cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Dedy Mulyadi
Contact Email
saintekomjurnal@gmail.com
Phone
+62811114213
Journal Mail Official
saintekomjurnal@gmail.com
Editorial Address
Jalan Pajajaran No. 100 Bogor 16128
Location
Kota bogor,
Jawa barat
INDONESIA
Jurnal Saintekom (Sains dan Teknologi Komputasi)
Published by Universitas Binaniaga Indonesia
ISSN : -     EISSN : 31091350     DOI : https://doi.org/10.36350/jskom
Core Subject : Science,
Computer Science & IT
Jurnal Sainstekom (Jurnal Sains dan Teknologi Komputasi) diterbitkan oleh Lembaga Penelitian, Pengembangan, dan Pengabdian Kepada Masyarakat (LP3M) Universitas Binaniaga Indonesia (UNBIN) untuk mewadahi hasil penelitian dosen, peneliti, mahasiswa Fakultas Informatika & Komputer UNBIN dan dari luar UNBIN. Terbit empat kali setahun, yaitu pada bulan Maret, Juni, September, dan Desember. Pengiriman artikel, serta proses review/peninjauan, tidak dikenakan biaya apa pun (GRATIS). Tujuan dari jurnal ini adalah untuk mempublikasikan hasil penelitian di bidang komputer yang meliputi, (1) Teknik Informatika: Bahasa Pemrograman, Rekayasa Perangkat Lunak, Algoritma (2) Sistem Informasi: Sistem Pendukung Keputusan, Data Mining (3) Teknologi Informasi: Internet of Things, Networking, user experience. Jurnal ini bersifat Open Acces tanpa biaya publikasi (No APC) dan menerapkan proses double-blind peer review.
Arjuna Subject : Ilmu Komputer (semua kategori) - Perangkat Lunak
Articles 39 Documents
 1   2   3   4 
Penerapan Internet of Things untuk Pelacakan Kendaraan Bermotor Roda Dua Dhea Adinda Irawan; Faustinus Dwi Respati
Jurnal SAINTEKOM (Sains dan Teknologi Komputasi) Vol 2 No 1 (2026): Maret 2026
Publisher : Lembaga Penelitian, Pengembangan, dan Pengabdian Kepada Masyarakat (LP3M) – Universitas Binaniaga Indonesia (UNBIN)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36350/jskom.v2i1.77

Abstract

Perkembangan teknologi Internet of Things (IoT) telah membuka peluang baru dalam peningkatan keamanan kendaraan bermotor, khususnya sepeda motor yang menjadi moda transportasi utama di Indonesia. Penelitian ini bertujuan mengembangkan sistem pelacakan kendaraan roda dua berbasis IoT dengan integrasi modul ESP32, GPS NEO-6M, ESP32-CAM, buzzer, serta web monitoring real-time. Sistem dilengkapi fitur geofencing untuk memberikan peringatan otomatis ketika kendaraan keluar dari zona aman dan didukung algoritma Kalman Filter guna meningkatkan akurasi data GPS. Metode pengembangan menggunakan pendekatan Research and Development (R&D) dengan tahapan analisis, perancangan, implementasi, dan evaluasi. Hasil pengujian menunjukkan bahwa penerapan Kalman Filter mampu menurunkan fluktuasi data GPS dengan nilai RMSE sebesar 0,381 meter. Sistem juga berhasil memberikan notifikasi otomatis melalui Telegram dan mengaktifkan alarm saat kendaraan melampaui batas geofence. Pengujian fungsional dan uji pengguna menunjukkan respons positif terhadap kemudahan penggunaan, keandalan fitur, serta efektivitas sistem dalam meningkatkan keamanan kendaraan. Dengan demikian, sistem ini dinilai layak dan dapat diterapkan sebagai solusi keamanan kendaraan bermotor berbasis IoT. 
Deteksi Kualitas Produk  Jelly Kapsul pada Industri Farmasi dengan Pendekatan Convolutional Neural Network (CNN) Ina Asiah; Lis Utari
Jurnal SAINTEKOM (Sains dan Teknologi Komputasi) Vol 2 No 1 (2026): Maret 2026
Publisher : Lembaga Penelitian, Pengembangan, dan Pengabdian Kepada Masyarakat (LP3M) – Universitas Binaniaga Indonesia (UNBIN)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36350/jskom.v2i1.78

