cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Agus Junaidi
Contact Email
agus.asj@bsi.ac.id
Phone
+622121231170
Journal Mail Official
jurnal.ijcs@bsi.ac.id
Editorial Address
Jl. Kramat Raya No 98, Senen, Jakarta Pusat, Provinsi DKI Jakarta
Location
Kota adm. jakarta barat,
Dki jakarta
INDONESIA
Indonesian Journal Computer Science (ijcs)
Published by Universitas Bina Sarana Informatika
ISSN : -     EISSN : 28293819     DOI : https://doi.org/10.31294/ijcs.v1i1
Core Subject : Science,
Computer Science & IT
Indonesian Journal Computer Science merupakan jurnal ilmiah nasional sebagai sumber referensi akademisi yang berisikan hasil penelitian ilmiah yang berkaitan dengan bidang komputer dan informatika, diterbitkan oleh LPPM Universitas Bina Sarana Informatika. Jurnal ini rencananya berisi tentang karya ilmiah hasil penelitian yang berfokus kepada: Sistem Pakar, Sistem Informasi, Sistem Informasi Akuntansi, Web Programming, Mobile Programming, Games Programming, Data Mining, dan Sistem Penunjang Keputusan.
Arjuna Subject : Ilmu Komputer (semua kategori) - Ilmu Komputer (Lain-Lain)
Articles 78 Documents
 4   5   6   7   8 
Sistem Informasi Smart Project Management (SPM) Berbasis Web  Pada PT. Andromega Data Nusantara Bogor Rojak, Syaifur Rahmatullah Abdul; Erica, Denny
Indonesian Journal Computer Science Vol. 4 No. 1 (2025): April 2025
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/h9tkbh70

Abstract

Pertumbuhan startup di Indonesia, termasuk PT. Andromega Data Nusantara (ADN) Bogor, menghadapi tantangan kompleks dalam manajemen proyek, seperti ketidakteraturan pengelolaan dokumen, tugas, dan koordinasi tim melalui platform konvensional. Hal ini mengakibatkan informasi proyek terabaikan, risiko meningkat, dan produktivitas menurun. Tujuan penelitian ini untuk mengembangkan Sistem Informasi Smart Project Management (SPM) berbasis web untuk meningkatkan efisiensi, transparansi, dan akurasi manajemen proyek di PT. ADN Bogor. Metode Penelitian menggunakan metode Rapid Application Development (RAD) dengan tahapan: (1) analisis kebutuhan berbasis kebutuhan internal PT. ADN, (2) pembuatan prototipe menggunakan framework Next.js (front-end) dan Nest.js (back-end), (3) pengembangan sistem dengan integrasi PostgreSQL, serta (4) pengujian dan implementasi. Perancangan sistem melibatkan diagram UML (Use Case, Class Diagram) dan Entity Relational Diagram (ERD). hasil dari penelitian ini menunjukkan bahwa sistem SPM yang dihasilkan mencakup fitur-fitur utama: Manajemen proyek, tugas, dokumen, dan rapat berbasis peran (Owner, Project Manager, Developer, Admin). Dashboard statistik real-time untuk pemantauan progres proyek. Antarmuka responsif dengan kemampuan task assignment, pembaruan status tugas, dan pengunduhan laporan. Kontrol akses berbasis peran (role-based access control). Maka implementasi sistem SPM terbukti meningkatkan transparansi, mempercepat pengambilan keputusan, dan memudahkan koordinasi tim. Sistem ini menjawab kebutuhan spesifik PT. ADN Bogor dalam mengelola proyek IT secara terstruktur dan kolaboratif.
Sistem Rekomendasi Asuransi Mobil Berbasis Web dengan Pendekatan Weighted Product Honggowibowo, Anton Setiawan; Nasrillah, Muhammad Khairu; Nugraheny, Dwi; Retnowati, Nurcahyani Dewi
Indonesian Journal Computer Science Vol. 4 No. 1 (2025): April 2025
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/3r2c2857

