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
 36   37   38   39   40 
Measurement of Employee Information Security Awareness: A Case Study of National Civil Service Agency Fadhil, Ahmad; Yazid, Setiadi
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.v12i6.3640

Abstract

National Civil Service Agency is a State institution tasked with the role and function of overseeing and implementing national civil servant management using information technology. There are 4.2 million civil servant data distributed throughout Indonesia that must be safeguarded by BKN. As the utilization of information systems grows, it also leads to an increase in information security risks. Based on the reports from Id-SIRTII/CC and BKN's internal report, there has been an increase in cyber attacks targeting BKN. In addition, there are other types of attacks that occur, such as online defacement, phishing, DDOS, and employee data theft, as well as the presence of employees who are still indifferent to information security. Based on this, the objective of this research is to measure the level of information security awareness among BKN employees and identify the factors that influence it. The Human Aspects of Information Security Questionnaire (HAIS-Q) using the Knowledge, Attitude, and Behavior (KAB) model was selected for measurement, with an additional focus on the Management of Information Systems/Technology Assets, consisting of a total of 75 statements. The quantitative measurements conducted yielded a result of 88.80% for the level of information security awareness among BKN employees, categorized as good. Furthermore, there is a significant influence on information security awareness from the dimensions of knowledge towards attitude, attitude towards behavior, and knowledge towards behavior.
Self-Efficacy: Meningkatkan Jiwa Kewirausahaan Di Era Digital Marta, Rizkayeni; Ganefri; Yulastri, Asmar; Riyanda, Afif Rahman; Hasan, Hanapi; Yunus, Yuliawati
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.v12i6.3641

Abstract

In the digital era which is full of rapid changes and complex challenges, success in the world of entrepreneurship is not only determined by technical knowledge and skills, but also by psychological factors. The entrepreneurial spirit is very important economically and socially so that entrepreneurship is very important both economically and socially. One of the factors driving the entrepreneurial spirit in the digital era is self-efficacy. Self-efficacy is essential for the willingness to act entrepreneurially, to identify and seize opportunities. Self-efficacy plays an important role in building an entrepreneurial spirit. The method for writing this article adopts the literature review method, articles sourced from the Google Scholar, elsevier, tanfonline platforms. In an effort to improve the entrepreneurial spirit in the digital era, contributions from the world of education are needed, so that educational programs can influence individuals' self-efficacy and self-confidence, supporting them to try, learn, and persist in pursuing an entrepreneurial future. Thus, individuals who have high self-efficacy regarding entrepreneurship will have high self-confidence, thereby triggering enthusiasm to become someone who has an entrepreneurial spirit.
Deteksi Penyakit Tanaman Padi Berbasis Android Melalui Pemanfaatan Teachable Machine Saputra, Heru; Stephane, Ilfa; Sundara, Tri; Bahri, Aulia Hidayatul
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.v13i1.3643

Abstract

Padi adalah tanaman pangan utama di banyak negara, termasuk Indonesia, dan pertumbuhannya sangat dipengaruhi oleh faktor lingkungan dan kualitas tanah. Namun, petani sering menghadapi tantangan dalam mengelola Organisme Pengganggu Tanaman (OPT) yang dapat merusak tanaman dan mengurangi produktivitas. Untuk membantu petani mengatasi tantangan ini, penelitian ini memanfaatkan Teachable Machine, sebuah aplikasi berbasis web untuk mendeteksi penyakit pada daun padi. Penelitian ini menggunakan dataset dari Kaggle dan melatih model dengan gambar daun padi yang terinfeksi. Hasilnya menunjukkan bahwa aplikasi ini efektif dalam mendeteksi penyakit daun padi dan dapat membantu petani dalam mengidentifikasi dan menangani hama pada tanaman padi mereka. Namun, efektivitas aplikasi ini sangat bergantung pada kualitas dan jumlah data yang digunakan untuk melatih model
Penggunaan Teknologi Natural Language Processing dalam Sistem Chatbot untuk Peningkatan Layanan Informasi Administrasi Publik Nadzif, Mukhamad Abid; Saefurrohman; Soelistijadi, R.
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.v13i1.3645

