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 
Klasifikasi Penggunaan Masker selama Pandemik Menggunakan Algoritma CNN dengan Notifikasi Suara Ryan Gusti Nugraha; 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

Berbagai teknologi diciptakan untuk pencegahan ancaman virus Covid-19 yang telah menyebar di banyak negara, termasuk Indonesia. Salah satunya adalah penggunaan masker di tempat publik. Penelitian ini bertujuan untuk melakukan deteksi terhadap objek wajah dalam rangka memverifikasi penggunaan masker. Berdasarkan dataset dari Kaggle, objek yang digunakan untuk penelitian adalah wajah manusia dalam bentuk 2D. Penelitian ini terdiri dari dua tahapan: pertama, membuat dan menguji model deteksi. Model ini dirancang untuk mengidentifikasi dan mengklasifikasikan wajah dengan masker, masker yang tidak tepat, dan tanpa masker. Kemudian, model diuji untuk mengukur tingkat akurasinya. Hasil dari tiga puluh kali percobaan menunjukkan bahwa model memiliki akurasi sebesar 99%, yang diuji menggunakan webcam secara real-time. Model ini juga dilengkapi dengan indikator suara yang memberikan notifikasi setiap kali wajah terdeteksi, menggunakan metode algoritma Convolutional Neural Network (CNN).
Penerapan Metode Naive Bayes Multinomial dan Complement dalam Membandingkan Tingkat Akurasi terhadap Analisis Sentimen Kurikulum Merdeka Wenda Adi Kusnaya; Yana Cahyana; 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

Kementerian Pendidikan telah mengeluarkan program Kurikulum Merdeka di lingkungan sekolah, yang memungkinkan siswa untuk mengembangkan minat, bakat, dan keterampilan mereka sehingga dapat lulus dengan kesiapan menghadapi dunia kerja atau pendidikan tinggi. Namun, program ini telah memicu berbagai tanggapan di Twitter, menciptakan kontroversi yang perlu dijelaskan. Untuk menganalisis sentimen terkait Kurikulum Merdeka, penelitian dilakukan menggunakan algoritma Naïve Bayes Multinomial dan Complement. Dalam penelitian ini, total 627 data yang telah diberi label dan diproses sebelumnya digunakan sebagai dataset. Dataset ini kemudian dibagi menjadi dua, yaitu 80% untuk data latih dan 20% untuk data uji. Metode evaluasi yang digunakan adalah confusion matrix. Hasil evaluasi menunjukkan tingkat akurasi sebesar 89% untuk algoritma Naïve Bayes Multinomial dan 88% untuk Complement. Kesimpulannya, algoritma Naïve Bayes Multinomial memberikan tingkat akurasi yang lebih tinggi dalam menganalisis sentimen terkait Kurikulum Merdeka.
Implementasi Algoritma Support Vector Regression dan Polynomial Regression dalam Memprediksi Harga Saham PT Telekomunikasi Indonesia Windyani Eka Putri; Sutan Faisal; Tatang Rohana
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

Investasi saham di Indonesia telah menjadi salah satu investasi yang cukup terkenal. Saham yang bersifat fluktuatif atau naik turun yang tidak konsisten dipengaruhi oleh faktor internal maupun eksternal, seperti kondisi perekonomian, kinerja perusahaan, faktor panik, dan kebijakan perusahaan. Oleh sebab itu, calon investor perlu memahami saham dan melakukan analisis teknikal saham untuk mengetahui serta meminimalisir risiko dalam berinvestasi. Salah satu cara bagi calon investor yang masih awam terhadap saham adalah dengan melakukan analisis teknikal untuk mengetahui pergerakan harga saham berdasarkan informasi saham masa lampau, yaitu dengan memprediksi harga saham. Pada penelitian ini, akan dilakukan prediksi harga penutupan saham PT Telekomunikasi Indonesia menggunakan algoritma Support Vector Regression dan Polynomial Regression. Dataset yang digunakan termasuk data time series dengan rentang data selama lima tahun. Penelitian ini bertujuan untuk mengetahui kinerja algoritma mana yang lebih direkomendasikan. Hasil penelitian menunjukkan bahwa algoritma Support Vector Regression memiliki nilai RMSE 72.565 dan MAPE 1.486%. Sedangkan algoritma Polynomial Regression dengan orde 4 menghasilkan nilai RMSE 63.914 dan MAPE 1.273%. Berdasarkan hasil tersebut, algoritma Polynomial Regression memiliki performa yang lebih baik, sehingga lebih direkomendasikan dalam memprediksi harga penutupan saham PT Telekomunikasi Indonesia.
Pengembangan Model Deteksi Kendaraan Mobil di Area Parkir dengan Algoritma YOLOv5 Jose Agustian; Tohirin Al Mudzakir; 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

