cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Agus Junaidi
Contact Email
agusjunaidi@mediaantartika.id
Phone
+6281318340588
Journal Mail Official
jka.antartika@gmail.com
Editorial Address
Jl. Amil Wahab No.8, RW.9, Kramat Jati, Jakarta Timur, Daerah Khusus Ibukota Jakarta 13510
Location
Kota adm. jakarta timur,
Dki jakarta
INDONESIA
Jurnal Komputer Antartika
Published by Antartika Media Indonesia
ISSN : -     EISSN : 29885272     DOI : -
Core Subject : Science,
Computer Science & IT
Jurnal Komputer Antartika adalah jurnal yang diterbitkan oleh Antartika Media Indonesia yang berfokus pada penerbitan artikel ilmiah pada bidang ilmu-ilmu komputer meliputi: Komputasi dan pemrosesan data, Kecerdasan buatan, Jaringan dan keamanan, Sistem informasi dan manajemen, Grafis dan visualisasi, Arsitektur dan teknologi komputer, dan e-learning.
Arjuna Subject : Ilmu Komputer (semua kategori) - Ilmu Komputer (Lain-Lain)
Articles 86 Documents
 5   6   7   8   9 
Klasifikasi Hobi Membaca pada Mahasiswa menggunakan Metode C4.5 pada Aplikasi RapidMiner Aurelia Yolanda; Muhammad Abdillah Nur; Eeng Sri Yuliyani; Muhammad Rifqi Setiawan; Lutfi Rizalwan; Annida Purnamawati
Jurnal Komputer Antartika Vol. 3 No. 4 (2025): Desember
Publisher : Antartika Media Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70052/jka.v3i4.1258

Abstract

Berbagai macam hobi di dunia yang dapat menjadi hal yang positif  bagi individu tersebut. Bermula dari minatnya seseorang terhadap sesuatu yang akan menjadi hobi individu itu sendiri, Salah satunya adalah hobi dalam membaca yang sangat penting bagi individu tersebut dalam hal mencari informasi ataupun mengisi waktu luang. Berbagai banyak jenis genre buku yang sangat disukai oleh individu yaitu genre fantasi, fiksi ilmiah, romansa, horor, misteri, biografi, sejarah, sains, motivasi dan sebagainya dengan berbagai tempat bacaan dalam media cetak maupun online. Dalam penelitian ini akan bertujuan mengetahui hobi membaca dan mengetahui genre minat yang menjadi hobi membaca bagi mahasiswa pada Universitas Tanjungpura di pontianak dengan menggunakan Metode C4.5 serta model Decision Tree yang di mana metode ini akan di uji menggunakan perangkat lunak RapidMiner Altair AI Studio Ver 2026 dan telah didapatkan hasil accuracy sebesar 64,42% pada kategori atribut hobi membaca dengan 3 pilihan yaitu Sangat Minat, Netral dan Kurang Minat.   There are various hobbies in the world that can be positive for the individual. Starting from a person's interest in something that will become the individual's hobby, one of which is a hobby in reading which is very important for the individual in terms of seeking information or filling free time. Various types of book genres that are very popular with individuals are fantasy, science fiction, romance, horror, mystery, biography, history, science, motivation and so on with various reading places in print and online media. In this study, the aim will be to find out reading hobbies and find out the genre of interest that becomes a reading hobby for students at Tanjungpura University in Pontianak using the C4.5 Method and the Decision Tree model where this method will be tested using RapidMiner Altair AI Studio Ver 2026 software and has obtained an accuracy result of 64.42% in the reading hobby attribute category with 3 options, namely Very Interested, Neutral and Less Interested.
Deteksi Dini Stunting pada Balita Menggunakan Data Mining dengan Algoritma C4.5 Muhamad Regen; Yogi Nur Alamsyah; Rendi Lesmana; Asima Rodame Tampubolon; Diana Nur Hafifah; Annida Purnamawati
Jurnal Komputer Antartika Vol. 4 No. 1 (2026): Maret
Publisher : Antartika Media Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70052/jka.v4i1.1277

