cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Marissa utami
Contact Email
marissautami@umb.ac.id
Phone
+6285159228701
Journal Mail Official
ikhafi.hrd@gmail.com
Editorial Address
Jl. Timur Indah Raya, Kota Bengkulu Kota Bengkulu, Bengkulu 38229.
Location
Kota bengkulu,
Bengkulu
INDONESIA
Jurnal Ilmu Komputer Dan Informatika
Published by Lembaga Penelitian, Pengabdian Masyarakat, Penerbitan dan Percetakan Indonesian Scholar Khiar Wafi
ISSN : 2655755X     EISSN : 27238091     DOI : -
Core Subject : Science, Engineering,
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Engineering
Jurnal Ilmu Komputer Dan Informatika (JUKOMIKA) adalah jurnal ilmiah peer-review yang membahas mengenai desain dan implementasi algoritma dalam sebuah perangkat lunak. Selain itu, jurnal ini juga membahas mengenai perangkat lunak yang dikembangkan berbasis robotika, kecerdasan buatan, pengolahan data serta informasi. Jurnal menerbitkan secara berkala dua kali setahun yaitu pada Juni dan Desember. Jurnal diterbitkan oleh Lembaga Penelitian Pengabdian Masyarakat Penerbitan dan Percetakan Indonesian Scholar Khiar Wafi (LPPMPP IKHAFI) dibawah Yayasan Sejahtera Bersama Bengkulu. Semua artikel publikasi di Jurnal JUKOMIKA bersifat open-acess (terbuka) yang tersedia secara bebas online tanpa harus berlangganan. P-ISSN: 2655-755X E-ISSN: 2723-8091
Arjuna Subject : Ilmu Komputer (semua kategori) - Ilmu Komputer (Lain-Lain)
Articles 149 Documents
 11   12   13   14   15 
Pengembangan Aplikasi Desktop Monitoring Kualitas Air Berbasis IoT untuk Pemantauan Parameter PH, Suhu, Salinitas dan TDS Secara Real-Time Choirun Nisa
JUKOMIKA (Jurnal Ilmu Komputer dan Informatika) Vol. 9 No. 1 (2026): July
Publisher : LPPMPP Yayasan Sejahtera Bersama Bengkulu

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54650/jukomika.v9i1.705

Abstract

This study aims to develop and implement an Internet of Things (IoT)-based desktop application for water quality monitoring capable of displaying real-time pH, temperature, salinity, Total Dissolved Solids (TDS), and sensor node location data. The application was developed using C# with the .NET WinForms framework and integrated with an Ardupilot Mega-based sensor system through serial communication using a 433 MHz 3DR radio module. The research adopted the Waterfall Software Development Life Cycle (SDLC), consisting of requirements analysis, system design, implementation, and testing. The application architecture comprises four main layers: data acquisition, data processing, data storage, and data presentation. Black-box testing confirmed that all functional requirements were successfully implemented, including serial communication, data parsing, real-time visualization, data logging, and Quality of Service (QoS) monitoring. The application presents monitoring data through numerical indicators, line charts, and historical graphs that update automatically. Performance evaluation showed an average data refresh time of 286.8 ms, a GUI response time of 118.5 ms, a throughput of 2,388.89 bps, and 0% packet loss, while the average transmission delay of 40.34 seconds indicates the need for further optimization. Additional features, including a monitoring session timer, real-time clock, and GPS distance indicator, enhance operational efficiency and support sustainable water quality monitoring.
Evaluasi Kinerja Web Server Nginx Dan Apache2 Pada Sistem Debian Menggunakan Metode Stress Testing Angela Simanullang; Erich Ricardo; Lotar Mateus Sinaga
JUKOMIKA (Jurnal Ilmu Komputer dan Informatika) Vol. 9 No. 1 (2026): July
Publisher : LPPMPP Yayasan Sejahtera Bersama Bengkulu

