cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Syaiful Bahri
Contact Email
syaifulpb11@gmail.com
Phone
+6281263823278
Journal Mail Official
jurnalintekom@gmail.com
Editorial Address
Dusun Suka Mulia Desa Karang Rejo, Kecamatan Stabat, Kabupaten Langkat
Location
Unknown,
Unknown
INDONESIA
Indonesian Journal of Education And Computer Science
Published by PT. Inovasi Teknologi Komputer
ISSN : 29877644     EISSN : 29872650     DOI : https://doi.org/10.60076/indotech
Core Subject : Science, Education,
Computer Science & IT Education
INDOTECH : Indonesian Journal of Education And Computer Science adalah jurnal nasional dalam bahasa indonesia dengan frekuensi terbitan sebanyak 3 (tiga) kali dalam setahun. Jurnal ini bertujuan untuk mempublikasikan hasil penelitian terbaik anda agar bisa dibaca oleh banyak orang. Jurnal INDOTECH hanya menerbitkan artikel dengan tema komputer. Ruang lingkup publikasi ini meliputi : Teori Komputasi (Computational Theory, Arsitektur dan Organisasi Komputer (Computer Architecture and Organization), Sistem Operasi (Operating Systems), Jaringan Komputer (Computer Networks), Basis Data (Database Systems), Keamanan Komputer (Computer Security), Grafika Komputer (Computer Graphics), Kecerdasan Buatan (Artificial Intelligence), Pemrosesan Bahasa Alami (Natural Language Processing), Pemrograman (Programming), Sistem Informasi (Information Systems), Ilmu Data (Data Science), Pengembangan Perangkat Lunak (Software Development), Komputasi Awan (Cloud Computing), Komputasi Kuantum (Quantum Computing)
Arjuna Subject : Ilmu Komputer (semua kategori) - Aplikasi Ilmu Komputer
Articles 6 Documents
 1 
Search results for , issue "Vol. 3 No. 1 (2025): INDOTECH - April 2025" : 6 Documents clear
Rancang Bangun Sistem Monitoring Emisi Gas Buang Pada Ruang Parkir Bawah Tanah Gedung Perkantoran Menggunakan Internet of Things (IoT) Raihan, Muhammad; Novriyenni; Saragih, Rusmin
Indonesian Journal of Education And Computer Science Vol. 3 No. 1 (2025): INDOTECH - April 2025
Publisher : PT. INOVASI TEKNOLOGI KOMPUTER

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.60076/indotech.v3i1.1183

Abstract

Penelitian ini bertujuan merancang dan membangun sistem monitoring emisi gas buang di ruang parkir bawah tanah gedung perkantoran dengan memanfaatkan teknologi Internet of Things (IoT). Sistem ini mengintegrasikan sensor MQ-7 dan MQ-135 untuk mendeteksi gas berbahaya seperti karbon monoksida (CO), sulfur dioksida (SO₂), dan nitrogen oksida (NOₓ). Data hasil deteksi dikirim secara real-time melalui modul ESP32 ke aplikasi Blynk, sehingga memungkinkan pemantauan kualitas udara secara terus-menerus dan jarak jauh. Selain itu, sistem ini juga dilengkapi dengan indikator visual berupa LED dan buzzer sebagai peringatan dini apabila konsentrasi gas melebihi ambang batas yang ditentukan. Hasil pengujian menunjukkan bahwa sistem ini mampu mendeteksi dan memantau emisi gas secara akurat serta memberikan notifikasi yang dapat digunakan sebagai dasar pengambilan tindakan preventif. Dengan demikian, sistem ini dinilai efektif dan andal dalam menjaga kualitas udara di area parkir tertutup. Kesimpulannya, implementasi sistem monitoring berbasis IoT ini berpotensi besar untuk meningkatkan keselamatan dan kesehatan pengguna ruang parkir bawah tanah melalui pemantauan kualitas udara yang efisien, real-time, dan responsif terhadap kondisi lingkungan.
Fortifying Defenses: Exploring Innovative Security Strategies to Enhance Resilience and Safeguard IoT Networks from Emerging Threats Harahap, Ahmad Indra; Bahri, Syaiful; Figna, Harry Pratama
Indonesian Journal of Education And Computer Science Vol. 3 No. 1 (2025): INDOTECH - April 2025
Publisher : PT. INOVASI TEKNOLOGI KOMPUTER

