cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Tri A. Sundara
Contact Email
tri.sundara@stmikindonesia.ac.id
Phone
+628116606456
Journal Mail Official
ijcs@stmikindonesia.ac.id
Editorial Address
Jalan Khatib Sulaiman Dalam 1, Padang, Indonesia
Location
Kota padang,
Sumatera barat
INDONESIA
The Indonesian Journal of Computer Science
Published by STMIK Indonesia Padang
ISSN : 25497286     EISSN : 25497286     DOI : https://doi.org/10.33022
Core Subject : Science, Engineering,
Computer Science & IT Electrical & Electronics Engineering Engineering
The Indonesian Journal of Computer Science (IJCS) is a bimonthly peer-reviewed journal published by AI Society and STMIK Indonesia. IJCS editions will be published at the end of February, April, June, August, October and December. The scope of IJCS includes general computer science, information system, information technology, artificial intelligence, big data, industrial revolution 4.0, and general engineering. The articles will be published in English and Bahasa Indonesia.
Arjuna Subject : Ilmu Komputer (semua kategori) - Ilmu Komputer (Lain-Lain)
Articles 39 Documents
 1   2   3   4 
Search results for , issue "Vol. 12 No. 4 (2023): The Indonesian Journal of Computer Science (IJCS)" : 39 Documents clear
Faktor-Faktor yang Mempengaruhi Pemilik Pengetahuan dalam Proses Pembelajaran pada Mahasiswa Fakultas Ilmu Komputer Universitas Sriwijaya Dian Apriani, Dian Apriani; Ihsan Jambak, Muhammad
The Indonesian Journal of Computer Science Vol. 12 No. 4 (2023): The Indonesian Journal of Computer Science (IJCS)
Publisher : AI Society & STMIK Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33022/ijcs.v12i4.3203

Abstract

Dalam proses pembelajaran, penciptaan pengetahuan terjadi ketika seorang individu yang berperan sebagai pemilik pengetahuan dapat menyampaikan pengetahuan yang dimilikinya ke individu lain. Namun, proses tersebut terkadang tidak berjalan dengan baik, sehingga dibutuhkan suatu sistem informasi yang sesuai dengan kebutuhan pengguna sebagai pemilik pengetahuan dengan mengetahui faktor-faktor yang mempengaruhi pemilik pengetahuan dalam menyampaikan pengetahuan pada saat proses pembelajaran. Teori yang mendasari konstruk penelitian ini adalah Model SECI (Sosialisasi, Eksternalisasi, Kombinasi, Internalisasi). Penelitian ini menggunakan metode kuantitatif. Populasi dalam penelitian ini berjumlah 2.666 dan jumlah sampel 348 yang diperoleh menggunakan metode Stratified Random Sampling. Dalam menganalisis data, menggunakan teknik Rasch Model dan software Winstep. Hasil yang diperoleh adalah proses sosialisasi dan internalisasi merupakan faktor yang dapat mempengaruhi mahasiswa sebagai pemilik pengetahuan karena cenderung lebih mudah dilakukan dan banyak disetujui untuk diterapkan.
Implementasi Algoritma MFCC dan CNN dalam Klasifikasi Makna Tangisan Bayi Yusdiantoro, Senli Yusdiantoro; Sasongko, Theopilus Bayu
The Indonesian Journal of Computer Science Vol. 12 No. 4 (2023): The Indonesian Journal of Computer Science (IJCS)
Publisher : AI Society & STMIK Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33022/ijcs.v12i4.3243

Abstract

Menangis merupakan salah satu usaha bayi dalam berkomunikasi untuk menyampaikan suatu kondisi yang sedang dialaminya, baik itu sedang lelah, sakit perut, rasa tidak nyaman maupun lapar. Bagi sebagian orang tua yang baru memiliki anak tentu tidak selalu mampu untuk memahami apa yang dikehendaki oleh bayi ketika dia menangis, karena suara tangisan yang dihasilkan terdengar hampir sama. Maka, pada penelitian ini dibuat sebuah sistem klasifikasi makna tangisan bayi dengan mengimplementasikan deep learning. Untuk memahami arti tangisan bayi berdasarkan penyebabnya dengan mengimplementasikan metode Mel-Frequency Cepstral (MFCC) sebagai fitur ekstraksi ciri dan CNN sebagai metode klasifikasi. Diantara proses pelatihan dan pengujian yang telah berhasil dilakukan dalam penelitian ini diperoleh hasil akurasi tertinggi terhadap pelatihan yang dilakukan dengan 50 epoch sebesar 93,84% dan model mampu mengklasifikasikan makna tangisan bayi berdasarkan penyebabnya terhadap data baru dengan rata-rata akurasi 88.04%.
Project-Based Learning (PjBL) Model in E-Module as an Improvement of Critical Thinking in the Department of Cosmetology And Beauty Rahmi Oktarina; Siska Miga Dewi
The Indonesian Journal of Computer Science Vol. 12 No. 4 (2023): The Indonesian Journal of Computer Science (IJCS)
Publisher : AI Society & STMIK Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33022/ijcs.v12i4.3264

