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 
Pengenalan Objek Alfabet American Sign Language (ASL) Menggunakan Algoritma YOLOv5 Rishma Maudyna; Hanny Hikmayanti Handayani; Santi Arum Puspita Lestari
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

Kurangnya penggunaan bahasa isyarat dalam berkomunikasi mengakibatkan minimnya pengetahuan masyarakat terkait metode komunikasi menggunakan bahasa isyarat. Model algoritma YOLOv5 banyak digunakan untuk deteksi objek dan mampu menghasilkan tingkat akurasi yang tinggi. Oleh karena itu, penelitian ini dilakukan untuk mendeteksi dan mengenali objek alfabet dari American Sign Language (ASL) menggunakan YOLOv5. Tujuan penelitian ini adalah untuk mengetahui hasil deteksi dan menganalisis performa model YOLOv5, serta mengevaluasi hasilnya menggunakan Confusion Matrix. Tahapan penelitian yang dilakukan meliputi pengumpulan dataset dan anotasi objek menggunakan Roboflow. Untuk mengetahui performa model YOLOv5, dilakukan perbandingan antara pelatihan dengan 200 epoch dan 300 epoch. Hasil pengujian model YOLOv5 pada kedua epoch tersebut menunjukkan bahwa dari 26 kelas huruf alfabet, nilai Mean Average Precision (mAP) dengan confidence threshold rata-rata mencapai 0,950 pada mAP@0.5. Nilai precision pada 200 dan 300 epoch masing-masing sebesar 1 dan 0,7428. Nilai recall pada 200 dan 300 epoch masing-masing sebesar 0,7878 dan 0,7027. Pada epoch 200 dan 300 diperoleh nilai akurasi tertinggi sebesar 0,96, sedangkan nilai akurasi terendah terdapat pada epoch 200 dengan nilai 0,85.
Rancang Bangun Otomatisasi Penjernihan Air Sumur Berbasis Arduino Menggunakan Algoritma Fuzzy Mamdani Ruliawan Hamdan; Tohirin Al Mudzakir; 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

Air merupakan sumber kebutuhan yang disediakan oleh alam bagi hewan, tumbuhan, dan manusia. Air dimanfaatkan masyarakat sebagai penunjang berbagai kebutuhan dalam kehidupan sehari-hari. Masyarakat di Kecamatan Tirtajaya menggunakan air sumur sebagai kebutuhan primer. Namun demikian, kualitas air sumur di setiap wilayah Kecamatan Tirtajaya tidaklah sama, seperti kondisi air yang keruh dan berbau pada beberapa sumur. Kualitas air sumur yang buruk dapat berdampak terhadap masalah kesehatan. Kualitas air yang buruk dapat diperbaiki dengan penggunaan tawas sebagai media penjernihan air. Akan tetapi, masyarakat belum mengetahui proses penggunaan tawas yang benar pada air sumur. Salah satu cara untuk menjernihkan air adalah dengan memanfaatkan teknologi di bidang mikrokontroler, yaitu Arduino, guna mengatasi permasalahan kualitas air sumur. Oleh karena itu, dirancang sebuah prototipe pengolahan air berbasis Arduino dengan mengimplementasikan algoritma Fuzzy Mamdani. Prototipe ini bertujuan untuk menghasilkan pengolahan air yang lebih baik melalui penggunaan tawas pada air sumur. Perancangan dilakukan dengan menerapkan metode waterfall pada proses pembuatan desain hingga terbentuknya prototipe. Hasil pengujian menunjukkan nilai rata-rata ADC dan NTU pada tiga kali pengujian, yaitu sebesar 918 ADC, 913 ADC, dan 910 ADC, serta 0,56 NTU, 9,5 NTU, dan 20 NTU. Selain itu, sistem mampu mengimplementasikan algoritma Fuzzy Mamdani dengan nilai rata-rata tingkat kesalahan (error) sebesar 4,65% dan tingkat keberhasilan sebesar 95,35%.
Analisis Dampak SelectKBest dan SMOTEENN terhadap Akurasi Model Klasifikasi Penyakit Cacar Monyet Menggunakan Algoritma Machine Learning Agung Triatna; Yana Cahyana; Tohirin Al Mudzakir; Adi Rizky Pratama
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

