cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Agus Komarudin
Contact Email
akommedia@gmail.com
Phone
+6282280186065
Journal Mail Official
akommedia@gmail.com
Editorial Address
Jl. Ciliwung, Dusun II, Desa Tanjung Kesuma, Kec. Purbolinggo, Kab. Lampung Timur, Provinsi Lampung, 34190
Location
Kab. lampung timur,
Lampung
INDONESIA
Jurnal Ilmu Komputer, Sistem Informasi, Teknik Informatika (JILKOMSITI)
Published by PT Akom Media Informatika
ISSN : -     EISSN : 29644763     DOI : -
Core Subject : Science,
Computer Science & IT
Jurnal tentang teknologi yang sedang berkembang pesat setiap tahun nya baik dalam ilmu komputer, teknik informatika maupun sistem informasi, sains serta pendidikan untuk meningkatkan dalam pelayanan pengembangan teknologi pada bidang penelitian, pendidikan, dan pengabdian kepada masyarakat. Dari perseroan perorangan PT Akom Media Informatika yang mempunyai tujuan mempermudah peneliti untuk menerbitkan artikel para peneliti.
Arjuna Subject : Ilmu Komputer (semua kategori) - Ilmu Komputer (Lain-Lain)
Articles 47 Documents
 1   2   3   4   5 
Deteksi Serangan Siber Menggunakan Machine Learning Pada Jaringan Komputer Setiyadi, Didik; Nikola, Epry
JURNAL ILMU KOMPUTER, SISTEM INFORMASI, TEKNIK INFORMATIKA Vol 3 No 1 (2024)
Publisher : PT Akom Media Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Serangan siber pada jaringan komputer semakin kompleks dan sulit dideteksi menggunakan metode berbasis aturan (rule-based) konvensional. Machine learning menawarkan pendekatan berbasis data yang mampu mengidentifikasi pola serangan secara otomatis dan adaptif. Penelitian ini mengusulkan sistem deteksi intrusi jaringan (NIDS) berbasis machine learning menggunakan tiga algoritma: Random Forest, K-Nearest Neighbor (KNN), dan Support Vector Machine (SVM). Eksperimen dilakukan menggunakan dataset NSL-KDD dengan rekayasa fitur dan teknik SMOTE oversampling untuk menangani ketidakseimbangan kelas. Hasil evaluasi menunjukkan bahwa Random Forest mencapai performa terbaik dengan akurasi 98,76%, presisi 98,12%, recall 98,54%, dan F1-Score 98,33%, melampaui KNN (95,41%) dan SVM (93,87%). Sistem yang diusulkan menunjukkan potensi tinggi untuk diterapkan secara real-time pada jaringan perusahaan dan berkontribusi pada pengembangan sistem keamanan siber yang cerdas dan adaptif.
Penerapan Agile Development dalam Pengembangan Sistem Informasi Akademik Berbasis Web Julianto, Ribut; Arifa Hulmi, Zeliya
JURNAL ILMU KOMPUTER, SISTEM INFORMASI, TEKNIK INFORMATIKA Vol 3 No 1 (2024)
Publisher : PT Akom Media Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Sistem informasi akademik merupakan salah satu komponen kritis dalam pengelolaan perguruan tinggi modern. Pengembangan sistem tersebut membutuhkan pendekatan metodologi yang mampu mengakomodasi perubahan kebutuhan secara cepat dan menghasilkan produk yang berkualitas. Penelitian ini mengkaji penerapan metode Agile Development, khususnya kerangka kerja Scrum, dalam pengembangan Sistem Informasi Akademik (SIA) berbasis web pada institusi pendidikan tinggi. Metode penelitian menggunakan pendekatan kualitatif deskriptif dengan studi kasus pada proses pengembangan SIA. Hasil penelitian menunjukkan bahwa penerapan Agile melalui mekanisme sprint, daily standup, sprint review, dan sprint retrospective mampu meningkatkan kualitas sistem secara iteratif, mempercepat siklus pengiriman fitur, serta meningkatkan keterlibatan pengguna dalam proses pengembangan. Sistem yang dihasilkan mencakup modul manajemen mahasiswa, manajemen nilai, jadwal perkuliahan, dan pelaporan akademik. Pengujian menggunakan metode blackbox menunjukkan bahwa seluruh fitur utama berjalan sesuai kebutuhan. Penelitian ini menyimpulkan bahwa Agile Development merupakan pendekatan yang efektif dan adaptif untuk pengembangan sistem informasi akademik di lingkungan perguruan tinggi.