Abstract

Penelitian membahas pengembangan chatbot dengan platform DialogFlow yang terintegrasi pada aplikasi Telegram untuk menyediakan informasi layanan administrasi di Pemerintahan Desa Tosari. Tujuannya adalah untuk meningkatkan kualitas layanan publik khususnya informasi layanan administrasi melalui sistem terpadu di tingkat desa guna mempercepat aliran informasi yang diperlukan, berupa pengembangan sistem kecerdasan buatan berupa Chatbot. Chatbot adalah program yang mampu berkomunikasi dengan manusia melalui pesan teks atau suara. Dengan menggunakan pemrosesan Natural Language Processing (NLP) yang merupakan bagian dari kecerdasan buatan, memungkinkan pengguna untuk berinteraksi dengan komputer menggunakan bahasa sehari-hari, seolah-olah sedang berbicara dengan manusia. Pengujian Usability dengan System Usability Scale (SUS) dan pengujian pengalaman pengguna pada chatbot dengan User Experience Questionnaire (UEQ) menunjukkan hasil yang positif, pengujian SUS memperoleh nilai akhir sebesar 86 dan UEQ memperoleh rata – rata nilai skala diatas 0,8, yaitu berada pada level Excellent. Hal ini menunjukkan bahwa implementasi chatbot efektif dalam memberikan informasi layanan administrasi di Pemerintahan Desa Tosari
Classification of flood disaster level news articles using Machine Learning Rahmad Santosa; Arna Fariza; Firman Arifin
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.v13i1.3646

Abstract

Floods have a significant socio-economic impact on Indonesian society. Much of this information is sourced from online news articles and social media. This research investigates whether the Support Vector Machine (SVM) method can be used for flood disaster level classification (low, medium, and high). Our methodology involves preparing data extracted from textual news articles on the National Disaster Management Agency (BNPB) website on the topic of flooding. We then labeled the data according to Regulation No. 02/2012 on general guidelines for disaster assessment and used the Support Vector Machine (SVM) method. Training and testing were conducted using different datasets, followed by accuracy and error evaluation. In addition, we considered the performance comparison of SVM with other classification methods, including Decision Tree, Naive Bayes, Adaboost, Random Forest, and Xgboost. The experimental results show that SVM still does not get good accuracy results for flood disaster level classification. The SVM accuracy level result of (52%) is still low compared to Random Forest (78%), and Xgboost (68%). Further research is expected to increase the accuracy of SVM for flood level classification.
Combining Bi-LSTM And Word2vec Embedding For Sentiment Analysis Models Of Application User Reviews Verra Budhi Lestari; Ema Utami; Hanafi
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.v13i1.3647

Abstract

Tujuan analisis sentimen aplikasi dan produk adalah untuk menentukan polaritas sentimen dalam ulasan aplikasi berdasarkan umpan balik pengguna. Model LSTM dan turunannya, seperti GRU, menjadi semakin populer di antara berbagai desain Jaringan Neural yang digunakan dalam analisis sentimen. Namun, model LSTM masih memiliki masalah terkait lambatnya konvergensi dan hanya dapat mengumpulkan data dalam satu arah, sehingga untuk meningkatkan kinerja, teknik pembelajaran mendalam lainnya seperti Bi-LSTM harus digunakan. Selain itu, kombinasi penyematan kata dapat dipertimbangkan untuk menghasilkan variasi representasi kata yang semakin besar. Penelitian ini menyajikan perbandingan model LSTM dan BiLSTM untuk mengetahui apakah kinerja kombinasi model BiLSTM dengan penerapan word embedding mampu memiliki kinerja yang lebih baik dibandingkan model LSTM satu arah. Hasil pengujian akurasi menunjukkan model BiLSTM dengan Word2Vec mendapatkan hasil pengujian akurasi tertinggi, dengan akurasi sebesar 87%. Hal ini membuktikan bahwa model BiLSTM dengan Word2Vec mampu memiliki performa yang lebih baik dibandingkan LSTM.
Prediksi Jumlah Penerimaan Mahasiswa Baru Dengan Metode Linear Regression dan Exponential Smoothing Luthfi Mawardi; Umar Alfaruq; Gandung Triyono
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.v13i1.3649

