cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Ramdan Satra
Contact Email
ramdan@umi.ac.id
Phone
+6285255680963
Journal Mail Official
linier@umi.ac.id
Editorial Address
Gedung Fakultas Ilmu Komputer Kampus II Universitas Muslim Indonesia Jln. Urip Sumoharjo KM.5, Makassar, Sulawesi Selatan, Makassar, Provinsi Sulawesi Selatan, 90231
Location
Kota makassar,
Sulawesi selatan
INDONESIA
Linier: Literatur Informatika dan Komputer
Published by Universitas Muslim Indonesia
ISSN : -     EISSN : 30632218     DOI : https://doi.org/10.33096/linier.v1i1.2266
Core Subject : Science, Education, Engineering,
Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Mathematics
LINIER: Literatur Informatika dan Komputer encompasses all aspects of the latest outstanding research and developments in the field of Computer science including: Artificial intelligence, Computer networks, Software engineering.
Arjuna Subject : Ilmu Komputer (semua kategori) - Sistem Informasi
Articles 16 Documents
 1   2 
Search results for , issue "Vol 2, No 3 (2025)" : 16 Documents clear
Perancangan UI/UX Aplikasi Top Up Game ChillnFun Berbasis Mobile Menggunakan Metode Design Thinking M. Taufiq Sugianto; Herman Herman; Sitti Rahmah Jabir
LINIER: Literatur Informatika dan Komputer Vol 2, No 3 (2025)
Publisher : Universitas Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33096/linier.v2i3.3154

Abstract

Perkembangan industri game di Indonesia yang semakin pesat telah meningkatkan kebutuhan akan layanan top-up game yang cepat, aman, dan mudah digunakan. Namun, sebagian besar layanan yang tersedia masih dijalankan secara non-formal melalui media sosial, sehingga berpotensi menimbulkan kendala pada kemudahan penggunaan, keamanan transaksi, dan personalisasi layanan. Penelitian ini bertujuan untuk merancang antarmuka pengguna (User Interface) dan pengalaman pengguna (User Experience) aplikasi top-up game berbasis mobile bernama ChillnFun dengan menggunakan metode Design Thinking yang meliputi lima tahapan: Empathize, Define, Ideate, Prototype, dan Test. Data diperoleh melalui kuesioner yang dibagikan kepada pemain game aktif sebagai target pengguna, kemudian dianalisis untuk mengidentifikasi permasalahan utama. Hasilnya, ditemukan dua masalah utama, yaitu proses transaksi yang rumit dan tampilan antarmuka yang kurang menarik. Solusi yang dihasilkan mencakup penyederhanaan alur transaksi, navigasi yang intuitif, desain UI modern, dan penataan elemen visual yang rapi. Prototipe aplikasi dikembangkan menggunakan Figma dan diuji melalui usability testing menggunakan platform Maze serta evaluasi System Usability Scale (SUS). Hasil pengujian menunjukkan skor rata-rata 93 pada Maze dan skor rata-rata 82 pada SUS, yang termasuk kategori Excellent. Temuan ini menunjukkan bahwa prototipe ChillnFun dapat diterima dengan baik oleh pengguna dan mampu meningkatkan efisiensi, kenyamanan, serta kepuasan dalam proses top-up game
Analisis Sentimen Review Aplikasi di Google Play Store Menggunakan Random Forest Muhammad Faiq Rahmatullah; Poetri Lestari Lokapitasari Belluano; Herdianti Darwis
LINIER: Literatur Informatika dan Komputer Vol 2, No 3 (2025)
Publisher : Universitas Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33096/linier.v2i3.3149

Abstract

Google Play Store adalah salah satu platform distribusi aplikasi terbesar yang memungkinkan pengguna memberikan ulasan terhadap aplikasi yang mereka pakai. Di era digital saat ini, ulasan pengguna menjadi sumber data penting untuk menilai performa dan kualitas aplikasi. Namun, banyaknya jumlah ulasan membuat analisis secara manual menjadi kurang efisien. Oleh karena itu, peracangan ini ini mengadopsi pendekatan machine learning untuk mengklasifikasikan ulasan ke dalam kategori sentimen positif, negatif, atau netral. Proses analisis meliputi beberapa tahap, seperti pengumpulan data, praproses teks, ekstraksi fitur dengan TF-IDF, pelatihan model menggunakan Random Forest, serta evaluasi kinerja model. Hasil evaluasi menunjukkan bahwa model yang dikembangkan berhasil mengklasifikasikan sentimen dengan akurasi sebesar 68.5%, dengan performa terbaik pada sentimen negatif. Selain itu, penerapan metode Random Forest juga membuka peluang untuk pengembangan sistem analitik otomatis yang dapat digunakan oleh pengembang aplikasi dalam meningkatkan kualitas layanan mereka. Dengan memahami kecenderungan opini pengguna secara cepat dan akurat, pengambilan keputusan dalam pengembangan fitur baru atau perbaikan bug dapat dilakukan secara lebih terarah. Implementasi metode ini juga berpotensi untuk diterapkan pada sektor lain seperti e-commerce, layanan publik, atau media sosial, di mana opini pengguna menjadi salah satu aspek penting dalam evaluasi layanan
Analisis Sentimen Tweet Netizen Terhadap Timnas Sepak Bola Indonesia di Era Shin Tae-Yong Menggunakan Algoritma Support Vector Machine (SVM) Muhammad Rifqi Fauzan; Siska Anraeni; Lutfi Budiman Ilmuwan
LINIER: Literatur Informatika dan Komputer Vol 2, No 3 (2025)
Publisher : Universitas Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33096/linier.v2i3.3144