Abstract

Proses Produksi kapsul jelly memiliki kemungkinan adanya gagal produksi, untuk itu adanya team QC yang memastikan hasil proses produksi agar sesuai standar yang ada. Proses pengecekan hasil produksi kapsul jelly umumnya masih menggunakan teknik manual yaitu dilakukan pengecekan satu persatu. Proses pengecekan memiliki beberapa kekurangan seperti pengamatan yang harus selalu fokus serta kecepatan pengecekan berfokus kepada SDM yang terampil. Untuk itu peneliti ingin mengembangkan penelitian di bidang Deteksi Kualitas Produk Jelly Capsule Pada Industry Farmasi Dengan Pendekatan Convolutional Neural Network (CNN) dengan mengembangkan prototype aplikasi AI Defect Shield System dan Pengembangan Prototyoe, proses pengecekan akan dilakukan menggunakan pencitraan digital dengan membandingkan hasil kapsul produksi dengan hasil pelatihan yang sudah dilakukan sebelumnya. Spesifikasi yang digunakan yaitu :prosesor ™ i7-8650U CPU @ 1.90GHz 2.11 GHz, dengan ram 16GG, SSD 256GB, dan GPU Intel UHT Graphic 620. Hasil dari penelitian ini akan berbentuk web yang dihubungkan dengan camera external (webcame) yang akan diletakan di conveyor hasil produksi, pengecekan dapat dilakukan dengan dua metode yaitu pengecekan secara otomatis ataupun dengan mengupload foto kapsul untuk mengetahui hasil deteksi, hasil history pengecekan akan disimpan dalam bentuk file csv dan pdf. Hasil pengujian menunjukan akurasi dari pengecekan kapsul bernilai 81.82%. yang menunjukan bahwa denyatakan “Sangat Layak” sebagai alat bantu proses pengecekan hasil produksi kapsul jelly.  
Penerapan Metode AHP (Analytical Hierarchy Process) dalam Menentukan Prioritas Pembangunan Infrastruktur di Kecamatan Mechy Adelia; Julio Warmansyah
Jurnal SAINTEKOM (Sains dan Teknologi Komputasi) Vol 2 No 1 (2026): Maret 2026
Publisher : Lembaga Penelitian, Pengembangan, dan Pengabdian Kepada Masyarakat (LP3M) – Universitas Binaniaga Indonesia (UNBIN)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36350/jskom.v2i1.79

Abstract

Pembangunan infrastruktur di tingkat kecamatan berperan penting dalam meningkatkan kualitas hidup masyarakat dan mendukung pertumbuhan wilayah. Namun, penentuan prioritas pembangunan di Kecamatan Cibinong masih belum sepenuhnya mencerminkan urgensi kebutuhan masyarakat. Hal ini terlihat dari adanya proyek penting yang tertunda, sementara proyek dengan urgensi lebih rendah didahulukan. Selain itu, belum tersedia sistem penilaian berbasis kriteria terukur sehingga keputusan cenderung subjektif dan kurang transparan. Penelitian ini bertujuan merancang dan mengimplementasikan Sistem Pendukung Keputusan (SPK) berbasis web dengan metode Analytical Hierarchy Process (AHP) untuk membantu menentukan prioritas pembangunan infrastruktur. Data diperoleh dari dokumen Musrenbang dan kuesioner operator kelurahan, dengan kriteria: volume pekerjaan, pagu anggaran, jumlah penduduk, panjang jalan rusak, dan jumlah rumah tidak layak huni. Sistem dibangun menggunakan framework Laravel dengan basis data MySQL, yang secara otomatis menghitung prioritas sesuai tahapan AHP, mulai dari penyusunan hierarki hingga pengujian konsistensi. Hasil uji menunjukkan sistem memperoleh tingkat kelayakan 89% (Sangat Layak) dari Uji Ahli dan lebih dari 90% pada aspek kemudahan, kualitas informasi, dan antarmuka dari Uji Pengguna, sehingga sistem dinilai efektif mendukung pengambilan keputusan. 
Penerapan Algoritma You Only Look Once (YOLO) untuk Deteksi Kekosongan Rak pada Sistem Pemantauan Barang Mirnawati Mirnawati; Binanda Wicaksana
Jurnal SAINTEKOM (Sains dan Teknologi Komputasi) Vol 2 No 1 (2026): Maret 2026
Publisher : Lembaga Penelitian, Pengembangan, dan Pengabdian Kepada Masyarakat (LP3M) – Universitas Binaniaga Indonesia (UNBIN)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36350/jskom.v2i1.80

