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 99 Documents
 1   2   3   4   5 
Search results for , issue "Vol. 13 No. 2 (2024): The Indonesian Journal of Computer Science (IJCS)" : 99 Documents clear
Development of Corrosion Segmentation Using Deep Learning Double Architecture Method to Assist the Analysis and Evaluation Process of Corrosion Inspection Juliarsyah, Rizanto; Alief Wikarta
The Indonesian Journal of Computer Science Vol. 13 No. 2 (2024): 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.v13i2.3633

Abstract

Corrosion of pump unit components often occurs in coal mines and can lead to frequent failures of some components. As a result, a corrosion inspection needs to be performed on each component to minimize the possibility of damage. Currently, manual inspection methods are used for corrosion testing but there are still metal defects in the form of corrosion that are uninspected. Therefore, this study aimed to develop corrosion segmentation using computer vision with deep learning double architecture method for detection and evaluation of metal corrosion in order to reduce the loss due to manual inspections. To produce a faster and more accurate analysis method, deep learning double architecture algorithm, namely VGG16-UNET, can be applied with the help of computer vision technology. Consequently, the use of VGG16-UNET method achieved an accuracy of 98.42%. This is in contrast with the single UNET architecture, which produced an accuracy of 92.6%. Based on these findings, it was concluded that the development of this recommended inspection made the analysis and evaluation of corrosion inspection to be quick and easy.
Implementasi Pengolahan Citra Digital dalam Pengenalan Wajah Menggunakan Contrast Stretching dan Algoritma Viola Jones M.Iqbal, M.Iqbal; Imrah, Imrah Sari; Agung, Agung Ramadhanu
The Indonesian Journal of Computer Science Vol. 13 No. 2 (2024): 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.v13i2.3660

Abstract

Wajah manusia merupakan salah satu bagian penting pada tubuh yang mempunyai ciri khusus yang dapat membedakan seseorang. Perbedaan ciri dari wajah seseorang dapat diidentifikasi dengan sistem pengenalan wajah (face Recognition). Kemajuan teknologi dalam pengenalan wajah memberikan dampak dalam berbagai sektor seperti keamanan, keuangan, kesehatan dan hiburan. Penelitian ini melakukan Pengenalan wajah dengan mengimplentasikan pengolahan citra digital menggunakan contrast stretching dan algoritma viola jones untuk mendapatkan nilai akurasi yang baik dalam pengenalan wajah dengan bantuan aplikasi Matlab. Dari hasil penelitian dalam pengenalan wajah diperoleh hasil akurasi yang akurat yaitu mencapai 91,89% dan hasil identifikasi pengenalan wajah pada citra sesuai.
Visualisasi Data Operasi SAR BASARNAS Di Indonesia Menggunakan Google Looker Studio Asher, Jansnio; Rachmawati, Eka Putri
The Indonesian Journal of Computer Science Vol. 13 No. 2 (2024): 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.v13i2.3672

Abstract

BASARNAS merupakan lembaga pemerintah Indonesia yang bertanggung jawab dalam melakukan kegiatan pencarian dan penyelamatan (SAR) di berbagai situasi darurat, bencana alam, kecelakaan, maupun kondisi lain yang memerlukan pertolongan evakuasi. Basarnas menghadapi tantangan besar terkait pengelolaan data dalam operasi SAR. Volume data yang terus meningkat dari berbagai sumber, seperti laporan kejadian, informasi geografis, dan status korban, membutuhkan pendekatan yang sistematis untuk mengelola, menganalisis, dan menyajikan informasi tersebut secara efektif. Manajemen data yang efisien, dalam operasi SAR, menjadi hal penting. Manajemen data menggunakan Google Sheets untuk membuat, memperbaharui dan memodifikasi dataset merupakan teknik yang mampu menyelesaikan masalah situasi darurat. Tujuannya adalah untuk membuat visualisasi data berupa dashboard kantor daerah SAR BASARNAS di Indonesia menggunakan Google Looker Studio. Berdasarkan hasil visualisasi, kantor SAR yang sering menangani kecelakaan pesawat udara, kecelakaan kapal, bencana, kondisi membahayakan manusia, dan kecelakaan penanganan khusus dengan 792 kejadian adalah Surabaya sedangkan yang mengavakuasi korban paling banyak total 29.049 korban adalah Makassar.
Identifikasi Pengolahan Citra Pada Face Detection Menggunakan Metode Median Filtering dan Viola-Jones Sandiva, Tesa Vausia; Yemi, Leonardo; Ramadhanu, Agung
The Indonesian Journal of Computer Science Vol. 13 No. 2 (2024): 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.v13i2.3675

