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 233 Documents
 20   21   22   23   24 
Analisis Pola Pembelian Produk pada Toko Sembako Mamah Dedeh Menggunakan Algoritma FP-Growth Dina Aliya Sari; Adi Rizky Pratama; Nurhayati; Deden Wahiddin
Scientific Student Journal for Information, Technology and Science Vol. 7 No. 2 (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

Penelitian ini bertujuan menganalisis pola pembelian produk pada Toko Sembako Mamah Dedeh menggunakan algoritma Frequent Pattern Growth (FP-Growth). Data yang digunakan berupa transaksi penjualan selama tujuh bulan yang melalui tahap praproses, meliputi pembersihan data, penghapusan duplikasi, dan pengelompokan transaksi. Selanjutnya, analisis dilakukan melalui pembentukan FP-Tree, conditional pattern base, conditional FP-Tree, serta pembangkitan aturan asosiasi berdasarkan nilai minimum support dan confidence. Hasil penelitian menunjukkan adanya beberapa kombinasi produk yang memiliki nilai support dan confidence tinggi sehingga berpotensi dijadikan dasar dalam penyusunan strategi penempatan produk, paket penjualan, dan program promosi. Dengan demikian, algoritma FP-Growth terbukti efektif dalam mengidentifikasi pola pembelian konsumen serta mendukung pengambilan keputusan yang lebih tepat berdasarkan data transaksi.
Klasifikasi Penyakit Daun Padi Menggunakan Fitur Tekstur GLCM dan HOG dengan Algoritma Random Forest Firmansyah; Tohirin Al Mudzakir; Hilda Yulia Novita; Kiki Ahmad Baihaqi
Scientific Student Journal for Information, Technology and Science Vol. 7 No. 2 (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

Tanaman padi sangat rentan terhadap penyakit daun, seperti Leaf Smut, Brown Spot, dan Bacterial Leaf Blight, yang dapat menurunkan produktivitas apabila tidak terdeteksi sejak dini. Identifikasi manual melalui inspeksi visual sering kali tidak dapat diandalkan karena adanya kemiripan gejala antarpenyakit. Penelitian ini menyajikan pendekatan klasifikasi yang mengintegrasikan fitur tekstur dari Gray Level Co-occurrence Matrix (GLCM), fitur bentuk yang diekstraksi menggunakan Histogram of Oriented Gradients (HOG), serta informasi warna dari histogram warna. Dataset terdiri atas 720 citra hasil augmentasi yang diproses menjadi vektor fitur berdimensi 21.720. Algoritma Random Forest digunakan sebagai model klasifikasi, sedangkan optimasi hiperparameter dilakukan menggunakan GridSearchCV untuk memperoleh performa terbaik. Hasil evaluasi terhadap 144 citra uji menunjukkan akurasi sebesar 90,28%. Confusion matrix dan classification report menunjukkan bahwa model mampu membedakan tiga jenis penyakit daun padi secara efektif, meskipun masih terdapat beberapa kesalahan klasifikasi pada kelas yang memiliki karakteristik visual serupa. Hasil penelitian ini menunjukkan bahwa kombinasi fitur tekstur, bentuk, dan warna merupakan pendekatan yang efisien serta mudah diinterpretasikan untuk klasifikasi penyakit daun padi.
Sistem Kotak Penggalangan Dana Otomatis Berbasis ESP32 dengan Klasifikasi Nominal Uang Kertas Menggunakan Metode Euclidean Distance Gilang Cantona; Deden Wahiddin; Nurhayati; Adi Rizky Pratama
Scientific Student Journal for Information, Technology and Science Vol. 7 No. 2 (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 kotak penggalangan dana secara manual sering kali menimbulkan berbagai kendala, seperti keterlambatan pencatatan, risiko kesalahan, serta rendahnya transparansi dalam pelaporan. Penelitian ini bertujuan merancang sistem otomatis berbasis Internet of Things (IoT) menggunakan mikrokontroler ESP32 dan sensor warna TCS3200 untuk mengenali nominal uang kertas Rupiah. Metode Euclidean Distance digunakan untuk mengklasifikasikan nominal berdasarkan nilai ambang RGB dari masing-masing uang kertas yang telah dikalibrasi. Hasil klasifikasi kemudian dikirimkan secara real-time melalui bot Telegram beserta total saldo yang diperbarui secara otomatis. Sistem diuji pada tujuh nominal uang kertas, mulai dari Rp1.000 hingga Rp100.000, dan menunjukkan tingkat keberhasilan deteksi yang tinggi, terutama pada nominal besar. Hasil penelitian menunjukkan bahwa kombinasi sensor warna dan metode Euclidean Distance dapat menjadi solusi yang efektif untuk mengotomatisasi pencatatan donasi secara efisien dan transparan.
Prototype Sistem Parkir Otomatis Berbasis Kamera Android dan ESP32 Menggunakan Algoritma Convolutional Neural Network Haikal Fasiha Fayyadh; Sutan Faisal; Santi Arum Puspita Lestari; Tatang Rohana
Scientific Student Journal for Information, Technology and Science Vol. 7 No. 2 (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