Implementasi Kriptografi Hibrida AES-256 dan ECC dengan Deteksi Anomali Berbasis Autoencoder untuk Keamanan Data Bisnis pada Infrastruktur Cloud Computing Setiayadi, Didik; Julianto, Ribut; Ade Ningrum, Cahya
JURNAL ILMU KOMPUTER, SISTEM INFORMASI, TEKNIK INFORMATIKA Vol 2 No 2 (2023)
Publisher : PT Akom Media Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Adopsi infrastruktur cloud computing oleh sektor bisnis di Indonesia terus meningkat pesat, namun diiringi oleh eskalasi ancaman kebocoran data, akses tidak sah, dan serangan siber yang semakin canggih. Skema enkripsi tunggal berbasis AES atau RSA saja dinilai tidak lagi mencukupi untuk menghadapi lanskap ancaman modern yang memanfaatkan kelemahan pada lapisan kunci (key management) maupun pola akses anomali. Penelitian ini mengusulkan arsitektur keamanan data berlapis yang mengintegrasikan dua komponen utama: (1) skema kriptografi hibrida yang menggabungkan AES-256 untuk enkripsi data massal berkecepatan tinggi dengan Elliptic Curve Cryptography (ECC) kurva P-384 untuk manajemen kunci yang efisien dan aman, serta (2) model deteksi anomali akses berbasis Autoencoder deep learning yang mampu mengidentifikasi pola akses mencurigakan secara real-time tanpa memerlukan data berlabel. Sistem diimplementasikan pada lingkungan cloud AWS (Amazon Web Services) menggunakan infrastruktur multi-region dan diuji menggunakan dataset akses log dari tiga perusahaan sektor finansial dan manufaktur di Indonesia selama periode 12 bulan, mencakup 4,7 juta event akses. Hasil evaluasi menunjukkan: overhead enkripsi-dekripsi AES-256/ECC hanya sebesar 3,2% dibandingkan sistem tanpa enkripsi, model Autoencoder mencapai AUC-ROC 0,9712 dalam deteksi anomali akses dengan false positive rate 1,8%, dan sistem secara keseluruhan mampu memenuhi standar keamanan ISO/IEC 27001:2013 serta regulasi POJK No.11/2022 tentang Penyelenggaraan Teknologi Informasi oleh Lembaga Jasa Keuangan. Arsitektur yang diusulkan memberikan kerangka keamanan cloud yang komprehensif, efisien, dan dapat diadaptasi oleh pelaku industri di Indonesia.
Analisis Pola Hubungan antara Faktor Pendidikan dan Kinerja Akademik Mahasiswa Menggunakan Algoritma Asosiasi Qoyim, Al; Ningrum, Mustika; Wahabi, Muchamad
JURNAL ILMU KOMPUTER, SISTEM INFORMASI, TEKNIK INFORMATIKA Vol 1 No 2 (2022)
Publisher : PT Akom Media Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Penelitian ini bertujuan untuk menganalisis hubungan antara faktor pendidikan dan kinerja akademik siswa menggunakan algoritma asosiasi. Data yang digunakan merupakan adaptasi dataset Students Performance dengan variabel seperti jenis kelamin, tingkat pendidikan orang tua, jenis makan siang, serta keikutsertaan dalam kursus persiapan ujian. Proses analisis dilakukan melalui tahapan data preprocessing, kategorisasi nilai, one-hot encoding, dan penerapan algoritma Apriori menggunakan parameter minimum support sebesar 0,1 dan minimum confidence sebesar 0,6. Hasil penelitian menunjukkan adanya pola hubungan yang signifikan antar variabel. Aturan dengan nilai lift tertinggi ditemukan antara tingkat pendidikan orang tua “High School” dan “Associate’s Degree” dengan confidence 0,72–0,78 dan lift 2,05, menandakan adanya keterkaitan kuat antar jenjang pendidikan menengah. Selain itu, ditemukan bahwa siswa yang tidak mengikuti kursus persiapan ujian cenderung berasal dari keluarga dengan pendidikan “High School” dengan lift 1,36. Hubungan antara “Some College” dan “Bachelor’s Degree” juga menunjukkan asosiasi positif dengan lift 1,82. Secara keseluruhan, hasil menunjukkan bahwa algoritma Apriori efektif dalam mengungkap pola tersembunyi dalam data pendidikan yang dapat digunakan untuk mendukung pengambilan keputusan berbasis data dalam peningkatan mutu pembelajaran di Indonesia.
