cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Ari Putra Wibowo
Contact Email
p3m@stmik-wp.ac.id
Phone
+6285742014272
Journal Mail Official
p3m@stmik-wp.ac.id
Editorial Address
Jl. Patriot No. 25 - Kota Pekalongan
Location
Kota pekalongan,
Jawa tengah
INDONESIA
IC Tech: Majalah Ilmiah
Published by Institut Widya Pratama
ISSN : 19077912     EISSN : 26228092     DOI : https://doi.org/10.47775/ictech.v20i2
Core Subject : Science, Education,
Computer Science & IT Decision Sciences, Operations Research & Management Other
IC Tech: Majalah Ilmiah merupakan publikasi ilmiah yang berfokus pada bidang ilmu komputer dan teknologi terkaitnya yang diterbitkan oleh Pusat Penelitian dan Pengabdian kepada Masyarakat Institut Widya Pratama. Jurnal ini berfungsi sebagai platform bagi para peneliti, akademisi, dan profesional untuk berbagi temuan, inovasi, dan kemajuan mereka di berbagai bidang seperti Kecerdasan Buatan (Artificial Intelligence, AI), Algoritma dan Pemrograman, Jaringan Komputer dan Keamanan Siber, Rekayasa Perangkat Lunak, Big Data dan Data Mining, Manajemen Sistem Informasi, Analisis dan Desain Sistem. IC Tech: Majalah Ilmiah menerbitkan artikel penelitian asli, makalah tinjauan, dan laporan teknis, yang memberikan wawasan tentang aspek teoritis dan praktis ilmu komputer.
Arjuna Subject : Ilmu Komputer (semua kategori) - Ilmu Komputer (Lain-Lain)
Articles 179 Documents
 1   2   3   4   5 
Penerapan Metode Sample Bootstrapping untuk Meningkatkan Performa kNearest Neighbor pada Dataset Berdimensi Tinggi Setiawan, Tri Agus; Al Karomi, M. Adib
IC Tech: Majalah Ilmiah Vol 12 No 1 (2017): IC Tech: Majalah Ilmiah Volume XII No. 1 April 2017
Publisher : P3M Institut Widya Pratama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47775/ictech.v12i1.13

Abstract

Dalam klasifikasi semakin banyak atribut yang relevan yang dipakai akan mempengaruhi hasil akurasi dari algoritma tersebut. Seleksi fitur merupakan salah satu tahapan pre processing klasifikasi dengan cara menghilangkan fitur yang tidak relevan dalam data. Proses ini juga dapat mengurangi dimensi data serta meningkatkan akurasi  klasifikasi. Algoritma kNearest Neighbor (kNN) merupakan metode untuk melakukan klasifikasi terhadap objek baru berdasarkan k tetangga terdekatnya. Algoritma kNN memiliki kelebihan karena sederhana, efektif dan telah banyak digunakan pada banyak masalah klasifikasi. Pada penelitian ini penggunaan metode Sample Bootstrapping diusulkan untuk meningkatkan akurasi yang optimal pada algoritma kNN. Metode Sample Bootstrapping digunakan untuk mengurangi jumlah data training yang akan diproses. Dalam penelitian ini menggunakan dataset yang memiliki dataset dengan dimensi yang tinggi. Dari hasil penelitian, penggunaan Sample Bootstrapping dengan algoritma pada dataset credit approval akurasinya meningkat 5.4% (96.87%-91.52%) dibandingkan algoritma kNN standar. Dari hasil penelitian yang dilakukan, dapat disimpulkan bahwa penggunaan Sample Bootstrapping dengan algoritma kNN menghasilkan akurasi yang lebih baik daripada algoritma kNN standar.
ALGORITMA KLASIFIKASI DATA MINING UNTUK PREDIKSI STATUS MAHASISWA MENGGUNAKAN ALGORITMA DECISION TREE (C4.5) Darmawan, Wachid
IC Tech: Majalah Ilmiah Vol 12 No 1 (2017): IC Tech: Majalah Ilmiah Volume XII No. 1 April 2017
Publisher : P3M Institut Widya Pratama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47775/ictech.v12i1.14