Abstract

The goal of this research is to enhance learning and critical thinking abilities of Cosmetology and Beauty students in e-commerce courses through the implementation of interactive e-commerce e modules. This study uses a quasi-experimental approach with control groups for the pretest and posttest. Data collection was carried out using instruments in the form of open questionnaires and tests. The study's data analysis method is quantitative descriptive analysis, differentiation power analysis using T Test and qualitative descriptive analysis. The independent sample t test findings describe a Sig (2 Tailed) greater in the experimental class compared to the control class, it can be inferred that there is a substantial difference between the two groups. The overall findings support the usage of the e-module in e-commerce courses because it has been shown to enhance critical thinking abilities and learning outcomes.
Klasifikasi Penyakit Bawang Merah Menggunakan Naïve Bayes dan Convolutional Neural Network Dian; Purnawansyah; Darwis, Herdianti; Nurhayati, Lilis
The Indonesian Journal of Computer Science Vol. 12 No. 4 (2023): The Indonesian Journal of Computer Science (IJCS)
Publisher : AI Society & STMIK Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33022/ijcs.v12i4.3265

Abstract

Bawang merah rentan terhadap serangan penyakit yang dapat mengganggu pertumbuhan dan mengakibatkan hasil panen yang tidak maksimal bahkan gagal panen, seperti bercak ungu dan moler. Penelitian ini bertujuan untuk mengklasifikasikan penyakit bawang merah dengan mengimplementasikan meetode naïve bayes (gaussian , bernoulli, dan multinomial) dan CNN pada citra bawang merah yang diekstraksi menggunakan fourier descriptor. Metode FD – CNN memperoleh tingkat accuracy 98% dalam mengklasifikasikan penyakut bawang merah, moler dan bercak ungu, sedangkan metode CNN tanpa menggunakan ekstraksi menghasilkan nilai accuracy sebesar 97%. Adapun pada metode naïve bayes, pengklasifikasian yang memiliki accuracy paling tinggi adalah metode gaussian naïve bayes sebesar 95% sedangkan yang paling rendah yaitu metode bernoulli naïve bayes dengan tingkat accuracy sebesar 42%. Dengan demikian, dapat disimpulkan bahwa CNN, FD-CNN, dan FD-GNB efektif untuk meningkatkan performa klasifikasi pada citra daun bawang merah.
Integration of Artificial Intelligence in Education: Opportunities, Challenges, Threats and Obstacles. A Literature Review. Saputra, Indra; Astuti, Murni; Sayuti, Muhammad; Kusumastuti, Dyah
The Indonesian Journal of Computer Science Vol. 12 No. 4 (2023): The Indonesian Journal of Computer Science (IJCS)
Publisher : AI Society & STMIK Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33022/ijcs.v12i4.3266

Abstract

The research background is the rapid development of AI which affects various aspects of education. The purpose of this study is to analyze in depth about the opportunities, challenges, threats and obstacles to the implementation of AI in education. The research method used in this study is semy-systematic literature review. The analysis technique used is a meta-narrative approach that includes the process of identifying, analyzing, recognizing patterns and topic-related themes. The results describe that AI opportunities in education are related to the delivery of learning materials, evaluation, management systems, and educational policy making. Meanwhile, the challenges are related to pedagogy, educational frameworks, and literacy. Threats that arise are related to the security of personal data, character building and educational ethics. Finally, obstacles that arise include the high costs required, limited teacher and professional training schemes in preparing AI competencies, and slow changes in curriculum structure and structural level of education.
Optimasi K-Nearest Neighbor dengan Grid Search CV pada Prediksi Kanker Paru-Paru Kusuma, Satya Tegar; Sasongko, Theopilus Bayu
The Indonesian Journal of Computer Science Vol. 12 No. 4 (2023): The Indonesian Journal of Computer Science (IJCS)
Publisher : AI Society & STMIK Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33022/ijcs.v12i4.3267

