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 1,127 Documents
 16   17   18   19   20 
Perbandingan Algoritma Support Vector Machine dan K-Nearest Neighbors Pada Sinyal Tubuh Perokok Musthofa, Alif; Rahardi, Majid
The Indonesian Journal of Computer Science Vol. 12 No. 6 (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.v12i6.3290

Abstract

Merokok adalah kebiasaan yang sulit dihilangkan dalam masyarakat. Rokok mengandung bahan berbahaya dan bisa menyebabkan kanker serta penyakit pernapasan. Merokok juga meningkatkan risiko infeksi tuberkulosis. Perokok pasif yang terpapar asap rokok sangat berisiko bagi kesehatan. Penelitian ini bertujuan untuk melakukan evaluasi dan perbandingan antara algoritma Support Vector Machine (SVM) dan K-Nearest Neighbors (KNN) dalam klasifikasi sinyal tubuh perokok. Hasil evaluasi menunjukkan bahwa penggunaan SVM dengan kernel linear dan metode forward selection menghasilkan akurasi tertinggi sebesar 75%, yang melampaui akurasi tertinggi KNN sebesar 72%. Dari hasil tersebut penggunaan metode forward selection meningkatkan akurasi dibandingkan dengan penggunaan semuafitur yang tersedia, kecuali pada SVM dengan kernel RBF. Evaluasi pada penelitian ini menggunakan Confuntion Matrix dan Record klasifikasi. Adapun hasil kinerja model pada class “Tidak merokok” menggunakan SVM mendapatkan nilai presisi (84%), recall (75%), f-1 score(79%) dan KNN mendapatkan nilai presisi (75%), recall (83%), f-1 score(79%). Sedangkan pada class “Merokok” menggunakan SVM mendapatkan nilai presisi (64%), recall (75%), f-1 score(69%) dan KNN mendapatkan nilai presisi (64%), recall (53%), f-1 score(58%).
Analisis Kinematika Maju dari Tangan Robotik Berjari 4 yang Digunakan pada Robot Humanoid T-FLoW Apriandy, Kevin; Dewantara, Bima Sena Bayu; Dewanto, Raden Sanggar; Pramadihanto, Dadet
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.v12i4.3291

Abstract

Model kinematika merupakan bagian penting dalam pengembangan robot humanoid karena dapat merepresentasikan karakteristik dari robot, membuat pemahaman tentang robot menjadi lebih mudah. Mengingat perkembangan robot humanoid T-FLoW yang saat ini dilengkapi dengan sepasang tangan baru, maka perlu dibangun model kinematika untuk memahami lebih lanjut tentang tangan robot baru tersebut. Oleh karena itu, dalam pekerjaan ini, disajikan sebuah analisis kinematika maju untuk memperoleh model kinematika dari tangan berjari 4 baru robot humanoid T-FLoW. Dengan menggunakan pendekatan matriks transformasi homogen, model kinematika tangan robot diturunkan berdasarkan perkalian beberapa matriks rotasi dan matriks translasi yang tersusun dari frame koordinat pangkal ke frame koordinat tujuan. Model kinematika yang diturunkan disimulasikan dalam tugas gerak dasar tangan: menggenggam sebuah benda, dihitung dengan bantuan MATLAB, dan divisualisasikan menggunakan fitur plot 3D MATLAB. Hasil menunjukkan bahwa model tersebut memberikan berbagai karakteristik tangan robot seperti konfigurasi, posisi sendi, dan posisi end-of-effector, yang kemudian dapat divisualisasikan menjadi kerangka tangan. Kedepannya, pekerjaan kami dapat memfasilitasi pengembang T-FLoW dalam membangun pergerakan tangan dengan sistem umpan balik, yang kemudian dapat digunakan untuk menyelesaikan berbagai permasalahan desain gerakan tangan. Kinematics models are important part of humanoid robot development as they can represent the characteristics of the robot, making understanding the robot easier. Given the development of the T-FLoW humanoid robot which is currently equipped with a new pair of hands, it is necessary to build a kinematics model to understand more about the new robot hands. Therefore, in this work, a forward kinematics analysis is presented to derive the kinematics model of the new 4-fingered T-FLoW humanoid robot hand. Using a homogeneous transformation matrix approach, the kinematics model of the robot hand is derived based on the multiplication of several rotation and translation matrices arranged from the base coordinate frame to the goal coordinate frame. The derived kinematics model is simulated in a basic hand motion task: grasping an object, calculated with the help of MATLAB, and visualized using MATLAB's 3D plot feature. The results show that the model provide various characteristics of the robot hand such as configuration, joint positions, and end-of-effector positions, which then be visualized into a hand skeleton. In the future, our work can facilitate T-FLoW developers in building hand movement and feedback systems, which then can be used to solve various hand motion design problems.
Pengaruh Penerapan Aplikasi Google Classroom Terhadap Motivasi Belajar, Minat Belajar dan Hasil Belajar Peserta Didik Pada Mata Pelajaran Prakarya dan Kewirausahaan Ponimin, Ponimin; Mukhaiyar, Riki; Hendriyani, Yeka; Maksum, Hasan
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.v12i4.3293