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54650/jukomika.v9i1.709

Abstract

Meningkatnya kebutuhan terhadap layanan berbasis web yang cepat dan stabil menjadikan pemilihan web server sebagai faktor penting dalam implementasi sistem. Penelitian ini bertujuan mengevaluasi dan membandingkan kinerja Apache2 dan Nginx pada sistem operasi Debian 12 menggunakan metode stress testing. Pengujian dilakukan pada lingkungan implementasi yang identik menggunakan Apache Benchmark (ab) dengan 5.000 request dan 100 concurrent connection. Parameter yang dianalisis meliputi Requests per Second, Time per Request, Transfer Rate, dan Failed Requests. Hasil penelitian menunjukkan bahwa Nginx memperoleh 5500.65 Requests per Second, Time per Request sebesar 18.180 ms, dan Transfer Rate sebesar 4555.23 KBytes/sec, sedangkan Apache2 memperoleh 439.66 Requests per Second, Time per Request sebesar 227.448 ms, dan Transfer Rate sebesar 2607.48 KBytes/sec. Kedua web server berhasil menyelesaikan seluruh request tanpa Failed Requests. Penelitian ini memberikan evaluasi objektif terhadap performa kedua web server sehingga dapat menjadi referensi dalam pemilihan web server sesuai kebutuhan implementasi layanan berbasis web.
Evaluasi Kinerja Model LSTM dalam Memprediksi Nilai Penutupan IHSG Berdasarkan Variasi Optimizer Adam-based Valensia Natalia; I Nyoman Saputra Wahyu Wijaya; Luh Joni Erawati Dewi; Ni Putu Novita Puspa Ni Putu Novita Puspa
JUKOMIKA (Jurnal Ilmu Komputer dan Informatika) Vol. 9 No. 1 (2026): July
Publisher : LPPMPP Yayasan Sejahtera Bersama Bengkulu

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54650/jukomika.v9i1.713

Abstract

Prediksi Indeks Harga Saham Gabungan (IHSG) merupakan tantangan tersendiri karena pergerakannya yang bersifat non-linier dan dipengaruhi berbagai faktor eksternal. Penelitian ini mengevaluasi kinerja model Long Short-Term Memory (LSTM) dalam memprediksi nilai penutupan IHSG menggunakan tiga variasi algoritma optimasi berbasis Adam, yaitu Adam, AdamW, dan Nadam. Data yang digunakan adalah data historis IHSG dari Yahoo Finance periode 2015–2025 sebanyak 2.413 data harian. Model dibangun dengan teknik sliding window berukuran 60 dan dilatih menggunakan hyperparameter yang identik pada ketiga skenario untuk memastikan objektivitas perbandingan. Evaluasi dilakukan menggunakan metrik MAE, RMSE, dan MAPE. Hasil menunjukkan bahwa optimizer Adam menghasilkan performa terbaik dengan MAE sebesar 115,0, RMSE sebesar 144,4, dan MAPE sebesar 1,63%, unggul dibandingkan Nadam (MAPE 2,71%) dan AdamW (MAPE 3,18%). Keunggulan Adam berasal dari proses konvergensi yang lebih stabil sehingga model mampu mempelajari pola historis data secara lebih optimal.
Pengembangan Sistem Point of Sale Berbasis Web Menggunakan Metode Recency, Frequency, Monetary (RFM) dan Algoritma K-Means untuk Segmentasi Pelanggan Wistari Lugu; Handrie Noprisson
JUKOMIKA (Jurnal Ilmu Komputer dan Informatika) Vol. 9 No. 1 (2026): July
Publisher : LPPMPP Yayasan Sejahtera Bersama Bengkulu

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54650/jukomika.v9i1.714

Abstract

Pengelolaan data pelanggan pada sistem Point of Sale (PoS) umumnya masih berfokus pada pencatatan transaksi tanpa melakukan analisis perilaku pelanggan. Kondisi tersebut menyebabkan pelaku usaha kesulitan dalam mengidentifikasi karakteristik pelanggan untuk mendukung strategi pemasaran yang lebih efektif. Penelitian ini bertujuan mengembangkan sistem Point of Sale yang terintegrasi dengan segmentasi pelanggan menggunakan metode Recency, Frequency, Monetary (RFM) dan algoritma K-Means. Metode pengembangan sistem yang digunakan adalah Waterfall, meliputi analisis kebutuhan, perancangan sistem menggunakan Unified Modeling Language (UML), implementasi, pengujian. Sistem yang dikembangkan menyediakan fitur pengelolaan produk, inventory, transaksi penjualan, data pelanggan, laporan penjualan, segmentasi pelanggan, follow-up pelanggan melalui WhatsApp, serta ekspor laporan dalam format PDF dan Excel. Hasil pengujian menunjukkan sistem mampu mengelompokkan pelanggan menjadi tiga cluster berdasarkan karakteristik transaksi. Cluster aktif memiliki rata-rata frekuensi pembelian sebesar 4,5 kali dengan nilai transaksi rata-rata Rp63.995.500, cluster potensial memiliki rata-rata frekuensi 2 kali dengan nilai transaksi Rp27.998.000, sedangkan cluster pasif memiliki rata-rata frekuensi 1 kali dengan nilai transaksi Rp18.999.000.
Systematic Literature Review terhadap Model Deep Learning untuk Smart Waste Classification Erwin Dwika Putra; Anita Septiani Putri
JUKOMIKA (Jurnal Ilmu Komputer dan Informatika) Vol. 9 No. 1 (2026): July
Publisher : LPPMPP Yayasan Sejahtera Bersama Bengkulu

