CESS (Journal of Computer Engineering, System and Science)
CESS (Journal of Computer Engineering, System and Science) contains articles on research results and conceptual studies in the fields of informatics engineering, computer science and information systems. The main topics published include: 1. Information security 2. Computer security 3. Networking & Data communication 4. Cloud & grid computing 5. Mobile Computing & Applications 6. Artificial Intelligence 7. Decision Support System 8. Data Minig 9. Other topics related to information technology
Articles
30 Documents
Search results for
, issue
"Vol 9, No 1 (2024): January 2024"
:
30 Documents
clear
<![CDATA[Penerapan Fuzzy Mamdani Pada Sistem Klasifikasi Kualitas Telur Bebek Berbasis Arduino ]]>
<![CDATA[Prastika, Ranny]]>;
<![CDATA[Nirmala, Irma]]>;
<![CDATA[Rismawan, Tedy]]>
<![CDATA[ CESS (Journal of Computer Engineering, System and Science) Vol 9, No 1 (2024): January 2024 ]]>
Publisher : <![CDATA[Universitas Negeri Medan ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.24114/cess.v9i1.53060
<![CDATA[Telur bebek adalah jenis telur yang memiliki sumber protein tinggi. Pada pemanfaatannya, dapat diolah menjadi kue, telur asin dan obat – obatan. Agar menghasilkan olahan yang berkualitas, maka proses pemilahan kualitas telur perlu dilakukan. Dalam implementasinya, membagi telur berdasarkan tingkat kualitas masih dilakukan secara manual menggunakan indera penglihatan manusia. Pada penelitian ini, dikembangkan sistem yang dapat melakukan klasifikasi terhadap kualitas telur bebek. Sensor yang digunakan adalah load cell dan LDR sebagai pembaca nilai bobot serta intensitas cahaya. Untuk pengambilan keputusan dalam klasifikasi kualitas telur digunakan metode fuzzy mamdani. Data dari sensor digunakan sebagai variabel masukkan, sedangkan variabel keluaran berupa kualitas telur, yaitu baik dan buruk. Pengujian dilakukan pada 40 data sampel telur bebek menggunakan metode fuzzy mamdani dan terdapat 37 data sampel yang sesuai dengan kondisi sebenarnya. Hasil pengujian dengan menggunakan confusion matrix didapatkan tingkat akurasi sebesar 92.5%.]]>
<![CDATA[Rancang Ulang Prototipe AIS Mobile Dengan User Centered Design (UCD) Untuk Penggunaan Yang Lebih Optimal ]]>
<![CDATA[Mauludin, Bintang Fajar]]>;
<![CDATA[Raharja, Muhammad Ridwan Ali]]>;
<![CDATA[Rayhan, Muhammad Shaquille]]>;
<![CDATA[Huda, Muhammad Qomarul]]>;
<![CDATA[Nurmiati, Evy]]>
<![CDATA[ CESS (Journal of Computer Engineering, System and Science) Vol 9, No 1 (2024): January 2024 ]]>
Publisher : <![CDATA[Universitas Negeri Medan ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.24114/cess.v9i1.53962
<![CDATA[Aplikasi Academic Information System (AIS) Universitas Islam Negeri (UIN) Jakarta berfungsi sebagai sarana informasi mengenai jadwal perkuliahan, penilaian, pengambilan Kartu Rencana Studi dan berbagai informasi akademik lainnya. Pengguna AIS Mobile UIN Jakarta masih mengalami kesulitan dalam navigasi aplikasi, menemukan informasi yang dibutuhkan, atau bahkan merasa tidak puas dengan antarmuka pengguna yang ada. Penelitian ini bertujuan untuk merancang ulang prototipe aplikasi AIS Mobile UIN Jakarta dengan menggunakan metode User Centered Design (UCD) yang fokus pada pengguna. Tahapan UCD yang dipilih meliputi analisis konteks penggunaan, definisi kebutuhan pengguna, desain awal prototipe, dan pengujian kegunaan yang melibatkan pengguna aktual. Penelitian ini dilakukan dengan beberapa tahap penelitian, yaitu dengan melakukan studi literatur, identifikasi pengguna, analisis kebutuhan pengguna, desain solusi, dan evaluasi desain. Berdasarkan hasil penelitian Aplikasi AIS Mobile UIN Jakarta masih memiliki hal-hal yang perlu diperbaiki dengan rancang ulang prototype yang lebih meningkatkan kepuasan pengguna. Penulis telah merancang ulang tampilan aplikasi AIS Mobile UIN Jakarta berdasarkan umpan balik yang diberikan beberapa koresponden sebagai pengguna. Prototipe yang dihasilkan diharapkan dapat memberikan manfaat yang lebih optimal bagi pengguna aplikasi AIS UIN Jakarta.]]>
