cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Ali Ibrahim
Contact Email
jurnaljcsitppmi@gmail.com
Phone
+6281271525366
Journal Mail Official
jurnaljcsitppmi@gmail.com
Editorial Address
Perum Taman Asri 1 Blok C2 RT 31 RW 06 Palembang South Sumatra 30149
Location
Kota palembang,
Sumatera selatan
INDONESIA
Journal of Computer Science and Information Technology
Published by Yayasan Nuraini Ibrahim Mandiri
ISSN : -     EISSN : 30318467     DOI : https://doi.org/10.59407/jcsit.v1i2
Core Subject : Economy, Science, Social,
Computer Science & IT Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Environmental Science Social Sciences
Journal of Computer Science and Information Technology (JCSIT) is a national journal for scientific research, thinking, and critical-analytical studies on Biomedical Application Computer Network and Architecture, Data Mining, E-Business, E-Commerce, E-Government E-Learning, Embedded Systems, Environmental Systems, Fuzzy Logics, Genetic Algorithms, Geographic Information System, High-Performance Computing, Human-Computer Interaction, Image Processing, Internet of Things (IoT), Computer Vision, Information Security, Information Retrieval, Modeling System and Control, Mobile Technology, Neural Networks, Pattern Recognition, Remote Sensing, Robotics, Signal Processing, Smart Home, Smart Sensor Networks
Arjuna Subject : Ilmu Komputer (semua kategori) - Sistem Informasi
Articles 110 Documents
 7   8   9   10   11 
KLASIFIKASI RISIKO PENYAKIT JANTUNG BERBASIS DATA REKAM MEDIS MENGGUNAKAN CATBOOST Hanna Maryam; Fahrim Irhamna Rachman; Chyquitha Danuputri
Journal of Computer Science and Information Technology Vol. 3 No. 3 (2026): Juni
Publisher : Yayasan Nuraini Ibrahim Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Penyakit jantung memerlukan deteksi dini agar pasien berisiko dapat diidentifikasi lebih cepat berdasarkan data klinis yang tersedia. Penelitian ini bertujuan menerapkan algoritma CatBoost untuk klasifikasi risiko penyakit jantung menggunakan data rekam medis pasien RSUD Haji Makassar. Dataset terdiri atas 640 data pasien periode 2021–2025 dengan fitur jenis kelamin, usia, glukosa, ureum, kreatinin, SGOT, SGPT, tekanan darah sistolik, dan tekanan darah diastolik. Target klasifikasi dibentuk berdasarkan diagnosis ICD-10 menjadi dua kelas, yaitu tidak berisiko dan berisiko penyakit jantung. Tahapan penelitian meliputi pembersihan data, imputasi nilai hilang menggunakan median, pembagian data latih dan data uji, pelatihan model CatBoost, serta evaluasi menggunakan accuracy, precision, recall, F1-score, confusion matrix, AUC-ROC, dan 5-fold cross-validation. Hasil pengujian menunjukkan accuracy 96,09%, weighted F1-score 94,18%, macro F1-score 49,00%, dan AUC-ROC 0,8943. Meskipun metrik agregat terlihat tinggi, confusion matrix menunjukkan model memprediksi seluruh data uji sebagai kelas berisiko dan gagal mengenali kelas tidak berisiko. Oleh karena itu, model belum layak diarahkan pada aplikasi klinis sebelum dilakukan perbaikan melalui pembobotan kelas, penyesuaian ambang keputusan, evaluasi imputasi yang lebih adaptif, dan validasi eksternal.
