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
 26   27   28   29   30 
Efektivitas Model Pembelajaran Project Best Learning (PjBL) Berbantuan ICT pada Mata Kuliah Manajemen Event untuk Meningkatkan Softskill Mahasiswa Astuti, Murni; Novrita, Sri Zulfia; Giatman; Ambiyar; Mukhlidi Muskhir; Hansi Effendi; Nurhasan Syah; Syahril
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.v12i6.3458

Abstract

Pemahaman mahasiswa yang kurang terhadap materi, Buku teks yang tidak memadai, serta bahasa buku yang tidak komunikatif sebagai faktor penyebab rendahnya hasil belajar mahasiswa. Tujuan penelitian ini adalah untuk menghasilkan E-modul berbasis Project Based Learning. erintegrasi Information and Computer Technology/ICT yang efektif. Model penelitian yang digunakan adalah Model Plomp yaitu preliminary research, prototyping phase dan assessment phase. Populasi pada penelitian ini adalah Mahasiswa Program Studi Pendidikan Tata Rias dan Kecantikan Fakultas Pariwisata dan Perhotelan Universitas Negeri Padang. Subjek penelitian diambil secara Purposive Sampling. Instrumen yang digunakan adalah tes berbentuk essay yang terdiri dari soal pre-test dan post-test. Penelitian ini menggunakan metode deskriptif kuantitatif. Desain penelitian ini adalah One Group Pretest-Postest Design. Teknik análisis dari hasil belajar tentang keefektifan E-modul menggunakan uji t tipe dua arah. Hasil analisis tes menunjukkan bahwa rata-rata nilai post-test yang diperoleh mahasiswa lebih baik daripada rata-rata nilai pre-test yang diperolehnya. Disimpulkan bahwa penggunaan E-modul berbasis Project Based Learning terintegrasi ICT efektif dalam meningkatkan hasil belajar mahasiswa pada mata kuliah Manajemen event sehingga efektif digunakan untuk proses pembelajaran. Diharapkan E-modul ini dapat dijadikan salah satu sumber belajar yang mampu mengembangkan potensi kemampuan mahasiswa dan meningkatkan hasil belajar mahasiswa.  
Infiltrasi Union: SQL injection untuk Ekstraksi Kredensial Admin Setiawan, Rangga Wahyu; Ashari, Wahid Miftahul
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.v12i6.3460

Abstract

Eksploitasi web adalah suatu tindakan untuk memanfaatkan celah keamanan pada sebuah situs web untuk mendapatkan akses yang tidak sah ke sistem tersebut, SQL injection adalah jenis kerentanan keamanan yang terjadi dalam aplikasi web berbasis database di mana penyerang melibatkan kode berbahaya ke dalam aplikasi untuk mendapatkan akses tidak sah ke informasi sensitif. Makalah ini bertujuan untuk memberikan wawasan yang komprehensif dan sistematis tentang metode yang ada untuk mendeteksi serangan injeksi SQL. Dalam penelitian ini, penulis mengambil aplikasi web sebagai objek dan mencoba mendemonstrasikan serangan aplikasi web umum yaitu SQL injection. Penggunaan query union memiliki peran penting dalam melakukan SQL injection pada kasus ini, karena jika dilihat dari database tersebut tidak memiliki field name username dan password. Inti serangan ini mencoba untuk menggabungkan hasil dari query asli dengan hasil dari query yang dicuri dari tabel "pengguna".
Pemilihan Bibit Padi yang Tepat untuk Musim Hujan Menggunakan Algoritma MOORA dalam Sistem Pendukung Keputusan Muhammad Alwi Badal; Supriatin
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.v12i5.3462

Abstract

The optimal selection of rice seedlings is a key factor in enhancing rice farming productivity during the rainy season. To achieve this goal, this research utilizes a Decision Support System (DSS) based on the MOORA Algorithm (Multi-Objective Optimization by Ratio Analysis). This study explores the selection of the best rice seedlings for the rainy season using the MOORA Algorithm. Evaluation criteria include plant height, harvesting time, tolerance to waterlogging, resistance to pests, disease resistance, and average yield per hectare. The research results identify Inpari 30 Ciherang Sub-1 (BP07) as the top choice for the rainy season with a Yi (max) value of 0.2998. This is followed by Inpara 4 (BP03) in second place with a Yi (max) value of 0.2913, and Ciherang (BP02) in third place with a Yi (max) value of 0.2849. We hope that the research findings will provide a positive contribution to improving agricultural productivity in the future and assisting farmers in better facing the challenges of the rainy season.
Implementasi Sistem Pendukung Keputusan Menggunakan Algoritma MOORA untuk Pemilihan Jenis Bibit Cabai Unggul Al Akbar, Abdussalam; Yasin, Alimuddin; Alex Rizky Saputra; Sepriano; Siregar, Ratu Mutiara; Budy Satria; Elfitra
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.v12i6.3464

