cover
Contact Name
Yosep Septiana
Contact Email
yseptiana@itg.ac.id
Phone
+6282124588750
Journal Mail Official
algoritma@itg.ac.id
Editorial Address
Jl. Mayor Syamsu No.1, Jayaraga, Kec. Tarogong Kidul, Kabupaten Garut, Jawa Barat 44151
Location
Kab. garut,
Jawa barat
INDONESIA
Jurnal Algoritma
ISSN : 14123622     EISSN : 23027339     DOI : https://doi.org/10.33364/algoritma
Core Subject : Science,
Jurnal Algoritma merupakan jurnal yang digunakan untuk mempublikasikan hasil penelitian dalam bidang Teknologi Informasi (TI), Sistem Informasi (SI), dan Rekayasa Perangkat Lunak (RPL), Multimedia (MM), dan Ilmu Komputer (Computer Science).
Articles 1,145 Documents
Penerapan Algoritma Naïve Bayes Untuk Memprediksi Kondisi Kelahiran Bayi Ripani Vergania; Yoga Handoko Agustin
Jurnal Algoritma Vol 23 No 1 (2026): Jurnal Algoritma
Publisher : Institut Teknologi Garut

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33364/algoritma/v.23-1.3247

Abstract

The condition of a baby's birth is an important indicator in assessing the health risks of mothers and children. This study aims to develop a model for predicting the risks of childbirth using the Naïve Bayes algorithm with the Cross Industry Standard Process for Data Mining (CRISP-DM) approach, which includes the stages of Business Understanding, Data Understanding, Data Preparation, Modeling, Evaluation, and Deployment. The dataset used consists of 634 pregnant women data obtained from the Bungbulang Community Health Center, Garut Regency. This study tested three variations of data preprocessing, namely One Hot Encoding, Label Encoding, and Min-Max Scaling. The evaluation results show that all Naïve Bayes models perform well with an accuracy above 94%. Among the three, the model with Min-Max Scaling produces the most optimal performance with an accuracy of 95.4%, precision of 95.7%, recall of 94.5%, F1-Score of 95.0%, and AUC reaching 100%. These findings indicate that the application of Min-Max Scaling to the Naïve Bayes algorithm is effective in improving prediction performance while providing balance in evaluation metrics. The results of this study are expected to support early identification of birth risks and contribute to decision-making in maternal and child health services.
Analisis dan Evaluasi Search Engine yang Aman untuk Penggunaan Anak Usia Dini di Lingkungan Sekolah Dasar: Perspektif Rekayasa Komputasi Terapan dalam Meningkatkan Keamanan Online Rosi Ulibasa; Citra Fertia Anggraini; Mardi Hardjianto
Jurnal Algoritma Vol 23 No 1 (2026): Jurnal Algoritma
Publisher : Institut Teknologi Garut

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33364/algoritma/v.23-1.3250

Abstract

The use of search engines as a learning resource in elementary schools increases the risk of exposure to inappropriate content, necessitating a fast and accurate filtering mechanism from the very beginning of the search. This study aims to design and evaluate a Bloom filter-based pre-query filtering system to detect risky keywords as early as the first 1–2 characters of the input. The evaluation was conducted using a query dataset representing the search patterns of elementary school students in grades 1–5 with variations in Bloom filter size (1024, 2048, 4096 bits) and the number of hash functions (7, 10, 15). Experimental results show that the 1024-bit configuration with 7 hash functions yields an average filtering time of 15 ms, a false positive rate (FPR) of 1%, and a false negative rate (FNR) of 0%, thereby meeting real-time response requirements. The 2048–4096-bit configurations reduce the FPR to 0% but increase latency to 18–25 ms. These findings demonstrate a measurable trade-off between latency and filtering accuracy. This study empirically contributes to showing that Bloom filters are effective as a low-latency initial filtering mechanism. The proposed system has the potential to serve as the foundation for developing safer and more responsive educational search engines for elementary school students
Analisis Sentimen Aplikasi BRImo Pada Google Play Store Menggunakan Algoritma Naïve Bayes Dan Random Forest Silviana Agustin; Afril Efan Pajri; Aprillia Dwi Ardianti
Jurnal Algoritma Vol 23 No 1 (2026): Jurnal Algoritma
Publisher : Institut Teknologi Garut