PENERAPAN METODE LIGHT GRADIENT BOOSTING MACHINE (LIGHTGBM) DALAM KLASIFIKASI JENIS PENYAKIT ASAM LAMBUNG BERDASARKAN GEJALA Nur Fadillah Sari; Chyquitha Danu Putri; Fahrim Irhamna Rachman
Journal of Computer Science and Information Technology Vol. 3 No. 3 (2026): Juni
Publisher : Yayasan Nuraini Ibrahim Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Penyakit asam lambung merupakan gangguan pencernaan yang memiliki gejala saling menyerupai pada beberapa jenis penyakit, khususnya Dispepsia, Gastroesophageal Reflux Disease (GERD), dan Gastritis. Kesamaan gejala tersebut dapat menyulitkan identifikasi awal sehingga diperlukan pendekatan klasifikasi berbasis data. Penelitian ini menerapkan metode Light Gradient Boosting Machine (LightGBM) untuk mengklasifikasikan jenis penyakit asam lambung berdasarkan data gejala pasien RSUD Daya Kota Makassar. Dataset yang digunakan berjumlah 976 data pasien dengan 19 atribut gejala dan tiga kelas diagnosis. Tahapan penelitian meliputi preprocessing, transformasi nilai gejala menjadi numerik, label encoding diagnosis, pembagian data latih dan data uji, pelatihan model LightGBM, serta evaluasi menggunakan accuracy, precision, recall, F1-score, confusion matrix, dan feature importance. Model menggunakan konfigurasi default LGBMClassifier tanpa proses hyperparameter tuning. Hasil pengujian menunjukkan bahwa skenario utama 80:20 menghasilkan accuracy 88,78%, precision 88,93%, recall 88,78%, dan F1-score 88,81%, sedangkan skenario 90:10 memperoleh accuracy tertinggi sebesar 89,80%. Fitur paling berpengaruh adalah mual, diare, muntah, anemia, dan gangguan tidur. Hasil ini menunjukkan bahwa LightGBM efektif sebagai model pendukung identifikasi awal jenis penyakit asam lambung berdasarkan gejala pasien.
SIMULASI SISTEM PARKIR PINTAR OTOMATIS BERBASIS ARDUINO MENGGUNAKAN PLATFORM WOKWI (IMPLEMENTASI SENSOR ULTRASONIK DAN KENDALI SERVO) Akhlis Munazilin; Muhammad Nabil Ghifari; Muhammad Ferdian Zakaria; Muhammad Riski
Journal of Computer Science and Information Technology Vol. 3 No. 3 (2026): Juni
Publisher : Yayasan Nuraini Ibrahim Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Dalam manajemen transportasi, parkir memegang peranan penting yang kerap menghadapi berbagai kendala, seperti rendahnya efisiensi serta terbatasnya informasi secara langsung (real-time). Penelitian ini bertujuan untuk membuat dan menguji coba simulasi sistem parkir cerdas otomatis berbasis Arduino, dengan memanfaatkan sensor ultrasonik serta kendali servo melalui platform daring Wokwi. Sensor HC-SR04 digunakan untuk mengetahui ada tidaknya kendaraan, sementara motor servo berfungsi menggerakkan palang pintu parkir. Berdasarkan hasil simulasi, sistem mampu mengukur jarak objek dengan tingkat ketelitian yang memadai; palang terbuka oleh motor servo saat objek terdeteksi dalam rentang 20 cm, dan menutup kembali apabila tidak ada objek di area tersebut. Platform Wokwi terbukti efektif sebagai sarana pembelajaran sekaligus pembuatan purwarupa tanpa biaya, sehingga memungkinkan mahasiswa maupun peneliti untuk memahami sistem berbasis mikrokontroler tanpa harus menggunakan perangkat keras sungguhan. Studi ini memberikan sumbangan terhadap pengembangan pendekatan belajar yang praktis dan efisien dalam ranah sistem tertanam (embedded systems) serta Internet of Things.
