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 213 Documents
 18   19   20   21   22 
Sistem Controlling pH Air dan Stok Pakan pada Budidaya Ikan Lele Berbasis Internet of Things dan Android Menggunakan Metode Fuzzy Logic Hilman Fahrul Rahman; Deden Wahiddin; 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

Budidaya ikan lele sudah lama dikenal di Indonesia karena memiliki nilai ekonomi yang tinggi. Kehadiran lele dumbo (Clarias gariepinus) menjadi titik awal berkembangnya usaha budidaya lele di negara ini. Lele dumbo disukai karena rasanya enak, bergizi tinggi, dan harganya terjangkau. Namun, tantangan dalam budidaya lele sering terkait dengan manajemen air yang kurang optimal. Ketidakstabilan pH dan suhu air dapat membuat lele stres, yang berdampak pada hilangnya nafsu makan dan, terutama pada lele muda, dapat menyebabkan kematian. Selain itu, pemberian pakan yang terlambat atau berlebihan dapat menghasilkan sisa pakan yang berubah menjadi gas amonia, meracuni ikan, dan memperburuk kondisi kolam. Akibatnya, ikan-ikan, termasuk yang sudah besar, bisa mati mendadak. Penelitian ini menawarkan solusi berupa sistem kontrol pH air dan manajemen stok pakan berbasis Internet of Things (IoT) dan Android, dengan menggunakan metode logika fuzzy. Hasil penelitian menunjukkan bahwa metode ini mencapai akurasi 100% dari 25 kali pengujian. Selisih deteksi pH air hanya 0,54 dan tingkat keberhasilan sistem pada stok obat pH air mencapai 96% dari 25 kali pengujian.
Penerapan Algoritma K-Medoids dan K-Means untuk Pemetaan Penyebaran Guru Tingkat SMP Seluruh Kabupaten/Kota di Indonesia Lilis Kartika; Amril Mutoi Siregar; 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

Guru memiliki peran penting dalam pendidikan, jasanya mampu menciptakan generasi-generasi yang berkualitas, baik secara intelektual maupun akhlaknya. Tenaga pengajar Indonesia belum tersebar dengan baik di pelosok negeri, sesuai dengan Roadmap Pengelolaan Aparatur Sipil Negara (ASN) dan Perencanaan Formasi tahun 2014. Oleh karena itu, perlu dilakukan pemetaan persebaran tenaga pengajar di berbagai wilayah dan kota di Indonesia. Dalam riset ini, pengelompokkan data memakai Algoritma K-Medoids dan K-Means dengan dataset yaitu jumlah guru, jumlah peserta didik, dan jumlah sekolah jenjang SMP. Algoritma K-Medoids menghasilkan cluster 1 yang memiliki kekurangan guru sebanyak 302 Kabupaten/Kota, pada cluster 2 yang memiliki kelebihan guru sebanyak 77 Kab/Kota, sedangkan cluster 3 yang memiliki cukup guru sebanyak 135 Kab/Kota. Sedangkan Algoritma K-Means menghasilkan cluster 1 yang memiliki kekurangan guru sebanyak 363 Kabupaten/Kota, cluster 2 yang memiliki cukup guru sebanyak 125 Kabupaten/Kota, sedangkan cluster 3 yang memiliki kelebihan guru sebanyak 26 Kabupaten/Kota. Manfaat dari penelitian ini sebagai penunjang keputusan pemerataan guru seluruh Kabupaten/Kota di Indonesia yang masih kekurangan atau kelebihan guru.
Penerapan Optical Character Recognition dan Text to Speech pada Aplikasi Pengenalan Teks Berbasis Android Niki Galih Prasetyo; Ahmad Fauzi; 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