Abstract

Pemilihan asuransi mobil yang optimal menjadi tantangan kompleks bagi konsumen akibat banyaknya variabel yang perlu dipertimbangkan, seperti harga premi, cakupan perlindungan, reputasi perusahaan, dan kemudahan proses klaim. Faktor-faktor ini seringkali saling bertentangan, sementara platform perbandingan asuransi yang ada umumnya hanya menyajikan data mentah tanpa analisis terstruktur untuk membantu pengambilan keputusan. Penelitian ini mengusulkan pengembangan sistem rekomendasi berbasis web yang menerapkan metode Weighted Product (WP) untuk mengatasi permasalahan tersebut. Metode WP dipilih karena kemampuannya dalam melakukan perbandingan multi-kriteria dengan mempertimbangkan pembobotan preferensi pengguna secara fleksibel. Sistem ini dirancang menggunakan arsitektur web modern dengan teknologi HTML, CSS, JavaScript, dan PHP, serta database MySQL untuk menyimpan dan mengolah data produk asuransi. Hasil pengujian sistem menunjukkan bahwa pendekatan WP mampu menghasilkan rekomendasi yang konsisten dengan preferensi pengguna, sekaligus meningkatkan transparansi dalam proses pemilihan asuransi mobil. Temuan ini mendukung hipotesis bahwa penerapan metode multi-kriteria decision making berbasis web dapat menyederhanakan proses pengambilan keputusan yang kompleks di bidang asuransi kendaraan. Sistem ini diharapkan dapat menjadi solusi praktis bagi konsumen dalam memilih produk asuransi yang paling sesuai dengan kebutuhan spesifik mereka.
Perancangan Sistem Informasi Chatbot Retrieval Augmented Generation Berbasis Website Pada PT. Revolusi Cita Edukasi Cahyanti, F Lia Dwi; Raya, Rizky Dharma Andika
Indonesian Journal Computer Science Vol. 4 No. 1 (2025): April 2025
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/m75d4782

Abstract

Sistem Chatbot sudah berkembang pesat saat ini yang menghadirkan banyak fitur atau model Artificial Intelligence (AI) terbaru yang dapat memaksimalkan kebutuhan pengguna saat ini. Salah satunya dengan Retrieval Augmented Generation (RAG) yaitu memaksimalkan keluaran atau output dari Large Language Model (LLMs). Pada Chatbot dengan sistem pencarian konteks berbasis informasi eksternal berdasarkan sumber data yang bertujuan untuk meningkatkan akurasi respons, kemampuan menangani pertanyaan kompleks, memberikan konteks pada sumber data lebih baik, akses ke informasi terkini, personalisasi pengalaman pengguna dan fleksibilitas dalam penanganan berbagai topik berdasarkan sumber data yang relevan. Pada pembuatan Chatbot Chatku AI untuk karyawan internal perusahaan menggunakan metode Prototype memiliki beberapa tahapan yaitu Requirements and Gathering Analysis, Quick Design, Build Prototype, User Evaluation, Refining Prototype, Implement Product and Maintenance. Sistem Chatbot ini akan memberikan fitur kustomisasi AI Models pilihan seperti Llama3, Mistral AI dan Gemma AI yang dikombinasikan dengan sumber data eksternal seperti file dokumen (PDF) atau link artikel sehingga kebutuhan user dapat diaplikasikan dengan baik. Pada testing sistem ini menggunakan User Acceptance Testing (UAT) yaitu untuk memastikan bahwa website atau sistem Chatbot dapat berjalan dengan baik.
Klasifikasi Risiko Strok Menggunakan Algoritma Random Forest dengan Teknik Knowledge Discovery in Database Athallah, Deni; Fathoni, Fathoni; Rachmad, Muhammad Ichsan Farrel
Indonesian Journal Computer Science Vol. 4 No. 1 (2025): April 2025
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/5tbkg781

Abstract

Strok merupakan suatu kondisi ketika aliran darah ke otak mengalami gangguan, yang dapat menyebabkan kerusakan otak bahkan kematian. Strok juga merupakan penyebab utama kematian dan kecacatan yang terjadi pada seluruh dunia. Dengan tingkat kecelakaan yang tinggi, deteksi dini strok sangat diperlukan untuk mengurangi risiko strok. Penelitian ini bertujuan untuk mengklasifikasi risiko strok berdasarkan algoritma Random Forest dengan melalui pendekatan Knowledge Discovery in Database (KDD). Dataset yang digunakan merupakan dataset dari platform Kaggle yang terdiri dari 35.000 data pasien dengan 18 atribut relevan yang telah melalui proses pembersihan dan fitur pemilihan untuk mencapai akurasi prediksi yang optimal. Model training dilakukan dengan membagi data sebesar 80% data training dan 20% data testing. Hasil dari evaluasi mengunakan confusion matrixnya menunjukkan bahwa Algoritma Random Forest memiliki akurasi sebesar 87,47% dengan precision pada kelas 1 sebesar 96,40% dan recall sebesar 68,53%, serta precision pada kelas 0 sebesar 84,51% dan recall sebesar 98,51%. Namun, tantangan utama dalam penelitian ini adalah ketidakseimbangan data, yang mempengaruhi kemampuan model dalam mengenali kasus strok secara merata. Penelitian selanjutnya dianjurkan untuk menerapkan teknik penyeimbangan data serta menggabungkan Random Forest dengan algoritma lain guna meningkatkan akurasi dan keandalan prediksi.
Implementasi Teknologi Rest Api Dengan Node Js Untuk Aplikasi Rekomendasi Destinasi Wisata Ramadhani, Anjas; Iriadi, Nandang; Hidayat, Rachmat
Indonesian Journal Computer Science Vol. 4 No. 1 (2025): April 2025
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/t3z8vz27

