cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Novi Wulandari
Contact Email
novi.wulandari@almuslim.ac.id
Phone
+6221-88362226
Journal Mail Official
ikram@almuslim.ac.id
Editorial Address
STMIK Al Muslim Jl. Raya Setu, Kp. Bahagia, Tambun Selatan - Bekasi
Location
Kab. bekasi,
Jawa barat
INDONESIA
IKRAM: Jurnal Ilmu Komputer Al Muslim
Published by Sekolah Tinggi Manajemen Informatika dan Komputer Al Muslim
ISSN : 29644364     EISSN : 29645115     DOI : -
Core Subject : Science,
Computer Science & IT Decision Sciences, Operations Research & Management
data mining, data science, software engineering, machine learning, image processing, decision support system, expert system, computer graphics, mobile programming, and soft computing
Arjuna Subject : Ilmu Komputer (semua kategori) - Ilmu Komputer (Lain-Lain)
Articles 87 Documents
 5   6   7   8   9 
Implementasi Machine Learning dalam Biomedical Informatics Untuk Prediksi Risiko Hipertensi pada Lansia Iwan Mulyana; Amat Damuri; Abdul Rohim
IKRAM: Jurnal Ilmu Komputer Al Muslim Vol. 5 No. 2 (2026): IKRAM: Jurnal Ilmu Komputer Al Muslim
Publisher : STMIK Al Muslim

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Hipertensi merupakan salah satu penyakit kronis yang paling banyak diderita oleh lansia dan menjadi faktor risiko utama berbagai penyakit kardiovaskular, seperti stroke, gagal jantung, dan penyakit ginjal kronis. Deteksi dini terhadap risiko hipertensi sangat penting untuk mendukung upaya pencegahan dan pengambilan keputusan klinis yang lebih efektif.   Perkembangan Biomedical Informatics memungkinkan integrasi data kesehatan, rekam medis elektronik (Electronic Health Records/EHR), serta teknik analitik cerdas untuk meningkatkan kualitas layanan kesehatan. Penelitian ini bertujuan mengimplementasikan metode Machine Learning dalam kerangka Biomedical Informatics untuk memprediksi risiko hipertensi pada lansia berdasarkan data rekam medis elektronik. Dataset penelitian terdiri atas variabel demografi, riwayat penyakit, tekanan darah sistolik dan diastolik, indeks massa tubuh, kadar gula darah, kadar kolesterol, kebiasaan merokok, aktivitas fisik, serta riwayat konsumsi obat antihipertensi.   Tahapan penelitian meliputi pengumpulan data, prapemrosesan data, seleksi fitur, pembangunan model prediksi menggunakan algoritma Machine Learning, serta evaluasi performa model dengan metrik Accuracy, Precision, Recall, F1-Score, dan Area Under the Curve (AUC).
The Penerapan Metode Design Thinking Pada Perancangan UI/UX Aplikasi Pemesanan Pada Coffe Shop Desimal Akmal Akmal Rizkian; April Lia Hananto; Elfina Novalia; Shofa Shofiah Hilabi
IKRAM: Jurnal Ilmu Komputer Al Muslim Vol. 5 No. 2 (2026): IKRAM: Jurnal Ilmu Komputer Al Muslim
Publisher : STMIK Al Muslim

