cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
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
Published by Institut Teknologi Garut
ISSN : 14123622     EISSN : 23027339     DOI : https://doi.org/10.33364/algoritma
Core Subject : Science,
Computer Science & IT
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).
Arjuna Subject : Ilmu Komputer (semua kategori) - Ilmu Komputer (Lain-Lain)
Articles 1,026 Documents
 84   85   86   87   88 
Perbandingan Model SpaCy dan BERT untuk Persebaran Penggemar di Platform X (Twitter) Rahmadani, Nurul; Umam, Khothibul; Dwi Yuniarti, Wenty; Rini Handayani, Maya
Jurnal Algoritma Vol 22 No 2 (2025): Jurnal Algoritma
Publisher : Institut Teknologi Garut

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33364/algoritma/v.22-2.2310

Abstract

This study was conducted to compare the performance of the SpaCy Named Entity Recognition (NER) model and the Bidirectional Encoder Representation from Transformers (BERT) model in identifying the distribution of Bernadya fans based on the mention of Geo-Political Entity (GPE) locations. The dataset used was collected from X users' tweets using a scraping method with Python and will be analyzed on both NER models. The SpaCy NER model will be built from scratch with manual annotation, while the BERT model will be built using the transforms approach. From the evaluation results, the SpaCy model achieved a precision of 1.00, a recall of 0.92, and an F1-score of 0.96 on the training data, as well as a recall of 0.98 and an F1-score of 0.99 on the test data. The BERT model recorded a precision of 1.00, a recall of 0.95 (training), and 1.00 (testing), with an F1-score of 0.98 and 1.00. The Spacy model can recognize more than two entities well in one test sentence. However, when tested with the entire dataset, it cannot consistently recognize GPE entities. Conversely, the BERT model is better at recognizing GPE entities, with 4 GPE entities identified, including: Karanganyar, Indonesia, Mongolia, and Bandung as regions capable of identifying GPE entities with the most mentions. Therefore, in this study, the BERT model is better at recognizing GPE entities from the dataset used.
Pemanfaatan Open-Source Intelligence untuk Deteksi dan Penanganan Cybercrime Judi Online Berbasis Forensik Digital Ramdani, Maullidan Alfa Rizki Fikri; Hadiana, Asep Id; Ilyas, Ridwan
Jurnal Algoritma Vol 22 No 2 (2025): Jurnal Algoritma
Publisher : Institut Teknologi Garut

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33364/algoritma/v.22-2.2314

Abstract

The phenomenon of cybercrime related to online gambling is increasing in Indonesia, with web defacement attacks and backdoor insertion on websites that damage the psychological aspects of players and the family economy. This research aims to identify and analyze the threats posed by online gambling through Open-Source Intelligence (OSINT) and penetration testing methods. Using the Google Dorking technique, OSINT successfully identified sites involved in online gambling, while penetration testing uncovered system weaknesses that perpetrators exploit, such as SQL Injection and Cross-Site Scripting (XSS), which allow backdoor insertion. The results of this study demonstrate the effectiveness of OSINT and penetration testing in identifying sites that are vulnerable to attacks as well as loopholes that are often exploited by perpetrators. In addition, this research highlights the importance of digital forensics in handling legitimate electronic evidence for the court. As a scientific contribution, this research proposes the development of more accurate backdoor detection tools, the improvement of web security systems, as well as the implementation of rapid response in dealing with online gambling threats. This research is expected to assist the government and society in addressing cybercrime threats in Indonesia and strengthen policies and strategies to protect digital infrastructure.
Analisis Perbandingan Metode Preprocessing untuk Citra Retinopati Diabetik Menggunakan Deep learning Safitri, Pima Hani; Mustaqim, Tanzilal; Muhajir, Daud
Jurnal Algoritma Vol 22 No 2 (2025): Jurnal Algoritma
Publisher : Institut Teknologi Garut