<![CDATA[Sistem Pendukung Keputusan Menggunakan Metode Fuzzy Mamdani Untuk Menentukan Badan Eksekutif Mahasiswa (BEM) ]]>
<![CDATA[Saleh, Khairul]]>;
<![CDATA[Muhazir, Ahmad]]>;
<![CDATA[Rianda, Kiki Rizki]]>
<![CDATA[ CESS (Journal of Computer Engineering, System and Science) Vol 9, No 1 (2024): January 2024 ]]>
Publisher : <![CDATA[Universitas Negeri Medan ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.24114/cess.v9i1.53341
<![CDATA[Badan Eksekutif Mahasiswa merupakan wadah dari seluruh mahasiswa untuk mengembangkan bakat dan kemampuan di Fakultas Teknik Universitas Asahan. Keberadaan ketua BEM selaku ketua organisasi merupakan suatu yang harus benar-benar di pertimbangkan dikarenakan ketua organisasi merupakan salah satu kunci keberhasilan dari suatu organisasi. Namun, dalam menentukan ketua BEM, Universitas Asahan belum memiliki sistem yang akurat dalam melakukan proses seleksi calon ketua BEM. Logika fuzzy merupakan suatu cara untuk memetakan masalah dengan tahapan-tahapan dari pembentukan himpunan fuzzy, pembentukan rule fuzzy dan proses inferensi madani. Tujuan penelitian ini yaitu dengan Logika fuzzy akan mendapatkan hasil yang akurat dan jelas dalam melakukan proses seleksi dalam Kasus penentuan Calon Ketua BEM sesuai variable yang sudah didapatkan.]]>
<![CDATA[Komparasi Kinerja CPU dan Memori dalam Proses Klasifikasi Malware Menggunakan Algoritma Random Forest pada Sistem Operasi Kali Linux 64-bit dan Ubuntu 64-bit ]]>
<![CDATA[Hindami, Achmad Luthfan Aufar]]>;
<![CDATA[Firmansyah, Dimas Rifqi]]>;
<![CDATA[Anggoman, Christopher Ralin]]>;
<![CDATA[Kardian, Aqwam Rosadi]]>
<![CDATA[ CESS (Journal of Computer Engineering, System and Science) Vol 9, No 1 (2024): January 2024 ]]>
Publisher : <![CDATA[Universitas Negeri Medan ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.24114/cess.v9i1.53994
<![CDATA[Machine learning telah menjadi aspek krusial dalam keamanan siber, khususnya dalam deteksi intrusi dan klasifikasi malware. Namun, penerapan teknik ini memerlukan alokasi sumber daya komputasi yang signifikan. Dalam konteks ini, sistem operasi memiliki peran krusial berkaitan dengan kemampuannya dalam mengelola sumber daya komputasi. Penelitian ini bertujuan untuk mengevaluasi dan membandingkan performa CPU dan memori dari dua sistem operasi populer, yaitu Kali Linux dan Ubuntu, dalam konteks komputasi klasifikasi malware menggunakan teknik dan algoritma machine learning untuk mengetahui sistem operasi dengan performa yang lebih baik. Keduanya diuji menggunakan model machine learning dan variasi dataset yang sama untuk klasifikasi malware menggunakan algoritma Random Forest. Analisis dilakukan dengan membandingkan persentase konsumsi CPU dan memori antar kedua sistem operasi. Berdasarkan hasil pengujian, ditemukan bahwa sistem operasi Kali Linux memiliki rata-rata penggunaan CPU yang lebih rendah sekitar 19,64%, dan penggunaan memori yang lebih rendah sekitar 0,06% dibandingkan dengan sistem operasi Ubuntu. Dengan demikian, dapat disimpulkan bahwa sistem operasi Kali Linux memiliki performa yang lebih baik daripada sistem operasi Ubuntu dalam hal konsumsi CPU dan memori dalam komputasi klasifikasi malware menggunakan teknik dan algoritma machine learning.]]>