Abstract

Mahasiswa yang mengalami gagal studi merupakan salah satu kerugian bagi sebuah Perguruan Tinggi (PT), salah satunya tentang akreditasi. Mahasiswa gagal studi disini maksudnya mahasiswa yang tidak melakukan pembayaran biaya kuliah untuk semester berjalan atau mahasiswa non-aktif. Jika masalah mahasiswa non-aktif bisa di prediksi lebih cepat, maka pihak manajemen dapat mencegah dan mengantisipasi lebih awal agar tidak ada mahasiswa non-aktif. Dari banyaknya jumlah mahasiswa non-aktif maka perlu dianalisis lebih awal guna menemukan informasi yang berbasis pengetahuan dan bermanfaat. Oleh sebab itu diperlukan suatu cara untuk menggambarkan sekumpulan data secara ringkas. Serangkaian proses untuk mendapatkan pola atau pengetahuan dari kumpulan data disebut Data mining. Salah satu algoritma data mining adalah klasifikasi serta banyak bidang ilmu yang menerapkan teknik klasifikasi dalam ilmu data mining untuk menyelesaikan masalah. Banyak dataset yang digunakan untuk penelitian klasifikasi, salah satu algoritma klasifikasi yang digunakan adalah algoritma Pohon Keputusan (Desicion Tree). Algoritma Dessicion Tree yang digunakan untuk klasifikasi status mahasiswa adalah algoritma C4.5. Algoritma C4.5 salah satu algoritma klasifikasi populer dan mudah di pahami. Berdasarkan penelitian yang sudah dilakukan didapatkan hasil sebagai berikut: algoritma Naive Bayes menghasilkan akurasi sebesar 92,72%, sedangkan algoritma Desicion Tree (C4.5) akurasinya sebesar 93,05%.
INTEGRASI SAMPLE BOOTSTRAPPING PADA K-NEAREST NEIGHBOR UNTUK KLASIFIKASI HERREGISTRASI CALON MAHASISWA BARU Jumiati, Eny; Kamal, Muhammad Rikzam
IC Tech: Majalah Ilmiah Vol 12 No 1 (2017): IC Tech: Majalah Ilmiah Volume XII No. 1 April 2017
Publisher : P3M Institut Widya Pratama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47775/ictech.v12i1.15

Abstract

Herregistrasi calon mahasiswa baru adalah proses pendaftaran ulang setiap calon mahasiswa baru untuk dapat mengikuti kegiatan perkuliahan, memperoleh hak-hak akademik, dan menggunakan fasilitas bagi mahasiswa sebagaimana ketentuan yang berlaku pada semester yang berjalan. Dari data pendaftaran mahasiswa baru yang dibuka setiap tahunnya didapatkan banyak calon mahasiswa baru yang mendaftar, tetapi dari data herregistrasi tidak semua calon mahasiswa baru yang sudah mendaftar melakukan herregistrasi. Data mining adalah proses menemukan pola yang menarik dari sejumlah data besar. Sebagai proses penemuan pengetahuan, biasanya melibatkan data cleaning, integrasi data, seleksi data, transformasi data, penemuan pola, dan evaluasi pola. Untuk menangani masalah pengklasifikasian data pada data herregistrasi calon mahasiswa baru dapat dilakukan dengan mengintegrasikan sample bootsrapping ke dalam k-NN (­k-NNSB) untuk meningkatkan akurasi hasil klasifikasi. Didapatkan hasil akurasi sebesar 88.74% pada nilai variabel k-2.
Analisis Komparasi Algoritma Naive Bayes Dan C4-5 Untuk Waktu Kelulusan Mahasiswa Risqiati, Risqiati; Ismanto, Bambang
IC Tech: Majalah Ilmiah Vol 12 No 1 (2017): IC Tech: Majalah Ilmiah Volume XII No. 1 April 2017
Publisher : P3M Institut Widya Pratama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47775/ictech.v12i1.16

