cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Lukmanul Khakim
Contact Email
d3komputerpoltektegal@gmail.com
Phone
+6285642917672
Journal Mail Official
smartcomp@poltektegal.ac.id
Editorial Address
Jalan Mataram No 9 Pesurungan Lor Kota Tegal
Location
Kota tegal,
Jawa tengah
INDONESIA
SmartComp
Published by Politeknik Harapan Bersama Tegal
ISSN : 2089676X     EISSN : 25490796     DOI : 10.30591
Core Subject : Science, Engineering,
Computer Science & IT Electrical & Electronics Engineering
Smart Comp(p-ISSN: 2089-676X, e-ISSN:2549-0796) is a nationally peer reviewed computer science journal open for researchers from the field of Information Technology, Computer Engineering, Informatics Engineering, Electrical & Electronics Engineering and related researches. Smart Comp has been published continuously since 2012 Starting in year 2016, the journal issues are published online regularly under Open Access Policy. Jurnal Smart Comp is currently indexed/included in Google Scholar, PKP Index, Portal Garuda, Sinta, etc. Please read these author guidelines carefully. Authors who want to submit their manuscript to the editorial office of Smart Comp should obey the writing guidelines. If the manuscript submitted is not appropriate with the guidelines or written in a different format, it will be REJECTED by the editors before further reviewed. The editors will only accept the manuscripts which meet the assigned format.
Arjuna Subject : Ilmu Komputer (semua kategori) - Ilmu Komputer (Lain-Lain)
Articles 595 Documents
 45   46   47   48   49 
Pengembangan Face Recognition Menggunakan OpenCV dan Kombinasi Algoritma Haarcascade dan Local Binary Pattern Histogram (LBPH) untuk Aplikasi Presensi Mahasiswa kristianto, ryan putranda
Smart Comp :Jurnalnya Orang Pintar Komputer Vol 13, No 4 (2024): Smart Comp: Jurnalnya Orang Pintar Komputer
Publisher : Politeknik Harapan Bersama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30591/smartcomp.v13i4.7083

Abstract

Penelitian ini bertujuan untuk mengembangkan aplikasi Face Recognition yang sudah ada sebelumnya, dengan fokus pada peningkatan tampilan UI dan nilai confidence dalam pengenalan wajah. Aplikasi sebelumnya memiliki rata-rata nilai confidence 65% dan error rate 35%, yang dianggap kurang optimal. Pengembangan dilakukan menggunakan OpenCV Python dengan kombinasi algoritma Haar Cascade Classifier dan Local Binary Pattern Histogram (LBPH). Metode yang digunakan meliputi perbaikan UI, peningkatan jumlah capturing image menjadi 100 kali untuk training, dan implementasi sistem konfirmasi setelah 10 kali deteksi pengguna yang sah. Hasil penelitian menunjukkan peningkatan pada tampilan UI dan fungsionalitas aplikasi, termasuk penambahan form konfirmasi untuk menyimpan data presensi. Namun, peningkatan jumlah capturing image tidak menghasilkan perubahan signifikan pada nilai confidence, yang tetap berada di sekitar 65%. Sebagai solusi, sistem konfirmasi otomatis setelah 10 kali deteksi pengguna yang sah diimplementasikan untuk meningkatkan akurasi pengenalan wajah
Sistem Manajemen Layanan Email Institusi Berbasis Google Menggunakan Telegram Bot Maulani, Jauhari; Ridho, Ihda Innar
Smart Comp :Jurnalnya Orang Pintar Komputer Vol 13, No 4 (2024): Smart Comp: Jurnalnya Orang Pintar Komputer
Publisher : Politeknik Harapan Bersama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30591/smartcomp.v13i4.7619

