cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Ardi Mardiana
Contact Email
aim@unma.ac.id
Phone
+62233-8287177
Journal Mail Official
infotech@unma.ac.id
Editorial Address
https://ejournal.unma.ac.id/index.php/infotech/about/contact
Location
Kab. majalengka,
Jawa barat
INDONESIA
Infotech Journal
Published by Universitas Majalengka
ISSN : 24601861     EISSN : 26154250     DOI : -
Core Subject : Science,
Computer Science & IT
Infotech Journal is a Scientific Paper published by the Informatics Study Program of the Faculty of Engineering, Majalengka University. The areas of competence covered by Infotech are Information Systems, Programming, Networks, Robotics, Artificial Intelligence and Multimedia
Arjuna Subject : Ilmu Komputer (semua kategori) - Sistem Informasi
Articles 269 Documents
 6   7   8   9   10 
KLASIFIKASI SENTIMEN PERGELARAN MOTOGP DI INDONESIA MENGGUNAKAN ALGORITMA CORRELATED NAÏVE BAYES CLASIFIER RIDWAN INDRANSYAH; Yulison Herry Chrisnanto; Puspita Nurul Sabrina
INFOTECH journal Vol. 8 No. 2 (2022)
Publisher : Universitas Majalengka

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31949/infotech.v8i2.3103

Abstract

Knowing the public's sentiment towards the international MotoGP event which has been held in Indonesia in 2022 is very necessary because the role of the community is very influential in the implementation and public interest in visiting an international event is still few and difficult because the information is still limited. Tweets, comments, reviews, and opinions of people using social media play an important role in determining whether a particular population is satisfied with products, performances, and services. The method used in this study is the Correlated Naïve Bayes Classifier (CNBC). The Correlated Naive Bayes Classifier (CNBC) method recalculates the correlation value for each attribute of the dataset to that class. There are several processes carried out in this study including data acquisition, data labeling, data preprocessing, feature extraction, classifying data using the Correlated Naive Bayes Classifier (CNBC) method, visualizing data, and finally evaluating the results. This study resulted in an accuracy of 82%.
MODEL KLASTERISASI KONEKSI INTERNET PROVIDER SELULER BERBASIS WEBGIS Afifudin Rahman; Budi Susetyo; Erwin Hermawan
INFOTECH journal Vol. 7 No. 1 (2021)
Publisher : Universitas Majalengka

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

Abstract

Penyebaran pandemi virus corona atau COVID-19 telah memberikan tantangan tersendiri bagi lembaga pendidikan di Indonesia. Akibat dari kebijakan tersebut membuat sektor pendidikan seperti perguruan tinggi menghentikan proses pembelajaran secara tatap muka. Universitas Ibn Khaldun Bogor melakukan proses pembelajaran secara daring yang bisa dilaksanakan dari rumah masing-masing mahasiswa. Mudahnya proses belajar mengajar, efesiensi biaya, kemudahan akses dimanapun dan kapanpun membuat banyak institusi pendidikan mengadopsi metode pembelajaran e-learning tersebut. Sistem Informasi Geografis (SIG) adalah informasi yang didasarkan pada sistem kerja sistem yang memasukkan, mengelola, memanipulasi, dan menganalisa data serta menjelaskan uraian. Proses Model Klasterisasi Koneksi Internet Provider Seluler Berbasis Webgis maka penataan informasi tersebut perlu dikemas dalam suatu sistem informasi geografis dengan menggunakan metode Kernel Density ditampilkan dalam sebuah WebGIS.
KLASIFIKASI PENENTUAN KELAYAKAN PINJAMAN KOPERASI DENGAN ALGORITMA CART MENGGUNAKAN ALGORITMA ADABOOST Muhammad Rendy Raihan; Yulison Herry Chrisnanto; Ade Kania Ningsih
INFOTECH journal Vol. 8 No. 2 (2022)
Publisher : Universitas Majalengka

