cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
-
Contact Email
Hairani@universitasbumigora.ac.id
Phone
+6285933083240
Journal Mail Official
khairan.marzuki@universitasbumigora.ac.id
Editorial Address
-
Location
Kota mataram,
Nusa tenggara barat
INDONESIA
Prosiding Seminar Nasional CORISINDO
Published by Universitas Bumigora
ISSN : -     EISSN : -     DOI : https://doi.org/10.30812/corisindo.v1
Core Subject : Science,
Computer Science & IT
Perguruan tinggi sebagai penyedia sumber daya manusia industri harus beradaptasi untuk memenuhi kebutuhan kompetensi transformasi digital di berbagai sektor, khususnya karya ilmiah. Berbagai inovasi harus dilakukan untuk meningkatkan sumber daya manusia yang sesuai dengan kebutuhan industri 4.0. Hal mendasar yang perlu dilakukan perguruan tinggi adalah mereview dan mendesain ulang kurikulum, mendorong program mobilitas bagi talenta asing, bekerjasama dengan stakeholders termasuk industri dan pemerintah sebagai pengguna lulusan perguruan tinggi. Konferensi ini bertujuan untuk menyediakan forum utama bagi dunia karya ilmiah untuk diskusi dan debat tentang Potensi Transformasi Digital, Interdisipliner, standardisasi teknologi terkait, dan dampak teknologi tersebut terhadap masyarakat dan budaya selama pandemi ini. Konferensi tersebut mempertemukan para peneliti, pembuat kebijakan, pengembang, pengguna, dan perusahaan komersial, siapa pun yang tertarik dengan Web dan apa yang ditawarkannya. SEMNAS CORISINDO 2025 merupakan platform Seminar Nasional yang menampilkan artikel asli dari berbagai peneliti, akademisi, praktisi, dan pengusaha bisnis untuk menciptakan peluang penelitian yang berorientasi global di era pandemi dengan memanfaatkan teknologi transformasi digital.
Arjuna Subject : Ilmu Komputer (semua kategori) - Kecerdasan Buatan
Articles 104 Documents
 2   3   4   5   6 
Pengembangan Sistem Informasi Tanaman Obat Indonesia Berbasis Ontologi dengan Apache Jena Fuseki untuk Pemrosesan Informasi Semantik Vidiasari, Viviana Herlita; Wardhana, Helna; Santoso, Heroe
CORISINDO 2025 Vol. 1 (2025): Prosiding Seminar Nasional CORISINDO 2025
Publisher : CORISINDO 2025

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30812/corisindo.v1.5346

Abstract

Indonesia dikenal kaya akan sumber daya alam, termasuk keanekaragaman hayati tanaman yang dimanfaatkan secara turun-temurun dalam pengobatan tradisional. Namun, penyebaran informasi yang tidak terstruktur menyulitkan pencarian data. Penelitian ini bertujuan untuk mengembangkan sistem informasi tanaman obat Indonesia berbasis ontologi dengan pendekatan Web Semantik agar pengetahuan dapat direpresentasikan secara eksplisit dan bermakna. Metodologi yang digunakan adalah Methontology, mencakup tahapan spesifikasi, akuisisi pengetahuan, konseptualisasi, integrasi, implementasi, evaluasi, dan dokumentasi. Ontologi dibangun menggunakan perangkat lunak Protégé dan diintegrasikan ke dalam Apache Jena Fuseki sebagai SPARQL endpoint. Web interface dikembangkan menggunakan Visual Studio Code dengan HTML, CSS, dan JavaScript untuk memungkinkan pencarian data secara interaktif. Evaluasi dilakukan menggunakan reasoner dan pengujian kueri SPARQL untuk memastikan konsistensi dan keterhubungan data. Hasil penelitian menunjukkan bahwa sistem mampu menyajikan informasi tanaman obat secara lengkap, terstruktur, dan siap untuk dikembangkan lebih lanjut
Masa Depan Pembelajaran Bagaimana Jaringan Syaraf Tiruan Membentuk Pendidikan Nelly; Fauzin, Ihsan; Priyanto, Dadang
CORISINDO 2025 Vol. 1 (2025): Prosiding Seminar Nasional CORISINDO 2025
Publisher : CORISINDO 2025