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54650/jukomika.v9i1.715

Abstract

The rapid advancement of Deep Learning has significantly contributed to the development of Smart Waste Classification systems for improving automated waste sorting and sustainable waste management. However, comprehensive studies that systematically summarize the evolution of Deep Learning models, datasets, evaluation methods, and future research directions remain limited. This study aims to conduct a Systematic Literature Review (SLR) on Deep Learning models applied to Smart Waste Classification by following the PRISMA 2020 guidelines. The literature search was performed using Publish or Perish across several scientific databases, covering publications from 2020 to 2025. A total of 100 studies were initially identified, and after the identification, screening, eligibility, and inclusion processes, 40 studies were selected for qualitative synthesis. The findings indicate that Convolutional Neural Network (CNN) remains the most widely adopted architecture, followed by ResNet, MobileNet, EfficientNet, YOLO, and Vision Transformer. TrashNet is the most frequently used dataset, while accuracy, precision, recall, F1-score, and mean Average Precision (mAP) are the dominant evaluation metrics. Current research trends emphasize transfer learning, lightweight architectures, and the integration of Deep Learning with the Internet of Things (IoT) and edge computing. This review provides comprehensive insights into recent developments and identifies research opportunities for developing more accurate, efficient, and practical Smart Waste Classification systems. Keywords— Systematic Literature Review (SLR); Deep Learning; Smart Waste Classification; Convolutional Neural Network (CNN); Computer Vision; Transfer Learning; Waste Management.
Aplikasi Microfinance untuk Pengelolaan Pembiayaan Menggunakan Teknik Scheduler Berbasis FIFO Aprianti Nuban; Handrie Noprisson
JUKOMIKA (Jurnal Ilmu Komputer dan Informatika) Vol. 9 No. 1 (2026): July
Publisher : LPPMPP Yayasan Sejahtera Bersama Bengkulu

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54650/jukomika.v9i1.716

Abstract

Lembaga microfinance memiliki peran penting dalam menyediakan layanan pembiayaan bagi masyarakat berpenghasilan rendah dan pelaku usaha mikro. Namun, pengelolaan pembiayaan yang masih dilakukan secara semi-manual berpotensi menimbulkan kesalahan pencatatan, keterlambatan pembayaran, duplikasi data, serta kesulitan dalam proses monitoring dan pelaporan. Penelitian ini bertujuan mengembangkan sistem informasi microfinance untuk pengelolaan pembiayaan di Yayasan Dian Mandiri berbasis web dengan mengimplementasikan algoritma scheduler untuk menghasilkan jadwal pembayaran angsuran. Pengembangan sistem menggunakan metode Waterfall yang terdiri atas tahapan studi literatur, analisis permasalahan, analisis kebutuhan, perancangan, implementasi, dan pengujian. Sistem dibangun menggunakan framework Laravel, bahasa pemrograman PHP, dan MySQL sebagai sistem manajemen basis data. Perancangan sistem dimodelkan menggunakan Unified Modeling Language (UML) yang meliputi Use Case Diagram, Activity Diagram, Sequence Diagram, dan Class Diagram. Pengujian dilakukan menggunakan metode Black Box Testing untuk memastikan setiap fungsi sistem berjalan sesuai kebutuhan. Hasil penelitian menunjukkan bahwa sistem mampu mengintegrasikan proses pengelolaan data nasabah, pengajuan pembiayaan, penjadwalan angsuran, transaksi pembayaran, hingga penyusunan laporan. Implementasi algoritma scheduler dapat menghasilkan jadwal pembayaran berdasarkan jumlah pinjaman, tenor, dan tingkat bunga sehingga meningkatkan ketepatan perhitungan angsuran, mempermudah pemantauan jatuh tempo pembayaran.
Analisis Sentimen Masyarakat terhadap Layanan Publik pada Media Sosial X Menggunakan IndoBERT dan Support Vector Machine Marissa Utami; Erwin Dwika Putra
JUKOMIKA (Jurnal Ilmu Komputer dan Informatika) Vol. 9 No. 1 (2026): July
Publisher : LPPMPP Yayasan Sejahtera Bersama Bengkulu

