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 49 Documents
 1   2   3   4   5 
Penerapan Metode Naive Bayes pada Kelayakan Kesehaatan Sapi Potong Akmal Noor Wahyudi; Syafrial Syafrial
Jurnal SAINTEKOM (Sains dan Teknologi Komputasi) Vol 2 No 2 (2026): Juni 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.v2i2.93

Abstract

Kelayakan kesehatan sapi potong merupakan faktor penting dalam menjamin mutu produk hewani dan keberhasilan usaha peternakan. Penilaian kelayakan secara manual oleh petugas atau dokter hewan sering bersifat subjektif dan memerlukan waktu lama, sehingga dibutuhkan sistem yang mampu memberikan hasil analisis cepat dan objektif. Penelitian ini bertujuan untuk menerapkan metode Naive Bayes sebagai model klasifikasi dalam sistem pendukung keputusan untuk menentukan kelayakan kesehatan sapi potong berdasarkan data parameter kesehatan seperti suhu tubuh, denyut jantung, frekuensi pernapasan, nafsu makan, kondisi kuku, dan status vaksinasi. Metode penelitian menggunakan pendekatan data mining dengan tahapan pengumpulan data, preprocessing, pembentukan model klasifikasi menggunakan algoritma Naive Bayes, serta pengujian menggunakan data uji untuk menilai tingkat akurasi. Sistem dikembangkan berbasis web menggunakan framework CodeIgniter dan diuji dengan data dari Dinas Peternakan dan Rumah Potong Hewan (RPH) Kabupaten Bogor. Hasil pengujian menunjukkan bahwa model Naive Bayes mampu memberikan tingkat akurasi sebesar 90%. Penerapan metode ini terbukti efektif untuk membantu peternak dan petugas dalam pengambilan keputusan yang lebih cepat, akurat, dan konsisten terhadap kondisi kesehatan sapi potong.
Pemodelan Convolutional Neural Network (CNN) Berbasis Citra untuk Identifikasi Disiplin Berpakaian pada Siswa Sekolah Menengah Atthariq Haykal Putera; Lis Utari
Jurnal SAINTEKOM (Sains dan Teknologi Komputasi) Vol 2 No 2 (2026): Juni 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.v2i2.94

Abstract

Penegakan dalam hal kedisiplinan dalam berpakaian di lingkungan merupakan salah satu faktor penting untuk bisa menciptakan lingkungan dan suasana belajar yang tertib dan kondusif. Namun, dalam praktiknya pengawasan konvensional terhadap pelanggaran kedisiplinan tersebut sering kali kurang efektif dan akurat, terutama sekolah yang memiliki jumlah siswa yang besar. Penelitian ini bertujuan untuk bisa mengembangan sistem prototipe dalam hal disiplin berpakaian berbasis Convolutional Neural Network (CNN) dengan arsitektur MobileNetV2 yang bisa mendeteksi jika adanya pelanggaran seragam secara langsung dan objektif. Sistem yang dibangun menggunakan framework Flask  Python dan React, diintegrasikan dengan database MySQL dengan fitur ekspor laporan ke format excel untuk kebutuhan laporan. Pengujian dilakukan pada 2 model dengan dataset yang berbeda, model hari sabtu dan selasa. Hasil pengujian menunjukkan bahwa model hari selasa mendapatkan akurasi 88,7%%, precision 87,5%, recall 90,3%, dan F1-score 88,9%, sedangkan model hari Sabtu memperoleh akurasi 92,9%, precision 100%, recall 81,8%, dan F1-score 90%. Dari hasil perhitungan tersebut membuktikan bahwa sistem yang dikembangkan ini mampu dalam hal mengindetifikasi pelanggaran dalam hal disiplin berpakain secara efektif dan akurat, sekaligus bisa mempermudah proses pencatatan dan pelaporan pelanggaran. Diimplementasikannya CNN ini diharapkan bisa menjadi salah satu solusi inovatif bagi pihak sekolah terutama dalam peningkatan pengawasan kedisiplinan siswa.
Penerapan Sensor Loadcell dan Sensor Light Dependent Resistor (LDR) pada Jemuran Pintar Berbasis Internet of Things Attu Syadiah; Ervan Britantono Siswantoro
Jurnal SAINTEKOM (Sains dan Teknologi Komputasi) Vol 2 No 2 (2026): Juni 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.v2i2.95