Abstract

Ketersediaan barang di rak ritel menjadi faktor penting bagi kepuasan pelanggan dan kelancaran penjualan. Proses pemantauan yang masih dilakukan secara manual sering menyebabkan keterlambatan dalam mendeteksi kekosongan rak. Penelitian ini bertujuan mengembangkan sistem pemantauan barang berbasis Internet of Things (IoT) dengan penerapan algoritma You Only Look Once (YOLO) untuk mendeteksi kekosongan rak secara cepat dan akurat. Sistem menggunakan perangkat ESP32-CAM sebagai pengambil gambar yang diolah melalui algoritma YOLO untuk mengidentifikasi ketersediaan barang. Jenis penelitian yang digunakan adalah Research and Development (R&D) dengan tahapan analisis kebutuhan, perancangan, pembuatan prototipe, pengujian, dan evaluasi. Hasil penelitian menunjukkan sistem mampu mendeteksi kekosongan rak dengan akurasi 81,8% dan memperoleh penilaian kelayakan 100% dari ahli serta 85% dari pengguna. Hal ini membuktikan bahwa penerapan YOLO berbasis IoT efektif dalam meningkatkan efisiensi pemantauan stok dan mengurangi keterlambatan pengisian barang. Sistem ini layak diterapkan di lingkungan ritel dan berpotensi dikembangkan lebih lanjut menjadi solusi manajemen inventaris cerdas berbasis visi komputer. 
Identifikasi Penyakit Virus Kuning pada Tanaman Cabai dengan Pendekatan CNN Muhamad Rizki Ridhwan; Hudori Hudori
Jurnal SAINTEKOM (Sains dan Teknologi Komputasi) Vol 2 No 1 (2026): Maret 2026
Publisher : Lembaga Penelitian, Pengembangan, dan Pengabdian Kepada Masyarakat (LP3M) – Universitas Binaniaga Indonesia (UNBIN)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36350/jskom.v2i1.81

Abstract

Penyakit virus kuning merupakan salah satu gangguan utama yang sering menyerang tanaman cabai. Penelitian ini bertujuan untuk menerapkan pendekatan machine learning berbasis Convolutional Neural Network (CNN) dalam mengidentifikasi penyakit virus kuning secara lebih cepat dan akurat. Data citra diperoleh dari dataset penelitian, kemudian diproses melalui tahapan pre-processing dan pelatihan model CNN dengan evaluasi menggunakan Confusion Matrix. Hasil pengujian menunjukkan nilai akurasi 83,33%, presisi 83,33%, recall 83,33%, dan F1-Score 83,33%. Selain itu, uji kelayakan melalui kuesioner PSSUQ memperoleh skor kepuasan keseluruhan sebesar 97,92%. Dengan demikian, penelitian ini membuktikan bahwa penerapan algoritma CNN pada sistem berbasis web mampu memberikan prediksi yang cukup akurat dan efektif dalam mengidentifikasi penyakit virus kuning pada tanaman cabai. 
Pemodelan Machine Learning untuk Deteksi Kekerasan Fisik  Berbasis Convolutional Neural Network (CNN) Muhamad Yasmin Nul Hakim; Hidola Syamsito
Jurnal SAINTEKOM (Sains dan Teknologi Komputasi) Vol 2 No 1 (2026): Maret 2026
Publisher : Lembaga Penelitian, Pengembangan, dan Pengabdian Kepada Masyarakat (LP3M) – Universitas Binaniaga Indonesia (UNBIN)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36350/jskom.v2i1.82