<![CDATA[Membandingkan Analisa Kesalahan Metode K-Means Clustering dan Canopy K-Means Clustering Dengan Data Gambar Terfilter ]]>
<![CDATA[Hayati, Ariadi Retno]]>;
<![CDATA[Imama, Wilda]]>;
<![CDATA[Kirana, Puspa]]>;
<![CDATA[Zuraida, Vit]]>
<![CDATA[ CESS (Journal of Computer Engineering, System and Science) Vol 9, No 1 (2024): January 2024 ]]>
Publisher : <![CDATA[Universitas Negeri Medan ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.24114/cess.v9i1.50978
<![CDATA[Pada penelitian ini menganalisa kesalahan yang diperoleh pada data pembelajaran pada data gambar dengan membandingkan metode K-Means Clustering dan metode Canopy K-Means Clustering. Data yang digunakan adalah data gambar yang diujikan pada aplikasi yang dibangun dan menelaah nilai kesalahan pada setiap iterasi. Analisa kesalahan dengan memahami karakteristik formula pada metode K-Means Clustering dan Canopy K-Means Clustering dan menganalisa angka kesalahan berdasarkan formula kedua metode dengan demikian maka karakteristik perolehan error pada metode Canopy K-Means Clustering diperoleh berdasarkan karakteristik formula dari metode tersebut. Dari hasil beberapa uji coba dengan dataset yang data berbeda maka diperoleh rata-rata bahwa metode Canopy K-Means Clustering memiliki nilai kesalahan lebih sedikit sejumlah 0,0264% dibandingkan metode K-Means Clustering dengan Euclidean distance dan rata-rata keberhasilan 85% sesuai kelompok.]]>
<![CDATA[Analisis Sentimen Netizen Terhadap Polusi Udara di DKI Jakarta ]]>
<![CDATA[Akbar, Geonaldo Fauzan]]>;
<![CDATA[Sinduningrum, Estu]]>
<![CDATA[ CESS (Journal of Computer Engineering, System and Science) Vol 9, No 1 (2024): January 2024 ]]>
Publisher : <![CDATA[Universitas Negeri Medan ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.24114/cess.v9i1.55038
<![CDATA[Penelitian ini bermaksud untuk melakukan analisis terhadap sentimen netizen terkait masalah polusi udara di DKI Jakarta, yang tengah menjadi perbincangan di kalangan netizen baik di wilayah Jakarta maupun di luar Jakarta, seiring memburuknya kualitas udara di kota tersebut yang semakin tidak sehat jika terus dikonsumsi oleh penduduk Jakarta. Metode yang digunakan dalam penelitian ini adalah algoritma Naive Bayes, tujuan dari penelitian ini yaitu untuk mengetahui komentar positif dan negatif netizen yang diungkapkan melalui media sosial, dengan memanfaatkan beberapa platform seperti YouTube, TikTok, dan Threads. Data yang berhasil diperoleh yaitu 2106 data positif dan 495 data negatif. Setelah dilakukan eksperimen, diperoleh hasil akurasi 88.07%. Hasil penelitian ini menunjukkan bahwa algoritma Naïve Bayes dapat digunakan untuk mengklasifikasikan sentimen komentar netizen terhadap polusi udara di daerah DKI Jakarta ini dengan tingkat akurasi yang cukup tinggi. Hasil ini dapat berguna pemerintah dan warga Jakarta juga dalam mencari solusi untuk masalah polusi ini. Dengan demikian, penelitian ini dapat menjadi dasar bagi pemahaman yang lebih menyeluruh terkait respons masyarakat terhadap isu lingkungan di kawasan perkotaan Jakarta.]]>
<![CDATA[Pengaruh Knowledge Sharing Terhadap Innovation Capability dan Kinerja Karyawan ]]>
<![CDATA[Herdiansyah, Cenny Dwi Cyta]]>;
<![CDATA[Hardiyanti, Dinna Yunika]]>;
<![CDATA[Rifai, Ahmad]]>
<![CDATA[ CESS (Journal of Computer Engineering, System and Science) Vol 9, No 1 (2024): January 2024 ]]>
