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 189 Documents
 15   16   17   18   19 
Analisis Efektivitas Sistem Monitoring Berbasis Telegram Terhadap Peningkatan Keandalan Operasi Control Rod Drive Mechanism (CRDM) Iman Sugiharto; Tulis Jojok Suryono Suryono; Suryanto Suryanto; Sri Watmah Watmah
Journal of Informatics and Advanced Computing (JIAC) Vol 6 No 2 (2025): Journal of Informatics and Advanced Computing
Publisher : Universitas Pancasila

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35814/c8kh8v68

Abstract

Analisis Efektivitas Sistem Monitoring Berbasis Telegram terhadap Peningkatan Keandalan Operasi Control Rod Drive Mechanism (CRDM). Keselamatan operasi reaktor nuklir sangat tergantung pada keandalan Control Rod Drive Mechanism (CRDM) dalam mengatur reaktivitas inti. Sistem pemantauan konvensional sering lambat dalam mendeteksi gangguan, sehingga meningkatkan risiko kerusakan dan memperpanjang waktu pemulihan. Penelitian ini menganalisis efektivitas sistem monitoring cerdas berbasis Internet of Things (IoT), menggunakan modul ESP8266 yang terintegrasi dengan Telegram Bot, untuk memberikan notifikasi kondisi operasi secara real-time kepada operator. Evaluasi dilakukan melalui simulasi skenario normal dan darurat (scram), dengan fokus pada kecepatan deteksi gangguan, respons sistem, dan efisiensi pemulihan operasi CRDM. Hasil analisis menunjukkan bahwa sistem monitoring berbasis Telegram mampu menurunkan Mean Time To Repair (MTTR) hingga 57% dan memastikan notifikasi diterima operator dalam hitungan detik. Temuan ini menegaskan bahwa penerapan IoT dan Telegram Bot meningkatkan efektivitas pemantauan, memperkuat keandalan operasi CRDM, dan menjadi langkah strategis dalam manajemen risiko di lingkungan berisiko tinggi seperti reaktor nuklir.
Sistem Pendukung Keputusan Penentuan “Employee of The Month” di RSUP Rivai Abdullah Menggunakan Metode SAW dan WP Marcel Antoneo Ananda; Kiagus Muhammad Alamsyah; Ibnu Choldun; Dien Novita
Journal of Informatics and Advanced Computing (JIAC) Vol 6 No 2 (2025): Journal of Informatics and Advanced Computing
Publisher : Universitas Pancasila

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35814/tr7yz415

Abstract

Penilaian kinerja pegawai secara objektif dan terstruktur merupakan hal penting dalam meningkatkan kualitas sumber daya manusia, terutama di lingkungan instansi pelayanan publik seperti RSUP Rivai Abdullah. Dalam proses pemilihan “Employee of the Month”, dibutuhkan sistem yang mampu mengakomodasi berbagai kriteria penilaian secara adil dan efisien. Penelitian ini mengembangkan sistem pendukung keputusan berbasis web dengan menerapkan metode Simple Additive Weighting (SAW) dan Weighted Product (WP). Sistem dirancang untuk mengevaluasi kinerja pegawai berdasarkan enam kriteria, yaitu absensi, jumlah pekerjaan yang diselesaikan, jumlah pelanggaran, kerjasama tim, tanggung jawab, dan masa kerja. Hasil penelitian menunjukkan bahwa sistem yang dibangun dapat menghasilkan peringkat pegawai secara tepat, transparan, dan membantu pihak manajemen dalam mengambil keputusan secara lebih efektif. Penggunaan metode SAW dan WP secara bersamaan memberikan akurasi yang lebih baik dalam proses penilaian.
Rancang Bangun Sistem Informasi Sekolah Berbasis Android dengan Metode Waterfall Pada TKIT Husnul Khotmah Ari Wibowo; Firman Noor Hasan
Journal of Informatics and Advanced Computing (JIAC) Vol 7 No 1 (2026): Journal of Informatics and Advanced Computing
Publisher : Universitas Pancasila