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.60076/indotech.v3i1.1186

Abstract

The widespread adoption of the Internet of Things (IoT) has brought significant benefits to various sectors, but it has also introduced new challenges in terms of security and privacy. This article aims to elaborate on innovative security strategies that can be applied to enhance the resilience of IoT networks. Firstly, we conduct an in-depth review of the current threats faced by IoT networks, including hacking attacks, software exploits, and data misuse. Next, we introduce a series of innovative security strategies designed to address the identified risks. These strategies include the use of blockchain technology for distributed data security, the implementation of biometric-based authentication for user identification, and the utilization of machine learning for behavior-based attack detection. We also highlight the importance of security integration at every stage of the IoT device lifecycle, from design to implementation, as well as the need for cross-sector collaboration to build a holistic security ecosystem. By combining these strategies, it is expected that IoT networks can become more resilient and capable of addressing increasingly complex security threats in the future.
Evaluasi Kinerja GoogleNet Menggunakan Transfer Learning dan Fungsi Optimasi SGDM untuk Klasifikasi Citra Gulma Syechu, Weno; Syahputra, Rian; Harahap, Ahmad Indra
Indonesian Journal of Education And Computer Science Vol. 3 No. 1 (2025): INDOTECH - April 2025
Publisher : PT. INOVASI TEKNOLOGI KOMPUTER

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.60076/indotech.v3i1.1189

Abstract

Identifikasi gulma secara cepat dan tepat merupakan elemen penting dalam pertanian presisi. Penelitian ini memfokuskan pada evaluasi arsitektur Convolutional Neural Network (CNN) GoogleNet dalam klasifikasi citra gulma menggunakan pendekatan transfer learning. Dataset DeepWeeds yang berisi 17.509 gambar digunakan dan diklasifikasikan ke dalam sembilan kelas gulma. Proses pelatihan dilakukan dengan membekukan semua layer kecuali layer fully-connected terakhir, yang disesuaikan dengan jumlah kelas. Fungsi optimasi Stochastic Gradient Descent with Momentum (SGDM) digunakan dalam proses pelatihan. Penelitian ini mengevaluasi kinerja arsitektur Convolutional Neural Network (CNN) GoogleNet menggunakan pendekatan transfer learning untuk klasifikasi citra gulma pada dataset DeepWeeds yang terdiri dari sembilan kelas gulma berbeda. Fungsi optimasi Stochastic Gradient Descent with Momentum (SGDM) digunakan selama pelatihan model. Hasil eksperimen menunjukkan bahwa model mencapai akurasi pengujian sebesar 92,38% dengan waktu klasifikasi rata-rata hanya 0,0365 detik per gambar. Studi ini memberikan kontribusi signifikan sebagai acuan penerapan deep learning efisien dalam sistem pertanian presisi.
Pengaruh Gamifikasi Berbasis Point System terhadap Motivasi dan Keterlibatan Mahasiswa dalam Mata Kuliah Desain Grafis Pratama, Saras
Indonesian Journal of Education And Computer Science Vol. 3 No. 1 (2025): INDOTECH - April 2025
Publisher : PT. INOVASI TEKNOLOGI KOMPUTER

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.60076/indotech.v3i1.1200

Abstract

Gamifikasi telah menjadi pendekatan inovatif dalam dunia pendidikan untuk meningkatkan motivasi dan keterlibatan mahasiswa. Penelitian ini membahas pengaruh gamifikasi berbasis point system terhadap motivasi dan keterlibatan mahasiswa dalam mata kuliah Desain Grafis dengan metode quasi-eksperimen pretest-posttest control group melibatkan 60 mahasiswa. Hasil menunjukkan peningkatan signifikan motivasi dan keterlibatan pada kelompok eksperimen dibandingkan kontrol. Implikasi praktis dari penelitian ini dapat diterapkan dalam berbagai bidang pendidikan untuk meningkatkan partisipasi dan minat belajar mahasiswa. Kelompok eksperimen mengikuti pembelajaran dengan integrasi elemen gamifikasi seperti poin, lencana, dan papan peringkat, sementara kelompok kontrol mengikuti pembelajaran konvensional. Instrumen yang digunakan meliputi angket motivasi belajar dan keterlibatan mahasiswa, serta dokumentasi hasil tugas desain grafis. Analisis data dilakukan menggunakan uji-t untuk mengetahui perbedaan signifikan antara kedua kelompok. Hasil penelitian menunjukkan bahwa penerapan gamifikasi berbasis point system secara signifikan meningkatkan motivasi dan keterlibatan mahasiswa dibandingkan dengan metode pembelajaran konvensional. Temuan ini mendukung penggunaan gamifikasi sebagai strategi efektif dalam pembelajaran Desain Grafis untuk meningkatkan partisipasi dan hasil belajar mahasiswa.
Pengaruh Model Pembelajaran Creative Problem Solving Terhadap Peningkatan Hasil Belajar Siswa Kelas X Pada Mata Pelajaran Simulasi Dan Komunikasi Digital Kartika, Riski Dwi
Indonesian Journal of Education And Computer Science Vol. 3 No. 1 (2025): INDOTECH - April 2025
Publisher : PT. INOVASI TEKNOLOGI KOMPUTER

