cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Shinta Puspasari
Contact Email
shinta@uigm.ac.id
Phone
+6281541477256
Journal Mail Official
lppm@uigm.ac.id
Editorial Address
Jl. Jend Sudirman No 629 KM 4 Palembang
Location
Kota palembang,
Sumatera selatan
INDONESIA
Jurnal Software Engineering and Computational Intelligence
Published by Universitas Indo Global Mandiri
ISSN : -     EISSN : 29882028     DOI : https://doi.org/10.36982/jseci.v1i1
Core Subject : Science,
Computer Science & IT
Journal of Software Engineering and Computational Intelligence (JSECI) is a scientific journal in software engineering and computational intelligence containing the scientific literature on studies of pure and applied research in informatics and computer sciences, public review of the development of theory, method, and applied sciences related to the subject. The topics covered include but are not limited to: Artificial Intelligence, Computer Vision, Cryptography, Genetic Algorithm, Human-Computer Interaction, Image Processing, Intelligent Home Environments, Machine Learning, Natural Language Processing, Neural Network, Pattern Recognition, Software Engineering (Implementation of Computational Intelligent), Steganography
Arjuna Subject : Ilmu Komputer (semua kategori) - Kecerdasan Buatan
Articles 7 Documents
 1 
Search results for , issue "Vol 2 No 02 (2024)" : 7 Documents clear
Pola Peminjaman Buku di Perpustakaan Daerah: Pendekatan Algoritma Apriori Gunawan, Catur Eri; Purwani, Fenny; Jannah, Arda Miftahul
Jurnal Software Engineering and Computational Intelligence Vol 2 No 02 (2024)
Publisher : Informatics Engineering, Faculty of Computer Science

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36982/jseci.v2i02.4839

Abstract

Penelitian ini mengkaji pola peminjaman buku di Perpustakaan Daerah untuk mengoptimalkan pengelolaan koleksi melalui pengetahuan berbasis data. Dengan menggunakan data transaksi dari Perpustakaan Daerah Sumatera Selatan, penelitian ini menerapkan algoritma Apriori untuk mengidentifikasi aturan asosiasi antar buku yang dipinjam. Hasilnya menunjukkan asosiasi signifikan, seperti buku tentang implementasi basis data yang sering dipinjam bersama dengan buku tentang integrasi basis data dengan web, dengan tingkat kepercayaan sebesar 87%. Pengetahuan baru ini memungkinkan pustakawan untuk menyelaraskan alokasi anggaran tahunan dengan preferensi pengguna, memastikan relevansi dan efisiensi pemanfaatan koleksi perpustakaan. Selain itu, penelitian ini menegaskan efektivitas algoritma Apriori dalam menggali pola yang bermakna dari data transaksi, menawarkan kerangka strategis untuk optimalisasi sumber daya. Tantangan seperti penanganan data yang tidak lengkap dan adaptasi terhadap perubahan preferensi pengguna menekankan pentingnya mengintegrasikan temuan algoritmik dengan umpan balik berkelanjutan dari pemangku kepentingan. Penelitian ini memberikan pendekatan praktis untuk meningkatkan layanan perpustakaan daerah dengan menyesuaikan pengadaan buku sesuai kebutuhan masyarakat.
Utilization of the Whale Optimization Algorithm in Finite State Automata Design for Advanced Pattern Recognition Systems Septian, Firza; Prakarsya, Agustian
Jurnal Software Engineering and Computational Intelligence Vol 2 No 02 (2024)
Publisher : Informatics Engineering, Faculty of Computer Science

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36982/jseci.v2i02.4844

Abstract

This research explores the application of the Whale Optimization Algorithm (WOA) in designing Finite State Automata (FSA) for advanced pattern recognition systems. Pattern recognition plays a crucial role in various fields, requiring high accuracy and efficiency. Traditional approaches to FSA design often face limitations in adaptability and optimization. By integrating WOA, a nature-inspired metaheuristic algorithm, this study aims to optimize FSA structures to improve recognition capabilities. The research process involves implementing WOA within the FSA design framework, testing it on multiple artificial pattern recognition tasks to assess effectiveness, and comparing results with other optimization methods. The findings reveal that after 10 iterations, the WOA achieved a best score of 14.01% error, indicating initial progress but room for further improvement. At 50 iterations, the performance plateaued, maintaining a score of 9.43% error, suggesting a need for additional exploration of the parameter space. However, by 100 iterations, the WOA produced a significantly improved score of 0.0022% error, demonstrating a highly optimized solution as the parameters converged closely to their target values. After 100 iterations, the error value did not decrease any further, indicating that the effective iteration count for optimization is 100 iterations. These results highlight the effectiveness of WOA in enhancing FSA performance, showcasing its potential as a robust solution for complex pattern recognition needs. This study contributes to the development of intelligent recognition systems, advancing the state of the art in pattern recognition technology.
Analisis Manajemen Layanan E-learning Pada Universitas Serelo Lahat Menggunakan Framework ITIL Selvia damayanti; Selvy Megira
Jurnal Software Engineering and Computational Intelligence Vol 2 No 02 (2024)
Publisher : Informatics Engineering, Faculty of Computer Science

