cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Wahyu Andhyka Kusuma
Contact Email
kusuma.wahyu.a@gmail.com
Phone
+628973127396
Journal Mail Official
wahyukusuma@umm.ac.id
Editorial Address
Program Studi Informatika Fakultas Teknik, Universitas Muhammadiyah Malang Raya Tlogomas 246 Malang, Indonesia Telepon 0341-464318 Ext. 247 Kontak: +628973127396 (Wahyu Andhyka Kusuma) Penerbit: (0341) 464319 - ext. 243 (LPPI Universitas Muhammadiyah Malang)
Location
Kota malang,
Jawa timur
INDONESIA
Jurnal Repositor
Published by Universitas Muhammadiyah Malang
ISSN : 27147975     EISSN : 27161382     DOI : https://doi.org/10.22219/repositor
Core Subject :
Jurnal Repositor merupakan jurnal ilmiah dengan ruang lingkup keilmuan bidang informatika. Jurnal ini mempublikasikan hasil penelitian, telaah ilmiah dan serangkaian hasil studi yang berkaitan. Adapun ruang lingkup dari jurnal ini adalah sebagai berikut: Kecerdasan Buatan (Artificial Intelligence) Pembelajaran mesin (machine learning) Jaringan saraf tiruan (neural networks) Pemrosesan bahasa alami (natural language processing) Sistem pakar dan pengambilan keputusan otomatis Data Sains dan Analitik (Data Science and Analytics) Big data Data mining Analitik prediktif Visualisasi data Pengembangan Perangkat Lunak (Software Engineering) Metodologi pengembangan perangkat lunak Rekayasa perangkat lunak berbasis komponen Pengujian dan kualitas perangkat lunak DevOps dan integrasi berkelanjutan Sistem Informasi (Information Systems) Sistem manajemen basis data Sistem informasi manajemen E-commerce dan sistem informasi bisnis Sistem informasi geografis Keamanan Siber (Cybersecurity) Kriptografi Keamanan jaringan Keamanan sistem dan aplikasi Analisis dan mitigasi serangan siber Jaringan dan Komunikasi (Networking and Communication) Protokol jaringan Jaringan nirkabel dan mobile Internet of Things (IoT) Komunikasi data dan jaringan sensor Komputasi Terdistribusi dan Paralel (Distributed and Parallel Computing) Cloud computing Komputasi grid dan komputasi awan Komputasi paralel Sistem terdistribusi Multimedia dan Interaksi Manusia-Komputer (Multimedia and Human-Computer Interaction) Pengolahan gambar dan video Realitas virtual dan augmentasi Desain antarmuka pengguna Usabilitas dan pengalaman pengguna Bioinformatika dan Komputasi Kesehatan (Bioinformatics and Health Informatics) Analisis data biomedis Sistem informasi kesehatan Genomika komputasional Pemodelan dan simulasi dalam biologi Teori Komputasi dan Algoritma (Theory of Computation and Algorithms) Kompleksitas komputasi Desain dan analisis algoritma Teori graf dan kombinatorika Pemrograman dan optimisasi matematis Robotika dan Sistem Otomatisasi (Robotics and Automation Systems) Sistem robotik dan kendali Kendaraan otonom Otomatisasi industri Robot kolaboratif
Arjuna Subject : -
Articles 479 Documents
 44   45   46   47   48 
Monitoring Kualitas Udara Ruang Gas Di RSUD Dr. Soedarmo Trenggalek Dengan IoT Berbasis Web Ananta Romadhan Mujiono
Jurnal Repositor Vol. 8 No. 1 (2026): Februari 2026
Publisher : Universitas Muhammadiyah Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22219/repositor.v8i1.40096