PENERAPAN METODE K-MEANS CLUSTERING UNTUK IDENTIFIKASI PROFIL TRANSAKSI DAN KARAKTERISTIK NASABAH PERBANKAN Natasya Hayudyo Murthiningtyas; Farah Bianca; Siti Mukaromah; Agung Brastama Putra
Journal of Computer Science and Information Technology Vol. 3 No. 3 (2026): Juni
Publisher : Yayasan Nuraini Ibrahim Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Perkembangan teknologi data telah mendorong sektor perbankan untuk memanfaatkan data transaksi sebagai sumber informasi dalam mendukung pengambilan keputusan. Volume transaksi yang terus meningkat menghasilkan data dalam jumlah besar yang mengandung pola dan karakteristik transaksi yang bisa diteliti lebih mendalam. Penelitian ini bertujuan untuk mengidentifikasi profil transaksi dan karakteristik kelompok transaksi melalui penerapan teknik pengelompokan K-Means. Jenis data yang digunakan adalah data transaksi perbankan sebanyak 1.348 transaksi yang terdiri atas atribut waktu transaksi, kode transaksi, sistem transaksi, nominal transaksi, dan jenis transaksi. Sebelum proses clustering, data melalui tahap preprocessing, yang mencakup seleksi atribut, transformasi data, dan normalisasi. Metode Elbow digunakan untuk menghitung jumlah cluster, dan algoritma K-Means digunakan untuk mengelompokkan. Hasil penelitian menunjukkan bahwa 1.348 data transaksi telah dikelompokkan ke dalam lima cluster (A–E). Cluster B memiliki jumlah transaksi terbesar, sedangkan Cluster E memiliki jumlah transaksi paling sedikit namun memiliki rata-rata nominal transaksi tertinggi. Hasil pengelompokan menunjukkan kemampuan metode K-Means untuk mengidentifikasi pola transaksi berdasarkan ciri-cirinya dan memberikan informasi yang bermanfaat dalam memahami profil transaksi dan mendukung proses pengambilan keputusan di lingkungan perbankan.
ANALISA KINERJA SISTEM KIPAS OTOMATIS BERDASARKAN MONITORING SUHU MENGGUNAKAN SENSOR DHT22 PADA PLATFORM WOKWI Akhlis Munazilin; Iqbal Efendi; Fadlur Raziqin; Ardy Susanto
Journal of Computer Science and Information Technology Vol. 3 No. 3 (2026): Juni
Publisher : Yayasan Nuraini Ibrahim Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Perkembangan teknologi Internet of Things (IoT) memberikan banyak peluang untuk membuat sistem otomasi yang lebih efisien, seperti sistem pengaturan suhu ruangan dengan menggunakan kipas yang berjalan secara otomatis. Penelitian ini bertujuan untuk membuat, mensimulasikan, dan mengevaluasi sistem kipas otomatis yang berjalan berdasarkan data suhu yang dibaca oleh sensor DHT22, menggunakan mikrokontroler ESP32 yang diproses di platform Wokwi. Metode penelitian yang digunakan adalah metode eksperimental dengan cara mensimulasikan rangkaian elektronik secara virtual.Metode ini mencakup beberapa tahap, yaitu perancangan rangkaian, penulisan program kontrol, pengujian batas suhu, serta pengambilan data dari hasil simulasi. Hasil penelitian menunjukkan bahwa sistem bisa mendeteksi perubahan suhu secara langsung dan menghidupkan kipas DC secara otomatis ketika suhu melebihi batas yang sudah ditentukan, serta mematikannya kembali ketika suhu kembali ke kondisi yang normal. Pengujian dilakukan tujuh kali dengan mengambil data setiap lima menit untuk memeriksa konsistensi respons sistem terhadap perubahan suhu lingkungan simulasi. Dari hasil pengujian, menunjukkan sistem mampu memberikan waktu tanggap kurang dari 1 detik setelah data sensor diterima serta menghasilkan rata-rata penurunan suhu simulasi sebesar 2,3°C dalam waktu lima menit. Temuan ini menunjukkan bahwa algoritma hysteresis mampu menjaga kestabilan kerja sistem secara efektif
PENGEMBANGAN SISTEM INFORMASI WEDDING ORGANIZER BERBASIS WEB UNTUK MENINGKATKAN EFEKTIVITAS PROMOSI DAN PEMESANAN LAYANAN PERNIKAHAN Renna Yanwastika Ariyana; Amir Hamzah; Muhammad Adji Pratama; Muhammad Ari Pamungkas
Journal of Computer Science and Information Technology Vol. 3 No. 3 (2026): Juni