Penggunaan kamera pengawas di area parkir dapat membantu memantau ketersediaan tempat parkir. Sulitnya mengetahui ketersediaan tempat parkir di fasilitas umum, seperti pusat perbelanjaan, dapat menyebabkan kerugian bagi pengemudi, seperti waktu terbuang dan konsumsi bahan bakar yang tidak efisien. Dengan mengetahui jumlah kendaraan yang telah berada di area parkir, informasi mengenai status ketersediaan tempat parkir dapat disediakan untuk mempermudah pengemudi. Penelitian ini bertujuan untuk mengembangkan model deteksi kendaraan mobil di area parkir serta mengevaluasi tingkat akurasi dan presisi model dalam mendeteksi kendaraan tersebut. Model deteksi dikembangkan dengan melatih model pra-latih YOLOv5s, yang kemudian diterapkan untuk mendeteksi kendaraan mobil pada area parkir. Hasil penelitian menunjukkan bahwa algoritma YOLOv5 efektif untuk mendeteksi kendaraan mobil di area parkir. Pada pengujian menggunakan 30 citra, model berhasil mendeteksi 914 kendaraan mobil dengan tingkat akurasi sebesar 90,59% dan tingkat presisi sebesar 94,85%.
Diagnosa Penyakit Kulit Wajah dengan Metode Decision Tree dan Algoritma C4.5 Afga Ilyasa; Sutan Faisal; 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

Penelitian ini membahas tentang bagaimana algoritma dapat menghasilkan prediksi yang dapat digunakan sebagai acuan untuk mengimplementasikan diagnosa penyakit kulit wajah dengan menggunakan metode Decision Tree dan C4.5. Algoritma ini memungkinkan untuk mendiagnosa penyakit kulit wajah. Dalam observasinya, penelitian ini mengamati sejumlah pasien yang mengalami berbagai penyakit kulit wajah. Setiap pasien menjalani pemeriksaan oleh dokter kulit yang melakukan diagnosa berdasarkan gejala yang terlihat pada kulit wajah. Hasil prediksi yang dilakukan menggunakan Decision Tree dan C4.5 pada periode September – Januari tahun 2023, hasil pengujian menggunakan algoritma C4.5 mendapatkan tingkat akurasi sebesar 99,26%, dengan kesalahan sebesar 10%, yang masih masuk dalam kategori sangat baik. Hasil prediksi ini menghasilkan macro avg 0,97 dan weighted avg 0,96. Penelitian ini dapat memprediksi penyakit kulit wajah dengan cukup efektif, mirip dengan hasil dari pakar medis asli. Dalam pelaksanaannya, penelitian ini melibatkan beberapa tahap, meliputi pengumpulan data, pemrosesan data, pelatihan model, seleksi fitur, validasi, dan evaluasi. Fungsi dari penelitian ini adalah untuk pengambilan keputusan dan klasifikasi penyakit. Penelitian ini menggunakan metode Decision Tree dan C4.5 untuk mendiagnosa penyakit kulit wajah.
Implementasi Algoritma Eigenface pada Kehadiran Mahasiswa Berbasis Pengenalan Wajah Memanfaatkan Raspberry Pi Habib Abdullah; Sutan Faisal; 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