Abstract

Dalam era digitalisasi ini, institusi-institusi, termasuk lembaga pendidikan, semakin bergantung pada teknologi untuk mendukung operasional informasi sehari-hari. Salah satu aspek penting dalam menjaga komunikasi internal adalah layanan email. Email menjadi sarana utama untuk pertukaran informasi, koordinasi, dan kolaborasi antar anggota institusi. Sementara itu, dengan perkembangan teknologi komunikasi, Telegram menjadi salah satu aplikasi yang populer untuk berkomunikasi secara instan. Menggabungkan keunggulan layanan email dari Google Workspace dan kemudahan Telegram, institusi dapat mengimplementasikan sistem manajemen layanan email institusi berbasis google menggunakan Telegram Bot. Sistem layanan memungkinkan pengguna untuk mengelola dan menghubungkan institusi email dengan lebih efisien melalui media chat Telegram mudah diakses. Pengguna dapat mengelola email institusi dengan cepat dan mudah melalui Telegram Bot, tanpa perlu membuka aplikasi pembuatan email institusi secara langsung. Hal ini meningkatkan efisiensi komunikasi dan manajemen waktu, yang mana waktu respon bot telegram hanya beberapa detik saja. Sistem ini memungkinkan otomatisasi layanan terkait institusi email, seperti layanan yang tidak hanya di dalam ruangan kantor, Sistem layanan menggunakan bot telegram menunjukkan kemampuan integrasi yang baik dengan layanan googl e.
Pengembangan Aplikasi Pengelola Keuangan Berbasis Android Terintegrasi Kecerdasan Buatan Leong, Daniel Alexander; Jatmika, Jatmika
Smart Comp :Jurnalnya Orang Pintar Komputer Vol 14, No 1 (2025): Smart Comp: Jurnalnya Orang Pintar Komputer
Publisher : Politeknik Harapan Bersama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30591/smartcomp.v14i1.7151

Abstract

Mengelola keuangan pribadi seringkali sulit karena kurangnya alat yang efektif untuk melacak dan menganalisis pengeluaran. Penelitian ini bertujuan untuk mengembangkan aplikasi pengelolaan keuangan berbasis Android yang terintegrasi dengan kecerdasan buatan (AI) untuk membantu pengguna mengelola keuangannya dengan lebih efisien. Aplikasi ini melacak pendapatan dan pengeluaran, menganalisis pola pengeluaran, dan memberikan perkiraan keuangan serta rekomendasi anggaran yang disesuaikan dengan kebiasaan pengguna. Teknik pengembangan perangkat lunak yang digunakan meliputi analisis kebutuhan, perancangan sistem, implementasi, dan pengujian. Hasil pengujian menunjukkan bahwa aplikasi ini dapat meningkatkan keterampilan pengelolaan keuangan pribadi pengguna melalui antarmuka yang ramah pengguna dan fitur-fitur terkait. Dengan memanfaatkan AI, aplikasi ini memberikan saran yang lebih akurat dan personal. Kami berharap aplikasi ini menjadi solusi praktis bagi masyarakat untuk meningkatkan pengelolaan keuangan dan meningkatkan kesejahteraan finansial.
Sistem Pakar Diagnosis Penyakit Tanaman Cabai Menggunakan Metode Naive Bayes Ananta, Kevin Yoga; Hartanti, Dwi; Sundari, Sundari
Smart Comp :Jurnalnya Orang Pintar Komputer Vol 14, No 1 (2025): Smart Comp: Jurnalnya Orang Pintar Komputer
Publisher : Politeknik Harapan Bersama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30591/smartcomp.v14i1.7174

Abstract

Pertanian cabai merupakan sektor penting dalam agrikultura, namun tanaman ini rentan terhadap berbagai peyakit yang dapat mengurangi produktivitas dan kualitas hasil panen. Pengetahuan tentang diagnosis dan pengendalian penyakit cabai sering kali terbatas pada sekelompok ahli tertentu, membuat petani sulit untuk mengakses informasi yang akurat dan tepat waktu. Oleh karena itu tujuan dibuatnya sistem pakar ini  untuk membantu petani dalam mengenali dan megelola penyait tanaman cabai secara lebih baik serta menerapkan metode naïve bayes dalam membangun sistem pakar ini. Dalam penerapan metode naïve bayes dapat diartikan bahwa setiap gejala tidak saling berkaitan satu sama lain, dengan kata lain gejala yang ada dapat digunakan untuk menilai seberapa mungkin suatu penyakit itu terjadi. Hasil dari penelitian ini menunjukan bahwa dengan 17 gejala dan 7 menyakit yang  telah diuji dengan 19 data uji menghasilkan tingkat akurasi sebesar 89, 4 dengan metode naïve bayes
Desain Model Database Layanan Reservasi Studio Foto dengan Menerapkan Database Life Cycle Mutamassikin, Mutamassikin; Jasmine, Nabilla; Bangsa, Mhd. Theo Ari; Barkah, Qodariah
Smart Comp :Jurnalnya Orang Pintar Komputer Vol 14, No 1 (2025): Smart Comp: Jurnalnya Orang Pintar Komputer
Publisher : Politeknik Harapan Bersama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30591/smartcomp.v14i1.7027

