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
 38   39   40   41   42 
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
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
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
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
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
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
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.
Optimizing Hospitality Choices: A Forward Chaining and Certainty Factor-Based Expert System for Recommending 4-Star Hotels in Batam City Caniago, Deosa Putra; Simatupang, Devid Trinaldo; Kurnia, Okki; Septiana, Reski; Sekar, M. Y. Meinadia
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.v13i1.3658

Abstract

Tourism and travel is the largest industry in the world with hotels as a key factor in enjoying a holiday. As the cornerstone of tourism, the hotel industry continues to develop to meet increasingly high customer expectations. The application of high technology is the key to competition between hotels, with several hotels moving towards an innovative and efficient "smart hotel" concept. This research explores the hotel industry in Batam as a unique tourism destination and industrial center. The main focus includes analyzing the level of technology adoption in Batam hotels, identifying trends and factors driving the “smart hotel” concept, and developing expert system models to improve the tourist experience. By combining the two methods of Forward Chaining and Certainty Factors in an Expert System, it is hoped that the results of this research can provide important insights regarding the development of the hotel industry in Batam and the positive impact of technology in improving the quality of service to travelers.
Implementasi Algoritma Raycasting Pada Game Psikologi Horor Irsyadul Ikhbaad, Fauzan Al; Haryoko; Bernadhed; Muhammad Fairul Filza
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.v13i1.3659

Abstract

Pengembangan permainan "Ngabdi: The Beginning" menggunakan Unity Engine dan bahasa pemrograman C#. Dengan fokus pada integrasi skrip sederhana yang diaktifkan melalui input mouse, teknik ray casting digunakan untuk mendeteksi benturan objek dalam scene permainan. Pengujian dilakukan untuk menentukan panjang optimal interactionRayLength, parameter kunci dalam ray casting. Hasil implementasi dan pengujian menunjukkan kesuksesan dalam mencapai kinerja optimal dan respons yang diinginkan. Dengan melakukan uji coba sebanyak 7 kali, paper ini menyajikan landasan yang kokoh untuk pemahaman lebih lanjut tentang parameter kritis dalam teknik ray casting 3D dan pengaplikasiannya dalam pengembangan permainan. Kesimpulan ini dapat menjadi panduan bagi pengembang permainan untuk memanfaatkan teknik ray casting 3D secara efektif dalam lingkungan Unity Engine.
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
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.
A Review to Smart Grids Bezas, Konstantinos; Tsiridis, Marios; Filippidou, Foteini
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.v13i1.3663

Abstract

This paper is the result of an extensive study, comparison, and analysis of academic articles and research related to smart grids and the solutions they offer to enhance the efficiency, reliability, and sustainability of modern electrical power systems. It presents a comprehensive analysis of the progress made in recent years in smart grid technologies, including architecture, communication infrastructure, control strategies, and the integration of renewable energy sources. Additionally, the benefits and advantages of adopting smart grids are explored and presented, along with the challenges arising from their use. There is also a reference to the future prospects of using smart grids and how they can impact human life. Following this, there is an analysis of the two most critical elements of smart grids, namely Energy Management Systems (EMS) and Advanced Metering Infrastructure (AMI). Finally, some conclusions are drawn regarding the use of smart grid systems, and a personal opinion is expressed.

Page 40 of 117 | Total Record : 1170

 38   39   40   41   42 

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