Abstract

STMIK Widya Pratama merupakan salah satu perguruan tinggi swasta yang ada di Pekalongan. Mahasiswa merupakan indicator maju atau tidak nya suatu institusi pendidikan. Sedikit banyaknya mahasiswa yang tidak tepat waktu kelulusannya berdampak pada akreditasi sebuah Perguruan Tinggi Swasta. Penelitian ini bertujuan untuk mengkomparasi data kelulusan mahasiswa STMIK Widya Pratama dari tahun 2011 – 2014 menggunakan dua algoritma yaitu algoritma Naïve Bayes dengan algoritma C4.5, sehingga dapat mengklasifikasi mahasiswa lulus tepat waktu dengan akurasi yang baik. Proses klasifikasinya menggunakan algoritma naïve bayes yang merupakan teknik prediksi berbasis probabilistik sederhana yang modelnya mengunakan fitur independen. Independen yang dimaksud adalah bahwa pada sebuah data tidak berkaitan dengan ada atau tidaknya fitur lain dalam data yang sama. Sedangkan algoritma C4.5 yang menghasilkan pohon keputusan akan bekerja dengan baik bila bias yang ada sedikit. Implementasi menggunakan Rapid Miner 5.3 digunakan untuk membantu menemukan nilai yang akurat.
PENENTUAN STRATEGI PROMOSI PENERIMAAN MAHASISWA BARU DENGAN ALGORITMA CLUSTERING K-MEANS Chasanah, Tria Titiani; Widiyono, Widiyono
IC Tech: Majalah Ilmiah Vol 12 No 1 (2017): IC Tech: Majalah Ilmiah Volume XII No. 1 April 2017
Publisher : P3M Institut Widya Pratama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47775/ictech.v12i1.17

Abstract

Penerimaan mahasiswa baru di STMIK Widya Pratama Pekalongan merupakan kegiatan setiap tahun. Setiap pelaksanaan terdapat beberapa kendala dan permasalahan. Masalah sejak tiga tahun yang lalu adalah penurunan jumlah pendaftar calon mahasiswa baru. Beberapa evaluasi dilakukan untuk meningkatkan jumlah pendaftar mahasiswa baru. Permasalahan yang lain antara lain kurangnya peminat program studi tertentu, sehinga pendaftar di program studi Akuntansi Komputer sedikit. Berdasarkan data pendaftaran siswa baru dalam penelitian ini akan dianalisa dengan metode pengelompokan / klustering menggunakan algoritma K-Means untuk mendapatkan informasi-informasi sesuai kelompok-kelompok tertentu dari data pendaftaran tahun sebelumnya. Hasil klustering akan digunakan untuk menentukan strategi promosi penerimaan mahasiswa baru STMIK Widya Pratama Pekalongan.
PENGUKURAN WEB JUAL BELI DENGAN METODE FUZZY TOPSIS Yunianto, Era; Royanti, Nur Ika
IC Tech: Majalah Ilmiah Vol 13 No 1 (2018): IC Tech: Majalah Ilmiah Volume XIII No. 1 April 2018
Publisher : P3M Institut Widya Pratama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47775/ictech.v13i1.20