Abstract

Kebocoran udara dalam ruamg gas rumah sakit dapat berdampak buruk terhadap kesehatan. Penelitian ini mengembangkan sistem pemantauan kualitas udara berbasis website untuk mendeteksi kebocoran udara di dalam ruamg gas rumah sakit, dengan fokus pada parameter PM2.5, karbon monoksida (CO), total senyawa organik volatil (TVOC), suhu, dan kelembapan. Sistem ini menggunakan metode fuzzy logic untuk menganalisis hubungan antarparameter guna menentukan tingkat kualitas udara. Dalam pengembangan sistem, metode Waterfall diterapkan secara sistematis untuk memastikan setiap tahap, mulai dari analisis kebutuhan hingga implementasi, dilakukan dengan baik. Selain itu, sistem dilengkapi dengan fitur peringatan otomatis melalui aplikasi telegram, yang akan mengirimkan notifikasi ketika tingkat polusi udara melebihi ambang batas aman. Hasil penelitian menunjukkan bahwa sistem dapat memantau kualitas udara secara efektif dan memberikan data yang akurat serta mudah dipahami melalui antarmuka website yang responsif. Penerapan sistem ini diharapkan dapat membantu manajemen rumah sakit dalam meningkatkan kualitas udara di ruang-ruang vital dan meminimalkan risiko kesehatan yang diakibatkan oleh polusi udara dalam ruangan.
Analisis Retensi Tenaga Kerja Panen Kelapa Sawit dengan Random Forest pada Perusahaan XYZ Haidar Zakki Jumali; Vinna Rahmayanti Setyaning Nastiti; Yufis Azhar
Jurnal Repositor Vol. 8 No. 1 (2026): Februari 2026
Publisher : Universitas Muhammadiyah Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22219/repositor.v8i1.40253

Abstract

Sektor kelapa sawit berperan krusial dalam perekonomian Indonesia. Perusahaan XYZ turut berkontribusi dalam bidang ini, maka retensi, yaitu kemampuan perusahaan mempertahankan tenaga kerja panen kelapa sawit, menjadi penting untuk menjaga stabilitas dan kinerjanya. Random Forest diusulkan sebagai algoritma untuk mengklasifikasikan retensi tenaga kerja panen kelapa sawit. Berisi data 370 pekerja selama satu bulan, dataset diperoleh dari HRD dengan memadukan fitur kategorikal serta numerik. Tahap preprocessing meliputi data cleaning, pembuatan dan seleksi fitur, transformasi data, serta mengatasi distribusi kelas yang tidak seimbang dengan SMOTE. Rasio splitting data yaitu 70% untuk data train dan 30% untuk data test. Evaluasi model dilakukan melalui dua pendekatan: parameter default menghasilkan akurasi 98%, sedangkan hyperparameter tuning dengan GridSearchCV memperoleh akurasi yang lebih tinggi, yaitu 99%. Efektivitas Random Forest dalam mengklasifikasikan retensi tenaga kerja panen kelapa sawit terbukti melalui hasil ini. Wawasan dari penelitian ini memungkinkan HRD untuk memperkuat taktik retensi, mengoptimalkan produktivitas tenaga kerja, dan mendukung pengambilan keputusan berbasis data.
Vol. 6 No. 4 (2024): November 2024 Admin Repositor
Jurnal Repositor Vol. 6 No. 4 (2024): November 2024
Publisher : Universitas Muhammadiyah Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22219/repositor.v6i4.40546

Abstract

Vol. 6 No. 4 (2024): November 2024
Vol. 7 No. 1 (2025): Februari 2025 Admin Repositor
Jurnal Repositor Vol. 7 No. 1 (2025): Februari 2025
Publisher : Universitas Muhammadiyah Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22219/repositor.v7i1.40547

Abstract

Vol. 7 No. 1 (2025): Februari 2025
Rancang Bangun Prototype Sistem Monitoring Ketinggian Air Sungai Berbasis Mikrokontroler ESP32 dan Telegram Sebagai Upaya Deteksi Banjir Secara Dini Prasomya Mahardhika; Zamah Sari; Denar Regata Akbi
Jurnal Repositor Vol. 7 No. 4 (2025): November 2025
Publisher : Universitas Muhammadiyah Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22219/repositor.v7i4.40639

