cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Adi Widarma
Contact Email
adiwidarma@unimed.ac.id
Phone
+6285275945045
Journal Mail Official
journal_cess@unimed.ac.id
Editorial Address
UPT TIK Universitas Negeri Medan Jl. Willem Iskandar pasar V Medan Estate, Medan 20221
Location
Kota medan,
Sumatera utara
INDONESIA
CESS (Journal of Computer Engineering, System and Science)
Published by Universitas Negeri Medan
ISSN : 25027131     EISSN : 2502714X     DOI : https://doi.org/10.24114/cess
Core Subject : Science,
Computer Science & IT
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
Arjuna Subject : Ilmu Komputer (semua kategori) - Ilmu Komputer (Lain-Lain)
Articles 37 Documents
 1   2   3   4 
Search results for , issue "Vol. 10 No. 2 (2025): Juli 2025" : 37 Documents clear
Evaluasi Sistem Ujian Berbasis Komputer di SMA Negeri 1 Negara Menggunakan Kerangka Kerja COBIT 2019 Yuliana, Evi; Winarini, Ni Luh; Aryawan, I Komang Budi Mas; Gunawan, I Made Agus Oka; Indrawan, Gede
CESS (Journal of Computer Engineering, System and Science) Vol. 10 No. 2 (2025): Juli 2025
Publisher : Universitas Negeri Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24114/cess.v10i2.65580

Abstract

SMA Negeri 1 Negara telah mengadopsi sistem informasi dalam pelaksanaan proses evaluasi pembelajaran melalui penggunaan sistem Ujian Berbasis Komputer (Computer Based Test/CBT). Penelitian ini bertujuan untuk meningkatkan kualitas layanan CBT sekaligus menjadi dasar pertimbangan dalam proses pengawasan dan evaluasi, guna menunjang pencapaian visi, misi, dan tujuan sekolah. Evaluasi dilakukan mengacu pada kerangka kerja COBIT 2019, dengan fokus pada domain MEA01, MEA02, dan MEA03 yang dianggap relevan untuk dievaluasi. Pengumpulan data dilakukan melalui wawancara, observasi lapangan, serta penyebaran kuesioner kepada pimpinan sekolah, guru, proktor, teknisi, dan siswa. Total responden yang dilibatkan berjumlah 181 orang, terdiri dari 152 siswa, 17 guru, 5 operator/proktor, dan 7 pimpinan sekolah. Data kuantitatif dari kuesioner dianalisis untuk menghasilkan persentase capaian kinerja sistem. Secara keseluruhan, hasil evaluasi menunjukkan performa sistem yang cukup baik dengan capaian persentase sebesar 74,04% dan berada pada tingkat kapabilitas Largely Achieved. Namun demikian, masih ditemukan sejumlah kelemahan seperti keterbatasan sistem dalam mengidentifikasi kecurangan pada perangkat tertentu, kurangnya dokumentasi evaluasi secara formal, serta minimnya kontrol dan pengawasan saat ujian berlangsung. Penelitian selanjutnya dapat difokuskan pada perluasan analisis dengan mengevaluasi domain tambahan tersebut agar diperoleh gambaran yang lebih komprehensif terhadap kinerja dan tata kelola sistem.
Implementasi Metode Trend Projection Untuk Peramalan Penjualan Dan Persediaan Barang Pada Syamirna Boutique Aulia Alsaf Salsabilla; Samsudin
CESS (Journal of Computer Engineering, System and Science) Vol. 10 No. 2 (2025): Juli 2025
Publisher : Universitas Negeri Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24114/cess.v10i2.66238