Abstract

Agar tidak tertinggal arus persaingan global, pedagang dituntut untuk melakukan inovasi strategi perusahaan yang efektif dan tepat sasaran, salah satunya adalah dengan menggunakan ecommerce/web jual beli. Kualitas suatu web jual beli berpengaruh terhadap banyaknya pelanggan yang memutuskan untuk berbelanja. Tinggi rendahnya kualitas suatu website diukur melalui persepsi pengguna. kriteria yang mempengaruhi kualitas website antara lain information quality, system quality, service quality dan vendor specific quality. Dalam penelitian ini akan melakukan pengukuran web jual beli dengan menggunakan metode fuzzy TOPSIS. Web jual beli yang dievaluasi merupakan peringkat tiga besar alexa rank kategori e-commerce Indonesia. Dalam pengumpulan data menggunakan teknik kuesioner kepada responden yang menggunakan web jual beli. Dari hasil penelitian, urutan ranking kriteria yaitu service quality (BNP 0.76), information quality (BNP 0.69) dan vendor specific quality (BNP 0.63), kemudian system quality (BNP 0.59). Urutan rangking lima teratas dari sub-kriteria adalah Responsiveness (BNP 0.55), Trust (BNP 0.53), Accuracy (BNP 0.53), Price Savings (BNP 0.50) dan Relevance (BNP 0.49). Urutan perangkingan alternatif yaitu TP (CC 0.400) LAZ (CC 0.395) dan BL (CC 0.388). Hasil dari penelitian ini diharapkan menjadi rekomendasi bagi para pedagang dalam menentukan strategi pemasaran produk dan bagi para pengembang web jual beli dalam menentukan strategi pengembangan web jual beli.
Aplikasi Pendukung Keputusan Persetujuan Kredit berbasis WEB dengan Pemanfaatan Algoritma Data Mining Al Karomi, M Adib; Rusli, Christian Yulianto
IC Tech: Majalah Ilmiah Vol 13 No 1 (2018): IC Tech: Majalah Ilmiah Volume XIII No. 1 April 2018
Publisher : P3M Institut Widya Pratama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47775/ictech.v13i1.21

Abstract

Dalam kehidupan modern saat ini banyak masyarakat menginginkan kepemilikan atas suatu barang dengan jasa pinjaman dana atau lebih dikenal dengan istilah kredit. Kondisi seperti ini memungkinkan berkembangnya perusahaan jasa keuangan dengan berbagai macam penawaran pembiayaan untuk barang impian dari nasabah. Sayangnya dari hasil penelitian sebelumnya banyak nasabah tergolong dalam klasifikasi kredit macet. Hal ini membuat berbagai perusahaan jasa keuangan berpikir keras untuk mengurangi kerugian atas banyaknya kredit macet. Salah satu penanggulangan awal yang dapat dilakukan adalah dengan melakukan klasifikasi calon nasabah menggunakan sebuah perhitungan algoritmik dengan perbandingan nasabah yang pernah tercatat sebelumnya. Beberapa  model klasifikasi banyak digunakan. Salah satu yang terbaik adalah menggunakan metode naive bayes. Metode ini memungkinkan perhitungan probabilitas dari setiap atribut yang adaelitian ini menciptakan sebuah aplikasi pendukung keputusan persetujuan kredit dengan menggunakan algoritma naive bayes. Hsistem dapat menjadi pendukuputusan atas persetujuan pemberian kredit terhadap nasabah. Sistem ini tidak mengikat hasil akhir klasifikasi untuk pembiayaan nasabah karena keputusan akhir adalah hak dari manajerial perusahaan penyedia pembiayaan.
IMPLEMENTASI PENUGASAN LAPORAN PRAKTEK JARINGAN KOMPUTER BERBASIS E-LAB CISCO MELALUI KELAS VIRTUAL EDMODO UNTUK MENINGKATKAN SIKAP KEMANDIRIAN BELAJAR MAHASISWA Prasetiono, Slamet Joko; Budijanto, Hari Agung
IC Tech: Majalah Ilmiah Vol 13 No 1 (2018): IC Tech: Majalah Ilmiah Volume XIII No. 1 April 2018
Publisher : P3M Institut Widya Pratama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47775/ictech.v13i1.22