Publisher : <![CDATA[Universitas Negeri Medan ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.24114/cess.v9i1.55042
<![CDATA[Salah satu proses krusial dalam knowledge management adalah knowledge sharing yang bertujuan untuk mengoptimalkan penggunaan pengetahuan melalui distribusi pengetahuan kepada pihak-pihak terkait. Sebuah perusahaan memerlukan pertukaran informasi dan berbagi pengetahuan dimana hal ini mencakup knowledge sharing yang dapat mendorong individu untuk mengembangkan ide-ide kreatif baru, menghasilkan ide-ide orisinal, berkomunikasi secara efektif, meningkatkan kualitas dan kuantitas karyawan, yang bertujuan untuk memberikan dampak positif terhadap kapasitas inovasi dan kompetensi karyawan. Sasaran penelitian ini adalah memahami pengaruh knowledge sharing terhadap innovation capability dan kompetensi pekerja. populasi dalam penelitian ini adalah karyawan di Perusahaan PT Semen Baturaja Tbk. Teknik pengambilan sampel dilakukan acak (simple random sampling). Sampel berjumlah 50 responden, dan menggunakan rumus slovin. Metode yang digunakan dalam penelitian ini adalah structural equation model (SEM) menggunakan software SmartPLS. Hasil penelitian ini membuktikan adanya korelasi positif antara variabel dimana knowledge sharing berdampak positif dan signifikan terhadap individual innovation capability, kompetensi karyawan, dan firm innovation capability, dimana masing-masing nilai dari tiap variabel adalah (0,000, 0,004 dan 0,019) yang berarti ada hubungan di tiap variabel.]]>
<![CDATA[Analisis Manipulasi Splicing pada Citra Digital menggunakan Metode Discrete Cosine Transform (DCT) dan Scale Invariant Feature Transform (SIFT) ]]>
<![CDATA[Efendi, Muhamad Masjun]]>;
<![CDATA[Salman, Salman]]>
<![CDATA[ CESS (Journal of Computer Engineering, System and Science) Vol 9, No 1 (2024): January 2024 ]]>
Publisher : <![CDATA[Universitas Negeri Medan ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.24114/cess.v9i1.53156
<![CDATA[Pemalsuan dalam citra digital seringkali terjadi di era teknologi saat ini. Bantuan software pengolahan citra memudahkan dan mempercepat proses manipulasi, mendorong orang untuk melakukan perubahan sebelum citra dipublikasikan di internet atau media sosial. Meski kegiatan ini umum dilakukan, seringkali merugikan orang lain dan merupakan bentuk penipuan publik terhadap keaslian citra. Salah satu metode manipulasi yang kerap kali digunakan adalah splicing, splicing adalah menambah objek dalam citra, contohnya meletakkan suatu objek pada citra target yang seolah-olah objek tersebut berada disana. Penelitian ini bertujuan untuk mendeteksi manipulasi jenis splicing dengan menggunakan metode Discrete Cosine Transform (DCT) dan Scale Invariant Feature Transform (SIFT). Metode DCT mentransformasikan blok piksel citra menjadi koefisien, sedangkan SIFT digunakan untuk menemukan frekuensi pada citra grayscale dengan mendeteksi keypoint yang sama. Metode ini mampu mendeteksi objek citra yang dimanipulasi dengan baik dan akurat. Dari hasil pengujian yang dilakukan, nilai akurasi deteksi image splicing pada citra dari internet dan koleksi citra hasil koleksi pribadi mencapai 100%. Harapannya, hasil penelitian ini dapat bermanfaat bagi masyarakat dalam membedakan citra yang asli dengan yang sudah dimanipulasi melalui teknik splicing.]]>
<![CDATA[Evaluasi Performa Naive Bayes dan SVM dalam Analisis Sentimen Kendaraan Listrik di Media Sosial Twitter ]]>
<![CDATA[Hendrawan, Gigih Nur]]>;
<![CDATA[Kusniyati, Harni]]>
<![CDATA[ CESS (Journal of Computer Engineering, System and Science) Vol 9, No 1 (2024): January 2024 ]]>
