cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Nuris Dwi Setiawan
Contact Email
elkom@stekom.ac.id
Phone
+6285641386859
Journal Mail Official
elkom@stekom.ac.id
Editorial Address
Jalan Majapahit No 605 Semarang
Location
Kota semarang,
Jawa tengah
INDONESIA
Elkom: Jurnal Elektronika dan Komputer
Published by Universitas Sains Dan Teknologi Komputer
ISSN : 19070012     EISSN : 27145417     DOI : https://doi.org/10.51903/elkom.v14i1
Core Subject : Education,
Education
Elkom : Jurnal Elektronika dan Komputer merupakan Jurnal yang diterbitkan oleh SEKOLAH TINGGI ELEKTRONIKA DAN KOMPUTER (STEKOM). Jurnal ini terbit 2 kali dalam setahun yaitu pada bulan Juli dan Desember. Misi dari Jurnal ELKOM adalah untuk menyebarluaskan, mengembangkan dan menfasilitasi hasil penelitian mengenai Ilmu bidang informatika, sebagai media bagi para dosen, guru, peneliti dan para praktisi dalam bidang teknologi informasi dari seluruh Indonesia, dalam melakukan pertukaran informasi tentang hasil-hasil penelitian terbaru yang telah dilakukan.
Arjuna Subject : -
Articles 631 Documents
 60   61   62   63   64 
Prediksi Harga Saham Menggunakan ARIMA Outlier sebagai Pendekatan Awal Menuju Analisis AI Keuangan Adam, Cindi; Idhom, Mohammad; Trimono, Trimono
Elkom: Jurnal Elektronika dan Komputer Vol. 18 No. 2 (2025): Desember : Jurnal Elektronika dan Komputer
Publisher : STEKOM PRESS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51903/elkom.v18i2.3314

Abstract

Perkembangan kecerdasan buatan (AI) mendorong inovasi dalam analisis keuangan, termasuk prediksi harga saham yang fluktuatif. Penelitian ini bertujuan memprediksi harga saham PT Garudafood Putra Putri Jaya Tbk menggunakan model ARIMA dengan penanganan Outlier sebagai pendekatan awal menuju sistem prediksi yang lebih adaptif. Data harga penutupan harian dari Yahoo Finance dianalisis melalui uji stasioneritas, identifikasi model ARIMA, deteksi Outlier berbasis log-return, serta evaluasi performa menggunakan RMSE, MAE, dan MAPE. Hasil penelitian menunjukkan bahwa ARIMA Outlier memberikan performa lebih baik dibandingkan ARIMA dasar. ARIMA standar menghasilkan MAPE 1.32% dan AIC –899.46, sedangkan ARIMA dengan tiga dummy Outlier mencapai MAPE 1.16% dan AIC –900.37. Peramalan 14 hari ke depan menunjukkan pola yang stabil pada kisaran Rp 370–371. Pada data uji, ARIMA dasar memberikan akurasi terbaik pada pertengahan Agustus, sedangkan ARIMA Outlier mencapai akurasi tertinggi pada akhir Agustus dengan prediksi Rp 370.2 yang sangat dekat dengan harga aktual Rp 370.4. Hasil ini menunjukkan bahwa penanganan Outlier meningkatkan ketepatan model, sehingga ARIMA Outlier dapat digunakan sebagai fondasi awal menuju pengembangan sistem prediksi keuangan berbasis AI.
Effectiveness of Solar-Powered Smart School Yard Lights on Energy Efficiency and Lighting Quality Ahmad Muhtadi; Luky Mahendra; Moh. Rosan Taufel Al Farobi
Elkom: Jurnal Elektronika dan Komputer Vol. 18 No. 2 (2025): Desember : Jurnal Elektronika dan Komputer
Publisher : STEKOM PRESS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51903/elkom.v18i2.3320