Penyebaran cacar monyet yang cepat dan sulit dikendalikan membutuhkan metode prediksi penyakit yang akurat. Kesalahan prediksi false negative dapat menyebabkan infeksi tidak terdeteksi. Sebaliknya, diagnosis false positive menimbulkan kecemasan yang tidak perlu dan membebani fasilitas kesehatan dengan kasus yang sebenarnya tidak terinfeksi. Penelitian ini dilakukan untuk mengetahui pengaruh SelectKBest dan SMOTEENN terhadap akurasi model klasifikasi penyakit cacar monyet. Dataset yang digunakan berisi rekam medis gejala klinis pasien cacar monyet dengan dimensi (25.000, 11). Tahapan pengolahan data meliputi pengumpulan data, analisis data eksploratif (Exploratory Data Analysis / EDA), prapemrosesan, pemodelan, dan evaluasi. Penelitian ini menggunakan empat variasi dataset, yaitu dataset asli tanpa modifikasi, dataset hasil seleksi fitur menggunakan SelectKBest, dataset hasil resampling menggunakan SMOTEENN, serta dataset hasil kombinasi SelectKBest dan SMOTEENN. Hasil penelitian menunjukkan bahwa kombinasi SelectKBest dan SMOTEENN terbukti paling efektif dalam meningkatkan akurasi model klasifikasi. Algoritma XGBoost mencapai akurasi sebesar 100%, diikuti oleh Gradient Boosting dengan akurasi 98,57%, serta AdaBoost sebesar 89,97%. Temuan ini menunjukkan bahwa pemilihan fitur yang tepat, yang dikombinasikan dengan metode resampling data, mampu meningkatkan performa model dalam klasifikasi penyakit cacar monyet.
Penerapan Support Vector Machine pada Klasifikasi Kondisi Kematangan Cabai Rawit Anggie Wiyani Putri; Ahmad Fauzi; Dwi Sulistya Kusumaningrum; Sutan Faisal
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

Cabai rawit (Capsicum frutescens) merupakan komoditas penting di Indonesia, namun ketergantungan impor masih tinggi akibat kendala sortasi dan distribusi yang tidak merata. Proses sortasi manual sering kali tidak akurat, sehingga cabai mentah, matang, atau rusak tercampur. Kondisi tersebut menurunkan kualitas dan nilai jual cabai rawit. Penelitian ini bertujuan untuk mengembangkan sistem klasifikasi otomatis kondisi kematangan cabai rawit menggunakan algoritma Support Vector Machine (SVM) dengan ekstraksi fitur kombinasi HSV, GLCM, dan Local Binary Pattern (LBP). Metode yang digunakan meliputi augmentasi data, segmentasi berbasis HSV thresholding, serta ekstraksi fitur warna dan tekstur. Hasil evaluasi menunjukkan bahwa model SVM dengan kernel RBF mencapai nilai rata-rata F1-Score sebesar 84%, dengan performa terbaik pada kelas matang yang memperoleh F1-Score sebesar 92%. Namun, kelas rusak memiliki nilai F1-Score yang lebih rendah, yaitu sebesar 71%, akibat ketidakseimbangan data. Simpulan dari penelitian ini menunjukkan bahwa kombinasi fitur HSV, GLCM, dan LBP efektif untuk klasifikasi kondisi kematangan cabai rawit. Meskipun demikian, diperlukan pengembangan dataset serta penerapan pendekatan deep learning, seperti CNN-SVM, untuk meningkatkan akurasi berdasarkan nilai F1-Score pada kelas minoritas.
Implementasi Metode Support Vector Machine untuk Mendeteksi Penggunaan Pemutih pada Berasvb Diah Nurlaila; Adi Rizky Pratama; Elsa Elvira Awal; 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

Penggunaan bahan pemutih pada beras merupakan praktik berbahaya yang masih sering dilakukan untuk meningkatkan daya tarik visual produk. Deteksi dini sangat penting untuk melindungi konsumen dari bahaya kesehatan yang ditimbulkan. Penelitian ini bertujuan untuk mengembangkan sistem klasifikasi menggunakan Support Vector Machine (SVM) guna mendeteksi penggunaan pemutih pada beras secara otomatis melalui analisis citra. Dataset yang digunakan terdiri atas 400 citra beras dengan dua kelas, yaitu beras normal dan beras pemutih. Tahapan penelitian meliputi praproses citra, ekstraksi fitur menggunakan Histogram of Oriented Gradients (HOG), histogram warna, dan Gray Level Co-occurrence Matrix (GLCM). Model SVM dengan berbagai pilihan kernel dilatih dan dievaluasi menggunakan confusion matrix. Hasil pengujian menunjukkan bahwa performa terbaik dicapai oleh kernel RBF dengan akurasi sebesar 93,75%, precision 93,33%, recall 91,66%, dan F1-score 92,95%. Penelitian ini membuktikan bahwa kombinasi ekstraksi fitur HOG, histogram warna, dan GLCM dengan klasifikasi SVM efektif dalam mendeteksi penggunaan pemutih pada beras, sehingga dapat menjadi alat yang berguna untuk pengendalian kualitas pangan.
Klasterisasi Penggunaan Obat di Puskesmas Karawang Kulon Menggunakan Algoritma K-Means Hilman Abdurrohim Azis; Adi Rizky Pratama; Elsa Elvira Awal; Hanny Hikmayanti Handayani
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