Abstract

Permasalahan utama dalam proses pengeringan pakaian adalah ketergantungan pada cuaca yang tidak menentu serta metode manual yang mengharuskan pengguna bolak-balik mengecek jemuran. Hal ini sering menyebabkan pakaian tidak kering sempurna, berbau apek, atau bahkan basah kembali saat hujan tiba-tiba turun. Untuk mengatasi kendala tersebut, penelitian ini bertujuan mengembangkan sistem jemuran pintar berbasis Internet of Things (IoT) dengan kemampuan memantau tingkat kekeringan pakaian secara otomatis dan memberikan notifikasi real-time kepada pengguna. Metode penelitian yang digunakan adalah Research and Development (R&D) dengan pendekatan prototyping. Sistem dirancang menggunakan sensor load cell untuk mendeteksi perubahan berat pakaian, sensor LDR untuk memantau intensitas cahaya, dan mikrokontroler ESP32 sebagai pusat pengolahan data. Data dari sensor kemudian diintegrasikan dengan algoritma decision tree dan dikirimkan ke aplikasi Telegram sebagai notifikasi kepada pengguna. Hasil pengujian menunjukkan bahwa sensor load cell memiliki tingkat akurasi 100% terhadap berat referensi. Uji kelayakan melalui ahli sistem menyatakan sistem ini layak digunakan, sedangkan uji pengguna dengan System Usability Scale (SUS) menghasilkan skor 89,1 dengan kategori “Sangat Layak”. Temuan ini membuktikan bahwa sistem jemuran pintar berbasis IoT mampu meningkatkan efektivitas dan efisiensi proses pengeringan pakaian, sekaligus memberikan solusi praktis untuk aktivitas rumah tangga sehari-hari.
Pemetaan Wilayah Budidaya Ikan Air Tawar di Kabupaten Bogor Menggunakan Metode K-Means Clustering Diego Fauzi Nurcintya; Derman Janner Derman Janner Lubis
Jurnal SAINTEKOM (Sains dan Teknologi Komputasi) Vol 2 No 2 (2026): Juni 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.v2i2.96

Abstract

Budidaya ikan air tawar di Kabupaten Bogor menghadapi ketidakmerataan produksi (118.711,85 ton/tahun 2024) akibat biaya pakan tinggi dan distribusi tidak efisien. Penelitian ini menerapkan K-Means Clustering (k=3) pada data Dinas Perikanan untuk memetakan 40 kecamatan berdasarkan RTP, luas tambak (Ha), dan produksi ton. Hasil: 4 kecamatan potensi tinggi (Cluster 1, e.g., Ciseeng RTP 675), 10 sedang (Cluster 2), 26 rendah (Cluster 3); Silhouette Coefficient 0.7026 (medium structure). Prototipe web Python/Streamlit (95% validasi ahli, 85% pengguna PSSUQ) mendukung visualisasi peta digital. Pendekatan ini tingkatkan efisiensi kebijakan perikanan.
Penerapan Internet of Things untuk Monitoring Lampu Penerangan Jalan Umum (PJU) Kota Bogor Eko Purnomo; Wahyu Hidayat
Jurnal SAINTEKOM (Sains dan Teknologi Komputasi) Vol 2 No 2 (2026): Juni 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.v2i2.97

Abstract

Penelitian ini dilatarbelakangi oleh permasalahan pengelolaan Penerangan Jalan Umum (PJU) di Kota Bogor yang masih mengandalkan inspeksi manual sehingga deteksi kerusakan lampu sering terlambat dan berpotensi menimbulkan pemborosan energi serta menurunkan tingkat keamanan pengguna jalan. Penelitian ini bertujuan merancang dan mengimplementasikan sistem monitoring PJU berbasis Internet of Things (IoT) yang mampu memberikan informasi kondisi lampu secara real-time dan mendukung efisiensi operasional. Metode yang digunakan adalah pendekatan research and development dengan merancang prototipe menggunakan NodeMCU ESP8266 sebagai pengendali utama, sensor Light Dependent Resistor (LDR) untuk mendeteksi intensitas cahaya, relay sebagai aktuator, serta aplikasi Blynk berbasis cloud sebagai media pemantauan jarak jauh. Hasil pengujian menunjukkan bahwa sistem mampu mendeteksi status lampu secara otomatis dengan respons cepat dan tingkat akurasi yang baik, serta menampilkan data secara real-time melalui perangkat seluler. Implementasi sistem ini berimplikasi pada peningkatan efektivitas pemeliharaan, pengurangan pemborosan energi, dan efisiensi biaya operasional. Dengan demikian, penerapan IoT pada PJU dapat menjadi solusi strategis dalam mendukung pengelolaan infrastruktur kota yang lebih cerdas, adaptif, dan berkelanjutan.
Penerapan Metode Analytic Hierarchy Process (AHP) untuk Menentukan Prioritas Komoditas Ekspor Agrikultur di Indonesia Rijal Ahmad Junaedi; Rajib Ghaniy
Jurnal SAINTEKOM (Sains dan Teknologi Komputasi) Vol 2 No 2 (2026): Juni 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.v2i2.98

