cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
NInuk Wiliani
Contact Email
ninuk.wiliani@univpancasila.ac.id
Phone
+6285218111574
Journal Mail Official
jiac@univpancasila.ac.id
Editorial Address
Jalan Srengseng Sawah, Kec. Jagakarsa, Kota Jakarta Selatan, Jakarta Selatan - 12640. Email: jiac@univpancasila.ac.id
Location
Kota adm. jakarta selatan,
Dki jakarta
INDONESIA
Journal of Informatics and Advanced Computing
Published by Universitas Pancasila
ISSN : -     EISSN : 27220346     DOI : -
Core Subject : Science,
Computer Science & IT
Journal of Informatics and Advanced Computing is a leading scientific publication platform that presents the latest and innovative research in the field of informatics and computing. This journal highlights the latest developments, practical applications, and significant impacts of computing technology across various disciplines. We invite researchers, academics, and practitioners to share their findings that contribute to the advancement of science and technology. The Journal of Informatics and Advanced Computing is committed to publishing research that is relevant to real-world challenges. This journal presents innovative computational-based solutions for problems faced by society, industry, and government. We strive to be the primary reference for practitioners who want to apply the latest technology in their work.
Arjuna Subject : Ilmu Komputer (semua kategori) - Ilmu Komputer (Lain-Lain)
Articles 26 Documents
 1   2   3 
Search results for , issue "Vol 4 No 1 (2023): Journal of Informatics and Advanced Computing (JIAC)" : 26 Documents clear
Prediksi Pembatalan Reservasi Hotel Menggunakan Algoritma Naive Bayes Farah Husna Qani’ah; Rafiq Ramadhan; Annisa Cintakami Firdaus; Ionia Veritawati
Journal of Informatics and Advanced Computing (JIAC) Vol 4 No 1 (2023): Journal of Informatics and Advanced Computing (JIAC)
Publisher : Teknik Informatika Universitas Pancasila

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

Abstract

Pembatalan reservasi hotel dapat mempengaruhi manajemen industri dalam mengambil keputusan manajerialnya. Untuk mengatasi permasalahan dalam hal pembatalan reservasi hotel dapat diatasi dengan menerapkan prediksi dengan menggunakan metode machine learning dengan mempelajari data yang sudah dimiliki. Salah satu algoritma machine learning yang dapat digunakan dalam mengklasifikasikan data yaitu Naive bayes. Melalui hasil perhitungan pada 36.275 data yang memiliki 19 atribut dapat diketahui bahwa dalam menggunakan algoritma naive bayes untuk memprediksi pembatalan reservasi hotel mendapatkan hasil yang nilai ketepatan hanya mencapai 41% yang tidak memenuhi standar untuk pengambilan keputusan prediksi pembatalan reservasi hotel.
Sistem Informasi Pengelolaan Proyek Pada Perusahaan Konstruksi Instalasi Jaringan Pipa Air Bersih Adinda Ayu Azzahra; Desti Fitriati
Journal of Informatics and Advanced Computing (JIAC) Vol 4 No 1 (2023): Journal of Informatics and Advanced Computing (JIAC)
Publisher : Teknik Informatika Universitas Pancasila

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

Abstract

PT Krida Bhakti Sentosa merupakan sebuah perusahaan yang bergerak pada bidang jasa kontruksi instalasi jaringan pipa air bersih yang berlokasi di Jakarta Timur. Pada saat ini, pengelolaan proyek yang dilakukan oleh PT Krida Bhakti Sentosa menggunakan sistem konvensional seperti pembuatan laporan harian proyek masih menggunakan kertas yang berbentuk form, proses pelaporan proyek harian yang di lakukan Project Manager kepada pemilih perusahaan hanya dengan laporan langsung, pengarsipan yang di lakukan masih menggunakan kertas yang dikumpulkan dalam beberapa bindex. Sehingga menjadikan pengarsipan yang kurang baik menyebabkan kehilangan serta kerusakan dokumen, serta pemilik perusahaan tidak bisa melihat progres proyek secara berkala apabila Project Manager tidak melaporkan. Dalam pembuatan sistem tersebut menggunakan metode Software Development Life Cycle (SDLC) model Iteratif Waterfall dan menggunakan metode evaluasi Blackbox. Sistem informasi yang dihasilkan memiliki fitur penginputan dan pengelolaan arsip proyek, pemantauan progres proyek secara berkala, menghitung progres proyek secara otomatis, menginput laporan harian proyek, serta mengunduh laporan final proyek.
Teknik Sniffing Jaringan Menggunakan Wireshark Richo Muhhamad Farhan; Gregorius Hendita Artha Kusuma
Journal of Informatics and Advanced Computing (JIAC) Vol 4 No 1 (2023): Journal of Informatics and Advanced Computing (JIAC)
Publisher : Teknik Informatika Universitas Pancasila

