The Indonesian Journal of Computer Science
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.
Articles
1,170 Documents
<![CDATA[Social Network Analysis dalam Mengukur Keaktifan Promosi Universitas di Media Sosial Twitter ]]>
<![CDATA[Ahmad Rifai]]>;
<![CDATA[Eka Putri Rachmawati]]>;
<![CDATA[Dinar Anggit Wicaksono]]>
<![CDATA[ The Indonesian Journal of Computer Science Vol. 11 No. 3 (2022): The Indonesian Journal of Computer Science ]]>
Publisher : <![CDATA[AI Society & STMIK Indonesia ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.33022/ijcs.v11i3.3097
<![CDATA[Banyaknya Universitas baru yang bermunculan membuat semakin ketatnya persaingan dalam menarik minat calon mahasiswa. Social Network Analysis (SNA) salah satu metode untuk menganalisis interaksi pengguna media sosial dalam menghasilkan informasi yang dapat mendukung dalam pengambilan keputusan untuk melakukan promosi. Tujuan dari penelitian ini adalah untuk mengetahui keaktifan Universitas dalam melakukan promosi melalui media sosial twitter. Sosial Media Analysis (SNA) menunjukkan aktor (node) dengan nilai degree centrality (sering dihubungi) adalah aktor dengan nama sbmptnfess pada Universitas Dian Nuswantoro dengan nilai sebesar 21 node. Sedangkan aktor yang memiliki jangkauan yang paling dekat (Closseness centrality) Universitas Semarang, Universitas Sultan Agung, Universitas Dian Nuswantor, dan Universitas PGRI Semarang memiliki nilai yang sama. Sehingga aktor dari ke empat universitas tersebut memiliki kedekatan jangkauan sebesar 1.0. Sedangkan Aktor sebagai penghubung yang baik (Betweenness Centrality) adalah Universitas PGRI Semarang dengan nilai tertinggi sebesar 0.010096 dengan aktor turungences.]]>
<![CDATA[Klasifikasi Dana Hibah Usaha Mikro Kecil dan Menengah dengan Metode Naïve Bayes ]]>
<![CDATA[Sanjaya, Ucta Pradema]]>;
<![CDATA[Pribadi , Teguh]]>;
<![CDATA[Prastya, Ifnu Wisma Dwi]]>
<![CDATA[ The Indonesian Journal of Computer Science Vol. 11 No. 3 (2022): The Indonesian Journal of Computer Science ]]>
Publisher : <![CDATA[AI Society & STMIK Indonesia ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.33022/ijcs.v11i3.3099
<![CDATA[Pandemi COVID-19 yang melanda membuat pengusaha mengalami melambatnya perekonomian. Untuk menstimulus perekonomian serta memberikan ketahanan terhadap pengusaha maka pemerintah memberikan dana hibah untuk pengusaha Usaha Micro Kecil dan Menengah. Pemberian dana hibah untuk Usaha Micro Kecil dan Menengah terkadang terdapat masalah dalam pembagiaanya. Dikarenakan terdapat permasalahan tersebut maka perlu adanya model data mining dalam menangani masalah terserbut. Data mining bentuk disiplin ilmu yang memiliki 5 peran antar lain metode klasifikasi. Pada metode klasifikasi yang mengunakan peluang yang ciri perhitungannya adalah metode naïve bayes. Metode naïve bayes sudah banyak digunakan untuk mengklasifikasikan beberapa penelitian terkait dengan ekonomi, kesehatan, dan lain sebagainya. Dari pengunaan naïve bayes, maka akan di evaluasi dengan X-Cross validation/ K-Fold validation. Dari perbandingan pengunaan fold validation maka nilai akurasi terbesar terdapat pada nilai 3 fold validation dengan nilai akurasi sebesar 95,96% dan untuk nilai recall pada percobaan metode fold validation semuanya mendapatkan nilai 100%. Nilai presisi paling tinggi pada percobaan 3 fold validation yaitu sebesar 87,96%.]]>
<![CDATA[Usability Algoritma Supervised Learning Untuk Prediksi Kelulusan Mahasiswa pada Sistem Bimbingan Akademik: Usability Algoritma Supervised Learning Untuk Prediksi Kelulusan Mahasiswa pada Sistem Bimbingan Akademik ]]>
<![CDATA[Triase]]>;
<![CDATA[Sriani , Sriani]]>;
<![CDATA[Khairuna]]>
<![CDATA[ The Indonesian Journal of Computer Science Vol. 11 No. 3 (2022): The Indonesian Journal of Computer Science ]]>
Publisher : <![CDATA[AI Society & STMIK Indonesia ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.33022/ijcs.v11i3.3101