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Salah satu masalah yang paling umum terjadi adalah bagaimana menghemat waktu dalam melakukan pemesanan, Coffe Shop Desimal meningkatkan pengalaman pelanggan dengan mengembangkan aplikasi pemesanan intuitif menggunakan Design Thinking, pendekatan yang berpusat pada pengguna. Design thinking adalah pendekatan yang memprioritaskan inovasi dan kebutuhan konsumen serta mempertimbangkan kebutuhan pengguna dan menyesuiakannya dengan fitur teknologi yang tepat untuk menghasilkan produk kualitas tinggi karena kostumisasi pengguna. Lima langkah dalam proses pemikiran desain adalah empati, definisi, ideasi, prototipe, dan pengujian. Langkah selanjutnya adalah penggunakan System Usability Scale dalam proses penelitian. Berdasarkan hasil pengujian yang dilakukan pada aspek kepuasan mendapat skor 4.29 dengan penilaian adjective ratings “Baik” sedangkan grade scale mendapatkan nilai “B”.
Sistem Kontrol Akses Ruangan Menggunakan Teknologi Pengenalan Wajah Berbasis IoT Liza; Vivi Asbar; Juanda
IKRAM: Jurnal Ilmu Komputer Al Muslim Vol. 5 No. 2 (2026): IKRAM: Jurnal Ilmu Komputer Al Muslim
Publisher : STMIK Al Muslim

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Keamanan dan kontrol akses ruangan yang menggunakan kunci mekanis atau kartu akses memiliki kelemahan berupa risiko kehilangan kunci, duplikasi akses, serta keterbatasan pemantauan aktivitas secara real-time. Penelitian ini bertujuan merancang dan mengimplementasikan prototipe sistem kontrol akses ruangan berbasis Internet of Things (IoT) menggunakan teknologi pengenalan wajah pada mikrokontroler ESP32-S3-CAM. Metode yang digunakan adalah Research and Development (R&D) dengan pendekatan prototyping. Sistem mengintegrasikan sensor PIR HC-SR501 sebagai pemicu deteksi gerakan, kamera untuk menangkap citra wajah, relay dan solenoid door lock sebagai mekanisme pengendalian pintu, buzzer sebagai indikator peringatan, serta Telegram Bot sebagai media pemantauan dan pengendalian jarak jauh. Hasil pengujian menunjukkan seluruh komponen dapat bekerja secara terintegrasi sesuai rancangan. Pengenalan wajah mampu membedakan wajah terdaftar dan tidak terdaftar dengan jarak efektif hingga 75 cm. Penggunaan kamera OV2640 menghasilkan tingkat keberhasilan pengenalan wajah 100% pada lima kali pengujian dalam kondisi pencahayaan terang maupun redup. Telegram Bot juga berhasil mengirimkan notifikasi dan foto wajah tidak dikenal serta menyediakan fitur pengendalian pintu secara jarak jauh. Sistem yang dikembangkan dapat digunakan sebagai prototipe kontrol akses ruangan berbasis IoT.
Sistem Monitoring Dan Peringatan Dini Konsumsi Energi Listrik Rumah Tangga Berbasis IoT Zul; Chaeroen Niesa; Juanda
IKRAM: Jurnal Ilmu Komputer Al Muslim Vol. 5 No. 2 (2026): IKRAM: Jurnal Ilmu Komputer Al Muslim
Publisher : STMIK Al Muslim

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Konsumsi energi listrik rumah tangga yang tidak terpantau secara langsung dapat menyebabkan penggunaan energi yang berlebihan serta meningkatkan risiko beban listrik berlebih. Penelitian ini bertujuan untuk merancang dan membangun sistem monitoring dan peringatan dini konsumsi energi listrik rumah tangga berbasis Internet of Things (IoT). Metode yang digunakan adalah Research and Development (R&D) dengan ESP32 sebagai mikrokontroler, PZEM-004T sebagai sensor pengukuran parameter listrik, Blynk IoT sebagai media pemantauan, serta relay, LED, dan buzzer sebagai komponen keluaran sistem. Sistem dirancang untuk memantau tegangan, arus, daya, energi, frekuensi, dan faktor daya secara real-time. Selain memberikan peringatan ketika konsumsi daya melebihi batas yang ditentukan, sistem juga dilengkapi mekanisme proteksi otomatis dengan penundaan selama 10 detik sebelum relay memutus beban. Hasil pengujian menunjukkan bahwa sistem mampu membaca parameter listrik dan menampilkannya pada aplikasi Blynk secara real-time. Pengujian juga menunjukkan sistem dapat memberikan peringatan overload, memutus beban secara otomatis setelah kondisi melebihi batas selama 10 detik, serta mengirimkan notifikasi melalui Blynk. Fitur Reset Trip berhasil mengembalikan sistem ke kondisi normal setelah gangguan teratasi. Dengan demikian, sistem yang dikembangkan dapat digunakan untuk membantu pemantauan dan pengendalian konsumsi energi listrik rumah tangga.
KLASIFIKASI MULTIKELAS SAMPAH MENGGUNAKAN CNN DENGAN ARSITEKTUR MOBILENETV2 fahmi mubaraq; Cut Fadhillah; Juanda
IKRAM: Jurnal Ilmu Komputer Al Muslim Vol. 5 No. 2 (2026): IKRAM: Jurnal Ilmu Komputer Al Muslim
Publisher : STMIK Al Muslim