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33364/algoritma/v.22-2.2324

Abstract

Retinopati diabetik adalah gejala yang disebabkan oleh komplikasi diabetes yang menyerang mata penderitanya. Bercak-bercak pada retina penderita menjadi ciri gejalanya. Semakin banyak bercak, maka semakin parah retinopati diabetik yang diderita. Upaya peneliti untuk mendeteksi retinopati diabetik dengan citra retina sudah mulai dikembangkan dengan teknologi kecerdasan buatan, salah satunya berbasis deep learning. Kesulitan selanjutnya adalah kualitas citra retina yang kurang baik, sehingga mengakibatkan hasil deteksi yang kurang baik. Oleh karena itu, penelitian ini mengusulkan analisis perbandingan teknik untuk meningkatkan akurasi pengolahan citra deteksi retinopati diabetik berbasis deep learning. Data yang digunakan adalah data APTOS2019, yang terdiri dari 5 kelas berdasarkan tingkat keparahan penyakit. Ada tiga teknik yang digunakan: CLAHE, gamma correction, dan Retinex. Arsitektur deep learning yang digunakan adalah DenseNet121 dan EfficientNetB0 karena telah banyak digunakan pada data citra medis. Hasilnya, kombinasi gamma correction dan DenseNet121 menghasilkan akurasi tertinggi yaitu 81,4%. Sedangkan akurasi terendah diperoleh dari kombinasi menggunakan Retinex. Arsitektur terbaik secara keseluruhan adalah EfficientNetB0, dengan rata-rata akurasi sebesar 81,9%. Selanjutnya, penelitian ini dapat digunakan untuk memperbaiki citra retinopati diabetik sehingga deteksi dapat dilakukan sedini mungkin.
Klasifikasi Penyakit Monkeypox dengan XGBoost dan SMOTE untuk Penanganan Data Tidak Seimbang Illawati, Adinda Rahma; Hadiana, Asep Id; Melina, Melina
Jurnal Algoritma Vol 22 No 2 (2025): Jurnal Algoritma
Publisher : Institut Teknologi Garut

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33364/algoritma/v.22-2.2349

Abstract

Monkeypox merupakan penyakit menular yang penyebarannya cepat dan memerlukan sistem deteksi dini yang akurat. Penelitian ini bertujuan mengembangkan model klasifikasi penyakit monkeypox dengan mengatasi permasalahan ketidakseimbangan data. Metode yang digunakan adalah Extreme Gradient Boosting (XGBoost) yang dikombinasikan dengan teknik Synthetic Minority Over-sampling Technique (SMOTE). Evaluasi model menggunakan Confusion Matrix dengan hasil akurasi 69%, presisi sebesar 0.69, recall sebesar 0.93, dan F1-score sebesar 0.79. Selain itu, nilai Area Under Curve - Receiver Operating Characteristic (AUC-ROC) mencapai 0.68. Penelitian ini menunjukkan bahwa kombinasi SMOTE dan XGBoost dapat mengatasi ketidakseimbangan data dan meningkatkan deteksi kelas minoritas, sehingga memberikan kontribusi dalam pengembangan sistem deteksi dini penyakit menular secara lebih akurat dan efisien.
Pengembangan Chatbot Layanan Informasi Kampus Menggunakan TF-IDF Kristanto, Deni; Ramadhani, Risky Aswi; Setiawan, Ahmad Bagus
Jurnal Algoritma Vol 22 No 2 (2025): Jurnal Algoritma
Publisher : Institut Teknologi Garut