Abstract

Menentukan prioritas komoditas ekspor agrikultur di Indonesia masih menjadi tantangan, karena setiap komoditas memiliki karakteristik yang berbeda dalam hal volume ekspor, harga, margin keuntungan, dan waktu pengiriman. Penelitian ini bertujuan untuk menentukan prioritas komoditas ekspor agrikultur dengan menggunakan metode Analytical Hierarchy Process (AHP). Kriteria yang digunakan dalam penelitian dan waktu pengiriman. Penelitian ini bertujuan untuk menentukan prioritas komoditas ekspor agrikultur dengan menggunakan metode Analytical Hierarchy process (AHP). Kriteria yang digunakan dalam penelitian ini meliputi jumlah ekspor, harga per kilogram, margin keuntungan, dan waktu pengiriman ke pelabuhan. Data diperoleh dari sumber resmi ekspor pertanian Indonesia dan diolah menggunakan metode AHP untuk menentukan bobot serta prioritas antar kriteria dan komoditas. Hasil penelitian ini mencakup pengembangan prototype sistem pendukung keputusan berbasis metode AHP untuk menentukan prioritas komoditas ekspor. Uji kelayakan prototype dilakukan dengan melibatkan ahli sistem dan ahli metode, yang menghasilkan presentase kelayakan sebesar 100%, sehingga prorotype dinyatakan “Sangat Layak”untuk digunakan. Selanjutnya, pengujian pengguna dilakukan menggunakan kuesioner PSSUQ, yang menunjukan tingkat kepuasan tinggi dengan nilai 84% untuk kepuasan keseluruhan (OVERALL), 100% untuk kegunaan sistem (SYSUSE), 94% untuk kualitas informasi (INFOQUAL), dan 94% untuk kualitas antar muka (INTERQUAL). Secara keseluruhan, protitype ini dinilai “Sangat Layak” untuk digunakan oleh pengguna. Uji konsistensi pada model AHP menghasilkan nilai rasio konsistensi (CR) < 0,1, yang menunjukan tingkat akurasi “Tinggi/Kuat” dalam penentuan prioritas  komoditas ekspor. 
Sistem Keamanan Rumah Pintar Berbasis IoT dengan Pengenalan Wajah Rizki Arya Muhammad; Farhan Zayid
Jurnal SAINTEKOM (Sains dan Teknologi Komputasi) Vol 2 No 2 (2026): Juni 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.v2i2.99

Abstract

Penelitian ini membahas perancangan dan implementasi sistem keamanan rumah pintar berbasis Internet of Things (IoT) dengan teknologi pengenalan wajah. Latar belakang penelitian ini adalah meningkatnya tindak pencurian di lingkungan perkampungan serta keterbatasan sistem keamanan konvensional yang umumnya bersifat reaktif dan kurang efektif dalam memberikan perlindungan real-time. Sistem dirancang menggunakan modul ESP32-CAM dengan algoritma Convolutional Neural Network (CNN) dan Haar Cascade Classifier untuk mendeteksi wajah secara otomatis. Ketika wajah tidak dikenal terdeteksi, sistem mengirimkan notifikasi real-time berupa gambar melalui aplikasi Telegram kepada pemilik rumah. Metode penelitian yang digunakan adalah Research and Development (R&D) dengan pendekatan prototyping, melalui tahapan analisis kebutuhan, perancangan, pengembangan, dan uji coba pengguna. Hasil penelitian menunjukkan bahwa sistem mampu mendeteksi wajah dengan tingkat akurasi yang cukup baik pada kondisi pencahayaan normal dan jarak tertentu. Notifikasi real-time berhasil dikirim melalui Telegram, meskipun performa sistem menurun pada kondisi pencahayaan minim serta jaringan internet yang tidak stabil.
Pemetaan Persebaran Status Gizi Balita untuk Penentuan Pemberian Penyuluhan dengan Pendekatan K-Means Clustering Yunisa Ahgnia Zahrah; Leny Tritanto Ningrum
Jurnal SAINTEKOM (Sains dan Teknologi Komputasi) Vol 2 No 2 (2026): Juni 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.v2i2.100