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33364/algoritma/v.23-1.3266

Abstract

Aplikasi BRImo adalah salah satu layanan perbankan digital yang dikembangkan oleh Bank Rakyat Indonesia untuk memfasilitasi berbagai transaksi keuangan dilakukan secara online, sekaligus memberi kesempatan kepada pengguna untuk menyampaikan ulasan melalui Google Play Store. Analisis sentimen adalah metode yang diterapkan untuk mendeteksi serta memahami pendapat yang disampaikan melalui teks, untuk mengevaluasi opini yang terdapat dalam suatu objek. Riset ini bertujuan untuk melaksanakan klasifikasi sentimen terhadap ulasan pengguna aplikasi BRImo dengan menggunakan algoritma Naïve Bayes dan Random Forest. Dataset terdiri atas 4.181 ulasan yang diperoleh melalui web scraping dan diproses menggunakan tahapan preprocessing, pelabelan, serta pembobotan fitur TF-IDF. Hasil pelabelan menunjukkan bahwa 3.124 ulasan termasuk kelas sentimen positif dan 1.057 ulasan termasuk kelas sentimen negatif. Evaluasi model dengan pembagian data 80:20 menunjukkan bahwa Naïve Bayes memperoleh akurasi sebesar 87%, sedangkan Random Forest mencapai 86%. Riset ini ini menunjukkan bahwa kedua algoritma mampu mengklasifikasikan sentimen ulasan pengguna aplikasi BRImo secara efektif pada konteks fitur pembayaran. Sehingga bisa ditarik kesimpulan bahwa algoritma Naive Bayes dan Radom  Forest mampu menghasilkan analisis yang tepat dan bisa dijadikan acuan penelitian selnjutnya.
Evaluasi Komparatif Arsitektur Convolutional Neural Network pada Klasifikasi Penyakit Daun Kentang Jihan Alfia Afifah Fauzi; Nur Nafi'iyah
Jurnal Algoritma Vol 23 No 1 (2026): Jurnal Algoritma
Publisher : Institut Teknologi Garut

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33364/algoritma/v.23-1.3273

Abstract

This study conducts a comparative evaluation of seven Convolutional Neural Network (CNN) architectures, namely MobileNet, NASNet Mobile, MobileNetV2, VGG16, ResNet50, InceptionV3, and InceptionResNetV2, in classifying early blight and late blight diseases on potato leaves using a transfer learning approach. The dataset used is the Potato Disease Leaf Dataset (PLD), with all models initialized using pre-trained ImageNet weights and trained on images sized 224 × 224 pixels. To increase data diversity and reduce overfitting, real-time image augmentation was applied through horizontal flip, vertical flip, and ±5° rotation. The training process utilized the Stochastic Gradient Descent (SGD) optimizer with a learning rate of 0.001, a batch size of 2, for 30 epochs, and the Binary Crossentropy loss function. Evaluation was performed using accuracy, precision, recall, and F1-score metrics on an independent test dataset. The experimental results indicate that ResNet50 achieved the best performance with an accuracy of 97.16%, loss of 0.1153, precision of 94.63%, recall of 100.00%, and an F1-score of 97.24%, outperforming VGG16 (96.45%) and MobileNet (95.04%). In contrast, InceptionV3, NASNet Mobile, and InceptionResNetV2 demonstrated lower training stability and generalization capability on this dataset. These findings confirm that the residual connection mechanism in ResNet50 plays a significant role in improving the discrimination of visual features in leaf disease detection, while MobileNet offers an effective compromise between accuracy and computational efficiency, making it potentially suitable for implementation in plant disease detection systems on resource-constrained devices.
Perancangan Video Animasi 3D Menggunakan Metode MDLC untuk Meningkatkan Pemahaman Materi IPAS Wasihatun Hasanah; Rujianto Eko Saputro; Dinar Mustofa
Jurnal Algoritma Vol 23 No 1 (2026): Jurnal Algoritma
Publisher : Institut Teknologi Garut

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33364/algoritma/v.23-1.3277

Abstract

Pembelajaran Ilmu Pengetahuan Alam dan Sosial (IPAS) pada materi Tata Surya memiliki karakteristik abstrak sehingga sering menimbulkan kesulitan pemahaman bagi siswa tingkat sekolah dasar apabila disampaikan melalui media konvensional seperti buku teks dan Lembar Kerja Siswa (LKS). Penelitian ini bertujuan untuk merancang media pembelajaran berupa video animasi tiga dimensi (3D) menggunakan metode Multimedia Development Life Cycle (MDLC) sebagai upaya meningkatkan pemahaman siswa terhadap bentuk dan susunan Tata Surya. Pengembangan media dilakukan melalui tahap MDLC yang menghasilkan animasi 3D yang menggambarkan Matahari serta delapan planet beserta ciri-ciri masing-masing. Efektivitas media dievaluasi dengan menggunakan desain pretest–posttest pada siswa kelas VI di MI Nurul Iman Glempang. Hasil pengujian menunjukkan peningkatan nilai rata-rata kelas dari 52,7 pada pretest menjadi 80,9 pada posttest, dengan kenaikan sekitar 28 poin. Temuan ini mengindikasikan bahwa penggunaan video animasi 3D yang didasarkan pada MDLC dapat secara efektif meningkatkan pemahaman konseptual siswa pada materi IPAS yang memiliki karakteristik abstrak. Penelitian ini memberikan kontribusi sebagai acuan untuk pengembangan media pembelajaran digital yang berbasis visualisasi ruang dan dapat dijadikan pilihan alternatif untuk bahan ajar yang inovatif dalam pembelajaran IPAS di jenjang Madrasah Ibtidaiyah.
Analisis Dampak Penerapan SMOTE terhadap Performa Algoritma SVM dan Random Forest dalam Klasifikasi Risiko Hipertensi Alfianto Faidatul Aldi Yumardiansyah; Mula Agung Barata; Guruh Putro Dirgantoro
Jurnal Algoritma Vol 23 No 1 (2026): Jurnal Algoritma
Publisher : Institut Teknologi Garut