Model Prediksi Konsumsi Energi Rumah Tangga Berbasis IoT Menggunakan Sensor LDR dan PIR Julianto, Ribut; Bisri, Muawan
JURNAL ILMU KOMPUTER, SISTEM INFORMASI, TEKNIK INFORMATIKA Vol 1 No 2 (2022)
Publisher : PT Akom Media Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Penelitian ini bertujuan untuk mengembangkan model prediksi konsumsi energi rumah tangga berbasis Internet of Things (IoT) dengan memanfaatkan kombinasi sensor Light Dependent Resistor (LDR) dan Passive Infrared (PIR). Sensor LDR digunakan untuk mengukur intensitas cahaya lingkungan, sedangkan sensor PIR mendeteksi aktivitas penghuni di dalam ruangan. Data hasil pembacaan kedua sensor dikirim secara nirkabel melalui modul ESP8266 ke server berbasis MySQL, kemudian dianalisis menggunakan metode regresi linier berganda untuk memprediksi konsumsi energi listrik. Hasil implementasi menunjukkan bahwa sistem mampu memantau kondisi pencahayaan dan aktivitas penghuni secara real-time serta menghasilkan model prediksi dengan tingkat akurasi yang baik. Nilai koefisien determinasi (R²) sebesar 0,82, Mean Absolute Error (MAE) sebesar 3,8 W, dan Root Mean Square Error (RMSE) sebesar 5,6 W menunjukkan bahwa model dapat memprediksi konsumsi energi dengan keandalan tinggi. Temuan ini menegaskan bahwa kombinasi sensor LDR dan PIR efektif dalam mendeteksi perilaku konsumsi energi rumah tangga. Model yang dikembangkan berpotensi diterapkan pada sistem smart home untuk mendukung efisiensi energi dan penghematan biaya listrik rumah tangga.
ANALISIS SEGMENTASI PELANGGAN MENGGUNAKAN ALGORITMA K-MEANS CLUSTERING BERDASARKAN FAKTOR UMUR, PENDAPATAN, DAN SKOR PENGELUARAN Yohananda Saputra Utama, Dandi; Bisri, Muawan
JURNAL ILMU KOMPUTER, SISTEM INFORMASI, TEKNIK INFORMATIKA Vol 2 No 1 (2023)
Publisher : PT Akom Media Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Penelitian ini bertujuan untuk menganalisis segmentasi pelanggan menggunakan algoritma K-Means Clustering berdasarkan tiga faktor utama, yaitu umur, pendapatan tahunan, dan skor pengeluaran. Data yang digunakan berasal dari Mall Customers Dataset yang terdiri dari 200 data pelanggan. Tahapan penelitian meliputi data preprocessing, normalisasi data, penerapan algoritma K-Means, serta evaluasi menggunakan Elbow Method untuk menentukan jumlah cluster optimal. Hasil penelitian menunjukkan bahwa jumlah cluster optimal adalah empat (k = 4). Setiap cluster memiliki karakteristik yang berbeda, yaitu: Cluster 0 pelanggan berusia dewasa dengan pendapatan sedang dan pola pengeluaran moderat, Cluster 1 pelanggan muda produktif dengan pendapatan tinggi dan pengeluaran tinggi, Cluster 2 pelanggan muda berpendapatan menengah dengan pengeluaran cukup tinggi, dan Cluster 3 pelanggan berpendapatan tinggi tetapi pengeluaran rendah. Variabel Annual Income dan Spending Score terbukti paling berpengaruh dalam pembentukan cluster. Penelitian ini menunjukkan bahwa algoritma K-Means efektif untuk mengidentifikasi pola perilaku pelanggan dan membantu perusahaan dalam merancang strategi pemasaran yang lebih tepat sasaran. Hasilnya dapat dimanfaatkan untuk meningkatkan loyalitas pelanggan dan mendukung pengambilan keputusan berbasis data.