Abstract

Era kepelatihan Shin Tae-Yong menjadi momen penting bagi sepak bola Indonesia. Performa Timnas Indonesia di bawah asuhan Shin Tae-Yong menuai beragam respons di media sosial X. Penelitian ini bertujuan untuk menganalisis sentimen netizen terhadap timnas Indonesia di era Shin Tae-Yong dengan menggunakan algoritma Support Vector Machine (SVM). Dataset yang digunakan dalam penelitian ini terdiri dari 398 tweet yang dikumpulkan dari platform media sosial X, namun setelah prosedur preprocessing, jumlah tersebut berkurang menjadi 391 tweet yang merepresentasikan opini dan pandangan netizen tentang timnas Indonesia di era Shin Tae-Yong. Dari data yang dianalisis, 200 data (51,15%) menunjukkan sentimen positif terhadap timnas Indonesia di era Shin Tae-Yong, sementara 191 data (48,85%) menunjukkan sentimen negatif. Proses pengumpulan data melibatkan pemilihan tweet yang relevan dengan menggunakan keyword terkait timnas Indonesia di era Shin Tae Yong, diikuti dengan tahap preprocessing untuk membersihkan data. Evaluasi dilakukan dengan mengukur akurasi, presisi, recall, dan F1-score setiap algoritma dalam mengklasifikasikan sentimen tweet sebagai positif atau negatif. Penerapan metode SVM dalam analisa sentimen tentang timnas Indonesia di era Shin Tae-Yong berhasil mencapai tingkat accuracy sebesar 63,29%, precision sebesar 65%, recall sebesar 65% dan F1-Score sebesar 63%. Hasil penelitian menunjukkan bahwa algoritma SVM secara signifikan relatif baik dalam mengenali dan mengklasifikasikan sentimen terkait timnas Indonesia di era Shin Tae-Yong. Penelitian ini dapat memberikan wawasan penting mengenai pemilihan algoritma machine learning yang optimal untuk analisis sentimen dan dapat membantu peneliti dalam memilih metode yang tepat untuk analisis sentimen di berbagai topik
Klasifikas Sampah Menggunakan Metode Naive Bayes Aqsa Almaaidah Alimun; harlinda harlinda; huzain Azis
LINIER: Literatur Informatika dan Komputer Vol 2, No 3 (2025)
Publisher : Universitas Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33096/linier.v2i3.3155

Abstract

Pengelolaan sampah merupakan permasalahan serius yang dihadapi di Indonesia akibat tingginya laju produksi sampah dari konsumsi masyarakat, perkembangan industri, serta rendahnya sistem pengelolaan yang berwawasan lingkungan. Salah satu pendekatan yang dapat digunakan untuk membantu pengelolaan sampah adalah klasifikasi otomatis menggunakan metode pembelajaran mesin. Pada penelitian ini, dilakukan klasifikasi citra sampah menggunakan algoritma Naïve Bayes dengan dua pendekatan, yaitu Gaussian Naïve Bayes dan Multinomial Naïve Bayes. Dataset yang digunakan terdiri dari 997 citra yang terbagi dalam dua kelas, yaitu kertas dan karton. Proses penelitian meliputi preprocessing berupa resize citra ke ukuran 64 × 64 piksel, normalisasi, serta evaluasi model menggunakan metrik accuracy, precision, recall, dan F1-score. Hasil penelitian menunjukkan bahwa Gaussian Naïve Bayes memberikan kinerja yang lebih baik dengan accuracy sebesar 79.50%, sedangkan Multinomial Naïve Bayes hanya mencapai 59.50%. Nilai evaluasi lainnya juga memperlihatkan tren serupa, di mana Gaussian Naïve Bayes lebih unggul dibandingkan Multinomial Naïve Bayes. Dengan demikian, dapat disimpulkan bahwa Gaussian Naïve Bayes lebih sesuai untuk klasifikasi citra sampah pada penelitian ini, dan berpotensi diterapkan dalam mendukung sistem pengelolaan sampah yang lebih efisien
Perancangan Website Pada Toko Firman Tani Menggunakan Pendekatan Waterfall Muh Firman Abd Rahman; Irawati Irawati; Herdianti Darwis
LINIER: Literatur Informatika dan Komputer Vol 2, No 3 (2025)
Publisher : Universitas Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33096/linier.v2i3.3150