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33364/algoritma/v.22-2.2350

Abstract

Penelitian ini bertujuan untuk mengembangkan sistem chatbot berbasis Telegram yang terintegrasi dengan metode pencarian Term Frequency - Inverse Document Frequency (TF-IDF), guna memfasilitasi akses informasi akademik di Universitas Nusantara PGRI Kediri. Sistem ini dirancang untuk merespons dua jenis permintaan yaitu pencarian skripsi dan pertanyaan seputar layanan kampus. Dataset yang digunakan mencakup kumpulan judul skripsi dari repository universitas serta kumpulan pertanyaan-jawaban institusional. Sistem melakukan preprocessing teks, pembobotan dengan TF-IDF, dan pencocokan kata kunci untuk menentukan relevansi hasil. Pengujian dilakukan terhadap 50 data uji dengan acuan label manual (ground truth) oleh pakar. Hasil evaluasi menunjukkan akurasi sebesar 92%, presisi 90%, recall 100%, dan F1-score 95% untuk kategori Relevan. Meskipun performa sistem cukup tinggi, ditemukan beberapa kelemahan seperti kecenderungan menghasilkan false positive akibat terbatasnya pemahaman konteks oleh metode TF-IDF serta keterbatasan stemming. Sebagai kontribusi, sistem ini menjadi inisiasi pertama di UNP Kediri yang mengintegrasikan teknologi chatbot dengan pencarian dokumen akademik berbasis pembobotan teks secara otomatis.
Implementasi Modul Tanda Tangan Digital dengan Superenkripsi RSA-ECDSA dan SHA-512 Pada Sistem Informasi Akademik Sekolah Ajif, Arvin Muhammad; Nuraeni, Fitri; Kurniadi, Dede; Elsen, Rickard
Jurnal Algoritma Vol 22 No 2 (2025): Jurnal Algoritma
Publisher : Institut Teknologi Garut

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33364/algoritma/v.22-2.2353

Abstract

Keamanan dokumen akademik pada sistem informasi sekolah merupakan aspek krusial untuk menjamin integritas dan keaslian data. Penelitian ini mengusulkan pengembangan modul tanda tangan digital berbasis superenkripsi RSA–ECDSA dengan fungsi hash SHA-512 pada sistem Buku Induk Nilai berbasis web. Metode pengembangan menggunakan Rapid Application Development (RAD) untuk menghasilkan prototipe cepat sesuai kebutuhan pengguna. Proses implementasi meliputi hashing dokumen menggunakan SHA-512, enkripsi hasil hash dengan RSA, penandatanganan menggunakan ECDSA, serta penyisipan tanda tangan digital dalam bentuk QR-Code ke dokumen ekspor. Pengujian dilakukan pada 30 sampel dokumen dengan variasi ukuran 10 KB–1 MB melalui pendekatan blackbox testing. Hasil uji menunjukkan tingkat keberhasilan verifikasi dokumen sebesar 100%, waktu rata-rata proses penandatanganan 1,25 detik, dan waktu verifikasi 0,98 detik. Sistem terbukti mampu mendeteksi perubahan sekecil 1 byte, menjaga integritas dokumen, dan memberikan tingkat keamanan setara 112–128 bit sesuai standar kriptografi modern. Temuan ini menegaskan efektivitas superenkripsi RSA–ECDSA dalam meningkatkan keamanan dokumen akademik serta menawarkan solusi yang efisien, portabel, dan dapat diverifikasi secara mandiri melalui QR-Code.
Klasifikasi Kualitas Air Budidaya Ikan Nila Menggunakan Support Vector Machine Aulia, Tazkiah; Arifin, Willdan Aprizal; Rudi, Mad
Jurnal Algoritma Vol 22 No 2 (2025): Jurnal Algoritma
Publisher : Institut Teknologi Garut

