cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Fifi Syafrina
Contact Email
jcbd@delitekno.co.id
Phone
+6287869230953
Journal Mail Official
jcbd@delitekno.co.id
Editorial Address
Jl. Lapangan Bola Gg Rosela No.3, Dalu XB, Tanjung Morawa, Kab. Deli Serdang, Prov. Sumatera Utara, Indonesia 20362
Location
Kab. deli serdang,
Sumatera utara
INDONESIA
Journal of Computers and Digital Business
Published by PT Delitekno Media Mandiri
ISSN : -     EISSN : 28303121     DOI : 10.56427
Core Subject : Science,
Computer Science & IT Decision Sciences, Operations Research & Management
Journal of Computers and Digital Business is an interdisciplinary and open access journal covering Computers and Digital Business. The Journal of Computers and Digital Business is open to submission from experts and scholars in the wide areas of Information System, Security, Artificial Intelligent , Cloud Computing, Machine Learning, Digital Business Technology and other areas listed in the focus and scope of this journal. Focus and Scope Information System Information Security Information Retrieval Geographic Information System Fuzzy Logics Genetic Algorithms Neural Networks Machine Learning Decision Support System Data Mining Cloud Computing E-Learning E-Goverment E-Commerce E-Business Digital Business Management Digital Business Technology Digital Business Analysis & Design Big Data & Business Intelligence Cyber Security for Digital Business
Arjuna Subject : Ilmu Komputer (semua kategori) - Aplikasi Ilmu Komputer
Articles 7 Documents
 1 
Search results for , issue "Vol. 5 No. 2 (2026)" : 7 Documents clear
Klasifikasi Tingkat Kematangan Kopi Gayo Berdasarkan Fitur Citra Warna Kulit Menggunakan Metode Transformasi Ruang Warna HSV M. Rezi Syahputra; Yusuf Ramadhan Nasution
Journal of Computers and Digital Business Vol. 5 No. 2 (2026)
Publisher : PT. Delitekno Media Madiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56427/jcbd.v5i2.985

Abstract

Penentuan tingkat kematangan buah kopi secara manual masih menghadapi keterbatasan subjektivitas dan inkonsistensi yang berdampak langsung pada penurunan kualitas kopi Gayo pasca panen. Penelitian ini bertujuan mengembangkan sistem klasifikasi otomatis tingkat kematangan buah kopi berbasis pengolahan citra digital. Berbeda dengan pendekatan konvensional yang menggunakan ruang warna RGB yang sensitif terhadap intensitas cahaya, penelitian ini menerapkan transformasi ruang warna Hue, Saturation, Value (HSV) untuk mendapatkan ekstraksi fitur warna yang lebih stabil terhadap variasi pencahayaan lingkungan. Tahapan metodologi meliputi akuisisi citra, praproses berupa thresholding dan cropping, serta normalisasi fitur sebelum proses klasifikasi dilakukan. Metode klasifikasi yang digunakan adalah Euclidean Distance dengan dataset sebanyak 180 citra yang terbagi menjadi kelas matang, setengah matang, dan mentah. Hasil pengujian menunjukkan bahwa sistem mampu mencapai akurasi rata-rata sebesar 90%. Evaluasi mendalam melalui confusion matrix menunjukkan performa optimal pada kelas matang dan mentah dengan nilai recall 100%, namun terdapat tantangan pada kelas setengah matang dengan recall 70% akibat adanya overlap fitur rona warna pada fase transisi kematangan. Penelitian ini memberikan kontribusi signifikan dalam menyediakan metode sortasi yang objektif guna membantu petani kopi Gayo menjaga standarisasi kualitas di pasar global.
Perbandingan Model Spasial Kesesuaian Lahan Kelapa Sawit di Pulau Sumatera Menggunakan Algoritma Machine Learning Ferdy Hardiansyah; Ratu Mutiara Siregar; Muhammad Akbar Syahbana Pane; Andi Prayogi
Journal of Computers and Digital Business Vol. 5 No. 2 (2026)
Publisher : PT. Delitekno Media Madiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56427/jcbd.v5i2.987