Abstract

Di era digital saat ini, sistem informasi yang terintegrasi dan efisien menjadi kebutuhan penting, khususnyabagi UMKM seperti toko pertanian. Penelitian ini bertujuan mengembangkan sistem informasi penjualan berbasis website untuk Toko Firman Tani di Kabupaten Pinrang dengan pendekatan pengembangan perangkat lunak Waterfall. Sistem ini dirancang untuk menggantikan metode penjualan manual yang masih digunakan, yang dinilai kurang efisien dan tidak mampu menjangkau pasar secara luas. Proses pengembangan mengikuti tahapan sistematis, yaitu analisis kebutuhan, perancangan, implementasi, pengujian, dan pemeliharaan, dengan data yang dikumpulkan melalui observasi langsung, wawancara dengan pemilik dan pelanggan, serta studi pustaka yang relevan. Fitur utama sistem meliputi katalog produk digital, manajemen stok otomatis, proses pemesanan menggunakan keranjang belanja, integrasi metode pembayaran digital, serta notifikasi pesanan melalui WhatsApp. Untuk mengevaluasi kualitas dan kenyamanan sistem, dilakukan pengujian melalui unit testing dan usability testing menggunakan metode System Usability Scale (SUS). Pengujian dilakukan terhadap 15 responden, terdiri dari admin, petani, dan pelanggan. Hasil pengujian menunjukkan nilai rata-rata sebesar 71%, yang menurut interpretasi standar SUS termasuk dalam kategori “baik”, menunjukkan bahwa sistem mudah digunakan dan diterima oleh pengguna. Implementasi sistem ini terbukti mampu meningkatkan efisiensi transaksi, akurasi pengelolaan data, dan memperluas jangkauan promosi toko secara daring. Selain itu, sistem ini juga memberikan kemudahan komunikasi antara pelanggan dan pemilik usaha melalui media digital. Penelitian ini diharapkan menjadi kontribusi nyata dalam pemanfaatan teknologi informasi pada sektor pertanian dan memberikan inspirasi bagi UMKM lainnya untuk bertransformasi secara digital guna meningkatkan daya saing di era modern
KLASIFIKASI CENGKEH MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK (CNN) Lisna Ariani; Dolly Indra; Fitriyani Umar
LINIER: Literatur Informatika dan Komputer Vol 2, No 3 (2025)
Publisher : Universitas Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33096/linier.v2i3.3145

Abstract

Cengkeh merupakan salah satu komoditas unggulan di sektor pertanian Indonesia yang memiliki nilai ekonomi tinggi, namun rentan mengalami penurunan kualitas akibat kontaminasi jamur selama proses panen dan pascapanen. Selama ini, proses klasifikasi cengkeh berjamur dan tidak berjamur masih dilakukan secara manual, yang cenderung tidak efisien, subjektif, dan berpotensi menimbulkan inkonsistensi, terutama ketika harus menangani volume data dalam jumlah besar. Oleh karena itu, penelitian ini dirancang untuk mengembangkan sistem klasifikasi otomatis berbasis kecerdasan buatan menggunakan metode Convolutional Neural Network (CNN) dengan arsitektur InceptionV3. Penelitian akan dilakukan di Kecamatan Lasusua, Kabupaten Kolaka Utara, dengan menggunakan dataset sebanyak 1.000 citra digital cengkeh yang diambil dari dua pose berbeda. Seluruh citra akan melalui tahapan preprocessing dan augmentasi guna memperkuat kualitas dan keragaman data, sebelum digunakan dalam proses pelatihan model CNN. Evaluasi terhadap performa model akan dilakukan dengan mengukur nilai akurasi, presisi, recall, dan F1-score untuk menentukan sejauh mana efektivitas sistem dalam mengklasifikasikan cengkeh ke dalam dua kelas, yaitu berjamur dan tidak berjamur. Diharapkan hasil dari penelitian ini dapat memberikan kontribusi nyata terhadap peningkatan efisiensi, akurasi, dan objektivitas dalam proses sortasi cengkeh serta menjadi langkah awal dalam penerapan teknologi deep learning untuk mendukung digitalisasi mutu hasil pertanian, khususnya pada komoditas strategis seperti cengkeh

Page 2 of 2 | Total Record : 16

 1   2 

Filter by Year

2025 2025


Reset
Filter By Issues
All Issue Vol 2, No 4 (2025) Vol 2, No 3 (2025) Vol 2, No 2 (2025) Vol 2, No 1 (2025) Vol 1, No 4 (2024) Vol 1, No 3 (2024) Vol 1, No 2 (2024) Vol 1, No 1 (2024)