Abstract

Penelitian ini bertujuan untuk mengidentifikasi pengolahan citra pada sistem deteksi wajah (Face Detection) dengan memanfaatkan metode Median Filtering dan Viola-Jones. Metode Median Filtering digunakan dalam tahap preprocessing untuk mengurangi noise dan meningkatkan kualitas citra, khususnya dalam mengatasi noise seperti salt & pepper. Selanjutnya, metode Viola-Jones diterapkan sebagai metode utama untuk mendeteksi wajah, memanfaatkan Haar Like Feature, Integral Image, Adaboost Learning, dan Cascade Classifier. Penelitian ini mencapai tingkat akurasi keberhasilan deteksi wajah sebesar 90%, menunjukkan efektivitas kombinasi kedua metode dalam meningkatkan performa sistem. Hasil penelitian ini diharapkan dapat memberikan kontribusi positif terhadap perkembangan teknologi pengolahan citra, khususnya dalam aplikasi pengenalan wajah dengan tingkat akurasi yang tinggi.
Analisis Proses Bisnis Pada Pendaftaran Pelanggan Pemasangan PDAM Kota Baturaja Dengan Metode BPI (Business Process Improvement) Saputri, Sonia Dwi; Putra, Pacu; Oktadini, Nabila Rizky; Sevtiyuni, Putri Eka; Meiriza, Allsela
The Indonesian Journal of Computer Science Vol. 13 No. 2 (2024): 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.v13i2.3681

Abstract

Notasi Pemodelan Proses Bisnis (BPMN) adalah standar pemodelan proses bisnis yang menawarkan diagram proses bisnis dengan representasi grafis dari proses bisnis. BPMN memberi organisasi representasi grafis untuk komunikasi standar. BPMN bertujuan untuk mendukung manajemen proses bisnis bagi pengguna teknis dan bisnis dengan menyediakan notasi intuitif kepada pengguna bisnis yang dapat mengekspresikan proses semantik yang kompleks. Tujuan dalam penelitian adalah untuk mendeskripsikan proses bisnis registrasi pelanggan pada fasilitas PDAM Kota Baturaja dengan menggunakan model Business Process Modeling Notation (BPMN), menganalisis proses bisnis pada pendaftaran pelanggan pada fasilitas PDAM Kota Baturaja dengan menggunakan metode Proses Bisnis Peningkatan (BPI). Dan merekomendasikan proses bisnis pendaftaan pelanggan PDAM Kota Baturaja dengan metode Proses Bisnis Peningkatan (BPI) yang efektif. Manfaat penelitian bagi perusahaan adalah meningkatkan kualitas kinerja untuk mencapai tujuannya tanpa mengalami kerugian. Metode dalam penelitian adalah Proses Bisnis Peningkatan (BPI), yang merupakan metode untuk menganalisis dan memperbaiki proses bisnis bantuan Bizagi Modeler untuk analisis simulasi proses bisnis dan tools yang memperbaiki proses bisnis lama agar proses bisnis menjadi lebih efektif dan efisien. Data perama kali dikumpulkan melalui obsevasi berbicara dengan beberapa karyawan dan memunculkan ide-ide agar proses bisnis ini lebih efektif dan efisien. Hasil penelitian menunjukkan bahwa pada penelitian ini terdapat beberapa kendala dalam proses bisnis pendaftaran pelanggan pemasangan pdam baik dari segi ketersediaan personel, proses pengerjaan, dan tugas perusahaan. Oleh karena itu, proses bisnis harus diperbaiki sesuai dengan rekomendasi yang disampaikan.
Dampak Pengambilan Sampel Data untuk Optimalisasi Data tidak seimbang pada Klasifikasi Penipuan Transaksi E-Commerce Priatna, Wowon
The Indonesian Journal of Computer Science Vol. 13 No. 2 (2024): 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.v13i2.3698