Abstract

Kanker paru-paru adalah salah satu kanker paling mematikan di seluruh. Salah satu penyebab kematian pada penderita kanker paru-paru adalah tidak ada sistem untuk memprediksi kanker paru-paru secara optimal apakah pasien menderita kanker paru-paru atau tidak. Oleh karena itu, penelitian ini bertujuan untuk melakukan optimasi nilai K pada algoritma k-nearest neighbor (KNN) menggunakan metode grid search cv. Algoritma KNN dipilih karena pada berbagai penelitian memiliki tingkat akurasi yang lebih baik dibandingkan dengan algoritma supervised learning lainnya. Data yang digunakan pada penelitian ini bersumber dari data publik yang ada di kaggle. Berdasarkan penelitian dan pembahasan mengenai optimasi nilai K pada algoritma KNN menggunakan metode grid search cv didapatkan nilai K paling optimal yaitu 3 dengan tingkat akurasi 96%. Oleh karena itu, nilai K=3 sangat baik diterapkan pada algoritma KNN untuk memprediksi kanker paru-paru karena memiliki akurasi yang tinggi.
Karakteristik Pembatalan Reservasi Kamar Hotel Pada Online Travel Agent Menggunakan Algoritma C4.5 Zhafira Zafitri; Muhammad Ihsan Jambak
The Indonesian Journal of Computer Science Vol. 12 No. 4 (2023): The Indonesian Journal of Computer Science (IJCS)
Publisher : AI Society & STMIK Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33022/ijcs.v12i4.3268

Abstract

Sistem reservasi hotel konvensional yang digunakan di masa lalu digantikan oleh perusahaan teknologi inovatif yang disebut dengan Online Travel Agent (OTA) seperti Traveloka, Tiket.com dan lainnya. Namun, adanya sistem reservasi online ini munculnya suatu permasalahan dimana tingginya tingkat pembatalan reservasi. Penelitian ini bertujuan menganalisis data dengan menggunakan aplikasi RapidMiner dan algoritma C4.5, penggunaan algoritma tersebut pada penelitian ini dapat membantu pihak OTA untuk memahami karakteristik customer yang cenderung membatalkan reservasi mereka dan memperkirakan peluang pembatalan reservasi di masa depan, serta mengatasinya. Data yang digunakan pada penelitian ini berasal dari situs kaggle dengan jumlah atribut/fitur sebanyak 28 fitur/atribut (27 atribut reguler dan 1 atribut sebagai label) dan terdiri dari 56.474 baris. Dari hasil modeling dan pengujian didapatkan rule dan pohon keputusan yang dapat dijadikan aturan dalam menentukan customer yang membatalkan reservasi. Hasil pohon keputusan menunjukan bahwa terdapat 10 fitur/atribut yang memiliki pengaruh besar terhadap pembatalan reservasi kamar hotel oleh customer dan atribut previous_cancellations merupakan atribut pertama yang dipertimbangkan untuk memahami karakteristik pembatalan tersebut. Pengujian model menggunakan K-Fold Cross Validation pada penelitian ini menghasilkan nilai akurasi sebesar 72.68% .
Refining Web-Based Job Search through Goal-Directed Design Improvement Buana, I Gusti Agung Ayu Made Bidari Bening; Oetama, Raymond
The Indonesian Journal of Computer Science Vol. 12 No. 4 (2023): The Indonesian Journal of Computer Science (IJCS)
Publisher : AI Society & STMIK Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33022/ijcs.v12i4.3269

Abstract

This study aims to improve a job search web application that not only addressed usability problems but also surpassed user expectations. A recently released job search web application was found to have usability problems during interviews with the Information Technology division. To measure the usability of the application and provide recommendations for improvement, the study uses the Goal-Directed Design framework, Performance Measurement method, and System Usability Scale measurement method. The evaluation was conducted twice, with the first assessment identifying problems and the second evaluation measuring the effectiveness of the recommendations made. The website prototype was developed and passed all test scenarios with an A+ grade. The modifications make important level of effectiveness, achieving an A+ grade with an 85% effectiveness rate. Furthermore, the website received exceptional user satisfaction, with an A+ rating and a score of 85.5 in usability satisfaction.
Identification of Maize Leaf Diseases Based On AlexNet and ResNet50 Convolutional Neural Networks Micheni, Maurice; Birithia, Rael; Mugambi, Cyrus; Too, Boaz; Kinyua, Margaret
The Indonesian Journal of Computer Science Vol. 12 No. 4 (2023): The Indonesian Journal of Computer Science (IJCS)
Publisher : AI Society & STMIK Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33022/ijcs.v12i4.3270