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36982/jseci.v2i02.4934

Abstract

Di Indonesia, jumlah institusi pendidikan tinggi masih terus berkembang. Teknologi informasi memainkan peran penting di institusi pendidikan tinggi karena pertumbuhan yang pesat serta banyaknya jumlah mahasiswa dan dosen. Universitas Serelo Lahat, yang dikenal dengan penekanannya pada sains dan teknologi, berperan penting dalam membantu berbagai tugas administratif dan pembelajaran di lingkungan akademik. Namun, kesulitan dalam mempertahankan dan melestarikan infrastruktur ini memerlukan strategi yang proaktif. ITSM diperlukan untuk memastikan bahwa layanan yang ditawarkan kepada klien sesuai dengan ekspektasi bisnis. Tingkat kematangan layanan TI harus diukur untuk menilai kualitas layanan yang diberikan. ITIL adalah salah satu kerangka kerja yang cocok untuk bidang pendidikan. Dengan penekanan pada peningkatan kualitas layanan TI dalam hal nilai bisnis dan pelanggan, ITIL menawarkan kerangka kerja untuk mengelola dan mengontrol layanan TI. Diharapkan adanya penelitian lebih lanjut tentang penilaian kinerja dan keandalan infrastruktur jaringan kampus. Berdasarkan hasil analisis, layanan e-learning UNSELA saat ini berada pada level 3 (specified), dengan skor 2,83.
KLASIFIKASI CITRA SPESIES BUNGA DI INDONESIA BERBASIS CONVOLUTIONAL NEURAL NETWORK MENGGUNAKAN TEKNIK TRANSFER LEARNING Rahman, Arif; Salim, Mansyur; Riadi, Imam
Jurnal Software Engineering and Computational Intelligence Vol 2 No 02 (2024)
Publisher : Informatics Engineering, Faculty of Computer Science

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36982/jseci.v2i02.4942

Abstract

Indonesia memiliki sekitar 20.000 spesies bunga dengan berbagai bentuk, warna, dan struktur, yang menjadikan klasifikasi manual bunga menjadi tantangan, terutama karena kemiripan warna antarspesies. Penelitian ini bertujuan mengembangkan model klasifikasi bunga menggunakan Convolutional Neural Network (CNN) berbasis MobileNetV2 dengan teknik transfer learning. Dataset diambil dari Katalog Varietas Unggul Florikultura tahun 2015 oleh Badan Penelitian dan Pengembangan Pertanian, mencakup 11 jenis bunga dengan total 2137 citra, yang dibagi menjadi data latih, validasi, dan uji. Model CNN tanpa transfer learning menghasilkan akurasi 42% pada data uji, sedangkan penerapan transfer learning meningkatkan akurasi menjadi 73%. Hasil penelitian menunjukkan bahwa teknik transfer learning, khususnya dengan MobileNetV2 menggunakan bobot ImageNet, memberikan peningkatan akurasi yang signifikan, yakni 52% lebih baik dibandingkan metode tanpa transfer learning. Penelitian ini membuktikan bahwa model berbasis transfer learning dapat diimplementasikan untuk klasifikasi citra bunga secara efisien dan optimal, serta dapat digunakan pada perangkat berbasis smartphone.
Pengelompokan Daerah Rawan Bencana di Sumatera Selatan Menggunakan Algoritma K-Means Zulfikar, Dian Hafidh; Setapati, Gerry
Jurnal Software Engineering and Computational Intelligence Vol 2 No 02 (2024)
Publisher : Informatics Engineering, Faculty of Computer Science

