategori) - Ilmu Komputer (Lain-Lain)
Articles 193 Documents
 16   17   18   19   20 
Implementasi Data Mining untuk Clustering Asal Daerah Pengunjung pada Wisata Alam Puncak Sempur Kabupaten Karawang Adinda Ryanda; Ahmad Fauzi; Elsa Elvira Awal
Scientific Student Journal for Information, Technology and Science Vol. 6 No. 1 (2025): Scientific Student Journal for Information, Technology and Science
Publisher : Scientific Student Journal for Information, Technology and Science

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Setiap pengelola objek wisata melakukan pendataan kunjungan wisatawan, pendataan ini sangat diperlukan dalam menentukan target promosi. Puncak Sempur merupakan salah satu objek wisata alam di Karawang yang melakukan pendataan kunjungan wisatawan melalui buku pengunjung, namun tidak mudah dalam menentukan daerah kurang peminat jika dilihat dari buku daftar pengunjung. Teknik yang tepat dalam permasalahan tersebut berdasarkan penelitian sebelumnya adalah teknik Data Mining clustering, yang dimana prosesnya melalui pengelompokan dengan proses algoritma K-means dan K-medoids. Variabel yang dibutuhkan dalam data mining ini berupa asal daerah pengunjung dan jumlah pengunjung, yang di mana data tersebut dapat ditemui pada buku daftar pengunjung. Data yang didapat terdiri dari 1.797 wisatawan dan 32 daerah akan dihitung manual dan bahasa Python menggunakan algoritma K-means dan dibandingkan dengan perhitungan algoritma K-medoids, hasil perhitungan algoritma K-means dan K-medoids berbeda sehingga dilakukan evaluasi untuk mengetahui tingkat akurasi dengan menggunakan metode Silhouette coefficient. Hasil evaluasi menunjukkan algoritma K-means lebih baik akurasinya yaitu dengan nilai 0,8% sedangkan algoritma K-medoids memiliki nilai akurasi di bawah algoritma K-means yaitu 0,7%. Jadi hasil perhitungan algoritma K-means yang lebih baik untuk hasil penelitian ini yaitu 1 daerah asal wisatawan yang tergolong ramai (C0), 1 daerah asal wisatawan yang tergolong sedang (C1), dan 28 daerah asal wisatawan yang tergolong sepi (C2).
Implementasi Metode Certainty Factor dalam Mendiagnosa Defisiensi Nutrisi pada Tanaman Hidroponik Aditya Zatnika; Tatang Rohana; Kiki Ahmad Baihaqi
Scientific Student Journal for Information, Technology and Science Vol. 6 No. 1 (2025): Scientific Student Journal for Information, Technology and Science
Publisher : Scientific Student Journal for Information, Technology and Science

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Pertanian Hidroponik adalah inovasi untuk mengembangkan tanaman dalam pengaturan nutrisi terlepas dari media palsu untuk bantuan mekanis. Dalam kerangka budidaya hidroponik, sentralisasi pengaturan nutrisi adalah salah satu batasan yang menentukan sifat hasil panen. Tanaman membutuhkan nutrisi yang memuaskan untuk berkembang dan tumbuh dengan baik. Tidak adanya atau melimpahnya nutrisi yang dikonsumsi oleh tanaman dapat mengakibatkan terhambatnya perkembangan tanaman, sehingga keseimbangan dan kecukupan nutrisi merupakan variabel yang signifikan terhadap hasil pertanian pada tanaman. Dengan cara ini, pekerjaan kerangka kerja khusus diperlukan untuk menentukan kekurangan makanan pada tanaman budidaya air. Faktor keyakinan adalah teknik yang digunakan untuk mengomunikasikan kepercayaan pada suatu peristiwa (kenyataan atau teori) dalam pandangan bukti atau penilaian utama. Hasil dari penelitian ini adalah mendasari kerangka kerja berbasis situs yang dapat memberikan data yang berhubungan dengan nutrisi pada tanaman dan membuatnya lebih mudah bagi klien untuk menganalisis gejala dari kekurangan pada tanaman budidaya hidroponik. Teknik ini memberikan kesimpulan sebagai kepastian atau kerentanan keadaan dalam standar yang digunakan untuk menyelesaikan. Konsekuensi dari pengujian teknik ini menunjukkan 32 efek samping yang dialami menunjukkan kecepatan presisi 92,30%.
Sistem Pakar Mendiagnosis Tingkat Kecanduan Game Online Menggunakan Metode Certainty Factor Anisa Itiawanti; Yana Cahyana; Santi Arum Puspita Lestari
Scientific Student Journal for Information, Technology and Science Vol. 6 No. 1 (2025): Scientific Student Journal for Information, Technology and Science
Publisher : Scientific Student Journal for Information, Technology and Science