Abstract

Pentingnya Database di dalam sistem tidak bisa di rancang secara sembarangan dan hanya sebatas kebutuhan biasa di dalam sistem, baik nya sebuah sistem di tentunkan juga oleh rancangan database yang baik. Obejk penelitian ini adalah sistem reservasi studio foto dimana studio foto merupakan tempat konsumen untuk orang mendokumentasikan gambar melaui kamera digital, beragam jenis jasa layanan foto yang ada di studio tersebut adalah seperti pas foto, foto wisuda, foto keluarga, foto ulang tahun, foto group, foto produk, serta sewa studio. Informasi akan layanan tersebut dan pemesanannya sebagian besar masih mengacu secara semi digital belum terdigitalisasi sepenuhnya. Tujuan dari penelitian ini adalah bagian dari tahap awal dalam pembangunan sistem reservasi pada studio foto yaitu merancangan database yang dibutuhkan oleh studio foto. Adapun model dari database ini nantinya dapat digunakan menjadi acuan dari developer perangkat lunak untuk membangun sistem reservasi studio foto. Untuk analisis dan perancangan dari model basis data menggunakan metode Database Life Cycle (DBLC) yang berfokus pada desain data konseptual, desain basis data logis, dan desain basis data fisik. Hasilnya di dapatkan database yang relasional terdiri dari 7 tabel dan 4 relasi.
Model Estimasi Object Measurements untuk Pengukuran Objek Material Otomatis Menggunakan YOLOv5 dan OpenCV Kristianto, Ryan Putranda; Putra, Heristama Anugrerah; Andrian, David; Jati, Yosafat Danang Kukuh Bismoko; Hendra, Hendra
Smart Comp :Jurnalnya Orang Pintar Komputer Vol 14, No 1 (2025): Smart Comp: Jurnalnya Orang Pintar Komputer
Publisher : Politeknik Harapan Bersama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30591/smartcomp.v14i1.7734

Abstract

Dalam dunia insiyur, presisi dalam perhitungan objek material sangatlah diperlukan, hal ini akan berimplikasi kepada hasil kualitas bangunan yang dibuat. Penerapan Teknologi Informasi dewasa ini yang semakin masif, mampu menjangkau dan mendisrupsi segala bidang lini, termasuk dalam bidang bangunan dan pertukangan. Pengukuran objek material menjadi sorotan utama dalam penelitian ini, bagaimana mengautomasi pekerjaan yang membutuhkan presisi tinggi ini kepada teknologi informasi khususnya artificial intelligence merupakan tantangan – tantangan para peneliti artificial intelligence. Penelitian ini secara komprehensif membahas penggunaan YOLOv5 dan OpenCV untuk pengukuran ruang dimensi objek material secara otomatis. Dari hasil penelitian dan pengujian yang dilakukan menunjukkan akurasi tertinggi mencapai 90.28%. Dari penelitian ini diharapkan bahwa Teknologi Informasi dapat bekerjasama dengan semua bidang lini dan disiplin, dimana dalam penelitian ini ditunjukkan kolaborasinya dengan bidang arsitektur dan pertukangan.
Implementation of Data Mining to Predict Dengue Prone Areas Using C4.5 Algorithm (Case Study: Sanggau Regency) Kalsum, Dayang Nur; Alkadri, Syarifah Putri Agustini; Istikoma, Istikoma
Smart Comp :Jurnalnya Orang Pintar Komputer Vol 14, No 1 (2025): Smart Comp: Jurnalnya Orang Pintar Komputer
Publisher : Politeknik Harapan Bersama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30591/smartcomp.v14i1.7540