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

Abstract

Computer network security factor is an absolute thing in building a network. Basically, the security system owned by the operating system is not enough to secure computer networks. Therefore, to get a computer network security, we need a tool that can detect the existence of an attack mechanism from the network. Where the purpose of this attack is to make the computer that accesses it unable to run normally on a computer network. Wireshark is software that can analyze computer network activity so that it can help detect imminent attacks so users don't have to worry about these attacks.
Perbandingan Metode Simple Additive Weighting (SAW), Weighted Product (WP) dan Exponential Comparison Method (MPE) Dalam Menentukan Zona Risiko COVID-19 Kota DKI Jakarta Desti Fitriati; Bayu Surya Arafah; Valiant Benvenuto Gianzuriell; M Zaidani Anwar
Journal of Informatics and Advanced Computing (JIAC) Vol 4 No 1 (2023): Journal of Informatics and Advanced Computing (JIAC)
Publisher : Universitas Pancasila

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35814/jiac.v4i1.5483

Abstract

Penyebaran COVID-19 semakin melonjak di seluruh belahan dunia, tak terkecuali di Indonesia. Kebijakan pemerintah terkait hal ini diharapkan dengan sangat sesuai proporsional dengan pelaksanannya yang tanpa penundaan. Salah satu dasar kebijakan pemerintah adalah penyuluhan informasi terkait penyebarluasan COVID-19 di berbagai daerah. Lalu, merujuk pada penentuan zona risiko, diketahui terdapat 14 kriteria indikator kesehatan masyarakat, yang tentunya tidak mudah dalam penentuan zona tersebut. Oleh karena itu, sangatlah diperlukan suatu sistem pendukung keputusan yang dipercaya memudahkan penentuan zona risiko COVID-19. Tujuan utama mengapa penentuan zona risiko terbentuk dengan sistem yang akan dibahas pada jurnal, yakni “Perbandingan Metode Simple Additive Weighting (SAW), Weighted Product (WP) dan Exponential Comparison Method (MPE)” diharapkan mampu membantu efisiensi pemerintah dalam hal pencegahan penyebaran virus COVID-19. Menggunakan metode kualitatif, berikut data dari masing-masing daerah yang digunakan dalam pengembilan keputusan menggunakan Metode Simple Additive Weighting; Hasil keputusan diperoleh dari 6 wilayah Kota/Kabupaten di Provinsi DKI Jakarta yang merupakan zona resiko sedang (orange) dengan nilai rata-rata 58,3. Dimana peringkat 1 diduduki oleh Kota Jakarta Timur dengan nilai 94, peringkat 2 Jakarta Selatan dengan nilai 87, peringkat 3 Jakarta Barat dengan nilai 68, peringkat 4 Jakarta Utara dengan nilai 45,6 dan Jakarta Pusat dengan nilai 35 sementara peringkat 6 dengan zona aman penularan covid-19 diduduki oleh Kota Kepulauan Seribu dengan nilai 20. Beralih pada metode yang kedua yakni Weighted Product, metode yang didasarkan menggunakan perhitungan dari beberapa kota dan diperoleh hasil tertinggi yaitu terletak di wilayah bagian Jakarta Selatan (R3) dengan nilai sebesar 0.2319 namun hasil rata-rata nilai V nya yaitu sebesar 0.167. Selanjutnya, pembahasan pada metode terakhir yakni metode Perbandingan Eksponensial adalah metode yang didasarkan dengan kriteria yang divariasikan dan diterapkan dibeberapa daerah. Hasil dari pengamatan dan data yang diperoleh didapatkan bahwa zona yang paling aman yaitu kota Jakarta Pusat dikarenakan memiliki zona berwarna hijau, sedangkan zona yang paling berbahaya yaitu kota Jakarta Timur hal itu dikarenakan daerah tersebut memiliki zona yang berwarna merah.
Parallel Processing Pada Pemodelan Machine Learning Menggunakan Random Forest N.I.S. Baldanullah; Naufal Mulyarizki; Indah Permatasari; Iqbal Putra Naufal; Dimas Candra Pratama
Journal of Informatics and Advanced Computing (JIAC) Vol 4 No 1 (2023): Journal of Informatics and Advanced Computing (JIAC)
Publisher : Universitas Pancasila

