cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Oris Krianto Sulaiman
Contact Email
ilmubersamacenter@gmail.com
Phone
+6282294365929
Journal Mail Official
helloworldjurnal@gmail.com
Editorial Address
Jl. Imam Bonjol No. 9 Forum 9th Floor, Kota Medan, Sumatera Utara 20112
Location
Kota medan,
Sumatera utara
INDONESIA
Hello World
Published by Ilmu Bersama Center
ISSN : -     EISSN : 28298616     DOI : https://doi.org/10.56211/helloworld
Core Subject : Science,
Computer Science & IT
Hello World Jurnal Ilmu Komputer merupakan jurnal yang membahas ilmu dibidang komputer, jurnal ini sebagai wadah untuk menuangkan hasil penelitian baik secara konseptual maupun teknis yang berkaitan dengan ilmu komputer. Hello World Jurnal terbit 4 kali dalam setahun yaitu pada bulan April, Juli, Oktober dan Januari. Terbitan pertama adalah bulan April 2022. Naskah yang masuk akan diterima oleh editor untuk kemudian kan dilakukan pemeriksaan kemiripan naskah dengan aplikasi Plagiarism Checker X. Proses review dilakukan dengan menggunakan peer review. Hello World Jurnal menerima naskah dengan topik Software Engineering, Information System, e-Government, e-Healthcare, e-Learning, e-Manufacturing, e-Commerce, Smart Systems, Smart City, Cloud Engineer, Data Science, Data Engineer, Natural Language Processing dan topik lainnya yang relevan dengan Ilmu Komputer.
Arjuna Subject : Ilmu Komputer (semua kategori) - Perangkat Lunak
Articles 95 Documents
 6   7   8   9   10 
Sistem Monitoring Berbasis ESP8266 Untuk Pemantauan Lingkungan Perkebunan Hortikultura Ok Muhammad Rehansyah Putra; Mhd. Basri
Hello World Jurnal Ilmu Komputer Vol. 4 No. 4 (2026): Edisi Januari
Publisher : Ilmu Bersama Center

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

Abstract

Pemanfaatan Internet of Things (IoT) dalam bidang pertanian semakin berkembang, khususnya untuk mendukung pemantauan kondisi lingkungan yang lebih efisien dan tepat waktu. Penelitian ini mengembangkan sebuah sistem pemantauan suhu dan kelembaban tanah yang dikendalikan oleh mikrokontroler NodeMCU ESP8266. Sistem ini dirancang untuk mengirimkan data sensor ke server lokal secara berkala, serta memberikan peringatan otomatis kepada pengguna melalui aplikasi Telegram. Data lingkungan diperoleh dari sensor DHT11 dan sensor kelembaban tanah, kemudian dikirim ke server berbasis PHP dan MySQL. Selain itu, sistem dilengkapi dengan algoritma Random Forest yang berfungsi untuk memprediksi kebutuhan penyiraman tanaman berdasarkan data historis yang telah dikumpulkan. Hasil uji coba menunjukkan bahwa sistem mampu berjalan secara real-time, memberikan notifikasi yang relevan ketika kadar air tanah berada di bawah ambang batas, serta menampilkan hasil prediksi dalam antarmuka web yang informatif. Sistem ini dinilai efisien dan praktis untuk mendukung petani dalam mengawasi kondisi lahan serta menentukan waktu penyiraman secara lebih akurat. Daya listriknya yang hemat dan penggunaan baterai isi ulang membuat sistem ini cocok diterapkan di daerah pertanian terpencil.
Penerapan Teknologi Augmented Reality Untuk Pembelajaran Biologi Dengan Pemodelan 3D Anatomi Tubuh Manusia Berbasis Android Mirza Tansha; Farid Akbar Siregar
Hello World Jurnal Ilmu Komputer Vol. 4 No. 4 (2026): Edisi Januari
Publisher : Ilmu Bersama Center