Optical Character Recognition (OCR) merupakan sebuah teknologi machine learning yang mampu mengenali teks pada citra digital dan mengalihkannya pada dokumen digital. Metode OCR sendiri digunakan untuk mengenali teks hasil cetakan mesin (Machine Printed Text). Sistem OCR ini sudah berhasil mengenali beberapa tipe font, yaitu Times New Roman, Arial Black, Corbel, Century Gothic, Tahoma, Consolas, Lucida Calligraphy, Verdana, Book Antiqua, Sylfaen, dan Courier New, serta beberapa tulisan tangan yang sudah diuji, dengan rata-rata waktu proses pendeteksian sekitar 2 detik per kalimat dan 13 detik dari input sample text dengan font size dari 10 yang terkecil hingga 28 yang terbesar. Tingkat akurasi valid mencapai nilai akurasi sebesar 98% dari 15 sample text yang diuji. Tahap pengujian teks masing-masing dilakukan secara 3 kali, dengan tahap pengujian mendeteksi normal, mendeteksi teks dengan jarak 25-30 cm, dan mendeteksi teks yang ada pada layar komputer. Sistem OCR ini sudah mampu mengeluarkan sebuah output suara atau Text to Speech (TTS) dengan rata-rata proses kerja sistem kurang dari 1 menit. Sistem aplikasi OCR berbasis TTS ini dibuat menggunakan bahasa pemrograman Java dengan software pendukung Android Studio dan juga memanfaatkan salah satu library Google, yaitu API Google Cloud Vision dan juga library yang ada pada software Android Speech TTS.
Perbandingan Algoritma Support Vector Regression (SVR) dan Linear Regression untuk Memprediksi Harga Saham Studi Kasus PT Bukit Asam Tbk Ahmad Takdir; Deden Wahiddin; Elsa Elvira Awal
Scientific Student Journal for Information, Technology and Science Vol. 7 No. 1 (2026): 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

Pada era digital saat ini, peningkatan ekonomi di dalam dunia investasi dapat dengan mudah diakses karena banyaknya platform penyedia layanan investasi. Saham merupakan salah satu alat investasi yang laju perubahan harga dari suatu perusahaan terbilang cukup cepat. Oleh karena itu, dibutuhkan suatu model data yang dapat mengelola data dalam jangka waktu yang lama untuk memprediksi harga saham. Pada penelitian ini, algoritma Support Vector Regression (SVR) dan Linear Regression digunakan sebagai metode untuk memprediksi harga saham dengan menggunakan bahasa pemrograman Python dan perangkat lunak pengolahan data, yaitu tools WEKA GUI. Proses penelitian ini berfokus pada penerapan dan perbandingan algoritma, serta untuk mengetahui tingkat akurasi algoritma yang paling baik. Data yang digunakan adalah data transaksi saham selama lima tahun dengan jumlah sebanyak 1.010 data. Hasil penelitian menunjukkan bahwa algoritma Support Vector Regression (SVR) dan Linear Regression mampu memprediksi harga saham. Nilai error RMSE (Root Mean Squared Error) terkecil diperoleh oleh algoritma Linear Regression sebesar 62,9307 dengan pemrograman Python, sedangkan algoritma Support Vector Regression (SVR) menghasilkan nilai error terkecil sebesar 64,1746 dengan pemrograman Python.
Klasifikasi Penerima Bantuan Rumah Tidak Layak Huni Desa Labansari Menggunakan Algoritma C4.5 Ahmad Zaelani; Ayu Ratna Juwita; Tohirin Al Mudzakir
Scientific Student Journal for Information, Technology and Science Vol. 7 No. 1 (2026): 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

Program bantuan rumah tidak layak huni merupakan program bantuan sosial untuk meringankan keluarga berpenghasilan rendah dalam membangun rumah yang layak huni. Data calon penerima bantuan rumah tidak layak huni yang digunakan pada penelitian ini berjumlah 111 data. Ketidakakuratan penyaluran bantuan rumah tidak layak huni terjadi karena tidak adanya metode dalam menentukan penerima bantuan tersebut. Penyaluran bantuan yang tidak tepat sasaran akan berdampak pada pembangunan rumah yang tidak selesai. Oleh karena itu, untuk memperkecil kesalahan dalam pengambilan keputusan, data diklasifikasikan menggunakan algoritma C4.5. Perhitungan algoritma C4.5 menghasilkan nilai akurasi, presisi, recall, serta pohon keputusan dari data yang diolah. Pengujian yang dilakukan menggunakan Microsoft Excel menghasilkan akurasi 100%, presisi 100%, dan recall 100%. Sementara itu, pengujian menggunakan bahasa pemrograman Python juga memperoleh hasil akurasi 100%, presisi 100%, dan recall 100%.
Identifikasi Citra Penggunaan Masker Secara Real-Time dengan Arsitektur CNN pada Metode YOLO Aldo Zamaludin Fernando; Adi Rizky Pratama; Ayu Ratna Juwita
Scientific Student Journal for Information, Technology and Science Vol. 7 No. 1 (2026): 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