<![CDATA[Tugas perguruan tinggi sebagai wadah pengembangan kebutuhan masyarakat melalui tingkat program studi harus meningkatkan kompetensinya. Langkah yang diambil adalah dengan menciptakan dan mengembangkan teknologi informasi dalam kegiatan akademik. Salah satunya menyediakan sistem informasi layanan bimbingan akademik untuk mendukung keputusan dan memudahkan penyediaan data bagi program studi. Pada saat ini layanan bimbingan akademik terhadap mahasiswa persemester pada prodi yang ada di Fakultas Sains dan Teknologi UIN Sumatera Utara Medan, dilakukan secara manual yaitu menggunakan buku bimbingan akademik sebagai bukti kegiatan. Buku bimbingan memberikan informasi profil mahasiswa, ipk, total sks, masa penyelesaian akademik. Dimana variabel tersebut dapat digunakan untuk memprediksi kelulusan mahasiswa. Data yang digunakan total lulus pada program studi Sistem Informasi dan ilmu komputer sebanyak 301 data. Algoritma K-Nearest Neighbor (K-NN) untuk menghitung data latih dan uji, dimana perbandingan data yang akan digunakan 80%:20% yaitu 211 data latih dan 90 data uji, dan hasil prediksi lulusan mahasiswa dengan euclidian K= 3.]]>
<![CDATA[Prototype Alat Pendeteksi Kebakaran Menggunakan Sensor Flame dan MQ-2 Berbasis Arduino Uno ]]>
<![CDATA[Nugraha, Denny Andian]]>;
<![CDATA[Satria, Budy]]>
<![CDATA[ The Indonesian Journal of Computer Science Vol. 11 No. 3 (2022): The Indonesian Journal of Computer Science ]]>
Publisher : <![CDATA[AI Society & STMIK Indonesia ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.33022/ijcs.v11i3.3102
<![CDATA[Fires can occur due to uncontrolled activities such as short circuits, littering of cigarette residues, gas leaks, human carelessness and natural factors that cause fires to appear. This research aims to design a prototype fire detector using a flame sensor to detect fire and an MQ-2 sensor to detect smoke and gas based on the Arduino Uno microcontroller. When these sensors detect the presence of fire, smoke and gas objects, the Buzzer and LEDs that have been programmed into indicators will be active as an early warning that a fire has occurred. The results of the tests that have been carried out in this study are the Arduino Uno Microcontroller works well to perform data processing. Testing the flame sensor at a distance of 5-25 cm causes the alarm to sound and the LED lights up as an indicator that the sensor is functioning in detecting hotspots. The MQ-2 sensor successfully detects the presence of smoke and gas at a density value of 760-775ppm. So this tool can help in providing a fire warning.]]>
<![CDATA[Analisa Pengaruh Jalur Penerimaan Mahasiswa Baru Terhadap Hasil Akademik Mahasiswa Menggunakan Metode Clustering K-Means ]]>
<![CDATA[Yang, Agita Rindri]]>;
<![CDATA[Rollastin, Boy]]>;
<![CDATA[Riyadi, Muhammad]]>
<![CDATA[ The Indonesian Journal of Computer Science Vol. 12 No. 1 (2023): The Indonesian Journal of Computer Science ]]>
Publisher : <![CDATA[AI Society & STMIK Indonesia ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.33022/ijcs.v12i1.3103
<![CDATA[Setiap tahun perguruan tinggi melakukan penerimaan mahasiswa baru untuk menyaring calon mahasiswa baru yang berkualitas. Data penerimaan mahasiswa baru tersebut semakin bertambah setiap tahunnya dan hanya tersimpan sebagai arsip dalam basis data perguruan tinggi. Padahal data-data tersebut dapat diolah dengan menggunakan teknik data mining untuk mendapatkan informasi tertentu yang bermanfaat bagi perguruan tinggi. Penelitian ini bertujuan memanfaatkan data penerimaan mahasiswa baru untuk mengetahui pengaruh jalur penerimaan mahasiswa baru terhadap hasil akademik mahasiswa selama mengikuti perkuliahan dengan menggunakan algoritma K-Means Clustering. Data yang digunakan adalah data penerimaan mahasiswa baru pada Program Studi Sarjana Terapan Teknik Elektro, Program Studi Sarjana Terapan Teknologi Rekayasa Perangkat Lunak, dan Program Studi Sarjana Terapan Teknik Mesin dan Manufaktur Polman Negeri Babel Tahun Akademik 2021/2022 dan data nilai semester ganjil TA 2021/2022. Jumlah data yang digunakan sebanyak 179 data dari Program Studi Sarjana Terapan Teknik Elektro, Program Studi Sarjana Terapan Teknologi Rekayasa Perangkat Lunak, dan Program Studi Sarjana Terapan Teknik Mesin dan Manufaktur. Hasil dari penelitian menunjukkan bahwa K-Means Clustering mengelompokkan data menjadi 3 cluster di setiap kategori jalur penerimaan mahasiswa baru. Hasil cluster tersebut menunjukkan bahwa jalur SNMPTN menghasilkan 48% mahasiswa memiliki hasil akademik 10 terbaik di kelasnya, sementara itu 60% mahasiswa dari jalur MANDIRI menempati peringkat 21-30 di kelasnya.]]>
