cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Oki Arifin
Contact Email
okiarifin@polinela.ac.id
Phone
+62721703995
Journal Mail Official
coding@polinela.ac.id
Editorial Address
Jl. Soekarno Hatta No.10, Rajabasa Raya, Kec. Rajabasa, Kota Bandar Lampung, Lampung 35144
Location
Kota bandar lampung,
Lampung
INDONESIA
Coding: Journal of Computing and Software Engineering
Published by Politeknik Negeri Lampung
ISSN : 3109869X     EISSN : 3109869X     DOI : https://doi.org/10.25181
Core Subject : Science, Engineering,
Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Library & Information Science
Coding: Journal of Computing and Software Engineering is a peer-reviewed blind journal dedicated to the publication of quality research results in the field of Applied Computing and Software Engineering but is not limited implicitly. The journal serves a forum for both applied and theoretical understanding and encourages submissions from both within and beyond academia. All publications in the Coding journal are open access, which allows articles to be freely available online without any subscription. Coding: Journal of Computing and Software Engineering accepts scientific articles with research scopes on: 1) Software Engineering Approaches, Methodologies, Techniques, and Tools; 2) Applied Data Mining and Warehousing; 3) Artificial Intelligence System; 4) Information Systems Concepts, Strategies, Practices, Tools and Technologies; 5) Computer Networks; 6) Geographical Information Systems; 7) Mobile Commerce and their Applications; 8) E-Business and E-Government Adoption; 9) Internet and E-Commerce Architecture, Infrastructure, Models, Deployment Strategies and Methodologies; 10) Big Data; 11) Image processing; 12) Machine Learning; 13) Internet of Things; 14) Information and Internet Security; 15) Other relevant study topics.
Arjuna Subject : Ilmu Komputer (semua kategori) - Ilmu Komputer (Lain-Lain)
Articles 9 Documents
 1 
Dampak Penerapan Electronic Traffic Law Enforcement (ETLE) Pada Masyarakat Di Kota Pekanbaru Annisa Suci Dwi Syenly; Syahru Arrozi; M. Haekal Hafizh; Fadhillah Akbar
Coding: Journal of Computing and Software Engineering Vol. 1 No. 1: JUNI 2025
Publisher : Coding: Journal of Computing and Software Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25181/coding.v1i1.4254

Abstract

Penelitian ini mengkaji dampak penerapan sistem tilang elektronik (ETLE) terhadap masyarakat di Kota Pekanbaru. Dengan menggunakan metode studi literatur kualitatif, penelitian ini bertujuan mengidentifikasi dampak positif dan negatif serta menganalisis tantangan yang muncul pasca-implementasi. Hasil analisis menunjukkan bahwa ETLE secara signifikan meningkatkan kepatuhan pengendara di lokasi pemantauan, menurunkan angka kecelakaan di titik rawan, dan meningkatkan transparansi penegakan hukum. Namun, di balik keberhasilan tersebut, muncul sejumlah dampak negatif krusial, antara lain isu ketidakadilan akibat "salah tilang" pada pemilik kendaraan yang belum melakukan balik nama, beban ekonomi denda bagi masyarakat berpenghasilan rendah, dan fenomena pergeseran pelanggaran ke area non-ETLE. Temuan utama menyimpulkan bahwa efektivitas ETLE tidak dapat berdiri sendiri, melainkan sangat bergantung pada kesehatan ekosistem pendukungnya, terutama administrasi data kendaraan. Oleh karena itu, keberhasilan jangka panjang kebijakan ini menuntut pendekatan holistik yang tidak hanya fokus pada teknologi, tetapi juga pada reformasi birokrasi, edukasi publik yang masif, dan pengembangan mekanisme yang berkeadilan sosial untuk membangun budaya tertib lalu lintas yang berkelanjutan.
Analisis Kesiapan Masyarakat Terhadap Implementasi Program Smart City di Panam Fauzan Azim; Trimaiyuza Maulina Syafutri; Ghilbran Rafif Mulya; Muhammad Faiz Alqadri; Riza Ananda Siregar
Coding: Journal of Computing and Software Engineering Vol. 1 No. 1: JUNI 2025
Publisher : Coding: Journal of Computing and Software Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25181/coding.v1i1.4274