Abstract

Pulau Sumatera merupakan salah satu wilayah utama pengembangan kelapa sawit di Indonesia dengan karakteristik biofisik yang kompleks. Pemanfaatan lahan yang tidak mempertimbangkan kesesuaian biofisik berpotensi menurunkan produktivitas dan meningkatkan degradasi lingkungan. Penelitian ini bertujuan mengintegrasikan pendekatan berbasis aturan FAO dengan metode machine learning untuk memodelkan kesesuaian lahan kelapa sawit secara lebih interpretatif. Algoritma Decision Tree digunakan untuk mempelajari pola klasifikasi dari kriteria FAO dan dibandingkan dengan K-Nearest Neighbor (KNN). Variabel penelitian meliputi kemiringan lereng, curah hujan, suhu udara, pH tanah, tekstur tanah, kedalaman tanah, dan tutupan lahan. Dataset diperoleh dari ekstraksi data raster ke format tabular dengan pembagian data latih dan uji sebesar 80:20. Hasil penelitian menunjukkan kelas S2 mendominasi wilayah penelitian sebesar 61,06%, diikuti S3 sebesar 18,46%, S1 sebesar 14,26%, dan N sebesar 6,22%. Evaluasi cross-validation menunjukkan akurasi Decision Tree sebesar 88,94% dan KNN sebesar 87,18%. Decision Tree memiliki performa lebih stabil dan mudah diinterpretasikan. Penelitian ini menunjukkan integrasi FAO dan machine learning dapat mendukung perencanaan penggunaan lahan yang lebih objektif, transparan, dan berkelanjutan.
Perancangan dan Evaluasi Sistem Informasi Manajemen dengan Model Human Organization Technology di Puskesmas Pangkalan Susu Muhammad Dio Arkan; Ilka Zufria
Journal of Computers and Digital Business Vol. 5 No. 2 (2026)
Publisher : PT. Delitekno Media Madiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56427/jcbd.v5i2.988

Abstract

Transformasi digital layanan kesehatan menjadi kebutuhan penting untuk meningkatkan efisiensi, akurasi, dan kualitas pelayanan, khususnya pada fasilitas kesehatan tingkat pertama. Namun, banyak Puskesmas masih menggunakan sistem manual dalam pengelolaan pendaftaran pasien, rekam medis, dan pelaporan sehingga menimbulkan redundansi data, keterlambatan, serta kesalahan pencatatan. Penelitian ini bertujuan merancang dan mengevaluasi Sistem Informasi Manajemen Puskesmas (SIMPUS) berbasis mobile di Puskesmas Pangkalan Susu. Sistem dikembangkan menggunakan metode Rapid Application Development (RAD), diimplementasikan dengan Android Studio, dan memanfaatkan Firebase sebagai basis data cloud real-time. Aplikasi menyediakan fitur berbasis peran, meliputi pendaftaran pasien oleh staf administrasi, pengelolaan diagnosis oleh dokter, dan manajemen obat oleh apoteker. Evaluasi sistem menggunakan model Human–Organization–Technology (HOT-Fit) melalui pendekatan kuantitatif dengan kuesioner skala Likert yang diberikan kepada 8 tenaga kesehatan. Selain itu, pengujian Black-box dilakukan untuk memastikan fungsionalitas sistem berjalan dengan baik. Hasil penelitian menunjukkan skor rata-rata 4,30 dari 5,00 dengan kategori “baik”, terdiri atas dimensi human 4,3, organization 4,2, dan technology 4,4. Penelitian ini berkontribusi melalui integrasi evaluasi HOT-Fit langsung pada aplikasi mobile secara real-time untuk mendukung evaluasi sistem yang lebih efisien dan berkelanjutan.
Implementasi Algoritma Genetika Pada Sistem Penjadwalan Mata Pelajaran Otomatis Di MAN Tapanuli Selatan Lokasi Sipagimbar Meini Syakinah Ritonga; M. Fakhriza
Journal of Computers and Digital Business Vol. 5 No. 2 (2026)
Publisher : PT. Delitekno Media Madiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56427/jcbd.v5i2.989