Abstract

Kemajuan teknologi informasi terutama di era digital saat ini, pengguna menginginkan akses cepat dan mudah terkait informasi perjalanan seperti destinasi, akomodasi, dan transportasi, aplikasi rekomendasi destinasi wisata .Teknologi Rest API dengan Node JS terbukti efektif dalam menangani permintaan dan memberikan respon yang cepat, sementara Rest Api yang dikembangkan menyediakan fitur pencarian destinasi wisata berdasarkan kota, kategori, rating, dan harga. Lokis adalah aplikasi mobile inovatif yang dirancang untuk merevolusi cara wisatawan dan penduduk lokal menjelajahi objek wisata di daerah Jabodetabek yang dinamis. Lokis memanfaatkan data dari berbagai sumber Google Maps melalui API TensorFlow dalam ranah Machine Learning, diproses dan memodelkan data dengan hati-hati,membangun model untuk mengevaluasi efisiensi rute yang dioptimalkan. Untuk memastikan rute-rute ini memenuhi harapan, mengkonsolidasikan data ke dalam dataset yang komprehensif dan menerapkan sistem rekomendasi untuk destinasi yang relevan. Integrasi Cloud Computing memfasilitasi pengembangan Model Sistem Rekomendasi Pengembangan Machine Learning dan Mobile Development, yang secara khusus menangani Rest Api yang memiliki peran penting dalam menjembatani dataset yang telah diolah oleh tim Machine Learning agar dapat digunakan oleh tim Mobile Development. Keberhasilan implementasi ini menunjukkan bahwa Node.Js adalah pilihan tepat untuk pengembangan Rest Api dalam aplikasi rekomendasi destinasi wisata, membuka peluang untuk integrasi dengan sumber data lain seta penambahan fitur rekomendasi, serta peningkatan performa dan skalabilitas sistem. Metode penelitian yang digunakan dalam pengembangan aplikasi ini adalah observasi langsung terhadap objek penelitian untuk mendapatkan pemahaman mendalam tentang fenomena yang sedang dipelajari.
Skema Anti Pemalsuan Produk Berbahan Kulit Buaya Berbasis dhash Tarempa, Genta; Nugraha, Yuk; Rachman, Andi
Indonesian Journal Computer Science Vol. 4 No. 1 (2025): April 2025
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/nvj6bp71

Abstract

Kulit buaya memiliki nilai ekonomis yang sangat tinggi dan sering digunakan untuk bahan pembuatan produk mewah seperti tas atau dompet oleh merek-merek ternama. Beberapa alasannya yaitu kelangkaan dan ketatnya regulasi dalam penggunaan kulit buaya. Selain itu keunikan dan kualitas kulit buaya, menjadikannya lebih eksklusif sehingga meningkatkan nilai jual produk. Dengan nilai ekonomi produk yang sangat tinggi, banyak pihak yang ingin memanfaatkan kondisi tersebut dengan melakukan pemalsuan terhadap produk demi mencari keuntungan yang besar. Pemalsu akan menjual produk palsunya dengan nilai yang sama atau lebih rendah namun tetap memiliki margin keuntungan yang tinggi. Pemalsu akan memanfaatkan ketidaktahuan pembeli akan produk yang asli. Namun terkadang memang cukup sulit untuk bisa membedakan produk asli ataupun palsu, perlu ada penanda yang dapat membedakannya. Salah satu penanda yang untuk membedakan produk asli atau palsu adalah penggunaan tag NFC. Tag NFC ini akan menyimpan informasi mengenai produk asli, sehingga pada saat produk dibeli dan tag NFC dipindai, maka pembeli akan mudah memperoleh validasi tentang keaslian produknya. Masalah lain muncul jika, tag NFC ini diterapkan kembali pada produk palsu sehingga produk palsu ini seolah-olah adalah produk asli. Untuk mengatasi masalah ini, kami mengembangkan skema anti pemalsuan tas atau dompet kulit buaya dengan pemanfaatan tag NFC, kriptografi kunci publik dan difference hash (dHash). Pada skema ini, dHash berfungsi untuk menyimpan informasi berupa korelasi antara produk dan data dalam tag NFC. Skema yang dikembangkan ini telah dievaluasi dengan beberapa skenario serangan pemalsuan dan terbukti mampu mendeteksi serangan pemalsuan serta membantu instansi terkait untuk memonitoring penggunaan kulit buaya secara legal.
Implementasi Naive Bayes Untuk Klasifikasi Gangguan Tidur Amelia, Mutiara Mega; Fazrin, Bintang Maulana; Panjaitan, Yogi Yosua; Kurniawan, Muhamad Dicky; Khasanah, Nurul
Indonesian Journal Computer Science Vol. 4 No. 1 (2025): April 2025
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/t18ryp42