Abstract

The development of renewable energy, particularly Solar Power Plants (PV), requires a reliable, real-time, and easily accessible electrical energy monitoring system to ensure optimal system performance. This study aims to design and implement an Internet of Things (IoT)-based electrical energy monitoring system for PV using the NodeMCU ESP32 microcontroller, the PZEM-004T sensor for measuring electrical parameters, and the Node-RED platform as the data visualization interface. The developed system is designed to monitor voltage, current, power, energy, frequency, and power loss in real time, and then display the data in the form of numerical values, graphs, and indicators on a dashboard accessible through a local network. The research method includes hardware design, software development (sensor reading, data processing, and communication), integration with Node-RED, and system testing on a small-scale PV installation. The test results show that the system is capable of monitoring electrical parameters in a stable and responsive manner. Variations in sunlight intensity were found to affect the current and power produced by the solar panels, whereas the inverter output voltage tended to remain within normal operating ranges. The Node-RED dashboard display was considered informative and helpful for users in monitoring and analyzing PV performance. Based on these results, it can be concluded that the IoT-based electrical energy monitoring system designed in this study functions well and is feasible for application in residential or educational-scale PV installations. The system still has the potential for further development through cloud service integration, the addition of environmental sensors, and enhancements to data analysis features and user interface design.
Prediksi Konsentrasi PM2.5 Resolusi 15 Menit di Kabupaten Brebes Menggunakan Transformer dan GEOS-CF NASA Muhammad Fikri Setiawan; Bambang Irawan
Elkom: Jurnal Elektronika dan Komputer Vol. 18 No. 2 (2025): Desember : Jurnal Elektronika dan Komputer
Publisher : STEKOM PRESS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51903/elkom.v18i2.3330

Abstract

Polusi udara partikulat halus (PM2,5) merupakan ancaman serius bagi kesehatan masyarakat di Kabupaten Brebes, Jawa Tengah. Faktor penyumbang utamanya adalah emisi kendaraan di jalur Pantura, aktivitas industri perikanan, serta konsentrasi tinggi selama musim kemarau (Juni–November). Tidak adanya model peramalan sub-jam yang akurat menghambat pengembangan sistem peringatan dini yang efektif. Penelitian ini mengembangkan dan mengevaluasi model deep learning berbasis Transformer untuk memprediksi konsentrasi PM2,5 dengan resolusi waktu 15 menit. Data yang digunakan berasal dari NASA GEOS-CF (band PM25_RH35_GCC) yang diakses melalui Google Earth Engine menggunakan API Python. Dataset mencakup periode 1 Januari hingga 22 November 2025, menghasilkan 7.813 observasi per jam, yang kemudian diinterpolasi linear menjadi 31.249 titik data dengan resolusi 15 menit. Arsitektur Transformer terdiri dari 3 lapis enkoder, 4 kepala perhatian multi-head, dimensi embedding 128, dimensi feed-forward 256, panjang sekuen 60 timestep, dan augmentasi fitur menggunakan rerata bergulir (*rolling mean*, jendela = 3) dan beda pertama (*first difference*). Pelatihan dilakukan dengan TensorFlow-Keras, pengoptimal Adam, penjadwal peluruhan kosinus (*cosine decay scheduler*), dan fungsi kerugian Huber. Pembagian data dilakukan secara kronologis: 70% pelatihan, 30% validasi. Evaluasi pada set uji independen (16 Agustus–21 November 2025, 9.357 observasi atau 97 hari 11 jam 15 menit) menghasilkan MAE 0,7691 µg/m³, RMSE 1,2052 µg/m³, R² 0,9945, dan *Explained Variance Score* 0,9948. Model ini mampu menggambarkan variasi diurnal dan anomali musiman secara akurat, jauh melampaui model LSTM dan GTWR konvensional. Penelitian ini memberikan kontribusi signifikan di bidang Teknologi Informasi melalui kerangka kerja pengolahan *big data* satelit untuk aplikasi lingkungan.
Klasifikasi Preferensi Destinasi Wisata Gunung dan Pantai Menggunakan Metode Deep Learning Andin Ayu Oksilia Ramadhani; Bambang Irawan
Elkom: Jurnal Elektronika dan Komputer Vol. 18 No. 2 (2025): Desember : Jurnal Elektronika dan Komputer
Publisher : STEKOM PRESS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51903/elkom.v18i2.3331