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36982/jseci.v2i02.4945

Abstract

Indonesia merupakan negara yang terletak di wilayah pertemuan berbagai lempeng tektonik, sehingga banyak daerahnya memiliki tingkat kerawanan tinggi terhadap bencana alam, termasuk di Provinsi Sumatera Selatan. Penelitian ini bertujuan untuk mengelompokkan wilayah-wilayah rawan bencana di Sumatera Selatan dengan menerapkan teknik data mining menggunakan metode clustering. Algoritma yang digunakan dalam pembentukan klaster adalah K-Means, sebuah metode clustering non-hierarkis yang mampu mengelompokkan data berdasarkan tingkat kesamaan. Data bencana yang memiliki karakteristik serupa akan dikelompokkan dalam satu klaster, sedangkan data dengan karakteristik berbeda akan dimasukkan ke klaster lainnya. Hasil penelitian ini menghasilkan pengelompokan daerah rawan bencana ke dalam tiga kategori, yaitu daerah dengan tingkat kerawanan rendah, sedang, dan tinggi. Temuan ini diharapkan dapat menjadi informasi tambahan yang berguna bagi pemerintah dalam upaya penanggulangan bencana di Sumatera Selatan.
Analisis Opini Publik Tentang Cuaca Ekstrem Menggunakan Naïve Bayes dan K-Nearest Neighbor Irsyad, Hafiz; Wijaya, Christian Richie; Hansen, Hansen
Jurnal Software Engineering and Computational Intelligence Vol 2 No 02 (2024)
Publisher : Informatics Engineering, Faculty of Computer Science

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36982/jseci.v2i02.5107

Abstract

Letak Indonesia yang berada di khatulistiwa dapat menyebabkan rentan terhadap fenomena cuaca ekstrem yang dapat memberikan ancaman. Cuaca ekstrem merupakan fenomena fisik atmosfer pada waktu tertentu dalam jangka waktu yang pendek dan juga bersifat ekstrem. Youtube dapat menjadi sebuah media untuk publik dalam menyampaikan opini kepada pemerintah dalam menghadapi cuaca ekstrem. Analisis sentimen merupakan metode yang digunakan untuk mengekstraksi, menganalisis, dan memproses data tekstual secara otomatis guna mengidentifikasi sentimen dalam suatu opini. Penelitian ini dilakukan bertujuan untuk menganalisis sentimen opini komentar publik di youtube mengenai cuaca ekstrem dengan menggunakan metode Naïve Bayes Multinomial dan K-Nearest Neighbor. Dataset diambil dari komentar di youtube mengenai cuaca ekstrem yang berjumlah 1030 komentar. Hasil penelitian menunjukkan bahwa metode Naïve Bayes Multinomial lebih unggul dengan akurasi 81%, presisi 76%, recall 63%, dan F1-Score 69% dibandingkan metode K-Nearest Neighbor yang hanya mencapai akurasi 51%, presisi 38%, recall 69%, dan F1-Score 69%. Berdasarkan hasil ini, metode Naïve Bayes Multinomial direkomendasikan untuk analisis sentimen opini publik tentang cuaca ekstrem.
Implementasi Chatbot Telegram Layanan Informasi Akademik Universitas Indo Global Mandiri Menggunakan Framework Rasa Open Source FATURRACHMAN; Haviz Irfani, Muhammad; Romegar Mair, Zaid; Cahyani, Septa; Ikhwan Jambak, Muhammad
Jurnal Software Engineering and Computational Intelligence Vol 2 No 02 (2024)
Publisher : Informatics Engineering, Faculty of Computer Science

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36982/jseci.v2i02.5142

Abstract

Penggunaan teknologi chatbot dalam menyediakan layanan informasi akademik telah menjadi semakin populer dalam lingkungan perguruan tinggi. Studi ini bertujuan untuk mengimplementasikan sebuah chatbot berbasis Telegram untuk layanan informasi akademik di Universitas Indo Global Mandiri. Penelitian ini menggunakan framework Rasa open source, yang memungkinkan pengembangan chatbot yang dapat dipenggunalkan dan dapat disesuaikan dengan kebutuhan pengguna. Metode pengembangan yang digunakan meliputi tahap perancangan, pengembangan, pengujian, dan implementasi. Chatbot yang dihasilkan mampu memberikan informasi akademik secara cepat dan instan kepada pengguna melalui platform Telegram. Hasil pengujian menunjukkan bahwa chatbot mampu memberikan respons yang sesuai dengan kebutuhan pengguna dengan tingkat akurasi yang tinggi. Implementasi chatbot Telegram untuk layanan informasi akademik di Universitas Indo Global Mandiri diharapkan dapat meningkatkan aksesibilitas informasi dan pengalaman pengguna dalam mengakses layanan akademik universitas.

Page 1 of 1 | Total Record : 7

 1 

Filter by Year

2024 2024


Reset
Filter By Issues
All Issue Vol 3 No 01 (2025) Vol 2 No 02 (2024) Vol 2 No 01 (2024) Vol 1 No 2 (2023) Vol 1 No 1 (2023)