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31949/infotech.v8i2.3247

Abstract

According to the Cooperative Bureau, cooperatives became a mainstay for the lower middle class to revive and stabilize their respective economies when the Covid-19 Pandemic broke out in Indonesia. Through savings and loan cooperatives, people can provide loans to cooperatives. In this case, cooperatives provide money lending services to their members, and certain conditions apply to determine which loans are eligible. In connection with this, the officer will analyze the loan by filling out a loan application form accompanied by certain requirements in each loan application. In a mechanism that is not simple, problems often arise when eligibility decisions are not appropriate, namely bad credit. This research aims to solve the problem by designing a data mining application with a function to determine the feasibility of giving loans to customers. The method used is the CART algorithm method and uses the Adaboost algorithm. The results of the application of the CART algorithm method optimized with Adaboost turned out to be able to classify the eligibility of cooperative lending well, simplify the mechanism in credit analysis activities and be able to provide accurate eligibility status, which is guaranteed by the accuracy results of CART and Adaboost.
IMPLEMENTASI ALGORITMA FUZZY TSUKAMOTO PADA SISTEM PENDUKUNG KEPUTUSAN PENENTUAN PENERIMA BANTUAN PROGRAM KELUARGA HARAPAN (PKH) DI KABUPATEN MAJALENGKA Suhendri Suhendri; Deffy Susanti; Reyza Reantino Hanggara
INFOTECH journal Vol. 8 No. 2 (2022)
Publisher : Universitas Majalengka

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31949/infotech.v8i2.3312

Abstract

Program Keluarga Harapan yang selanjutnya disebut PKH adalah program pemberian bantuan sosial bersyarat kepada Keluarga Miskin (KM) yang ditetapkan sebagai keluarga penerima manfaat PKH Sebagai upaya percepatan penanggulangan kemiskinan, sejak tahun 2007 Pemerintah Indonesia telah melaksanakan PKH. Permasalahan yang dihadapi dalam penentuan penerima bantuan ini adalah masih ada kesalahan dalam pemberian bantuan PKH yang tidak tepat sasaran, hal ini terjadi karena belum adanya system penentuan penerima bantuan . berdasarkan permasalahan tersebut maka diperlukan adanya alat bantu berupa system dengan metode yang tepat dalam menentukan penerima bantuan dan menghasilkan ranking dari hasil perhitungan bobot tiap kriteria. Metode perhitungan yang digunakan ialah Metode Fuzzy Tsukamoto sering juga memiliki ciri bahwa setiap konsekwen yang berbentuk IF-THEN harus direpresentasikan dengan suatu himpunan fuzzy dengan fungsi keanggotaan yang monoton. Metode pengumpulan data yang digunakan adalah observasi, wawancara, Hasil implementasi dari sistem pengambilan keputusan penentuan keluarga miskin tersebut menghasilkan 8 data keluarga berupa persentase (%) angka , untuk hasil yang layak mendapatkan bantuan sebanyak 60% dan yang tidak layak mendapatkan bantuan sebanyak 40 % yang diperoleh dari jumlah data yang telah diuji.
PENGEMBANGAN SISTEM PAKAN BUDIDAYA IKAN KERAMBA DAN JARING APUNG DENGAN PEMANFAATAN SENSOR ULTRASONIK HCSR04 DAN MODUL KOMUNIKASI LORA Mutia Maulida; Nurul Fathanah Mustamin
INFOTECH journal Vol. 8 No. 2 (2022)
Publisher : Universitas Majalengka

