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 1,170 Documents
 17   18   19   20   21 
Usability Evaluation Of Social Security For Workers Applications In Public Institutions Afrizon, Asra; Hadi Putra, Panca
The Indonesian Journal of Computer Science Vol. 12 No. 4 (2023): The Indonesian Journal of Computer Science
Publisher : AI Society & STMIK Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33022/ijcs.v12i4.3288

Abstract

Workforce social security application services are owned by the Indonesian government and held by the Social Security Administering Body on Employment. Initially, the application only provided social security programs, membership, and benefits information. In September 2021, the application was transformed by including transactions for claim redemption. User reviews of the application gave ratings of 1.5 and 4.4, respectively meanwhile complaints and requests for information in 2022 were the second highest, accounting for 65% and 5%, respectively. Through analysis of user reviews and complaints, it has been determined that users encounter multiple constraints when utilizing applications concerning accessibility, information, authentication, procedures, and comprehension of usage. The research method involves a quantitative approach using a user experience questionnaire and usability testing methods through task scenarios. Followed by a qualitative approach using a post-test interview to conduct deep dive into user problems and expectations. This study aims to evaluate the application's usability and provide recommendations for improvement. Based on the analysis from UEQ, the application get an average value positive, and the benchmark result is above average. In contrast, the novelty gets neutral, and the benchmark result is below average, reviewed as conventional, slow, less valuable, challenging to learn, and monotonous. The test task scenario described effectivity of application. Meanwhile, time-based efficiency is 0,04 goals/second, which can be interpreted as high speed. Task scenario finding explains 30 problems in which three tasks are prioritized. Post-test interviews explained user need for frequently accessed features, difficulty to use, and usage limitations. The recommendations aimed to adjust the interface and functionality to meet user needs, providing a satisfying experience and shortening the self-service process.
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
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
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
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.
Pengenalan Wajah 3D dengan menggunakan PointNet Arif Hidayah; Dewantara, Bima Sena bayu; Pramadihanto, Dadet
The Indonesian Journal of Computer Science Vol. 12 No. 4 (2023): The Indonesian Journal of Computer Science
Publisher : AI Society & STMIK Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33022/ijcs.v12i4.3294

Abstract

Pengenalan wajah tiga dimensi (3D) telah menjadi topik penelitian yang menarik karena mampu mengatasi keterbatasan pengenalan wajah dua dimensi (2D) dalam menghadapi perubahan pose, pencahayaan, dan pemalsuan. Penelitian ini mengusulkan sebuah pipeline pengenalan wajah 3D yang invarian terhadap perubahan cahaya, dengan menggunakan teknik segmentasi euclidean clustering dan Convolutional Neural Network (CNN) PointNet. Data wajah diambil menggunakan kamera Time-of-Flight yang menghasilkan titik awan (point cloud). Proses segmentasi euclidean clustering berhasil memisahkan area wajah dengan akurat, membantu dalam pengenalan wajah 3D. Melalui pelatihan dengan 217 dataset dan 2048 titik per wajah, sistem mencapai akurasi pelatihan sebesar 99% dan akurasi validasi sebesar 84,4%, dengan loss pelatihan sebesar 1% dan loss validasi sebesar 15,6%. Evaluasi pada tiap kelas menunjukkan rata-rata akurasi 0.9887471867966992, presisi 0.8255813953488372, recall 0.8255813953488372, dan F1-score 0.8255813953488372. Hasil menunjukkan bahwa pipeline pengenalan wajah 3D ini memiliki potensi besar dalam aplikasi keamanan, pengawasan, dan pengenalan objek di lingkungan yang kompleks. Three-dimensional (3D) face recognition has emerged as an intriguing research topic, addressing the limitations of two-dimensional (2D) face recognition in handling pose variations, lighting changes, and spoofing. This study proposes an illumination-invariant pipeline for 3D face recognition, utilizing the euclidean clustering segmentation technique and Convolutional Neural Network (CNN) PointNet. Facial data is captured using a Time-of-Flight camera, generating point clouds. The euclidean clustering segmentation effectively isolates facial regions, aiding in 3D face recognition. After training with 217 datasets and 2048 points per face, the system achieved 99% training accuracy and 84.4% validation accuracy, with 1% training loss and 15.6% validation loss. Class-wise evaluation yielded an average accuracy of 0.9887471867966992, precision of 0.8255813953488372, recall of 0.8255813953488372, and F1-score of 0.8255813953488372. The results highlight the significant potential of this 3D face recognition pipeline in security, surveillance, and object recognition in complex environments.
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
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
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
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
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.
Sistem Screening Mandiri Covid-19 Berbasis Internet of Things (IoT) Gusti, Agrippina Waya Rahmaning; Rokhana, Rika; Kemalasari; Ningsih, Vita Kusuma
The Indonesian Journal of Computer Science Vol. 12 No. 4 (2023): The Indonesian Journal of Computer Science
Publisher : AI Society & STMIK Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33022/ijcs.v12i4.3305

Abstract

The increasing need to perform Reverse Transcriptase-Polymerase Chain Reaction (RT-PCR) during the COVID-19 pandemic is time-consuming and costly. An IoT-based self-screening system of COVID-19, is expected to be a solution. In this study, instruments were created to monitor SpO2 and heart rate using the MAX30102 sensor, body temperature using the MLX90614 sensor, and breathing rate using a flex sensor as a COVID-19 detection parameter. The measured vital sign results are also transmitted to the website using the Wi-Fi module ESP32. The method used is a decision tree that has two classifications, indicated healthy and indicated COVID-19. Decision tree accuracy is 90% and recall is 100%. Temperature readings have a 98.68% accuracy, SpO2 readings and heartbeats are 98.74% and 98.64%, respectively, and breathing rate per minute readings are 100% accurate. This autonomous COVID-19 screening system can be used as an alternative solution for early detection of COVID-19.

Page 19 of 117 | Total Record : 1170

 17   18   19   20   21 

Filter by Year

2022 2026


Reset
Filter By Issues
All Issue Vol. 15 No. 2 (2026): The Indonesian Journal of Computer Science 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 Vol. 13 No. 6 (2024): The Indonesian Journal of Computer Science Vol. 13 No. 5 (2024): The Indonesian Journal of Computer Science Vol. 13 No. 4 (2024): The Indonesian Journal of Computer Science Vol. 13 No. 3 (2024): The Indonesian Journal of Computer Science Vol. 13 No. 2 (2024): The Indonesian Journal of Computer Science Vol. 13 No. 1 (2024): The Indonesian Journal of Computer Science Vol. 12 No. 6 (2023): The Indonesian Journal of Computer Science Vol. 12 No. 5 (2023): The Indonesian Journal of Computer Science Vol. 12 No. 4 (2023): The Indonesian Journal of Computer Science 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