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 35 Documents
 1   2   3   4 
Perbandingan Naïve Bayes dan SVM terhadap Analisis Sentimen QRIS di Luar Negeri Pambudi, Readysna Krisna; Prasetyo, Zavier Billy; Pribadi, Muhammad Rizky
Jurnal Software Engineering and Computational Intelligence Vol 3 No 02 (2025)
Publisher : Informatics Engineering, Faculty of Computer Science

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36982/jseci.v3i02.5424

Abstract

Penelitian ini membandingkan algoritma Naïve Bayes dab SVM (Support Vector Machine) dalam analisis sentimen terhadap komentar pengguna TikTok mengenai penggunaan QRIS di luar negeri. Data dikumpulkan dengan data scraping dari komentar TikTok, kemudian melakukan prepocessing text, transformasi TF-IDF, dan penerapan SMOTE. Setiap komentar diberi label secara manual ke dalam kategori positif, negatif, atau netral. Hasil Evaluasi menunjukkan bahwa algoritma SVM menunjukkan hasil yang lebih tinggi dibandingkan algoritma Naïve Bayes dengan accuracy sebesar 62.30%, sedangkan Naïve Bayes 57.40%. Precision SVM sebesar 63.44%, sedangkan Naïve Bayes 62.98%. Recall SVM sebesar 62.30%, sedangkan Naïve Bayes 57.40%. F1-Score SVM sebesar 59.60%, sedangkan Naïve Bayes 51.33%. Dengan demikian algoritma SVM lebih efektif digunakan dalam analisis sentimen dibandingkan algoritma Naïve Bayes.
IMPLEMENTASI DEEP LEARNING UNTUK ANALISIS SENTIMEN PADA DATA X DALAM PREDIKSI TREN KOREAN STYLE Siska Lestari; Hermanto; Dian Hafidh Zulfikar
Jurnal Software Engineering and Computational Intelligence Vol 3 No 02 (2025)
Publisher : Informatics Engineering, Faculty of Computer Science

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36982/jseci.v3i02.6137

Abstract

This study implements a deep learning model based on Convolutional Neural Network (CNN) for sentiment analysis of Indonesian-language tweets related to the Korean Style trend. A dataset of 7,187 tweets was collected via web crawling using keywords such as “Korean Style”, “K-pop”, and “Korean fashion”. The preprocessing pipeline included case folding, removal of special characters and emojis, stopword elimination, tokenization, and lemmatization. Word2Vec and FastText embeddings were employed for text representation. The CNN model classified tweets into three sentiment categories: positive, negative, and neutral. Evaluation metrics included accuracy, precision, recall, F1-score, and confusion matrix. Results showed 71.26% validation accuracy with the highest F1-score of 0.81 for the neutral class, while negative sentiment classification remained weak due to class imbalance. Word2Vec outperformed FastText in stability. This research contributes to sentiment analysis in Indonesian social media using deep learning and provides insights into public opinion on Korean cultural trends
EfficientNet-Based Flower Recognition with LAB and CLAHE Enhancement Kurniawan, Rudi; Intan, Bunga
Jurnal Software Engineering and Computational Intelligence Vol 3 No 02 (2025)
Publisher : Informatics Engineering, Faculty of Computer Science

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36982/jseci.v3i02.6197

Abstract

Accurate flower recognition is a challenging task in computer vision due to high intra-class variation, complex background textures, and illumination inconsistencies. This study proposes an enhanced image classification framework integrating LAB color space transformation and Contrast Limited Adaptive Histogram Equalization (CLAHE) with the EfficientNet architecture. The proposed approach aims to improve visual feature separability by enhancing color stability and local contrast prior to network training. Experiments were conducted using a 17-class flower dataset, and the model achieved an overall accuracy of 98.53%, a macro-averaged F1-score of 0.9704, and AUC values close to 1.00 for most species. Visual analysis through the confusion matrix and ROC curves confirmed the model’s robustness, with only minor misclassifications observed between morphologically similar classes such as Iris–Crocus and Daffodil–Tulip. These findings demonstrate that combining LAB and CLAHE preprocessing with EfficientNet significantly enhances model generalization and visual discriminability. The method provides a lightweight yet effective solution for applications in biodiversity monitoring, precision agriculture, and automated plant taxonomy.
Pengaruh Deteksi Tepi Citra Urat Daun Pada Pengenalan Jenis Bibit Jeruk Menggunakan Metode Pengenalan JST-PB dan GLCM Dimas Apriandi; Gasim; Muhammad Haviz Irfani; Muhammad Ikhwan Jambak
Jurnal Software Engineering and Computational Intelligence Vol 3 No 02 (2025)
Publisher : Informatics Engineering, Faculty of Computer Science

