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 29 Documents
 1   2   3 
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.
Identification of Determinants of Inclusive Economic Growth Using the Metaheuristic Whale Optimization Algorithm Approach Septian, Firza; Putriani, Nina Dwi
Jurnal Software Engineering and Computational Intelligence Vol 3 No 01 (2025)
Publisher : Informatics Engineering, Faculty of Computer Science

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36982/jseci.v3i01.5396

Abstract

Inclusive economic growth demands the identification of key factors that drive equitable improvements in regional welfare. However, the complex interrelationships among social, economic, and demographic variables make traditional approaches insufficient for handling high-dimensional data. This study introduces an innovative approach by combining the Whale Optimization Algorithm (WOA) for feature selection with a Random Forest Regressor model to predict Gross Regional Domestic Product (GRDP) per capita as the main indicator of regional prosperity. The dataset consists of 210 regional observations and 18 independent variables. Feature selection using WOA was guided by minimizing the mean squared error (MSE), resulting in the identification of the 8 most relevant features. The retrained Random Forest model on the selected features achieved a high prediction performance, with an R² value of 0.9938 and a low RMSE. Furthermore, GRDP values were categorized into three regional welfare classes (Low, Medium, High), and the classification yielded 97.92% accuracy with high precision, recall, and F1-scores across all classes. These findings demonstrate that combining metaheuristic optimization and machine learning enables efficient and accurate identification of the key determinants of inclusive economic growth. The results provide valuable insights for formulating more targeted regional development policies.
Implementasi Preprocessing dan Synonym Expansion untuk Sistem Temu Kembali Berita Bahasa Indonesia Adrian Suparto; Michael Joy Clement; Abdul Rahman; Hafiz Irsyad
Jurnal Software Engineering and Computational Intelligence Vol 3 No 01 (2025)
Publisher : Informatics Engineering, Faculty of Computer Science

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36982/jseci.v3i01.5405

Abstract

In Indonesian information retrieval systems, vocabulary differences between user queries and target documents are often a major obstacle in obtaining relevant search results. This research examines the effectiveness of applying synonym-based query expansion techniques to improve search relevance in IR systems. The system is designed using TF-IDF weighting and Cosine Similarity technique to calculate the closeness between query and document. A total of 10 queries were tested against a collection of news documents, with a manual approach in expanding keywords based on synonyms referred from KBBI. The evaluation was conducted using Precision@20 as the main metric. The results showed that the precision increased significantly from an average of 0.51 without query expansion to 0.725 after synonyms were added to the query. This shows that query meaning expansion can improve search accuracy in the context of a rich natural language such as Indonesian. This research indicates that the integration of semantic-based expansion techniques has great potential in optimizing the performance of IR systems. In the future, automated approaches such as semantic embedding or digital synonym mapping can be an alternative for more extensive and efficient development.  
Data Hiding menggunakan Play Fair Kriptografi dan Steganografi pada Domain DCT dengan Operasi Logika XOR Zulfikar, Dian Hafidh
Jurnal Software Engineering and Computational Intelligence Vol 3 No 01 (2025)
Publisher : Informatics Engineering, Faculty of Computer Science

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36982/jseci.v3i01.5410

Abstract

Artikel ini membahas strategi untuk menyembunyikan data dengan menggabungkan Teknik kriptografi dan steganografi. Kriptografi digunakan untuk mengubah teks biasa menjadi teks terenkripsi, sementara steganografi digunakan untuk menyembunyikan teks terenkripsi tersebut dalam sebuah gambar. Metode yang diusulkan menggabungkan Play Fair Cipher untuk enkripsi teks dan teknik Discrete Cosine Transform (DCT) serta operasi logika XOR untuk menyembunyikan pesan terenkripsi dalam gambar. Hasilnya menunjukkan tingkat keamanan yang tinggi dan analisis histogram yang mendukung efektivitas sistem ini.  
Similarity Identification Model of Thesis Titles with Mahalanobis Distance Approach Fajri Munawar, Muhammad; Heriansyah, Rudi; Irfani, Muhammad Hafiz; Jambak, Muhammad Ikhwan; Ferano, Dwi Asa
Jurnal Software Engineering and Computational Intelligence Vol 3 No 01 (2025)
Publisher : Informatics Engineering, Faculty of Computer Science

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36982/jseci.v3i01.5413

Abstract

This study aims to identify the similarity of thesis titles by applying the Mahalanobis Distance method which is known to be effective in measuring the distance between vectors by considering data distribution and correlation between variables. In its implementation, each thesis title is represented in vector form using the TF-IDF scheme before calculating the level of similarity using Mahalanobis Distance. The test results show that this method is able to produce similarity values between titles, but its performance has not shown optimal effectiveness in the context of similarity classification. The highest precision value obtained of 1.0 indicates that this method is quite reliable in identifying pairs of titles that are truly similar. However, the low recall value of only 0.5 indicates that there are many pairs of similar titles that fail to be detected, resulting in an F1-score value of only 0.638. This shows an imbalance between the system's ability to detect similarity and its classification accuracy. Although the accuracy value is relatively high, ranging from 0.958 to 0.988, these results do not necessarily reflect the overall effectiveness of the method in handling minor classification errors. Testing of the threshold parameters also shows that a value of 0.1 provides the best performance compared to other threshold values because it is able to maintain a balance between precision, recall, F1-score, and accuracy.
Implementasi Term Frequency - Inverse Document Frequency dan Cosine Similarity untuk Analisis Kemiripan Deskripsi Produk Halal Santoti, Jennifer Velensia; Jocelyn, Jennifer; Irsyad, Hafiz
Jurnal Software Engineering and Computational Intelligence Vol 3 No 01 (2025)
Publisher : Informatics Engineering, Faculty of Computer Science

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36982/jseci.v3i01.5421

Abstract

Di era digital saat ini, kejelasan informasi produk telah menjadi aspek penting untuk mendukung keputusan konsumen dalam proses pembelian. Penelitian ini difokuskan pada implementasi ekstraksi fitur dari deskripsi produk menggunakan metode TF-IDF (Term Frequency - Inverse Document Frequency) dan Cosine Similarity untuk memprediksi deskripsi produk yang membingungkan.  Metodologi penelitian ini meliputi beberapa tahap preprocessing, yang meliputi tokenizing, stopword removal, filtering, penghapusan data null dan data NaN, serta ekstraksi fitur teks menggunakan metode TF-IDF dan Cosine Similarity. Hasil evaluasi menunjukkan bahwa sistem berhasil mengenali produk halal dengan nilai precision sebesar 96%, recall sebesar 98%, dan F1-score sebesar 97%, yang mengindikasikan bahwa adanya keseimbangan yang baik antara precision dan recall. Untuk produk haram mencapai precision sebesar 98%, recall sebesar 95%, dan F1-score sebesar 97%. Secara keseluruhan, sistem berhasil mendapatkan nilai akurasi sebesar 97%. Hasil evaluasi menunjukkan bahwa model lebih baik dalam mengenali produk halal, dengan hasil recall sebesar 98%, sementara hasil recall produk haram sebesar 95%. Hal ini mengindikasikan bahwa metode yang digunakan sangat efektif dalam memprediksi kejelasan deskripsi produk. Kesimpulan dari penelitian ini menegaskan bahwa kombinasi TF-IDF dan Cosine Similarity efektif dalam mengidentifikasi ambiguitas deskripsi produk, sehingga dapat meningkatkan transparansi informasi bagi konsumen.

Page 3 of 3 | Total Record : 29

 1   2   3 

Filter by Year

2023 2025


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)