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35814/rshca425

Abstract

TKIT Husnul Khotimah Cibitung is still facing challenges in managing school information because student registration, tuition fee payments, announcement delivery, schedules, teacher data, student data, and grade processing have not yet been digitally integrated. This research aims to design and build an Android-based school information system to facilitate communication between operators, teachers, and parents. The research method uses the Software Development Life Cycle Waterfall model, which consists of requirements analysis, design, implementation, testing, and evaluation. The system is designed using UML and DFD, implemented with Java on the Android platform, and supported by a MySQL/phpMyAdmin database. Testing is conducted using Blackbox Testing on the operator web module, teacher web module, and parent student application, followed by an ease of use evaluation thru a questionnaire. The research results show that the system is capable of providing registration services, online tuition fee payments, grade management, announcements, schedules, lessons, teacher data, and student data. User evaluations yielded scores of 85% for operators, 92.8% for teachers, and 92% for parents. This system contributes to the digitalization of integrated and user-friendly kindergarten information services.
Classifying American Sign Language Alphabets with a Chirality-Preserving CNN and Adaptive Augmentation Strategy Faris Maulana; Desti Fitriati
Journal of Informatics and Advanced Computing (JIAC) Vol 7 No 1 (2026): Journal of Informatics and Advanced Computing
Publisher : Universitas Pancasila

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35814/xm72tc53

Abstract

Hearing and speech disabilities isolate millions from everyday social interaction; automated sign language interpretation offers a practical avenue for bridging this divide. This paper presents a Convolutional Neural Network that classifies 24 static hand postures constituting the American Sign Language (ASL) alphabet. Three distinguishing design decisions shape the proposed system: per-block batch normalization that stabilizes activation statistics at every spatial resolution stage, stochastic dropout applied at two architectural depths, and a chirality-preserving augmentation pipeline that deliberately omits axis-flip transforms because mirrored ASL handshapes encode different letters. Trained on 27,455 grayscale images drawn from the Sign Language MNIST repository and evaluated on a held-out partition of 7,172 samples, the network achieves 99.85% training accuracy and 100.00% test accuracy after 20 epochs with Adam optimization. All 24 gesture categories attain precision, recall, and F1-score of 1.00. At 263,749 trainable weights totalling roughly 1 MB, the architecture proves viable for deployment on edge and mobile hardware without pre-trained backbone dependencies.
Analisis Sentimen “Jakarta International Stadium” Sebagai Tempat Konser Menggunakan BiLSTM Dan Word2vec Embedding: Analisis Sentimen “Jakarta International Stadium” Sebagai Tempat Konser Menggunakan BiLSTM Dan Word2vec Embedding Shafira Desika Az-zahra; Dyah Sulistyowati Rahayu; Agung Wahyudi
Journal of Informatics and Advanced Computing (JIAC) Vol 7 No 1 (2026): Journal of Informatics and Advanced Computing
Publisher : Universitas Pancasila

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35814/y3q1d541

Abstract

Jakarta International Stadium (JIS) sebagai venue konser berskala besar di Indonesia memunculkan beragam opini publik di media sosial X. Banyaknya data teks tidak terstruktur menyulitkan identifikasi sentimen secara manual, sehingga penelitian ini menerapkan analisis sentimen berbasis Deep Learning menggunakan metode Bidirectional Long Short-Term Memory (BiLSTM) dengan Word2Vec sebagai representasi fitur teks. Hasil penelitian menunjukkan bahwa pada klasifikasi dua kelas, sentimen positif lebih dominan, sedangkan pada klasifikasi tiga kelas, sentimen negatif menjadi yang paling dominan. Model BiLSTM dengan Word2Vec menghasilkan akurasi sebesar 85% pada klasifikasi dua kelas dan 79% pada klasifikasi tiga kelas. Evaluasi menggunakan Stratified K-Fold Cross Validation lima fold memperoleh rata-rata akurasi 82,97% dan 77,16% dengan standar deviasi rendah. Penelitian ini juga diimplementasikan dalam aplikasi berbasis web untuk menampilkan prediksi sentimen secara interaktif.
Komparasi Algoritma Machine Learning untuk Prediksi Lokasi Strategis UMKM Berbasis Data Spasial dan Sosial-Ekonomi Rizki Hesananda; Kevin Anugrah Putra Hasibuan
Journal of Informatics and Advanced Computing (JIAC) Vol 6 No 2 (2025): Journal of Informatics and Advanced Computing
Publisher : Universitas Pancasila

