cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Mesran
Contact Email
mesran.skom.mkom@gmail.com
Phone
+6282370070808
Journal Mail Official
mesran.skom.mkom@gmail.com
Editorial Address
Jalan sisingamangaraja No 338 Medan, Indonesia
Location
Kota medan,
Sumatera utara
INDONESIA
Journal of Computing and Informatics Research
Published by Forum Kerjasama Pendidikan TInggi
ISSN : -     EISSN : 2808375X     DOI : -
Core Subject : Science,
Computer Science & IT
Fokus kajian Journal of Computing and Informatics Research mempublikasikan hasil-hasil penelitian pada bidang informatika, namun tidak terbatas pada bidang ilmu komputer yang lain, seperti: 1. Kriptografi, 2. Artificial Intelligence, 3. Expert System, 4. Decision Support System, 5. Data Mining, dan lainnya.
Arjuna Subject : Ilmu Komputer (semua kategori) - Ilmu Komputer (Lain-Lain)
Articles 88 Documents
 5   6   7   8   9 
Penerapan Metode VIKOR Dalam Menentukan Jasa Ekspedisi Terbaik Berdasarkan Konsumen Aprilia Syahputri; Rizal Efendi; Dewi Fortuna Efendi; Agus Perdana Windarto
Journal of Computing and Informatics Research Vol 4 No 3 (2025): July 2025
Publisher : Forum Kerjasama Pendidikan Tinggi (FKPT)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47065/comforch.v4i3.2060

Abstract

Kemajuan teknologi informasi dan komunikasi yang pesat telah mempermudah masyarakat dalam menjalankan berbagai aktivitas secara instan, termasuk dalam melakukan transaksi jual beli secara daring. Peningkatan minat masyarakat terhadap belanja online mendorong meningkatnya permintaan terhadap layanan ekspedisi yang mampu menjamin pengiriman barang dengan cepat, aman, dan tepat waktu. Namun demikian, banyaknya pilihan jasa ekspedisi yang tersedia sering kali membuat konsumen merasa kesulitan dalam menentukan pilihan terbaik. Selain itu, berbagai kendala seperti keterlambatan pengiriman, kerusakan barang, hingga ketidakakuratan pelacakan paket secara real-time menjadi keluhan umum yang dialami konsumen. Penelitian ini bertujuan untuk membantu konsumen dalam memilih jasa ekspedisi terbaik dengan menerapkan Sistem Pendukung Keputusan menggunakan metode VIKOR (VIšekriterijumsko KOmpromisno Rangiranje). Metode ini mempertimbangkan beberapa faktor penting yang relevan dengan kebutuhan konsumen, antara lain kecepatan pengiriman, cakupan wilayah, kemudahan pelacakan paket, kualitas layanan pelanggan, serta biaya pengiriman. Data diperoleh melalui penyebaran kuesioner daring menggunakan Google Form kepada responden pengguna jasa ekspedisi. Hasil analisis menunjukkan bahwa JNT Express terpilih sebagai jasa ekspedisi terbaik dengan nilai indeks VIKOR sebesar 0,102. Penelitian ini tidak hanya memberikan rekomendasi berbasis data kepada konsumen, tetapi juga dapat dijadikan sebagai masukan strategis bagi perusahaan ekspedisi dalam meningkatkan daya saing dan kualitas layanannya di tengah persaingan industri logistik yang semakin ketat.
Prediksi Produksi Tanaman Padi di Indonesia dengan Menggunakan Algoritma Random Forest Regressor Manurung, Dinikxon; Zealtiel, Billiam; Lubis, Andre Hasudungan
Journal of Computing and Informatics Research Vol 4 No 3 (2025): July 2025
Publisher : Forum Kerjasama Pendidikan Tinggi (FKPT)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47065/comforch.v4i3.2125