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Pengelolaan sampah memerlukan proses pemilahan berdasarkan jenis material secara tepat dan efisien. Pemilahan secara manual membutuhkan waktu dan berpotensi menimbulkan kesalahan. Penelitian ini bertujuan mengembangkan sistem klasifikasi multikelas sampah berbasis citra menggunakan Convolutional Neural Network (CNN) dengan arsitektur MobileNetV2 melalui pendekatan transfer learning. Dataset yang digunakan diperoleh dari Kaggle dan terdiri atas 15.515 citra dalam 12 kategori sampah. Tahapan penelitian meliputi preprocessing dengan mengubah ukuran citra menjadi 224×224 piksel, normalisasi, augmentasi, serta pembagian dataset menjadi data latih, validasi, dan uji dengan perbandingan 70:15:15. Model MobileNetV2 digunakan sebagai ekstraktor fitur dan dilatih melalui dua tahap, yaitu feature extraction dan fine-tuning. Hasil pengujian pada data uji menunjukkan bahwa model memperoleh akurasi sebesar 94,97%, precision macro sebesar 93,37%, recall macro sebesar 92,53%, dan F1-score macro sebesar 92,85%. Model selanjutnya diimplementasikan pada aplikasi web GarbageAI menggunakan FastAPI dan Bootstrap 5 untuk melakukan klasifikasi citra sampah. Hasil penelitian menunjukkan bahwa CNN dengan arsitektur MobileNetV2 mampu melakukan klasifikasi multikelas sampah dengan kinerja yang baik dan dapat digunakan sebagai pendukung proses identifikasi jenis sampah berbasis citra
Sistem Pakar Diagnosa Penyakit Pada Kambing Dan Domba Menggunakan Metode Naïve Bayes Dan Certainty Factor Lyra Liliana Syakila; Rama Adistya Nurtjahya Pamudji; Iswandi
IKRAM: Jurnal Ilmu Komputer Al Muslim Vol. 5 No. 2 (2026): IKRAM: Jurnal Ilmu Komputer Al Muslim
Publisher : STMIK Al Muslim

