cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Fauzan Masykur
Contact Email
editor.ptmekar@gmail.com
Phone
+6285736460927
Journal Mail Official
editor.ptmekar@gmail.com
Editorial Address
Jl. Sunan Kudus no 76 Desa Krandegan RT 4 RW 1 Kecamatan Kebonsari Kabupaten Madiun, JAWA TIMUR, INDONESIA
Location
Kab. madiun,
Jawa timur
INDONESIA
Journal Information System and Computer Application
Published by PT Mekar Research And Publishing
ISSN : -     EISSN : 31101887     DOI : https://doi.org/10.65475/54gtqy36
Core Subject : Science,
Computer Science & IT
The journals focus and scope include, but are not limited to: information system development, software engineering, information security, computer networks, web and mobile based applications, big data, artificial intelligence, cloud computing, and other emerging technologies related to information systems and computer applications.
Arjuna Subject : Ilmu Komputer (semua kategori) - Ilmu Komputer (Lain-Lain)
Articles 5 Documents
 1 
Rancang Bangun Sistem Pendukung Keputusan untuk Pemilihan Tema Tugas Akhir Mahasiswa Manajemen Informatika Universitas Merdeka Madiun Pinaring Gusti, Alexander Kenzy; Utomo, Pradityo; Sukadi
MEKAR : Journal Information System and Computer Application Vol. 1 No. 1 (2025): AGUSTUS
Publisher : PT Mekar Research and Publishing

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.65475/nx70d190

Abstract

Abstract: - Students in the Informatics Management Study Program at Universitas Merdeka Madiun must complete a Final Project (TA) as part of their graduation requirements. However, choosing a project topic that matches their interests and abilities can be difficult. To help solve this problem, a web-based Decision Support System (DSS) was developed using the Weighted Sum Model (WSM). This study focuses on designing and developing a system to assist students in selecting appropriate final project topics more efficiently and objectively. The WSM method is used to assess several theme options based on a set of established criteria. The system was built using the Waterfall development model, which involves analysis, design, implementation, testing, and maintenance stages. Black Box Testing was conducted to verify the system's functionality. The application supports two user roles: administrators and students. Administrators manage the system’s data, including criteria, theme options, evaluations, and user accounts. Students can view recommended project topics and update their profiles. Testing showed a 100% success rate, indicating the system’s reliability. By using this DSS, students can make more informed decisions about their final project themes, improving both the selection process and the overall quality of their research through the use of educational technology.
ANALISIS OPTIMASI QUEUE TYPE DALAM MIKROTIK ROUTER OS V7.15 PADA JARINGAN INTERNET DI SMP NEGERI 6 SUDIMORO Fadila, Daras; Cobantoro, Adi Fajaryanto
MEKAR : Journal Information System and Computer Application Vol. 1 No. 1 (2025): AGUSTUS
Publisher : PT Mekar Research and Publishing

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.65475/6srksk04

Abstract

Dalam era digital, akses internet yang cepat dan stabil menjadi kebutuhan utama, khususnya di lingkungan pendidikan. SMP Negeri 6 Sudimoro menghadapi kendala dalam pengelolaan trafik jaringan internet, yang berdampak pada performa pembelajaran daring. Penelitian ini bertujuan untuk menganalisis pengaruh penerapan algoritma antrian queue type CoDel, FQ-CoDel, dan CAKE pada Mikrotik RouterOS v7.15 terhadap kualitas layanan jaringan (Quality of Service/QoS), serta menentukan algoritma yang paling optimal. Metode yang digunakan adalah pendekatan kuantitatif dengan pengujian parameter QoS seperti throughput, delay, jitter, dan packet loss berdasarkan standar TIPHON. Data dikumpulkan menggunakan aplikasi Wireshark dan dikonfigurasi melalui Winbox. Hasil pengujian menunjukkan bahwa algoritma FQ-CoDel memberikan performa terbaik dengan nilai throughput tertinggi tanpa peningkatan jitter maupun delay. Berdasarkan hasil tersebut, FQ-CoDel direkomendasikan sebagai queue type yang paling efektif untuk diterapkan pada jaringan internet sekolah. Implementasi algoritma ini diharapkan dapat meningkatkan efisiensi jaringan serta mendukung kelancaran kegiatan belajar mengajar berbasis digital.
OPTIMASI JARINGAN RT/RW NET MENGGUNAKAN SOFTWARE DEFINED NETWORK DAN LOAD BALANCING Muhamad, Fikri; Masykur, Fauzan; Fajaryanto Cobantoro, Adi
MEKAR : Journal Information System and Computer Application Vol. 1 No. 1 (2025): AGUSTUS
Publisher : PT Mekar Research and Publishing