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

Abstract

Pendidikan biologi, khususnya materi anatomi tubuh manusia, sering menghadapi tantangan dalam visualisasi konsep abstrak bagi siswa sekolah dasar. Penelitian ini bertujuan mengembangkan aplikasi Augmented Reality (AR) berbasis Android yang mengintegrasikan pemodelan 3D anatomi tubuh manusia sebagai media pembelajaran interaktif. Menggunakan Unity 3D sebagai engine utama dan Vuforia Engine sebagai SDK AR, aplikasi ini memungkinkan tampilan model 3D dengan fitur rotasi dan penggantian objek pada marker yang sama, tanpa pembuatan model dari nol melainkan memanfaatkan sumber online. Metodologi penelitian meliputi studi literatur, perancangan sistem, pengembangan aplikasi, dan evaluasi pengguna melalui observasi sederhana. Hasil diharapkan meningkatkan motivasi belajar siswa dan menyediakan alternatif media inovatif bagi guru, dengan batasan pada platform Android dan interaksi dasar.
Analisis Kinerja Algoritma FPM Dalam Mengidentifikasi Pola Pembelian Impulsif Pada Shopee Berdasarkan Fenomena Fomo Mirza Rian Arief Lubis; Al-Khowarizmi
Hello World Jurnal Ilmu Komputer Vol. 4 No. 4 (2026): Edisi Januari
Publisher : Ilmu Bersama Center

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

Abstract

Penelitian ini menganalisis kinerja algoritma Frequent Pattern Mining (FP-Growth) dalam mengidentifikasi pola pembelian impulsif pada platform Shopee yang dipicu oleh fenomena Fear of Missing Out (FOMO) di kalangan generasi milenial dan Gen-Z. Penelitian menggunakan pendekatan deskriptif kuantitatif dengan menganalisis data transaksi 50 pengguna yang melakukan minimal 6 transaksi dalam dua minggu terakhir dengan menggunakan fitur paylater. Data dianalisis menggunakan algoritma FP-Growth dengan nilai minimum support 20%, minimum confidence 20%, dan lift ratio >1. Hasil penelitian menunjukkan bahwa: (1) FP-Growth berhasil mengidentifikasi pola pembelian impulsif dengan confidence tertinggi sebesar 91,7% pada aturan Otomotif → Pakaian. (2) Kategori Pakaian mendominasi pola pembelian dan muncul dalam 35 transaksi. (3) Teridentifikasi pola asosiasi yang kuat dan kompleks, termasuk hubungan asimetris seperti Kesehatan → Kecantikan dengan confidence 78,6%. Penelitian ini menyimpulkan bahwa FP-Growth efektif dalam mengungkap pola pembelian impulsif yang dipengaruhi FOMO dan paylatter, serta dapat menjadi dasar bagi pengembangan strategi pemasaran yang lebih terarah di platform e-commerce.
Pengembangan Aplikasi Augmented Reality Berbasis Unity-Vuforia Dengan Fitur Interaktif 3D Menggunakan Metode Decision Tree Pada Materi Sistem Pencernaan Manusia Hafizh Alfarisy; Zuli Agustina Gultom
Hello World Jurnal Ilmu Komputer Vol. 4 No. 4 (2026): Edisi Januari
Publisher : Ilmu Bersama Center

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

Abstract

Pembelajaran mengenai sistem pencernaan manusia di tingkat sekolah dasar kerap mengalami hambatan karena materinya bersifat abstrak dan sulit diamati langsung. Media tradisional seperti buku teks maupun metode ceramah belum mampu memberikan representasi visual yang jelas, sehingga siswa sering menemui kesulitan dalam memahami materi. Penelitian ini bertujuan merancang aplikasi pembelajaran berbasis Augmented Reality (AR) menggunakan Unity dan Vuforia yang dipadukan dengan fitur interaktif 3D serta algoritma Decision Tree sebagai logika kuis adaptif. Pengembangan aplikasi dilakukan dengan model ADDIE yang mencakup tahap analisis, perancangan, pembuatan, implementasi, dan evaluasi. Aplikasi menampilkan visualisasi 3D organ sistem pencernaan, dilengkapi animasi, narasi, serta kuis interaktif berbasis Decision Tree yang menyesuaikan alur pembelajaran dengan jawaban siswa. Hasil pengujian menggunakan metode black-box menunjukkan seluruh fungsi berjalan sesuai rencana, meliputi pengenalan marker AR, tampilan objek 3D, interaksi pengguna, dan mekanisme kuis adaptif. Aplikasi ini diharapkan mampu meningkatkan motivasi belajar siswa, memudahkan pemahaman konsep yang abstrak, serta menjadi alternatif media pembelajaran interaktif bagi guru sekolah dasar.
Implementasi Algoritma Dijkstra Dalam Penentuan Rute Distribusi Beras SPHP Di Perum Bulog Kanwil Sumut Muhammad Fauzan Alwi Sitompul; Indah Purnama Sari
Hello World Jurnal Ilmu Komputer Vol. 4 No. 4 (2026): Edisi Januari
Publisher : Ilmu Bersama Center