Abstract

Perkembangan teknologi digital mendorong banyak kota di Indonesia untuk mulai mengadopsi konsep Smart City guna meningkatkan pelayanan publik serta kualitas hidup masyarakat. Meski demikian, keberhasilan implementasi Smart City tidak hanya ditentukan oleh kecanggihan teknologi, tetapi juga kesiapan masyarakat dalam hal literasi digital, akses terhadap perangkat, dan keterlibatan dalam proses transformasi. Penelitian ini bertujuan untuk mengkaji kesiapan masyarakat Kecamatan Panam dalam menyongsong program Smart City serta faktor-faktor yang mempengaruhinya. Penelitian ini menggunakan metode penelitian kuantitatif dengan cara pengumpulan data melalui kuisioner daring. Dari sebaran kuisioner yang di berikan secara daring didapatkan 51 responding yang menjawab kuisioner tersebut. Hasilnya menunjukkan bahwa sebagian besar warga memiliki pemahaman yang cukup baik mengenai konsep Smart City dan menunjukkan dukungan yang positif. Masyarakat juga memperlihatkan antusiasme dalam menggunakan teknologi, meskipun partisipasi dalam pelatihan masih tergolong sedang. Harapan utama masyarakat terfokus pada perbaikan layanan publik, infrastruktur, dan sistem transportasi. Di sisi lain, tantangan yang dihadapi mencakup keterbatasan infrastruktur, rendahnya literasi digital, serta kurangnya sumber daya manusia yang memadai. Dari hasil penjelasan di atas dapat kita simpulkan bahwasanya masyarakat Panam menunjukkan kesiapan yang menjanjikan, namun masih dibutuhkan strategi kebijakan yang mendukung agar implementasi Smart City dapat berjalan secara optimal.
Perancangan Dan Implementasi Sistem Otomasi Pakan Kucing Berbasis Web Dan Platform Iot Blynk Ahmad Farrel Mahardika; Muhammad Hadya Alleredha; Muhammad Alvin Dzakyananta; Jaka Fitra; Oki Arifin
Coding: Journal of Computing and Software Engineering Vol. 1 No. 1: JUNI 2025
Publisher : Coding: Journal of Computing and Software Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25181/coding.v1i1.4301

Abstract

Teknologi Internet of Things (IoT) semakin banyak diterapkan dalam kehidupan sehari-hari, termasuk dalam bidang perawatan hewan peliharaan. Penelitian ini bertujuan untuk merancang dan mengimplementasikan sistem pemberian pakan kucing otomatis berbasis mikrokontroler ESP32 yang terintegrasi dengan platform Blynk dan monitoring berbasis web. Pengembangan dilakukan menggunakan metode Software Development Life Cycle (SDLC) model Waterfall agar setiap tahap dapat berjalan secara sistematis. Sistem ini memungkinkan pemilik hewan untuk menjadwalkan pemberian pakan secara otomatis dan tetap memiliki opsi kontrol manual melalui aplikasi smartphone. Komponen utama sistem meliputi ESP32, motor servo, dan LCD 16x2. Blynk digunakan untuk kontrol jarak jauh, sedangkan PHP dan MySQL mencatat aktivitas melalui web. Hasil pengujian menunjukkan bahwa sistem bekerja stabil dalam mode otomatis dan manual, serta mampu mencatat data secara real-time. Dalam uji coba selama tujuh hari, sistem berhasil mencatat 21 eksekusi pemberian pakan tanpa kehilangan data. Kendala seperti gangguan Wi-Fi dapat diatasi melalui penyesuaian interval pengiriman data. Sistem ini efektif bagi pengguna yang memiliki mobilitas tinggi dan dapat dikembangkan lebih lanjut dengan fitur notifikasi, sensor berat, serta integrasi cloud untuk pemantauan lanjutan.
jurnal Analisis Loyalitas Pelanggan pada Layanan Food Delivery Online Menggunakan Algoritma Decision Tree dan Naive Bayes Zaki Umaro; Sutedi Sutedi; Handoyo Widi Nugroho
Coding: Journal of Computing and Software Engineering Vol. 1 No. 1: JUNI 2025
Publisher : Coding: Journal of Computing and Software Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25181/coding.v1i1.4308

Abstract

Loyalitas pelanggan menjadi aspek krusial dalam mempertahankan keberlangsungan bisnis layanan pemesanan makanan online. Penelitian ini bertujuan untuk membangun model prediksi loyalitas pelanggan menggunakan algoritma klasifikasi Decision Tree (C4.5), Naive Bayes, dan Random Forest. Dataset yang digunakan terdiri dari 500 data pelanggan dengan 24 atribut prediktor yang merepresentasikan perilaku dan karakteristik pelanggan. Proses analisis melibatkan tahapan preprocessing data, pelatihan model, evaluasi menggunakan metrik akurasi, precision, recall, dan F1-Score, serta validasi model dengan metode split dan cross validation. Hasil evaluasi menunjukkan bahwa algoritma Decision Tree menghasilkan akurasi tertinggi sebesar 93,19%, diikuti oleh Random Forest (92,98%) dan Naive Bayes (90,58%). Selain itu, Decision Tree juga mencatat nilai F1-Score tertinggi yaitu 96,08%, menandakan performa model yang seimbang dan andal dalam memprediksi loyalitas pelanggan. Penelitian ini diharapkan dapat menjadi acuan untuk mengembangkan strategi retensi pelanggan berbasis data.
Peran ChatGPT dalam Meningkatkan dan Menghambat Proses Belajar Mahasiswa di Era Digital Dya Arzepta Maiza; Nayla Sifa Syabila; Salwa Aprila; Harun Mukhtar; Rahmad Gunawan; Januar Al Amien
Coding: Journal of Computing and Software Engineering Vol. 1 No. 2: DESEMBER 2025
Publisher : Coding: Journal of Computing and Software Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25181/coding.v1i2.4363