Abstract

Kemajuan teknologi di era modern ini memberikan kesempatan kepada guru untuk mengembangkan kemampuannya dalam penggunaan media dan bahan ajar. Mengubah paradigma yang digunakan oleh instruktur dalam melaksanakan proses pembelajaran di sekolah sangat penting untuk menyelaraskan proses modernisasi dan kualitas pembelajaran. Saat ini, guru juga harus mahir dalam menggunakan dan mengoperasikan teknologi informasi sehingga mereka dapat menggunakannya untuk meningkatkan pembelajaran di kelas. Pengetahuan kewirausahaan ditemukan dalam mata pelajaran seperti kerajinan dan kewirausahaan, antusiasme yang besar untuk memahaminya. Oleh karena itu, media pembelajaran perlu didukung dengan media yang dapat digunakan dalam pembelajaran kerajinan dan kewirausahaan. Penelitian dilakukan sebagai upaya untuk mengetahui pengaruh Google Classroom terhadap motivasi belajar, minat belajar dan hasil belajar peserta didik, kemudian Penelitian dilaksanakan di SMK Negeri 1 Tualang Kecamatan Tualang Kabupaten Siak dengan subjek penelitian siswa kelas XI yang berjumlah 95 peserta didik. Data dikatakan valid dan reliabel pada pengaruh Google Classroom terhadap motivasi belajar, minat belajar dan hasil belajar peserta didik. Sedangkan hasil penelitian melalui kuesioner dengan jumlah responden sebanyak 33 orang diperoleh data variabel Google Classroom dengan skor sebesar 40. Sedangkan hasil perhitungan Mean yaitu 33,18, Median adalah 33, dan Modus berjumlah 29. Dari hasil tersebut maka dapat disimpulkan bahwa kecenderungan penggunaan Google Classroom berbanding lurus dengan skor yang diperoleh. diketahui bahwa tanggapan responden tentang Minat belajar sebelum pembelajaran, dimana dari 33 responden yaitu 21 responden atau sebanyak 63,6% responden menyatakan sangat setuju, 12 responden atau sebanyak 36,4%.Hal ini ditunjukkan menggunakan regresi linear berganda diperoleh nilai r 0.847, Nilai Adjusted R2 sebesar 0.688, dan nilai thitung ttabel (2,357 2,045) dengan signifikansi 0.025 (pengujian dua sisi), Penggunaan Google Classroom berpengaruh positif terhadap hasil belajar peserta didik pada mata pelajaran prakarya dan kewirausahaan menggunakan regresi logistik ordinal diperoleh nilai R2 (Nagelkerke) sebesar 0.746, dan nilai estimate sebesar 0.892 yang dieksponensialkan menjadi 2.44 dengan signifikansi 0.016 0.05. Pada penggunaan Google Classroom maka akan semakin baik motivasi belajar dan minat pula hasil belajar peserta didik pada mata pelajaran prakarya dan kewirausahaan kelas XI di SMK Negeri 1 Tualang Kabupaten Siak.
Classification Of Potential Patients Using The Fuzzy K-Means Algorithm at Woman’s and Children’s Hospital Ahmad Sahab; Hidayatus Sibyan; Nulngafan; Irnawati; Pawiliyah
The Indonesian Journal of Computer Science Vol. 12 No. 5 (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.v12i5.3295