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35814/jiac.v4i1.5484

Abstract

Algoritma Random Forest dalam melakukan pengklasifikasian dengan membuat beberapa decision tree pada setiap sampel yang dipilih kemudian membuat hasil prediksi dari setiap decision tree dan memilih hasil prediksi akhir berdasarkan vote terbanyak. Penelitian ini akan membandingkan execution time yang diproses menggunakan teknik serial processing dengan parallel processing pada saat melakukan training data dengan menggunakan dataset flight delay dengan jumlah baris data sebanyak 563.737 baris. Hasilnya menunjukkan bahwa secara rata rata parallel processing mampu memproses training data lebih cepat berdasarkan tiap jumlah n buah decision tree yang telah ditentukan. Namun, jika membandingkan core pada parallel processing itu sendiri, seperti percobaan dengan jumlah 10 dan 20 buah decision tree, execution time dihasilkan lebih cepat dengan menggunakan 6 dan 7 core daripada menggunakan 8 core. Hasil akurasi terbesar didapatkan dengan penentuan jumlah buah decision tree sebanyak 40 dan 50 buah dengan akurasi yang sama sebesar 78.14%.
Penggunaan Algoritma K-Means Pada Metode Clustering Untuk Menganalisa Tindak Kriminal Imam Zuhdi Muzakkiy; Khoirul Husein; Kelfin Antonius; Kevin Raihan Hidayat; El Emir Di Haryanto; Iman Paryudi
Journal of Informatics and Advanced Computing (JIAC) Vol 4 No 1 (2023): Journal of Informatics and Advanced Computing (JIAC)
Publisher : Universitas Pancasila

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35814/jiac.v4i1.5486

Abstract

Kriminalitas adalah bentuk tindakan yang merugikan secara ekonomis maupun psikologis dan melanggar hukum yang berlaku di suatu negara. Dapat diartikan juga, tindakan kriminalitas adalah segala sesuatu yang melanggar norma-norma sosial, sehingga terdapat pertentangan dari masyarakat. Studi ini bertujuan untuk mengetahui tingkat kriminalitas pada suatu daerah menggunakan metode K-Means clustering dengan menggunakan perangkat lunak Orange Data Mining Tool. Dengan dibuatnya sistem ini, diharapkan dapat membantu aparat keamanan setempat dalam menentukan daerah rawan kriminal dan meningkatkan keamanan pada daerah rawan tersebut agar dapat mencegah dan mengurangi dampak serta akibat tindakan kriminal. Dan dari hasil studi yang dilakukan, akan menghasilkan pengelompokan daerah rawan kriminal.
Perbandingan Metode Decision Tree, Naive Bayes, dan Induction Rule untuk Klasifikasi Penyakit Diabetes Dwy Laila Safitry; Anisa Al Harani; Erin Divayaning; Faiqa Hadya Hanifa; Dheva Fauzia Chema; Iman Paryudi
Journal of Informatics and Advanced Computing (JIAC) Vol 4 No 1 (2023): Journal of Informatics and Advanced Computing (JIAC)
Publisher : Universitas Pancasila

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35814/jiac.v4i1.5488

Abstract

Teknik klasifikasi digunakan untuk memprediksi suatu nilai dari target variabel kategori. Metode klasifikasi menggunakan algoritma Decision Tree, Naive Bayes, dan Induction Rule. Decision Tree merupakan model prediksi menggunakan struktur pohon keputusan yang mengubah data dari proses pengambilan keputusan yang kompleks menjadi lebih sederhana sehingga memudahkan interpretasi informasi, pengambilan solusi, menemukan hubungan, dan identifikasi pola antara faktor-faktor yang mempengaruhi. Naive Bayes digunakan untuk mencari probabilitas dalam suatu class. Induction Rule bertujuan untuk mencari pola yang sering muncul diantara banyak transaksi dan akan menginduksi aturan yang kompleks. Metode-metode ini dapat digunakan sebagai acuan untuk mendiagnosa suatu jenis penyakit. Metode yang terbaik didapatkan dari penggunaan beberapa metode teknik klasifikasi. Penelitian ini mengimplementasikan konsep dan ilmu data mining tersebut dalam bidang kesehatan. Menggunakan dataset diagnosa penyakit diabetes yang diperoleh dari situs kaggle. Metode pemodelan dilakukan menggunakan Decision Tree, Naïve Bayes, dan Induction Rule melalui aplikasi Orange. Pemodelan diuji menggunakan Confusion Matrix dan Cross Validation untuk menunjukkan perbandingan dari ketiga metode klasifikasi yang diterapkan. Proses pengujian mengevaluasi kinerja pemodelan yang digunakan untuk memperoleh model dengan hasil akurasi yang maksimal. Penelitian ini membahas perbandingan akurasi dari penggunaan ketiga metode tersebut dan menghasilkan sepuluh aturan yang diketahui paling mempengaruhi hasil outcome diagnosa penyakit diabetes dari metode yang didapat paling baik dan efektif dalam proses klasifikasi.
Sistem Pendukung Keputusan Penilaian Karyawan Terbaik Menggunakan Metode Multi Attribute Utility Theory Christiana Wijaya; Ahmad Farisi
Journal of Informatics and Advanced Computing (JIAC) Vol 4 No 1 (2023): Journal of Informatics and Advanced Computing (JIAC)
Publisher : Universitas Pancasila