<![CDATA[Klasterisasi Wilayah Penghasil Tanaman Lada Menggunakan Algoritma K-Means ]]>
<![CDATA[Puspitasari, Novianti]]>;
<![CDATA[Haviluddin, Haviluddin]]>;
<![CDATA[Helmi Puadi, Fazma Urmila Jannah]]>
<![CDATA[ The Indonesian Journal of Computer Science Vol. 11 No. 3 (2022): The Indonesian Journal of Computer Science ]]>
Publisher : <![CDATA[AI Society & STMIK Indonesia ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.33022/ijcs.v11i3.3104
<![CDATA[Wilayah potensial untuk menanam lada semakin berkurang, sehingga jumlah produksi lada menjadi semakin menurun. Hal ini tentunya perlu menjadi perhatian mengingat lada merupakan salah satu komoditas unggulan yang sangat penting untuk menunjang perekonomian. Informasi tentang daerah yang berpotensi sebagai daerah penghasil tanaman lada perlu dilakukan. Penelitian ini bertujuan untuk mendata dan menganalisa wilayah potensial untuk tanaman lada menggunakan pendekatan algoritma cerdas yaitu K-Means. Data penelitian berasal dari Dinas Perkebunan Provinsi Kalimantan Timur sebanyak 1200 data dalam rentang waktu tahun 1990 sampai 2019 telah digunakan untuk dianalisis. Lebih lanjut, ketiga metode jarak yaitu Euclidean Distance, Manhattan Distance dan Minkowski Distance digunakan dalam penelitian ini. Dari ketiga metode tersebut dicari nilai akurasi yang tertinggi menggunakan metode Silhouette Coefficient (SC). Metode Sum Square Error (SSE) dan R-squared (R2) juga digunakan untuk mengukur cluster optimal. Hasil percobaan memperlihatkan bahwa metode jarak Manhattan Distance memiliki nilai akurasi terbaik. Sedangkan, cluster optimal untuk klusterisasi wilayah diperoleh tiga cluster yang merupakan cluster ideal untuk mengelompokkan wilayah penanam lada dengan SSE sebesar 238.7377116 dan nilai R2 adalah 0.459398609. Berdasarkan hasil tersebut, diperoleh informasi tentang wilayah yang berpotensi untuk produksi lada menggunakan tiga kategori yaitu kurang berpotensi, cukup berpotensi dan berpotensi baik dengan algoritma K-Means dan metode jarak Manhattan Distance.]]>
<![CDATA[Application of the Apriori Algorithm to Purchase Patterns ]]>
<![CDATA[Fey, Ferry Putrawansyah]]>
<![CDATA[ The Indonesian Journal of Computer Science Vol. 12 No. 2 (2023): The Indonesian Journal of Computer Science ]]>
Publisher : <![CDATA[AI Society & STMIK Indonesia ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.33022/ijcs.v12i2.3105
<![CDATA[The purpose of this research is to produce an Apriori Algorithm application system to increase sales turnover at Viona stores. The problem faced by the Viona store is that the Viona store has decreased turnover in the midst of business competition because it has not been able to optimally analyze the products that are often purchased and the combination of purchases by consumers so that sales seem monotonous and do not have a business strategy to attract customers. sales that can attract consumers. One way is to make sales with sales packages at lower prices. It must have a good pattern and analysis to be able to combine products into a sales package. However, with the limited ability of Information Technology, in this study a sales application was built that applies the a priori algorithm. This a priori algorithm is very effective in finding the relationship pattern of one or more itemsets in a large data set so that it is effective in calculating a sales transaction data and finding patterns of combinations of consumer habits and being able to quickly create product sales packages. increase sales turnover. The results of the process of applying the a priori algorithm to sales data at the Viona Store through the RapidMiner application are the same as the results applied to the system built and using sales transaction data for the month of May 2022 using a minimum support of 30% and minimum confidence of 30%. So from this study, information was obtained that the items that were often purchased together during this May period were lighters and cigarettes with 100% Confidence. And for the month of June Viona Stores can recommend packages in their store by looking at the results of a combination of 3 items, which are later expected to increase sales turnover at Viona Stores.]]>
