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 80 Documents
 4   5   6   7   8 
Machine Learning in Fraud Detection for Financial Services in Real time Data Praveen Kumar Rawat
Journal of Computers and Digital Business Vol. 5 No. 1 (2026)
Publisher : PT. Delitekno Media Madiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56427/jcbd.v5i1.807

Abstract

Fraud detection has become a critical concern for financial institutions seeking to safeguard their assets and maintain client trust in an increasingly digitized financial landscape. This study examines the application of machine learning (ML) techniques to enhance fraud detection systems within financial institutions. By leveraging computational algorithms and data analytics, organizations can identify patterns and anomalies in transaction data that conventional rule-based approaches often fail to detect. The efficacy of multiple ML paradigms, including supervised, unsupervised, and reinforcement learning, in identifying fraudulent activities is evaluated through a systematic review of existing literature and comparative analysis of model performance across benchmark datasets. The study highlights the critical role of feature engineering and data preprocessing in building robust ML models, as the quality of input data significantly influences predictive accuracy. The integration of real-time data processing, which enables organizations to respond to emerging threats promptly, is also examined. Key challenges are discussed, including high false positive rates, class imbalance inherent in fraud datasets, and the necessity for continuous model adaptation to track evolving fraud patterns. The findings indicate that ML-based approaches not only improve fraud detection rates but also enhance operational efficiency and customer satisfaction. This paper serves as a foundational reference for practitioners and researchers aiming to advance the application of machine learning for fraud detection in the financial sector.
Implementasi Metode Weighted Product untuk Menentukan Produk Perabotan Unggulan pada Winnie Houseware Imelza Nafia
Journal of Computers and Digital Business Vol. 5 No. 1 (2026)
Publisher : PT. Delitekno Media Madiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56427/jcbd.v5i1.809

Abstract

Perkembangan industri ritel, khususnya pada sektor perlengkapan rumah tangga (houseware), mendorong meningkatnya persaingan pasar sehingga menuntut pelaku usaha untuk menerapkan strategi pengelolaan produk yang lebih efektif dan berbasis data. Winnie Houseware menghadapi permasalahan dalam menentukan produk unggulan yang layak dijadikan prioritas etalase, karena proses pengambilan keputusan masih didominasi oleh pendekatan subjektif tanpa analisis yang terstruktur. Penentuan produk unggulan yang tepat memerlukan integrasi berbagai kriteria yang saling berkaitan, antara lain tingkat penjualan, ketersediaan stok, margin keuntungan, tingkat retur atau keluhan, serta daya tahan produk. Ketidakseimbangan dalam mempertimbangkan kriteria tersebut berpotensi menimbulkan keputusan yang kurang optimal dan berdampak pada kinerja finansial serta reputasi toko. Oleh karena itu, penelitian ini menerapkan Sistem Pendukung Keputusan menggunakan metode Weighted Product (WP), yaitu salah satu pendekatan Multi-Attribute Decision Making yang mampu mengolah kriteria benefit dan cost secara simultan melalui proses pembobotan relatif. Hasil penelitian menunjukkan bahwa metode WP mampu menghasilkan peringkat produk unggulan yang objektif dan terukur berdasarkan seluruh kriteria yang ditetapkan, sehingga dapat dijadikan dasar pengambilan keputusan manajerial di Winnie Houseware dalam menentukan prioritas produk etalase.
Classification of Korean Drama Popularity Based on Ratings Using Naïve Bayes Afthar Kautsar
Journal of Computers and Digital Business Vol. 5 No. 1 (2026)
Publisher : PT. Delitekno Media Madiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56427/jcbd.v5i1.814

Abstract

This study aims to classify the popularity of Korean dramas based on ratings obtained from the MyDramaList website. With the rapid growth of digital entertainment platforms, evaluating drama popularity has become increasingly important for understanding audience preferences and supporting decision-making in the content industry. The Naive Bayes algorithm is employed as the classification method due to its computational efficiency and suitability for handling categorical and numerical features. The dataset comprises 351 Korean dramas with attributes including title, year of release, genre, tags, number of episodes, cast information, synopsis, and user ratings. Ratings serve as the primary label for categorizing dramas into three classes: Top Dramas (rating ≥ 8.5), Popular (7.5–8.4), and Less Popular (< 7.5). The classification pipeline involves data preprocessing, feature encoding, and model training using Naive Bayes. Evaluation results yield an overall accuracy of 79%, with per-class performance assessed through precision, recall, and F1-score metrics. Supplementary visualizations, including pie charts, bar charts, and word clouds, are employed to analyze the distribution of dominant genres and tags across popularity categories. The findings indicate that the proposed approach provides a viable baseline for drama popularity classification while revealing content patterns, such as the prevalence of specific genres and thematic tags among top-rated dramas, that may inform content curation strategies on digital platforms.
Penerapan Certainty Factor pada Sistem Pakar Berbasis Web untuk Diagnosis Penyakit Pisang Goroho Sulawesi Utara Rendy Syahputra
Journal of Computers and Digital Business Vol. 5 No. 1 (2026)
Publisher : PT. Delitekno Media Madiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56427/jcbd.v5i1.986

Abstract

Pisang goroho merupakan komoditas khas Sulawesi Utara yang rentan terhadap berbagai penyakit, sementara ketersediaan pakar tanaman pisang masih terbatas. Pisang goroho berbeda dengan jenis pisang pada umumnya sehingga butuh penanganan khusus. Penelitian ini bertujuan untuk menciptakan sebuah sistem pakar yang akan menggantikan kekosongan pakar tanaman sehingga petani pisang dapat mendiagnosa penyakit dan penangggulangannya secara mandiri. Penelitian ini menggunakan metode Research and Development (R&D) dengan model Prototyping untuk mengembangkan sistem pakar berbasis web dan sesuai kebutuhan petani. Dalam proses diagnosis, diterapkan metode Certainty Factor (CF) untuk menghitung tingkat keyakinan terhadap penyakit berdasarkan kombinasi gejala, sehingga sistem mampu memberikan hasil yang mendekati keputusan pakar. Penelitian sebelumnya mengakomodir seluruh jenis pisang, belum terdapat sistem yang secara spesifik mengakomodasi karakteristik penyakit pisang goroho. Oleh karena itu, penelitian ini mengisi gap tersebut dengan mengembangkan sistem pakar berbasis web berbasis CF yang terfokus pada pisang. Evaluasi dilakukan menggunakan data uji kasus lapangan dan dibandingkan dengan diagnosis pakar sebagai ground truth. Hasil pengujian dari 100 data uji terdapat 92 hasil diagnosis yang sesuai dengan pakar, maka nilai akurasi sistem adalah 92%. Dalam penelitian sistem pakar berbasis CF, nilai akurasi yang baik umumnya berada di atas 85%, sedangkan nilai di atas 90% dapat dikategorikan sangat baik.
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.

Page 7 of 8 | Total Record : 80

 4   5   6   7   8 

Filter by Year

2022 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