Abstract

Penelitian ini bertujuan untuk mengimplementasikan metode Trend Projection dalam peramalan penjualan dan pengelolaan persediaan barang di Syamirna Boutique, sebuah usaha ritel yang bergerak di bidang fashion. Di tengah dinamika pasar yang cepat dan persaingan yang ketat, akurasi dalam peramalan penjualan menjadi sangat penting untuk menjaga kelancaran operasional dan mengoptimalkan pengelolaan stok. Metode Trend Projection dipilih karena kemampuannya dalam menganalisis pola penjualan historis dan memproyeksikan permintaan di masa depan. Penelitian ini melibatkan pengumpulan data penjualan selama tiga tahun terakhir dan pengembangan sistem berbasis web untuk memfasilitasi proses peramalan. Hasil penelitian menunjukkan bahwa penerapan metode ini dapat meningkatkan akurasi peramalan, mengurangi risiko kekurangan atau kelebihan stok, serta mendukung pengambilan keputusan yang lebih cerdas. Dengan demikian, penelitian ini memberikan kontribusi signifikan terhadap pengelolaan persediaan di Syamirna Boutique dan dapat menjadi referensi bagi usaha ritel lainnya dalam menghadapi tantangan serupa. 
Penerapan Algoritma K-Means untuk Pengelompokan Daerah Berdasarkan Waktu Kejadian Curas di Kabupaten Bekasi Viyan Qomarudin Noor; Anggi Muhammad Rifa'i; Nanang Tedi Kurniadi
CESS (Journal of Computer Engineering, System and Science) Vol. 10 No. 2 (2025): Juli 2025
Publisher : Universitas Negeri Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24114/cess.v10i2.66501

Abstract

Kabupaten Bekasi merupakan wilayah dengan intensitas aktivitas ekonomi yang tinggi, namun rawan terhadap tindak kriminalitas seperti pencurian dengan kekerasan (curas) yang berdampak pada ketidaknyamanan dan kekhawatiran masyarakat. Penelitian ini bertujuan untuk mengelompokkan waktu kejadian curas guna mengidentifikasi jam-jam rawan kriminalitas. Data yang digunakan berasal dari Polres Kabupaten Bekasi sebanyak 25 entri dan dianalisis menggunakan algoritma K-Means Clustering. Hasil menunjukkan bahwa data terbagi menjadi dua cluster waktu, yaitu malam hari (21.00–23.59) dan dini hari (00.00–05.00), dengan nilai Silhouette Score sebesar 0.4795, Davies-Bouldin Index 0.5922, dan Calinski-Harabasz Index 52.3170. Visualisasi dilakukan menggunakan Folium dengan penambahan pop-up interaktif. Hasil ini dapat digunakan oleh pihak kepolisian atau dinas terkait sebagai acuan dalam menyusun jadwal patroli malam yang lebih efisien dan berbasis data.
Analisis Sentimen Pada Teknologi 5G Menggunakan Algoritma Random Forest dan Naïve Bayes dengan Dataset Multibahasa Muhammad Alwi Nur Fathihah; Amali; Majid, Annisa Maulana
CESS (Journal of Computer Engineering, System and Science) Vol. 10 No. 2 (2025): Juli 2025
Publisher : Universitas Negeri Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24114/cess.v10i2.66502

Abstract

Perkembangan teknologi 5G sebagai generasi terbaru jaringan nirkabel telah menimbulkan beragam tanggapan publik, baik yang mendukung maupun yang menolak. Penelitian ini bertujuan untuk menganalisis sentimen masyarakat terhadap teknologi 5G berdasarkan komentar pengguna YouTube dalam bahasa Indonesia dan Inggris. Data diperoleh menggunakan teknik web crawling, kemudian diproses melalui tahapan SEMMA, yang mencakup preprocessing, pelabelan sentimen, dan pelatihan model. Dua algoritma yang digunakan adalah Random Forest dan Naïve Bayes. Evaluasi dilakukan menggunakan confusion matrix dan metrik seperti akurasi, precision, recall, dan F1-score. Hasil menunjukkan bahwa Random Forest memiliki performa yang lebih baik dengan akurasi 94,8% dan mampu mengklasifikasikan sentimen positif dan negatif secara seimbang. Sementara itu, Naïve Bayes cenderung bias terhadap sentimen positif dan memiliki kelemahan dalam mendeteksi komentar negatif. Penelitian ini menunjukkan bahwa Random Forest lebih andal untuk analisis sentimen multibahasa, khususnya dalam konteks opini publik terhadap teknologi 5G.
Penerapan Deep Learning Berbasis DenseNet Untuk Deteksi Diabetic Retinopathy Pada Citra Fundus Mata Ade Maulani Bilgis; Nurhadi Surojudin; Ahmad Fauzi
CESS (Journal of Computer Engineering, System and Science) Vol. 10 No. 2 (2025): Juli 2025
Publisher : Universitas Negeri Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24114/cess.v10i2.66507