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36982/jseci.v3i02.6219

Abstract

Identifikasi awal jenis bibit jeruk sangat penting untuk menjamin kualitas bibit dan meningkatkan produktivitas pertanian. Identifikasi secara manual membutuhkan keahlian khusus dan rentan terhadap kesalahan. Penelitian ini bertujuan untuk menganalisis pengaruh metode deteksi tepi terhadap akurasi klasifikasi bibit jeruk menggunakan Jaringan Syaraf Tiruan Propagasi Balik (JST-PB) dan fitur tekstur yang diekstraksi dengan Gray Level Co-occurrence Matrix (GLCM). Tiga metode deteksi tepi yaitu Canny, Laplacian of Gaussian (LoG), dan Roberts yang diterapkan pada citra daun jeruk dari empat varietas antara lain: Kunci, Nipis, Purut, dan Sambal. Fitur tekstur berupa contrast, correlation, homogeneity, dan entropy digunakan sebagai masukan dalam pelatihan JST-PB. Hasil penelitian menunjukkan bahwa metode Roberts dengan 30 neuron tersembunyi memberikan kinerja terbaik dengan precision rata-rata 75,56%, recall 75,00%, dan F1-score 74,97%. Hal ini menunjukkan bahwa pemilihan metode deteksi tepi berpengaruh signifikan terhadap akurasi klasifikasi. Kombinasi metode deteksi tepi Roberts, ekstraksi fitur GLCM, dan JST-PB terbukti efektif untuk pengenalan otomatis jenis bibit jeruk berbasis citra digital.    
Evaluasi Pengalaman Pengguna Aplikasi e-Dempo Samsat Sumatera Selatan menggunakan Metode UEQ-S Junitu, Zebri; Sulpin Agung Saputra, Muhammad; Ayonda Saputra, Licka; Permatasari, Indah
Jurnal Software Engineering and Computational Intelligence Vol 3 No 02 (2025)
Publisher : Informatics Engineering, Faculty of Computer Science

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36982/jseci.v3i02.6297

Abstract

Aplikasi e-Dempo merupakan inovasi layanan publik digital unggulan dari Samsat Sumatera Selatan yang bertujuan mempermudah masyarakat dalam melakukan pembayaran pajak kendaraan bermotor secara daring, guna meningkatkan efisiensi dan aksesibilitas layanan publik. Meskipun menawarkan kemudahan waktu dan proses, evaluasi mendalam terhadap pengalaman pengguna (User Experience) sangat diperlukan untuk memastikan layanan yang diberikan benar-benar sesuai dengan ekspektasi serta kenyamanan masyarakat pengguna. Penelitian ini bertujuan untuk mengevaluasi pengalaman pengguna aplikasi e-Dempo menggunakan metode Short User Experience Questionnaire (UEQ-S). Penelitian ini menggunakan pendekatan kuantitatif deskriptif dengan melibatkan 31 responden yang dipilih melalui teknik purposive sampling. Analisis data dilakukan untuk mengukur dua dimensi utama pengalaman pengguna: Kualitas Pragmatis (efisiensi, kejelasan) dan Kualitas Hedonis (stimulasi, kebaruan). Hasil analisis menunjukkan bahwa aplikasi e-Dempo memiliki kinerja keseluruhan yang positif dengan skor rata-rata 0,933. Secara spesifik, aplikasi ini sangat unggul pada dimensi Kualitas Pragmatis dengan skor 0,933, yang menandakan fungsinya sangat efisien, mudah dipelajari, dan efektif dalam membantu pengguna menyelesaikan tugas. Namun, dimensi Kualitas Hedonis memperoleh skor yang lebih rendah yaitu 0,633 (kategori netral), mengindikasikan bahwa aspek desain antarmuka, daya tarik visual, dan inovasi aplikasi masih perlu ditingkatkan karena dianggap standar dan kurang menggugah secara emosional. Berdasarkan temuan ini, penelitian merekomendasikan perbaikan strategis pada desain visual antarmuka dan penambahan fitur interaktif untuk meningkatkan kepuasan pengguna tanpa mengurangi fungsionalitas utama yang sudah berjalan baik.

Page 4 of 4 | Total Record : 35

 1   2   3   4 

Filter by Year

2023 2025


Reset
Filter By Issues
All Issue Vol 3 No 02 (2025) 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)