Abstract

Produksi padi merupakan komponen utama dalam menjaga ketahanan pangan nasional di Indonesia, mengingat beras adalah makanan pokok mayoritas penduduk. Namun, kestabilan produksi padi sering kali terganggu oleh berbagai faktor, terutama kondisi agronomis dan variabilitas iklim yang sulit diprediksi. Oleh karena itu, diperlukan pendekatan berbasis data yang mampu memodelkan kompleksitas faktor-faktor tersebut secara akurat. Penelitian ini bertujuan untuk membangun model prediksi produksi padi menggunakan algoritma Random Forest Regressor, sebuah metode pembelajaran mesin yang dikenal andal dalam menangani data non-linear dan kompleks. Dataset yang digunakan mencakup parameter pertanian seperti luas panen dan produktivitas, serta data iklim meliputi suhu, kelembaban udara, dan curah hujan, yang dikumpulkan dari sumber terbuka seperti Kaggle dan Badan Meteorologi Klimatologi dan Geofisika (BMKG) untuk rentang tahun 2018 hingga 2024. Metodologi yang diterapkan dalam penelitian ini terdiri dari beberapa tahapan, yaitu prapemrosesan data (penanganan nilai hilang dan normalisasi), analisis data eksploratif untuk memahami pola dan korelasi antar variabel, pelatihan model prediksi, serta evaluasi performa model menggunakan metrik Mean Squared Error (MSE) dan R-squared (R²). Hasil penelitian menunjukkan bahwa konfigurasi terbaik diperoleh saat data dibagi dengan rasio pelatihan dan pengujian sebesar 90:10, serta penggunaan 200 decision tree dalam model. Konfigurasi ini menghasilkan nilai MSE sebesar 0.0004 dan R² sebesar 0.9918, yang mengindikasikan tingkat akurasi prediksi yang sangat tinggi serta kemampuan model dalam merepresentasikan hubungan antar variabel dengan baik. Penelitian ini menunjukkan bahwa Random Forest Regressor efektif dalam memprediksi produksi padi dan berpotensi menjadi alat bantu pengambilan keputusan strategis bagi pemangku kepentingan di sektor pertanian.
Sistem Pendukung Keputusan Dalam Pemilihan Pasta Gigi Terbaik untuk Gigi sensitif Menggunakan Metode Borda Renaldi Ade Reza; Salsabila Putri; Dimas Pradinanto; Siti Zulhijja; Harly Okprana
Journal of Computing and Informatics Research Vol 4 No 3 (2025): July 2025
Publisher : Forum Kerjasama Pendidikan Tinggi (FKPT)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47065/comforch.v4i3.2059

Abstract

Gigi sensitif menjadi permasalahan kesehatan oral yang cukup biasa terjadi di masyarakat. Dengan beragamnya produk pasta gigi di pasaran, konsumen seringkali kesulitan dalam memilih produk yang paling efektif. Penelitian ini memiliki tujuan guna mengembangkan suatu Sistem Pendukung Keputusan (SPK) yang mampu membantu konsumen membuat pilihan yang lebih informatif. Metode Borda dipilih sebagai metode pengambilan keputusan karena kemampuannya dalam mengolah data kualitatif dan kuantitatif secara simultan. Beberapa kriteria yang akan dipertimbangkan dalam SPK ini meliputi efektivitas produk dalam meredakan nyeri, kandungan potassium nitrate, harga, dan testimoni pengguna.Selain itu, metode Borda memungkinkan penyusunan peringkat yang mencerminkan preferensi konsumen berdasarkan data dari berbagai sumber. SPK ini diharapkan dapat menjadi alat yang praktis bagi konsumen dalam memilih pasta gigi yang sesuai dengan kebutuhan mereka. Dengan memanfaatkan data yang valid dan terstruktur, sistem ini juga bertujuan untuk meningkatkan kesadaran konsumen terhadap faktor-faktor penting dalam memilih produk kesehatan oral. Penelitian ini tidak hanya bermanfaat bagi konsumen, tetapi juga bagi produsen untuk lebih memahami kebutuhan pasar. Hasil dari pengembangan SPK ini diharapkan mampu memberikan kontribusi signifikan dalam membantu pengambilan keputusan yang lebih rasional dan efektif.
Klasterisasi Lokasi Wisata di Indonesia dengan Menggunakan Algoritma Hierarchical Clustering Sinulingga, Puderta
Journal of Computing and Informatics Research Vol 4 No 3 (2025): July 2025
Publisher : Forum Kerjasama Pendidikan Tinggi (FKPT)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47065/comforch.v4i3.2079

Abstract

Penelitian ini bertujuan untuk mengelompokkan lokasi wisata di Indonesia berdasarkan rating dan jumlah ulasan menggunakan algoritma Hierarchical Clustering. Permasalahan yang diangkat adalah ketimpangan popularitas antar destinasi wisata yang menyebabkan tidak meratanya promosi dan pengelolaan potensi pariwisata di berbagai wilayah. Data sekunder diambil dari platform Kaggle yang mencakup informasi tentang nama tempat, rating, jumlah ulasan, kota, dan provinsi sebagai atribut utama. Tahapan penelitian meliputi pengumpulan data, praproses data (termasuk normalisasi), analisis eksploratif, implementasi algoritma klasterisasi, dan evaluasi hasil secara menyeluruh. Metode Ward Linkage digunakan dalam pendekatan agglomeratif untuk membentuk klaster yang optimal dan representatif. Evaluasi klasterisasi dilakukan dengan menggunakan Silhouette Index (SI) dan Davies-Bouldin index (DBI) sebagai metrik utama yang efektif mengukur kualitas klaster dan konsistensi hasil pengelompokan. Hasil menunjukkan bahwa pemilihan jumlah klaster sebanyak 8 menghasilkan performa terbaik dengan nilai DBI sebesar 0,2606 dan SI sebesar 0,8008. Temuan ini menunjukkan bahwa Hierarchical Clustering efektif dalam mengelompokkan destinasi wisata berdasarkan karakteristik kualitas dan popularitas, serta memberikan dasar yang kuat untuk strategi promosi pariwisata yang lebih terarah dan merata di Indonesia, sekaligus mendukung pengembangan pariwisata berkelanjutan dan pemerataan ekonomi.
Klasifikasi Tipe Pokemon Berdasarkan Statistik Tempur Menggunakan Algoritma Random Forest achamad, nurul; Simarmata, Yohanes; Icha Winadya Permadani,  Icha; Nugroho Kumala , Nugroho Kumala Destianto; Heni Sulistiani, Heni Sulistiani
Journal of Computing and Informatics Research Vol 4 No 3 (2025): July 2025
Publisher : Forum Kerjasama Pendidikan Tinggi (FKPT)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47065/comforch.v4i3.2083