Abstract

Deteksi dini diabetic retinopathy sangat penting untuk mencegah komplikasi pada penglihatan, termasuk kebutaan permanen. Namun, proses diagnosis secara manual menggunakan citra fundus memerlukan waktu dan keahlian tinggi. Penelitian ini bertujuan untuk mengembangkan model deep learning berbasis densenet yang di fine-tune untuk mendeteksi diabetic retinopathy secara otomatis dari citra fundus mata. Dengan dataset sebesar 2.840 gambar yang terbagi ke dalam dua kelas yaitu DR dan NO_DR. Model dilatih menggunakan proses preprocessing dan augmentasi data, dengan hasil evaluasi yang menunjukkan bahwa model mencapai akurasi sebesar 96% pada dua kelas yang seimbang, dan AUC 0.99. Hal itu mencerminkan kemampuan klasifikasi yang sangat baik serta sensitivitas ynag tinggi, nilai recall yang tinggi mengindikasikan bahwa model mampu mengenali sebagian besar pasien yang mengalami DR. Penelitian ini menunjukkan bahwa densenet dengan fine-tune dapat menghasilkan model deteksi yang akurat dan berpotensi untuk membantu diagnosis dini diabetic retinopathy.   
Perbandingan Performa Algoritma Gaussian Naive Bayes dan Decision Tree Classifier dalam Klasifikasi Prompt AI-Generated Image Riyadi, Agung; Paramitha, Putri
CESS (Journal of Computer Engineering, System and Science) Vol. 10 No. 2 (2025): Juli 2025
Publisher : Universitas Negeri Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24114/cess.v10i2.66521

Abstract

Sebuah website yang dikembangkan oleh peneliti memiliki jutaan data prompt dan hasil gambar AI-generated menghadapi tantangan seperti penyajian konten yang lambat dan tidak efisien bagi pengguna. Ketiadaan sistem kategorisasi yang tepat menyebabkan proses filtering dan pencarian konten menjadi lambat, sehingga membutuhkan implementasi sistem klasifikasi otomatis untuk meningkatkan kecepatan akses dan user experience. Penelitian ini membandingkan performa algoritma Gaussian Naive Bayes dan Decision Tree Classifier dalam mengklasifikasikan prompt text-to-image ke dalam tiga kategori: Background/Texture, Landscape, dan Arts. Dataset terdiri dari 7.040 prompt yang telah dikategorikan secara manual. Metodologi mencakup pra-pemrosesan data, representasi teks menggunakan Bag of Words, penerapan kedua algoritma klasifikasi, dan evaluasi menggunakan metrik akurasi, precision, recall, dan F1-score. Hasil menunjukkan bahwa Decision Tree mencapai akurasi tertinggi sebesar 99,16%, mengungguli Gaussian Naive Bayes yang hanya memperoleh 61,74%. Temuan ini menunjukkan bahwa Decision Tree lebih mampu menangani kompleksitas karakteristik prompt, serta dapat diimplementasikan untuk meningkatkan efisiensi pencarian dan penyaringan konten pada platform generative AI.
Analisis Sentimen Terkait Kasus Korupsi Timah Pada Aplikasi X Menggunakan Algoritma Support Vector Machine Hasibuan, Suci Adina Ramadani; Mhd. Furqan
CESS (Journal of Computer Engineering, System and Science) Vol. 10 No. 2 (2025): Juli 2025
Publisher : Universitas Negeri Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24114/cess.v10i2.66522