Abstract

Tourism is one of the sectors that plays an important role in boosting economic growth through travel activities and destination exploration. Tourists' preferences for nature-based tourism options, such as mountain hiking or beach tourism, are influenced by various factors, ranging from personal experiences and recreational interests to social characteristics. Therefore, a technology-based approach is needed to predict destination choice tendencies more accurately. As artificial intelligence technology develops, deep learning methods have been widely used in classification processes due to their ability to process large amounts of data and recognize complex patterns. In this study, a Multilayer Perceptron (MLP) model is used to classify tourists' preferences between mountain or beach destinations based on a survey dataset. The research stages include data processing, data splitting using a train-test split, model training, and performance evaluation using accuracy, precision, recall, and F1-score. The test results show that the MLP model is capable of achieving an accuracy rate of 99%, confirming that deep learning methods are effective in automatically mapping tourism preference trends. This research is expected to serve as a basis for the development of more personalized travel destination recommendation systems, as well as to support tourism management in formulating targeted promotional strategies.
Analisa Citra Warna Darah Reject Berdasarkan Fitur Histogram Menggunakan KNN Achhmad Agam; Supatman
Elkom: Jurnal Elektronika dan Komputer Vol. 18 No. 2 (2025): Desember : Jurnal Elektronika dan Komputer
Publisher : STEKOM PRESS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51903/elkom.v18i2.3332

Abstract

Manual quality assessment of Platelet Concentrate (TC) is highly subjective and inconsistent, necessitating an objective, automated classification system. This study aims to develop a computationally efficient, low-cost model for TC quality classification using Histogram Features extracted from grayscale images combined with the K-Nearest Neighbor (KNN) algorithm. The methodology employed critical preprocessing steps, including StandardScaler for normalization and SMOTE for balancing the training data, followed by optimization across K=1 to K=30. The optimal model achieved a maximum accuracy of 69.23% at K=6, with an F1-Score of 71.43%, confirming robust performance on the imbalanced testing set. The results validate the effectiveness of the Histogram-KNN approach as a consistent and reliable decision support system for rapid TC quality screening in resource-limited settings.
Epistemologi: Transformasi Digital Pengembangan Game Tradisional Berbasis Sistem Pembelajaran Mesin Dwi Hastuti
Elkom: Jurnal Elektronika dan Komputer Vol. 18 No. 2 (2025): Desember : Jurnal Elektronika dan Komputer
Publisher : STEKOM PRESS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51903/elkom.v18i2.3336

Abstract

This paper explores the epistemological dimensions of the digital transformation occurring in traditional game development through the integration of machine learning systems. By examining how knowledge creation, validation, and application have evolved in this domain, we identify fundamental shifts in the epistemological frameworks governing game development practices. The research investigates how machine learning has redefined creative processes, technical implementation, and experiential design while challenging traditional notions of authorship, expertise, and knowledge transmission. Through analysis of industry case studies, technological capabilities, and theoretical frameworks, this paper contributes to understanding how machine learning systems are not merely tools but epistemological agents that fundamentally transform how knowledge is generated, validated, and utilized in game development ecosystems.
RANCANG BANGUN SISTEM TELEMETRI PARAMETER MULTI LOKASI PANEL SURYA BERBASIS KOMUNIKASI JARAK JAUH DAN IoT Devisius Odo; Jannus Marpaung; Redi Ratiandi Yacoub
Elkom: Jurnal Elektronika dan Komputer Vol. 18 No. 2 (2025): Desember : Jurnal Elektronika dan Komputer
Publisher : STEKOM PRESS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51903/elkom.v18i2.3356