Abstract

Mengacu pada UU Nomor 20 Tahun 2003 tentang Sistem Pendidikan Nasional mengenai faktor kemandirian peserta didik dan Standar Good Laboratory Practice (GLP) mengenai pelaporan praktek di laboratorium maka peneliti menganggap penting melakukan penelitian mengenai implementasi penugasan laporan praktek jaringan komputer berbasis e-lab Cisco melalui kelas virtual Edmodo untuk meningkatkan sikap kemandirian belajar mahasiswa. Berdasarkan atas tujuan penelitian yang telah dirumuskan diatas maka penelitian ini menggunakan metode quasi eksperimen dimana sampel yang digunakan untuk eksperimen maupun sebagai kelompok kontrol diambil secara random dari populasi tertentu.Desain penelitian yang digunakan adalah pre-test post-test-only control design. Dimana dalam rancangan ini terdapat 2 kelompok yang masing-masing dipilih secara random (acak). Kelompok pertama diberi perlakuan (x) yaitu kelas 5M41A dan kelompok yang lain tidak, kelas 5P41A. Kelompok yang diberi perlakuan disebut kelompok eksperimen dan kelompok yang tidak diberi perlakuan disebut kelompok kontrol. Pre-test akan diumpankan sebelum materi diberikan dan post-test akan diberikan setelah dosen menyampaikan materi, dalam bentuk tes obyektif pilihan ganda. Metode ini merupakan blended e-learning yang menggabungkan kegiatan tatap muka yang konvesional dengan e-learning di kelas virtual (Edmodo) yang bersifat asyncronous, dimana dosen dan mahasiswa tidak diharuskan online secara bersamaan. Dalam aspek pengetahuan, pada mahasiswa kelas 5M41A berada dalam kategori baik (nilai rata-rata kelas 77,575), sedangkan pada mahasiswa kelas 5P41A berada dalam kategori cukup (nilai rata-rata kelas 73,333). Dalam aspek sikap, pada mahasiswa kelas 5M41A berada dalam kategori baik dan tuntas dengan nilai 83 (prosentase 83%), sedangkan pada mahasiswa kelas 5P41A berada dalam kategori baik namun tidak tuntas dengan nilai 82 (prosentase 82%). Dalam aspek keterampilan, pada mahasiswa kelas 5M41A berada dalam kategori baik dan tuntas dengan nilai 78,636, sedangkan pada mahasiswa kelas 5P41A berada dalam kategori baik dan tuntas dengan nilai 76,060. Dalam penelitian ini tujuan yang diharapkan tercapai yaitu meningkatkan sikap kemandirian belajar mahasiswa, sehingga mahasiswa yang memiliki sikap kemandirian belajar yang masih rendah dan sedang diharapkan dapat dikembangkan dan meningkat menjadi tinggi bahkan sangat tinggi. Sedangkan mahasiswa yang memiliki sikap kemandirian belajar yang tinggi dapat dipertahankan atau ditingkatkan menjadi sangat tinggi. Dengan demikian, mahasiswa dapat mengembangkan diri menjadi lebih baik dengan cara meningkatkan sikap kemandirian belajarnya masing-masing.
Sentiment Analysis Masyarakat Pekalongan Terhadap Pembangunan Jalan Tol Pemalang-Batang Di Media Sosial Wibowo, Ari Putra; Jumiati, Eny
IC Tech: Majalah Ilmiah Vol 13 No 1 (2018): IC Tech: Majalah Ilmiah Volume XIII No. 1 April 2018
Publisher : P3M Institut Widya Pratama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47775/ictech.v13i1.23

Abstract

Jalan tol Pemalang-Batang merupakan bagian jaringan jalan tol Trans Jawa yang dicanangkan oleh pemerintah dalam rangka mempercepat pembangunan infrastruktur nasional. Proses pembangunan jalan tol ini diprediksi memerlukan waktu penyelesaian selama 2 tahun. Sejak ditetapkannya awal pembangunan jalan tol Pemalang-Batang pada tahun 2016 oleh Presiden Indonesia Joko Widodo banyak opini masyarakat baik dunia nyata maupun di media sosial. Pada penelitian ini dilakukan sentiment analysis terkait pembangunana jalan tol Pemalang-Batang, data yang digunakan merupakan komentar dari postingan di group facebook. Analysis dilakukan dengan menggunakan metode naïve bayes, untuk pengujian performa naïve bayes menggunakan k fold cross validation. Dari hasil pengujian diperoleh nilai akurasi tertinggi sebesar 73,54% dengan nilai fold adalah 3.
KOMPARASI METODE DATA MINING DALAM MEMPREDIKSI NASABAH BANK YANG AKAN MEMILIH TABUNGAN DEPOSITO MENGGUNAKAN ALGORITMA KLASIFIKASI Darmawan, Wachid
IC Tech: Majalah Ilmiah Vol 13 No 1 (2018): IC Tech: Majalah Ilmiah Volume XIII No. 1 April 2018
Publisher : P3M Institut Widya Pratama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47775/ictech.v13i1.24