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30812/corisindo.v1.5351

Abstract

Di tengah tuntutan akan pembelajaran yang lebih personal dan adaptif, sistem pendidikan konvensional masih menghadapi kendala dalam menyesuaikan pendekatan pembelajaran dengan kebutuhan individu siswa. Meskipun teknologi kecerdasan buatan seperti Jaringan Syaraf Tiruan (JST) telah berkembang pesat, pemanfaatannya dalam bidang pendidikan masih terbatas, serta menimbulkan kekhawatiran terkait interpretabilitas sistem dan kesiapan infrastruktur pendidikan. Penelitian ini bertujuan untuk mengkaji bagaimana JST dapat membentuk masa depan pembelajaran melalui pendekatan Systematic Literature Review (SLR) terhadap publikasi ilmiah terpilih sejak tahun 2020. Metode ini melibatkan analisis terhadap 15 sumber referensi terbuka, mencakup jurnal, prosiding konferensi, dan tesis. Hasil kajian menunjukkan bahwa penerapan JST secara efektif meningkatkan kualitas pembelajaran adaptif, mempersonalisasi konten, dan meningkatkan hasil belajar hingga 20%. Selain itu, pendekatan neural-symbolic turut meningkatkan transparansi dan kepercayaan pengguna terhadap sistem. Penelitian ini menyimpulkan bahwa JST memiliki potensi besar dalam merevolusi pendidikan, namun implementasinya membutuhkan dukungan kebijakan, pelatihan pendidik, serta perlindungan data untuk menjamin keberlanjutan dan etika penggunaannya.
Pemanfaatan Kamera untuk Kontrol Gerakan Real-Time dalam Sistem Interaktif Berbasis Unreal Engine Fadila, Baiq; Hakim, Muh.Farid; Rizqullah, M.; Latif, Kurniadin Abdul
CORISINDO 2025 Vol. 1 (2025): Prosiding Seminar Nasional CORISINDO 2025
Publisher : CORISINDO 2025

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30812/corisindo.v1.5353

Abstract

Kemajuan teknologi pose estimation telah mendorong pengembangan sistem interaktif yang memanfaatkan gerakan tubuh pengguna sebagai input. Penelitian ini bertujuan untuk mengembangkan sistem kontrol karakter di Unreal Engine yang dikendalikan secara real-time melalui empat jenis gerakan tubuh, yaitu mengangkat tangan kanan, mengangkat tangan kiri, menekuk tangan kiri, dan menarik tangan kiri ke belakang. Sistem menggunakan MediaPipe BlazePose untuk mendeteksi 33 titik tubuh dari citra kamera secara langsung, kemudian mengubahnya menjadi data sudut gerakan (Euler angle) yang dikirim ke Unreal Engine melalui protokol UDP. Hasil implementasi menunjukkan bahwa sistem mampu merespons gerakan dengan cepat dan akurat, serta berjalan stabil pada perangkat tanpa GPU tambahan. Evaluasi kuisioner terhadap 32 responden menunjukkan bahwa sistem ini dinilai menarik, unik, dan berpotensi untuk digunakan dalam konteks game dan simulasi. Meskipun demikian, akurasi sistem masih dipengaruhi oleh pencahayaan dan kecepatan gerakan. Penelitian ini menunjukkan bahwa kontrol gerakan tubuh menggunakan kamera biasa dan algoritma visi komputer dapat menjadi alternatif interaksi manusia-komputer yang efisien dan ekonomis.
Rancang Bangun Sistem Peringatan Dini Banjir Kota Mataram Berbasis Sensor Iot Dan Artificial Neural Network (ANN) Tabroni, Rizal; Fhadilla, Muhammad; Priyanto, Dadang
CORISINDO 2025 Vol. 1 (2025): Prosiding Seminar Nasional CORISINDO 2025
Publisher : CORISINDO 2025