Abstract

Banjir adalah salah satu bencana alam yang kerap terjadi karena intensitas hujan yang tinggi serta buruknya sistem drainase. Dalam penelitian ini, dikembangkan sebuah sistem pemantauan tinggi permukaan air berbasis Internet of Things (IoT) yang memanfaatkan ESP32 dan sensor ultrasonik HC-SR04, serta terhubung dengan Telegram dan situs web untuk pemantauan secara waktu nyata.. Metode Fuzzy Sugeno diterapkan untuk mengklasifikasikan status air menjadi Aman, Siaga, dan Bahaya. Data ketinggian air dikirim ke server melalui API dan ditampilkan pada website serta dikirimkan sebagai notifikasi ke Telegram. Pengujian menunjukkan akurasi sensor mencapai 99%, dengan notifikasi yang cepat dan akurat saat kondisi kritis. Hasil penelitian membuktikan bahwa sistem ini efektif untuk peringatan dini banjir. Pengembangan lebih lanjut dapat mencakup prediksi berbasis kecerdasan buatan (AI) untuk meningkatkan akurasi deteksi dini.
Sentimen Analisis Terkait Dengan Penerapan Artificial Intelligence Terhadap Dunia Pendidikan Di Indonesia Menggunakan Deep Learning Luthfiya Indah Fithriani; Christian Sri Kusuma Aditya
Jurnal Repositor Vol. 8 No. 1 (2026): Februari 2026
Publisher : Universitas Muhammadiyah Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22219/repositor.v8i1.40791

Abstract

Artificial Intelligence memberikan pengaruh besar diberbagai sektor, salah satunya di dunia pendidikan. Penelitian ini bertujuan untuk menganalisis sentimen masyarakat terkait dengan penerapan artificial intelligence terhadap dunia pendidikan di Indonesia dengan menggunakan pendekatan deep learning. Data dikumpulkan melalui proses crawling dari aplikasi x yang berada di rentang waktu bulan Oktober 2023 hingga November 2024, yang selanjutnya data di proses dan diberi label. Ekstraksi fitur dilakukan dengan menggunakan model word2vec. Selanjutnya pada proses klasifikasi menggunakan dua arsitektur model yaitu Long Short-Term Memory (LSTM) dan Bidirectional Long Short-Term Memory (Bi-LSTM). Berdasarkan hasil evaluasi, Bi-LSTM menunjukkan performa yang lebih unggul dibandingkan model LSTM. Penelitian ini merupakan pengembangan dari penelitian terdahulu, yang dimana penelitian terdahulu memiliki keterbatasan pada jumlah data yang sedikit dan performa model yang belum optimal. Dengan meningkatkan sisi kualitas dan kuantitas data serta penggunaan model yang lebih kompleks, penelitian ini diharapkan dapat memberikan gambaran yang lebih akurat.
Analisis Sentimen Media Sosial X Terhadap Isu Tapera Menggunakan Metode XGBoost Berbasis PSO Saniyya Ruzzy Marwa; Christian Sri Kusuma Aditya; Yufis Azhar
Jurnal Repositor Vol. 7 No. 4 (2025): November 2025
Publisher : Universitas Muhammadiyah Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22219/repositor.v7i4.40796

Abstract

Penelitian ini bertujuan menganalisis sentimen masyarakat terhadap isu Tabungan Perumahan Rakyat (Tapera) melalui media sosial X. Data dikumpulkan melalui crawling dengan kata kunci "Isu Tapera" dan menghasilkan 2.268 data. Data diberi label secara manual ke dalam kategori negatif, positif, netral, dan others, lalu diproses melalui tahap pra-pemrosesan dan ekstraksi fitur menggunakan Term Frequency-Inverse Document Frequency (TF-IDF). Data dibagi menjadi data latih dan data uji dengan rasio 80:20. Model klasifikasi menggunakan algoritma Extreme Gradient Boosting (XGBoost) yang dioptimasi dengan Particle Swarm Optimization (PSO) untuk mendapatkan parameter terbaik. Hasil menunjukkan kombinasi XGBoost dan PSO meningkatkan akurasi model hingga 85%. Penelitian ini memberikan gambaran potensi analisis opini publik secara real-time melalui media sosial. Hasilnya dapat digunakan sebagai dasar pertimbangan kebijakan pemerintah terhadap respon masyarakat.
Deteksi Tren Topik Penelitian Bidang Kecerdasan Buatan Menggunakan LDA dan BERTopic Rahajeng Febri Shafiyah; Setio Basuki
Jurnal Repositor Vol. 8 No. 2 (2026): Mei 2026
Publisher : Universitas Muhammadiyah Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22219/repositor.v8i2.40850