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35814/jiac.v4i1.5490

Abstract

Penilaian karyawan terbaik merupakan salah satu cara perusahaan dalam memberikan apresiasi terhadap kinerja karyawan. Sehingga dengan adanya penilaian menjadi salah satu motivasi dan semangat bagi karyawan dalam bekerja. Untuk dapat memberikan penilaian karyawan terbaik, diperlukan sistem yang sesuai dengan kebutuhan dan dapat memberikan hasil penilaian yang objektif dan transparan. Proses dalam pengembangan sistem akan menggunakan Iterasi. Sedangkan pada tahap analisis menggunakan PIECES dan Usecase Diagram. Tahap perancangan menggunakan ERD dan DFD dan dalam pengembangan sistem menggunakan Visual Studio Code dan MySQL. Dalam penelitian ini menggunakan metode Multi Attribute Utility Theory. Penelitian didasarkan pada beberapa kriteria yang telah diimplementasikan pada perusahaan. Terdapat 3 kriteria yang meliputi kehadiran (bobot 1), kerapian (bobot 2), ketepatan waktu (bobot 3). Hasil dari perhitungan maka akan diperoleh nama karyawan dengan nilai tertinggi dari beberapa pilihan yang tersedia.
Implementasi Volatility dalam Mengalanalisa Malware pada Memory Dump Gregorius Hendita Artha Kusuma
Journal of Informatics and Advanced Computing (JIAC) Vol 4 No 1 (2023): Journal of Informatics and Advanced Computing (JIAC)
Publisher : Universitas Pancasila

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35814/jiac.v4i1.5491

Abstract

Malware infections on computer systems have become a significant threat to information security. In response to these challenges, memory analysis has proven to be an effective method for detecting and investigating malware activities. In this research, we utilize Volatility, a popular memory forensics tool, to analyze memory dumps from malware-infected systems. Our primary objective is to identify and uncover artifacts associated with malware infections within the memory dump. We leverage various widely-used Volatility plugins to extract critical information such as malicious processes, modified kernel modules, suspicious network traces, and other malicious entities. Through a series of analysis steps, we successfully detect the presence of malware infections with a high level of accuracy. We also determine the types and variants of malware involved in the attack. Furthermore, we perform behavioral analysis of the malware, enabling us to understand the objectives, propagation methods, and impact of the infection. The results of this research provide valuable insights for prevention and mitigation of malware attacks. By utilizing Volatility as a memory forensics analysis tool, researchers and security professionals can effectively identify and combat malware threats. We also outline recommendations for steps to strengthen system security and protect valuable data from future malware attacks.
Sistem Informasi Monitoring Proyek dan Aktivitas Harian Pada PT. Visio Indonesia Agung Dewantoko; Andiani
Journal of Informatics and Advanced Computing (JIAC) Vol 4 No 1 (2023): Journal of Informatics and Advanced Computing (JIAC)
Publisher : Universitas Pancasila

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35814/jiac.v4i1.5492

Abstract

Project Monitoring Information System of PT. Visio Informatika built to support project execution both external and internal project in PT. Visio Informatika. System constructed using the programming language PHP (Hypertext Prepocessor) version 5 and Laravel Framework and MySQL database.This web-based informatin system can help the Project Manager monitor the progress of the project and be an effective communication for all member of project. So that project implementation can monitored and give the best result.

Page 2 of 3 | Total Record : 26

 1   2   3 

Filter by Year

2023 2023


Reset
Filter By Issues
All Issue Vol 6 No 2 (2025): Journal of Informatics and Advanced Computing Vol 6 No 1 (2025): Journal of Informatics and Advanced Computing Vol 5 No 2 (2024): Journal of Informatics and Advanced Computing Vol 5 No 1 (2024): Journal of Informatics and Advanced Computing (JIAC) Vol 4 No 2 (2023): Journal of Informatics and Advanced Computing (JIAC) Vol 4 No 1 (2023): Journal of Informatics and Advanced Computing (JIAC) Vol 3 No 2 (2022): Journal of Informatics and Advanced Computing (JIAC) Vol 3 No 1 (2022): Journal of Informatics and Advanced Computing Vol 2 No 2 (2021): Journal of Informatics and Advanced Computing Vol 2 No 1 (2021): Journal of Informatics and Advanced Computing Vol 1 No 1 (2020): Journal of Informatics and Advanced Computing (JIAC) More Issue