Pengelolaan stok obat di Puskesmas Karawang Kulon merupakan hal yang memegang peranan penting dalam mendukung kelancaran pemberian layanan kesehatan kepada masyarakat. Permasalahan yang sering muncul adalah ketidaksesuaian antara ketersediaan obat dan tingkat penggunaannya, yang berpotensi menimbulkan kekurangan atau penumpukan stok. Penelitian ini bertujuan untuk menerapkan algoritma K-Means Clustering guna mengkategorikan data pemakaian obat berdasarkan tingkat pemakaian tahunan, sehingga dapat digunakan sebagai dasar dalam perencanaan kebutuhan obat. Data yang digunakan bersumber dari laporan LPLPO tahun 2024 dan melalui tahapan integrasi, pembersihan, serta pengelompokan menggunakan algoritma K-Means. Hasil analisis menunjukkan bahwa data dapat dikategorikan ke dalam tiga kelompok, yaitu pemakaian tinggi, sedang, dan rendah. Pengelompokan ini memberikan gambaran yang lebih terstruktur terhadap pola pemakaian obat dan dapat dimanfaatkan untuk mendukung pengambilan keputusan dalam proses perencanaan pengadaan obat di masa mendatang.
Penerapan Algoritma Support Vector Machine untuk Klasifikasi Penyakit Daun Tanaman Padi melalui Citra Irfan; Hanny Hikmayanti Handayani; Cici Emilia Sukmawati; Ahmad Fauzi
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

Pertanian padi memiliki peran penting dalam perekonomian Indonesia, namun kerap terganggu oleh penyakit daun, seperti blast, blight, dan tungro. Penelitian ini mengembangkan metode klasifikasi citra daun padi menggunakan algoritma Support Vector Machine (SVM) untuk mendeteksi ketiga jenis penyakit tersebut. Penelitian ini menggunakan 240 data citra daun padi. Tahapan yang dilakukan meliputi prapemrosesan citra, seperti resizing, grayscale, peningkatan kontras, dan tahapan lainnya, dilanjutkan dengan ekstraksi fitur Local Binary Pattern (LBP), normalisasi data, serta validasi menggunakan metode 5-Fold Cross-Validation dengan kernel RBF. Model SVM yang dihasilkan mencapai akurasi sebesar 83,33%. Nilai precision dan recall masing-masing untuk penyakit blast adalah 81% dan 85%, blight sebesar 86,6% dan 97,5%, serta tungro sebesar 82,29% dan 67,5%. Nilai F1-score tertinggi diperoleh pada kelas blight sebesar 91,72%, sedangkan nilai terendah terdapat pada kelas tungro sebesar 74,34%. Meskipun akurasi yang diperoleh tergolong cukup tinggi, model masih mengalami kesulitan dalam mengenali penyakit tungro. Hal ini menunjukkan perlunya peningkatan metode pemrosesan data dan pengembangan pendekatan lanjutan agar kinerja klasifikasi dapat ditingkatkan.
Penerapan Smart Contract Ethereum pada Aplikasi Crowdfunding dengan Keamanan Keccak-256 M. Naufal Faqih; Deden Wahiddin; Kiki Ahmad Baihaqi; Yana Cahyana
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

Crowdfunding telah muncul sebagai metode yang populer untuk mengumpulkan dana secara daring. Namun, permasalahan seperti salah urus dana dan kurangnya transparansi masih sering terjadi. Penelitian ini bertujuan untuk mengatasi permasalahan tersebut dengan mengembangkan platform crowdfunding berbasis teknologi blockchain menggunakan smart contract pada Ethereum. Sistem yang dikembangkan menjamin transparansi, integritas, dan ketertelusuran transaksi dengan mencatat seluruh aktivitas secara permanen di blockchain. Setiap kampanye penggalangan dana diidentifikasi menggunakan ID unik yang dihasilkan melalui algoritma hashing Keccak-256, sehingga mampu mencegah duplikasi data serta memastikan proses pengindeksan yang aman. Proses pengembangan sistem meliputi perancangan smart contract, implementasi antarmuka berbasis web, serta penerapan server backend untuk penyimpanan gambar menggunakan Express.js. Pengujian fungsionalitas sistem dilakukan menggunakan metode black-box testing pada beberapa skenario, seperti pembuatan kampanye, pemrosesan donasi, dan validasi penarikan dana. Hasil pengujian menunjukkan bahwa sistem berjalan dengan baik, di mana setiap fitur inti berfungsi sesuai dengan yang diharapkan dan integritas data tetap terjaga. Transparansi dicapai melalui transaksi yang dapat diverifikasi secara publik, sementara penggunaan Keccak-256 memberikan perlindungan yang efektif terhadap potensi gangguan. Selain itu, analisis biaya gas menunjukkan bahwa transaksi berada dalam kisaran biaya yang wajar untuk implementasi skala kecil. Studi ini menunjukkan bahwa sistem berbasis blockchain mampu meningkatkan kepercayaan terhadap platform crowdfunding serta dapat dijadikan referensi dalam pengembangan sistem penggalangan dana yang transparan dan aman di masa depan.
Analisis Kinerja Algoritma Naïve Bayes dan Random Forest dalam Memprediksi Hasil Klasemen English Premier League Muhamad Ibnu Rizky; Sutan Faisal; Iman Sanjaya; Deden Wahiddin
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