Abstract

Kasus dugaan korupsi yang melibatkan PT Timah Tbk dengan estimasi kerugian negara sebesar Rp 271 triliun telah memicu respons luas dari masyarakat, khususnya melalui media sosial X (dahulu Twitter). Penelitian ini bertujuan untuk menganalisis sentimen publik terhadap kasus tersebut menggunakan algoritma Support Vector Machine (SVM). Data diperoleh dari platform X menggunakan kata kunci tertentu, menghasilkan 107 tweet yang kemudian melalui proses pra-pemrosesan dan pelabelan otomatis dengan metode berbasis leksikon (lexicon-based). Proses klasifikasi sentimen dilakukan dengan algoritma SVM, sementara ekstraksi fitur dilakukan menggunakan metode Term Frequency-Inverse Document Frequency (TF-IDF). Hasil evaluasi menunjukkan bahwa model mencapai akurasi sebesar 98%, dengan precision 98% dan recall 100% untuk sentimen negatif, serta precision 100% dan recall 60% untuk sentimen positif. Berdasarkan confusion matrix, sebesar 95,33% data diklasifikasikan sebagai negatif secara benar (True Negative), 2,80% sebagai positif secara benar (True Positive), dan 1,87% salah diklasifikasikan (False Negative), tanpa terdapat kesalahan klasifikasi positif palsu (False Positive). Temuan ini menunjukkan dominasi opini negatif terhadap kasus tersebut dan menegaskan efektivitas SVM dalam analisis sentimen publik. Penelitian ini diharapkan menjadi acuan dalam memahami persepsi masyarakat dan pengambilan keputusan berbasis data terhadap isu sosial-politik di Indonesia.
Algoritma K-Means Clustering untuk Mendiagnosis Bullying pada Remaja Di SMPN 1 Kecamatan Dolok Sigompulon Ritonga, Abdul Rois; Mhd. Furqan
CESS (Journal of Computer Engineering, System and Science) Vol. 10 No. 2 (2025): Juli 2025
Publisher : Universitas Negeri Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24114/cess.v10i2.66539

Abstract

Bullying merupakan bentuk penyalahgunaan kekuasaan yang dapat terjadi di berbagai lingkungan, terutama di lingkungan sekolah. Tindakan ini mencakup perilaku seperti mengejek, mengancam, mengisolasi, hingga melakukan kekerasan fisik yang berdampak negatif pada kondisi psikologis korban. Di SMP N 1 Dolok Sigompulon, kasus bullying teridentifikasi dalam tiga bentuk, yaitu fisik, verbal, dan psikologis. Meskipun jumlah kasus tergolong rendah, fenomena ini tetap memerlukan perhatian serius karena dapat mengganggu kenyamanan belajar dan perkembangan sosial siswa. Untuk memahami pola dan karakteristik dari kasus bullying yang terjadi, diperlukan analisis data yang tepat. Salah satu metode yang dapat digunakan adalah K-Means Clustering, yaitu algoritma pengelompokan data yang membagi objek ke dalam beberapa klaster berdasarkan kemiripan karakteristik. Melalui metode ini, data bullying dapat diklasifikasikan menjadi beberapa kelompok, sehingga pola perilaku bullying di sekolah dapat dianalisis lebih mendalam dan menjadi dasar dalam pengambilan keputusan pencegahan. Berdasarkan hasil pengelompokan kasus bullying di SMP N 1 Dolok Sigompulon menggunakan algoritma K-Means maka di peroleh 3 cluster Dimana cluster 1 terdapat 12 data, cluster 2 terdapat 5 data, dan cluster 3 dengan 4 data sehingga dapat disimpulkan bahwa kasus bullying di SMP N 1 Dolok Sigompulon tergolong rendah dengan jenis bullying fisik, verbal, dan psikologis.
Klasifikasi Tingkat Stres pada Mahasiswa Tingkat Akhir menggunakan Metode Naïve Bayes di Universitas Pelita Bangsa Rima Puji Lestari; Nurhadi Surojudin; Eko Budiarto
CESS (Journal of Computer Engineering, System and Science) Vol. 10 No. 2 (2025): Juli 2025
Publisher : Universitas Negeri Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24114/cess.v10i2.66565

