cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Abdi Rahim Damanik
Contact Email
abdirahimdmk@gmail.com
Phone
+6285767845317
Journal Mail Official
admin@ejournal.siantarcodesacademy.com
Editorial Address
Jl Purwo, Karangsari, Simalungun, Sumatera Utara
Location
Kab. simalungun,
Sumatera utara
INDONESIA
Jurnal Inovasi Artificial Intelligence & Komputasional Nusantara
Published by Siantar Codes Academy
ISSN : -     EISSN : 30634830     DOI : https://doi.org/10.260396/
Core Subject : Science, Education,
Computer Science & IT Education Mathematics
JIKOMNUS: Jurnal Inovasi Artificial Intelligence & Komputasional Nusantara adalah jurnal nasional dalam bahasa indonesia dengan frekuensi terbitan sebanyak 2 (kali) kali dalam Setahun. Jurnal ini bertujuan untuk mempublikasikan hasil penelitian terbaik anda agar bisa dibaca oleh banyak orang. Jurnal JIKOMNUS hanya menerbitkan artikel dengan tema komputer. Ruang lingkup publikasi ini meliputi : Teori Komputasi (Computational Theory, Arsitektur dan Organisasi Komputer (Computer Architecture and Organization), Sistem Operasi (Operating Systems), Jaringan Komputer (Computer Networks), Basis Data (Database Systems), Keamanan Komputer (Computer Security), Grafika Komputer (Computer Graphics), Kecerdasan Buatan (Artificial Intelligence), Pemrosesan Bahasa Alami (Natural Language Processing), Pemrograman (Programming), Sistem Informasi (Information Systems), Ilmu Data (Data Science), Pengembangan Perangkat Lunak (Software Development), Komputasi Awan (Cloud Computing), Komputasi Kuantum (Quantum Computing)
Arjuna Subject : Matematika - Ilmu Komputer Teoritis
Articles 57 Documents
 2   3   4   5   6 
Sistem Pendukung Keputusan Penentuan Guru Teladan Menggunakan Metode Weighted Product (WP) Berbasis VB.NET H.R Merdu Wira Jasa; Muhammad Taufik Nurhidayat; Yuda Nathanael Simangunsong; Akmal Ardiansyah Batubara; Hari Priandana; Abdi Rahim Damanik
Jurnal Inovasi Artificial Intelligence & Komputasional Nusantara Vol. 5 No. 1 (2026): Volume 5 No 1 Tahun 2026
Publisher : PT Siantar Codes Academy Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.260396/9za21102

Abstract

Penilaian guru teladan merupakan salah satu upaya sekolah dalam meningkatkan kualitas pendidikan melalui proses evaluasi yang objektif dan terukur. Namun, penilaian manual sering menghadapi kendala subjektivitas dan ketidakkonsistenan dalam mengolah berbagai kriteria secara simultan. Penelitian ini bertujuan mengembangkan sistem pendukung keputusan (SPK) berbasis VB.NET untuk menentukan guru teladan menggunakan metode Weighted Product (WP). Metode WP dipilih karena mampu menangani kasus multikriteria melalui mekanisme perkalian nilai alternatif yang dipangkatkan dengan bobot setiap kriteria, sehingga menghasilkan perhitungan yang proporsional dan akurat. Sistem yang dikembangkan mencakup modul pengelolaan data guru, data kriteria, input penilaian, perhitungan otomatis WP, serta penyajian hasil dalam bentuk tabel dan grafik. Proses implementasi menunjukkan bahwa sistem mampu memproses data penilaian secara cepat dan menghasilkan peringkat guru secara konsisten. Pengujian dilakukan menggunakan data penilaian pada periode 2026 Semester Genap, dan hasilnya menunjukkan bahwa guru dengan performa tertinggi pada kriteria berbobot besar memperoleh nilai preferensi tertinggi, dengan Suadi, S.Pd berada pada peringkat pertama. Selain itu, visualisasi grafik yang disediakan mampu memperjelas perbedaan nilai preferensi antarguru sehingga proses interpretasi menjadi lebih mudah. Hasil penelitian ini membuktikan bahwa metode WP dapat diterapkan secara efektif dalam sistem pendukung keputusan dan integrasinya dalam aplikasi VB.NET mampu meningkatkan transparansi, akurasi, dan efisiensi proses penentuan guru teladan. Sistem ini juga berpotensi dikembangkan lebih lanjut untuk mendukung penilaian pada konteks evaluasi lainnya di lingkungan pendidikan.  
Decision Support System for Determining Thesis Supervisors Using the Profile Matching Method Based on VB.Net Wesni Muliana Tanjung; Wafiq Nurul Karim; Amanda Salsabila Damanik; Tinur Maya Sidabalok
Jurnal Inovasi Artificial Intelligence & Komputasional Nusantara Vol. 5 No. 1 (2026): Volume 5 No 1 Tahun 2026
Publisher : PT Siantar Codes Academy Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.260396/ecyyvj94