Abstract

Tujuan dari penelitian ini adalah untuk mengatasi masalah pengklasifikasian dan prediksi data yang tidak seimbang terkait dengan kondisi transaksi E-Commerce. Menjamurnya transaksi e-commerce menimbulkan potensi permasalahan: penipuan dalam pembelian e-commerce. Kasus penipuan e-niaga terus meningkat setiap tahun sejak tahun 1993. Menurut survei tahun 2013, untuk setiap $100 transaksi e-niaga, terdapat kerugian sebesar 5,65 sen akibat penipuan. Mendeteksi penipuan merupakan pendekatan yang efektif untuk meminimalkan terjadinya aktivitas penipuan dalam transaksi e-commerce. Pembelajaran menjadi metode yang semakin dapat diandalkan untuk memprediksi keadaan. Tidak adanya keseimbangan antara data yang curang dan tidak curang mengakibatkan klasifikasi menjadi bias. Algoritma SMOTE diperlukan untuk mencapai keseimbangan data. Selanjutnya peristiwa transaksi akan diklasifikasikan menggunakan algoritma Support Vector Machine, K-Nearest Neighbor, Naive Bayes, dan C45, dengan mempertimbangkan hasil penyeimbangan data. Di antara algoritma SVM, KNN, dan C45, metode Naive Bayes menunjukkan nilai akurasi tertinggi. Oleh karena itu, disarankan untuk menggunakan teknik ini untuk tujuan mengidentifikasi kondisi e-commerce
Sistem Penyiraman dan Pemupukan Otomatis pada Tanaman Pinang Menggunakan Metode Fuzzy Mamdani Bayti Widya Rezky; Nirmala, Irma; Sari, Kartika
The Indonesian Journal of Computer Science Vol. 13 No. 2 (2024): 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.v13i2.3703

Abstract

Tanaman pinang dapat tumbuh pada kelembapan tanah sekitar 60 - 80%, dengan pH tanah antara 4 – 8, dan suhu optimum 20 - 32℃. Tanaman pinang membutuhkan pasokan air dan pupuk dengan kadar yang sesuai dan pemberiannya dilakukan secara terjadwal untuk mendapatkan pertumbuhan yang optimal. Maka dari itu, dikembangkan sebuah sistem yang dapat mengambil keputusan durasi penyiraman dan pemupukan otomatis yang bekerja secara terjadwal. Penelitian ini menggunakan logika fuzzy mamdani yang diintegrasikan dengan Arduino Uno sebagai pengendali utama sistem. Sensor DHT11, capacitive soil moisture sensor, dan sensor pH tanah dijadikan parameter masukan fuzzy. Pengujian sistem dilakukan dengan jadwal penyiraman setiap hari pada pukul 08.00 dan 16.00, pemupukan jadwalkan setiap seminggu sekali pada pukul 10.00 menggunakan Real Time Clock (RTC). Sistem inferensi fuzzy yang dirancang telah berhasil mengatasi permasalahan yang ada. Hasil pengujian basis aturan fuzzy pada proses penyiraman didapatkan nilai akurasi sebesar 93% dan proses pemupukan diperoleh nilai akurasi sebesar 86%.
Analisis Keamanan Web Menggunakan Open Web Application Security Web (OWASP) Victor Ilyas Sugara; I Wayan Sriyasa
The Indonesian Journal of Computer Science Vol. 13 No. 2 (2024): 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.v13i2.3736