Abstract

Adina Wonosobo Woman’s and Children’s Hopsital is one of the hospitals in the Wonosobo Regency. To increase the number of patient visits, promotion is carried out through broadcast messages to patients. In evaluating its implementation, problems were found in determining the patient list of recipients of promotional broadcast messages. This problem arises because the determination of the list of recipients of promotional messages is only done on the contact numbers stored on the marketing team's mobile phones. The Fuzzy K-Means method is a data grouping method that is used as a reference for decision-making. Patient visit data were obtained from the RSIA Adina Wonosobo information system database. Furthermore, the data was analyzed to determine the potential of digital marketing priority patients using the clustering method with the Fuzzy K-Means algorithm.
Perbandingan K-Nearest Neighbors, Support Vector Dan Random Forest Pada Prediksi Medical Cost Anggista Oktavia Praneswara
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.v12i4.3298

Abstract

Asuransi kesehatan adalah kontrak yang mengharuskan membayar sebagian atau seluruh biaya perawatan terkait masalah kesehatan yang dialami. Pengguna asuransi harus membayar premi dengan membayar iuran dalam periode yang telah ditentukan. Dalam praktiknya, pembayaran premi asuransi kesehatan bisa langsung dipotong dari gaji bulanan yang didapat. Maka dari itu, penelitian ini dilakukan dengan mengimplementasikan sebuah algoritma prediksi biaya medis yang dikeluarkan per individu dengan menggunakan perbandingan 3 algoritma yaitu K-Nearest Neighbor, Support Vector Machine dan Random Forest dengan dataset yang diambil kaggle dengan nama insurance.csv berdasarkan kolom usia, jenis kelamin, indeks Massa Tubuh ( BMI ), jumlah anak dalam satu keluarga, individu perokok atau tidak, wilayah tempat tinggal penerima asuransi kesehatan dan biaya medis yang ditanggung oleh asuransi kesehatan. Metode penelitian dilakukan dengan pemeriksaan data dengan melakukan analisi pada dataset serta membagi data menjadi data training dan data test. Hasil penelitian pada algoritma KNN memiliki nilai prediksi MSE sebesar 9651.5, algoritma Random Forest memiliki nilai prediksi MSE sebesar 9755.4, sedangkan algoritma SVM memiliki nilai prediksi MSE sebesar 9312.6.
Analisis Sentimen Terhadap Cyberbullying Pada Komentar Di Instagram Menggunakan Algoritma Naïve Bayes Fauzan Baehaqi; Cahyono, Nuri
The Indonesian Journal of Computer Science Vol. 13 No. 1 (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.v13i1.3301

Abstract

Cyberbullying, penggunaan teknologi digital yang disengaja untuk menyakiti, mempermalukan, atau menggertak orang lain secara online, telah menjadi isu penting dalam masyarakat saat ini. Dampak dari cyberbullying bisa sangat parah, menyebabkan masalah kesehatan mental, rendah diri, dan, dalam beberapa kasus tragis, hilangnya nyawa. Memahami fenomena ini secara mendalam dan menemukan solusi efektif untuk mengatasinya sangatlah penting. Analisis sentimen menggunakan algoritma Naïve Bayes sebagai pendekatan yang layak untuk mengatasi cyberbullying di Instagram. Tujuan utama dari penelitian ini adalah untuk mempelajari dan menganalisis sentimen terkait cyberbullying pada komentar Instagram menggunakan algoritma Naïve Bayes. Dengan menganalisis konten yang terkait dengan cyberbullying, penelitian ini bertujuan untuk memberikan wawasan yang lebih baik tentang masalah tersebut dan mengidentifikasi pola dan karakteristik khusus yang dapat membantu upaya pencegahan dan intervensi. Temuan ini dapat berkontribusi untuk menciptakan lingkungan online yang lebih aman dan melindungi kesejahteraan pengguna media sosial.
Komparasi Metode KNN dan Naive Bayes Terhadap Analisis Sentimen Pengguna Aplikasi Shopee Alfaris, Salman; Kusnawi
The Indonesian Journal of Computer Science Vol. 12 No. 5 (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.v12i5.3304