Abstract

The assignment of academic thesis supervisors plays a crucial role in ensuring the quality and timely completion of students’ final projects. In many academic institutions, this process is still carried out manually, often resulting in subjective decisions, inaccurate supervisor allocation, and imbalanced supervisory workloads. This study aims to develop a Decision Support System (DSS) for selecting thesis supervisors using the Profile Matching method, implemented in a VB.Net–based application. The Profile Matching method evaluates the compatibility between students’ profiles—such as research field, methodology, tools, and thesis topic—and lecturers’ profiles, including expertise, research interests, methodological skills, and supervisory load. The system performs calculations through several stages, including gap analysis, weight conversion, core factor and secondary factor computation, and final ranking. The developed system also includes data management features for lecturers, students, aspects, and criteria, supported by an intuitive user interface. The results indicate that the system can generate objective, measurable, and transparent supervisor recommendations, thereby improving efficiency and accuracy compared to manual selection processes.   Keywords: decision support system, profile matching, thesis supervisor, VB.Net, gap analysis, ranking
Sistem Pendukung Keputusan Pemilihan Jurusan Siswa SMA Menggunakan Metode AHP(Analytical Herarchy Process) Berbasis VB.NET Siti Nurdiana Wijaya; Putri Aulia Harahap; Winda Sinaga; Anggun Amalia; Putri Ayu Ningsi
Jurnal Inovasi Artificial Intelligence & Komputasional Nusantara Vol. 5 No. 1 (2026): Volume 5 No 1 Tahun 2026
Publisher : PT Siantar Codes Academy Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.260396/0fcpyb13