Peningkatan jumlah kendaraan di Indonesia menimbulkan tantangan dalam pengelolaan area parkir, khususnya dalam aspek efisiensi dan otomatisasi. Penelitian ini bertujuan mengembangkan prototipe sistem parkir otomatis berbasis kamera Android dan mikrokontroler ESP32 yang mampu mendeteksi golongan kendaraan serta membaca pelat nomor secara real-time. Sistem ini menggunakan algoritma Convolutional Neural Network (CNN) dengan arsitektur YOLOv8n untuk deteksi objek serta PaddleOCR untuk pembacaan karakter pada pelat nomor kendaraan. Model dikonversi ke dalam format TensorFlow Lite agar dapat berjalan secara efisien pada perangkat Android. Hasil pengujian menunjukkan bahwa model deteksi kendaraan memiliki precision sebesar 87%, recall sebesar 100%, dan mAP@0.5 sebesar 99%, sedangkan model deteksi pelat nomor mencapai precision sebesar 98,56%, recall sebesar 94,19%, dan mAP@0.5 sebesar 98,45%. Meskipun tingkat akurasi yang tinggi berhasil dicapai, sistem masih menghadapi tantangan pada kondisi tertentu, seperti sudut kemiringan pelat nomor dan jarak objek terhadap kamera. Hasil evaluasi menunjukkan bahwa prototipe ini berhasil membuktikan konsep sistem parkir otomatis yang fungsional dan efisien. Namun, pengembangan lebih lanjut masih diperlukan untuk penerapan pada lingkungan nyata.
Penerapan Algoritma Long Short-Term Memory dalam Prediksi Harga Bahan Pangan Nasional Ilham Dwi Ischan; Ahmad Fauzi; Dwi Sulistya Kusumaningrum; Sutan Faisal
Scientific Student Journal for Information, Technology and Science Vol. 7 No. 2 (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

Perubahan harga bahan pangan yang tidak stabil menjadi kendala dalam menjaga keseimbangan ekonomi serta ketahanan pangan di Indonesia. Penelitian ini bertujuan untuk menerapkan algoritma Long Short-Term Memory (LSTM) dalam memprediksi harga bahan pangan nasional secara akurat. Data yang digunakan berasal dari Bank Indonesia, yang terdiri atas data harian harga komoditas pangan dari 32 provinsi selama lima tahun terakhir. Tahapan penelitian meliputi preprocessing, normalisasi, pelatihan model, serta evaluasi menggunakan metrik Root Mean Squared Error (RMSE) dan Mean Absolute Percentage Error (MAPE). Hasil evaluasi menunjukkan bahwa algoritma Long Short-Term Memory mampu mencapai tingkat akurasi sebesar 98,01%, nilai MAPE sebesar 0,75%, dan nilai RMSE sebesar 0,0065, yang termasuk dalam kategori sangat baik. Hasil tersebut menunjukkan bahwa algoritma Long Short-Term Memory mampu memodelkan pola harga pangan yang dinamis dan kompleks dengan baik. Penelitian ini diharapkan dapat menjadi referensi dalam pengembangan sistem prediksi harga pangan berbasis kecerdasan buatan yang mendukung pengambilan keputusan strategis oleh pemerintah maupun pelaku industri.
Deteksi Pelat Nomor Kendaraan dengan Convolutional Neural Network dan Pembacaan Karakter dengan Optical Character Recognition Indri Rahmawati; Deden Wahiddin; Euis Nurlaelasari; Adi Rizky Pratama; Ahmad Fauzi; Jamaludin Indra
Scientific Student Journal for Information, Technology and Science Vol. 7 No. 2 (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