Abstract

Cultivating chili plants is a business opportunity that has quite a large income. However, many farmers still use traditional concepts in determining which seeds to plant, such as trying out chili seeds without carrying out in-depth analysis or observation. A decision support system (DSS) is a system that is capable of providing decision recommendations using several criteria determined through method processes in the decision making system, namely ARAS, SAW, MOORA, AHP and others. The MOORA method is useful for separating the subjective part of an evaluation process into a decision weight criterion with several decision making attributes. And also the level of selectivity of this method is very good because it can determine objectives from conflicting criteria. Where the criteria can be profitable (benefit) or unprofitable (cost). Based on the results obtained after using the MOORA calculation method, there are 4 types of superior seed varieties that can be recommended for farmers, namely Taro Chili Seeds = 0.2875; Indrapura Chili Seeds = 0.2595 ; Lado Chili Seeds = 0.2490 ; Chili Seeds TM = 0.2154. By creating this decision support system, it is hoped that farmers will be able to use it as a reference in selecting superior chili seeds and be able to get maximum harvest results and increase commodity income for chili farmers.
Pengaruh Penerapan Sistem Informasi Pemerintah Daerah Terhadap Kualitas Laporan Keuangan Kota Pariaman Firmansyah Putra; Asmar Yulastri; Giatman; Ganefri; Ambiyar; Hansi Effendi; Mukhlidi Muskhir; Refdinal
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.v12i5.3466

Abstract

Penelitian ini bertujuan untuk mengetahui pengaruh penggunaan sistem informasi manajemen Keuangan Daerah (SIMDA) terhadap kualitas laporan keuangan pada Pemerintah Daerah Kota Pariaman. Jenis penelitian yang dilakukan adalah penelitian deskriptif kuantitatif. Penelitian ini dilakukan dengan mengambil objek pada Pejabat dan staff Pengelola Keuangan di SKPD Kota Pariaman. Jenis data yang digunakan dalam penelitian ini adalah data primer Metode analisis yang digunakan dalam penelitian untuk mengetahui antar variabel adalah analisis regresi sederhana dan pengujian hipotesis dengan bantuan software SPSS for windows untuk mengolah data. Pengaruh penggunaan penggunaan sistem informasi daerah telah dibuktikan pada hasil analisis uji t diperoleh nilai dari t hitung sebesar 7,044 atau lebih besar dari t tabel yaitu sebesar 1.69389. Nilai signifikansi diperoleh sebesar 0,000 atau koefisien lebih kecil dengan nilai probabilitas sebesar 0,05 sehingga pengaruh dari variabel penggunaan sistem informasi daerah (X) terhadap kualitas laporan keuangan (Y). Analisis koefisien determinasi berdasarkan nilai R Square dalam penelitian ini adalah sebesar 0,590 yang berarti variabel penggunaan sistem informasi daerah mempengaruhi variabel keputusan pembelian sebesar 59%. Sedangkan sisanya 41% dipengaruhi oleh variabel lain yang diteliti.
A Penerapan Deep Learning untuk Identifikasi Citra Tanaman Obat Anti-inflamasi Menggunakan Algoritma CNN: Penerapan Deep Learning untuk Identifikasi Citra Tanaman Obat Anti-inflamasi Menggunakan Algoritma CNN Triase, Triase
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.v12i6.3470

Abstract

Deep Learning bagian kecerdasan buatan dan big data menggunakan mechine learning solusi paling menjanjikan untuk masalah big data. Mechine learning adalah metode matematis yang diterapkan untuk menciptakan model yang menggambarkan pola-pola dalam data. Tanaman obat adalah jenis tumbuhan yang diketahui memiliki manfaat dalam menjaga kesehatan dan mengobati penyakit. Penggunaan tumbuhan obat sering kali terkait erat dengan pengobatan tradisional, karena sebagian besar pemahaman tentang manfaatnya tidak didasarkan pada uji klinis laboratorium, melainkan berdasarkan pengalaman penggunaan yang telah teruji dari masa ke masa. Untuk memaksimalkan penggunaan tanaman obat dengan mengenali daun tanaman obat ini, maka deteksi citra daun anti-inflamasi akan diuji menggunakan algoritma CNN dengan tahapan scraping data dari bing, preprocessing data secara manual dan pelatihan data dengan 10 epoch berhasil identifikasi dan mengklasifikasikan dengan benar sekitar 16% dari semua instance positif yang ada dari data pengujian dan merupakan tingkat keberhasilan yang rendah, sehingga memiliki kinerja yang tidak memuaskan dalam tugas identifikasi.
Implementation of Deep Learning Using YOLOv7 and Telegram Notifications for Preventing Illegal Fishing in the Waters of Batam Muhammad Abrar; Deosa Putra Caniago
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.v12i5.3472