Sistem Pakar Deteksi Kerusakan Komputer Berdasarkan Gejala Hardware Komputer Ningrum, Mustika; Qoyim, Al
JURNAL ILMU KOMPUTER, SISTEM INFORMASI, TEKNIK INFORMATIKA Vol 2 No 1 (2023)
Publisher : PT Akom Media Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Perkembangan teknologi komputer yang pesat menyebabkan meningkatnya kompleksitas perangkat keras (hardware) dan potensi terjadinya kerusakan. Pengguna awam sering kali mengalami kesulitan dalam mengidentifikasi penyebab kerusakan secara tepat tanpa bantuan teknisi. Penelitian ini bertujuan untuk mengembangkan sistem pakar diagnosis kerusakan komputer berbasis metode Certainty Factor (CF) sebagai alat bantu dalam mendeteksi kerusakan hardware berdasarkan gejala yang muncul. Metode CF digunakan untuk menghitung tingkat keyakinan antara gejala dan hipotesis kerusakan berdasarkan pengetahuan pakar. Sistem ini dirancang menggunakan pendekatan forward chaining dan diimplementasikan dalam bahasa pemrograman PHP dengan basis data MySQL. Hasil pengujian menunjukkan bahwa sistem mampu mendiagnosis kerusakan komputer dengan tingkat keyakinan hingga 0,95, yang mengindikasikan tingkat keakuratan yang sangat tinggi. Sistem ini terbukti mampu memberikan hasil diagnosis yang mendekati analisis pakar serta mempermudah pengguna dalam melakukan deteksi awal kerusakan komputer. Dengan demikian, penerapan metode Certainty Factor dapat menjadi solusi efektif untuk menangani ketidakpastian dalam proses diagnosis berbasis sistem pakar.
SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN KARYAWAN BERPRESTASI BERBASIS WEB Qoyim, Al; Ningrum, Mustika; Julianto, Ribut
JURNAL ILMU KOMPUTER, SISTEM INFORMASI, TEKNIK INFORMATIKA Vol 2 No 1 (2023)
Publisher : PT Akom Media Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Penelitian ini bertujuan untuk mengembangkan sistem pendukung keputusan berbasis web untuk penilaian kinerja karyawan pada CV Mitra Sejahtera yang berada di Lampung Selatan. Pengukuran kinerja karyawan merupakan aspek penting dalam meningkatkan efektivitas kerja serta mendukung perencanaan pengembangan sumber daya manusia di lingkungan perusahaan. Saat ini, proses penilaian kinerja di CV Mitra Sejahtera yang berada di Lampung Selatan masih dilakukan secara manual, sehingga menimbulkan berbagai kendala, seperti subjektivitas penilaian, kurangnya akurasi data, dan proses evaluasi yang memerlukan waktu lama. Untuk mengatasi permasalahan tersebut, penelitian ini mengusulkan penerapan metode Simple Additive Weighting (SAW) sebagai dasar pengambilan keputusan dalam sistem penilaian kinerja. Metode SAW memungkinkan penggabungan berbagai kriteria penilaian yang relevan, seperti kecerdasan, sikap kerja, perilaku, dan produktivitas, dengan memberikan bobot pada setiap kriteria sesuai tingkat kepentingannya. Melalui pendekatan ini, sistem dapat menghasilkan peringkat karyawan berdasarkan kinerja terbaik, yang selanjutnya dapat dijadikan acuan bagi manajemen dalam pengambilan keputusan terkait pemberian penghargaan, promosi jabatan, maupun pengembangan karier. Dengan diterapkannya sistem berbasis web yang terotomatisasi, CV Mitra Sejahtera diharapkan mampu melakukan penilaian kinerja secara lebih objektif, cepat, dan terintegrasi. Sistem ini juga memungkinkan pelaksanaan evaluasi secara berkala dan terdokumentasi dengan baik, sehingga dapat meningkatkan efisiensi dan efektivitas manajemen sumber daya manusia di lingkungan perusahaan.