Abstract

Penelitian yang semakin berkembang dari tahun ke tahun membuat para peneliti kesulitan dalam memahami tren topik penelitian. Penelitian ini bertujuan mengetahui tren topik penelitian dengan otomatis tanpa harus membaca semua publikasi yang ada pada ICLR (The International Conference on Learning Representation) dari tahun 2019 hingga 2023 menggunakan pemodelan LDA (Latent Dirichlet Allocation) dan BERTopic. Total terdapat 14.613 data yang dikumpulkan dengan cara crawling. Pengolahan data melalui tahapan preprocessing, pembuatan corpus & dictionary untuk LDA, menerapkan pemodelan LDA dan BERTopic, dan menggunakan coherence sebagai evaluasi pemodelan. Hasil penelitian ini terbukti bahwa kedua pemodelan tersebut bisa mengidentifikasi tren topik penelitian, nilai coherence pada pemodelan BERTopic lebih tinggi dibandingkan LDA. Hal ini menunjukkan pemodelan BERTopic lebih baik dalam merepresentasikan keterkaitan setiap kata dalam suatu topik.
Analisis Polarisasi Sentimen Kasus Bocornya Pusat Data Nasional Pada Platform Sosial Media Muhammad Daffa Nugraha; Setio Basuki; Mahar Faiqurahman
Jurnal Repositor Vol. 7 No. 4 (2025): November 2025
Publisher : Universitas Muhammadiyah Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22219/repositor.v7i4.40851

Abstract

Kasus kebocoran data Pusat Data Nasional terjadi pada tahun 2024. Hal tersebut memicu berbagai reaksi masyarakat, terutama di media sosial YouTube. Analisis sentimen dilakukan untuk memahami berbagai opini tentang kebocoran data tersebut. Penelitian ini bertujuan menganalisis polarisasi sentimen masyarakat terkait kasus ini sebagai upaya memahami komentar terhadap isu keamanan data. Sebanyak 4.460 komentar dikumpulkan dari delapan video YouTube dengan latar tokoh berbeda, dan diklasifikasikan ke dalam empat kategori: positif, negatif, netral, dan others. Pengujian dilakukan dengan menggunakan IndoBERT dan IndoBERTweet dalam tiga skenario yang disesuaikan parameternya. Hasil terbaik diperoleh pada skenario pertama menggunakan IndoBERTweet dengan akurasi 0.87, sedangkan IndoBERT mendapatkan hasil 0.86. Analisis error menunjukkan bahwa kesalahan klasifikasi sering terjadi karena kata-kata yang bermakna umum dan ambigu, sehingga model kesulitan menentukan konteks sebenarnya dari komentar tersebut.
Analisis Polaritas Terhadap Komentar Pada Platform Youtube Menggunakan Algoritma Naive Bayes dan XGBoost Nazilullaily Nur Aisyah; Setio Basuki
Jurnal Repositor Vol. 7 No. 4 (2025): November 2025
Publisher : Universitas Muhammadiyah Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22219/repositor.v7i4.40852