Abstract

Applying data mining to predict areas prone to dengue fever is the right thing. The C4.5 algorithm or also known as the decision tree algorithm is a data mining technique that can be used to create predictive models based on historical data. This research aims to develop a prediction model for dengue-prone areas in Sanggau Regency using the C4.5 algorithm with research methodology such as problem identification, data collection, data needs analysis, system design, system development, system testing, analysis of test results system, drawing conclusions. The author can build a website application to help predict areas prone to dengue fever. The application that was built can help the Health Service in predicting dengue fever even though there is a lack of accuracy. In this context, historical data regarding dengue cases, risk factors and regional characteristics in Sanggau Regency can be used to make accurate predictions regarding dengue-prone areas. It is hoped that the creation of a prediction application for dengue-prone areas by taking data from the Sanggau Regency office from 2018-2023 will be more helpful in providing information, especially for areas experiencing dengue fever in the future
Sistem Informasi Akutansi Pembayaran SPP Berbasis Website pada SDN 3 Tlagawera Faizah, Yuniar Laeli Nur; Purwanto, Purwanto; Cahyani, Ida; Rurianto, Rurianto; Normansyah, Okta Dwi
Smart Comp :Jurnalnya Orang Pintar Komputer Vol 14, No 1 (2025): Smart Comp: Jurnalnya Orang Pintar Komputer
Publisher : Politeknik Harapan Bersama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30591/smartcomp.v14i1.7975

Abstract

SDN 3 Tlagawera adalah sekolah dasar yang berada di desa Tlagawera. Pengelolaan laporan keuangan SPP di SDN 3 Tlagawerabelum terkomputerisasi yaitu. Kendala lain pada laporan keuangan tidak akurat dan sering terjadi kehilangan data sehingga laporan keuangan menjadi tidak valid. Untuk mengatasi permasalahan tersebut penulis melakukan penelitian dengan dibuatnya aplikasi untuk membantu mempermudah dalam mendapatkn data pencatatan pembayaran SPP secara cepat dan akurat. Pembuatan sistem informasi pembayaran SPP berbasis WEBSITE ini menggunakan bahasa pemrograman PHP dan MYSQL sebagai penyimpanan data. Dalam pembayaran SPP juga menggunakan metode Extreme Programming sebagai metode pengembangan sistemnya. Berdasarkan hasil penelitian sistem informasi pembayaran SPP ini dapat mempermudah staf tata usaha dalam mengelola data administrasi pembayaran SPP siswa, serta adanya penambahan.
Prediksi Retweet Berdasarkan Konten dan Berbasis Pengguna dengan Metode Seleksi Classifier Febiansyah, Muhamad; Jondri, Jondri; Indwiarti, Indwiarti
Smart Comp :Jurnalnya Orang Pintar Komputer Vol 14, No 1 (2025): Smart Comp: Jurnalnya Orang Pintar Komputer
Publisher : Politeknik Harapan Bersama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30591/smartcomp.v14i1.7166

Abstract

Perkembangan media sosial telah mengubah cara penyebaran informasi secara drastis. Twitter, sebagai salah satu platform utama, memiliki peran penting dalam proses ini, dengan jutaan pengguna dan retweet yang terjadi setiap hari. Penelitian ini bertujuan untuk mengembangkan model prediksi retweet pada Twitter, memanfaatkan fitur content-based dan user-based. Metode classifier selection digunakan untuk memilih model terbaik, dengan eksplorasi berbagai teknik seperti oversampling. Hasil eksperimen menunjukkan bahwa penggunaan teknik-teknik tersebut dapat meningkatkan kinerja model dalam memprediksi retweet, terutama pada fitur user based. Meta learner dengan oversampling data pada fitur content based menunjukkan kinerja baik, penggunaan meta learner dan oversampling data memberikan dampak yang signifikan terhadap hasil penelitian
Analisis Sentimen Aplikasi Tiktok Tokopedia Seller Center dengan Pendekatan Machine Learning: SVM, CNN, Naive Setiawati, Neha Poetri; Nurmalitasari, Nurmalitasari; Atina, Vihi
Smart Comp :Jurnalnya Orang Pintar Komputer Vol 14, No 1 (2025): Smart Comp: Jurnalnya Orang Pintar Komputer
Publisher : Politeknik Harapan Bersama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30591/smartcomp.v14i1.7189