English Premier League dikenal sebagai liga sepak bola yang paling kompetitif dan menarik untuk dianalisis secara statistik. Penelitian ini dilakukan untuk membandingkan kinerja dua algoritma machine learning, yaitu Naïve Bayes dan Random Forest, dalam memprediksi posisi akhir klasemen berdasarkan data statistik pertandingan. Data dikumpulkan melalui teknik web scraping dari situs FBref.com, yang mencakup data tiga musim kompetisi serta sejumlah fitur relevan lainnya. Setelah melalui tahap prapemrosesan (preprocessing), data dibagi menjadi data pelatihan dan data pengujian dengan rasio 80:20. Evaluasi terhadap model dilakukan menggunakan berbagai metrik, seperti akurasi, presisi, recall, F1-score, serta confusion matrix. Hasil pengujian menunjukkan bahwa algoritma Naïve Bayes memperoleh akurasi sebesar 69,83% dan menunjukkan kinerja yang cukup baik dalam memprediksi hasil seri. Di sisi lain, algoritma Random Forest menunjukkan performa yang lebih unggul dengan akurasi mencapai 99,57%, serta nilai presisi, recall, dan F1-score yang tinggi dan konsisten. Prediksi klasemen akhir yang dihasilkan oleh Random Forest juga lebih mendekati hasil sebenarnya. Berdasarkan temuan tersebut, dapat disimpulkan bahwa Random Forest lebih mampu menangani kompleksitas data pertandingan sepak bola dan lebih direkomendasikan untuk digunakan dalam sistem prediksi di bidang analitik olahraga.
Penerapan Algoritma Machine Learning untuk Mengklasifikasikan Polusi Udara di Wilayah DKI Jakarta Muhammad Arya Suhendi; Tatang Rohana; Jamaludin Indra; 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

Polusi udara di DKI Jakarta merupakan masalah serius dengan tingkat polusi tertinggi di Asia Tenggara. Sumber utama polusi udara berasal dari sektor transportasi, industri, dan pembakaran sampah. Keterbatasan sistem pemantauan konvensional mendorong pemanfaatan kecerdasan buatan, khususnya algoritma machine learning, untuk meningkatkan akurasi klasifikasi kualitas udara. Penelitian ini membandingkan performa empat algoritma, yaitu Support Vector Machine (SVM), Gradient Boosting, Random Forest, dan Decision Tree, dalam mengklasifikasikan tingkat polusi udara di Jakarta. Dataset yang digunakan terdiri atas 1.675 data Indeks Standar Pencemar Udara (ISPU) yang diperoleh dari Dinas Lingkungan Hidup Jakarta selama periode Januari hingga November 2024. Parameter yang digunakan meliputi PM10, PM2.5, SO₂, CO, O₃, dan NO₂. Proses penelitian mencakup tahapan pembersihan data, normalisasi, reduksi dimensi menggunakan Principal Component Analysis (PCA), pembangunan model melalui pembagian data latih dan data uji dengan rasio 80:20, serta evaluasi performa menggunakan metrik akurasi, presisi, recall, dan F1-score. Hasil evaluasi menunjukkan bahwa seluruh algoritma menghasilkan tingkat akurasi yang tinggi. Algoritma Random Forest mencapai performa terbaik dengan akurasi sebesar 93,71%, diikuti oleh Decision Tree sebesar 93,41%, Gradient Boosting sebesar 92,81%, dan Support Vector Machine sebesar 92,51%. Temuan ini mendukung penerapan machine learning sebagai solusi yang efektif untuk pemantauan polusi udara di Jakarta.

Page 21 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