Abstract

Penerimaan mahasiswa baru adalah elemen kunci dalam manajemen perguruan tinggi yang memerlukan perencanaan yang cermat serta kebijakan dan strategi untuk mengambil keputusan kegiatan belajar mengajar. Untuk merencanakan prediksi jumlah penerimaan mahasiswa baru yang akurat adalah penting dalam pengambilan keputusan terkait alokasi sumber daya, perencanaan fasilitas, dan program akademik. Oleh karena itu, tujuan dari penelitian ini adalah untuk memprediksi jumlah mahasiswa baru di Fakultas Teknologi Industri dan Informatika UHAMKA menggunakan metode Linier Regression dan Exponential Smoothing. Metode ini digunakan untuk menangani fluktuasi dalam data historis yang mungkin disebabkan oleh perubahan demografi, persaingan antar institusi, dan faktor ekonomi lainnya. Penelitian Ini menggunakan metode data mining untuk melakukan prediksi jumlah penerimaan mahaiswa baru pada Program Studi Teknik Informatika Fakultas Teknologi Industri dan Informatika UHAMKA. Sumber data penelitian ini adalah jumlah calon mahasiswa baru di 15 Tahun ke belakang yaitu data 2008 sampai 2023. dengan menggunakan 2 metode yaitu linear regression dan exponential smoothing. Prediksi jumlah penerimaan mahasiswa baru menunjukkan nilai prediksi yang sangat baik yaitu antara 0-10%. Nilai MAPE pada prediksi adalah 0,99% dengan Regresi Linear dan 5,07% ketika menggunakan Exponential Smoothing. Dalam pengujian bahwa Linear Regression menghasilkan nilai MAPE lebih kecil daripada metode Exponential Smoothing, yang berarti metode hasil prediksinya lebih mendekati dengan jumlah penerimaan mahasiswa baru yang sebenarnya.
Sistem Pakar Diagnosa Organisme Pengganggu Tanaman (OPT) Semangka Menggunakan Metode Fuzzy Tsukamoto Wistu Ari Wibowo; Anik Vega Vitianingsih; Yudi Kristyawan; Slamet Kacung
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.v13i1.3653

Abstract

Diagnosa yang tepat sangat penting untuk mengendalikan dan mencegah penyebaran organisme pengganggu tanaman semangka. Namun, seringkali petani kesulitan dalam mendiagnosa organisme pengganggu tanaman yang menyerang semangka. Masalah yang dihadapi adalah kurangnya pengetahuan dan pengalaman petani dalam mengetahui jenis organisme pengganggu semangka. Hal ini dapat mengakibatkan kesalahan dalam diagnosa dan pengobatan yang tidak tepat dapat mengurangi produksi dan kualitas buah yang dihasilkan. Tujuan penelitihan ini adalah membuat sistem pakar untuk identifikasi jenis organisme pengganggu tanaman semangka menggunakan metode Fuzzy Tsukamoto berdasarkan parameter organisme pengganggu tanaman semangka yang menyerang daun, batang dan kulit buah semangka. Metode tersebut digunakan karena mudah diterapkan dan bisa menghasilkan keputusan dengan masukan data yang samar. Variabel keluaran adalah kondisi besar serangan hama dan penyakit tanaman semangka yang dikelompokkan menjadi empat kategori yaitu ringan, sedang, berat dan puso.
Penerapan Metode Support Vector Machine Untuk Analisis Sentimen Terhadap Produk Skincare Jasmarizal; Junadhi; Rahmaddeni; M. Khairul Anam
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.v13i1.3654