Abstract

Pemetaan persebaran status gizi balita merupakan kegiatan pengelompokan wilayah posyandu berdasarkan kondisi gizi kurang maupun gizi lebih yang masih cukup tinggi. Permasalahan yang dihadapi tidak hanya tingginya kasus gizi kurang akibat asupan gizi yang tidak mencukupi, tetapi juga meningkatnya kasus gizi lebih yang dipicu pola konsumsi tidak seimbang. Namun, hingga saat ini data yang tersedia belum dimanfaatkan secara optimal untuk menghasilkan informasi pemetaan yang akurat. Hal ini menyebabkan pihak puskesmas kesulitan menentukan sasaran penyuluhan gizi yang sesuai dengan kebutuhan di lapangan. Selain itu, keterbatasan analisis manual membuat identifikasi wilayah posyandu dengan kasus gizi kurang atau gizi lebih menjadi kurang efektif. Persebaran status gizi balita yang belum akurat dapat menyebabkan belum tercapainya target penyuluhan gizi agar lebih tepat sasaran. Tujuan penelitian ini adalah untuk pemetaan persebaran status gizi balita untuk penentuan penyuluhan dengan pendekatan K-Means Clustering. Penelitian ini menghasilkan prototype sistem yang dapat melakukan pemetaan status gizi balita menggunakan Algoritma K-Means Clustering dengan menganalisis data awal, mentransformasi dan menormalisasi data, serta melakukan perhitungan pengelompokan. Variabel yang digunakan meliputi usia, berat badan, tinggi badan, z score bb/u, z score tb/u, dan z score bb/tb. Hasil pengelompokan menginformasikan wilayah posyandu pada setiap kelompok berdasarkan status gizi balita. Hal ini dilakukan untuk memetakan penyuluhan gizi melalui sistem pendukung keputusan sebagai acuan Puskesmas Tanah Sareal Kota Bogor dalam menentukan sasaran penyuluhan yang efektif. Penerapan Algoritma K-Means Clustering menghasilkan Cluster 1 sebanyak 276 dan Cluster 2 sebanyak 220 dengan kategori Gizi Kurang dan Gizi Lebih. Uji kelayakan oleh ahli sistem memperoleh hasil 100% “Sangat Layak”, sedangkan uji pengguna menggunakan kuesioner PSSUQ memperoleh rata-rata 90,4% “Sangat Layak”. Uji validitas cluster menggunakan Silhouette Coefficient sebesar 0,40.
Penerapan Metode Simple Additive Weighting (SAW) untuk Menentukan Calon Karyawan Customer Service di Bank Sevita Rifka Sembiring; Julio Warmansyah
Jurnal SAINTEKOM (Sains dan Teknologi Komputasi) Vol 2 No 2 (2026): Juni 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.v2i2.101

Abstract

Bank merupakan aspek yang sangat penting dalam kehidupan di zaman modern saat ini, banyak nya perusahaan perbankan saat ini merupakan tantangan bagi setiap perusahaan untuk menjadi yang terdepan dan terbaik diantara perusahaan perbankan lainya. Dalam upaya untuk menjadi yang terdeapn dan terbaik salah satu faktor yang menentukan adalah dari sumber daya manusia (SDM) yang ada di perusahaan tersebut, dalam industri perbankan customer service merupakan salah satu sumber daya manusia yang terpenting karena customer service memegang peranan dalam keluhan terhadap layanan yang ada dalam perbankan tersebut. Customer servie hadir sebagai alat untuk membangun hubungan yang baik dengan nasaba, untuk itu pemilihan customer service yang sesuai dengan kebutuhan menjadi tantangan tersendiri bagi industry perbankan, hal ini menjadi kunci agar layanan yang di berikan oleh bank tersebut menjadi semakin baik. Namun terkadang proses pemilihan untuk menjadi customer service di industri perbankan masih kurang tepat dan kurang efektif. Untuk itu dibutuhkan sebuah metode agar pemilihan customer service dapat lebih tepat dan efektif sehingga kualitas layanan dari perbankan dapat terjaga, Salah satu metode yang cocok dalam pemilihan tersebut adalah metode Simple Additive Weighting (SAW). Metode yang digunakan dalam sistem pendukung keputusan ini adalah Metode Simple Additive Weighting (SAW), karena dapat menentukan nilai bobot untuk setiap atribut, kemudian dilanjutkan dengan proses perankingan yang akan menyeleksi alternatif terbaik dari sejumlah alternatif, dalam hal ini alternatif yang dimaksud adalah yang berhak diterima sebagai pegawai baru berdasarkan kriteria-kriteria yang ditentukan. Dalam proses ujicoba prototype aplikasi didapatkan nilai 100% dari proses ujicoba ahli dan di interprestasikan sangat layak, sedangkan untuk ujicoba prototype aplikasi oleh pengguna mendapatkan nilai 93.1% yang berarti prototype aplikasi bisa di kategorikan sangat layak. Kemudian dalam proses ujicoba hasil yang dilakukan di dapat nilai 0.95 yang dapat diartikan prototype dikategorikan pada kelas “sangat tinggi” yang memiliki makna bahwa terjadi perubahan yang signifikan pada rangking pemilihan antara sebelum dan sesudah menggunakan metode simpe additive weighting (SAW).

Page 5 of 5 | Total Record : 49

 1   2   3   4   5 

Filter by Year

2025 2026


Reset
Filter By Issues
All Issue Vol 2 No 2 (2026): Juni 2026 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