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30812/corisindo.v1.5355

Abstract

Banjir merupakan salah satu bencana alam yang sering terjadi di Kota Mataram akibat tingginya curah hujan, buruknya drainase, dan luapan air sungai. Untuk meminimalisir dampaknya, diperlukan sistem peringatan dini berbasis teknologi yang mampu memprediksi terjadinya banjir secara akurat dan cepat. Penelitian ini merancang dan membangun sistem peringatan dini banjir menggunakan kombinasi sensor IoT untuk pemantauan ketinggian air dan curah hujan, serta Artificial Neural Network (ANN) untuk memprediksi potensi banjir berdasarkan data historis dan real-time. Dataset curah hujan diperoleh dari BMKG NTB selama lima tahun terakhir (2019–2023), dengan penekanan pada dua kejadian banjir besar yang terjadi di tahun 2021 dan 2025. Sistem ini diimplementasikan menggunakan mikrokontroler ESP32 dan platform Firebase sebagai penyimpanan data, sedangkan ANN dilatih dengan pendekatan supervised learning dan dievaluasi menggunakan confusion matrix serta akurasi prediksi.
Pendekatan Aritificial Neural Network untuk Prediksi Hasil Panen Kopi dengan Metode Backpropagation Guntara, Muhammad; I Gusti Ayu Diah Gita Kartika Santi; Dadang Priyanto
CORISINDO 2025 Vol. 1 (2025): Prosiding Seminar Nasional CORISINDO 2025
Publisher : CORISINDO 2025

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30812/corisindo.v1.5362

Abstract

Indonesia merupakan salah satu produsen kopi terbesar di dunia, dengan Provinsi Nusa Tenggara Barat (NTB) sebagai salah satu daerah penghasil utama. Produksi kopi di NTB mengalami fluktuasi tahunan yang dipengaruhi oleh berbagai faktor, seperti luas lahan, kondisi iklim, dan teknik budidaya. Untuk mendukung perencanaan dan pengambilan keputusan, diperlukan metode prediksi yang akurat. Penelitian ini bertujuan memprediksi hasil produksi kopi menggunakan pendekatan Artificial Neural Network (ANN) dengan algoritma Backpropagation, yang mampu mempelajari pola non-linear antara variabel input dan output. Dataset yang digunakan berasal dari Badan Pusat Statistik (BPS) Provinsi NTB untuk periode 2015–2024, dengan variabel Tahun, Luas Lahan (Ha), dan Produksi (Ton). Tahapan penelitian meliputi preprocessing data dengan Min-Max Scaling, perancangan arsitektur ANN dengan struktur 2–8–8–1, pelatihan model menggunakan optimizer Adam, serta evaluasi dengan metrik MSE, RMSE, MAE, dan MAPE. Hasil evaluasi menunjukkan bahwa model terbaik memiliki nilai MAPE sebesar 6.93%, yang termasuk kategori akurasi sangat baik. Prediksi produksi untuk periode 2025–2030 menunjukkan tren peningkatan, dari 7.748 ton pada tahun 2025 menjadi 10.262 ton pada tahun 2030. Hasil ini membuktikan bahwa ANN dengan algoritma Backpropagation efektif digunakan untuk memprediksi hasil produksi kopi dan berpotensi mendukung pengambilan keputusan di sektor pertanian.
Perbandingan Kinerja RNN, LSTM, dan GRU dalam Prediksi Harga Saham TLKM Menggunakan Deep Learning Hadi, M Fawazi; Priyanto, Dadang
CORISINDO 2025 Vol. 1 (2025): Prosiding Seminar Nasional CORISINDO 2025
Publisher : CORISINDO 2025