Abstract

Stunting is a serious issue affecting the growth and development of children in Indonesia, with a prevalence still high, reaching 148 million children under five. This study aims to develop an early detection model for stunting using the C4.5 decision tree algorithm, utilizing a large dataset containing 120,999 records that include attributes of age, height, and gender. The research method used is a quantitative experimental approach with data mining techniques, where the model was evaluated using 10-fold cross-validation to ensure accuracy and generalizability. The results show that the C4.5 model achieves 99.87% accuracy, with very high precision and recall, and good interpretability, making it suitable for implementation in public health systems. These findings emphasize the importance of height as a key indicator in detecting stunting and provide a basis for model integration in digital health initiatives in Indonesia. This study recommends incorporating socioeconomic and environmental attributes for more comprehensive analysis in the future.
Optimalisasi Optimalisasi Pemilihan Karyawan Berprestasi Sebagai Calon Penerima Reward Menggunakan Metode Hybrid Saw-Topsis Di Pt Deray Global Utama Nur Rahma Assyi Ami; Ricky Utomo; Rudianto Rudianto
Jurnal Komputer Antartika Vol. 4 No. 1 (2026): Maret
Publisher : Antartika Media Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70052/jka.v4i1.1293

Abstract

Penilaian kinerja karyawan merupakan aspek penting dalam mendukung pengambilan keputusan manajemen, khususnya dalam menentukan karyawan berprestasi sebagai calon penerima reward. Namun, proses penilaian yang masih dilakukan secara manual dan subjektif berpotensi menimbulkan ketidaktepatan serta kurangnya transparansi hasil penilaian. Penelitian ini bertujuan untuk mengoptimalkan pemilihan karyawan berprestasi di PT Deray Global Utama dengan menerapkan metode hybrid Simple Additive Weighting (SAW) dan Technique for Order Preference by Similarity to Ideal Solution (TOPSIS). Metode SAW digunakan pada tahap awal untuk melakukan normalisasi dan pembobotan kriteria, kemudian hasilnya dijadikan input dalam perhitungan TOPSIS untuk menentukan peringkat karyawan berdasarkan kedekatan dengan solusi ideal. Kriteria yang digunakan dalam penelitian ini meliputi motivasi kerja, disiplin kerja, konflik kerja, dan kompetensi kerja. Hasil penelitian menunjukkan bahwa karyawan dengan nilai preferensi tertinggi adalah Fiptha Nur Amalia (0,9234), Nur Rahma Assyi Ami (0,6456), dan Kevin Aldriansyah (0,5946), yang selanjutnya ditetapkan sebagai tiga karyawan berprestasi dan calon penerima reward perusahaan
Pemilihan Destinasi Wisata Terbaik di Kota Padang Berdasarkan Review Online Menggunakan Metode SAW Anggi Hikmah Putri; Rudianto Rudianto
Jurnal Komputer Antartika Vol. 4 No. 1 (2026): Maret
Publisher : Antartika Media Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70052/jka.v4i1.1311