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31949/infotech.v8i2.3405

Abstract

Berbagai budidaya ikan banyak dikembangkan oleh masyarakat Indonesia termasuk Kalimantan Selatan. Budidaya ikan keramba dan jaring apung dikembangkan oleh masyarakat Kalimantan Selatan didasari pada letak geografis yang dilewati oleh beberapa sungai besar seperti sungai Martapura, Barito dan Kapuas. Budidaya ikan ini dipilih karena tidak memerlukan lahan luas dan dapat memanfaatkan pinggiran sungai bahkan halaman rumah sehingga lebih murah. Permasalahan yang dihadapi peternak ikan keramba dan jaring apung adalah terkait proses pemberian pakan dilakukan manual oleh peternak ikan. Metode ini mempengaruhi takaran jumlah pakan ikan tidak merata dan tidak jarang peternak lupa untuk menaburkan pakan ikan sehingga dapat mempengaruhi hasil produksi ikan. Pengembangan sebuah alat penyebar pakan ikan dengan pemanfaatan Internet of Things (IoT) menggunakan sensor ultrasonik HCSR04 dan modul komunikasi LoRa memberikan kemudahan bagi peternak dalam penyebaran pakan. Selain itu sistem kontrol pakan berbasis Android juga dapat mengontrol alat pakan secara akurat baik dengan fitur manual maupun terjadwal.
GAME EDUKASI BAGI ANAK ATTENTION DEFICIT HYPERACTIVE DISORDER (ADHD) BERBASIS ANDROID Ai Musrifah; Imel Nursida; Fietri Setiawati Sulaeman; Sutono
INFOTECH journal Vol. 8 No. 2 (2022)
Publisher : Universitas Majalengka

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31949/infotech.v8i2.3464

Abstract

Anak yang hiperaktif berperilaku sama dengan anak normal lainnya, namun karena mereka mengalami gangguan di pusat kendali pada tubuhnya, sehingga sulit untuk berkonsentrasi serta sulit dikendalikan.Game edukasi dapat menjadi salah satu alternatif sebagai sarana belajar bagi anak penderita ADHD (Attention Deficit Hyperactivity Disorder) karena dapat membantu dalam perkembangan motoric halusnya. Tujuan dari penelitian ini adalah menghasilkan sebuah game edukasi sebagai sarana media pembelajaran yang dapat membantu anak ADHD agar bisa lebih berkonsentrasi dan menjadikan game ini sebagai alat pusat perhatiannya, serta membantu anak ADHD dalam perkembangan motorik halus. Metode perangkat lunak yang akan digunakan adalah Game Development Life Cycle (GDLC). Game edukasi ini dapat membantu dalam pembelajaran huruf, angka beserta nama buah, tebak angka, tebak huruf, tebak gambar buah, dan menyusun huruf dari nama buah-buahan dengan menambahkan efek suara dan animasi sehingga metode pembelajaran ini menjadi lebih menarik pusat perhatian anak
IMPLEMENTASI FACE RECOGNITION BERBASIS HAAR-CASCADE CLASSIFIER PADA SISTEM KEAMANAN RUMAH MENGGUNAKAN DUAL-CAMERA Sutarti; Siswanto; Alin Putri Jutika
INFOTECH journal Vol. 8 No. 2 (2022)
Publisher : Universitas Majalengka

