cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Marwa halim
Contact Email
antoniuslimanto@gmail.com
Phone
+62614561932
Journal Mail Official
-
Editorial Address
-
Location
Kota medan,
Sumatera utara
INDONESIA
Jurnal TIMES
Published by Sekolah Tinggi Manajemen Informatika dan Komputer TIME
ISSN : 23373601     EISSN : 2549015X     DOI : -
Core Subject :
Jurnal TIMES merupakan salah satu media yang digunakan untuk menampung penelitian dosen maupun mahasiswa. Topik dalam jurnal yang terkandung seputar Ilmu Komputer seperti keamanan komputer, jaringan komputer, algoritma, kecerdasan buatan, dll. Diharapkan dengan adanya media ini dapat membuat para dosen dan juga mahasiswa lebih aktif dalam meneliti.
Arjuna Subject : -
Articles 333 Documents
 30   31   32   33   34 
ANALISIS SENTIMEN MASYARAKAT TENTANG DAMPAK PERTAMBANGAN DI PULAU TALIABU PROVINSI MALUKU UTARA MELALUI MEDIA SOSIAL MENGGUNAKAN METODE K-MEANS DAN NAIVE BAYES Kori Bantu; Marline S. Paendong; Dodisutarma Lapihu; Ketaren, Eliasta
Jurnal TIMES Vol 14 No 2 (2025): Jurnal TIMES
Publisher : STMIK TIME

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Penelitian ini bertujuan untuk menganalisis opini masyarakat terkait isu pertambangan di Pulau Taliabu yang terekam melalui media sosial. Data yang digunakan berupa komentar pengguna dari Facebook, X (Twitter), TikTok, dan Instagram yang kemudian diolah melalui tahap praproses teks sebelum dilakukan pengelompokan menggunakan algoritma K-Means Clustering. Hasil analisis menunjukkan bahwa opini masyarakat terbagi ke dalam tiga sentimen utama, yaitu positif, netral, dan negatif. Sentimen negatif menjadi klaster yang paling dominan dengan jumlah 750 data, sedangkan klaster netral berjumlah 142 data yang umumnya berfokus pada diskusi isu pembangunan dan sumber daya alam, dan klaster positif berjumlah 28 data yang berisi apresiasi maupun dukungan terhadap figur publik. Faktor-faktor yang memengaruhi sentimen masyarakat meliputi isu pembangunan infrastruktur, kinerja pemerintah, serta dampak sosial-ekonomi dari aktivitas pertambangan. Dilakukan klasifikasi menggunakan algoritma Multinomial Naive Bayes yang berhasil memprediksi sentimen dengan tingkat akurasi sangat baik, yakni mencapai 89,77%. Temuan ini memberikan gambaran yang lebih jelas mengenai persepsi publik terhadap aktivitas pertambangan di Pulau Taliabu.
ENSEMBLE SOFT VOTING DARI MODEL HYBRID CNN-TRANSFER LEARNING UNTUK KLASIFIKASI PENYAKIT PARU-PARU (STUDI KASUS RSUD MARIA WALANDA MARAMIS) Mahardika Inra Takaendengan; Dodisutarma Lapihu; Mans Lumiu Mananohas; Ketaren, Eliasta; Shalom Putri Maharani Taringanen; Dwika Taufan Takaendengan; Thesalonika Putri Millenia Parera
Jurnal TIMES Vol 14 No 2 (2025): Jurnal TIMES
Publisher : STMIK TIME

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Penyakit paru-paru seperti tuberkulosis, bronkitis, dan pneumonia masih menjadi masalah kesehatan serius di Indonesia dengan angka kematian yang tinggi. Di Sulawesi Utara, RSUD Maria Walanda Maramis menghadapi tantangan dalam diagnosis dini karena keterbatasan tenaga medis spesialis dan beban kerja yang tinggi. Penelitian ini bertujuan mengembangkan model ensemble soft voting dari hybrid Convolutional Neural Network (CNN) dan transfer learning untuk meningkatkan akurasi klasifikasi penyakit paru-paru menggunakan citra X-ray dada. Metode yang diusulkan menggabungkan tiga model berbeda yaitu VGG16, MobileNetV2, dan CNN custom melalui teknik soft voting ensemble. Dataset terdiri dari 589 citra X-ray pasien RSUD Maria Walanda Maramis yang telah diberi label oleh ahli radiologi. Evaluasi menggunakan 5-fold cross validation menunjukkan bahwa model ensemble mencapai akurasi 75.44%, precision 75.12%, recall 75.44%, dan F1-score 74.88%, lebih tinggi dibandingkan model individual terbaik (MobileNetV2 dengan akurasi 71.93%). Analisis statistik menggunakan uji McNemar membuktikan perbedaan signifikan secara statistik antara model ensemble dan model individual. Hasil penelitian ini menunjukkan potensi sistem berbasis kecerdasan buatan sebagai alat bantu diagnosis untuk mendukung tenaga medis dalam meningkatkan ketepatan dan kecepatan diagnosis penyakit paru-paru di fasilitas kesehatan dengan sumber daya terbatas.
SISTEM DETEKSI HAMA PADA TANAMAN JAGUNG (ZEA MAYS) BERBASIS KECERDASAN BUATAN DAN INTERNET OF THINGS (IOT) Tenda, Edwin; Stephano C. W. Ngangi; Christian A. J. Soewoeh; Ketaren, Eliasta
Jurnal TIMES Vol 14 No 2 (2025): Jurnal TIMES
Publisher : STMIK TIME