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Kecanduan game merupakan sebuah pola perilaku bermain yang ditandai dengan seseorang yang tidak dapat mengendalikan keinginan bermain game, lebih memprioritaskan bermain game daripada melakukan kegiatan yang lain atau aktivitas yang lain. Kecanduan game online merupakan masalah yang serius tetapi dalam penangannya masih sangat minim, maka dibutuhkan sistem untuk mempermudah mendeteksi tingkat kecanduan bermain game online yang bersumber dari gejala yang dialami oleh pengguna dengan menggunakan sistem pakar. Ketidakpastian dalam penarikan kesimpulan sering terjadi dalam sistem pakar. Salah satu metode untuk mengatasi ketidakpastian tersebut adalah metode Certainty Factor. Metode Certainty Factor adalah metode untuk membuktikan apakah suatu fakta itu pasti atau fakta tidak pasti, metode Certainty Factor ini sangat cocok untuk mendiagnosa sesuatu yang belum pasti. Berdasarkan hasil pengujian yang dilakukan terdapat 22 data yang sesuai dari semua data uji 30 responden. Jadi, tingkat akurasi sistem setelah dilakukan pengujian terhadap 30 data uji adalah 73,3%.
Implementasi Clustering Menggunakan Algoritma K-Means dan K-Medoids pada Kerusakan Tempat Tinggal Akibat Bencana di Jawa Barat Nurani Khoerunnisa; Amril Mutoi Siregar; Yana Cahyana
Scientific Student Journal for Information, Technology and Science Vol. 6 No. 1 (2025): Scientific Student Journal for Information, Technology and Science
Publisher : Scientific Student Journal for Information, Technology and Science

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Bencana alam adalah rangkaian peristiwa yang mengganggu dan mengancam keselamatan serta menyebabkan kerugian materiil dan nonmateriil, terutama di Provinsi Jawa Barat. Dampak dari bencana alam tersebut menyebabkan banyak masyarakat kehilangan tempat tinggal mereka. Hal ini menimbulkan kekhawatiran masyarakat akan keamanan daerah tempat tinggal mereka. Berdasarkan permasalahan tersebut, penelitian ini menghitung cluster kerusakan tempat tinggal di Jawa Barat menggunakan algoritma K-Means dan K-Medoids Clustering untuk mengelompokkan kabupaten atau kota di Jawa Barat. Sebanyak 27 kabupaten atau kota di Provinsi Jawa Barat dikelompokkan ke dalam 2 cluster, yaitu cluster Tinggi (rawan) dan cluster Rendah (aman), berdasarkan dataset yang diperoleh dari situs web Badan Penanggulangan Bencana Daerah (BPBD) dengan jumlah data sebanyak 1.620. Hasil penelitian menunjukkan bahwa algoritma K-Means lebih optimal, dengan jumlah daerah dalam cluster Rendah (aman) sebanyak 14 dan dalam cluster Tinggi (rawan) sebanyak 13. Sementara itu, algoritma K-Medoids menghasilkan 15 daerah dalam cluster Rendah (aman) dan 12 daerah dalam cluster Tinggi (rawan). Evaluasi menggunakan silhouette coefficient menunjukkan bahwa algoritma K-Means lebih unggul dengan nilai 59% (0.59), dibandingkan dengan algoritma K-Medoids yang memiliki nilai 58% (0.58).
Implementasi YOLOv5 pada Deteksi Defect Hasil Pengelasan Robot Welding Arc Pajar Arifin; Hanny Hikmayanti Handayani; Dwi Sulistya Kusumaningrum
Scientific Student Journal for Information, Technology and Science Vol. 6 No. 1 (2025): Scientific Student Journal for Information, Technology and Science
Publisher : Scientific Student Journal for Information, Technology and Science

