cover
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,
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.
Articles 178 Documents
Prediksi Sifat Kepribadian Secara Tidak Langsung: Sebuah Studi Pustaka Paryudi, Iman
Journal of Informatics and Advanced Computing (JIAC) Vol 3 No 2 (2022): Journal of Informatics and Advanced Computing (JIAC)
Publisher : Universitas Pancasila

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35814/jiac.v3i2.4607

Abstract

Prediksi sifat kepribadian secara langsung mempunyai kelemahan karena dianggap membebani serta menyita waktu pengguna. Oleh karena itu, digunakan cara lain yaitu prediksi sifat kepribadian secara tidak langsung. Dua metoda prediksi sifat kepribadian secara tidak langsung adalah: (1) berdasarkan tulisan, (2) berdasarkan data demografi. Sebelum bisa memprediksi sifat kepribadian berdasarkan tulisan, harus dibuat terlebih dulu model yang menghubungkan antara sifat kepribadian dengan linguistic cues. Model ini dibuat dari corpus yang berisi tulisan dan sifat kepribadian. Sifat kepribadian bisa diprediksi dengan cara membandingkan linguistic cues seseorang yang diambil dari tulisannya di media sosial dengan model yang sudah dibuat. Seperti halnya pada prediksi sifat kepribadian berdasarkan tulisan, pada prediksi sifat kepribadian berdasarkan data demografi, model juga dibuat berdasarkan corpus. Bedanya, corpus disini berisi data demografi dan sifat kepribadian. Data ini kemudian dimodelkan untuk mendapatkan hubungan antara data demografi dan sifat kepribadian. Dari model ini, sifat kepribadian bisa diprediksi dengan cara membandingkan data demografi seseorang (misal umur dan jenis kelamin) dengan model yang sudah dibuat.
Sistem Informasi Penjualan Berbasis Web Pada Jambrong Ricebowl Aulia, Farah; Arsad, Bambang Riono
Journal of Informatics and Advanced Computing (JIAC) Vol 3 No 2 (2022): Journal of Informatics and Advanced Computing (JIAC)
Publisher : Universitas Pancasila

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35814/jiac.v3i2.4638

Abstract

Dalam bisnis jual beli, sistem informasi memegang peranan yang penting. Dengan adanya sistem informasi, aktivitas jual beli dapat dengan mudah dilakukan oleh pemilik bisnis dalam menjual produk-produknya. Jambrong Ricebowl yang bergerak di bidang kuliner membutuhkan sistem informasi untuk meningkatkan penghasilan dan kemudahan penjualan. Di era informasi global, informasi dapat dicapai dengan menggunakan internet ataupun melalui situs website yang kita dapatkan untuk suatu informasi. Pelaku bisnis di era milenial saat ini dapat berkembang lebih mudah dengan memanfaatkan sarana internet seperti website dan email. Metode penelitian yang digunakan yaitu Metode Waterfall. Metode tersebut digunakan sebab dapat memudahkan dalam melakukan pengembangan website karena melalui urutan tahapan yang harus dilakukan. Dengan dibuatnya sistem informasi penjualan memudahkan penjual dan pembeli dalam melakukan transaksi.
Data Mining Implementasi Algoritma K-Means Menggunakan Aplikasi Orange dalam Clustering Pencemaran Udara di DKI Jakarta Tahun 2021 Sitorus, Michael; Depriansa Fitron; Carolus Agung Segara Wisesa
Journal of Informatics and Advanced Computing (JIAC) Vol 3 No 2 (2022): Journal of Informatics and Advanced Computing (JIAC)
Publisher : Universitas Pancasila