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54650/jukomika.v9i1.717

Abstract

Social media platform X has become one of the primary channels for the public to express opinions regarding public services, making it a valuable source for evaluating government service quality. This study aims to compare the performance of Support Vector Machine (SVM) and IndoBERT in classifying public sentiment toward public services using the Figshare Twitter Dataset. The dataset was first filtered using public service-related keywords, followed by preprocessing steps including case folding, text cleaning, stopword removal, and tokenization. The SVM model employed the Term Frequency–Inverse Document Frequency (TF-IDF) feature extraction method, while the IndoBERT model was fine-tuned using a Transformer-based architecture. Model performance was evaluated using accuracy, precision, recall, and F1-score metrics. The experimental results show that IndoBERT outperformed SVM, achieving an accuracy of 91.89%, precision of 92.51%, recall of 92.56%, and F1-score of 92.54%. In comparison, SVM achieved an accuracy of 81.20%, precision of 78.02%, recall of 78.74%, and F1-score of 78.88%. These findings indicate that IndoBERT is more effective in capturing the contextual semantics of Indonesian-language social media texts than the TF-IDF-based SVM approach. The proposed approach can support the development of intelligent sentiment analysis systems for monitoring and evaluating public services through social media. Keywords—Sentiment Analysis, Public Services, Social Media X, IndoBERT, Support Vector Machine, Natural
Analisis Sentimen Berbasis Aspek Melalui Integrasi LDA dan Kombinasi XLM-RoBERTa - BiGRU Pande Komang Tio Gemisatya; I Nyoman Saputra Wahyu Wijaya; Ni Putu Novita Puspa Dewi
JUKOMIKA (Jurnal Ilmu Komputer dan Informatika) Vol. 9 No. 1 (2026): July
Publisher : LPPMPP Yayasan Sejahtera Bersama Bengkulu

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54650/jukomika.v9i1.723

Abstract

Abstrak—Analisis sentimen pada media sosial umumnya hanya menghasilkan polaritas sentimen secara keseluruhan tanpa mengidentifikasi aspek spesifik yang menjadi fokus opini masyarakat. Kondisi tersebut menyebabkan informasi yang diperoleh menjadi kurang rinci, terutama pada opini yang membahas lebih dari satu aspek kebijakan pemerintah. Penelitian ini bertujuan mengembangkan sistem Aspect-Based Sentiment Analysis (ABSA) untuk menganalisis sentimen masyarakat terhadap kebijakan pemerintahan Prabowo Subianto. Sistem yang diusulkan menggunakan TF-IDF dan Latent Dirichlet Allocation (LDA) untuk ekstraksi aspek, kemudian menerapkan multi-aspect annotation dalam pembentukan dataset, serta memanfaatkan model hybrid XLM-RoBERTa dan Bidirectional Gated Recurrent Unit (BiGRU) untuk klasifikasi sentimen. Evaluasi model dilakukan menggunakan Stratified 5-Fold Cross Validation, sedangkan kualitas ekstraksi aspek dievaluasi menggunakan Coherence Score, Topic Diversity, dan Silhouette Score. Hasil penelitian menunjukkan bahwa model LDA berhasil mengidentifikasi tiga aspek utama dengan nilai Coherence Score sebesar 0,5427, Topic Diversity sebesar 0,9333, dan Silhouette Score sebesar 0,8496. Model klasifikasi menghasilkan Accuracy sebesar 95,35%, Precision sebesar 95,41%, Recall sebesar 95,35%, dan F1-score sebesar 95,35%. Hasil tersebut menunjukkan bahwa framework ABSA yang diusulkan mampu melakukan ekstraksi aspek dan klasifikasi sentimen secara otomatis dengan performa yang tinggi dan konsisten pada data opini masyarakat berbahasa Indonesia. Abstract—Conventional sentiment analysis on social media generally produces only overall sentiment polarity without identifying the specific aspects discussed in public opinions. As a result, the extracted information becomes less informative, particularly for opinions addressing multiple government policy issues. This study proposes an Aspect-Based Sentiment Analysis (ABSA) system to analyze public sentiment toward the policies of the Prabowo Subianto administration. The proposed approach employs TF-IDF and Latent Dirichlet Allocation (LDA) for aspect extraction, applies multi-aspect annotation for dataset construction, and utilizes a hybrid XLM-RoBERTa and Bidirectional Gated Recurrent Unit (BiGRU) model for aspect-level sentiment classification. Model performance was evaluated using Stratified 5-Fold Cross Validation, while aspect extraction quality was assessed using Coherence Score, Topic Diversity, and Silhouette Score. The experimental results show that the LDA model successfully identified three main aspects with a Coherence Score of 0.5427, a Topic Diversity of 0.9333, and a Silhouette Score of 0.8496. The proposed sentiment classification model achieved an Accuracy of 95.35%, Precision of 95.41%, Recall of 95.35%, and an F1-score of 95.35%. These findings demonstrate that the proposed ABSA framework can automatically perform aspect extraction and aspect-level sentiment classification with high and consistent performance on Indonesian social media opinion data.
Pengembangan dan Evaluasi Sistem Pelayanan Administrasi Kependudukan Berbasis Web Menggunakan Metode Waterfall dan System Usability Scale (SUS) Mei Lisa Tri Utami; AR Walad Mahfuhzy; Andilala; RG Guntur Alam
JUKOMIKA (Jurnal Ilmu Komputer dan Informatika) Vol. 9 No. 1 (2026): July
Publisher : LPPMPP Yayasan Sejahtera Bersama Bengkulu