Pengenalan pelat nomor kendaraan secara otomatis menjadi salah satu solusi untuk meningkatkan efisiensi dan keamanan sistem parkir, khususnya di Universitas Buana Perjuangan Karawang yang masih menggunakan metode manual. Penelitian ini mengembangkan sistem deteksi pelat nomor kendaraan menggunakan algoritma Convolutional Neural Network (CNN) dan PaddleOCR. Dataset yang digunakan sebanyak 10.795 citra, kemudian diperluas menjadi 21.590 citra melalui proses augmentasi data. Tahap preprocessing meliputi konversi citra menjadi grayscale, resize, normalisasi, dan parsing anotasi. Algoritma Convolutional Neural Network digunakan untuk mendeteksi lokasi pelat nomor, sedangkan PaddleOCR digunakan untuk mengenali karakter pada pelat nomor. Evaluasi dilakukan menggunakan metrik Mean Absolute Error (MAE), Intersection over Union (IoU), dan akurasi OCR. Hasil evaluasi menunjukkan nilai IoU validasi sebesar 0,8639 dan akurasi OCR sebesar 80%, yang menunjukkan bahwa sistem memiliki performa yang baik pada tahap awal pengembangan.
Penerapan Algoritma Decision Tree dan Random Forest untuk Analisis Sentimen Politik Indonesia Pascapemilu Iqbal Tawakkal; Tohirin Al Mudzakir; Hilda Yulia Novita; Adi Rizky Pratama
Scientific Student Journal for Information, Technology and Science Vol. 7 No. 2 (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

Penelitian ini bertujuan mengklasifikasikan sentimen politik Indonesia pascapemilu dengan menerapkan teknik text mining untuk mengidentifikasi berbagai isu politik. Data diperoleh dari komentar masyarakat pada media sosial Instagram, YouTube, dan TikTok yang membahas Presiden dan Prabowo, dengan jumlah dataset sebanyak 8.532 data. Pengolahan data dilakukan menggunakan bahasa pemrograman Python pada platform Google Colaboratory. Tahap preprocessing meliputi text cleaning untuk menghapus angka, simbol, dan tautan URL, kemudian dilanjutkan dengan stemming, tokenization, stopword removal, pelabelan, dan pembobotan kata menggunakan Term Frequency–Inverse Document Frequency (TF-IDF). Pendekatan supervised learning diterapkan menggunakan algoritma Decision Tree dan Random Forest. Dataset dibagi menjadi 70% data latih dan 30% data uji sebelum dilakukan pembangunan model klasifikasi. Evaluasi menggunakan Confusion Matrix menunjukkan bahwa algoritma Decision Tree memperoleh akurasi sebesar 71,02%, sedangkan algoritma Random Forest memperoleh akurasi sebesar 75,30%. Hasil tersebut menunjukkan bahwa kedua algoritma mampu mengklasifikasikan data berdasarkan pola fitur teks yang diekstraksi, dengan Random Forest menghasilkan kinerja yang lebih baik dibandingkan Decision Tree.
Prediksi Ketersediaan Buah Menggunakan Algoritma Decision Tree Maulana Arif Hidayat; Adi Rizky Pratama; Elsa Elvira Awal; Tatang Rohana
Scientific Student Journal for Information, Technology and Science Vol. 7 No. 2 (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