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Penelitian ini dilatarbelakangi oleh masih sering terjadinya defect pada welding robot yang lolos quality inspection dalam proses produksi. Untuk mengatasi permasalahan tersebut, penelitian ini dilakukan dengan tujuan: (1) membangun sebuah prototipe sistem deteksi defect pada robot welding arc, dan (2) mencapai nilai akurasi atau mean average precision (mAP) lebih dari 0,9 pada deteksi defect pengelasan. Dalam penelitian ini, model atau prototipe yang dibangun menggunakan algoritma Convolutional Neural Network (CNN) dengan arsitektur YOLOv5. Objek yang digunakan dalam penelitian ini adalah citra defect hasil pengelasan robot welding arc, yaitu hole dan porosity, yang kemudian dijadikan dataset. Untuk meningkatkan jumlah data dan mendukung pencapaian akurasi yang diinginkan, dilakukan teknik augmentasi data. Citra hasil augmentasi kemudian dilabeli menggunakan situs web Makesense.ai untuk membangun bounding box dan class dari defect tersebut. Setelah itu, dataset diinput ke dalam Google Colab untuk proses training data. Training dilakukan dengan menjalankan kode train.py,di mana peneliti mengubah parameter custom_data, serta menggunakan variasi epoch dan batch size yang berbeda. Pada konfigurasi batch size 16 dan epoch 100, diperoleh model dengan akurasi sebesar 0,95 mAP.
Deteksi Penggunaan Masker Menggunakan Algoritma CNN dengan Arsitektur YOLOv5 Prasetyo Ajie; Ahmad Fauzi; Anis Fitri Nur Masruriyah
Scientific Student Journal for Information, Technology and Science Vol. 6 No. 1 (2025): Scientific Student Journal for Information, Technology and Science
Publisher : Scientific Student Journal for Information, Technology and Science

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Coronavirus Disease 2019 (COVID-19) menyebabkan berbagai negara mengalami kerugian, terutama di sektor kesehatan. WHO menghimbau untuk mengendalikan COVID-19 dengan menerapkan protokol kesehatan, salah satunya adalah penggunaan masker. Masker dapat mengurangi risiko penularan COVID-19, namun masih banyak masyarakat yang mengabaikan protokol tersebut. Oleh karena itu, dibuat sebuah sistem untuk mendeteksi penggunaan masker dengan tepat menggunakan arsitektur YOLOv5. Sistem ini bertujuan untuk membantu mengatur penggunaan masker di area umum atau tempat terbuka. Penelitian ini dimulai dengan pengumpulan data berupa citra, yang kemudian dijadikan dataset untuk proses pelatihan model menggunakan YOLOv5s. Hasil penelitian menunjukkan bahwa model yang dikembangkan mampu mencapai akurasi sebesar 90,37%.
Penerapan Algoritma Convolutional Neural Network (CNN) untuk Deteksi Telur Bebek Fertil dan Infertil Ricky Steven Chandra; Hanny Hikmayanti Handayani; Yana Cahyana
Scientific Student Journal for Information, Technology and Science Vol. 6 No. 1 (2025): Scientific Student Journal for Information, Technology and Science
Publisher : Scientific Student Journal for Information, Technology and Science