Prediksi Konsumsi Energi Listrik Gedung Kampus Menggunakan Long Short-Term Memory (LSTM) Berbasis Data IoT pada Sistem Smart Building Yohananda Saputra Utama, Dandi; Ningrum, Mustika; Ade Ningrum, Cahya
JURNAL ILMU KOMPUTER, SISTEM INFORMASI, TEKNIK INFORMATIKA Vol 2 No 2 (2023)
Publisher : PT Akom Media Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Gedung kampus merupakan salah satu fasilitas dengan tingkat konsumsi energi listrik yang tinggi dan bersifat dinamis mengikuti pola aktivitas akademik. Pengelolaan energi yang belum optimal dapat menyebabkan pemborosan energi dan peningkatan biaya operasional. Penelitian ini bertujuan untuk membangun model prediksi konsumsi energi listrik gedung kampus menggunakan metode Long Short-Term Memory (LSTM) berbasis data Internet of Things (IoT) dalam kerangka sistem Smart Building. Data konsumsi energi diperoleh dari sistem monitoring IoT dengan interval pencatatan setiap 5 menit dan berjumlah sekitar 10.000 record. Tahapan penelitian meliputi pra-pemrosesan data, normalisasi menggunakan Min-Max Normalization, pembagian dataset menjadi data pelatihan (70%), validasi (15%), dan pengujian (15%), serta perancangan dan pelatihan model LSTM. Evaluasi performa model dilakukan menggunakan metrik Mean Absolute Error (MAE), Mean Squared Error (MSE), dan Root Mean Squared Error (RMSE). Hasil penelitian menunjukkan bahwa model LSTM mampu memprediksi konsumsi energi listrik dengan tingkat kesalahan yang rendah, yaitu MAE sebesar 0,018, MSE sebesar 0,00052, dan RMSE sebesar 0,0228. Model yang diusulkan mampu mengikuti pola konsumsi energi listrik yang fluktuatif dan nonlinier dengan baik. Integrasi IoT dan LSTM dalam penelitian ini memberikan kontribusi dalam mendukung manajemen energi berbasis data pada sistem Smart Building yang lebih efisien dan berkelanjutan.
DECISION SUPPORT SYSTEM MENGGUNAKAN METODE AHP UNTUK PENENTUAN PRIORITAS PENERIMA BEASISWA Qoyim, Al; Julianto, Ribut; Maula Rizki, Gustiawan
JURNAL ILMU KOMPUTER, SISTEM INFORMASI, TEKNIK INFORMATIKA Vol 2 No 2 (2023)
Publisher : PT Akom Media Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Pemberian beasiswa merupakan salah satu program penting dalam dunia pendidikan untuk membantu mahasiswa yang berprestasi namun memiliki keterbatasan ekonomi. Proses seleksi penerima beasiswa seringkali menghadapi kendala dalam menentukan prioritas calon penerima karena banyaknya kriteria yang harus dipertimbangkan. Penelitian ini bertujuan untuk mengembangkan Decision Support System (DSS) menggunakan metode Analytical Hierarchy Process (AHP) untuk menentukan prioritas penerima beasiswa. Kriteria yang digunakan meliputi Indeks Prestasi Kumulatif (IPK), penghasilan orang tua, jumlah tanggungan keluarga, prestasi non-akademik, dan aktivitas organisasi. Data penelitian menggunakan 20 calon penerima beasiswa dengan bobot kriteria: IPK (35%), penghasilan orang tua (30%), jumlah tanggungan (15%), prestasi non-akademik (12%), dan aktivitas organisasi (8%). Hasil perhitungan AHP menunjukkan konsistensi rasio sebesar 0,047 (CR < 0,1) yang berarti penilaian konsisten. Dari 20 alternatif yang dievaluasi, mahasiswa A015 memperoleh nilai tertinggi 0,876, diikuti A008 dengan nilai 0,842, dan A003 dengan nilai 0,798. Sistem yang dikembangkan dapat membantu pihak universitas dalam pengambilan keputusan yang lebih objektif, transparan, dan efisien dalam proses seleksi penerima beasiswa.

Page 4 of 5 | Total Record : 47

 1   2   3   4   5 

Filter by Year

2022 2026


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