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33364/algoritma/v.23-1.3284

Abstract

Hipertensi merupakan penyakit tidak menular yang sering tidak terdeteksi dini dan berkontribusi besar terhadap beban kesehatan global. Penelitian ini menganalisis dampak SMOTE terhadap kinerja klasifikasi risiko hipertensi menggunakan SVM dan Random Forest pada dataset tidak seimbang (4.240 data; 70% tidak berisiko, 30% berisiko). Pra pemrosesan mencakup imputasi median, penanganan outlier IQR, transformasi log1p, dan standarisasi z-score, dilanjutkan pembagian data 80:20 secara stratified. SMOTE diterapkan hanya pada data latih. Evaluasi menggunakan akurasi, presisi, recall, F1-score, ROC-AUC, dan uji McNemar. Hasil menunjukkan SMOTE meningkatkan recall pada kedua model, namun peningkatan signifikan hanya pada Random Forest (p < 0,05), dengan performa terbaik (akurasi 0,8974; F1-score 0,8833). Tekanan darah sistolik dan diastolik menjadi fitur paling berpengaruh. Temuan ini menegaskan bahwa efektivitas SMOTE bergantung pada algoritma, dengan Random Forest lebih stabil dan interpretatif dibandingkan SVM.
Perancangan Aplikasi Manajemen Tugas Berbasis Web Menggunakan Algoritma Greedy untuk Meningkatkan Efisiensi Kerja Muhamad Fudhail; Chairunnisa Ar Lamasitudju
Jurnal Algoritma Vol 23 No 1 (2026): Jurnal Algoritma
Publisher : Institut Teknologi Garut

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33364/algoritma/v.23-1.3285

Abstract

This study aims to develop a web-based task management application with the application of the Greedy algorithm to automatically determine task priorities based on urgency and deadlines. The system was developed using a prototyping approach and tested in five work divisions with a total of 50 task data used during the testing process. System performance evaluation was conducted through functional testing, algorithm testing using pre-test and post-test schemes, and usability testing using the System Usability Scale (SUS) method. The test results showed that the application of the Greedy algorithm was able to improve the timeliness of task completion, which in the pre-test stage was in the range of 20%–60% and showed an increase in the post-test stage across all divisions. Usability testing involving 10 respondents resulted in a System Usability Scale (SUS) score of 81, which falls into the Excellent category. These results indicate that the system is not only effective in determining task priorities, but also easy to use and well received by users. This study contributes to the application of the Greedy algorithm in web-based task management systems as an efficient digital solution. However, testing was still conducted on a limited number of users, so further development and evaluation on a larger scale is needed to test the system's performance comprehensively.
Penerapan Retinexformer Dan Facenet Untuk Meningkatkan Kinerja Pengenalan Wajah Pada Kondisi Cahaya Rendah La Ode Rafif Setiawan; Chalifa Chazar; Muhammad Ichwan; Galih Ashari Rakhmat
Jurnal Algoritma Vol 23 No 1 (2026): Jurnal Algoritma
Publisher : Institut Teknologi Garut