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35814/jiac.v3i2.4662

Abstract

Udara yang bersih merupakan kebutuhan yang tidak hanya perlu dipenuhi manusia, tetapi juga hewan dan tumbuhan. Kualitas udara menjadi penting untuk kehidupan kita agar bisa terhindar dari berbagai penyakit kesehatan. Maka dari itu, diterapkanlah ilmu dari data mining dengan metode k-means clustering dengan perangkat lunak Orange untuk bisa mengelompokkan kategori dari kualitas udara yang berada di DKI Jakarta yang meliputi kualitas udara baik, sedang, dan tidak sehat. Dengan menggunakan data yang diperoleh dari Indeks Standar Pencemaran Udara (ISPU) dari Dinas Lingkungan Hidup Provinsi DKI Jakarta tahun 2021, didapat hasil bahwa cluster 0 atau kategori kualitas udara sedang sebanyak 153 item dan cluster 1 atau udara tidak sehat sebanyak 212 item. Tingkat akurasi dari implementasi Cluster K-Means untuk menentukan kualitas udara di DKI Jakarta adalah 0,9622 atau 96,22%. Dengan hasil berikut maka diharapkan pula kepada masyarakat untuk bisa mengurangi pemakaian kendaraan bermotor yang dapat menyebabkan pencemaran udara di DKI Jakarta.
Clustering Daftar Harga Rumah di Jakarta Dengan Algoritma K-Means Faradilla, Zyhan; Veritawati, Ionia
Journal of Informatics and Advanced Computing (JIAC) Vol 3 No 2 (2022): Journal of Informatics and Advanced Computing (JIAC)
Publisher : Universitas Pancasila

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35814/jiac.v3i2.4663

Abstract

Abstrak—Harga rumah di setiap daerah berbeda-beda sesuai dengan daerah dan kategorinya masing-masing. Khususnya harga rumah yang berada di kota misalnya Jakarta. Di Jakarta sendiri memiliki harga rumah yang berbeda sesuai dengan kategorinya. Banyak masyarakat yang tidak mengetahui apakah harga rumah tersebut termasuk murah atau mahal. Maka diberikan solusi untuk mengkategorikan harga rumah yang ada di Jakarta dengan clustering menggunakan algoritma K-Means. Algoritma KMeans dapat membantu untuk mengkategorikan harga rumah di Jakarta dengan 8 atribut yang digunakan terdapat nomor data, nama rumah, harga dari rumah, jumlah luas bangunan, jumlah luas tanah, jumlah kamar tidur, jumlah kamar mandi, dan jumlah kapasitas mobil dalam garasi. Dengan dilakukan penelitian menggunakan algoritma K-Means pada k = 5 didapatkan class data harga termurah pada class 0 sampai yang termahal pada class 4. Dan hasil validitas dari silhoutte score yaitu 0,626.
Aplikasi Pelatihan Tidur untuk Membantu Orang Tua Melatih Batita Agar Dapat Tidur Secara Mandiri Menggunakan Metode Ferber Berbasis IOS Adinda Pratiwi Prameswari; Pribadi, Adi Wahyu
Journal of Informatics and Advanced Computing (JIAC) Vol 3 No 2 (2022): Journal of Informatics and Advanced Computing (JIAC)
Publisher : Universitas Pancasila

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35814/jiac.v3i2.4690

Abstract

Abstrak—Bayi memiliki waktu tidur yang tidak teratur dan cenderung tidur dengan durasi yang lebih lama dibanding dengan tidur orang dewasa, bahkan beberapa dari bayi tidak dapat tertidur dimalam hari sehing`ga menyulitkan orang tua untuk beristirahat, maka karena itu Richard Ferber mencetuskan pelatihan tidur dalam rangka agar orang tua dapat melatih anaknya tidur mandiri sehingga sang anak dapat tertidur selayaknya. Tujuan dilakukannya penelitian ini untuk membangun aplikasi yang dapat membantu para orang tua sehingga dapat melatih anak mereka agar dapat tidur secara mandiri di usia batita. Dengan menggunakan metode ferber yang dibuat pada sebuah aplikasi iOS menggunakan bahasa pemrograman swift dan basis data memanfaatkan framework coredata. Hasil dari aplikasi ini didapatkan bahwa kurang efektif membantu orang tua melatih anaknya tidur mandiri khususnya untuk yang tinggal i Indonesia, karena di Indonesia kebanyakan orang tua dan anaknya masih tidur bersama.
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.