Abstract

Aplikasi web telah menjadi bagian integral dari kehidupan sehari-hari, memberikan layanan yang diperlukan untuk berkomunikasi, berbelanja, bertransaksi, dan berbagai aktivitas lainnya. Permasalahan yang muncul terkait keamanan web adalah ketidakmampuan sistem aplikasi untuk melindungi informasi sensitif dari ancaman siber. Top 10 OWASP adalah daftar yang diperbarui secara berkala yang memuat sepuluh kerentanan keamanan aplikasi web yang paling umum terjadi Level risiko yang bersifat medium memiliki confidence level yang sama, yakni 11.1%, dengan total level risiko Medium adalah 33.3%. Seluruh celah kemanan yang ditemukan hampir semuanya berkaitan dengan A05 Kesalahan Konfigurasi Keamanan & A06 Komponen yang Rentan dan Kedaluwarsa pada OWASP Top 10:2021.Rekomendasi perbaikan terhadap temuan sudah diberikan, dan diantaranya bersifat perbaikan didalam source code dan konfigurasi pada application server/web server yang diprioritaskan kepada temuan yang bersifat High, Medium dan Low.
Klasifikasi Citra Penyakit Tanaman pada Daun Paprika dengan Metode Transfer Learning Menggunakan DenseNet-201 Salim, Vilvilia; Abdullah, Asrul; Utami, Putri Yuli
The Indonesian Journal of Computer Science Vol. 13 No. 2 (2024): 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.v13i2.3746

Abstract

Penyakit bercak daun yang disebabkan oleh bakteri Xanthomonas campestris pv. vesicatoria merupakan salah satu penyakit penting pada tanaman paprika di Indonesia. Penyakit ini dapat menurunkan kualitas dan kuantitas hasil panen paprika. Metode yang digunakan yaitu transfer learning dengan menggunakan model DenseNet-201. Penelitian ini menggunakan data gambar daun paprika yang terinfeksi dan tidak terinfeksi sebanyak 4.876 gambar. Data tersebut dibagi menjadi data latih, data validasi, dan data uji. Hasil penelitian menunjukkan bahwa model transfer learning mampu mendeteksi penyakit bercak daun pada paprika dengan akurasi keseluruhan sekitar 99.5%. Evaluasi model terhadap kelas “Bacterial Spot” dan “Healthy” menghasilkan precision, recall, dan F1-score rata-rata sekitar 99.5%. Penelitian ini menunjukkan bahwa metode transfer learning dapat digunakan sebagai sistem deteksi penyakit tanaman yang efektif dan efisien.
Deteksi Pohon Kelapa Sawit dengan Pendekatan Deep Learning pada Citra Multispectral di Indonesia Prasvita, Desta Sandya; Santoni, Mayanda Mega; Falih, Noor
The Indonesian Journal of Computer Science Vol. 13 No. 2 (2024): 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.v13i2.3753

Abstract

Perkebunan kelapa sawit memegang peran penting dalam ekonomi Indonesia, namun masih dihadapkan pada berbagai tantangan, salah satunya adalah tuduhan terkait deforestasi. Solusi untuk menangani permasalahan tersebut adalah dengan memanfaatkan teknologi remote sensing dan computer vision. Penggunaan kedua teknologi ini memungkinkan pemantauan otomatis pohon kelapa sawit dari jarak jauh. Penelitian ini berkontribusi dalam penerapan metode deep learning menggunakan teknologi remote sensing citra multispectral untuk deteksi pohon kelapa sawit. Data yang digunakan dalam penelitian ini juga merupakan data baru yang diperoleh dari perkebunan kelapa sawit di Kalimantan Timur, Indonesia. Metode deep learning berbasis deteksi objek yang digunakan adalah YOLOv5. Sebanyak enam belas model deteksi YOLOv5 dibangun dari kombinasi fitur citra multispectral (RGB, RGN, RBN, dan GBN) dan jaringan YOLOv5 yang berbeda (YOLOv5s, YOLOv5m, YOLOv5l, dan YOLOv5x) pada eksperimen penelitian ini. Model YOLOv5 terbaik untuk mendeteksi pohon kelapa sawit adalah RBN-YOLOv5m, dengan nilai mAP@50, mAP@[0.5,0.95], dan F1-score sebesar 78.3%, 44.9%, dan 81.0%. Kombinasi fitur near-infrared dan red band dapat memberikan informasi mengenai vegetasi sehingga kombinasi tersebut dapat meningkatkan hasil deteksi hanya dengan fitur RGB.

Page 1 of 10 | Total Record : 99

 1   2   3   4   5 

Filter by Year

2024 2024


Reset
Filter By Issues
All Issue Vol. 15 No. 1 (2026): The Indonesian Journal of Computer Science 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