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30812/corisindo.v1.5381

Abstract

Prediksi harga saham merupakan tantangan kompleks yang memerlukan pendekatan komputasi cerdas guna menangkap pola temporal dari data historis. Studi ini menganalisa kinerja tiga model jaringan saraf berulang, yaitu Recurrent Neural Network (RNN), Long Short-Term Memory (LSTM), dan Gated Recurrent Unit (GRU) dalam memprediksi harga penutupan saham PT Telkom Indonesia Tbk berdasarkan data deret waktu dari tahun 2019 hingga 2024. Dataset diperoleh dari Kaggle dan difokuskan pada variabel harga penutupan. Data diproses melalui normalisasi MinMaxScaler dan dibentuk dalam jendela waktu 60 hari. Evaluasi dilakukan menggunakan metrik RMSE dan MAE. Hasil menunjukkan bahwa GRU menghasilkan performa terbaik dengan nilai RMSE 48.77 dan MAE 34.87, diikuti oleh RNN, sementara LSTM menunjukkan performa terendah. Penelitian ini memberikan rekomendasi pemilihan arsitektur berdasarkan kompleksitas data pasar saham domestik.
Analisa Penerapan Prioritas Traffic Manajemen Bandwidth Menggunakan Metode Connection Rate dan Queue Tree Putra, Muhammad Wahyu Rama Yuda; Husain, Husain
CORISINDO 2025 Vol. 1 (2025): Prosiding Seminar Nasional CORISINDO 2025
Publisher : CORISINDO 2025

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30812/corisindo.v1.5399

Abstract

Tujuan penelitian ini adalah mempriorotaskan traffic manajemen bandwidth dengan metode connection rate dan queue tree menggunakan mikrotik yang diimplementasikan secara virtual dengan menggunakan Vmware. Metode yang dipakai adalah Metodologi Network Developmen Life Cycle (NDLC). Metodologi ini memiliki 6 tahapan namun dari ke 6 tahapan kami hanya menggunakan 3 tahapan diantaranya Analysis yang dimana peneliti mengumpulkan data terkait dan analisa data, tahap Design dilakukan perancangan topologi, Hasil pengujian ping ke arah google.com menunjukkan 0% packet loss, menandakan koneksi stabil dan penerapan metode ini sangat efektif memprioritaskan traffic yang dimana saat browsing tidak tergantung walaupun ada aktifitas berat seperti download dan live streaming vidio, mengelola bandwidth secara baik dimana koneksi berat tidak mengambil alokasi bandwidth yang terlalu besar serta meningkatkan stabilitas jaringan tidak adanya lagi packet loss performa jaringan optimal dan adil untuk semua semua client.
Optimalisasi Protokol Routing Open Shortest Path First (OSPF) Version 3 Saputra, Alwyanto
CORISINDO 2025 Vol. 1 (2025): Prosiding Seminar Nasional CORISINDO 2025
Publisher : CORISINDO 2025

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30812/corisindo.v1.5414

Abstract

Penggunaan protokol routing OSPFv3 dalam jaringan IPv6 mengalami peningkatan, namun tetap menghadapi kendala performa seperti waktu konvergensi tinggi dan throughput rendah dibandingkan protokol lain seperti EIGRP dan IS-IS. Hal ini berdampak pada kecepatan respon jaringan dan efisiensi transmisi data. Penelitian ini bertujuan mengoptimalkan performa OSPFv3 melalui dua skema area, yaitu backbone dan backbone non-backbone, dengan menyesuaikan parameter hello-interval, dead-interval, serta meningkatkan nilai Maximum Transmission Unit (MTU) pada interface Ethernet. Metodologi yang digunakan adalah Network Development Life Cycle (NDLC), mencakup tahap analisis, desain, dan simulasi prototyping. Hasil pengujian menunjukkan peningkatan signifikan dalam performa jaringan. Waktu konvergensi awal pada area backbone turun dari 6,04 detik menjadi 1,44 detik, dan pada area backbone non-backbone dari 11,16 menjadi 2,41 detik. Skenario failover juga menunjukkan penurunan waktu dari 13,8 detik menjadi 1,13 detik di backbone, dan dari 18,73 menjadi 1,09 detik di non-backbone. Pada skenario recovery, waktu turun dari 22,07 menjadi 1,19 detik di backbone, dan dari 2,49 menjadi 1,33 detik di non-backbone. Throughput meningkat dari 250,2 bps menjadi 362 bps di topologi backbone dan dari 271,4 bps menjadi 348,8 bps di non-backbone. Optimalisasi ini terbukti meningkatkan efisiensi, stabilitas, dan responsivitas jaringan IPv6 secara menyeluruh.
Analisa Penerapan Honeypot Cowrie dan IPS untuk Meningkatkan Keamanan Web Server Rusli, Ardi; Widyawati, Lilik; Azwar, Muhamad; Innudin, Muhammad
CORISINDO 2025 Vol. 1 (2025): Prosiding Seminar Nasional CORISINDO 2025
Publisher : CORISINDO 2025

