cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
MUHAMMAD AMIRUL MU'MIN
Contact Email
amirulmukmin@umbima.ac.id
Phone
+628989284518
Journal Mail Official
mhamirulmumin@gmail.com
Editorial Address
RORA, RT/RW 004/002, KECAMATAN DONGGO, KABUPATEN BIMA
Location
Kota bima,
Nusa tenggara barat
INDONESIA
Scientific: Journal of Computer Science and Informatics
Published by Universitas Muhammadiyah Bima
ISSN : -     EISSN : 30901391     DOI : https://doi.org/10.34304/scientific
Core Subject : Science,
Computer Science & IT
Scientific: Journal of Computer Science and Informatics focuses on various fields of computer science and computer engineering, including: Management Information System Big Data and Data Mining Software Development (Mobile Application and Web Development) Machine Learning and Artificial Intelligence Natural Language Processing Computer Network Computer Security Data Science Pattern Recognition and Image Processing Signal Pocessing Computer Science Review (Systematic Literature Review) Scientific: Journal of Computer Science and Informatics is a platform for publishing innovative research and scientific studies in computer science and computer engineering. The main objective of Scientific is to advance knowledge from various branches of computer science. The scope and aspects are covered in the Scientific journal.
Arjuna Subject : Ilmu Komputer (semua kategori) - Ilmu Komputer (Lain-Lain)
Articles 5 Documents
 1 
Search results for , issue "Vol. 2 No. 2 (2025): Juli 2025" : 5 Documents clear
Rancang Bangun Aplikasi KKN Berbasis Web Dengan Konsep Maqosid Syariah (Studi Kasus: Stai Masjid Syuhada Yogyakarta) Herwinsyah
Scientific: Journal of Computer Science and Informatics Vol. 2 No. 2 (2025): Juli 2025
Publisher : Universitas Muhammadiyah Bima

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34304/scientific.v2i2.281

Abstract

Saat pandemi COVID-19, Seluruh individu diharuskan untuk melindungi diri dari virus tersebut. Setiap orang harus menghindari kerumunan yang besar dan melakukan perlindungan diri. Melindungi diri sendiri (hifz) merupakan salahsatu prinsip utama dari Maqoshid Syariah. Kegiatan Program KKN merupakan bagian utama dari Tri dharma pendidikan tinggi, sehingga setiap mahasiswa diwajibkan untuk melaksanakan kegiatan ini. Namun, kegiatan KKN biasanya melibatkan sosialisasi dengan masyarakat, dimana hal tersebut bertentangan dengan kondisi saat diberlakukan darurat pandemi COVID-19. Untuk mengatasi masalah ini, sebuah aplikasi dirancang dengan menampung data dari kegiatan KKN yang dilakukan. Flowchart atau sistem alur aplikasi ini dibuat menyesuaikan dengan kondisi saat pandemi, dimana tidak boleh terjadi kerumunan tetapi kegiatan tersebut tetap bisa dilaksanakan, baik saat pelaksanaan kegiatan maupun saat pelaporan kepada universitas. Aplikasi KKN dapat diakses dari mana saja, selama ada koneksi internet, dan memungkinkan mahasiswa untuk melaporkan kegiatannya kepada pembimbing lapangan kapan saja dan dari lokasi mana saja. Proses pelaporan dalam aplikasi menggunakan konsep tanpa kertas(paperless), di mana laporan diserahkan dan divalidasi secara elektronik. Pembimbing lapangan dapat menganalisis dan menilai laporan tersebut secara online dan dapat memberikan umpan balik tentang kegiatan yang dilakukan oleh mahasiswa secara real-time. Aplikasi ini diuji menggunakan metode blackbox, yang menunjukkan bahwa aplikasi ini memenuhi harapan dan siap untuk diimplementasikan.
Klasifikasi Hama dan Penyakit Tanaman Padi Menggunakan Algoritma Decision Tree Amilia Umi Astagina; Juniar, Eka; Siti Mutmainah; Teguh Ansyor Lorosae
Scientific: Journal of Computer Science and Informatics Vol. 2 No. 2 (2025): Juli 2025
Publisher : Universitas Muhammadiyah Bima

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34304/scientific.v2i2.376

Abstract

Sektor pertanian, khususnya budidaya padi, memegang peran penting dalam mendukung ketahanan pangan nasional di Indonesia. Namun, serangan hama dan penyakit masih menjadi tantangan serius bagi para petani karena dapat menurunkan hasil produksi. Penelitian ini bertujuan mengembangkan sistem klasifikasi otomatis untuk mengidentifikasi jenis hama dan penyakit yang menyerang tanaman padi. Metode yang digunakan adalah algoritma Decision Tree, yang diterapkan pada dataset dari Kaggle dengan atribut seperti umur tanaman, tinggi, kondisi daun, serta gejala penyakit dan hama. Proses klasifikasi dilakukan menggunakan bahasa pemrograman Python, meliputi tahapan pra-pemrosesan data, pemisahan data pelatihan dan pengujian, serta evaluasi kinerja model menggunakan metrik akurasi, presisi, recall, dan f1-score. Hasil penelitian menunjukkan bahwa model Decision Tree mampu melakukan klasifikasi dengan tingkat akurasi sebesar 71,67%. Meskipun demikian, model masih mengalami kendala pada distribusi data yang tidak merata di beberapa kelas. Dengan pengembangan lanjutan, sistem ini berpotensi membantu petani dalam mendeteksi hama dan penyakit secara lebih cepat, sehingga dapat meningkatkan produktivitas pertanian dan mendukung ketahanan pangan nasional.
Identifikasi Faktor Utama Penyabab Serangan Jantung Menggunakan Algoritma Logistic Regression Hikmah, Fidinil; Haerunisah; Indah Afryani
Scientific: Journal of Computer Science and Informatics Vol. 2 No. 2 (2025): Juli 2025
Publisher : Universitas Muhammadiyah Bima