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Dalam penetasan telur bebek, telur yang infertil perlu disortir dari mesin tetas agar tidak membusuk di dalamnya. Proses penyortiran umumnya dilakukan dengan meneropong telur menggunakan senter atau lampu yang diletakkan di balik telur. Tujuan dari penelitian ini adalah untuk mengembangkan sistem deteksi telur bebek fertil dan infertil menggunakan algoritma Convolutional Neural Network (CNN) guna menggantikan peneropongan secara manual, karena tingkat kelelahan manusia dapat menyebabkan kesalahan dalam penyortiran telur bebek fertil dan infertil. Model yang digunakan dalam penelitian ini adalah You Only Look Once (YOLO), yang merupakan salah satu model deep learning yang efektif untuk pengenalan objek. Penelitian ini terdiri dari beberapa tahap, yaitu pengumpulan data, pra-proses data, konfigurasi jaringan YOLO, pelatihan model YOLO, dan pengujian. Jumlah data citra yang digunakan dalam penelitian ini sebanyak 800, yang terdiri dari dua jenis telur bebek, yaitu fertil dan infertil. Hasil pengujian yang dilakukan sebanyak 40 kali menunjukkan bahwa dengan menggunakan algoritma Convolutional Neural Network (CNN), akurasi yang dicapai dalam membedakan telur bebek fertil dan infertil mencapai sekitar 95%. Hasil ini menunjukkan bahwa CNN memiliki potensi yang signifikan dalam membedakan telur bebek fertil dari infertil, serta memberikan solusi yang cepat dan efisien bagi peternak bebek.
Aplikasi Berbasis Android untuk Mendeteksi Kulit Kucing Berdasarkan Model CNN Riyandi Aditya Fitrah; Anis Fitri Nur Masruriyah; Ayu Ratna Juwita
Scientific Student Journal for Information, Technology and Science Vol. 6 No. 1 (2025): Scientific Student Journal for Information, Technology and Science
Publisher : Scientific Student Journal for Information, Technology and Science

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Penyakit kulit pada kucing dapat memberikan dampak negatif baik bagi pemilik kucing maupun hewan tersebut. Penyakit kulit seperti scabies atau kudis, serta ringworm, bersifat menular melalui sentuhan langsung dengan kucing yang terjangkit penyakit tersebut. Tungau telinga pada kucing umumnya berada di bawah rongga telinga. Kucing yang terjangkit penyakit kulit dapat mengalami kerusakan pada tubuhnya. Penelitian ini bertujuan untuk mengembangkan aplikasi mobile berbasis Android yang dapat mendeteksi penyakit kulit pada kucing. Aplikasi ini dirancang untuk mengenali jenis penyakit kulit yang dialami kucing, seperti kudis, ringworm, dan tungau. Dalam penelitian ini, digunakan model deteksi objek berbasis deep learning dengan algoritma Convolutional Neural Network (CNN) dan TensorFlow Lite. Arsitektur yang digunakan adalah MobileNetV2 FPN Lite untuk memproses pelatihan model deteksi objek menggunakan dataset yang besar, sehingga model dapat diterapkan pada aplikasi mobile berbasis Android. Hasil penelitian menunjukkan bahwa model yang dirancang menghasilkan nilai mean Average Precision (mAP) sebesar 42% dan mean Average Recall (mAR) sebesar 23%. Evaluasi sistem dan validasi dari para ahli menghasilkan nilai sebesar 73%, menunjukkan bahwa aplikasi ini memiliki potensi untuk mendeteksi penyakit kulit pada kucing dengan akurasi yang cukup baik.
Analisis Sentimen Kenaikan Harga Bahan Bakar Minyak Menggunakan Algoritma Naïve Bayes dan Support Vector Machine Rizka Ayu Permana; Yana Cahyana; Adi Rizky Pratama
Scientific Student Journal for Information, Technology and Science Vol. 6 No. 1 (2025): Scientific Student Journal for Information, Technology and Science
Publisher : Scientific Student Journal for Information, Technology and Science