Publisher : <![CDATA[Universitas Negeri Medan ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.24114/cess.v9i1.54086
<![CDATA[Perkembangan teknologi dalam industri otomotif telah mengalami kemajuan yang signifikan, Salah satu pendorong utama perubahan ini adalah kebutuhan untuk mengatasi masalah lingkungan terutama pencemaran udara yang dihasilkan kendaraan bermotor yang berkontribusi terhadap perubahan iklim global. Kendaraan listrik dinilai sebagai salah satu solusi yang lebih ramah lingkungan dan berkelanjutan. Kendaraan listrik adalah jenis kendaraan yang menggunakan listrik sebagai sumber daya utama untuk menggerakkan mesin atau motor yang menggerakkan kendaraan tersebut. Jenis penelitian yang dipergunakan adalah penelitian kuantitatif yang mengacu pada pendekatan penelitian dengan cara mengumpulkan data yang dapat diukur secara numerik atau menggunakan metode statistik untuk menganalisis data tersebut. Tujuan utama penelitian ini adalah untuk memperbandingkan kinerja antara Algoritma Naïve Bayes dan Support Vector Machine (SVM) dalam mengklasifikasikan sentimen masyarakat terhadap kendaraan listrik di media sosial Twitter, dengan fokus pada mengukur tingkat akurasi, recall, dan presisi dari kedua algoritma tersebut. Evaluasi komparatif antara Support Vector Machine (SVM) dan Naive Bayes dalam klasifikasi sentimen data Twitter menunjukkan bahwa SVM secara signifikan lebih unggul dengan akurasi 95.79% dibandingkan Naive Bayes yang memiliki akurasi 87.39%. SVM menonjol dalam mengklasifikasikan sentimen ''negatif'' dan ''positif'' dengan lebih akurat, sementara Naive Bayes cenderung melakukan lebih banyak kesalahan klasifikasi, walaupun SVM menunjukkan hasil yang menjanjikan, terdapat kekhawatiran mengenai overfitting.]]>
<![CDATA[Metode Cosine Similarity pada Penilaian Essay Perkaderan Ikatan Mahasiswa Muhammadiyah ]]>
<![CDATA[Anggraini, Novi Kusuma]]>;
<![CDATA[Yudatama, Uky]]>;
<![CDATA[Maimunah, Maimunah]]>
<![CDATA[ CESS (Journal of Computer Engineering, System and Science) Vol 9, No 1 (2024): January 2024 ]]>
Publisher : <![CDATA[Universitas Negeri Medan ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.24114/cess.v9i1.55475
<![CDATA[Perkaderan persyarikatan merupakan suatu program yang dilaksanakan oleh Muhammadiyah baik ditingkat pusat maupun bawahnya dan menjadi bagian inti dalam perjalanan organisasi Muhammadiyah. Perkaderan utama di Muhamamdiyah dibagi menjadi 2 (dua) yaitu Darul Arqam dan Baitul Arqam. Dalam pelaksanaannya juga terdapat evaluasi pembelajaran yaitu pre-test dan post-test. Pre-Test dilaksanakan sebelum materi disampaikan, sedangkan post-test dilaksanakan setelah materi disampaikan. Evaluasi ini berbentuk soal esai yang bersangkut pautan dengan materi yang akan diberikan. Jawaban peserta yang bervariasi dan waktu yang padat menjadi tantangan tersendiri untuk mengoreksinya, dan membutuhkan waktu yang lebih banyak lagi ditambah dengan harus memasukkan nilai ke sistem perkaderan secara manual. Penelitian ini menerapkan text mining dengan menggunakan metode cosine similarity untuk melakukan penilaian otomatis pada soal esai pre-test dan post-test. Hasil perhitungan pada soal pre-test mendapatkan hasil tertinggi dengan tingkat persamaan 77,46% oleh peserta 1 pada soal 4 dan peserta 2 pada soal 3, dan post-test dengan hasil tertinggi 100% oleh peserta 1 pada soal 4. Sedangkan untuk hasil 0,0 yang diperoleh beberapa peserta dikarenakan term antar kunci jawaban dan jawaban peserta tidak memiliki persamaan.]]>