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34304/scientific.v2i2.386

Abstract

Penelitian ini bertujuan untuk mengidentifikasi faktor utama penyebab serangan jantung dengan menggunakan algoritma Logistic Regression sebagai metode klasifikasi. Data yang digunakan berasal dari dataset medis yang mencakup sejumlah variabel penting seperti usia, jenis kelamin, tekanan darah sistolik dan diastolik, kadar gula darah, serta biomarker jantung seperti CK-MB dan troponin. Model dikembangkan untuk memprediksi kemungkinan terjadinya serangan jantung dengan membagi data ke dalam dua kelas: positif (mengalami serangan jantung) dan negatif (tidak mengalami serangan jantung). Hasil evaluasi menunjukkan bahwa model memiliki akurasi sebesar 81,78% dengan nilai F1-score yang seimbang, menandakan performa yang konsisten dalam mengenali kedua kelas. Temuan ini memperkuat bahwa algoritma Logistic Regression tidak hanya efektif dalam klasifikasi biner, tetapi juga mampu mengidentifikasi variabel-variabel yang paling signifikan dalam memengaruhi risiko. Hasil akhir diharapkan dapat memberikan kontribusi nyata dalam pengembangan sistem pendukung keputusan medis yang lebih cepat, akurat, dan berbasis data.
Identifikasi Gangguan Tidur Menggunakan Klasifikasi Berbasis Decision Tree Andriani, Fifi; Rahmania, Nur; Nur Alfiana
Scientific: Journal of Computer Science and Informatics Vol. 2 No. 2 (2025): Juli 2025
Publisher : Universitas Muhammadiyah Bima

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34304/scientific.v2i2.394

Abstract

Kondisi gangguan tidur sering kali tidak disadari sejak dini oleh banyak individu, sehingga berpotensi memburuk dan menimbulkan masalah kesehatan fisik maupun psikologis jangka panjang yang serius. Deteksi dini sangat dibutuhkan untuk mengantisipasi dampak negatif lebih lanjut dan mengurangi beban penyakit terkait tidur di masyarakat. Penelitian ini mengembangkan dan mengevaluasi sistem klasifikasi gangguan tidur berbasis algoritma Decision Tree melalui proses pelatihan dan pengujian model, dengan tujuan membantu masyarakat mendeteksi gangguan tidur secara cepat dan efisien. Sistem ini memanfaatkan dataset Sleep Health and Lifestyle dari Kaggle, yang terdiri atas 374 sampel dengan 13 atribut terkait pola tidur dan gaya hidup. Model klasifikasi yang dikembangkan membedakan tiga kategori gangguan: No Disorder, Sleep Apnea, dan Insomnia. Hasil pengujian menunjukkan model mencapai akurasi sebesar 89 persen. Angka akurasi tersebut menunjukkan keandalan metode Decision Tree dalam mengklasifikasikan gangguan tidur sesuai kategorinya. Keunggulan sistem ini terletak pada kemampuannya mengidentifikasi gangguan tidur secara mandiri kapan pun dan di mana pun. Dengan demikian, pengguna tidak perlu terlebih dahulu mengunjungi tenaga kesehatan, sehingga sistem ini diharapkan mempermudah deteksi dini gangguan tidur dan meningkatkan kesadaran masyarakat akan pentingnya menjaga kualitas tidur.
Klasifikasi Email Spam Dan Ham Menggunakan Algoritma Support Vector Machine, Naive Bayes Dan Logistic Regression Echa Sri Ainun; Ummiyatul Inayah; Muhammad Ilmih
Scientific: Journal of Computer Science and Informatics Vol. 2 No. 2 (2025): Juli 2025
Publisher : Universitas Muhammadiyah Bima

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34304/scientific.v2i2.399

Abstract

Semakin tingginya penggunaan email sebagai media komunikasi digital, masalah keberadaan email spam menjadi perhatian yang serius. Email spam tidak hanya mengganggu aktivitas pengguna, tetapi juga berpotensi menimbulkan risiko terhadap keamanan data. Untuk mengatasi hal tersebut, dibutuhkan sistem klasifikasi yang mampu membedakan antara email spam dan email ham secara efektif. Penelitian ini bertujuan untuk menganalisis dan membandingkan performa tiga algoritma klasifikasi, yaitu Support Vector Machine, Naive Bayes, dan Logistik Regression dalam mendeteksi email spam. Dataset yang digunakan merupakan data publik yang telah melalui serangkaian tahap Preprocessing. Evaluasi performa dilakukan dengan menggunakan metrik akurasi. Hasil evaluasi menunjukkan bahwa algoritma SVM memberikan akurasi terbaik yaitu 99% dibandingkan Naïve Bayes dan Logistic Regression. Temuan ini menunjukkan pentingnya pemilihan algoritma yang sesuai untuk meningkatkan efektivitas dalam klasifikasi email spam.

Page 1 of 1 | Total Record : 5

 1 

Filter by Year

2025 2025


Reset
Filter By Issues
All Issue Vol. 3 No. 1 (2026): Januari 2026 Vol. 2 No. 2 (2025): Juli 2025 Vol. 2 No. 1 (2025): Januari 2025 Vol. 1 No. 2 (2024): Juli 2024 Vol. 1 No. 1 (2024): January 2024