Penelitian ini bertujuan menerapkan algoritma Decision Tree untuk memprediksi ketersediaan stok buah guna mendukung pengelolaan persediaan yang lebih efisien. Permasalahan dalam pengelolaan stok bukan terletak pada tidak tersedianya data penjualan, melainkan pada belum optimalnya pemanfaatan data yang telah dicatat. Data penjualan harian telah tersedia, tetapi belum dianalisis lebih lanjut untuk mengidentifikasi jenis buah yang paling banyak terjual. Kondisi tersebut menyulitkan penentuan prioritas stok secara akurat sehingga keputusan pengadaan masih cenderung bersifat subjektif dan berisiko menimbulkan penumpukan barang yang tidak terjual. Untuk mengatasi permasalahan tersebut, penelitian ini menggunakan data transaksi penjualan harian buah dari sebuah pasar di Kabupaten Karawang yang terdiri atas 1.207 entri selama periode Juni hingga Oktober 2024. Tahapan penelitian meliputi pengumpulan data, data preprocessing, pembangunan model Decision Tree, dan evaluasi kinerja model menggunakan Confusion Matrix. Hasil evaluasi menunjukkan bahwa model mampu mengklasifikasikan status stok buah (laku atau tidak laku) dengan akurasi sebesar 96%, precision sebesar 93%, recall sebesar 96%, dan F1-score sebesar 94%. Hasil tersebut menunjukkan bahwa algoritma Decision Tree efektif digunakan untuk mendukung pengambilan keputusan dalam memprediksi kebutuhan stok buah serta meminimalkan potensi kerugian akibat pengelolaan stok yang kurang tepat.
Penerapan Algoritma FP-Growth untuk Analisis Pola Pembelian Suku Cadang di Bengkel Sepeda Motor Maulidinah Nurrahma; Sutan Faisal; Rahmat; Deden Wahiddin
Scientific Student Journal for Information, Technology and Science Vol. 7 No. 2 (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 suku cadang merupakan faktor penting dalam menjaga kelancaran operasional bengkel sepeda motor. Permasalahan yang umum dihadapi oleh pemilik bengkel adalah ketidaktepatan manajemen stok akibat belum adanya analisis terhadap pola pembelian pelanggan. Penelitian ini bertujuan menerapkan metode data mining menggunakan algoritma FP-Growth (Frequent Pattern Growth) untuk menganalisis pola pembelian suku cadang berdasarkan data transaksi pelanggan. Algoritma FP-Growth dipilih karena mampu menemukan kombinasi item yang sering muncul secara bersamaan dengan cepat dan efisien. Hasil analisis menunjukkan adanya pola keterkaitan antarproduk, seperti kombinasi pembelian antara oli dan busi, yang dapat dijadikan dasar dalam perencanaan dan pengendalian stok. Dengan penerapan metode ini, pengelolaan persediaan dapat dilakukan secara lebih efektif, risiko kelebihan maupun kekurangan stok dapat diminimalkan, serta kepuasan pelanggan dapat meningkat.
Analisis Kinerja Algoritma Long Short-Term Memory dan Random Forest untuk Prediksi Penjualan Buah Mochamad Rayhan Bachtiar; Deden Wahiddin; Iman Sanjaya; Sutan Faisal
Scientific Student Journal for Information, Technology and Science Vol. 7 No. 2 (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

Fluktuasi volume penjualan buah akibat kondisi ekonomi dan perilaku konsumen menjadi tantangan dalam perencanaan stok. Penelitian ini membandingkan kinerja algoritma Long Short-Term Memory (LSTM) dan Random Forest dalam memprediksi penjualan buah mingguan. Data penjualan harian delapan jenis buah pada periode Januari 2024 hingga Maret 2025 diolah menjadi data mingguan melalui tahapan eksplorasi data, data preprocessing, transformasi deret waktu (time series), one-hot encoding, pembuatan fitur lag dan moving average, serta pembagian data menggunakan metode time series split. Model dilatih menggunakan 80% data, dengan Random Forest memanfaatkan fitur numerik hasil transformasi, sedangkan LSTM memanfaatkan urutan tiga langkah waktu. Evaluasi menggunakan metrik R² dan Root Mean Squared Error (RMSE) menunjukkan bahwa Random Forest memiliki kinerja yang lebih baik (R² = 0,9191; RMSE = 2,18) dibandingkan LSTM (R² = 0,8793; RMSE = 2,66), sehingga lebih efektif dalam memodelkan pola penjualan buah mingguan.

Page 23 of 24 | Total Record : 233

 20   21   22   23   24 

Filter by Year

2020 2026


Reset
Filter By Issues
All Issue Vol. 7 No. 2 (2026): Scientific Student Journal for Information, Technology and Science 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