Abstract

Stres sering dialami oleh mahasiswa, khususnya mahasiswa tingkat akhir yang sedang menyelesaikan skripsi. Penelitian ini dilakukan untuk mengklasifikasikan tingkat stres yang sedang dihadapi oleh mahasiswa tingkat akhir Prodi Teknik Informatika angkatan 2021 di Universitas Pelita Bangsa dengan menggunakan metode Naïve Bayes. Berdasarkan hasil kuesioner, terdapat 300 responden berpartisipasi. Dengan menggunakan pendekatan SEMMA (Sample, Explore, Modify, Model, Assess), data dari 300 responden dilakukan proses handling sehingga tersisa 285 data yang valid, kemudian data dibagi menjadi data latih dan data uji dengan perbandingan 80:20. Tingkat stres dikategorikan menjadi 3 yaitu rendah, sedang, dan tinggi. Performa model menunjukkan bahwa model memiliki akurasi sebesar 93%, dengan nilai precision, recall, dan F1-score keseluruhan masing-masing sebesar 93%. Hasil klasifikasi diperoleh bahwa tingkat stres sedang merupakan kategori terbanyak yaitu sebesar 42,1%, diikuti oleh stres tinggi 29,1%, dan stres rendah 28,8%. Temuan pada penelitian ini dapat digunakan sebagai dasar pengambilan keputusan untuk penyediaan layanan dukungan psikologis dan akademik bagi mahasiswa tingkat akhir.
Penerapan Machine Learning untuk Deteksi Hoaks di Media Sosial Indonesia: Systematic Literature Review Aziz, Afifah Khaerani; Jaka Wijaya Kusuma
CESS (Journal of Computer Engineering, System and Science) Vol. 10 No. 2 (2025): Juli 2025
Publisher : Universitas Negeri Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24114/cess.v10i2.66584

Abstract

Maraknya penyebaran hoaks di media sosial Indonesia telah mendorong peningkatan minat terhadap penggunaan kecerdasan buatan, khususnya machine learning (ML), untuk mendeteksi informasi palsu secara otomatis. Penelitian ini bertujuan untuk mengidentifikasi tren, metodologi, dan efektivitas pendekatan ML dalam deteksi hoaks pada media sosial Indonesia melalui kajian pustaka sistematis. Metode systematic literature review (SLR) digunakan dengan merujuk pada panduan PRISMA untuk menelusuri publikasi dari database Scopus, IEEE Xplore, dan Google Scholar selama lima tahun terakhir. Dari total 754 artikel awal, sebanyak 52 artikel memenuhi kriteria kelayakan dan dianalisis lebih lanjut. Evaluasi dilakukan melalui sintesis tematik dan komparasi performa algoritma ML berdasarkan metrik akurasi, presisi, recall, dan F1-score. Hasil kajian menunjukkan bahwa model berbasis deep learning, khususnya BERT, memberikan performa terbaik (akurasi hingga 91.2%), diikuti oleh LSTM dan CNN. Selain itu, pendekatan multi-modal dan penggunaan data lokal Indonesia menjadi faktor signifikan yang mempengaruhi efektivitas deteksi. Kajian ini menyimpulkan bahwa integrasi model berbasis transformer dan data kontekstual Indonesia berpotensi meningkatkan akurasi sistem deteksi hoaks. Artikel ini memberikan kontribusi berupa pemetaan komprehensif metode ML dalam konteks lokal serta rekomendasi implementatif untuk pengembangan sistem deteksi hoaks berbasis AI yang adaptif dan akurat.

Page 1 of 4 | Total Record : 37

 1   2   3   4 

Filter by Year

2025 2025


Reset
Filter By Issues
All Issue Vol. 10 No. 2 (2025): Juli 2025 Vol. 10 No. 1 (2025): Januari 2025 Vol 9, No 2 (2024): July 2024 Vol. 9 No. 2 (2024): July 2024 Vol. 9 No. 1 (2024): January 2024 Vol 9, No 1 (2024): January 2024 Vol 8, No 2 (2023): July 2023 Vol 8, No 1 (2023): January 2023 Vol 7, No 2 (2022): July 2022 Vol 7, No 2 (2022): July 2022 - In Process Vol 7, No 1 (2022): January 2022 Vol 6, No 2 (2021): Juli 2021 Vol 6, No 1 (2021): Januari 2021 Vol 5, No 2 (2020): JULI 2020 Vol 5, No 1 (2020): Januari 2020 Vol 4, No 2 (2019): JULI 2019 Vol 4, No 1 (2019): Januari 2019 Vol 3, No 2 (2018): Juli 2018 Vol 3, No 1 (2018): Januari 2018 Vol 2, No 2 (2017): Juli 2017 Vol 2, No 1 (2017): Januari 2017 Vol 1, No 2 (2016): Juli 2016 Vol 1, No 1 (2016): Januari 2016 More Issue