Publisher : Yayasan Nuraini Ibrahim Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Modernisasi perkembangan teknologi saat ini mendorong berbagai sektor dalam kehidupan masyarakat untuk menggunakan sistem berbasis web, tidak terkecuali sektor bisnis. Pemanfaatan sistem berbasis web berguna untuk meningkatkan layanan dan daya saing. Men Wedding Organizer, merupakan salah satu bisnis yang bergerak dalam penyediaan jasa penyelenggaraan pernikahan yang masih menggunakan proses promosi dan pemesanan dengan cara konvensional yang menyebabkan jangkauan layanan masih terbatas dan pengelolaan pemesanan kurang efisien. Dalam penelitian yang dilakukan, dikembangkan Sistem Informasi Wedding Organizer berbasis web yang dapat meningkatkan efektivitas promosi dan mempermudah proses pemesanan layanan pernikahan. Metode yang digunakan dalam penelitian ini yaitu, menggunakan Prototyping yang terdiri dari beberapa tahapan pengembangan seperti, pengumpulan data, perancangan, evaluasi prototype, pengembangan sistem, pengujian, dan implementasi. Sistem dikembangkan menggunakan bahasa pemrograman PHP dengan framework Bootstrap sebagai pendukung antarmuka dan MySQL sebagai basis data. Pengujian dalam penelitian ini menggunakan blackbox tesing, untuk menguji fungsionalitas sistem. Pengujian dilakukan terhadap 30 skenario uji dengan hasil penelitian menunjukkan bahwa sistem yang dikembangkan sesuai dengan fungsinya dan mampu memperluas jangkauan informasi layanan, mempermudah pelanggan dalam melakukan pemesanan secara online, serta membantu admin mengelola data pelanggan dan pemesanan secara terstruktur. Dari hasil black box testing yang dilakukan, seluruh fitur utama dalam sistem dapat berjalan sesuai dengan kebutuhan fungsional yang di tetapkan. Dengan demikian, Sistem Informasi Wedding Organizer berbasis web dapat menjadi solusi dalam mendukung kegiatan promosi dan pemesanan layanan paket pernikahan pada Men Wedding Organizer.
PERBANDINGAN KINERJA SUPPORT VECTOR MACHINE, LOGISTIC REGRESSION, DAN INDOBERT PADA ANALISIS SENTIMEN WONDR BY BNI Melisya Sesy Amelia; Shafa Sabrina Almas; Siti Mukaromah; Eka Dyar Wahyuni
Journal of Computer Science and Information Technology Vol. 3 No. 3 (2026): Juni
Publisher : Yayasan Nuraini Ibrahim Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Perkembangan layanan perbankan digital mendorong institusi perbankan untuk terus meningkatkan kualitas aplikasi perbankan mobile banking untuk memenuhi kebutuhan dan kepuasan nasabah. Penelitian ini dilakukan untuk menganalisis serta membandingkan tingkat efektivitas algoritma klasifikasi sentimen yang meliputi SVM, Logistic Regression, dan IndoBERT untuk menganalisis opini pengguna yang disampaikan melalui ulasan aplikasi WONDR by BNI. Data penelitian diperoleh melalui proses ekstraksi umpan balik pengguna yang tersedia pada Google Play Store, yang memiliki jumlah ulasan 10.001. Setelah melalui tahap data cleaning, dataset berkurang menjadi 9.999 data karena penghapusan data duplikat dan data yang tidak valid, kemudian sebanyak 9.998 data digunakan pada tahap analisis setelah menghapus satu data yang tidak dapat diproses akibat karakter non-teks. Proses penelitian meliputi pemrosesan awal teks berbahasa Indonesia, pelabelan sentimen menggunakan Groq API berbasis Large Language Model (LLM), pembagian dataset menjadi data latih dan data uji dengan rasio 80:20, ekstraksi fitur TF-IDF untuk model SVM dan Logistic Regression, serta proses fine-tuning IndoBERT sebagai model berbasis transformer. Hasil dari pengujian menunjukkan bahwa IndoBERT yang telah disempurnakan memberikan hasil terbaik dengan accuracy sebesar 88,9%, presicion 89,3%, recall 88,9%, dan F1-score 89,1%. Sementara itu, SVM memperoleh accuracy 85,5%, precision 83,6%, recall 85,5%, dan F1-score 84,0%, sedangkan Logistic Regression memperoleh accuracy 85,5%, precision 83,5%, recall 85,5%, serta nilai F1-score sebesar 83,0%. Berdasarkan hasil penelitian, diketahui bahwa algoritma berbasis transformer menunjukkan kemampuan yang lebih unggul dalam konteks bahasa Indonesia jika dibandingkan dengan model machine learning berbasis TF-IDF. Hasil penelitian ini diharapkan dapat memberikan rujukan bagi peneliti maupun praktisi guna menentukan metode klasifikasi sentimen yang paling sesuai untuk mengevaluasi ulasan pengguna aplikasi perbankan digital berdasarkan data ulasan yang tersedia.