Pada masa pandemi, masih banyak masyarakat yang kurang tertib dalam mematuhi protokol kesehatan, terutama dalam penggunaan masker, baik pada aktivitas di dalam ruangan maupun di luar ruangan. Oleh karena itu, diperlukan sebuah sistem yang dapat mendeteksi atau mengidentifikasi objek berupa penggunaan masker. Pada penelitian ini digunakan metode YOLO yang memiliki arsitektur dari algoritma Convolutional Neural Network (CNN), dengan memanfaatkan Darknet-53 untuk melatih (training) model pada metode YOLO agar dapat mendeteksi objek secara real-time. Dalam proses identifikasi objek penggunaan masker menggunakan metode YOLO, sistem dapat berjalan dengan baik dan mampu mendeteksi objek dengan tingkat akurasi yang cukup baik. Hasil pengujian menunjukkan nilai precision sebesar 74%, nilai recall sebesar 50%, dan tingkat akurasi sebesar 74%. Dengan demikian, sistem dapat dikatakan berhasil dalam mengidentifikasi penggunaan masker menggunakan metode YOLO dengan tingkat keakuratan yang cukup baik.
Implementasi Algoritma Naïve Bayes Classifier pada Sistem Pakar Diagnosis Penyakit Gigi Manusia Destanto Muhamad Yusuf; Ahmad Fauzi; Dwi Sulistya Kusumaningrum
Scientific Student Journal for Information, Technology and Science Vol. 7 No. 1 (2026): 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 gigi muncul akibat gaya hidup konsumtif yang tidak sehat. Mengonsumsi makanan atau minuman yang bersifat manis dan lengket, yang berpotensi tertinggal pada sela-sela gigi, merupakan penyebab utama munculnya masalah kesehatan gigi. Hal ini diperparah ketika kebersihan gigi dan mulut tidak diperhatikan. Biaya perawatan kesehatan gigi yang mahal juga menjadi masalah tersendiri bagi masyarakat, sehingga kesadaran masyarakat dalam menjaga kesehatan gigi ikut menurun. Aplikasi sistem pakar diagnosis penyakit gigi pada manusia dibangun dengan menerapkan algoritma Naïve Bayes Classifier, dengan tujuan membantu masyarakat dalam melakukan diagnosis atau screening tahap awal terhadap penyakit atau gangguan kesehatan gigi. Hasil pengujian aplikasi menggunakan 25 data gejala, 6 data penyakit, serta total 20 data uji rekomendasi yang seluruh datanya diperoleh dari pakar menunjukkan bahwa, dari keseluruhan data pengujian, aplikasi mampu memberikan hasil yang sesuai dengan keputusan pakar. Selanjutnya, dilakukan perhitungan nilai rerata akurasi sistem dan diperoleh nilai rerata sebesar 100%. Dengan demikian, dapat disimpulkan bahwa keputusan yang dihasilkan oleh aplikasi sistem pakar dinyatakan valid dan sesuai dengan keputusan pakar.
Penerapan Algoritma Support Vector Machine (SVM) untuk Klasifikasi Keluarga Sejahtera Dwi Tian Tonara; Ahmad Fauzi; Hilda Yulia Novita
Scientific Student Journal for Information, Technology and Science Vol. 7 No. 1 (2026): 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 keluarga menginginkan kehidupan yang sejahtera serta mampu memenuhi kebutuhan, baik primer maupun sekunder. Kartu Keluarga Sejahtera merupakan salah satu program pemerintah yang bertujuan untuk menanggulangi kemiskinan. Penentuan penerima bantuan pemerintah agar tepat sasaran dapat dilakukan melalui klasifikasi keluarga yang layak dan tidak layak menerima bantuan. Data yang digunakan dalam penelitian ini diperoleh dari Pemerintah Desa Mekarmaya sebanyak 432 data, yang terdiri atas 25 data keluarga layak dan 407 data keluarga tidak layak. Data tersebut kemudian diklasifikasikan menggunakan algoritma Support Vector Machine (SVM). Pengujian dilakukan menggunakan Orange dan bahasa pemrograman Python, dengan hasil klasifikasi berupa 7 data keluarga layak dan 80 data keluarga tidak layak, serta tingkat akurasi sebesar 94%.
Perbandingan Algoritma K-Means dan DBSCAN Menggunakan Data Kunjungan Wisatawan Asing ke Indonesia di Masa Pandemi COVID-19 Muhamad Irfan Fadillah; Ayu Ratna Juwita; Cici Emilia Sukmawati
Scientific Student Journal for Information, Technology and Science Vol. 7 No. 1 (2026): 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