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35814/9myfj067

Abstract

Penentuan lokasi usaha yang strategis merupakan faktor krusial bagi keberhasilan Usaha Mikro, Kecil, dan Menengah (UMKM). Penelitian ini membahas analisis komparatif tiga algoritma machine learning, yaitu Random Forest, K-Nearest Neighbors (KNN), dan XGBoost, untuk memprediksi kelayakan lokasi UMKM berdasarkan data spasial dan sosial-ekonomi. Dataset terdiri dari 500 sampel dengan lima fitur utama, termasuk jumlah pesaing, jarak ke jalan raya, kepadatan penduduk, dan biaya sewa, serta ditemukan ketidakseimbangan kelas pada variabel target ‘lokasi strategis’  . Metodologi penelitian mencakup imputasi nilai hilang, standardisasi fitur, rekayasa fitur rasio penduduk–pesaing, serta optimasi hyperparameter menggunakan GridSearchCV. Hasil eksperimen menunjukkan bahwa ketiga model mencapai akurasi tinggi (≈90%), tetapi memiliki keterbatasan dalam memprediksi kelas minoritas, ditunjukkan oleh nilai precision dan F1-score yang rendah untuk kelas “Strategis”  . Analisis feature importance menegaskan bahwa jumlah pesaing merupakan faktor paling berpengaruh, disusul kepadatan penduduk dan rasio penduduk–pesaing. Penelitian ini menyimpulkan bahwa meskipun model mampu melakukan klasifikasi dasar dengan baik, penanganan ketidakseimbangan kelas dan penambahan fitur relevan sangat diperlukan untuk meningkatkan akurasi prediksi lokasi strategis UMKM. Temuan ini memberikan kontribusi dalam pengembangan sistem rekomendasi lokasi berbasis data untuk pengambilan keputusan UMKM.
ANALISIS SENTIMEN TANGGAPAN MASYARAKAT MENGENAI KORUPSI PERTAMINA MENGGUNAKAN METODE NAÏVE BAYES Paundra Nabiilah M.H; Ionia Veritawati
Journal of Informatics and Advanced Computing (JIAC) Vol 7 No 1 (2026): Journal of Informatics and Advanced Computing
Publisher : Universitas Pancasila

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35814/1ng1xe27

Abstract

Kasus dugaan korupsi PT Pertamina (Persero) memicu respons luas masyarakat di media sosial yang menghasilkan data opini dalam jumlah besar dan bersifat tidak terstruktur. Penelitian ini bertujuan untuk menganalisis sentimen publik terhadap kasus tersebut menggunakan pendekatan klasifikasi teks berbasis pembelajaran mesin. Data dikumpulkan dari Platform X (Twitter) berdasarkan kata kunci terkait korupsi Pertamina dan diproses melalui tahapan preprocessing yang meliputi pembersihan teks, normalisasi, penghapusan stopword, dan stemming. Pelabelan sentimen dilakukan secara otomatis menggunakan model Indonesian RoBERTa Base Sentiment Classifier untuk menghasilkan tiga kategori sentimen, yaitu positif, netral, dan negatif. Representasi fitur menggunakan Term Frequency–Inverse Document Frequency (TF-IDF), sedangkan proses klasifikasi dilakukan dengan algoritma Naïve Bayes. Untuk mengatasi ketidakseimbangan distribusi kelas, diterapkan metode Synthetic Minority Over-sampling Technique (SMOTE) pada data latih. Evaluasi model dilakukan menggunakan 5-Fold Cross Validation dan split validation dengan metrik akurasi, precision, recall, F1-score, serta analisis ROC-AUC. Hasil penelitian menunjukkan bahwa model awal tanpa penyeimbangan menghasilkan rata-rata akurasi sebesar 45,1%, sedangkan penerapan SMOTE meningkatkan akurasi menjadi 61% pada pengujian split validation. Peningkatan performa terutama terlihat pada kelas sentimen positif yang sebelumnya memiliki tingkat recall rendah. Temuan ini menunjukkan bahwa penanganan ketidakseimbangan data berperan penting dalam meningkatkan kinerja klasifikasi sentimen pada data media sosial berbahasa Indonesia yang bertema isu sosial-politik.
IDENTIFIKASI JENIS IKAN CUPANG MENGGUNAKAN METODE VISION TRANSFORMER DAN DEEP LEARNING Nuke Lu’luul Chusna; Harry Dwiyana K; Ahmad Daffa Muwafaqi; Imam Muttaqin; Asep Mulyana
Journal of Informatics and Advanced Computing (JIAC) Vol 7 No 1 (2026): Journal of Informatics and Advanced Computing
Publisher : Universitas Pancasila