DETEKSI TIMPA GAMBAR DENGAN TEKS MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK DAN OPTICAL CHARACTER RECOGNITION Muhammad Alif Syafan; Fahrim Irhamna Rachman; Darniati Darniati
Journal of Computer Science and Information Technology Vol. 3 No. 3 (2026): Juni
Publisher : Yayasan Nuraini Ibrahim Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Penyebaran disinformasi melalui manipulasi timpa gambar dengan teks semakin marak dan sulit dideteksi karena artefak visualnya yang sangat halus dan rentan tersamarkan oleh kompresi citra. Penelitian ini mengusulkan arsitektur multi-stream network multimodal untuk mendeteksi manipulasi tersebut. Kebaruan (novelty) dan kontribusi utama penelitian ini terletak pada integrasi adaptif antara analisis anomali visual tingkat piksel dan anomali tipografi menggunakan gated attention mechanism. Metode usulan menggabungkan Convolutional Neural Network (CNN) berarsitektur EfficientNet-B3 yang dipertajam Sobel filter sebagai pengekstraksi fitur visual, dengan Optical Character Recognition (OCR) berbasis EasyOCR sebagai pengekstraksi fitur statistik teks. Evaluasi terhadap dataset Real Text Manipulation (RTM) membuktikan bahwa model multimodal usulan lebih unggul dibandingkan model CNN tunggal. Pada ambang batas optimal 0,4961, model mencapai akurasi 73,18% dan F1-score 0,7959. Integrasi OCR terbukti sangat efektif menambal kelemahan deteksi visual murni dengan lonjakan tingkat recall mencapai 79,05%. Meskipun pengujian generalisasi pada dataset media sosial dan generative AI masih mengalami penurunan akibat domain gap kompresi ekstrem, integrasi CNN dan OCR secara signifikan berkontribusi meningkatkan sensitivitas deteksi manipulasi teks untuk keperluan forensik digital
ANALISIS PENGENDALIAN PERSEDIAAN STOK BUAH DAN SAYUR MENGGUNAKAN METODE FIFO UNTUK MEMINIMALISIR RISIKO KERUGIAN AKIBAT FASE SENESENS (STUDI KASUS: SWALAYAN IBU HAYANI) Abd. Ghofur; Muhammad Yusupul Hamdani; Anas Rullah; Rasi Rasi; Ramdan Al Farisi
Journal of Computer Science and Information Technology Vol. 3 No. 3 (2026): Juni
Publisher : Yayasan Nuraini Ibrahim Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Persediaan buah dan sayur merupakan komoditas perishable goods yang memiliki risiko tinggi mengalami kerusakan akibat fase senesens apabila tidak dikelola dengan sistem pengendalian persediaan yang tepat. Penelitian ini bertujuan menganalisis efektivitas penerapan metode First In First Out (FIFO) dalam meminimalisir kerugian akibat fase senesens pada persediaan buah dan sayur di Swalayan Ibu Hayani. Penelitian menggunakan pendekatan deskriptif kuantitatif dengan desain studi kasus serta analisis deskriptif, analisis komparatif sebelum dan sesudah penerapan FIFO, dan analisis persentase berdasarkan indikator jumlah barang masuk, jumlah produk terjual, jumlah produk yang mengalami kerusakan akibat fase senesens, serta persentase penyusutan persediaan (shrinkage). Hasil penelitian menunjukkan bahwa penerapan metode FIFO mampu menurunkan jumlah produk yang mengalami kerusakan dari 145 kg (13,55%) menjadi 90 kg (8,41%) atau turun sebesar 5,14 poin persentase, serta meningkatkan jumlah produk yang terjual dari 925 kg menjadi 980 kg. Penelitian ini memberikan kontribusi melalui penerapan metode FIFO yang dipadukan dengan klasifikasi masa simpan (shelf-life) komoditas untuk menentukan prioritas rotasi stok sehingga pengendalian persediaan menjadi lebih sesuai dengan karakteristik produk hortikultura yang mudah mengalami fase senesens dan mampu meningkatkan efektivitas pengelolaan persediaan pada usaha ritel buah dan sayur.