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Deteksi hama jagung secara dini pada perangkat edge sangat penting untuk pertanian presisi. Penelitian ini bertujuan untuk mengembangkan dan mengimplementasikan sistem klasifikasi hama jagung real-time yang ringan pada Raspberry Pi 4. Metode penelitian melibatkan penggunaan dataset citra dari Kaggle yang difilter menjadi tiga kelas target: ulat grayak, penggerek batang, dan daun sehat. Model Convolutional Neural Network (CNN) ringan, YOLOv8n-cls, dilatih selama 50 epoch menggunakan metode validasi hold-out (80/20) dan augmentasi data dinamis. Model best.pt yang telah dilatih kemudian dikonversi ke format ONNX untuk optimalisasi inferensi CPU. Hasil evaluasi menunjukkan performa akurasi keseluruhan yang sangat tinggi, mencapai ~99% (Top-1) dan 100% (Top-5). Meskipun demikian, analisis confusion matrix mengungkap adanya ketidakseimbangan data (dataset imbalance) yang ekstrem. Model menunjukkan recall 100% pada kelas dominan (ulat grayak, 119 sampel uji), namun performa pada kelas minoritas (daun sehat 85.7% dan penggerek batang 100%) tidak signifikan secara statistik karena jumlah sampel uji yang sangat sedikit (masing-masing 7 dan 1). Sistem ini berhasil diimplementasikan pada Raspberry Pi 4 menggunakan OpenCV dan ONNX Runtime, mencapai latensi inferensi yang rendah (~40-50 ms). Disimpulkan bahwa meskipun model sangat akurat dan cepat dalam mendeteksi ulat grayak, akurasi keseluruhannya bersifat miring (biased) dan diperlukan penambahan data signifikan untuk kelas minoritas agar sistem dapat diandalkan secara penuh di lapangan.

Page 34 of 34 | Total Record : 333

 30   31   32   33   34 

Filter by Year

2013 2025


Reset
Filter By Issues
All Issue Vol 14 No 2 (2025): Jurnal TIMES Vol 14 No 1 (2025): Jurnal TIMES Vol 13 No 2 (2024): Jurnal TIMES Vol 13 No 1 (2024): Jurnal TIMES Vol 12 No 2 (2023): Jurnal TIMES Vol 12 No 1 (2023): Jurnal TIMES Vol 11 No 2 (2022): Jurnal TIMES Vol 11 No 1 (2022): Jurnal TIMES Vol 10 No 2 (2021): Jurnal TIMES Vol 10 No 1 (2021): Jurnal TIMES Vol 9 No 2 (2020): Jurnal TIMES Vol 9 No 1 (2020) Vol 8, No 2 (2019) Vol 8 No 2 (2019) Vol 8 No 1 (2019) Vol 8, No 1 (2019) Vol 7 No 1 (2018) Vol 7, No 1 (2018) Vol 6, No 2 (2017) Vol 6 No 2 (2017) Vol 6 No 1 (2017) Vol 6, No 1 (2017) Vol 5, No 2 (2016) Vol 5 No 2 (2016) Vol 5, No 1 (2016) Vol 5 No 1 (2016) Vol 4 No 2 (2015) Vol 4, No 2 (2015) Vol 4, No 1 (2015) Vol 4 No 1 (2015) Vol 2 No 2 (2013) Vol 3 No 2 (2014) Vol 3, No 2 (2014) Vol 3 No 1 (2014) Vol 3, No 1 (2014) Vol 2, No 2 (2013) More Issue