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

Abstract

Perum BULOG, sebagai Badan Usaha Milik Negara yang bertanggungjawab atas stabilitas pasokan dan harga pangan, khususnya beras menjalankan program SPHP. Di Provinsi Sumatera Utara khususnya Kota Medan yang kerap dilanda kemacetan, distribusi sering terhambat karena pemilihan rute yang kurang efisien. Penelitian ini merencang sistem penentuan lintasan terpendek berbasis Algoritma Dijkstra untuk memilih jalur distribusi paling optimal dengan mempertimbangkan bobot jarak maupun waktu tempuh antara node distribusi, yaitu gudang dan Rumah Pangan Kita (RPK). Jaringan distribusi direpresentasikan sebagai graf berbobot sehingga algoritma dapat menghitung trayek tercepat ke setiap tujuan, menekan waktu serta biaya pengiriman, rute hasil perhitungan di visualisasikan pada peta sederhana guna memudahkan penerapan di lapangan. Solusi ini diharapkan tidak hanya meningkatkan efisiensi distribusi beras SPHP di Medan, tetapi juga menjadi inovasi digital yang mendukung ketahanan pangan nasional.
Prediksi Tren Tingkat Keparahan Penyakit Kucing Berdasarkan Gejala Klinis Menggunakan Regresi Logistik Multinomial Cintami Arifina Ramadhani; Zuli Agustina Gultom
Hello World Jurnal Ilmu Komputer Vol. 4 No. 4 (2026): Edisi Januari
Publisher : Ilmu Bersama Center

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

Abstract

Memprediksi tren tingkat keparahan penyakit pada kucing (Felis catus) merupakan tantangan akibat gejala klinis yang dinamis dan tumpang tindih. Oleh karena itu, diperlukan sebuah sistem prediktif untuk membantu memproyeksikan arah perkembangan penyakit secara lebih akurat. Tujuan dari penelitian ini adalah merancang dan membangun model machine learning yang dapat memprediksi tren tingkat keparahan (ringan, sedang, parah) dari enam penyakit umum pada kucing berdasarkan gejala klinisnya. Metode yang diimplementasikan adalah Regresi Logistik Multinominal. Penelitian ini menggunakan total 501 data, gabungan dari rekam medis primer dan data sekunder, yang dibagi menjadi 400 data latih dan 101 data uji. Model ini menggunakan 76 fitur gejala untuk mengklasifikasikan 18 kelas target. Evaluasi kinerja dilakukan dengan metrik Akurasi, Presisi, Recall, dan F1-Score. Hasil pengujian model pada 101 data uji menunjukkan performa yang sangat baik dengan akurasi 92%. Kinerja model yang seimbang pada setiap kelas juga ditunjukkan oleh nilai Macro Average Presisi 0,93, Recall 0,92, dan F1-Score 0,92. Penelitian ini menerapkan model Regresi Logistik Multinominal yang terbukti efektif untuk prediksi tren keparahan penyakit kucing. Model yang dihasilkan memiliki potensi untuk dikembangkan lebih lanjut sebagai sistem pendukung keputusan prognostik bagi praktisi kesehatan hewan.
Implementasi Algoritma Support Vector Machine (SVM) Dan Logistic Regression Dalam Menganalisis Sentimen Tanggapan Masyarakat Terhadap Tiktok Shop Di Social Media Risasti Dwi Ardini; Indah Purnama Sari
Hello World Jurnal Ilmu Komputer Vol. 5 No. 1 (2026): Edisi April
Publisher : Ilmu Bersama Center