Abstract

The rapid development of generative AI, such as ChatGPT, has had a significant impact on higher education, particularly in open and distance learning (ODL) systems. This transformation is not only changing the way students access information but also influencing the interaction patterns between lecturers and students in digital environments. Research shows that while ChatGPT offers advantages such as fast information access, writing assistance, instant feedback, and personalized learning tailored to individual needs, its unwise use can reduce intrinsic learning motivation, trigger over-dependence, and hinder the development of students' critical thinking, analytical skills, and creativity. Furthermore, various ethical challenges arise, such as the potential for plagiarism, data privacy violations, algorithmic bias, and low AI literacy among users. Therefore, an adaptive AI utilization strategy is needed, integrated into the curriculum, and based on clear ethical principles and regulations to support innovative learning without compromising students' academic integrity and intellectual abilities in a sustainable manner.
Penerapan Random Forest untuk Identifikasi Tipe Kepribadian: Studi Kasus Klasifikasi Introvert dan Extrovert Fauzan Azim; Doni Iskandar Rotama Sihaloho; Muhammad Rizki; Afdanil Hidayat Alghifary; Husnul Qadri Habibullah; Harya Jaya Kusuma; Rahmad Gunawan
Coding: Journal of Computing and Software Engineering Vol. 1 No. 2: DESEMBER 2025
Publisher : Coding: Journal of Computing and Software Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25181/coding.v1i2.4368

Abstract

Pengelompokan tipe kepribadian menjadi salah satu cara penting untuk memahami bagaimana individu berinteraksi dalam konteks sosial. Penelitian ini mengeksplorasi penerapan algoritma pembelajaran mesin dalam membedakan individu ke dalam dua kategori kepribadian utama: introvert dan ekstrovert, berdasarkan indikator perilaku sosial yang dapat diukur secara kuantitatif. Dataset yang digunakan mencakup 2.900 observasi dengan variabel-variabel seperti durasi waktu yang diluangkan secara mandiri, frekuensi partisipasi dalam kegiatan sosial, tingkat interaksi di luar lingkungan rumah, serta jumlah teman dalam jaringan sosial. Sebelum analisis, data mengalami proses pra-pemrosesan yang meliputi konversi variabel kategorikal menjadi bentuk numerik dan penskalaan fitur numerik agar seragam. Model klasifikasi yang digunakan adalah Random Forest Classifier dengan parameter baku, yang divalidasi menggunakan pembagian data latih dan uji melalui teknik stratified split untuk menjaga keseimbangan distribusi kelas. Hasil evaluasi menunjukkan performa model yang baik, dengan tingkat akurasi sebesar 90,86% dan F1-Score mencapai 91,03%. Temuan ini menegaskan bahwa pendekatan berbasis pembelajaran mesin, terutama model ensemble seperti Random Forest memiliki potensi besar dalam mengidentifikasi ciri kepribadian melalui pola perilaku sosial yang terekam.
Perbandingan Kinerja Model Machine Learning dalam Memprediksi Konsumsi Bahan Bakar Kendaraan Affan Prasetya; Oki Arifin
Coding: Journal of Computing and Software Engineering Vol. 1 No. 2: DESEMBER 2025
Publisher : Coding: Journal of Computing and Software Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25181/coding.v1i2.4379