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31949/infotech.v8i2.3610

Abstract

Pencurian biasanya terjadi pada rumah yang terkesan sepi atau rumah yang terlihat mewah. Sistem pengaman yang biasa digunakan adalah CCTV. Kelemahan CCTV tidak dapat memberitahu pemilik bahwa ada orang asing di depan rumah. Dari permasalahan ini maka diperlukan suatu sistem keamanan yang mampu mengirimkan notifikasi kepada pemilik jika terdeteksi orang asing melalui smartphone secara real time. Webcam digunakan untuk menangkap gambar dan Face Recognition dengan metode Haar-Cascade Classifier digunakan untuk mengidentifikasi pemilik rumah atau orang asing. Penggunaan dual-camera bertujuan meningkatkan akurasi pendeteksi citra wajah. Data citra wajah pemilik rumah direkam dan ditempatkan dalam basis data. Data ini digunakan oleh sistem untuk membedakan antara pemilik rumah dan orang asing. Metode Haar-Cascade Classifier mempunyai komputasi yang cepat dan algoritmanya juga cukup sederhana. Pada penelitian ini melakukan pengujian sistem dengan jarak 50 cm hingga 250 cm. Dari data-data pengujian diketahui bahwa sistem ini dapat membedakan wajah pemilik rumah dan orang asing. Perhitungan menunjukkan bahwa prosentase keberhasilan sebesar 99,2% pada jarak 50 cm dan sebesar 92,82% secara keseluruhan. Jika terdeteksi ada orang asing, sistem berhasil mengirimkan notifikasi melalui aplikasi push safer.
ANALISA EFISIENSI PENDEKATAN DATA-DRIVEN DALAM PROSES SEGMENTASI PASAR DENGAN STUDI KASUS STARTUP Yefta Christian; Katherine Oktaviani Yap Rui Qi
INFOTECH journal Vol. 8 No. 2 (2022)
Publisher : Universitas Majalengka

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31949/infotech.v8i2.3732

Abstract

Segmentasi pasar mengacu pada karakteristik yang digunakan untuk mengkategorikan customer dalam segmen. Teknokasi Edutech merupakan perusahaan rintisan yang diluncurkan pada awal Juni 2021. Teknokasi fokus pada education technology (ed-tech), terutama di bidang Teknologi Informasi. Perusahaan baru membutuhkan metode segmentasi pasar yang relevan dan akurat karena perusahaan harus memahami pasar sebelum membuat dan memasarkan produknya. Penelitian ini bertujuan untuk menyelidiki efisiensi algoritma pembelajaran mesin yang digunakan dalam segmentasi pasar, terutama untuk perusahaan early startup seperti Teknokasi. Penelitian dilakukan dengan pengembangan tiga model (K-Means dengan AHP-TOPSIS, SVM dengan AHP, dan Decision Tree dengan AHP) dengan tahapan data gathering, data preprocessing dan training, data modelling, evaluasi model, serta komparasi dan seleksi ketiga model. Berdasarkan analisa, didapatkan bahwa metode supervised learning lebih aplikatif, dengan SVM menunjukkan tingkat keakuratan yang relatif lebih tinggi. Penelitian ini membuktikan SVM beserta AHP mampu melakukan prediksi segmen pasar dan dengan begitu membantu decision-making berdasar label yang ditentukan.
RANCANG BANGUN SISTEM ABSENSI ONLINE DENGAN RADIO FREQUENCY IDENTIFICATION DAN NODEMCU BERBASIS INTERNET OF THINGS Anharudin; Ngatono; Saefudin; Wahyudin
INFOTECH journal Vol. 8 No. 2 (2022)
Publisher : Universitas Majalengka