Abstract

Maize crop protection is crucial for global food security, requiring accurate disease identification. In Kenya, farmers rely on subjective visual analysis of symptomatic leaves, which is time-consuming and prone to errors. Computer vision technologies, like deep learning and machine learning, offer promising solutions for disease identification. This study applies Convolutional Neural Networks (CNNs), specifically AlexNet and ResNet-50, to automatically learn image features and enhance speed and accuracy in maize leaf disease identification. A dataset of 3200 digital maize leaf disease images from Embu County is used for training and testing. AlexNet achieved the highest average accuracy of 98.3%, followed by ResNet-50 at 96.6%. The machine learning, support vector machine (SVM) exhibited the lowest average accuracy of 85.5%. These findings highlight the significance of utilizing AlexNet and ResNet-50 in maize leaf disease identification and classification.
Perbandingan Algoritma Support Vector Machine dan Neural Network untuk Klasifikasi Penyakit Hati Nurrokhman, Ma'mur Zaky
The Indonesian Journal of Computer Science Vol. 12 No. 4 (2023): The Indonesian Journal of Computer Science (IJCS)
Publisher : AI Society & STMIK Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33022/ijcs.v12i4.3274

Abstract

Pada penelitian ini dilakukan perbandingan dua algoritma untuk klasifikasi penyakit hati, yaitu algoritma Support Vector Machine (SVM) dan Neural Network berjenis Multi Layer Perceptron (MLP). Pelatihan model dilakukan dengan bantuan Grid Search Cross Validation (GridSearchCV). Tujuan dari penelitian ini yaitu untuk mengetahui model machine learning dengan performa terbaik yang dihasilkan dari kedua algoritma tersebut. Dataset yang digunakan diambil dari situs UCI Machine Learning Repository dengan nama dataset yaitu Indian Liver Patient Dataset. Hasil penelitian menunjukkan bahwa model klasifikasi penyakit hati dengan algoritma SVM memiliki kinerja yang lebih baik dan akurasi yang lebih tinggi yaitu 87,65%. Kinerja yang baik ini juga ditandai dengan hasil pada Confusion Matrix yang menunjukkan bahwa model tidak memprediksi penderita penyakit hati sebagai bukan penderita penyakit hati sehingga tidak membahayakan penderita penyakit hati.

Page 1 of 4 | Total Record : 39

 1   2   3   4 

Filter by Year

2023 2023


Reset
Filter By Issues
All Issue Vol. 14 No. 6 (2025): The Indonesian Journal of Computer Science Vol. 14 No. 5 (2025): The Indonesian Journal of Computer Science Vol. 14 No. 4 (2025): The Indonesian Journal of Computer Science Vol. 14 No. 3 (2025): The Indonesian Journal of Computer Science Vol. 14 No. 2 (2025): The Indonesian Journal of Computer Science Vol. 14 No. 1 (2025): The Indonesian Journal of Computer Science (IJCS) Vol. 13 No. 6 (2024): The Indonesian Journal of Computer Science (IJCS) Vol. 13 No. 5 (2024): The Indonesian Journal of Computer Science (IJCS) Vol. 13 No. 4 (2024): The Indonesian Journal of Computer Science (IJCS) Vol. 13 No. 3 (2024): The Indonesian Journal of Computer Science (IJCS) Vol. 13 No. 2 (2024): The Indonesian Journal of Computer Science (IJCS) Vol. 13 No. 1 (2024): The Indonesian Journal of Computer Science (IJCS) Vol. 12 No. 6 (2023): The Indonesian Journal of Computer Science (IJCS) Vol. 12 No. 5 (2023): The Indonesian Journal of Computer Science (IJCS) Vol. 12 No. 4 (2023): The Indonesian Journal of Computer Science (IJCS) Vol. 12 No. 3 (2023): The Indonesian Journal of Computer Science Vol. 12 No. 2 (2023): The Indonesian Journal of Computer Science Vol. 12 No. 1 (2023): The Indonesian Journal of Computer Science Vol. 11 No. 3 (2022): The Indonesian Journal of Computer Science Vol. 11 No. 2 (2022): The Indonesian Journal of Computer Science Vol. 11 No. 1 (2022): The Indonesian Journal of Computer Science More Issue