Abstract

Penentuan destinasi wisata terbaik merupakan hal penting dalam mendukung pengembangan sektor pariwisata daerah. Kota Padang memiliki banyak destinasi wisata dengan karakteristik yang berbeda, sehingga wisatawan sering mengalami kesulitan dalam memilih destinasi yang sesuai, penelitian ini bertujuan untuk membantu proses pemilihan destinasi wisata terbaik di Kota Padang dengan memanfaatkan review online menggunakan metode Simple Additive Weighting (SAW). Metode SAW digunakan sebagai sistem pendukung keputusan untuk melakukan perangkingan berdasarkan kriteria yang telah ditentukan. Data yang digunakan dalam penelitian ini diperoleh dari Google Maps berupa rating dan jumah ulasan, serta data pendukung lainnya. Kriteria yang digunakan meliputi rating, jumlah ulasan, harga tiket masuk, jarak dari bandara, dan fasilitas. Setiap kriteria diberikan bobot sesuai tingkat kepentingannya, kemudian dilakukan proses normalisasi dan perhitungan nilai preferensi. Hasil penelitian menunjukkan bahwa metode SAW mampu memberikan rekomendasi destinasi wisata terbaik secara objektif. Berdasarkan hasil perhitungan, destinasi Gunung Padang memperoleh nilai preferensi tertinggi sebesar 0,800 sehingga direkomendasikan sebagai destinasi wisata terbaik di Kota Padang. Penelitian ini diharapkan dapat membantu wisatawan dalam mengambil keputusan serta menjadi referensi bagi pengelola pariwisata dalam meningkatkan kualitas destinasi wisata.   The selection the best tourist destination is an important aspect in supporting regional tourism development. Padang City has various tourist destinations with different characteristics, which often makes it difficult for tourists to choose an appropriate destination. This study aims to assist in selecting the best tourist destination in Padang City by utilizing online reviews using the Simple Additive Weighting (SAW) method. The SAW method is applied as a decision support system to perform ranking based on predetermined criteria. The data used in this study were obtained from Google Maps, including ratings and the number of reviews, as well as other supporting data. The criteria used consist of rating, number of reviews, ticket price, distance from the airport, and facilities. Each criterion is assigned a weight according to its level of importance, followed by normalization and preference value calculation. The results show that the SAW method is able to provide objective recommendations for selecting tourist destination. Based on the calculation results, Gunung Padang obtained the highest preference value of 0,800 and therefore recommended as the best tourist destinations in Padang City. This study is expected to assist tourists in decision making and serve as a reference for tourism managers in improving the quality of tourist destinations.
Pengukuran Kualitas Aplikasi Appsence Berdasarkan Model Alvaro dengan Metode Euclidean Distance Dinda Sekarwangi; Andrean Saputra; Rifqah Hasna Nabila; Ridwan Rafsanjani; Rani Purbaningtyas
Jurnal Komputer Antartika Vol. 4 No. 1 (2026): Maret
Publisher : Antartika Media Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70052/jka.v4i1.1316

Abstract

Appsence merupakan aplikasi desktop yang dikembangkan untuk membantu perusahaan dalam mengelola pencatatan kehadiran karyawan secara digital guna meningkatkan efisiensi dan meminimalkan kesalahan pencatatan manual. Penelitian ini bertujuan untuk mengukur kualitas aplikasi Appsence menggunakan model Alvaro yang mencakup enam indikator utama, yaitu Functionality, Reliability, Usability, Efficiency, Maintainability, dan Portability. Metode penelitian yang digunakan adalah pendekatan kuantitatif dengan pengumpulan data melalui kuesioner kepada 20 responden. Hasil penilaian dianalisis menggunakan metode Euclidean Distance untuk mengukur jarak antara nilai aktual dan nilai ideal pada setiap indikator kualitas. Hasil penelitian menunjukkan bahwa nilai rata-rata jarak kualitas aplikasi adalah 1,38 dari nilai ideal 0, yang termasuk dalam kategori baik. Indikator dengan deviasi tertinggi adalah Usability, sedangkan indikator dengan deviasi terendah adalah Portability. Temuan ini menunjukkan bahwa aplikasi Appsence telah memenuhi sebagian besar standar kualitas perangkat lunak, namun masih memerlukan peningkatan terutama pada aspek kemudahan penggunaan dan efisiensi sistem guna mengoptimalkan pengalaman pengguna.
Klasifikasi Sentimen Data Kredit untuk Menentukan Kelayakan Nasabah Menggunakan Random Forest Ipin Sugiyarto; Umi Faddillah; Bibit Sudarsono
Jurnal Komputer Antartika Vol. 4 No. 1 (2026): Maret
Publisher : Antartika Media Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70052/jka.v4i1.1352