Abstract

Objek penelitian: penelitian ini bertujuan untuk menganalisis respons netizen dalam menanggapi permasalah politik di Indonesia menggunakan nada dan bahasa yang terdapat pada komentar pada konten youtube Pandji Pragiwaksono menggunakan kategori yang lebih detail terkait dengan yang digunakan pada komentar. Masalah Penelitian: kajian literatur mengenai topik ini menunjukkan penelitian sebelumnya memiliki fokus yang terbatas. Sehingga meninggalkan permasalah yang terabaikan dan perlu untuk dilakukan analisis lebih lanjut. Metode Penelitian: penelitian ini menerapkan metode klasifikasi pada beberapa polaritas sentimen politik yang terkait dengan nada dan bahasa. Terdapat 3 polaritas sentimen yang dijadikan label utama: Kontruktif (menyajikan kritik dan saran), Emosional (menyajikan ekspresi perasaan seseorang seperti amarah, kecewa, sedih, dll), Humoris (menyajikan pendekatan humor atau sarkasme), dan 1 label tambahan yaitu Others. Tahap kedua, dataset didapatkan menggunakan teknik crawling data komentar pada platform youtube Indonesia, dengan 3 kategori komentar dengan jumlah banyak (4000), komentar sedang (1000), dan komentar sedikit (150). Tahap ketiga, penelitian ini menggunakan pelabelan secara manual dan kemudian dilanjutkan dengan tahap preprocessing agar menyiapkan data untuk dapat diproses lebih lanjut. Tahap keempat, melakukan proses augmentasi pada data train untuk dapat meningkatkan performaa model. Tahap kelima, klasifikasi yang didukung oleh fitur teks klasik seperti Bow, TF-IDF, 2-Gram, 3-Gram, dan word embeddings contextual menggunakan IndoBert. Hasil penelitian: menunjukkan bahwa data yang sudah melalui proses augmentasi memiliki performa yang unggul dibanding dengan data original dengan akurasi mencapai 97% menggunakan fitur word embeddings. Secara keseluruhan penggunakan teknik augmentasi dapat meningkatkan performa pada setiap model yang digunakan.

Page 47 of 48 | Total Record : 479

 44   45   46   47   48 

Filter by Year

2019 2026


Reset
Filter By Issues
All Issue Vol. 8 No. 3 (2026): Agustus 2026 Vol. 8 No. 2 (2026): Mei 2026 Vol. 8 No. 1 (2026): Februari 2026 Vol. 7 No. 4 (2025): November 2025 Vol. 7 No. 3 (2025): Agustus 2025 Vol. 7 No. 2 (2025): Mei 2025 Vol. 7 No. 1 (2025): Februari 2025 Vol. 6 No. 4 (2024): November 2024 Vol. 6 No. 3 (2024): Agustus 2024 Vol. 6 No. 2 (2024): Mei 2024 Vol. 6 No. 1 (2024): Februari 2024 Vol. 5 No. 4 (2023): November 2023 Vol. 5 No. 3 (2023): August 2023 Vol. 5 No. 2 (2023): May 2023 Vol. 5 No. 1 (2023): February 2023 Vol. 4 No. 4 (2022): November 2022 Vol. 4 No. 3 (2022): Agustus 2022 Vol. 4 No. 2 (2022): Mei 2022 Vol. 4 No. 1 (2022): Februari 2022 Vol. 3 No. 5 (2021): November 2021 Vol. 3 No. 4 (2021): Agustus 2021 Vol. 3 No. 3 (2021): Mei 2021 Vol. 3 No. 2 (2021): Februari 2021 Vol. 3 No. 1 (2021): Januari 2021 Vol. 2 No. 12 (2020): Desember 2020 Vol. 2 No. 11 (2020): November 2020 Vol. 2 No. 10 (2020): Oktober 2020 Vol. 2 No. 9 (2020): September 2020 Vol. 2 No. 8 (2020): Agustus 2020 Vol. 2 No. 7 (2020): Juli 2020 Vol. 2 No. 6 (2020): Juni 2020 Vol. 2 No. 5 (2020): Mei 2020 Vol. 2 No. 4 (2020): April 2020 Vol. 2 No. 3 (2020): Maret 2020 Vol. 2 No. 2 (2020): Februari 2020 Vol. 2 No. 1 (2020): Januari 2020 Vol. 1 No. 2 (2019): Desember 2019 Vol. 1 No. 1 (2019): November 2019 More Issue