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 1,114 Documents
 5   6   7   8   9 
Pendekatan Metode Weighted Moving Average Untuk Meramal Jumlah Penjualan Keripik Fitri, Adela; Yesputra, Rolly; Nasution, Akmal
The Indonesian Journal of Computer Science Vol. 11 No. 2 (2022): 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.v11i2.3086

Abstract

Teknik peramalan digunakan untuk memperhitungkan keadaan di masa mendatang atau melakukan prediksi kondisi di masa depan. Metode WMA atau weighted moving average adalah salah satu metode yang umum digunakan untuk melakukan peramalan. Akurasi dari suatu peramalan diukur melalui nilai eror terhadap ramalan yang diperoleh. Teknik peramalan dapat diterapkan dalam penjualan keripik. Dengan memperoleh data peramalan penjualan keripik dimasa mendatang dapat memberikan gambaran untuk langkah-langkah kerja kedepannya, sehingga dapat meningkatkan produktivitas kerja unit usaha. Proses perhitungan peramalan secara manual tentunya harus menguasai keahlian khusus terutama dibidang matematis. Untuk itu peneliti bermaksud membangun sebuah sistem peramalan sehingga dapat digunakan oleh semua orang dengan mudah dan cepat. Melalui sistem peramalan ini diperoleh data penjualan keripik ubi kayu untuk bulan selanjutnya adalah 40 kg dengan akurasi yang diukur menggunakan MSE sebesar 0,96 kg. Dimana dengan proses perhitungan manual juga diperoleh nilai yang sama dengan sistem yang dibuat. Nilai eror juga bisa dikatakan kecil, sehingga kriteria penggunaan metode ini termasuk akurat dan dapat dipercaya.
Meningkatkan Kinerja Decision Tree C4.5 dengan Seleksi Fitur Korelasi Pearson pada Deteksi Penyakit Diabetes Mohammad Burhan Hanif; Galet Guntoro Setiaji
The Indonesian Journal of Computer Science Vol. 11 No. 2 (2022): 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.v11i2.3087

Abstract

Diabetes sebuah penyakit yang menjadi momok seluruh dunia. Kerugianya tidak hanya pada penderita sendiri tetapi juga merambah ke banyak sektor. Baik di sektor pelayanan kesehatan dan sektor financial yang sangat menjadi beban tinggi yang perlu ditangani dengan baik dengan jalan pendeteksian penyakit diabetes sejak dini. Salah satu pendeteksian dini penyakit diabetes dapat memanfaatkan algoritma machine learning pada bidang data mining. Algoritma C4.5 merupakan algoritma machine learning yang memiliki tingkat akurasi dan kecepatan perhitungan tinggi dalam klasifikasi. Namun demikian algoritma C4.5 terganggu dengan data tak seimbang dan fitur data berdimensi tinggi. Pemanfaatan seleksi fitur menjadi salah satu penyelesain masalah data berdimensi tinggi. Algoritma Korelasi Pearson memiliki kemampuan dalam mengukur informasi antar fitur dan diterapkan dalam penelitian ini. Penggunaan Korelasi Pearson dianggap berhasil dalam meningkatkan kinerja algoritma C4.5 dalam deteksi awal penyakit diabetes. Keberhasilan ini terlihat pada hasil akurasi sebesar 95.31% tanpa korelasi pearson menjadi 96.16% dengan pemanfaatan korelasi pearson.
Optimasi Nilai K Pada Algoritma k-Means untuk Klasterisasi Data Pasien Covid-19 Moh. Fatkuroji; Fajrizal; Taslim; Eka Sabna; Kursiah Warti Ningsih
The Indonesian Journal of Computer Science Vol. 11 No. 2 (2022): 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.v11i2.3088

Abstract

With the spread of Covid-19 to various countries, it is difficult for Governments and Health Agencies in the world to handle Covid-19 cases to date. The prevention carried out by the Government and Health Agencies in the world is carried out by giving vaccines to the public. However, in some places it is not implemented in accordance with PMK Number 84 of 2020 which prioritizes providing vaccines to the elderly. With the current density of the population in Indonesia, the administration of vaccines does not see who is prioritized first. The application of the k-means algorithm is carried out to cluster patients affected by Covid-19 on the Covid-19 case data obtained from kaggle.com in the form of patient data from January 1, 2020 to May 31, 2020 as many as 139119 cases. The results of clustering data on cases affected by Covid-19 with k=3 yielded a WCSS value of 6801292.2. Calculations of the K-Means Algorithm using the Google Collaboratory Tools resulted in clusters with the cases of patients affected by Covid-19 in Cluster-0 as many as 58.237 cases, in Cluster-1 as many as 53.932 cases, and in Cluster-2 as many as 26.950 cases.  
Utilizing Machine Learning and Cloud Services to Improve Disaster Information Systems Arief, Lathifah; Sundara, Tri
The Indonesian Journal of Computer Science Vol. 11 No. 1 (2022): 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.v11i1.3090