Abstract

Perkembangan trasaksi elektronik yang semakin pesat membuat banyak bank membuka unit-unit di tempat-tempat stategis untuk mengakomodir banyaknya nasabah. Dengan banyaknya nasabah bank juga perlu untuk mendapatkan nasabah yang bersedia untuk membuka tabungan deposito. Dengan banyaknya bank yang ada persaingan dalam mencari nasabah juga sangat beragam. Untuk membantu upacaya pihak marketing bank  perlu mempelajari suatu ilmu yang bisa digunakan untuk memprediksinya nasabah yang bersedia membuka tabungan deposito, yaitu menggunakan algoritma klasifikasi yang ada di data mining. Komparasi dalam penelitian ini akan menggunakan algoritma klasifikasi, diantarnya: algoritma Decission Tree, algoritma K-Nearest Neighbour dan algoritma Naive Bayes untuk memprediksi nasabah yang akan membuka tabungan deposito. Dalam komparasi algoritma klasifikasi yang dilakukan pada penelitian ini dengan menggunakan software Rapid Miner 5.3, didapatkan hasil sebagai berikut: algoritma Decission Tree mendapatkan akurasi yang paling baik yaitu sebesar 88.48% , sedangkan algoritma Naive Bayes menghasilakan tingkat akurasi sebesar 86.84% dan algoritma K-Nearest Neighbour tingkat akurasinya sebesar 84.96%. Untuk penelitian kedepan diharapkan agar bisa dibuatkan software berbasis website supaya bisa digunakan oleh banyak orang.

Page 2 of 18 | Total Record : 179

 1   2   3   4   5 

Filter by Year

2017 2025


Reset
Filter By Issues
All Issue Vol 20 No 2 (2025): IC Tech: Majalah Ilmiah Volume XX No. 2 Oktober 2025 Vol 20 No 1 (2025): IC Tech: Majalah Ilmiah Volume XX No. 1 April 2025 Vol 19 No 2 (2024): IC Tech: Majalah Ilmiah Volume XIX No. 2 Oktober 2024 Vol 19 No 1 (2024): IC Tech: Majalah Ilmiah Volume XIX No. 1 April 2024 Vol 18 No 2 (2023): IC Tech: Majalah Ilmiah Volume XVIII No. 2 Oktober 2023 Vol 18 No 1 (2023): IC Tech: Majalah Ilmiah Volume XVIII No. 1 April 2023 Vol 17 No 2 (2022): IC Tech: Majalah Ilmiah Volume XVII No. 2 Oktober 2022 Vol 17 No 1 (2022): IC Tech: Majalah Ilmiah Volume XVII No. 1 April 2022 Vol 16 No 2 (2021): IC Tech: Majalah Ilmiah Volume XVI No. 2 Oktober 2021 Vol 16 No 1 (2021): IC Tech: Majalah Ilmiah Volume XVI No. 1 April 2021 Vol 15 No 2 (2020): IC Tech: Majalah Ilmiah Volume XV No. 2 Oktober 2020 Vol 15 No 1 (2020): IC Tech: Majalah Ilmiah Volume XV No. 1 April 2020 Vol 14 No 2 (2019): IC Tech: Majalah Ilmiah Volume XIV No. 2 Oktober 2019 Vol 14 No 1 (2019): IC Tech: Majalah Ilmiah Volume XIV No. 1 April 2019 Vol 13 No 2 (2018): IC Tech: Majalah Ilmiah Volume XIII No. 2 Oktober 2018 Vol 13 No 1 (2018): IC Tech: Majalah Ilmiah Volume XIII No. 1 April 2018 Vol 12 No 2 (2017): IC Tech: Majalah Ilmiah Volume XII No. 2 Oktober 2017 Vol 12 No 1 (2017): IC Tech: Majalah Ilmiah Volume XII No. 1 April 2017 More Issue