Abstract

Pada tingkat Sekolah Menengah Atas (SMA), pemilihan jurusan merupakan langkah penting yang menentukan kemajuan akademik dan karier siswa di masa depan. Namun, di banyak sekolah, proses penentuan jurusan masih dilakukan secara manual berdasarkan saran guru atau wali kelas. Ini menyebabkan inkonsistensi dan tidak mempertimbangkan secara menyeluruh kemampuan akademik dan non-akademik siswa. Untuk menyelesaikan masalah ini, penelitian ini membuat Sistem Pendukung Keputusan (SPK) pemilihan jurusan yang menggunakan metode Analytical Hierarchy Process (AHP). Metode AHP ini memiliki kemampuan untuk memberikan hasil perhitungan yang lebih terukur, adil, dan konsisten. Metode Analytical Hierarchy Process (AHP) membuat hierarki kriteria penilaian yang terdiri dari nilai Matematika, Bahasa Indonesia, Bahasa Inggris, IPA, IPS, Minat, dan Kepribadian. Dengan menggunakan proses perbandingan berpasangan, sistem menentukan jurusan mana yang paling sesuai, yaitu IPA, IPS, atau Bahasa, berdasarkan normalisasi dan pengujian rasio konsistensi. Aplikasi ini dibuat dengan VB.NET dan database MySQL. Ini memiliki modul pengelolaan data siswa, data kriteria, pilihan jurusan, proses perhitungan AHP, dan tampilan grafik dan tabel hasil rekomendasi. Hasil pengujian menunjukkan bahwa sistem dapat memberikan saran jurusan secara cepat, akurat, dan jelas. Dengan demikian, SPK yang didasarkan pada Analytical Hierarchy Process (AHP) ini dapat membantu institusi pendidikan meningkatkan kualitas pengambilan keputusan dan mengurangi jumlah kesalahan subjektif yang terjadi selama proses penentuan jurusan siswa. Kata kunci: Sistem Pendukung Keputusan, Pemilihan Jurusan, AHP, VB.NET, Siswa SMA.    
SISTEM PENDUKUNG KEPUTUSAN PENERIMAAN SISWA BARU MENGGUNAKAN METODE SIMPLE ADDITIVE WEIGHTING BERBASIS ANDROID Nurhafizah Yazid
Jurnal Inovasi Artificial Intelligence & Komputasional Nusantara Vol. 5 No. 1 (2026): Volume 5 No 1 Tahun 2026
Publisher : PT Siantar Codes Academy Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.260396/mn6jfa46

Abstract

Penelitian ini bertujuan untuk mengembangkan aplikasi Sistem Pendukung Keputusan (SPK) untuk proses penerimaan siswa baru menggunakan metode Simple Additive Weighting (SAW) berbasis Android. Latar belakang penelitian ini berasal dari masih banyaknya sekolah yang melakukan proses seleksi secara manual sehingga rentan terhadap kesalahan perhitungan, keterlambatan pengolahan data, dan kurangnya transparansi dalam menentukan calon siswa yang layak diterima. Pengembangan aplikasi ini dilakukan untuk menghadirkan sistem yang mampu melakukan perhitungan secara otomatis, lebih cepat, serta objektif berdasarkan kriteria yang telah ditetapkan. Aplikasi dirancang menggunakan Android Studio dengan bahasa pemrograman Java, serta memanfaatkan API–MySQL sebagai media penyimpanan data. Sistem ini menyediakan fitur input data siswa, pengaturan bobot kriteria, proses normalisasi, perhitungan nilai preferensi, dan penyajian hasil perangkingan. Berdasarkan hasil pengujian, aplikasi mampu berfungsi dengan baik dan memberikan output perhitungan SAW secara akurat. Secara keseluruhan, aplikasi yang dikembangkan terbukti dapat meningkatkan efisiensi proses seleksi, meminimalkan kesalahan manual, serta memberikan transparansi yang lebih baik kepada panitia maupun calon siswa. Dengan demikian, aplikasi SPK berbasis Android ini layak dijadikan solusi digital yang mendukung proses penerimaan siswa baru secara modern, cepat, dan terpercaya.
TIKTOK SEBAGAI MEDIA PEMASARAN DIGITAL : PELUANG DAN STRATEGI BAGI UMKM Fahriza Aulia
Jurnal Inovasi Artificial Intelligence & Komputasional Nusantara Vol. 5 No. 1 (2026): Volume 5 No 1 Tahun 2026
Publisher : PT Siantar Codes Academy Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.260396/asjt3e18