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30812/corisindo.v1.5415

Abstract

Perkembangan teknologi jaringan yang pesat membawa tantangan baru dalam menjaga keamanan sistem, khususnya pada web server yang rentan terhadap berbagai serangan siber. Penelitian ini bertujuan untuk menganalisis efektivitas penerapan Honeypot Cowrie dan Intrusion Prevention System (IPS) Suricata dalam mendeteksi serta mencegah serangan seperti brute force, port scanning, dan DDoS. Metode yang digunakan adalah Network Development Life Cycle (NDLC) yang terdiri dari tahapan identifikasi, analisis, desain, implementasi, dan evaluasi. Honeypot Cowrie berperan dalam mencatat aktivitas penyerang seperti login SSH palsu dan perintah berbahaya, sementara Suricata bertindak sebagai sistem pertahanan aktif terhadap lalu lintas mencurigakan. Hasil pengujian menunjukkan bahwa kombinasi Honeypot dan IPS mampu mendeteksi serangan secara real-time, mencatat data log secara detail, serta memberikan peringatan atau tindakan pencegahan secara otomatis. Dengan demikian, pendekatan integratif ini terbukti meningkatkan efektivitas sistem keamanan web server dari ancaman nyata yang semakin kompleks.  
Implementasi Disaster Recovery melalui Backup Otomatis pada XenServer berbasis FreeNAS Ikrom, Paizul; Husain, Husain; Marzuki, Khairan; Azhar, Raisul; Hariyadi, I Putu
CORISINDO 2025 Vol. 1 (2025): Prosiding Seminar Nasional CORISINDO 2025
Publisher : CORISINDO 2025

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30812/corisindo.v1.5420

Abstract

Penelitian ini bertujuan untuk mengembangkan sistem disaster recovery dan backup data otomatis yang terintegrasi dengan XenServer, menggunakan FreeNAS sebagai media penyimpanan. Sistem dirancang untuk melakukan backup virtual machine (VM) secara otomatis dari XenServer ke FreeNAS Primary, dan dilanjutkan dengan replikasi ke FreeNAS Secondary sebagai cadangan tambahan. Proses backup dilakukan secara terjadwal menggunakan skrip otomatis berbasis cron dan rsync, serta ditambahkan fitur notifikasi untuk memantau keberhasilan proses backup. Implementasi dilakukan dalam beberapa tahap, mulai dari konfigurasi jaringan NFS antara XenServer dan FreeNAS, pengujian proses backup harian, replikasi data antar storage, hingga simulasi proses restore VM dari backup. Hasil pengujian menunjukkan bahwa sistem mampu melakukan backup dan replikasi secara konsisten, serta dapat melakukan pemulihan data dengan cepat ketika terjadi kerusakan atau kehilangan data di XenServer. Proses backup otomatis menggunakan cron telah terbukti berjalan secara terjadwal dan konsisten. Setiap file hasil backup disimpan dalam direktori yang sama dengan penamaan unik berdasarkan tanggal dan waktu (timestamp), sehingga tidak terjadi penimpaan antar file.

Page 4 of 11 | Total Record : 104

 2   3   4   5   6 

Filter by Year

2025 2025


Reset
Filter By Issues
All Issue Vol. 1 (2025): Prosiding Seminar Nasional CORISINDO 2025