Abstract

Penilaian kelayakan kredit merupakan proses penting dalam industri keuangan untuk meminimalkan risiko gagal bayar. Studi ini bertujuan untuk mengembangkan sistem otomatis berbasis kecerdasan buatan menggunakan Algoritma Random Forest untuk mengevaluasi kelayakan kredit pelanggan. Metodologinya meliputi pengumpulan data pinjaman, pra-pemrosesan, pelatihan model Random Forest, dan pengembangan aplikasi web KreditSmart. Dataset terdiri dari 700 entri dengan fitur seperti jumlah pinjaman (plafond), jangka waktu (tenor), dan kualitas pembayaran (kolektilitas). Hasil menunjukkan bahwa model Random Forest mencapai akurasi 85%, dengan kualitas pembayaran sebagai prediktor utama. Aplikasi KreditSmart memungkinkan penilaian kredit secara real-time, meningkatkan efisiensi dan akurasi. Studi ini berkontribusi pada otomatisasi penilaian kredit, pengurangan risiko, dan referensi akademis untuk aplikasi pembelajaran mesin di bidang keuangan.   Credit eligibility assessment is a critical process in the financial industry to minimize default risks. This study aims to develop an automated system based on artificial intelligence using the Random Forest algorithm to evaluate customer creditworthiness. The methodology includes collecting loan data, preprocessing, training the Random Forest model, and developing the KreditSmart web application. The dataset comprises 700 entries with features such as loan amount (plafond), tenure (tenor), and payment quality (kolektibilitas). Results show that the Random Forest model achieves an accuracy of 85%, with payment quality as the primary predictor. The KreditSmart application enables real-time credit assessment, enhancing efficiency and accuracy. This study contributes to credit assessment automation, risk reduction, and academic references for machine learning applications in finance.
Implementasi Algoritma AES dan SHA-256 untuk Acces Control dalam Pengamanan Data Siswa Berbasis Web Zulfatul Mufida; Muhlis Tahir; Adinda Mulya Rahayu
Jurnal Komputer Antartika Vol. 4 No. 2 (2026): Juli
Publisher : Antartika Media Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70052/jka.v4i2.1354

Abstract

Pengembangan sistem berbasis web dalam dunia pendidikan meningkatkan efisiensi pengelolaan data siswa, namun juga memperbesar risiko kebocoran data dan akses tidak sah. Penelitian ini bertujuan untuk mengimplementasikan sistem keamanan data siswa melalui integrasi algoritma kriptografi dan pembatasan hak akses. Metode yang digunakan adalah experimental research yang mencakup tahap perancangan, implementasi, dan pengujian sistem. Sistem keamanan ini dibangun dengan menerapkan fungsi hashing Secure Hash Algorithm 256 (SHA-256) untuk mengamankan proses autentikasi login pengguna. Sementara itu, kerahasiaan data siswa dijaga menggunakan enkripsi Advanced Encryption Standard (AES-GCM) sebelum disimpan ke database, serta didukung oleh mekanisme access control untuk membatasi hak pengaksesan data. Hasil pengujian menunjukkan bahwa sistem berhasil meningkatkan proteksi data siswa melalui pendekatan multi-layer security. Integrasi ketiga metode ini terbukti efektif dalam menjaga aspek kerahasiaan, integritas data, serta mencegah akses dari pihak yang tidak berwenang.   The development of web-based systems in education enhances the efficiency of student data management, yet it increases the risks of data breaches and unauthorized access. This study aims to implement a secure student data management system by integrating cryptographic algorithms and access restrictions. The method employed is experimental research, spanning system design, implementation, and testing phases. The security system is built by applying the Secure Hash Algorithm 256 (SHA-256) hashing function to secure the user authentication login process. Meanwhile, the confidentiality of student data is maintained using Advanced Encryption Standard (AES-GCM) encryption prior to database storage, supported by an access control mechanism to restrict data exposure. The testing results demonstrate that the system successfully enhances student data protection through a multi-layer security approach. The integration of these three methods proves effective in ensuring confidentiality, data integrity, and preventing unauthorized access.  
Pengembangan Sistem Informasi Tracer Study Alumni Berbasis Web Menggunakan Laravel di Politeknik Negeri Bengkalis Dimas Adrian; Dwi Pratiwi; Suci Ramadhani; Cintya Nabila; Elisa Valencia; Abdul Rohim; Miftahul Jannah
Jurnal Komputer Antartika Vol. 4 No. 2 (2026): Juli
Publisher : Antartika Media Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70052/jka.v4i2.1364