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Bahan Bakar Minyak (BBM) memiliki peranan penting dalam kehidupan masyarakat, karena harga BBM mempengaruhi harga komoditas dan sektor lainnya. Kenaikan harga BBM sering menimbulkan pro dan kontra di kalangan masyarakat. Untuk melihat bagaimana masyarakat merespons kenaikan harga BBM, salah satunya dapat dilakukan melalui analisis media sosial seperti Twitter. Penelitian ini bertujuan untuk melakukan analisis sentimen terhadap kenaikan harga BBM dengan menggunakan algoritma Naïve Bayes dan Support Vector Machine (SVM). Proses dimulai dengan crawling data tweet menggunakan kata kunci "harga BBM naik". Data yang terkumpul kemudian dibagi menjadi dua kelas, yaitu kelas positif dan kelas negatif. Data tersebut selanjutnya melalui proses preprocessing yang meliputi cleaning, case folding, tokenizing, stopword removal, normalize, dan stemming. Pembagian data dilakukan dengan 70% untuk data training dan 30% untuk data testing. Hasil pengujian menunjukkan bahwa algoritma Naïve Bayes memperoleh akurasi sebesar 78,3%, precision 99,2%, dan recall 75,1%. Sementara itu, algoritma Support Vector Machine (SVM) memperoleh akurasi 92,5%, precision 93,0%, dan recall 98,5%.
Prediksi Harga Saham Bank Rakyat Indonesia Menggunakan Algoritma Linear Regression dan Support Vector Regression Rizki Nur Annisa; Sutan Faisal; Yana Cahyana
Scientific Student Journal for Information, Technology and Science Vol. 6 No. 1 (2025): Scientific Student Journal for Information, Technology and Science
Publisher : Scientific Student Journal for Information, Technology and Science

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

nvestasi saham merupakan salah satu investasi jangka panjang yang dapat dilakukan oleh masyarakat untuk melindungi risiko biaya, terutama dalam mempersiapkan keuangan masa depan. Berinvestasi dalam saham dapat memberikan dividen yang cepat dan cukup besar bagi investor. Selain memberikan keuntungan, terdapat berbagai faktor yang dapat memengaruhi naik atau turunnya harga saham, seperti kondisi dan kinerja perusahaan, risiko, dividen, suku bunga, kondisi ekonomi, peraturan pemerintah, dan tingkat penurunan. Untuk meminimalkan risiko kerugian bagi investor saat mengambil keputusan investasi, diperlukan analisis secara fundamental dan teknikal. Namun, sebagian orang tidak terlalu paham mengenai cara menganalisis perusahaan secara mendalam. Oleh karena itu, cara yang lebih mudah adalah dengan melakukan prediksi dan analisis pergerakan saham. Penelitian ini bertujuan untuk melakukan prediksi harga penutupan saham Bank Rakyat Indonesia (BRI) menggunakan algoritma Linear Regression dan Support Vector Regression (SVR). Tujuan dari penelitian ini adalah untuk memilih algoritma yang paling cocok untuk memprediksi harga saham sebagai rekomendasi bagi investor. Hasil penelitian menunjukkan bahwa baik algoritma Linear Regression maupun SVR dapat digunakan untuk memprediksi harga saham. Namun, nilai error RMSE pada algoritma Linear Regression sebesar 69.920, sementara pada algoritma SVR sebesar 69.924. Berdasarkan hasil ini, dapat disimpulkan bahwa algoritma Linear Regression memiliki performa yang sedikit lebih baik dibandingkan dengan SVR, dengan selisih nilai error sebesar 0.004.

Page 18 of 20 | Total Record : 193

 16   17   18   19   20 

Filter by Year

2020 2025


Reset
Filter By Issues
All Issue Vol. 6 No. 1 (2025): Scientific Student Journal for Information, Technology and Science Vol. 5 No. 2 (2024): Scientific Student Journal for Information, Technology and Science Vol. 5 No. 1 (2024): Scientific Student Journal for Information, Technology and Science Vol. 4 No. 2 (2023): Scientific Student Journal for Information, Technology and Science Vol. 4 No. 1 (2023): Scientific Student Journal for Information, Technology and Science Vol. 3 No. 2 (2022): Scientific Student Journal for Information, Technology and Science Vol. 3 No. 1 (2022): Scientific Student Journal for Information, Technology and Science Vol. 2 No. 2 (2021): Scientific Student Journal for Information, Technology and Science Vol. 2 No. 1 (2021): Scientific Student Journal for Information, Technology and Science Vol. 1 No. 2 (2020): Scientific Student Journal for Information, Technology and Science Vol. 1 No. 1 (2020): Scientific Student Journal for Information, Technology and Science More Issue