Abstract

Tiktok Tokopedia Seller Center merupakan aplikasi yang diperuntukan untuk para pelaku usaha atau para penjual mengenai pengelolaan dan meningkatkan penjualan mereka pada platform Tiktok (Tiktok shop). Penelitian ini memiliki tujuan untuk melakukan analisis sentimen negatif dan positif dari pengguna mengenai fitur dan kinerja dari aplikasi Tiktok Tokopedia Seller Center dengan menggunakan 3 algoritma Machine Learning, diantaranya SVM, CNN, Naive Bayes. Dikarenakan algoritma ketiga tersebut dinilai efektif dalam menangani kasus analisis sentimen. Data untuk penelitian ini diperoleh dari ulasan aplikasi Tiktok Tokopedia Seller Celler center yag terdapat di Google Play Store. Hasil penelitian menunjukkan bahwa SVM memiliki kinerja dan kinerja yang lebih unggul dibandingkan CNN, dan Naive Bayes, karena SVM memperoleh akurasi akhir sebesar 0.90 , disusul CNN dengan akurasi sebesar 0.88 dan Naive Bayes dengan akurasi sebesar 0.84 . Dari penelitian ini dapat memberikan gambaran atau wawasan bagi pengembang aplikasi Tiktok Tokopedia Seller Center dalam melakukan perbaikan dan meningkatkan kualitas pelayanan .

Page 47 of 60 | Total Record : 595

 45   46   47   48   49 

Filter by Year

2012 2026


Reset
Filter By Issues
All Issue Vol 15, No 1 (2026): Smart Comp: Jurnalnya Orang Pintar Komputer Vol 14, No 4 (2025): Smart Comp: Jurnalnya Orang Pintar Komputer Vol 14, No 3 (2025): Smart Comp: Jurnalnya Orang Pintar Komputer Vol 14, No 2 (2025): Smart Comp: Jurnalnya Orang Pintar Komputer Vol 14, No 1 (2025): Smart Comp: Jurnalnya Orang Pintar Komputer Vol 13, No 4 (2024): Smart Comp: Jurnalnya Orang Pintar Komputer Vol 13, No 3 (2024): Smart Comp: Jurnalnya Orang Pintar Komputer Vol 13, No 2 (2024): Smart Comp: Jurnalnya Orang Pintar Komputer Vol 13, No 1 (2024): Smart Comp: Jurnalnya Orang Pintar Komputer Vol 12, No 4 (2023): Smart Comp: Jurnalnya Orang Pintar Komputer Vol 12, No 3 (2023): Smart Comp: Jurnalnya Orang Pintar Komputer Vol 12, No 2 (2023): Smart Comp: Jurnalnya Orang Pintar Komputer Vol 12, No 1 (2023): Smart Comp: Jurnalnya Orang Pintar Komputer Vol 11, No 4 (2022): Smart Comp: Jurnalnya Orang Pintar Komputer Vol 11, No 3 (2022): Smart Comp: Jurnalnya Orang Pintar Komputer Vol 11, No 2 (2022): Smart Comp: Jurnalnya Orang Pintar Komputer Vol 11, No 1 (2022): Smart Comp: Jurnalnya Orang Pintar Komputer Vol 10, No 3 (2021): Smart Comp: Jurnalnya Orang Pintar Komputer Vol 10, No 2 (2021): Smart Comp: Jurnalnya Orang Pintar Komputer Vol 10, No 1 (2021): Smart Comp : Jurnalnya Orang Pintar Komputer Vol 9, No 2 (2020): Smart Comp :Jurnalnya Orang Pintar Komputer Vol 9, No 1 (2020): Smart Comp :Jurnalnya Orang Pintar Komputer Vol 8, No 2 (2019): Smart Comp :Jurnalnya Orang Pintar Komputer Vol 8, No 1 (2019): Smart Comp :Jurnalnya Orang Pintar Komputer Vol 7, No 2 (2018): Smart Comp :Jurnalnya Orang Pintar Komputer Vol 7, No 1 (2018): Smart Comp :Jurnalnya Orang Pintar Komputer Vol 6, No 2 (2017) Vol 6, No 1 (2017) Vol 5, No 2 (2016) Vol 5, No 1 (2016) Vol 4, No 2 (2015) Vol 4, No 1 (2015) Vol 3, No 2 (2014) Vol 3, No 1 (2014) Vol 2, No 4 (2013): Smart Comp Vol 2, No 3 (2013): Smart Comp Vol 1, No 2 (2012): Smart Comp Vol 1, No 1 (2012): Smart Comp More Issue