Abstract

Penelitian ini bertujuan mengkaji pemanfaatan TikTok sebagai sarana pemasaran digital serta mengidentifikasi peluang dan strategi yang dapat diterapkan UMKM pada era transformasi digital. Metode yang digunakan adalah studi pustaka dengan pendekatan kualitatif deskriptif melalui penelusuran berbagai literatur relevan, seperti jurnal, artikel ilmiah, prosiding, dan buku. Hasil kajian menunjukkan bahwa TikTok memiliki potensi besar dalam meningkatkan kesadaran merek, memperluas cakupan pasar, dan mendorong penjualan UMKM melalui konten video pendek yang kreatif, interaktif, dan mudah menjangkau audiens luas. Strategi seperti pemanfaatan konten kreatif, kolaborasi dengan influencer, dan penggunaan TikTok Ads terbukti efektif dalam membangun citra merek dan memperkuat posisi UMKM di pasar digital. Meski demikian, UMKM masih menghadapi sejumlah tantangan, seperti keterbatasan kemampuan membuat konten, persaingan dengan merek besar, serta perubahan algoritma TikTok yang memengaruhi penyebaran konten. Dengan strategi digital marketing yang tepat, TikTok dapat menjadi platform pemasaran yang efektif untuk mendukung pertumbuhan dan keberlanjutan UMKM.
ANALISIS KINERJA LOGISTIC REGRESSION, K-NEAREST NEIGHBOR, DECISION TREE, DAN RANDOM FOREST UNTUK PREDIKSI PUTUS STUDI MAHASISWA BERBASIS DATA AKADEMIK TABULAR Angga Dwi Cahyono; Khansa Alyssa Fauziyah; Arif Dwi Putra; Nafiendra Praba Hendyka; Aryo Bagus Satrio Wicaksono; Ani Dijah Rahajoe
Jurnal Inovasi Artificial Intelligence & Komputasional Nusantara Vol. 5 No. 1 (2026): Volume 5 No 1 Tahun 2026
Publisher : PT Siantar Codes Academy Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.260396/90f8b259

Abstract

Putusnya studi mahasiswa menjadi masalah bagi institusi perguruan tinggi karena berdampak pada kualitas lulusan, reputasi institusi, dan efisiensi pengelolaan pendidikan. Perguruan tinggi seringkali menggunakan pendekatan secara konvensional dalam melihat perkembangan mahasiswa. Namun, pendekatan konvensional tidaklah efektif karena bersifat subjektif dan memiliki bias kognitif. Pendekatan dengan menggunakan data mining dapat menjadi solusi bagi perguruan tinggi untuk dapat dijadikan sebagai sistem peringatan dini dalam memprediksi mahasiswa yang berpotensi mengalami dropout. Penelitian ini bertujuan untuk membandingkan empat algoritma klasifikasi data mining dalam mendeteksi potensi putusnya studi mahasiswa yaitu Logistic Regression, KNN, Decision Tree, dan Random Forest dengan menggunakan dataset sekunder yang didapatkan dari website Kaggle yang terdiri dari 4.424 data mahasiswa dengan variabel yang berbeda-beda. Evaluasi performa model dilakukan dengan menggunakan metrik accuracy, precision, recall, dan F1-Score. Hasil penelitian menunjukkan bahwa model Random Forest adalah model dengan performa terbaik dengan nilai precision dan F1-Score tertinggi dibandingkan algoritma lainnya. Model ini dapat digunakan sebagai dasar sistem peringatan dini untuk mendeteksi mahasiswa yang berpotensi mengalami dropout.
ANALISIS KOMPARATIF EFEKTIVITAS RULE-BASED CHATBOT DAN GENERATIVE AI CHATBOT DALAM MENDUKUNG LAYANAN AKADEMIK BERBASIS SMART CAMPUS Agung Tantra Sepzulfi; Irvan Haviz
Jurnal Inovasi Artificial Intelligence & Komputasional Nusantara Vol. 5 No. 1 (2026): Volume 5 No 1 Tahun 2026
Publisher : PT Siantar Codes Academy Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.260396/ts19qa42