Abstract

Penelitian ini bertujuan untuk mengklasifikasikan tipe Pokemon berdasarkan statistik tempur menggunakan algoritma Random Forest. Dataset yang digunakan berasal dari file pokemon_bw.csv yang berisi informasi seperti nomor Pokédex, nama, tipe, kemampuan, serta nilai statistik tempur (HP, Att, Def, S.Att, S.Def, Spd). Proses data preprocessing dilakukan untuk membersihkan dan mempersiapkan data, termasuk ekstraksi tipe utama, label encoding, feature selection, dan standarisasi fitur. Setelah itu, dataset dibagi menjadi data latih dan data uji dengan rasio 80:20. Model klasifikasi dibangun menggunakan Random Forest dengan 100 pohon keputusan dan dievaluasi menggunakan metrik accuracy, classification report, confusion matrix, serta ROC Curve multikelas. Hasil menunjukkan bahwa model mampu mencapai akurasi sebesar 64.8% , dengan performa terbaik pada kelas 'rock', 'steel', dan 'dragon', sedangkan kelas 'flying' dan 'ghost' masih sulit diklasifikasikan secara akurat. Confusion matrix menunjukkan bahwa beberapa tipe memiliki kesalahan klasifikasi yang cukup signifikan, seperti 'ground' yang sering diprediksi sebagai 'grass' dan 'rock' yang sering salah diklasifikasikan sebagai 'steel'. Evaluasi ROC Curve juga membuktikan bahwa sebagian besar kelas memiliki AUC di atas 0.80, menunjukkan kemampuan model dalam membedakan antar kelas. Dengan pendekatan ini, penelitian ini memberikan analisis awal mengenai potensi prediksi tipe Pokémon berbasis statistik tempur, yang dapat dikembangkan lebih lanjut melalui penanganan ketidakseimbangan kelas atau penggunaan teknik ensemble lainnya.
Analisis Perbandingan Kemiripan Teks Bahasa Daerah di Indonesia Menggunakan Algoritma Naive Bayes dan K-Nearest Neighbor Alfarizi; Herry Sujaini; Niken Candraningrum
Journal of Computing and Informatics Research Vol 5 No 1 (2025): November 2025
Publisher : Forum Kerjasama Pendidikan Tinggi (FKPT)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47065/comforch.v5i1.2345

Abstract

Indonesia, as an archipelagic country, has a wide variety of languages, with 718 regional languages. However, many regional languages face the risk of declining usage and even extinction. Technological developments have opened up opportunities to analyze the patterns and unique characteristics of regional languages through n-gram analysis using naive bayes and k-nearest neighbor algorithms. Therefore, this study was conducted with the aim of analyzing the similarity of regional languages, particularly Central Javanese, Sundanese, and Pontianak Malay, as part of an effort to assist in the preservation of regional languages in Indonesia. The similarity between languages was calculated based on errors in the confusion matrix, and the performance of the algorithms was evaluated using accuracy and F1-score metrics. The naive bayes algorithm with combined unigram and bigram features showed the best performance with an accuracy and F1-score of 0.921. The results of the study showed the highest similarity value in the ‘Javanese - Malay’ language, although only 3.82%, and the lowest in the ‘Malay - Sundanese’ language at 1.66%. These similarity values are based on the dominant characters that appear in a language, such as ‘e’ in Malay and ‘a’ and ‘u’ in Sundanese. This study proves that there is little similarity between Javanese, Sundanese, and Malay.
Analisis Sentimen Program Mbg Menggunakan Algoritma Random Forest Dan Naive Bayes Hidayat, Rahmat; Juliah Ratnaningsih, Dewi
Journal of Computing and Informatics Research Vol 5 No 1 (2025): November 2025
Publisher : Forum Kerjasama Pendidikan Tinggi (FKPT)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47065/comforch.v5i1.2355