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33364/algoritma/v.22-2.2356

Abstract

Kualitas air merupakan faktor kunci yang menentukan keberhasilan dan keberlanjutan budidaya ikan nila. Ketidaksesuaian parameter air, seperti suhu atau kandungan zat kimia, dapat menimbulkan stres fisiologis, menurunkan laju pertumbuhan, hingga menyebabkan kematian pada ikan. Kondisi ini menjadikan pemantauan kualitas air sebagai aspek yang sangat krusial dan mendesak dalam praktik budidaya. Penelitian ini bertujuan melakukan pemodelan klasifikasi kelayakan kualitas air menggunakan algoritma Support Vector Machine (SVM) yang dikombinasikan dengan Radial Basis Function (RBF) kernel. Kernel RBF merupakan fungsi matematis yang memungkinkan SVM memetakan data yang tidak terpisah secara linear ke dalam ruang berdimensi lebih tinggi, sehingga pola klasifikasi menjadi lebih terlihat. Data numerik diperoleh dari delapan parameter kualitas air: suhu, pH, total dissolved solids (TDS), oksigen terlarut, nitrit, nitrat, fosfat, dan amonia. Selanjutnya, data diklasifikasikan ke dalam dua kategori: layak dan tidak layak, berdasarkan ambang batas biologis yang telah ditentukan. Model dibangun menggunakan pendekatan supervised learning dan dievaluasi melalui metrik akurasi dan confusion matrix. Hasil pengujian menunjukkan bahwa model SVM dengan kernel RBF menghasilkan akurasi sebesar 82%, dengan nilai presisi dan recall mencapai 100% pada kategori “tidak layak”. Ini menunjukkan bahwa model mampu mengidentifikasi kondisi air yang berisiko dengan sangat baik, menjadikannya solusi potensial untuk pemantauan kualitas air budidaya. Model ini berkontribusi terhadap pengelolaan budidaya ikan yang efisien melalui otomatisasi pemantauan kualitas air dan pengambilan keputusan yang lebih akurat, sekaligus mendukung keberlanjutan dengan meminimalkan risiko lingkungan dan penggunaan sumber daya secara berlebihan.
Implementasi Algoritma Rivest Shamir Adleman (RSA) dan Zero-Knowledge Proofs (ZKP) untuk Meningkatkan Keamanan Data Rekam Medis Elektronik Lestari, Abdila; Id Hadiana, Asep; Melina
Jurnal Algoritma Vol 22 No 2 (2025): Jurnal Algoritma
Publisher : Institut Teknologi Garut

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33364/algoritma/v.22-2.2360

Abstract

Perkembangan teknologi komputer dan telekomunikasi meningkatkan efisiensi pengolahan data, namun menimbulkan tantangan keamanan, khususnya pada data rekam medis elektronik (RME) yang bersifat sensitif. Penelitian ini mengimplementasikan metode Zero-Knowledge Proof (ZKP) dan Revest Shamir Adleman (RSA) untuk meningkatkan keamanan dan privasi RME. ZKP memungkinkan pembuktian tanpa mengungkapkan informasi rahasia, sedangkan RSA menjaga kerahasiaan dan integritas data melalui enkripsi-dekripsi. Hasilnya, entropi data meningkat 24,53% (4,8314 menjadi 6,0165 bits/byte) setelah enkripsi RSA 2048-bit dengan padding OAEP berbasis SHA-256. Protokol ZKP metode Schnorr berhasil diimplementasikan tanpa membocorkan rahasia pengguna. Pengujian pada 100 pengguna simultan menunjukkan waktu respons rata-rata 1,8 detik dengan keberhasilan permintaan di atas 94%. Tantangan utama adalah beban komputasi autentikasi ZKP dan efisiensi saat jumlah pengguna bertambah. Integrasi RSA dan ZKP terbukti efektif meningkatkan keamanan, menjaga privasi, dan mempertahankan kinerja sistem RME.
Pengukuran Keterlibatan Pelajar Menggunakan Learning Analytic dan Metode Kanban Tresnawati, Dewi; Septiana, Yosep; Hidayatno, Fachrul Ramdaniar
Jurnal Algoritma Vol 22 No 2 (2025): Jurnal Algoritma
Publisher : Institut Teknologi Garut