Abstract

Tracer study merupakan kegiatan penting bagi perguruan tinggi untuk mengetahui perkembangan lulusan setelah menyelesaikan pendidikan, khususnya terkait kondisi pekerjaan, kesesuaian kompetensi, dan persebaran alumni. Namun, proses pengumpulan data alumni di banyak perguruan tinggi masih dilakukan secara manual atau menggunakan media yang tidak terintegrasi sehingga data sulit diperbarui dan dikelola secara optimal. Penelitian ini bertujuan untuk merancang dan membangun sistem informasi alumni berbasis web menggunakan framework Laravel pada Politeknik Negeri Bengkalis. Metode penelitian yang digunakan meliputi analisis kebutuhan sistem, perancangan sistem menggunakan Unified Modeling Language (UML), implementasi aplikasi, dan pengujian sistem. Sistem yang dikembangkan menyediakan fitur pengelolaan data alumni, pengisian tracer study, dan pengelolaan laporan oleh admin. Hasil penelitian menunjukkan bahwa sistem informasi alumni berbasis Laravel mampu membantu proses pendataan lulusan secara lebih efektif, terstruktur, dan mudah diakses oleh alumni maupun pihak kampus. Sistem ini diharapkan dapat mendukung kebutuhan pelaporan akademik, akreditasi, serta memperkuat hubungan antara alumni dan institusi.   Tracer study is an important activity for higher education institutions to monitor the development of graduates after completing their studies, particularly related to employment conditions, competency relevance, and alumni distribution. However, alumni data collection in many higher education institutions is still conducted manually or through non-integrated media, making the data difficult to update and manage effectively. This study aims to design and develop a web-based alumni information system using the Laravel framework at Politeknik Negeri Bengkalis. The research methods used include system requirement analysis, system design using Unified Modeling Language (UML), application implementation, and system testing. The developed system provides features for alumni data management, tracer study data collection, and report management by administrators. The results of this study indicate that the Laravel-based alumni information system is capable of supporting alumni data collection processes more effectively, systematically, and accessibly for both alumni and campus administrators. This system is expected to support academic reporting, accreditation requirements, and strengthen the relationship between alumni and the institution.
Evaluasi Usabilitas Interaksi Pengguna Aplikasi Shopee Menggunakan System Usability Scale Kodillah Bissmi; Aufa Lubis; Aliyyah Syafiqah Lubis; Juwita Harahap; ⁠M. Khalil Gibran
Jurnal Komputer Antartika Vol. 4 No. 2 (2026): Juli
Publisher : Antartika Media Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70052/jka.v4i2.1365

Abstract

Platform belanja daring seperti Shopee perlu menyediakan antarmuka yang mudah digunakan oleh pengguna. Penelitian ini bertujuan mengukur tingkat usabilitas aplikasi mobile Shopee menggunakan metode System Usability Scale (SUS). Data dikumpulkan melalui kuesioner Google Form yang memuat 10 pertanyaan standar SUS dengan skala Likert. Kuesioner disebarkan kepada pengguna aktif Shopee dan diperoleh data dari 37 responden. Hasil perhitungan menunjukkan nilai rata-rata skor SUS sebesar 66,71. Nilai tersebut termasuk dalam kategori OK (Marginal High) dengan Grade D. Selain hasil pengukuran SUS, responden juga menyampaikan beberapa kendala dalam penggunaan aplikasi, seperti banyaknya banner iklan, terjadinya lag saat aplikasi digunakan, serta tampilan fitur Live dan gim yang dianggap kurang teratur.   Online shopping platforms such as Shopee need to provide an interface that is easy for users to use. This study aims to measure the usability level of the Shopee mobile application using the System Usability Scale (SUS) method. Data were collected through a Google Form questionnaire containing 10 standard SUS questions using a Likert scale. The questionnaire was distributed to active Shopee users, and data were obtained from 37 respondents. The calculation results showed an average SUS score of 66.71. This score falls into the OK (Marginal High) category with a Grade D rating. In addition to the SUS measurement results, respondents also reported several issues in using the application, such as the large number of advertising banners, lag during application use, and the arrangement of the Live and game features, which was considered less organized.
Rancang Bangun Sistem Penerjemah Multibahasa Daerah Maluku Utara dengan Integrasi GPT Sebagai Pelestarian Budaya Lokal Anggiah Salim; Abdul Haris Muhammad; Sakina Sudin
Jurnal Komputer Antartika Vol. 4 No. 2 (2026): Juli
Publisher : Antartika Media Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70052/jka.v4i2.1368