Abstract

Penelitian ini membahas upaya prediksi konsumsi bahan bakar kendaraan berbasis algoritma machine learning untuk mendukung efisiensi energi dan pengurangan emisi karbon. Sektor transportasi merupakan kontributor signifikan terhadap konsumsi energi nasional, sehingga diperlukan model prediksi akurat yang dapat digunakan dalam perencanaan kebijakan. Penelitian ini bertujuan membandingkan kinerja tiga algoritma regresi Decision Tree (DT), Random Forest (RF), dan Support Vector Machine (SVM) dalam memprediksi konsumsi bahan bakar berdasarkan fitur teknis kendaraan. Dataset yang digunakan bersumber dari Natural Resources Canada, terdiri dari variabel seperti kapasitas mesin, silinder, transmisi, emisi CO₂, dan konsumsi bahan bakar. Proses pra-pemrosesan mencakup one-hot encoding, normalisasi, dan pembagian data (hold-out 80:20). Evaluasi dilakukan menggunakan metrik RMSE, MAE, dan koefisien determinasi (R²). Hasil menunjukkan bahwa model Decision Tree memiliki performa terbaik dengan nilai RMSE terendah (0.326), MAE terendah (0.22), dan R² tertinggi (0.960), mengungguli Random Forest dan SVR. Temuan ini menunjukkan bahwa model sederhana namun tepat guna dapat lebih unggul dari model kompleks dalam kondisi dataset tertentu. Penelitian ini memberikan kontribusi terhadap pengembangan sistem prediktif efisiensi energi kendaraan dan dapat digunakan sebagai dasar untuk kebijakan transportasi berkelanjutan.
RAILFUN: Aplikasi Multimedia On Demand Berbasis Chat Bot Sebagai Layanan Hiburan Pada Kereta API Riza Sukmawardani; Sirli Fahriah; Afandi Nur Aziz Thohari
Coding: Journal of Computing and Software Engineering Vol. 1 No. 2: DESEMBER 2025
Publisher : Coding: Journal of Computing and Software Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25181/coding.v1i2.4424

Abstract

Perjalanan  kereta  api  yang  panjang  sering  kali menimbulkan kebosanan bagi penumpang, terutama dengan minimnya fitur hiburan mandiri dan keterbatasan akses internet. Penelitian ini mengusulkan pengembangan aplikasi "Railfun: Aplikasi Multimedia On Demand Berbasis  chatbot Sebagai Layanan Hiburan Pada Kereta Api" untuk mengatasi permasalahan tersebut. Tujuan utama penelitian ini adalah mengembangkan aplikasi Railfun sebagai platform layanan Multimedia on Demand yang optimal bagi penumpang kereta api, serta mengintegrasikan fitur  chatbot untuk meningkatkan interaksi dan kemudahan pengguna. Aplikasi ini dirancang untuk menyediakan akses offline ke berbagai konten hiburan seperti video, musik, dan permainan, dilengkapi dengan  chatbot sebagai asisten virtual yang intuitif. Hasil evaluasi kepuasan pengguna menunjukkan bahwa 89,68% responden menyatakan puas dengan aplikasi Railfun, yang mengindikasikan kategori 'Sangat Memuaskan'. Diharapkan, Railfun dapat meningkatkan kenyamanan dan kepuasan penumpang selama perjalanan, sekaligus menjadi solusi inovatif dalam meningkatkan kualitas layanan transportasi publik melalui pemanfaatan teknologi digital yang modern dan efisien.
Analisis Komparatif Kinerja Algoritma Naive Bayes dengan dan tanpa Seleksi Fitur Chi-Square untuk Deteksi Spam Email Fitra Salam S. Nagalay; Desi Rahma Aryanti; Fathurrahman Kurniawan Ikhsan
Coding: Journal of Computing and Software Engineering Vol. 1 No. 2: DESEMBER 2025
Publisher : Coding: Journal of Computing and Software Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25181/coding.v1i2.4572

Abstract

Email telah menjadi alat komunikasi vital, namun efektivitasnya terdegradasi oleh volume spam yang tinggi. Algoritma Naive Bayes (NB) adalah metode machine learning yang populer untuk klasifikasi spam. Namun, kinerja NB dapat dipengaruhi oleh tingginya dimensi data (jumlah fitur kata yang sangat banyak). Penelitian ini bertujuan untuk menganalisis dampak seleksi fitur Chi-Square  terhadap kinerja Naive Bayes. Metode penelitian ini adalah analisis komparatif antara dua model: (A) Naive Bayes standar, dan (B) Naive Bayes dengan seleksi fitur Chi-Square. Kedua model menggunakan vektorisasi TF-IDF pada dataset Enron yang berisi 33.716 email. Model A menggunakan 5.000 fitur, sedangkan Model B direduksi menjadi 1.000 fitur terbaik hasil seleksi . Hasil penelitian menunjukkan bahwa Model A (tanpa ) telah mencapai akurasi sangat tinggi sebesar 98,1%. Model B (dengan  mampu mencapai akurasi yang hampir identik sebesar 98,0%, dengan nilai presisi dan recall yang juga serupa. Kesimpulan dari penelitian ini adalah penerapan Chi-Square pada kasus ini tidak meningkatkan akurasi (karena model dasar sudah mencapai kinerja puncak), namun terbukti sangat efektif dalam mereduksi dimensi fitur sebesar 80% (dari 5.000 menjadi 1.000 fitur) sambil tetap mempertahankan kinerja model. Hal ini menunjukkan bahwa kombinasi NB+  menghasilkan model yang jauh lebih efisien secara komputasi.

Page 1 of 1 | Total Record : 9

 1 

Filter by Year

2025 2025


Reset
Filter By Issues
All Issue Vol. 1 No. 2: DESEMBER 2025 Vol. 1 No. 1: JUNI 2025