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.65475/nsghad86

Abstract

Meningkatnya kebutuhan akan akses internet yang stabil dan cepat, terutama di lingkungan RT/RW Net yang melayani pelanggan rumah tangga dengan berbagai kebutuhan seperti streaming dan pengunduhan, memunculkan tantangan dalam pengelolaan lalu lintas jaringan, terutama ketika menggunakan lebih dari satu penyedia layanan internet (ISP). Penelitian ini mengusulkan penerapan arsitektur Software Defined Networking (SDN) sebagai solusi untuk mengatasi masalah distribusi trafik yang tidak merata melalui mekanisme loadbalancing. SDN memberikan kontrol PDF dan fleksibel dalam pengelolaan jaringan, memungkinkan pengaturan lalu lintas secara dinamis dan efisien. Implementasi dilakukan dengan menggunakan pengontrol OpenDaylight dan perangkat MikroTik sebagai router yang dikonfigurasi mendukung protokol OpenFlow untuk loadbalancing dua ISP. Hasil pengujian menunjukkan adanya peningkatan pada parameter Quality of Service (QoS) seperti throughput, delay, jitter, dan packet loss. Dengan penerapan SDN dan loadbalancing setelah dilakukan pengujian dengan QoS didapat hasil rata-rata dari masing-masing parameter yaitu, untuk throughput dengan rata-rata 8,36 mbps , untuk parameter packet loss didapat hasil rata-rata 0.09% , untuk delaynya dengan rata-rata 39 ms dan parameter jitter dengan rata-rata 12,67 ms. Dari semua hasil pengujian parameter diatas membuktikan adanya peningkatan kualitas jaringan dibandingkan dengan sebelum penerapan SDN dan loadbalancing.
Implementasi Text Mining Pada Analisis SentimenPemain Naturalisasi Timnas Indonesia Dengan Algoritma Naïve Bayes dan Support Vector Machine (SVM) Tri Widodo, Fajar; Setyawan, Moh. Bhanu
MEKAR : Journal Information System and Computer Application Vol. 1 No. 1 (2025): AGUSTUS
Publisher : PT Mekar Research and Publishing

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.65475/axqzy833

Abstract

Sepak bola adalah olahraga paling populer dan banyak dimainkan diseluruh dunia, termasuk Indonesia. FIFA menjadi sebuah lembaga tertinggi yang mengatur segala urusan sepak bola. FIFA banyak memiliki agenda kompetisi sepak bola seperti piala dunia. PSSI sebagai anggota dari FIFA berkesempatan untuk turut serta dalam turnamen yang diadakan oleh FIFA. Piala dunia menjadi mimpi yang terus didambakan oleh seluruh pecinta sepak bola tanah air. Salah satu strategi federasi sepak bola Indonesia yaitu PSSI untuk meningkatkan prestasi tim nasional adalah melalui program naturalisasi pemain asing. Tujuan dari program tersebut tidak lain adalah untuk memperkuat performa timnas agar bisa bersaing untuk merebutkan asa tampil di ajang piala dunia 2026. Program naturalisasi ini memicu berbagai respons dari masyarakat, terutama melalui media sosial twitter. Opini publik yang disampaikan melalui platform tersebut dapat dianalisis untuk mengetahui sentimen masyarakat terhadap kebijakan naturalisasi. Penelitian ini bertujuan untuk melakukan analisis sentimen terhadap cuitan pengguna Twitter mengenai pemain naturalisasi timnas Indonesia dengan menggunakan metode Naïve Bayes dan Support Vector Machine (SVM). Proses analisis mencakup tahapan pengumpulan data, pra-pemrosesan, dan klasifikasi sentimen menjadi dua kategori sentimen, yaitu positif dan negatif. Hasil penelitian menunjukkan Naïve Bayes memiliki tingkat akurasi yang lebih tinggi dibandingkan Support Vector Machine. Akurasi Naïve Bayes sebesar 76,23%, sedangkan SVM memiliki tingkat akurasi sebesar 70,29%. Selain itu, model Naïve Bayes juga lebih unggul dalam nilai precision, recall, dan f1-score dibandingkan dengan SVM. Naïve bayes memiliki nilai 78,43% untuk precision, 75,47% untuk recall, dan 76,93% untuk f1-score. Sementara itu, SVM memiliki nilai presisi sebesar 76,74%, recall sebesar 62,26%, dan f1-score sebesar 68,73%. Berdasarkan hasil tersebut, dapat disimpulkan bahwa metode Naïve Bayes lebih efektif dalam mengklasifikasikan sentimen masyarakat terhadap program naturalisasi pemain timnas Indonesia.
DETEKSI PENYAKIT DAUN TANAMAN STROBERI MENGGUNAKAN YOLOV8 PENDEKATAN BERBASIS DEEP LEARNING DI TAWANGMANGU Efi Mukaromah; Fauzan Masykur; Adi Fajaryanto Cobantoro
MEKAR : Journal Information System and Computer Application Vol. 1 No. 1 (2025): AGUSTUS
Publisher : PT Mekar Research and Publishing

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.65475/9mr3se03

Abstract

Deteksi dini penyakit pada daun stroberi merupakan langkah strategis dalam upaya peningkatan produktivitas pertanian, khususnya di kawasan dataran tinggi seperti Tawangmangu. Penelitian ini bertujuan untuk mengembangkan dan mengevaluasi performa model YOLOv8 untuk mendeteksi lima kelas utama kondisi daun stroberi secara real-time. Dataset lokal dikumpulkan langsung dari kebun stroberi di Tawangmangu dan dianotasi menggunakan format YOLO. Proses pelatihan mencakup augmentasi data dan pembagian dataset, kemudian dievaluasi menggunakan metrik akurasi, presisi, recall, F1-score, dan mean Average Precision (mAP). Pengujian model di Google Colab menunjukkan performa tinggi dengan nilai evaluasi mAP@0.5 sebesar 99.2% dan mAP@0.5:0.95 sebesar 94.5%. Pengujian lapangan menerapkan implementasi website STROBIKA menunjukkan akurasi rata-rata sebesar 84,6%, dan mampu mengidentifikasi tiga penyakit utama daun stroberi (Leaf Blight, Leaf Spot, dan Tipburn) secara cepat dan akurat. Meskipun terdapat tantangan dalam mengklasifikasikan daun sehat dan objek non-stroberi, sistem ini menunjukkan potensi tinggi untuk diterapkan dalam pertanian berbasis deep learning di dunia nyata.

Page 1 of 1 | Total Record : 5

 1 

Filter by Year

2025 2025


Reset
Filter By Issues
All Issue Vol. 1 No. 1 (2025): AGUSTUS