Abstract

Penelitian ini bertujuan untuk mengembangkan sistem telemetri guna memantau kinerja panel surya pada beberapa lokasi dengan menggunakan komunikasi jarak jauh dan platform Internet of Things (IoT). Metode pemantauan konvensional memiliki keterbatasan dalam menyediakan data secara real-time pada area yang luas, sehingga evaluasi kinerja jarak jauh menjadi kurang efisien. Untuk mengatasi permasalahan tersebut, dirancang sebuah sistem pemantauan menggunakan mikrokontroler ESP32, sensor INA219 untuk mengukur tegangan dan arus, modul GPS Neo-M8 untuk identifikasi lokasi, modul Real-Time Clock (RTC) DS3231 untuk pencatatan waktu, serta modul LoRa RA-02 sebagai media komunikasi nirkabel. Setiap node pengirim dilengkapi dengan modul MicroSD untuk menyimpan data pengukuran secara lokal. Data hasil pengukuran dikirimkan melalui LoRa ke unit penerima dan ditampilkan secara real-time pada platform Thinger.io. Hasil kalibrasi menunjukkan bahwa sensor INA219 memiliki rata-rata galat pengukuran arus sebesar 0,71% dan galat pengukuran tegangan sebesar 0,1%. Pengujian GPS menunjukkan koordinat lokasi yang stabil dengan tingkat akurasi sekitar ±3 hingga ±8 meter. Seluruh data pengukuran berhasil dikirim, disimpan, dan ditampilkan tanpa kehilangan data yang signifikan. Hasil penelitian menunjukkan bahwa sistem yang dikembangkan mampu menyediakan pemantauan parameter panel surya secara jarak jauh yang andal dan efisien dalam kondisi lapangan.
Analisis Sentimen Terhadap Isu Pemblokiran Thrifting Pada Platform TikTok Menggunakan Bidirectional Long Short-Term Memory Windi Astuti; Bambang Irawan; Nur Ariesanto Ramdhan
Elkom: Jurnal Elektronika dan Komputer Vol. 18 No. 2 (2025): Desember : Jurnal Elektronika dan Komputer
Publisher : STEKOM PRESS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51903/elkom.v18i2.3361

Abstract

The development of social media platforms like TikTok has created new spaces for digital economic activities, including the practive of thrifting, which has now become a trend among the public. However, government policies that block these activities have sparked various public reactions. This study aims to analyze public sentiment regarding the issue of thrifting bans on the TikTok platform using the Bidirectional Long Short-Term Memory (Bi-LSTM) method. This method was chosen because it can understand text context from both directions, allowing it to capture deeper semantic meaning. The dataset consist of 4,000 TikTok user comments collected through a crawling process. The research stages include data preprocessing, sentiment labeling, splitting training and test data, training the Bi-LSTM model, and evaluating performance using accuracy, precision, recall, and F1-score metrics. The research results show that the Bi-LSTM model achieved an accuracy of 86.15%, with stable classification performance and minimal error rate. These findings indicate that Bi-LSTM is effective for sentiment analysis of public opinions on Indonesian language social media, particularly on context specific policy issues. Further development can be carried out by adding pre-trained embeddings or attention mechanisms to improve the model’s performance.
Analisis Sentimen X: Kegagalan Timnas ke Piala Dunia 2026 dengan Naive Bayes Aditya Abdulloh Masykur; Rino Raihan Gumilang; Harun Al Rosyid
Elkom: Jurnal Elektronika dan Komputer Vol. 18 No. 2 (2025): Desember : Jurnal Elektronika dan Komputer
Publisher : STEKOM PRESS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51903/elkom.v18i2.3371

Abstract

The performance of the Indonesian National Team (Timnas) in the 2026 World Cup qualifications has triggered massive and diverse responses on social media, particularly on platform X. This study aims to identify and classify public sentiment regarding Timnas Indonesia's performance into positive, negative, and neutral categories using a data mining approach. Text data was processed through pre-processing stages, term weighting using TF-IDF, and the application of the Synthetic Minority Over-sampling Technique (SMOTE) to address significant class distribution imbalance. The classification algorithm employed was Multinomial Naïve Bayes. Model performance evaluation was conducted by comparing two training-testing data split scenarios: 90:10 and 80:20 ratios. The results indicate that public opinion is dominated by negative sentiment at 73.2%, reflecting public disappointment. In terms of model performance, the 90:10 ratio scenario yielded the best accuracy of 80%, outperforming the 80:20 ratio which recorded an accuracy of 75%. These findings demonstrate that combining Multinomial Naïve Bayes with the SMOTE technique is effective in handling imbalanced text data and is capable of accurately mapping public perception.
Rancang Bangun Antena Mikrostrip Patch Triangular Pada Frekuensi 1800 Mhz Sebagai Penguat Jaringan Internet Di Kebun Raya Balikpapan Nurmeiliana Putri; Fathur Zaini Rachman; Maria Ulfah
Elkom: Jurnal Elektronika dan Komputer Vol. 18 No. 2 (2025): Desember : Jurnal Elektronika dan Komputer
Publisher : STEKOM PRESS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51903/elkom.v18i2.3380