<![CDATA[Edge Computing-Based Automated Vehicle Classification System Using the MobileNet V2 Model ]]>
<![CDATA[Widyatra Sudibyo, Rahardhita]]>;
<![CDATA[Mahmudah, Haniah]]>;
<![CDATA[Hadi , Moch. Zen Samsono]]>;
<![CDATA[Sa'adah, Nihayatus]]>
<![CDATA[ The Indonesian Journal of Computer Science Vol. 11 No. 3 (2022): The Indonesian Journal of Computer Science ]]>
Publisher : <![CDATA[AI Society & STMIK Indonesia ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.33022/ijcs.v11i3.3106
<![CDATA[The volume of traffic in one day is referred to as the average daily traffic volume. The Average Daily Traffic System (LHR) is also used to detect road damage caused by excessive vehicle loads. In the LHR system, vehicle data is still collected manually, with humans calculating the type and number of vehicles based on observations made and then divided into a time span. As a result, a system with a camera and deep learning data processing is required to automatically calculate the type and number of vehicles. The goal of this research is to develop edge computing systems by improving the system's performance in the calculation and classification of vehicles using the SSD MobileNet V2 model. The results of the MobileNet model scenario 5 have the lowest loss value of the five scenarios. The MobileNet V2 model can better classify vehicle types with a 65 FPS inference process.]]>
<![CDATA[Implementasi Learning Vector Quantization untuk Klasifikasi Jenis Buah Kelapa menggunakan Image Processing ]]>
<![CDATA[Puspita, Desi]]>
<![CDATA[ The Indonesian Journal of Computer Science Vol. 11 No. 3 (2022): The Indonesian Journal of Computer Science ]]>
Publisher : <![CDATA[AI Society & STMIK Indonesia ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.33022/ijcs.v11i3.3108
<![CDATA[Coconut fruit is a versatile plant because all parts from the stem to the coconut fruit have their benefits. Coconut fruit is the most valuable part of the economy. The problem so far that has occurred is that the process of classifying coconut species is still done manually and has not been computerized, namely the classification of coconut types is still based on experience, color, and shape of the coconut. This of course takes a long time and errors still occur frequently. So this research can help classify coconuts with Learning Vector Quantization (LVQ). The purpose of this research is to organize the types of coconuts with image processing and Learning Vector Quantization (LVQ) by using mean extraction from RGB (Red, Green, Blue) and standard deviation from RGB (Red, Green, Blue). The results of the study were taken from 2 different types of coconuts against the 80 training data, the accuracy of the training data was 83.75%. The evaluation results with the Confusion Matrix with a test accuracy value of 90% of the 20 test data.]]>
<![CDATA[Library Research: An Online Learning at High School as Learning Media ]]>
<![CDATA[Monica Fransisca]]>;
<![CDATA[Renny Permata Saputri]]>;
<![CDATA[Yuliawati Yunus]]>
<![CDATA[ The Indonesian Journal of Computer Science Vol. 11 No. 3 (2022): The Indonesian Journal of Computer Science ]]>
Publisher : <![CDATA[AI Society & STMIK Indonesia ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.33022/ijcs.v11i3.3110
<![CDATA[Technology has begun to applied in the field of education, not only in universities but also in high school. The existence of technology for education encourages the development of learning media, especially online learning. The purpose of this research was to examine implementation of online learning at high school level. The method used is literature review research, which is the research results come from several sources. The data obtained comes from books, research, and articles related to online learning media. Based on the research’s results, it was concluded that the use of online learning media in high school can be applied appropriately and well if it meets certain criteria. The use of online learning as learning media can also directly improved student’s learning outcomes. This statement obtained from research articles related to the topic.]]>