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35814/m5j95p66

Abstract

Penelitian ini bertujuan untuk mengidentifikasi dan mengklasifikasikan jenis ikan cupang menggunakan metode Vision Transformer (ViT) dalam pemrosesan citra. Model ViT dipilih karena kemampuannya dalam menangkap representasi spasial global secara efektif dibandingkan arsitektur konvensional berbasis CNN. Dataset yang digunakan berasal dari dua sumber, yaitu situs Kaggle dan hasil pencarian manual melalui Google Images, yang mencakup tiga jenis ikan cupang, yaitu Halfmoon, Plakat, dan Crowntail. Sistem dikembangkan menggunakan PyTorch dan Google Colab, dengan beberapa skenario pembagian data latih dan data uji, yaitu 80:20, 70:30, 60:40, dan 50:50. Hasil pengujian menunjukkan bahwa model mencapai performa terbaik pada rasio 80:20, sementara pada rasio 50:50 dan 60:40 mulai terlihat penurunan akurasi sebesar 0,01. Secara keseluruhan, metode Vision Transformer terbukti efektif dalam melakukan klasifikasi jenis ikan cupang berdasarkan citra, meskipun performanya sensitif terhadap proporsi data latih yang tersedia
Klasterisasi Disparitas Wilayah di Indonesia Menggunakan Indeks Pembangunan Manusia dan Indikator Kemiskinan Hesananda Rizki; Ari Jaya Ramlah Saputra; Andiani Abimanyu
Journal of Informatics and Advanced Computing (JIAC) Vol 7 No 1 (2026): Journal of Informatics and Advanced Computing
Publisher : Universitas Pancasila

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35814/jv18rn88

Abstract

Pembangunan sosial-ekonomi di Indonesia masih menunjukkan ketimpangan antarwilayah yang signifikan, khususnya dalam hal Indeks Pembangunan Manusia (IPM) dan tingkat kemiskinan. Indikator nasional sering kali tidak mampu menggambarkan ketimpangan pada tingkat kabupaten/kota, sehingga diperlukan pendekatan berbasis data untuk mengidentifikasi pola yang lebih rinci. Penelitian ini bertujuan untuk menerapkan teknik data mining dalam pengelompokan data IPM dan kemiskinan pada 514 kabupaten/kota di Indonesia tahun 2023 guna menghasilkan wawasan yang dapat dimanfaatkan dalam perencanaan pembangunan dan intervensi kebijakan yang lebih tepat sasaran. Penelitian ini menggunakan metodologi CRISP-DM (Cross-Industry Standard Process for Data Mining) dan mengimplementasikan dua algoritma unsupervised learning, yaitu K-Medoids dan DBSCAN. Data diperoleh dari Badan Pusat Statistik (BPS) dan mencakup tiga indikator numerik: IPM, jumlah penduduk miskin, dan persentase penduduk miskin. Data diproses melalui tahapan pembersihan, standarisasi, dan normalisasi agar siap digunakan dalam pemodelan. Algoritma K-Medoids menghasilkan lima klaster dengan nilai Silhouette Coefficient sebesar 0,35 dan Davies-Bouldin Index sebesar 0,86, sementara DBSCAN membentuk tiga label (termasuk 34 data outlier) dengan Silhouette Coefficient sebesar 0,40 dan DBI sebesar 1,34. Masing-masing klaster mencerminkan karakteristik sosial-ekonomi yang unik. Hasil penelitian menunjukkan bahwa teknik clustering mampu memberikan segmentasi yang bermakna terhadap ketimpangan pembangunan. Temuan ini sangat berguna bagi instansi pemerintah, lembaga pembangunan, LSM, dan sektor swasta dalam merumuskan strategi pembangunan yang lebih adil dan berkelanjutan di tingkat daerah..

Page 19 of 19 | Total Record : 189

 15   16   17   18   19 

Filter by Year

2020 2026


Reset
Filter By Issues
All Issue Vol 7 No 1 (2026): Journal of Informatics and Advanced Computing 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