Abstract

Batam Island is one of Indonesia's outermost islands that directly borders neighboring countries. The implementation of YOLOv7 to detect ships in the waters of Batam is capable of identifying ship objects, with test results after 100 training epochs producing a precision value of 1.00 and a confidence value of 0.882, indicating a high level of confidence in the detection results of the YOLOv7 model. The F1 score of 0.99 at a confidence level of 0.729 shows that this model achieves a high level of accuracy in object detection. Based on the evaluation results using a confusion matrix, it indicates high accuracy for each class in the YOLOv7 model: Ferry 93%, Indonesian Fishing Boat 85%, Malaysian Fishing Boat 89%, Thai Fishing Boat 91%, Vietnamese Fishing Boat 82%, Speedboat 94%, and Tanker 83%. The testing results of the website application integrated with YOLOv7 and Telegram bot produce a website that can detect objects and send notifications, thus expected to prevent illegal fishing.
Analisis Sentimen Ulasan Aplikasi TikTok Shop Seller Center di Google Playstore Menggunakan Algoritma Naive Bayes Anggista Oktavia Praneswara; Cahyono, Nuri
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.v12i6.3473

Abstract

In the rapidly developing digital era, users' views on mobile applications are a key factor in the success of an application. Understanding user sentiment can help application developers and management to improve service quality and user satisfaction. One of the social media that is experiencing a revolution is TikTok, a short video sharing platform that presents e-commerce innovations through the TikTok Shop Seller Center. Therefore, sentiment analysis was carried out to find out whether user reviews of the TikTok Shop Seller Center application tended to be positive or negative based on the Naïve Bayes algorithm. The research methodology involves data scrapping, data cleaning, preprocessing (case folding, stopword removing, tokenization, stemming), labeling, TF-IDF, data testing using confusion matrix and visualization using wordcloud. The results of research regarding sentiment analysis of reviews of the TikTok Shop Seller Center application on Google Playstore totaling 5000 data, it was concluded that user reviews were classified as negative with a percentage of 86.3% accuracy value, 83.7% precision value, 94.6% recall value and 88.7% % F1-Score value.
Multiplatform of SVC Device for User Experience Mobile Robot Teleoperation Muhammad, Fadil; Masjudin
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.v12i5.3476

Abstract

The industrial revolution 4.0 and the rapid advancement of technology during pandemic era has made significant progress in robot industry. There are three types of robots based on the level of independent control such as autonomous mobile robots, semi-autonomous mobile robots, and controller mobile robots. Semi-autonomous mobile robot and Controlled mobile still require human intervention in carrying out the tasks. In this study, teleoperation on mobile robots is displayed on various platforms such as Smartphone, Virtual reality headset as a virtual reality platform, and Computer (SVC) device. A camera is used as a visual sensor that dispatches the information of the surroundings to each platform. The controller used for the teleoperation varies depending on the platforms. The computer platform uses the arrow key on the keyboard. The smartphone platform uses touchscreen. Virtual reality uses Oculus Touch that has been integrated with Oculus Quest 2. ROS# as a robot API framework with Unity engine is used for the communication process between the robot and each platform. Teleoperation Experiments on SVC devices refer to four parameters including task completion rates, task time, satisfaction, and error counts. all these parameters will be combined into a single usability metric (SUM). The SUM results from SVC devices show 54.9% on Smartphones, 79.5% on VR devices, and 90.4% on Computers.
Efektivitas Variabel Demografi Pengguna Twitter dalam Prediksi Pilpres Indonesia 2014 dan 2019 Effendy, Muhammad Misbah; Taufik Edy Sutanto; Muhaza Liebenlito
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.v12i6.3477

Abstract

Twitter menjadi platform media sosial yang digunakan untuk menyuarakan dukungan terhadap calon pada Pemilihan Presiden (Pilpres) Indonesia 2014 dan 2019. Meskipun banyak analisis telah dilakukan pada Twitter, penelitian mengenai demografi pengguna masih jarang dilakukan. Masalah yang dihadapi dalam analisis demografi adalah keterbatasan informasi di Twitter. Selain analisis sentimen, penelitian ini menggunakan informasi demografi yaitu lokasi dan jenis kelamin yang diprediksi melalui nama pengguna Twitter. Menggunakan model BERT untuk analisis sentimen dan Random Forest untuk prediksi, data Pilpres 2014 diolah untuk memprediksi Pilpres 2019, yang kemudian dibandingkan dengan data resmi Komisi Pemilihan Umum (KPU). Dengan menggunakan variabel demografi, model memprediksi lebih baik 13.34% dibandingkan dengan model tanpa variabel demografi, dari 63.33% menjadi 76.67%. Berdasarkan hasil analisis variabel indikator, jumlah penduduk menjadi variabel demografi dengan nilai importance tertinggi. Hasil penelitian ini dapat digunakan sebagai acuan untuk meningkatkan hasil prediksi permasalahan lain yang serupa dan belum menggunakan informasi demografi.

Page 28 of 117 | Total Record : 1170

 26   27   28   29   30 

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