Abstract

Kualitas tidur yang baik merupakan aspek penting dari gaya hidup sehat, dengan dampak signifikan terhadap kesejahteraan fisik dan mental individu. Tidur yang cukup dan berkualitas telah terbukti meningkatkan fungsi kognitif, memperkuat sistem kekebalan tubuh, dan mengurangi risiko terkena berbagai penyakit kronis. Namun, gangguan tidur seperti insomnia dan sleep apnea dapat mengganggu pola tidur dan berpotensi menyebabkan dampak negatif pada kesehatan seseorang. Dalam konteks ini, penelitian ini bertujuan untuk menyelidiki dan mengklasifikasikan gangguan tidur berdasarkan sejumlah atribut yang berkaitan dengan gaya hidup dan kesehatan tidur. Dataset yang digunakan terdiri dari 374 entri, yang mencakup beragam atribut tentang gaya hidup dan kesehatan tidur. Metode Naive Bayes digunakan untuk melakukan klasifikasi, dengan melakukan empat proporsi pembagian data training dan testing: 60:40, 70:30, 80:20, dan 90:10. Tahapan penelitian meliputi pengumpulan data, preprocessing, pemodelan menggunakan algoritma Naive Bayes, evaluasi model, dan analisis hasil. Hasil penelitian menunjukkan adanya peningkatan akurasi seiring dengan peningkatan proporsi data training, dengan akurasi tertinggi mencapai 92.11% pada pembagian data 90:10. hasil tersebut termasuk dalam kategori excellent classification, menunjukkan keberhasilan model dalam mengidentifikasi dan mengklasifikasikan gangguan tidur berdasarkan atribut yang diberikan.
Implementasi Deep Learning pada Deteksi Penyakit Daun Kentang dengan Arsitektur InceptionResNetV2 Firasari, Elly; Cahyanti, F. Lia Dwi
Indonesian Journal Computer Science Vol. 4 No. 1 (2025): April 2025
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/n09m6677

Abstract

Kentang (Solanum tuberosum) merupakan salah satu komoditas pangan penting di Indonesia. Namun, produktivitasnya kerap terganggu oleh penyakit daun seperti Early Blight, Late Blight, dan infeksi virus. Identifikasi penyakit secara manual oleh petani masih memiliki keterbatasan dari segi waktu, tenaga, dan akurasi. Penelitian ini bertujuan untuk mengembangkan sistem klasifikasi otomatis penyakit daun kentang menggunakan metode deep learning, khususnya dengan arsitektur InceptionResNetV2. Dataset yang digunakan bersumber dari Kaggle dan terdiri dari 3.251 citra yang terbagi dalam tiga kelas: Healthy (816), Early Blight (1.303), dan Late Blight (1.132). Data diproses melalui tahapan praproses berupa resize, normalisasi piksel, dan augmentasi data. Pelatihan dilakukan dengan menggunakan ukuran input 299x299 piksel, batch size 20, dan jumlah epoch sebanyak 20. Hasil pelatihan menunjukkan bahwa model mencapai akurasi pelatihan sebesar 94,20% dan akurasi validasi sebesar 95,30%. Evaluasi model menggunakan confusion matrix menunjukkan kinerja yang baik pada kelas Early Blight dan Healthy, namun model masih mengalami kesulitan dalam membedakan antara Late Blight dan daun Healthy. Secara keseluruhan, model InceptionResNetV2 terbukti efektif dalam mengklasifikasikan penyakit daun kentang dan dapat menjadi solusi pendukung dalam sistem pertanian berbasis teknologi.

Page 8 of 8 | Total Record : 78

 4   5   6   7   8 

Filter by Year

2022 2025


Reset
Filter By Issues
All Issue Vol. 4 No. 2 (2025): Oktober 2025 Vol. 4 No. 1 (2025): April 2025 Vol. 3 No. 2 (2024): Oktober 2024 Vol. 3 No. 1 (2024): April 2024 Vol. 2 No. 2 (2023): Oktober 2023 Vol. 2 No. 1 (2023): April 2023 Vol. 1 No. 2 (2022): Oktober 2022 Vol. 1 No. 1 (2022): April 2022