Abstract

Penelitian ini membandingkan keakuratan dan efektivitas KNN dan Naïve Bayes dalam menganalisis sentimen ulasan aplikasi Shopee di Google Playstore. Dalam penelitian ini, penulis mengumpulkan 2000 data terbaru dari ulasan aplikasi Shopee di Google Playstore dengan teknik web scraping. Data tersebut kemudian dibersihkan dan diberi label, menghasilkan 707 ulasan positif dan 1293 ulasan negatif. Proses preprocessing dilakukan, termasuk case folding, tokenisasi, filtering, dan stemming. Setelah tahap pengolahan data, penulis menerapkan algoritma K-Nearest Neighbor (KNN) dengan tingkat akurasi 70%. Data uji terdiri dari 400 data (20% dari total data), dengan 268 ulasan negatif dan 132 ulasan positif. Sementara itu, metode Naïve Bayes Classifier mencapai tingkat akurasi 71%. Data uji yang digunakan sama dengan KNN. Hasil penelitian menunjukkan bahwa Naïve Bayes Classifier memiliki tingkat akurasi yang lebih tinggi dibandingkan KNN. Penelitian ini diharapkan memberikan pemahaman tentang penggunaan KNN dan Naïve Bayes dalam menganalisis sentimen pengguna aplikasi Shopee di Google Playstore.
Fake News Detection Using Machine Learning Mohammed Amin, Pshko
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.v12i4.3310

Abstract

Today one of the fattest environments for opinion exchanging is the internet. Individuals can share their data or post any news they want through social media platforms. these data sharing platforms do not verify the users or the data and information they post. so, some users can share fake or untrusted data through these platforms on the Internet. Fake news is described as a propaganda tool against any Individual, society, government, or political party. Humans cannot detect and understand all the fake news or data through these online platforms. In this study, the challenge has been defined through a Machine learning concept. machine learning classification was applied to the dataset. Finally, a comparison of the working of these classifiers is presented along with the results, Decision Tree and Support Vector Machine classification models are performing well.
Analisis Sentimen Ulasan Google Maps Kuliner di Bojonegoro Menggunakan Metode Naïve Bayes Fauziyah, Dewi Nur; Sanjaya, Ucta Pradema; Anggraini, Fetrika
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.v12i4.3319

Abstract

Sentiment analisis merupakan proses menganalisa yang berhubungan dengan sebuah konten atau produk. Analisa terserbut berdasarkan hal hal yang di rasakan oleh seseorang secara subyektif dalam merasakannya. Pada umumnya sentiment analisis ini di tulis oleh penguna dunia maya yang digunakan untuk informasi berdasarkan ulasan atau postingan. Text mining dan Natural language Processing sebuah bidang yang mempunyai irisan yang sama dalam bidang kecerdasan buatan. Ini sangat membantu seseorang dalam mencari nilai sebuah ulasan yang ditulis oleh seseorang memiliki nilai positif atau negative bahkan bisa di nilai netral. Dalam penelitian ini meneliti ulasan usaha kuliner di bojonegoro berdasaran data yang ada di google maps. Untuk metode klasifikasi mengunakan naïve bayes yang pada dasarnya mengunakan penilaian peluang pada setiap atributnya dan di evaluasi dengan confusion matrix. Hasil yang didapatkan dari penelitian ini mendapatkan nilai akurasi 90,28% recall 90,28% dan presisi 89.89%
Development of Android-Based Learning Media in Information Communication Technology (ICT) at Senior High School Indah, Indah Rahmatika Sari; Effendi, Hansi; Lapisa, Remon; Wulansari, Rizky Ema
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.v12i4.3323

Abstract

Android-based learning media is one of the media that is easy to use by teachers and students in achieving learning objectives. This study aims to produce valid, practical, and effective learning media used for learning. The method used is Research and Development (R&D) with a 4-D development model (four D models). This study used an instrument in the form of a questionnaire. The questionnaires were divided into validation questionnaires, practicality, and effectiveness questionnaires. For data analysis, researchers used Aiken's formula and Gain Score. The validation sheet is filled out by 4 validators consisting of 2 material validators and 2 media validator. The practicality sheet is filled out by 30 students and 2 teacher. For effectiveness data used questions filled out by students. The questionnaire data obtained a validity level of 0.95 which indicates that the developed media is valid. For practicality, the result is 90% with the very practical category. The effectiveness of the developed media is seen from the value of students. After using the media, 100% of students had scores above the KKM, while from the gain score test, they got a value of 0.75 which means that the learning media developed can be said to be effective. Based on these data it can be concluded that android-based learning media in Information and Communication Technology (ICT) subjects is valid, practical, and effective for use as learning media.

Page 18 of 113 | Total Record : 1127

 16   17   18   19   20 

Filter by Year

2022 2026


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