Abstract

Penyusunan jadwal mata pelajaran merupakan kegiatan administratif yang kompleks dan diklasifikasikan sebagai permasalahan Non-deterministic Polynomial-time Hard (NP-Hard). Di MAN Tapanuli Selatan lokasi Sipagimbar, proses penjadwalan masih dilakukan secara semi-manual menggunakan spreadsheet yang memicu terjadinya jadwal ganda (double booking) dan memakan waktu penyusunan hingga berhari-hari. Penelitian ini bertujuan mengimplementasikan Algoritma Genetika untuk mengotomatisasi sistem penjadwalan berbasis web. Kontribusi utama penelitian ini terletak pada pemodelan fungsi evaluasi (fitness) yang secara spesifik mengakomodasi karakteristik kurikulum madrasah melalui pendekatan penalti gravitasi pagi guna memprioritaskan distribusi mata pelajaran berbeban kognitif tinggi ke jam awal pembelajaran. Metode komputasi menggunakan teknik pengkodean tidak langsung (indirect encoding) berbasis bobot prioritas desimal. Hasil evaluasi melalui Multiple Run Experiment membuktikan bahwa algoritma secara konsisten menekan tingkat pelanggaran hard constraints hingga 0 (nol), sedangkan angka konvergensi akhir sebesar 1.089,3 merupakan representasi mutlak dari soft penalty yang wajar secara komputasional. Secara komparatif, algoritma usulan mencatatkan rata-rata waktu penelusuran matriks jadwal sebesar 232,52 detik, memberikan parameter efisiensi yang terukur dan jauh lebih unggul dibandingkan dengan metode semi-manual. Pengujian Black-Box mengonfirmasi bahwa fungsionalitas sistem berjalan stabil sesuai spesifikasi, menyimpulkan bahwa implementasi ini secara teknis sangat layak digunakan untuk mendigitalisasi birokrasi akademik di sekolah.
Peramalan Harga Ayam Berdasarkan Pola Musiman Menggunakan Long Short-Term Memory Rival Dini, Tengku Syahvina; Armansyah
Journal of Computers and Digital Business Vol. 5 No. 2 (2026)
Publisher : PT. Delitekno Media Madiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56427/jcbd.v5i2.990

Abstract

Harga ayam broiler merupakan komoditas pangan yang mengalami fluktuasi signifikan dan memiliki karakteristik pola musiman, sehingga diperlukan metode peramalan yang akurat. Penelitian ini bertujuan untuk memprediksi harga ayam broiler di Kabupaten Deli Serdang menggunakan metode Long Short-Term Memory (LSTM). Data yang digunakan berupa data harga harian periode Januari 2022 hingga Maret 2026 sebanyak 1.551 data. Tahapan penelitian meliputi preprocessing data, pembentukan sequence menggunakan sliding window, pembagian data latih dan data uji, serta pembangunan model LSTM. Analisis time series menggunakan Augmented Dickey-Fuller (ADF), Autocorrelation Function (ACF), dan Partial Autocorrelation Function (PACF) dilakukan untuk mengidentifikasi karakteristik data. Evaluasi model menggunakan Mean Absolute Error (MAE), Root Mean Square Error (RMSE), Mean Absolute Percentage Error (MAPE), dan koefisien determinasi (R²), serta dibandingkan dengan metode baseline regresi linear. Hasil penelitian menunjukkan bahwa model LSTM menghasilkan nilai MAPE sebesar 1,6180% dan MAE sebesar Rp507,68, sedangkan metode baseline menghasilkan MAPE sebesar 1,4083% dan MAE sebesar Rp455,90. Namun, model LSTM memperoleh nilai RMSE sebesar Rp946,43 yang sedikit lebih rendah dibandingkan baseline sebesar Rp947,43 serta nilai R² sebesar 0,8842 yang lebih tinggi dibandingkan baseline sebesar 0,8839. Hasil tersebut menunjukkan bahwa kedua model memiliki performa yang kompetitif dengan keunggulan pada metrik evaluasi yang berbeda. Penelitian ini memberikan kontribusi dalam penerapan metode LSTM untuk peramalan harga ayam broiler harian di Kabupaten Deli Serdang.
Studi Eksploratif Pipeline Multilayer Perceptron pada Dataset Sintetik Berlabel Deterministik: Implikasi Metodologis untuk Klasifikasi Hipertensi Ivónia Fátima Ruas da Silva; Bambang Purnomosidi Dwi Putranto; Widyastuti Andriyani
Journal of Computers and Digital Business Vol. 5 No. 2 (2026)
Publisher : PT. Delitekno Media Madiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56427/jcbd.v5i2.991