Presensi mahasiswa di Program Studi Teknik Informatika Universitas Buana Perjuangan Karawang sekarang dilakukan dengan mengisi lembar presensi. Hal tersebut menjadi kurang efisien, karena mahasiswa harus membawa lembar presensi kemana-mana ketika sedang ada perkuliahan. Dengan adanya sistem presensi berbasis pengenalan wajah, proses pengarsipan menjadi lebih mudah. Oleh karena itu, dibuatlah sistem yang dapat membantu proses presensi mahasiswa, salah satunya menggunakan deteksi wajah. Metode yang dapat digunakan untuk deteksi wajah adalah Eigenface. Beberapa penelitian menunjukkan bahwa metode Eigenface menghasilkan persentase kecocokan wajah yang cukup baik. Pada penelitian ini, digunakan metode Eigenface untuk deteksi kehadiran mahasiswa menggunakan wajah. Hasil prediksi akurasi tanpa menggunakan aksesoris adalah 90%, dengan citra wajah terdaftar dan tidak terdaftar mencapai 80%, menggunakan aksesoris kacamata adalah 70%, menggunakan masker menghasilkan akurasi 50%, dan prediksi akurasi menggunakan topi sebesar 80%.
Sistem Cerdas Variabel Motor Pendingin Pelumasan Mesin Menggunakan Metode Fuzzy dan Kontrol Arduino Bagus Priambada; Sutan Faisal; 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

Kebutuhan akan nilai produktivitas mesin yang tinggi pun menjadi sebuah tuntutan perusahaan. PERUM PERURI sebagai satu-satunya industri percetakan uang dan kertas berharga di Indonesia, adakalanya menghadapi kondisi di mana mesin tidak beroperasi dalam performansi yang ideal, yang berarti mesin tersebut mengalami kerusakan. Berdasarkan data historis dari Departemen Maintenance Uang Logam pada periode Januari-Desember tahun 2018, frekuensi downtime terbesar terjadi pada proses Cetak Uang Logam, khususnya pada mesin CC 71420-00-010. Masalah ini disebabkan oleh buruknya sistem pendingin pelumasan (cooling lubrication system) yang terpasang pada mesin, sehingga mengakibatkan suhu oli terlalu tinggi. Berdasarkan permasalahan tersebut, penulis melakukan perbaikan dengan membuat sistem pelumasan mesin menggunakan fuzzy logic berbasis Arduino UNO. Pada tahun 2020, permasalahan mesin pelumasan oli mengalami penurunan menjadi zero defect, berbeda dengan kondisi pada tahun 2019 yang tercatat sebanyak 15 kali kerusakan dengan breakdown time mencapai 28 jam. Kerusakan pada mesin pada tahun 2020 berkurang sebesar 76,67%, dari 30 kali menjadi 7 kali, dengan breakdown time yang juga berkurang sebesar 87,90%, dari 31 jam menjadi 3,75 jam dibandingkan dengan tahun 2019.
Sistem Pakar Diagnosis Penyakit Kehamilan dengan Metode Forward Chaining Syamsul Tri Andika; Tatang Rohana; Rahmat
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 kehamilan merupakan kondisi kesehatan yang sering terjadi pada ibu hamil yang dapat mempengaruhi kesehatan dan kehamilan yang sedang berlangsung. Beberapa penyakit kehamilan yang umum terjadi antara lain preeklamsi, diabetes gestasional, anemia, infeksi saluran kemih, dan depresi prenatal. Masalah yang terjadi pada penyakit kehamilan merupakan kondisi kesehatan yang dapat mempengaruhi kesehatan ibu dan janin selama kehamilan. Ketika seorang ibu hamil mengalami penyakit kehamilan, penting untuk segera mendapatkan perawatan medis yang tepat dan sesuai dengan kondisinya. Oleh karena itu, penting untuk memahami penyakit kehamilan, faktor risiko, serta gejala dan tanda yang terkait dengan kondisi ini. Berdasarkan masalah dan penelitian sebelumnya, solusi yang dapat diberikan oleh penulis terkait fenomena diagnosis penyakit kehamilan yaitu membantu sosialisasi terkait gejala dan penyakit kehamilan yang dapat ditangani dengan cepat dan tepat. Hasil perancangan sistem pakar diagnosis penyakit kehamilan dengan algoritma forward chaining menggunakan bahasa pemrograman PHP dan berbasis website. Hasil rata-rata pada pengujian blackbox yaitu 100% dari jumlah 26 pengujian yang berhasil dan tingkat keberhasilan pada sistem pakar diagnosis penyakit kehamilan dengan algoritma forward chaining mendapatkan nilai akurasi sebesar 90% dari jumlah 18 pengujian yang sesuai.
Mendeteksi Radang Paru-Paru Menggunakan Computer Vision dengan Fuzzy Tsukamoto Baharuddin Risyad; Ahmad Fauzi; 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

