cover
Contact Name
Mohamad Ilyas Abas
Contact Email
juik@umgo.ac.id
Phone
+6282396102670
Journal Mail Official
juik@umgo.ac.id
Editorial Address
Jln. Prof. Mansoer Pateda, Kecamatan Telaga Biru Kabupaten Gorontalo
Location
Kab. gorontalo,
Gorontalo
INDONESIA
Jurnal Ilmu Komputer
ISSN : -     EISSN : 2774924X     DOI : -
Core Subject : Science,
Jurnal Ilmu Komputer (JUIK) Universitas Muhammadiyah Gorontalo. Jurnal ini dibuka dan dirilis pada tahun 2021 Volume 1. No. 1 untuk periode Februari dan Oktober. Jurnal ini memiliki ruang lingkup Ilmu Komputer, Teknik Informasi, Rekayasa Perangkat Lunak, Sistem Informasi Geografis, Data Mining, Machine Learning, Image Processing dan Sistem Informasi. Jurnal ini bisa menjadi tempat Anda untuk mengalirkan artikel untuk direkam sehingga menambah wawasan bagi pembaca atau pencari referensi sesuai bidang terkait.
Articles 5 Documents
Search results for , issue "Vol 2, No 1 (2022): February 2022" : 5 Documents clear
Penerapan Teknologi Web Paperless Office Pada Sistem Informasi Manajemen Organisasi Mahasiswa Mohamad Firmansyah Daud; Syahrial Syahrial; Rubiyanto Maku
Jurnal Ilmu Komputer (JUIK) Vol 2, No 1 (2022): February 2022
Publisher : Universitas Muhammadiyah Gorontalo

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1138.198 KB) | DOI: 10.31314/juik.v2i1.1512

Abstract

Penelitian ini dilakukan di lingkungan Universitas Muhammadiyah Gorontalo. Tujuan penelitian ini untuk merancang dan membangun sistem informasi manajemen organisasi mahasiswa berbasis web. Sistem ini menerapkan konsep paperless office (PLO) yang bertujuan mengurangi penggunaan kertas dalam aktifitas kegiatan organisasi. Sistem yang dikembangkan untuk beberapa pengguna, yaitu: akademik, ketua Ormawa, Wakil rektor kemahasiswaan, dan ketua bidang. Dukungan PLO pada pengajuan rencana program kerja, persetujuan, dan pelaporan. Ormawa didaftarkan oleh bagian akademik, lalu ketua Ormawa mendaftarkan ketua bidang masing-masing. Ormawa memasukkan rencana program kerja di sistem. Rencana program kerja selanjutnya diperiksa dan disetujui oleh wakil rektor. Pelaporan dimasukkan oleh Ormawa berupa dokumentasi dan laporan kegiatan. Seluruh rangkaian proses bisnis organisasi mahasiswa dikerjakan tanpa menggunakan kertas. Sistem dikembangkan dengan memanfaatkan teknologi web sehingga dapat diakses dimana saja.
PERBANDINGAN ALGORITMA NAÏVE BAYES DAN C4.5 UNTUK KLASIFIKASI BANTUAN RUMAH SEHAT Irawan Ibrahim; Hilmansyah Gani; Rizal Lamusu; Yulan Humolungo
Jurnal Ilmu Komputer (JUIK) Vol 2, No 1 (2022): February 2022
Publisher : Universitas Muhammadiyah Gorontalo

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (822.422 KB) | DOI: 10.31314/juik.v2i1.1477

Abstract

Klasifikasi adalah sebuah teknik untuk menentukan keanggotaan kelompok berdasarkan data-data yang sudah ada. Penentuan pemilihan penerima bantuan rumah sehat hanya di putuskan melalui forum musyawarah desa sehingga membutuhkan ketelitian dalam pemenuhan kriteria dan syarat penerima bantuan rumah sehat. Pada pengumpulan data, data yang didapatkan memiliki 11 kriteria di antaranya yaitu nama kepala keluarga, pekerjaan, usia pernikahan status perkawinan, jumlah anggota keluarga, status kepemilikan tanah, atap, langit-langit, lantai, dinding dan jamban. Tahap pengujian menggunakan 114 record data. Keakurasian dari hasil uji coba menggunakan Algoritma Naïve Bayes dan C4.5 ditinjau dari dua parameter yaitu X-Validation dan jumlah data training. Nilai keakurasian hasil klasifikasi yang ditinjau dari parameter Algoritma C4.5 mendapatkan nilai akurasi yang tertinggi dengan tingkat akurasi 96.51% dibandingkan dengan Algoritma Naïve Bayes dengan tingkat akurasi sebesar 95,61%.
PREDIKSI PENERIMAAN NEGARA BUKAN PAJAK (PNBP) MENGGUNAKAN ALGORITMA NEURAL NETWORK DI LPP RRI GORONTALO Djainab Humolungo; Wahyudin Hasyim; Alter Lasarudin
Jurnal Ilmu Komputer (JUIK) Vol 2, No 1 (2022): February 2022
Publisher : Universitas Muhammadiyah Gorontalo

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (580.158 KB) | DOI: 10.31314/juik.v2i1.1486