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

Abstract

Perkembangan teknologi digital telah mendorong transformasi dalam aktivitas belanja masyarakat, salah satunya melalui platform TikTok Shop. Fitur ini memungkinkan pengguna untuk berbelanja langsung dalam aplikasi TikTok, yang memunculkan beragam tanggapan dari masyarakat, baik positif maupun negatif. Penelitian ini bertujuan untuk menganalisis sentimen masyarakat terhadap TikTok Shop dengan menggunakan dua algoritma klasifikasi teks, yaitu Support Vector Machine (SVM) dan Logistic Regression. Data yang digunakan berjumlah 500 komentar dari salah satu video TikTok yang membahas TikTok Shop. Komentar tersebut diproses melalui tahapan data cleaning, normalisasi, tokenisasi, stopword removal, stemming, serta ekstraksi fitur menggunakan metode TF-IDF. Model kemudian dievaluasi menggunakan metrik akurasi, presisi, recall, dan f1-score. Hasil penelitian menunjukkan bahwa algoritma SVM memiliki performa lebih baik dibandingkan Logistic Regression, dengan akurasi sebesar 89% dan f1-score sebesar 86%, sedangkan Logistic Regression memperoleh akurasi 86% dan f1-score 80%. Oleh karena itu, SVM dinilai lebih efektif dalam mengklasifikasikan sentimen masyarakat terhadap TikTok Shop di media sosial.
Penggunaan Fitur Warna Cielab Dalam Segmentasi Kematangan Buah Kakao Dengan Algoritma K-Means Clustering Anwar Rudi Setiawan Rangkuti; Indah Purnama Sari
Hello World Jurnal Ilmu Komputer Vol. 5 No. 1 (2026): Edisi April
Publisher : Ilmu Bersama Center

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

Abstract

Kakao (Theobroma cacao) merupakan salah satu komoditas pertanian yang memiliki nilai ekonomi tinggi, terutama di negara-negara penghasil seperti Indonesia. Mengingat pentingnya kualitas buah kakao dalam menentukan cita rasa cokelat, pengenalan kematangan buah kakao menjadi aspek krusial dalam proses budidaya dan pengolahan. Kematangan buah kakao dapat dinilai melalui berbagai parameter, termasuk warna, ukuran, dan tekstur. Namun, warna buah kakao menjadi indikator yang paling mudah dan cepat untuk diukur. Dalam konteks ini, model warna Cielab menawarkan keunggulan karena dirancang untuk lebih mendekati persepsi manusia terhadap warna. Cielab membagi warna menjadi tiga komponen: L* (lightness), a* (green-red), dan b* (blue-yellow), yang memungkinkan analisis warna yang lebih halus. Penelitian sebelumnya menunjukkan bahwa penggunaan fitur warna Cielab dalam klasifikasi buah dapat meningkatkan akurasi hingga 15% dibandingkan dengan model RGB. Penelitian ini juga akan mempertimbangkan tantangan yang dihadapi dalam penerapan algoritma K-Means Clustering, seperti pemilihan jumlah cluster yang tepat. Jumlah cluster yang tidak sesuai dapat menyebabkan hasil pengelompokan yang tidak akurat. Oleh karena itu, penelitian ini akan menguji beberapa nilai k (jumlah cluster) untuk menentukan kombinasi yang paling efektif dalam mengidentifikasi kematangan buah kakao. Pengujian yang teliti terhadap parameter algoritma sangat penting untuk mencapai hasil yang optimal dalam klasifikasi
Implementasi Keamanan Website Dari Serangan Cross Site Request Forgery Menggunakan Algoritma HMAC-SHA256 Pada Framework Laravel Ismi Qontas Lubis; Andi Zulherry
Hello World Jurnal Ilmu Komputer Vol. 5 No. 1 (2026): Edisi April
Publisher : Ilmu Bersama Center