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33364/algoritma/v.22-2.2369

Abstract

Currently, Learning Management Systems (LMS) are widely used in schools. However, the features of LMS that are commonly used today are not yet capable of increasing student engagement in learning, especially in online learning. Learning analytics helps teachers identify learning targets, understand results, behaviors, and learning processes so that teachers can determine the right learning strategies. The purpose of this study is to apply learning analytics, measure student engagement in online learning using a Learning Management System built with the Kanban method and NodeJS framework as the backend. The Learning Management System has proven to be capable of generating data and information related to learning activities such as attendance, assessments, assignments, and quizzes, as well as supporting teaching staff in providing clear feedback in accordance with the activities carried out by students. The results of this study indicate that the Learning Management System using the Kanban method has met the expectations of teachers and students in the learning process.
Pengembangan Sistem Tracer Alumni dengan User Centered Design untuk Meningkatkan Usability Platform Digital Febrianti, Ria; Akhsan, Rivaldi Rizalul; Isnandar
Jurnal Algoritma Vol 22 No 2 (2025): Jurnal Algoritma
Publisher : Institut Teknologi Garut

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33364/algoritma/v.22-2.2371

Abstract

Tracer studies are an essential instrument in the quality assurance system of vocational education, as they serve to track graduates’ whereabouts and achievements while providing a basis for curriculum improvement and collaboration with industry. The tracer study implementation at SMK Negeri 12 Malang is still manual and fragmented, resulting in alumni data that is difficult to organize and not optimally utilized. This condition highlights the need for a more efficient, structured, and user-friendly tracer study system. This study aims to develop a tracer study system prototype based on the User-Centered Design (UCD) approach using the Google Sites platform, and to evaluate its effectiveness and usability from the perspective of experts and end users. The development method follows the five stages of UCD: specifying the context of use, specifying user and organizational requirements, producing design solutions, and evaluating the design. Validation was carried out by media and content experts to assess the visual aspects and content relevance. The prototype was then tested by 15 alumni as primary users and evaluated using the quantitative System Usability Scale (SUS) method, complemented by qualitative think-aloud interviews. Expert validation results indicate that the system meets the principles of readability, visual structure, and content feasibility in accordance with vocational school tracer study standards. The trial results show that the system achieved an average SUS score of 77.67, classified as having “Good” usability, meaning it can be used easily and efficiently without requiring special training.

Page 86 of 103 | Total Record : 1026

 84   85   86   87   88 

Filter by Year

2012 2025


Reset
Filter By Issues
All Issue Vol 22 No 2 (2025): Jurnal Algoritma Vol 22 No 1 (2025): Jurnal Algoritma Vol 21 No 2 (2024): Jurnal Algoritma Vol 21 No 1 (2024): Jurnal Algoritma Vol 20 No 2 (2023): Jurnal Algoritma Vol 20 No 1 (2023): Jurnal Algoritma Vol 19 No 2 (2022): Jurnal Algoritma Vol 19 No 1 (2022): Jurnal Algoritma Vol 18 No 2 (2021): Jurnal Algoritma Vol 18 No 1 (2021): Jurnal Algoritma Vol 17 No 2 (2020): Jurnal Algoritma Vol 17 No 1 (2020): Jurnal Algoritma Vol 16 No 2 (2019): Jurnal Algoritma Vol 16 No 1 (2019): Jurnal Algoritma Vol 15 No 2 (2018): Jurnal Algoritma Vol 15 No 1 (2018): Jurnal Algoritma Vol 14 No 2 (2017): Jurnal Algoritma Vol 14 No 1 (2017): Jurnal Algoritma Vol 13 No 2 (2016): Jurnal Algoritma Vol 13 No 1 (2016): Jurnal Algoritma Vol 12 No 2 (2015): Jurnal Algoritma Vol 12 No 1 (2015): Jurnal Algoritma Vol 11 No 2 (2014): Jurnal Algoritma Vol 11 No 1 (2014): Jurnal Algoritma Vol 10 No 2 (2013): Jurnal Algoritma Vol 10 No 1 (2013): Jurnal Algoritma Vol 9 No 2 (2012): Jurnal Algoritma Vol 9 No 1 (2012): Jurnal Algoritma More Issue