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31949/infotech.v8i2.3765

Abstract

Pelaporan presensi absensi pegawai dibuat dengan output cetak dari tiap-tiap dinas atau instansi, sehingga menimbulkan banyak masalah seperti untuk rekapitulasi data musti dilakukan secara convensional dari laporan satuan kerja sehingga membutuhkan waktu, minimnya akurasi karena laporan tidak dibuat secara rinci kemudian laporan juga sulit dibuat apabila Kantor Dinas Komunikasi Informatika Sandi dan Statistik Diskomsantik Pandeglang memerlukan adanya laporan presensi pegawai Aparatur Sipil Negara (ASN) dalam rentang waktu yang relatif cepat. Selain itu cost yang timbul dari tiap dinas untuk mengirim rekapitulasi laporan kehadiran ke Diskomsantik sangat besar. Penelitian ini bertujuan untuk mengolah data output dan merecord semua data-data dari data output tersebut kedalam sebuah tabel database yang dapat diakses dengam mudah oleh semua Satuan Kerja Perangkat Daerah (SKPD) serta mampu menyajikan informasi laporan sesuai yang diingikan. Dengan melakukan metodologi penelitian yang dilakukan dengan studi literatur kemudian melakukan rancang bangun alat dan sistem informasi berbasis web. Hasil dari penelitian ini adalah sistem alat absensi online yang dapat menyimpan data log absensi pegawai ke dalam sebuah database, dan website dapat digunakan untuk mengolah file output data absensi ke dalam file ms.excel. Hasil penelitian ini dapat disimpulkan bahwa dengan sistem absensi online menggunakan sensor RFID, NodeMCU dan website berbasis internet of things yang telah di buat mampu memberikan laporan absensi pegawai secara realtime pada saat pegawai melakukan tapping kartu pegawai. Selain itu pimpinan dapat memonitoring pegawainya masuk tepat waktu atau terlambat sekalipun lewat website dan dapat mendownload data secara langsung. Kata Kunci: Internet of things, NodeMCU, RFID, Website
Aplikasi Pendeteksi Dan Pelacakan Kendaraan Menggunakan Jaringan Neural Propagasi Balik Zen Munawar; Novianti Indah Putri; Iswanto; Dandun Widhiantoro
INFOTECH journal Vol. 8 No. 2 (2022)
Publisher : Universitas Majalengka

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31949/infotech.v8i2.3766

Abstract

Penelitian ini ini bertujuan membangun sistem deteksi dan pelacakan otomatis kendaraan yang dapat diterapkan di lingkungan yang berbeda. Untuk mendeteksi kendaraan, posisi lampu belakang digunakan untuk lokalisasi kendaraan. Jaringan neural propagasi balik (back propagation neural network) yang dilatih oleh kumpulan fitur Gabor. Jaringan neural propagasi balik digunakan untuk memverifikasi kendaraan dan memastikan ketahanan sistem deteksi. Pada tahap pelacakan kendaraan, untuk mengatasi berbagai tantangan pelacakan kendaraan, adanya sebagian kendaraan dan masalah kendaraan yang hilang, penelitian ini mengusulkan metode baru yang menerapkan filter partikel. Fungsi distribusi probabilitas warna kendaraan yang terdeteksi digunakan dua kali dalam sub-sistem pelacakan kendaraan. Pertama, fungsi distribusi probabilitas warna diadopsi untuk mencari lokasi target kendaraan yang potensial; kedua, fungsi distribusi probabilitas warna digunakan untuk mengukur kemiripan tiap partikel untuk estimasi posisi kendaraan target. Karena berbagai iluminasi atau jarak kendaraan target, kendaraan yang sama akan menghasilkan fungsi distribusi probabilitas warna yang berbeda; fungsi distribusi probabilitas warna awal tidak dapat menjamin pelacakan kendaraan skala berbeda untuk jangka panjang. Untuk mengatasi masalah ini, hasil pelacakan yang akurat, yang dipilih oleh Jaringan neural propagasi balik terlatih, digunakan untuk memperbarui fungsi distribusi probabilitas warna kendaraan target. Hasil penelitian, algoritma yang diusulkan menunjukkan akurasi 84% dalam deteksi kendaraan. Video yang dikumpulkan dari jalan raya, jalan perkotaan, dan kampus diuji dalam sistem. Performa sistem benar-benar sesuai untuk aplikasi nyata.

Page 8 of 27 | Total Record : 269

 6   7   8   9   10 

Filter by Year

2019 2025


Reset
Filter By Issues
All Issue Vol. 11 No. 1 (2025) Vol. 10 No. 2 (2024) Vol. 10 No. 1 (2024) Vol. 9 No. 2 (2023) Vol. 9 No. 1 (2023) Vol. 8 No. 2 (2022) Vol. 8 No. 1 (2022) Vol. 7 No. 2 (2021) Vol. 7 No. 1 (2021) Vol. 6 No. 2 (2020) Vol. 6 No. 1 (2020) Vol. 5 No. 2 (2019) More Issue