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54650/jukomika.v9i1.724

Abstract

Pelayanan administrasi kependudukan di Desa Dusun Baru, Kabupaten Seluma masih dilakukan secara konvensional sehingga menyebabkan proses pelayanan kurang efisien, pengelolaan data belum terintegrasi, serta masyarakat harus datang langsung ke kantor desa untuk mengurus berbagai dokumen administrasi. Penelitian ini bertujuan mengembangkan Sistem Informasi Pelayanan Kependudukan (SIPK) berbasis web menggunakan metode Waterfall serta mengevaluasi tingkat kemudahan penggunaan sistem menggunakan System Usability Scale (SUS). Metode Waterfall meliputi tahapan analisis kebutuhan, perancangan, implementasi, pengujian, dan pemeliharaan. Sistem yang dikembangkan menyediakan fitur pengelolaan data penduduk, pengajuan surat, bilik pengaduan, dan pengelolaan profil pengguna. Pengujian fungsional menggunakan Black Box Testing menunjukkan seluruh fitur berjalan sesuai kebutuhan dengan tingkat keberhasilan 100%. Selanjutnya, evaluasi usability terhadap 20 responden menghasilkan nilai rata-rata SUS sebesar 81,5 yang termasuk kategori Excellent, Grade A, dan Acceptable. Hasil penelitian menunjukkan bahwa sistem yang dikembangkan mampu meningkatkan efektivitas pelayanan administrasi kependudukan serta mudah digunakan oleh masyarakat maupun perangkat desa.

Page 15 of 15 | Total Record : 149

 11   12   13   14   15 

Filter by Year

2019 2026


Reset
Filter By Issues
All Issue Vol. 9 No. 1 (2026): July Vol. 8 No. 2 (2025): Desember Vol. 8 No. 1 (2025): Juli Vol. 7 No. 1 (2024): Juni 2024 Vol. 7 No. 2 (2024): Desember Vol. 6 No. 2 (2023): Desember Vol 6, No 1 (2023): Juni Vol 5, No 2 (2022): Desember Vol 5, No 1 (2022): Juni Vol 4, No 2 (2021): Desember Vol 4, No 1 (2021): Juni Vol 3, No 6 (2020): Desember Vol 3, No 4 (2020): Agustus Vol 3, No 3 (2020): Juni Vol 3, No 2 (2020): April Vol 3, No 1 (2020): Februari Vol 2, No 4 (2019): AGUSTUS 2019 Vol 2, No 1 (2019): Jukomika Februari 2019 Vol 2, No 6 (2019): Desember Vol 2, No 5 (2019): Oktober Vol 2, No 3 (2019): June Vol 1, No 1 (2018): Computer Science More Issue