Abstract

Abstrak: Transformasi digital telah mendorong perubahan besar dalam berbagai aspek kehidupan, salah satunya melalui kemunculan teknologi MBG yang memunculkan beragam opini publik. Penelitian ini menganalisis 6.728 komentar masyarakat di media sosial X (Twitter) menggunakan pendekatan text mining untuk menilai sentimen terhadap MBG serta membandingkan performa dua algoritma, yaitu Naïve Bayes dan Logistic Regression. Hasil awal menunjukkan akurasi masing-masing sebesar 90% dan 91%, namun ketidakseimbangan data dengan dominasi sentimen positif menurunkan nilai precision, recall, dan F1-Score. Melalui penerapan metode SMOTE untuk mengatasi ketimpangan data, performa kedua algoritma meningkat, dengan Logistic Regression menunjukkan hasil terbaik (akurasi 95%, precision 94%, recall 93%, dan F1-Score 95%). Temuan ini menunjukkan bahwa Logistic Regression lebih unggul dalam menganalisis sentimen masyarakat terhadap perkembangan teknologi MBG. Kata kunci: Naïve Bayes, Logistic Regression, MBG, Analisis Sentimen. Abstract: Digital transformation has driven significant changes in various aspects of life, one of which is through the emergence of MBG technology, which has generated diverse public opinions. This research analyzes 6,728 public comments on the social media platform X (Twitter) using a text mining approach to assess sentiment towards the MBG and to compare the performance of two algorithms: Naïve Bayes and Logistic Regression. Initial results showed respective accuracies of 90% and 91%, but data imbalance, with a dominance of positive sentiment, lowered the precision, recall, and F1-Score values. Through the application of the SMOTE method to address the data imbalance, the performance of both algorithms improved, with Logistic Regression showing the best results (95% accuracy, 94% precision, 93% recall, and 95% F1-Score). These findings indicate that Logistic Regression is superior in analyzing public sentiment towards the development of MBG technology. Keywords: Naïve Bayes, Logistic Regression, MBG, Sentiment Analysis.
Implementasi MinIO Sebagai Storage dalam Aplikasi LMS Guru Berbasis Docker nelanishafatiazulatifa; Ainur Ridla, Abdilbar; Rastika Pratiwi, Galuh; Aulia Listyaningsih, Divita; Putri Octavia, Amallia; Rosidah Hamidah, Atika; Wildan Habibi, Mohammad; Putra Eka Prismana, I Gusti Lanang
Journal of Computing and Informatics Research Vol 5 No 1 (2025): November 2025
Publisher : Forum Kerjasama Pendidikan Tinggi (FKPT)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47065/comforch.v5i1.2358

Abstract

Abstrak− Pengelolaan file dan data dalam sistem manajemen pembelajaran (LMS) menjadi salah satu tantangan besar dalam pengembangan aplikasi berbasis cloud. Salah satu solusi penyimpanan yang efisien adalah menggunakan MinIO sebagai penyimpanan objek terdistribusi, yang diintegrasikan dengan teknologi container Docker. Penelitian ini bertujuan untuk mengimplementasikan MinIO sebagai storage dalam aplikasi LMS yang dapat dikelola secara efisien dan skalabel. Metode yang digunakan adalah pengembangan aplikasi berbasis Docker, dengan MinIO sebagai komponen penyimpanan data. Hasil yang diperoleh menunjukkan bahwa penggunaan MinIO dalam lingkungan Docker memberikan kinerja yang optimal dalam hal pengelolaan file, kecepatan akses data, serta kemudahan dalam pengelolaan penyimpanan terdistribusi. Sistem ini berhasil diterapkan dalam LMS Guru, yang memungkinkan pengelolaan file pembelajaran dengan kategori, upload/download, serta dashboard monitoring yang intuitif. Penelitian ini menyimpulkan bahwa integrasi MinIO dan Docker dapat memberikan solusi efektif untuk pengelolaan data pada aplikasi LMS berbasis cloud. Kata Kunci: MinIO; Docker; Penyimpanan Terdistribusi; LMS; Aplikasi Cloud

Page 9 of 9 | Total Record : 88

 5   6   7   8   9 

Filter by Year

2021 2025


Reset
Filter By Issues
All Issue Vol 5 No 1 (2025): November 2025 Vol 4 No 3 (2025): July 2025 Vol 4 No 2 (2025): March 2025 Vol 4 No 1 (2024): November 2024 Vol 3 No 3 (2024): July 2024 Vol 3 No 2 (2024): March 2024 Vol 3 No 1 (2023): November 2023 Vol 2 No 3 (2023): July 2023 Vol 2 No 2 (2023): March 2023 Vol 2 No 1 (2022): November 2022 Vol 1 No 3 (2022): July 2022 Vol 1 No 2 (2022): March 2022 Vol 1 No 1 (2021): November 2021 More Issue