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33364/algoritma/v.23-1.3288

Abstract

Pengenalan wajah merupakan teknologi yang krusial dalam sistem keamanan dan autentikasi digital, namun kinerjanya sering kali menurun drastis hingga 30% pada kondisi pencahayaan rendah karena munculnya noise dan distorsi warna. Penelitian ini bertujuan untuk meningkatkan kinerja sistem pengenalan wajah pada kondisi cahaya rendah dengan mengintegrasikan model RetinexFormer dan FaceNet. Metodologi yang digunakan melibatkan pengumpulan dataset berupa 1.000 citra wajah dari 10 subjek yang diambil pada intensitas cahaya 10 hingga 17 lux. Proses penelitian membandingkan dua skenario, yaitu penggunaan citra asli tanpa perbaikan dan citra yang telah ditingkatkan kualitasnya menggunakan RetinexFormer, yang kemudian diproses melalui tahap marking wajah dengan Haar Cascade, cropping, serta resize sebelum diekstraksi menjadi embedding 128 dimensi oleh FaceNet. Temuan penelitian menunjukkan bahwa tanpa peningkatan kualitas citra, model hanya mencapai akurasi sebesar 45,5 persen dan F1-score sebesar 62,5 persen. Namun, setelah menerapkan RetinexFormer, performa system mengalami penigkatan akurasi sebesar 98 persen dan F1-score sebesar 98,97 persen. Hasil peneltian ini membuktikan penerapan metode RetinexFormer sebagai prapemrosesan citra secara efektif mampu mengatasi hambatan pencahayaan rendah, meminimalisir kesalahan identifikasi, dan mengoptimalkan ekstraksi fitur pada model FaceNet, sehingga sangat layak diimplementasikan pada sistem absensi atau keamanan digital di lingkungan dengan pencahayaan minim.
Pendekatan Design Thinking dalam Pengembangan Platform UI/UX untuk Reformasi Sistem Kampanye Politik Digital di Indonesia Rikky Wisnu Nugraha; Ucu Nugraha; Dani Hamdani; Adriansyah Ravindra Abubakar
Jurnal Algoritma Vol 23 No 1 (2026): Jurnal Algoritma
Publisher : Institut Teknologi Garut

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33364/algoritma/v.23-1.3290

Abstract

Sistem kampanye politik di Indonesia masih didominasi oleh metode konvensional, seperti pemasangan baliho fisik, yang menimbulkan berbagai permasalahan seperti polusi visual, kerusakan lingkungan, risiko kecelakaan, serta kurangnya transparansi informasi kandidat. Penelitian ini bertujuan merancang prototipe UI/UX platform aplikasi interaktif SuaraPolitik sebagai upaya reformasi sistem kampanye politik Indonesia dengan memanfaatkan teknologi digital untuk meningkatkan partisipasi publik, memperkuat transparansi, serta mengurangi dampak negatif metode kampanye tradisional. Metode penelitian menggunakan pendekatan Design Thinking yang meliputi lima tahap: Empathize, Define, Ideate, Prototype, dan Test. Tahap Empathize dilakukan melalui identifikasi pain points dari aktor utama rakyat pemilih, politisi, dan partai politik sedangkan tahap Define merumuskan kebutuhan spesifik masing-masing aktor. Proses Ideate menghasilkan konsep fitur seperti VoteWall Gagasan, Profil Kandidat Politik, SuaraPolitik Space, dan AspirasiKita.. Hasil penelitian menunjukkan bahwa prototipe yang dirancang mampu menjawab permasalahan utama kampanye politik di Indonesia dengan menyediakan ruang digital partisipatif yang transparan, mengurangi ketergantungan pada media kampanye fisik, serta mendorong komunikasi dua arah yang lebih sehat antara masyarakat dan aktor politik. Platform ini juga dinilai memiliki potensi tinggi untuk diimplementasikan sebagai aplikasi fungsional berbasis web dan mobile, dengan catatan perlu dilakukan usability testing lebih lanjut kepada target pengguna serta pembaruan fitur secara berkelanjutan.
Kombinasi Metode Design Thinking Dan User-Centered Design Pada Perancangan UI/UX Aplikasi Bimbingan Konseling Dina Juliarti; Angga Bayu Santoso
Jurnal Algoritma Vol 23 No 1 (2026): Jurnal Algoritma
Publisher : Institut Teknologi Garut

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33364/algoritma/v.23-1.3293

Abstract

Layanan Bimbingan dan Konseling (BK) di SMA Global Madani selama ini terkendala oleh sistem manual yang tidak efisien bagi guru dan menimbulkan hambatan psikologis bagi siswa. Penelitian ini merancang prototipe antarmuka dan pengalaman pengguna berbasis mobile untuk mengoptimalkan layanan BK. Metode yang digunakan adalah penggabungan Design Thinking pada tahap discovery dan User-Centered Design (UCD) pada tahap validasi teknis. Data diperoleh dari 13 peserta melalui wawancara dan kuesioner, yang kemudian dianalisis menggunakan Empathy Map dan User Persona. Hasil pengujian menggunakan System Usability Scale (SUS) menunjukkan skor rata-rata 84,80 (Grade B/Excellent), yang mengungguli capaian penelitian terdahulu dengan metode tunggal (skor 74,37). Secara konseptual, integrasi ini membuktikan bahwa kenyamanan emosional pengguna merupakan parameter krusial dalam efektivitas layanan digital sensitif. Penelitian ini memberikan kontribusi pada model pengembangan sistem informasi pendidikan yang menjadikan siswa sebagai subjek utama dalam ekosistem digital.