Abstract

Kekerasan fisik di lingkungan masyarakat merupakan permasalahan serius yang memerlukan upaya pengawasan serta penanganan yang cepat dan akurat. Selama ini, pengawasan konvensional melalui observasi manual dinilai kurang efektif karena keterbatasan manusia dalam memantau seluruh area secara berkelanjutan. Penelitian ini bertujuan mengembangkan sistem deteksi kekerasan fisik berbasis Convolutional Neural Network (CNN) yang dikombinasikan dengan Long Short-Term Memory (LSTM) untuk mengenali adanya tindakan kekerasan fisik di masyarakat. Model menggunakan arsitektur ResNet101 sebagai ekstraktor fitur spasial, sedangkan LSTM digunakan untuk menangkap pola temporal dari jendela berukuran 16 frame. Hasil pengujian menunjukkan bahwa model yang dikembangkan memperoleh akurasi 87%, presisi 89.4%, recall 84%, dan F1-score 86.6%, berdasarkan hasil perhitungan confusion matrix dengan TP=42, TN=45, FP=5, dan FN=8. Sistem prototipe dilengkapi dengan modul dokumentasi otomatis berupa penyimpanan frame beserta timestamp, yang berfungsi sebagai bukti pendukung. Penelitian ini berkontribusi pada pengembangan teknologi computer vision dalam bidang keamanan dengan memberikan pendekatan berbasis analisis spasial-temporal yang efektif. Diharapkan sistem ini dapat membantu masyarakat maupun instansi terkait dalam meningkatkan pengawasan serta mendukung proses verifikasi tindak kekerasan di berbagai lingkungan.
Rekomendasi Kelayakan Kredit Nasabah dengan Pendekatan Algoritma Naive Bayes Muhammad Rizky Pratama; Joko Sajarnoko
Jurnal SAINTEKOM (Sains dan Teknologi Komputasi) Vol 2 No 1 (2026): Maret 2026
Publisher : Lembaga Penelitian, Pengembangan, dan Pengabdian Kepada Masyarakat (LP3M) – Universitas Binaniaga Indonesia (UNBIN)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36350/jskom.v2i1.83

Abstract

Pemberian kredit memiliki risiko kredit macet atau Non Performing Loan (NPL) yang dapat berpengaruh pada kegiatan utama suatu bank atau lembaga keuangan yang memberikan pinjaman. Risiko kredit macet menjadi permasalahan yang selalu dihadapi oleh lembaga keuangan, hal tersebut dapat terjadi karena tidak akurat dan tidak efektif dalam memprediksi dan memberikan rekomendasi kelayakan kredit kepada nasabah yang ingin mengajukan kredit, karena pengambilan keputusan pemberian kredit masih dilakukan secara subjektif tanpa metode analisis yang tepat sehingga menghasilkan prediksi yang tidak akurat. Tujuan dari penelitian ini adalah untuk memprediksi dan memberikan rekomendasi kelayakan kredit nasabah di lembaga keuangan yang khusus memberikan pinjaman modal untuk nasabah perempuan prasejahtera yang memiliki usaha pada tingkatan ultra mikro, menggunakan pendekatan Algoritma Naive Bayes, algoritma ini memiliki fungsi yang dapat melakukan klasifikasi data secara kompleks pada kelas tertentu seperti kredit macet atau lancar dengan cara menghitung setiap kemungkinan yang terjadi berdasarkan kelas pada data training yang sudah ada sebelumnya. Hasil dari penerapan Algoritma Naive Bayes dapat menghasilkan data dan informasi secara akurat, karena dapat memprediksi kelayakan kredit nasabah apakah berisiko lancar atau macet. Selain itu, algoritma ini juga dapat menghasilkan proses yang lebih efektif sehingga lebih cepat untuk memprediksi dan memberikan rekomendasi kelayakan kredit nasabah yang ingin mengajukan kredit dalam pemberian kredit kepada nasabah. Hasil uji coba pada ahli sistem rekomendasi kelayakan kredit nasabah dengan pendekatan Algoritma Naive Bayes, diperoleh hasil sebesar 100%. Sedangkan pada uji coba pada pengguna dengan menggunakan kuesioner PSSUQ sesuai dengan kategori PSSUQ diperoleh hasil secara keseluruhan (Overall) sebesar 100%, kegunaan sistem (Sysuse) sebesar 96,4%, kualitas informasi (Infoqual) sebesar 90,5%, dan kualitas antar muka (Interqual) sebesar 89,3%. Selain itu, untuk hasil uji tingkat keakuratan yang sudah dilakukan menggunakan Confusion Matrix, diperoleh hasil sebesar 92%.
Sistem Pengendalian Standar Sepeda MotorBerbasis Internet of Things (IoT) Raditia Faqih Raditia Faqih; Ervan Briantono Siswantoro
Jurnal SAINTEKOM (Sains dan Teknologi Komputasi) Vol 2 No 1 (2026): Maret 2026
Publisher : Lembaga Penelitian, Pengembangan, dan Pengabdian Kepada Masyarakat (LP3M) – Universitas Binaniaga Indonesia (UNBIN)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36350/jskom.v2i1.84