Abstract

Perawatan kulit telah menjadi aspek yang signifikan dalam pola hidup modern. Kesadaran masyarakat terhadap penampilan dan kesehatan kulit semakin meningkat, mendorong permintaan terus berkembang untuk produk skincare. Konsumen sering menghadapi kesulitan dalam memilih produk yang sesuai dengan jenis kulit mereka, di mana ulasan dari pengguna lain bisa menjadi panduan berharga, namun juga berpotensi menyebabkan kebingungan jika tidak dikelola dengan baik. Mengetahui sentimen konsumen terhadap produk skincare tidak hanya membantu produsen dan pengecer memahami penerimaan produk, tetapi juga memberikan arahan bagi konsumen lain dalam pengambilan keputusan. Kemajuan dalam teknologi analisis sentimen memungkinkan penelitian yang lebih efisien dan akurat terhadap pandangan konsumen mengenai produk skincare. Analisis sentimen dapat dijalankan secara otomatis menggunakan algoritma dan model kecerdasan buatan, di mana Support Vector Machine (SVM) menjadi salah satu metode yang efektif dalam permasalahan klasifikasi. SVM memberikan wawasan mendalam mengenai sentimen yang terkandung dalam ulasan konsumen. Dataset yang digunakan mengandung komentar dan ulasan dari pengguna terkait produk skincare MS Glow, dengan total 3.006 data. Proses selanjutnya melibatkan tahap pre-processing data, yang mencakup langkah-langkah seperti Case Folding, Normalisasi Data, Tokenisasi, Filtrasi Stop Words, dan Stemming. Pada tahap pemodelan, SVM digunakan untuk mengklasifikasi sentimen atau opini pengguna terhadap produk skincare tersebut. Hasil akhir menunjukkan bahwa model dengan ketidakseimbangan kelas mengalami overfitting, di mana performa model optimal hanya pada data pelatihan dan kurang efektif pada data uji. Namun, dengan melatih model menggunakan kelas yang seimbang dan menerapkan teknik SMOTE, ditemukan hasil optimal, mencapai akurasi sebesar 99.60% dan nilai f1-score sebesar 98.55%.
Perancangan Aplikasi Website Sistem Informasi Alumni Menggunakan PHPRad Abdillah, Shelya Putri Nurhaliza; Widodo, Suprih
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.v13i1.3657

Abstract

Dalam konteks meningkatkan Pelayanan Bursa Kerja Khusus di SMKN 2 Purwakarta, diperlukan suatu sistem informasi yang mampu mengatasi permasalahan dalam pendataan alumni dan lowongan kerja. Tujuan dari penelitian ini adalah untuk mengembangkan sebuah aplikasi web yang tidak hanya mempermudah proses pendataan, tetapi juga memberikan peluang untuk perbaikan di masa depan. Penelitian ini melibatkan langkah-langkah seperti studi literatur, pengumpulan data, analisis sistem, pengembangan sistem, dan pembuatan laporan. Data dikumpulkan melalui kombinasi penelusuran literatur dan kegiatan lapangan, termasuk wawancara dengan subjek yang relevan. Dalam pengembangan sistem, digunakan metodologi SDLC (Software Development Life Cycle) dengan model Waterfall yang terstruktur dan sesuai untuk merancang sistem informasi alumni. Untuk aplikasi pengembang sistem informasi ini, dipilih PHPRad sebagai solusi yang menawarkan fitur-fitur kuat, kemudahan penggunaan, dan dukungan untuk pengembangan berkelanjutan. Selain itu, PHPRad juga menghasilkan dokumentasi yang berharga untuk perbaikan di masa depan, termasuk hasil pengujian Blackbox yang memfokuskan pada fungsionalitas fitur.

Page 38 of 113 | Total Record : 1127

 36   37   38   39   40 

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