Abstract

Penelitian ini bertujuan untuk merancang dan merealisasikan antena mikrostrip patch berbentuk segitiga (triangular) yang bekerja pada frekuensi 1800 MHz, sebagai penguat jaringan internet di kawasan Kebun Raya Balikpapan. Lokasi tersebut diketahui memiliki kualitas sinyal yang kurang baik untuk beberapa provider. Antena yang dirancang menggunakan dua konfigurasi, yaitu MIMO 8x8 dengan teknik pencatuan langsung dan array 8x1, yang kemudian disimulasikan menggunakan CST Studio Suite 2019 dan diuji performansinya menggunakan metode Speedtest. Hasil simulasi menunjukkan bahwa antena 8x8 memiliki nilai VSWR sebesar 1,50, return loss -12,96 dB, dan gain 4,06 dBi dengan pola radiasi omnidirectional. Sementara itu, konfigurasi 8x1 array menunjukkan nilai VSWR 1,24, return loss -19,21 dB, dan gain 6,46 dBi, juga dengan pola radiasi omnidirectional. Hasil pengujian di lapangan dengan tiga kondisi tanpa antena eksternal, antena MIMO dan antena array 8x1 didapatkan hasil bahwa antena array 8x1 memberikan kecepatan unduh tertinggi mencapai 17,227 Mbps, unggah 4,072 Mbps, Jitter 34,9 ms  dan packet loss 14,18 % sedangkan antena MIMO 8x8 memberikan kecepatan unduh tertinggi mencapai 13,77 Mbps, unggah 2,462 Mbps, Jitter 49,9 ms  dan packet loss 18,43%. Kesimpulannya, kedua jenis antena eksternal yakni MIMO 8x8 dan array 8x1 mampu meningkatkan performa jaringan secara signifikan dan dapat menjadi solusi efektif untuk daerah dengan sinyal lemah. Antena ini diharapkan dapat memberikan kontribusi terhadap akses internet yang lebih stabil di area public yang sangat luas.

Page 63 of 64 | Total Record : 631

 60   61   62   63   64 

Filter by Year

2007 2025


Reset
Filter By Issues
All Issue Vol. 18 No. 2 (2025): Desember : Jurnal Elektronika dan Komputer Vol. 18 No. 1 (2025): Juli : Jurnal Elektronika dan Komputer Vol. 17 No. 2 (2024): Desember : Jurnal Elektronika dan Komputer Vol. 17 No. 1 (2024): Juli : Jurnal Elektronika dan Komputer Vol 17 No 1 (2024): Juli : Jurnal Elektronika dan Komputer Vol. 16 No. 2 (2023): Desember : Jurnal Elektronika dan Komputer Vol 16 No 2 (2023): Desember : Jurnal Elektronika dan Komputer Vol. 16 No. 1 (2023): Juli : Jurnal Elektronika dan Komputer Vol 16 No 1 (2023): Juli : Jurnal Elektronika dan Komputer Vol 15 No 2 (2022): Desember : Jurnal Elektronika dan Komputer Vol. 15 No. 2 (2022): Desember : Jurnal Elektronika dan Komputer Vol 15 No 1 (2022): Juli : Jurnal Elektronika dan Komputer Vol. 15 No. 1 (2022): Juli : Jurnal Elektronika dan Komputer Vol 14 No 2 (2021): Desember: Jurnal Elektronika dan Komputer Vol 14 No 1 (2021): Juli: Jurnal Elektronika dan Komputer Vol 13 No 2 (2020): Desember: Jurnal Elektronika dan Komputer Vol 13 No 1 (2020): Juli: Jurnal Elektronika dan Komputer Vol 12 No 2 (2019): Desember: Jurnal Elektronika dan Komputer Vol 12, No 1 (2019) Vol 12 No 1 (2019): Juli: Jurnal Elektronika dan Komputer Vol 11 No 2 (2018): Desember: Jurnal Elektronika dan Komputer Vol 11, No 1 (2018) Vol 11 No 1 (2018): Juli: Jurnal Elektronika dan Komputer Vol 10, No 1 (2017) Vol 9, No 1 (2016) Vol 9, No 1 (2016) Vol 8, No 1 (2015) Vol 8, No 1 (2015) Vol 7, No 2 (2014) Vol 7, No 2 (2014) Vol 6, No 2 (2013) Vol 6, No 2 (2013) Vol 5, No 2 (2012) Vol 4, No 1 (2007) More Issue