Abstract

Standar samping pada sepeda motor merupakan komponen vital untuk menjaga keselamatan pengguna, namun sering kali menjadi sumber kelalaian yang dapat memicu kecelakaan ketika pengendara lupa menaikkannya. Penelitian ini bertujuan untuk merancang dan mengimplementasikan sistem standar samping sepeda motor berbasis Internet of Things (IoT) menggunakan mikrokontroler ESP32 dan servo motor sebagai aktuator. Sistem dilengkapi dengan integrasi aplikasi Blynk yang memberikan notifikasi secara real-time kepada pengguna mengenai posisi standar motor. Metode penelitian menggunakan pendekatan penelitian dan pengembangan (Research and Development) yang meliputi tahap analisis kebutuhan, perancangan perangkat keras dan lunak, pembuatan prototype, serta pengujian kinerja sistem. Hasil pengujian menunjukkan tingkat kelayakan rata-rata sebesar 78,9% yang tergolong dalam kategori Baik. Evaluasi ini membuktikan bahwa sistem mampu bekerja secara stabil, memberikan notifikasi yang akurat, serta berpotensi mengurangi risiko kelalaian pengendara dalam memastikan standar motor berada pada posisi aman.
Penerapan Metode Profile Matching  untuk Penerimaan Peserta Pelatihan Ketenagakerjaan pada Penyandang Disabilitas Fisik Syarief Hidayatullah; Syafrial Syafrial
Jurnal SAINTEKOM (Sains dan Teknologi Komputasi) Vol 2 No 1 (2026): Maret 2026
Publisher : Lembaga Penelitian, Pengembangan, dan Pengabdian Kepada Masyarakat (LP3M) – Universitas Binaniaga Indonesia (UNBIN)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36350/jskom.v2i1.85

Abstract

Penelitian ini bertujuan untuk menerapkan metode Profile Matching sebagai sistem pendukung keputusan dalam proses penerimaan peserta pelatihan ketenagakerjaan bagi penyandang disabilitas fisik di Sentra Terpadu Inten Soeweno Bogor. Metode ini digunakan untuk membandingkan profil calon peserta dengan profil ideal berdasarkan enam kriteria utama, yaitu jenis disabilitas, ijazah, usia, status DTKS, kondisi kesehatan, dan Activity Daily Living (ADL). Data penelitian terdiri dari 50 peserta dengan kuota 40 orang. Hasil penelitian menunjukkan bahwa penerapan metode Profile Matching mampu menghasilkan pemeringkatan peserta yang lebih objektif dan akurat dibandingkan proses seleksi manual. Uji validasi menggunakan korelasi Spearman menghasilkan nilai 0,89 yang menunjukkan tingkat hubungan sangat kuat antara hasil sistem dengan penilaian manual. Sistem yang dikembangkan dapat membantu Kementerian Sosial dalam meningkatkan efisiensi, akurasi, dan transparansi proses seleksi pelatihan ketenagakerjaan.  

Page 4 of 4 | Total Record : 39

 1   2   3   4 

Filter by Year

2025 2026


Reset
Filter By Issues
All Issue Vol 2 No 1 (2026): Maret 2026 Vol 1 No 3 (2025): Desember 2025 Vol 1 No 2 (2025): September 2025 Vol 1 No 1 (2025): Juni 2025