Abstract

Penerimaan Negara Bukan Pajak (PNBP) adalah salah satu sumber penerimaan negara yang sangat penting disamping penerimaan perpajakan.Maka dalam hal ini Prediksi merupakan hal penting dalam mengetahui jumlah Penerimaan Negara Bukan Pajak (PNBP) di LPP RRI Gorontalo apakah dapat memenuhi Target yang telah ditentukan oleh LPP RRI Pusat atau tidak.  Data  yang digunakan dalam penelitian ini sebanyak 240 data. Dengan menggunakan Algoritma Neural Network bahwa tingkat akurat Algoritma Neural Network dalam memprediksi PNBP tidak baik. Hal ini dibuktikan dengan tingkat RMSE terkecil saja masih di angka 0.076. dan setelah dilakukan pengujian menggunakan perhitungan di Microsoft Excel terlihat bahwa hasil prediksi dari 48 minggu di Tahun 2020 dan range error data hasil denormalisasi data dengan nilai range dari  23855200 sampai dengan -104726900
LISTRIK BERDAYA RENDAH LEBIH EFISIEN DI PERKOTAAN : PENDEKATAN SISTEM INFORMASI GEOGRAFIS Ghinia Anastasia Muhtar
Jurnal Ilmu Komputer (JUIK) Vol 2, No 1 (2022): February 2022
Publisher : Universitas Muhammadiyah Gorontalo

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (284.394 KB) | DOI: 10.31314/juik.v2i1.1448

Abstract

Penelitian ini membagi rumah tangga menjadi dua kelompok berdasarkan daya listrik pada perumahan tipe 36 (900VA) dan pada perumahan tipe 45 (1.300VA). Kami menyelidiki menggunakan data survei dari 189 rumah tangga dengan menyebarkan kuesioner untuk konsumsi listrik, jumlah keluarga dan total pendapatan. Analisis LQ dan pendekatan GIS digunakan untuk melihat distribusi efisiensi konsumsi listrik. Studi ini menemukan efisiensi konsumsi listrik yang tidak ditentukan oleh seberapa besar daya listrik yang dipasang oleh rumah tangga. Hal ini dibuktikan dengan perumahan tipe 36 yang memiliki daya listrik 900VA tetapi efisiensi konsumsi listriknya tidak lebih dominan dibandingkan dengan perumahan tipe 45. Padahal, total konsumsi listrik pada perumahan tipe 36 lebih rendah dari pada perumahan tipe 45. Dengan kata lain efisiensi pada perumahan tipe 36 kebalikan dari pada perumahan type 45 yaitu terdapat lima kecamatan pada perumahan type 36 yang tidak efisien tetapi pada perumahan type 45 kecamatan yang sama yaitu efisiensi. Selanjutnya, kami juga mempelajari tentang faktor-faktor yang mempengaruhi efisiensi konsumsi listrik. Regresi Berganda digunakan efek identifikasi dari total keluarga dan pendapatan total terhadap efisiensi konsumsi listrik. Hasil penelitian menunjukkan jumlah keluarga berpengaruh nyata terhadap peningkatan konsumsi listrik pada perumahan tipe 36 dan perumahan tipe 45. Faktor pendapatan hanya berpengaruh signifikan pada perumahan tipe 36 tetapi tidak berpengaruh signifikan pada perumahan tipe 45. Kolom R.Square menunjukkan jumlah keluarga dan total pendapatan saja berpengaruh terhadap efisiensi konsumsi listrik sebesar 14,7 % pada perumahan type 36 dan 33% pada perumahan type 45. Terdapat 60% faktor lain yang mempengaruhi efisiensi konsumsi listrik
PENERAPAN ALGORITMA SIMPLE MULTI ATTRIBUTE RATING TECHNIQUE (SMART) PEMBERIAN SANKSI TERHADAP SISWA YANG MELAKUKAN PELANGGARAN Alter Lasarudin; Tri Pratiwi Handayani; Sitnasanti Yane
Jurnal Ilmu Komputer (JUIK) Vol 2, No 1 (2022): February 2022
Publisher : Universitas Muhammadiyah Gorontalo

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (647.437 KB) | DOI: 10.31314/juik.v2i1.1487

Abstract

Pelanggaran adalah perilaku yang menyimpang untuk melakukan tindakan dengan kehendaknya sendiri tanpa memperhatikan peraturan yang telah dibuat oleh pihak sekolah. Penelitian ini bertujuan untuk memudahkan pihak sekolah dalam pemberian sanksi terhadap siswa yang melanggar aturan sekolah. Metode yang digunakan adalah Simple Multi Attribute Rating Technique (SMART), dengan delapan kriteria pelanggaran antara lain kehadiran, keterlambatan, kebersihan lingkungan dan kedisiplinan, pakaia seragam, keagamaan, perkelahian, membawa handpone, merokok. Hasil perhitungan metode SMART dengan jumlah 70 data siswa yang melanggar diperoleh nilai 100 yang menunjukan nilai tertinggi sehingga siswa tersebut dikeluarkan dari sekolah, sedangkan perolehan nilai 52,76 menunjukan bahwa siswa tersebut tidak naik kelas, nilai 30,06 menunjukan siswa diskorsing, dan nilai terakhir 19.02 menunjukan siswa tersebut mendapatkan surat teguran dari pihak sekolah.

Page 1 of 1 | Total Record : 5