Abstract

Hipertensi merupakan penyakit kardiovaskular dengan prevalensi tinggi dan menjadi penyebab utama mortalitas global, sehingga deteksi dini menjadi kebutuhan klinis yang krusial. Namun, pengembangan model deep learning pada konteks sumber daya terbatas sering terkendala ketersediaan dataset berskala besar. Gap penelitian yang diidentifikasi adalah belum tersedianya studi eksploratif yang secara eksplisit menguji kelayakan pipeline Multilayer Perceptron (MLP) sederhana pada dataset berukuran sangat kecil dengan dokumentasi reproducible. Penelitian ini bertujuan mendemonstrasikan pipeline MLP end-to-end pada dataset sintetik 150 sampel dengan sembilan fitur biometrik dan gaya hidup. Setelah one-hot encoding dan normalisasi Min-Max, dimensi input menjadi 15 neuron. Arsitektur MLP terdiri atas tiga hidden layer (64-32-16, ReLU) dan output sigmoid, dilatih 100 epoch menggunakan optimizer Adam (learning rate 0,001; batch size 16) dengan early stopping. Evaluasi pada test set (n = 30) memperoleh akurasi 90,00%, presisi 85,00%, recall 100%, F1-score 91,90%, dan AUC-ROC 0,91, dengan tiga false positive teridentifikasi sebagai kasus borderline pre-hypertension. Kontribusi penelitian terletak pada penyajian artefak reproducible—dataset sintetik, kode preprocessing, dan visualisasi diagnostik—sebagai baseline pedagogis untuk institusi berketerbatasan data. Keterbatasan utama, yaitu sifat deterministik label yang berpotensi menimbulkan circular reasoning pada fitur tekanan darah, didokumentasikan eksplisit sebagai catatan validitas internal.
Social Commerce Optimization for Banyumas MSMEs on Shopee and Tokopedia: A Mixed-Methods Approach Rizqi Faturohman; Dhanar Intan Surya Saputra; Retno Waluyo
Journal of Computers and Digital Business Vol. 5 No. 2 (2026)
Publisher : PT. Delitekno Media Madiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56427/jcbd.v5i2.994

Abstract

The development of social commerce has accelerated the transformation of the digital business ecosystem for Micro, Small, and Medium Enterprises (MSMEs) in Indonesia, particularly through marketplace platforms such as Shopee and Tokopedia. This study aims to analyze the effect of social commerce optimization on the competitiveness of MSMEs in Banyumas Regency and identify strategic factors supporting digital business transformation. The research employed a mixed-methods approach with a sequential explanatory design integrating quantitative and qualitative methods. Quantitative data were collected through questionnaires distributed to 120 MSMEs actively using Shopee and Tokopedia, while qualitative data were obtained through semi-structured interviews with 12 informants consisting of MSME actors, digital marketing practitioners, MSME communities, and academics. The results of simple regression analysis indicate that social commerce significantly affects MSME competitiveness (β = 0.684; p < 0.001), with a coefficient of determination (R²) of 0.468, indicating that social commerce contributes 46.8% to improving MSME competitiveness. The findings reveal that live shopping features, affiliate marketing, customer reviews, and social media integration significantly enhance customer engagement, digital branding, and market expansion. This study contributes to the development of a social commerce optimization framework based on customer engagement and digital branding to strengthen MSME competitiveness within the digital economic ecosystem.

Page 1 of 1 | Total Record : 7

 1 

Filter by Year

2026 2026


Reset
Filter By Issues
All Issue Vol. 5 No. 2 (2026) Vol. 5 No. 1 (2026) Vol. 4 No. 3 (2025) Vol. 4 No. 2 (2025) Vol. 4 No. 1 (2025) Vol. 3 No. 3 (2024) Vol. 3 No. 2 (2024) Vol. 3 No. 1 (2024) Vol. 2 No. 3 (2023) Vol. 2 No. 2 (2023) Vol. 2 No. 1 (2023) Vol. 1 No. 2 (2022) Vol. 1 No. 1 (2022) More Issue