Paru merupakan organ vital yang penting pada manusia yang berfungsi untuk mengirim oksigen yang berasal dari udara dan mengubahnya dengan karbondioksida yang berasal dari darah ke luar. Letak paru-paru ada dalam rongga dada, dan paru-paru biasanya dapat terinfeksi karena polusi udara atau tercemar bakteri atau virus. Penyakit yang biasa menginfeksi paru-paru adalah pneumonia. Untuk mendeteksi adanya pneumonia, biasanya dokter melakukan pemeriksaan dengan cara rontgen. Pendeteksian pada citra rontgen masih belum banyak dilakukan dengan cara komputerisasi, sehingga tujuan dari penelitian ini adalah mengidentifikasi paru-paru berbasis computer vision. Tahapan pertama dalam penelitian ini adalah mengumpulkan data gambar X-ray yang diperoleh dari dataset di Kaggle.com. Proses selanjutnya adalah tahap pengolahan citra. Pertama dilakukan proses preprocessing, kemudian melakukan segmentasi untuk mencari piksel putih pada citra segmentasi dan piksel putih pada deteksi tepi. Dari tahapan yang telah dilakukan, proses selanjutnya adalah mencari nilai perbandingan piksel putih segmentasi dan piksel putih deteksi tepi, dan kemudian melakukan klasifikasi menggunakan Fuzzy Tsukamoto. Hasil dari uji coba terhadap 20 citra menghasilkan nilai akurasi sebesar 90%.
Merancang dan Membangun Alat Pendeteksi Kebakaran Berbasis Internet of Things dengan Menggunakan Metode Logika Fuzzy Ratmita; Ahmad Fauzi; Tohirin Al Mudzakir
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

Kebakaran merupakan bencana yang disebabkan oleh kelalaian manusia (human error) dengan dampak kerugian harta benda, terhentinya usaha, terhambatnya perekonomian dan pemerintahan, bahkan korban jiwa. Kebakaran di perumahan biasanya terjadi karena konsleting listrik, kebocoran tabung gas LPG, api dari pembakaran sampah atau obat nyamuk, dan kelalaian dari manusia. Masalah yang lain yaitu tidak ada penanganan awal saat kebakaran pertama kali terjadi, sehingga kebakaran tidak bisa ditangani dengan mudah. Pencegahan kebakaran perlu dilakukan untuk menghindari rumah yang terbakar lebih banyak, mengurangi angka kerugian, dan mengurangi korban jiwa. Jawaban penelitian dengan mempertimbangkan permasalahan yang ada saat ini adalah dengan menggunakan logika fuzzy untuk membangun sistem deteksi dan pemantauan kebakaran berbasis internet. Desain alat ini mengarah pada terciptanya mikrokontroler NodeMCU ESP8266, Arduino UNO, Sensor Flame Detector, Sensor MQ-6, Sensor MQ-2, Servo, Relay, Buzzer, Kipas, dan Water Pump yang dirancang untuk mengetahui deteksi kebakaran melalui Telegram Bot, sampai pada berbagai kesimpulan setelah menguji sensor dan menerima hasil pengujian, termasuk fakta bahwa NodeMCU ESP8266 dan Arduino UNO dapat mendeteksi api menggunakan sensor pendeteksi api dan kesepuluh pengujian dalam pengujian deteksi kebakaran berhasil. Pada pengujian implementasi fuzzy logic, dapat mengetahui penyesuaian nilai asap dan gas, yang menyebabkan kipas dan buzzer menyala atau mati. Implementasi fuzzy logic dengan hasil 100% dari 20 kali pengujian yang sesuai.

Page 19 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