Abstract

Cloud services have enabled various information system developments. In this paper, we explore the use of Amazon Sagemaker cloud services and AWS Data Exchange in disaster information systems. We proposed cloud architecture for a disaster information system and found some of the datasets provided on AWS Data Exchange could be leveraged for such system.
Analisa Komparasi Metode Pembagian Trafik Jaringan (Load Balancing) antara Metode PCC dan Metode ECMP: Studi Kasus pada Jaringan USM Soiful Hadi; Surono; Basworo Ardi Pramono
The Indonesian Journal of Computer Science Vol. 11 No. 3 (2022): 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.v11i3.3095

Abstract

Di era modern saat ini, kebutuhan akan akses internet di kampus merupakan hal yang mutlak dibutuhkan oleh mahasiswa dan dosen saat ini. Sehingga administrator jaringan kampus akan menerapkan berbagai alternatif cara untuk mencukupi kebutuhan akses internet untuk pengguna di universitas semarang. Pada kenyataannya administrator sering menggunakan satu gateway line ISP unutk satu network range meski memiliki dua atau lebih line ISP. ,Hal ini menyebabkan ketimpangan trafik jaringan ketika jumlah pengguna yang terhubung ke line ISP satu atau lebih banyak dari line ISP yang terhubung dengan ISP 2 atau sebaliknya. Pada penelitian ini dilakukan studi analisis komparasi metode pembagian trafik jaringan ( load balancing ) antara metode PCC (Per Connection Classifier) dan metode ICMP (Internet Control Message Protocol) untuk diterapkan di trafik jaringan universitas semarang dengan menggunakan perangkat routerboard mikrotik. Diharapkan melalui penelitian ini di dapatkan metode yang cocok untuk diterapkan di jaringan universitas semarang.
Sistim Pendukung Keputusan Menentukan Volume Produksi Keripik Tempe Menggunakan Metode Simplek Susanti, Evi Yulia
The Indonesian Journal of Computer Science Vol. 11 No. 3 (2022): 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.v11i3.3096

Abstract

Tempe can be processed to be used as a variety of dishes and snacks. Tempe chips are processed tempeh made from the main raw material of tempe which is thinly sliced ​​then seasoned and then fried until it has a crunchy texture. Tempe chips have become a business opportunity for Rimbo Ilir, Tebo Regency, Jambi Province with four flavors, Balado, cheese, BBQ and original flavors. The purpose of this study is to help the manager determine the production volume of tempeh chips according to the flavor variant in order to get the expected profit and minimize losses. The method used in this study is linear programming simplex method, using this method the manager is advised to produce tempe chips with Balado flavor of 18,225 pcs and cheese flavored with 6,795 pcs, with a profit of Rp. 24,493. From the sensitivity analysis, it does not mean that BBQ and cheese flavors should not be produced, but that they have a maximum production limit, for BBQ flavors a maximum of 6,286 pcs and original flavors 5,744 pcs.
Social Network Analysis dalam Mengukur Keaktifan Promosi Universitas di Media Sosial Twitter Ahmad Rifai; Eka Putri Rachmawati; Dinar Anggit Wicaksono
The Indonesian Journal of Computer Science Vol. 11 No. 3 (2022): 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.v11i3.3097

Abstract

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.
Klasifikasi Dana Hibah Usaha Mikro Kecil dan Menengah dengan Metode Naïve Bayes Sanjaya, Ucta Pradema; Pribadi , Teguh; Prastya, Ifnu Wisma Dwi
The Indonesian Journal of Computer Science Vol. 11 No. 3 (2022): 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.v11i3.3099

Abstract

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%.
Usability Algoritma Supervised Learning Untuk Prediksi Kelulusan Mahasiswa pada Sistem Bimbingan Akademik: Usability Algoritma Supervised Learning Untuk Prediksi Kelulusan Mahasiswa pada Sistem Bimbingan Akademik Triase; Sriani , Sriani; Khairuna
The Indonesian Journal of Computer Science Vol. 11 No. 3 (2022): 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.v11i3.3101

Abstract

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.
Prototype Alat Pendeteksi Kebakaran Menggunakan Sensor Flame dan MQ-2 Berbasis Arduino Uno Nugraha, Denny Andian; Satria, Budy
The Indonesian Journal of Computer Science Vol. 11 No. 3 (2022): 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.v11i3.3102

Abstract

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.

Page 7 of 112 | Total Record : 1114

 5   6   7   8   9 

Filter by Year

2021 2025


Reset
Filter By Issues
All Issue 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 Vol. 10 No. 2 (2021): The Indonesian Journal of Computer Science More Issue