Abstract

ABSTRAK Perkembangan kecerdasan buatan (Artificial Intelligence/AI) telah mendorong transformasi layanan akademik di perguruan tinggi menuju paradigma Smart Campus. Namun, implementasi chatbot tunggal sering dihadapkan pada masalah trade-off antara kecepatan respons dan fleksibilitas bahasa. Penelitian ini mengusulkan kebaruan (novelty) berupa perancangan dan analisis Hybrid Chatbot Architecture yang mengintegrasikan Rule-Based Engine (Jaccard Similarity) dan Generative AI Engine (RAG berbasis Gemini API) melalui mekanisme Decision Router. Penelitian menggunakan metode kuantitatif komparatif berbasis eksprimen prototype dengan melibatkan 60 responden mahasiswa aktif yang dipilih menggunakan teknik purposive sampling. Evaluasi kinerja komparatif dilakukan pada lima dimensi utama: akurasi respons, response time, kepuasan pengguna, naturalness komunikasi, dan usability. Hasil penelitian menunjukkan bahwa Generative AI Chatbot memperoleh skor unggul pada dimensi akurasi respons (92.4% vs 83.4%), kepuasan pengguna (mean 4.37 vs 3.82), naturalness komunikasi (mean 4.56 vs 3.41), dan usability System Usability Scale/SUS (80.3 vs 71.5). Sementara Rule-Based Chatbot menunjukkan keunggulan signifikan pada aspek response time (215 ms vs 1.207 ms). Uji Independent Sample T-Test mengonfirmasi perbedaan yang signifikan secara statistik ($p < 0.05$) pada sebagian besar dimensi evaluasi. Penelitian ini menyimpulkan bahwa integrasi arsitektur hybrid yang diusulkan berhasil menjadi solusi optimal untuk Smart Campus di Indonesia dengan merekonsiliasi kecepatan model aturan dan kecerdasan model generatif secara simultan. Kata Kunci: Hybrid Chatbot Architecture, Generative AI, Smart Campus, Decision Router, Retrieval-Augmented Generation (RAG), User Satisfaction. ABSTRACT The development of Artificial Intelligence (AI) has driven the transformation of academic services in higher education towards a Smart Campus paradigm. However, single chatbot implementations often face a trade-off between response speed and language flexibility. This study proposes a novelty by designing and analyzing a Hybrid Chatbot Architecture that integrates a Rule-Based Engine (Jaccard Similarity) and a Generative AI Engine (RAG based on Gemini API) via a Decision Router mechanism. This research employs a comparative quantitative method based on prototype experimentation, involving 60 active student respondents selected using a purposive sampling technique. Comparative performance evaluation was conducted across five main dimensions: response accuracy, response time, user satisfaction, communication naturalness, and usability. The results indicate that the Generative AI Chatbot achieved superior scores in response accuracy (92.4% vs 83.4%), user satisfaction (mean 4.37 vs 3.82), communication naturalness (mean 4.56 vs 3.41), and System Usability Scale (SUS) scores (80.3 vs 71.5). Meanwhile, the Rule-Based Chatbot demonstrated significant advantages in response time (215 ms vs 1,207 ms). The Independent Sample T-Test confirmed statistically significant differences ($p < 0.05$) across most evaluation dimensions. This study concludes that the proposed hybrid architecture successfully serves as the optimal solution for Smart Campus in Indonesia by simultaneously reconciling the speed of the rule-based model and the intelligence of the generative model. Keywords: Hybrid Chatbot Architecture, Generative AI, Smart Campus, Decision Router, Retrieval-Augmented Generation (RAG), User Satisfaction.

Page 6 of 6 | Total Record : 57

 2   3   4   5   6 

Filter by Year

2024 2026


Reset
Filter By Issues
All Issue Vol. 5 No. 1 (2026): Volume 5 No 1 Tahun 2026 Vol. 4 No. 1 (2026): Volume 4 No 1 Tahun 2026 Vol. 3 No. 1 (2025): Volume 3 No 1 Tahun 2025 Vol. 2 No. 1 (2025): Volume 2 No 1 Tahun 2025 Vol. 1 No. 1 (2024): Volume 1 No 1 Tahun 2024