Pandemi Covid-19 berskala global yang telah terjadi selama beberapa tahun terakhir berpengaruh secara signifikan terhadap berbagai sektor. Pariwisata menjadi sektor yang paling terdampak oleh pandemi Covid-19 karena upaya menahan peningkatan jumlah orang yang terinfeksi dilakukan dengan membatasi pergerakan manusia, sehingga wisatawan asing tidak dapat leluasa bepergian ke luar negeri. Data yang tersedia di Badan Pusat Statistik (BPS) mengenai kunjungan wisatawan mancanegara ke Indonesia pada masa pandemi masih berupa data mentah dan belum diolah menggunakan bahasa pemrograman maupun melalui berbagai kajian ilmiah. Subjek penelitian ini berfokus pada permasalahan data pariwisata mancanegara tersebut. Berdasarkan rangkuman yang dilakukan dalam penelitian ini, penerapan algoritma K-Means dan DBSCAN memerlukan beberapa tahapan dalam pengolahan data pariwisata mancanegara, yaitu pengumpulan data, seleksi data, serta implementasi algoritma K-Means dan algoritma DBSCAN. Setelah hasil pengelompokan diperoleh, dilakukan evaluasi menggunakan metode Silhouette Coefficient. Hasil perhitungan evaluasi menunjukkan bahwa algoritma DBSCAN menghasilkan nilai Silhouette Coefficient sebesar 0,91962, yang lebih rendah dibandingkan dengan algoritma K-Means yang memiliki nilai sebesar 0,96234. Dengan demikian, dapat disimpulkan bahwa pada penelitian ini algoritma K-Means memiliki kinerja yang lebih baik dibandingkan algoritma DBSCAN dalam pengelompokan dataset kunjungan wisatawan mancanegara yang digunakan.
Sistem Pendukung Keputusan Siswa Terbaik di SMK Yayasan Baetussa’diyah Tirtamulya Menggunakan Metode Weighted Product Putra Rizki Pangestu; Yana Cahyana; Rahmat
Scientific Student Journal for Information, Technology and Science Vol. 7 No. 1 (2026): 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

Perkembangan teknologi informasi pada masa modern ini dapat menunjang berbagai aktivitas manusia. Salah satu perkembangan teknologi informasi telah merambah ke bidang pendidikan. Sistem Pendukung Keputusan siswa terbaik merupakan sebuah aplikasi yang berguna untuk menentukan siswa berprestasi. Data siswa yang digunakan dalam penelitian ini berjumlah 39 siswa, yang diperoleh melalui wawancara dan observasi dengan seorang guru. Penelitian ini bertujuan untuk membangun Sistem Pendukung Keputusan siswa terbaik serta mengaplikasikan metode Weighted Product di SMK Yayasan Baetussa’diyah Tirtamulya. Tahap awal yang dilakukan adalah normalisasi bobot setiap kriteria untuk memperoleh bobot perbaikan. Hasil normalisasi bobot menunjukkan bahwa nilai rata-rata memiliki bobot 40%, presensi 40%, keaktifan organisasi 10%, serta prestasi akademik dan nonakademik sebesar 10%. Setelah proses normalisasi, langkah selanjutnya adalah menghitung nilai vektor S dari setiap alternatif. Selanjutnya, nilai vektor S tersebut diolah untuk memperoleh nilai vektor V, yang kemudian digunakan untuk menentukan hasil akhir. Model waterfall diterapkan dalam penelitian ini karena merupakan salah satu model SDLC yang banyak digunakan dalam pengembangan perangkat lunak. Hasil dari penelitian ini dapat diimplementasikan untuk membantu pemilihan siswa terbaik di SMK Yayasan Baetussa’diyah Tirtamulya.

Page 20 of 22 | Total Record : 213

 18   19   20   21   22 

Filter by Year

2020 2026


Reset
Filter By Issues
All Issue Vol. 7 No. 1 (2026): Scientific Student Journal for Information, Technology and Science 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