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

Abstract

Ancaman keamanan seperti Cross-Site Request Forgery (CSRF) menjadi tantangan serius bagi aplikasi web, bahkan yang dibangun dengan framework modern seperti Laravel yang memiliki proteksi bawaan. Penelitian ini bertujuan untuk merancang, mengimplementasikan, dan menganalisis efektivitas algoritma HMAC-SHA256 sebagai lapisan keamanan tambahan untuk memperkuat pertahanan terhadap serangan CSRF pada framework Laravel. Metode penelitian yang digunakan adalah penelitian terapan dengan pendekatan kuantitatif. Pengujian dilakukan menggunakan metode Black Box Testing melalui empat skenario berbeda untuk mengevaluasi sistem tanpa proteksi, fungsionalitas normal, serta efektivitas pertahanan berlapis dan lapisan HMAC secara mandiri. Hasil pengujian menunjukkan bahwa sistem tanpa proteksi sepenuhnya rentan terhadap serangan. Sebaliknya, sistem dengan pertahanan berlapis berhasil menolak serangan, di mana lapisan pertama (token CSRF Laravel) memblokir permintaan dengan respons error 419. Puncak pengujian membuktikan bahwa lapisan HMAC-SHA256 mampu berfungsi sebagai benteng pertahanan mandiri yang efektif, dengan berhasil memblokir serangan (respons error 403) bahkan ketika proteksi bawaan dinonaktifkan, tanpa mengganggu fungsionalitas normal aplikasi. Penelitian ini menyimpulkan bahwa implementasi strategi pertahanan berlapis (Defense-in-Depth) menggunakan HMAC-SHA256 secara signifikan meningkatkan ketahanan aplikasi web terhadap serangan CSRF dan terbukti menjadi mekanisme pertahanan independen yang andal.
Perancangan Tempat Sampah Pintar Berbasis IOT untuk Pemilahan Sampah Otomatis Menggunakan Sensor Infrared dan Pemantauan Real-Time Wahyu Ahlansyah; Indah Purnama Sari
Hello World Jurnal Ilmu Komputer Vol. 5 No. 1 (2026): Edisi April
Publisher : Ilmu Bersama Center

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

Abstract

Permasalahan sampah, khususnya di lingkungan sekolah dasar, masih menjadi tantangan akibat kurangnya pengetahuan dan sarana pemilahan yang memadai. Penelitian ini bertujuan untuk merancang dan membangun alat pemilah sampah pintar berbasis Internet of Things (IoT) yang dapat membedakan sampah organik dan anorganik secara otomatis menggunakan sensor inframerah. Sistem ini mengintegrasikan ESP32 sebagai mikrokontroler, sensor inframerah untuk deteksi jenis sampah, serta motor servo untuk penggerak mekanik pemilah. Selain itu, sistem dilengkapi dengan aplikasi Android yang memberikan notifikasi secara real-time mengenai jenis sampah yang terdeteksi dan status kapasitas tempat sampah. Uji coba dilakukan di SD Negeri 104279 Paya Itik sebagai lingkungan edukatif yang dinilai strategis untuk penerapan alat ini. Hasil implementasi menunjukkan bahwa alat mampu meningkatkan efisiensi pemilahan sampah dan memberikan edukasi praktis bagi siswa. Dengan pendekatan ini, penelitian tidak hanya menawarkan solusi teknis dalam pengelolaan sampah, tetapi juga mendorong perubahan perilaku dan kesadaran lingkungan sejak dini.

Page 9 of 10 | Total Record : 95

 6   7   8   9   10 

Filter by Year

2022 2026


Reset
Filter By Issues
All Issue Vol. 5 No. 1 (2026): Edisi April Vol. 4 No. 4 (2026): Edisi Januari Vol. 4 No. 3 (2025): Edisi Oktober Vol. 4 No. 2 (2025): Edisi Juli Vol. 4 No. 1 (2025): Edisi April Vol. 3 No. 4 (2025): Edisi Januari Vol. 3 No. 3 (2024): Edisi Oktober Vol. 3 No. 2 (2024): Edisi Juli Vol. 3 No. 1 (2024): Edisi April Vol. 2 No. 4 (2024): Edisi Januari Vol. 2 No. 3 (2023): Edisi Oktober Vol. 2 No. 2 (2023): Edisi Juli Vol. 2 No. 1 (2023): Edisi April Vol. 1 No. 4 (2023): Edisi Januari Vol. 1 No. 3 (2022): Edisi Oktober Vol. 1 No. 2 (2022): Edisi Juli Vol. 1 No. 1 (2022): Edisi April More Issue