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Proses diagnosis penyakit kambing dan domba saat ini masih dilakukan manual oleh peternak berdasarkan pengamatan visual terhadap gejala. Ketika gejala tidak dikenali, peternak mencari referensi dari buku atau internet, lalu mendiagnosis dan menentukan penanganan berdasarkan intuisi atau pengalaman pribadi. Jika penanganan mandiri gagal, peternak baru menghubungi dokter hewan atau UPTD setempat. Proses ini menimbulkan permasalahan berupa diagnosis subjektif sehingga hasilnya tidak selalu akurat dan konsisten, keterbatasan pengetahuan peternak mengenai gejala klinis tiap penyakit, serta terbatasnya akses dokter hewan dari segi jarak dan waktu tunggu pemeriksaan yang menyebabkan keterlambatan penanganan. Penelitian ini mengusulkan sistem pakar berbasis web yang mengombinasikan metode Naive Bayes untuk menghitung probabilitas penyakit berdasarkan gejala yang diinputkan, dengan metode Certainty Factor untuk menentukan tingkat kepastian hasil diagnosis. Sistem dibangun menggunakan CodeIgniter, Bootstrap, PHP, dan MySQL, dengan basis pengetahuan 11 penyakit dan 29 gejala pada kambing dan domba. Pengujian black box menunjukkan seluruh fungsi sistem berjalan baik, sementara pengujian confusion matrix dan F1-score menunjukkan akurasi sistem mencapai 96,00% dengan rata-rata F1-score 96,36% pada kambing maupun domba. Hasil ini menunjukkan metode Naive Bayes dan Certainty Factor efektif membantu peternak dan petugas UPTD Puskeswan dan Laboratorium Kesmavet Setu melakukan diagnosis awal penyakit kambing dan domba secara cepat dan tepat waktu.
Evaluasi Regresi Logistik dengan Pembobotan Kelas dan Optimasi Ambang Keputusan untuk Prediksi Pembelian pada E-Commerce Putri Mayang; Casto Uripto; M. Rifa'i Susanto
IKRAM: Jurnal Ilmu Komputer Al Muslim Vol. 5 No. 2 (2026): IKRAM: Jurnal Ilmu Komputer Al Muslim
Publisher : STMIK Al Muslim

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Penelitian ini bertujuan mengevaluasi pengaruh pembobotan kelas dan optimasi ambang keputusan terhadap kinerja regresi logistik dalam memprediksi pembelian pada e-commerce. Penelitian menggunakan Online Shoppers Purchasing Intention Dataset yang terdiri atas 12.330 sesi kunjungan dengan distribusi kelas tidak seimbang. Empat skenario dievaluasi, yaitu regresi logistik standar dan berbobot kelas, masing-masing menggunakan ambang keputusan 0,5 dan ambang optimal. Data dibagi secara stratifikasi menjadi data pelatihan dan pengujian dengan proporsi 80:20. Ambang optimal ditentukan berdasarkan F1-score dari prediksi out-of-fold pada data pelatihan. Hasil menunjukkan bahwa regresi logistik berbobot kelas dengan ambang optimal menghasilkan F1-score tertinggi sebesar 0,6306, dengan akurasi 0,8755, precision 0,5835, recall 0,6859, dan ROC-AUC 0,8962. Sebaliknya, regresi logistik standar dengan ambang 0,5 menghasilkan akurasi tertinggi sebesar 0,8812, tetapi recall hanya 0,3560. Analisis sensitivitas menunjukkan bahwa penghapusan variabel PageValues menurunkan F1-score model terbaik menjadi 0,3902. Temuan ini menunjukkan bahwa pembobotan kelas dan optimasi ambang dapat meningkatkan keseimbangan precision dan recall, sedangkan penggunaan PageValues perlu mempertimbangkan ketersediaan informasi pada waktu prediksi.    

Page 9 of 9 | Total Record : 87

 5   6   7   8   9 

Filter by Year

2022 2026


Reset
Filter By Issues
All Issue Vol. 5 No. 2 (2026): IKRAM: Jurnal Ilmu Komputer Al Muslim Vol. 5 No. 1 (2026): IKRAM: Jurnal Ilmu Komputer Al Muslim Vol. 4 No. 2 (2025): IKRAM: Jurnal Ilmu Komputer Al Muslim Vol. 4 No. 1 (2025): IKRAM: Jurnal Ilmu Komputer Al Muslim Vol. 3 No. 2 (2024): IKRAM: Jurnal Ilmu Komputer Al Muslim Vol. 3 No. 1 (2024): IKRAM: Jurnal Ilmu Komputer Al Muslim Vol. 2 No. 2 (2023): IKRAM: Jurnal Ilmu Komputer Al Muslim Vol. 2 No. 1 (2023): IKRAM: Jurnal Ilmu Komputer Al Muslim Vol. 1 No. 1 (2022): IKRAM: Jurnal Ilmu Komputer Al Muslim