Abstract

Penelitian ini membahas pengembangan sistem penerjemah multibahasa daerah berbasis web yang mengintegrasikan metode Rule-Based Machine Translation (RBMT) dan GPT untuk menerjemahkan Bahasa Indonesia dengan Bahasa Ternate, Makian Dalam, dan Galela menggunakan 5.572 kosakata berbasis kamus digital, dimana RBMT digunakan untuk pencocokan kata berdasarkan aturan dan GPT digunakan untuk memperbaiki struktur kalimat agar lebih natural sesuai konteks, dengan sistem yang dikembangkan menggunakan HTML, CSS, JavaScript, serta integrasi API GPT melalui Vercel, kemudian diuji menggunakan 468 kalimat yang menghasilkan kategori hasil berupa terjemahan sesuai target, berbeda bentuk namun bermakna sama, tidak sesuai akibat keterbatasan kosakata, serta ketidaktepatan karena ambiguitas makna (satu kata yang memiliki banyak arti), sehingga hasil penelitian menunjukkan bahwa kombinasi RBMT dan GPT mampu meningkatkan kualitas terjemahan meskipun masih dipengaruhi oleh ambiguitas kata, kelengkapan kamus, serta penggunaan tanda baca dan pemisahan kata yang dapat mempengaruhi makna dan akurasi hasil terjemahan.   This research discusses the development of a web-based regional multilingual translation system that integrates the Rule-Based Machine Translation (RBMT) method and GPT to translate Indonesian into Ternate, Makian Dalam, and Galela languages using 5,572 vocabulary entries based on a digital dictionary, where RBMT is used for rule-based word matching and GPT is used to improve sentence structure to make the translations more natural and contextually appropriate. The system was developed using HTML, CSS, JavaScript, and GPT API integration through Vercel, and was tested using 468 sentences that produced several categories of results, including translations that matched the target exactly, translations with different sentence forms but the same meaning, inaccurate translations due to limited vocabulary, and inaccuracies caused by semantic ambiguity (a single word having multiple meanings). The results of the study indicate that the combination of RBMT and GPT is capable of improving translation quality, although it is still influenced by word ambiguity, dictionary completeness, and the use of punctuation and word separation, which can affect the meaning and accuracy of the translation results.

Page 8 of 9 | Total Record : 86

 5   6   7   8   9 

Filter by Year

2023 2026


Reset
Filter By Issues
All Issue Vol. 4 No. 2 (2026): Juli Vol. 4 No. 1 (2026): Maret Vol. 3 No. 4 (2025): Desember Vol. 3 No. 3 (2025): September Vol. 3 No. 2 (2025): Juni Vol. 3 No. 1 (2025): Maret Vol. 2 No. 3 (2024): September 2024 Vol. 2 No. 2 (2024): Juni 2024 Vol. 2 No. 1 (2024): Maret 2024 Vol. 2 No. 4 (2024): Desember Vol. 1 No. 4 (2023): Desember 2023 Vol. 1 No. 3 (2023): September 2023 Vol. 1 No. 2 (2023): Juni 2023 Vol. 1 No. 1 (2023): Maret 2023 More Issue