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.60076/indotech.v3i1.1203

Abstract

Penelitian ini dilatarbelakangi oleh rendahnya partisipasi aktif siswa dalam proses pembelajaran, khususnya pada mata pelajaran Komunikasi Digital dan Simulasi. Siswa cenderung pasif dan hanya mendengarkan penjelasan guru tanpa banyak melakukan eksperimen langsung, sehingga berdampak pada rendahnya hasil belajar. Penelitian ini bertujuan untuk mengetahui pengaruh penggunaan materi pembelajaran Pemecahan Masalah Kreatif terhadap prestasi siswa kelas X di SMK Swasta Bintang Langkat. Metode yang digunakan adalah eksperimen dengan desain kelompok kontrol dan eksperimen, serta teknik pemilihan acak. Data dikumpulkan melalui observasi untuk menilai keterlibatan siswa dan tes untuk mengukur pencapaian hasil belajar. Hasil penelitian menunjukkan bahwa nilai rata-rata kelas eksperimen adalah 77,8, sedangkan kelas kontrol hanya mencapai 70,3. Berdasarkan uji statistik, diperoleh nilai thitung sebesar 5,849 dan ttabel sebesar 1,725. Karena thitung > ttabel, maka H₁ diterima dan H₀ ditolak. Hal ini membuktikan bahwa pendekatan pembelajaran Pemecahan Masalah Kreatif memberikan pengaruh yang signifikan dan positif terhadap peningkatan prestasi belajar siswa dalam mata pelajaran Komunikasi Digital dan Simulasi. Temuan ini dapat menjadi dasar bagi guru untuk menerapkan metode pembelajaran yang lebih interaktif dan inovatif
Komparasi Metode Certainty Factor dan Dempster Shafer untuk Mendiagnosa Penyakit Autis Ginting, Ramadhanu; Riandari, Fristi; Afrisawati; Syechu, Weno; Afifa, Rizky Maulidya; Ritonga, Rama Prameswara
Indonesian Journal of Education And Computer Science Vol. 3 No. 1 (2025): INDOTECH - April 2025
Publisher : PT. INOVASI TEKNOLOGI KOMPUTER

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.60076/indotech.v3i1.1212

Abstract

Penelitian ini membahas perancangan sistem yang bertujuan untuk menangani masalah autisme pada anak-anak. Autisme merupakan gangguan yang mempengaruhi kemampuan individu, terutama dalam hal interaksi sosial. Dalam konteks ini, sistem pakar digunakan untuk mentransfer keahlian seorang pakar ke dalam bentuk algoritma yang dapat digunakan untuk diagnosis.Penelitian ini menganalisis dua metode dalam sistem pakar, yaitu Certainty Factor dan Dempster Shafer, yang ditujukan untuk mendiagnosis autisme pada anak. Tujuan utama penelitian ini adalah untuk mengevaluasi dan menentukan metode mana yang paling efektif untuk diimplementasikan dalam aplikasi yang dapat membantu mengklasifikasikan anak-anak dengan autisme.Hasil komparasi menunjukkan bahwanya metode Certainty Factor mencapai tingkat probabilitas di atas 95 %, dibandingkan dengan metode Dempster Shafer dalam komparasi 2 metode yang penulis lakukan. Temuan ini memberikan wawasan yang signifikan mengenai efektivitas kedua metode, serta kontribusi mereka dalam pengembangan sistem pakar untuk diagnosis autisme. Diharapkan penelitian ini dapat menjadi referensi untuk solusi yang lebih baik dalam bidang kesehatan mental anak.

Page 1 of 1 | Total Record : 6

 1 

Filter by Year

2025 2025


Reset
Filter By Issues
All Issue Vol. 3 No. 3 (2025): INDOTECH - December 2025 Vol. 3 No. 2 (2025): INDOTECH - August 2025 Vol. 3 No. 1 (2025): INDOTECH - April 2025 Vol. 2 No. 3 (2024): INDOTECH - December 2024 Vol. 2 No. 2 (2024): INDOTECH - August 2024 Vol. 2 No. 1 (2024): INDOTECH - April 2024 Vol. 1 No. 3 (2023): INDOTECH - December 2023 Vol. 1 No. 2 (2023): INDOTECH - August 2023 Vol. 1 No. 1 (2023): INDOTECH - April 2023