IMPLEMENTASI MODEL TRANSFORMER INDOBERT BERBASIS DEEP LEARNING UNTUK DETEKSI SPAM PESAN TEKS BERBAHASA INDONESIA Annisa Alfrini; Desi Anggreani; Fahrim Irhamna Rachman
Journal of Computer Science and Information Technology Vol. 3 No. 3 (2026): Juni
Publisher : Yayasan Nuraini Ibrahim Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Perkembangan teknologi informasi dan komunikasi dalam beberapa tahun terakhir telah mendorong peningkatan penggunaan media digital secara masif, salah satunya adalah aplikasi Telegram. Namun, fenomena ini memunculkan permasalahan baru, yaitu ancaman penyebaran pesan spam yang tidak terkendali, berpotensi mengganggu kenyamanan, menyebabkan kerugian finansial, serta mengancam keamanan data pengguna akibat skema penipuan. Penelitian ini bertujuan untuk mengimplementasikan model deep learning berbasis arsitektur Transformer, secara spesifik menggunakan model IndoBERT, untuk mendeteksi dan mengklasifikasikan pesan teks Telegram berbahasa Indonesia ke dalam kategori spam dan non-spam (ham). Penelitian ini memanfaatkan dataset seimbang yang berjumlah 5.971 pesan teks (2.979 spam dan 2.992 non-spam), yang dikumpulkan secara langsung melalui metode scraping dari berbagai grup Telegram publik. Tahapan penelitian dirancang secara sistematis, meliputi prapemrosesan teks (case folding, cleaning, dan tokenisasi awal), tokenisasi lanjutan menggunakan metode WordPiece, penyesuaian parameter, serta proses fine-tuning pada model pralatih IndoBERT. Evaluasi performa model diukur secara komprehensif menggunakan confusion matrix. Hasil penelitian menunjukkan bahwa model IndoBERT berhasil mengidentifikasi pola linguistik spam, termasuk penggunaan bahasa informal, tautan eksternal, hingga manipulasi karakter. Model menghasilkan kinerja klasifikasi yang sangat optimal dengan perolehan nilai akurasi sebesar 97,32%, presisi 98,62%, recall 95,97%, dan F1-score 97,28%. Selain itu, pengujian langsung terhadap 10 sampel data baru (unseen data) menunjukkan tingkat keberhasilan prediksi sebesar 100% secara spesifik pada skala pengujian tersebut. Kesimpulannya, pendekatan model IndoBERT terbukti sangat efektif, tangguh, dan adaptif untuk diimplementasikan sebagai sistem penyaringan spam otomatis secara real-time pada teks berbahasa Indonesia.

Page 11 of 11 | Total Record : 110

 7   8   9   10   11 

Filter by Year

2023 2026


Reset
Filter By Issues
All Issue Vol. 3 No. 3 (2026): Juni Vol. 3 No. 2 (2026): Maret Vol. 3 No. 1 (2025): Desember Vol. 2 No. 4 (2025): September Vol. 2 No. 3 (2025): Juni Vol. 2 No. 2 (2025): Maret Vol. 2 No. 1 (2024): Desember Vol. 1 No. 4 (2024): September Vol. 1 No. 3 (2024): Juni Vol. 1 No. 2 (2024): Maret Vol. 1 No. 1 (2023): Desember 2023 More Issue