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 36 Documents
 1   2   3   4 
Search results for , issue "Vol. 9 No. 2 (2024): July 2024" : 36 Documents clear
Analisis Perbandingan Multinominal Naive Bayes dan Adaboost dalam Mengklasifikasikan Sentimen Terkait Pinjaman Online Pangestu, Yoga; Basri, Muhammad
CESS (Journal of Computer Engineering, System and Science) Vol. 9 No. 2 (2024): July 2024
Publisher : Universitas Negeri Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24114/cess.v9i2.57844

Abstract

Penelitian ini bertujuan untuk menganalisis dan membandingkan kinerja algoritma Multinomial Naive Bayes (MNB) dan AdaBoost dalam mengklasifikasikan sentimen masyarakat terkait pinjaman online. Data yang digunakan dalam penelitian ini adalah komentar pengguna di media sosial twitter terkait pinjaman online. Metode yang digunakan untuk mengolah data adalah SEMMA (Sample, explore, modify, model, acces), tahapan tersebut menncakup tahap preprocessing data pemodelan dan evaluasi. Sentiment diklasifikasikan kedalam kelas positif, negatif dan netral dengan menggunakan kamus lexicon base bahasa indonesia. Model yang dibangun menggunakan Algoritma MNB dan AdaBoost untuk dibandingkan performanya. Hasil evaluasi model menunjukan menunjukkan bahwa algoritma AdaBoost memiliki kinerja yang lebih baik dibandingkan dengan algoritma MNB dalam mengklasifikasikan sentimen masyarakat terkait pinjaman online. Hal ini dibuktikan dengan nilai akurasi dari algoritma AdaBoost sebesar 76%, sedankan akurasi dari algoritma MNB sebesar 71%.
Klasifikasi Tingkat Kecanduan Gadget Pada Balita Menggunakan Algoritma Naive Bayes Thamrin, Alwi Aryusya; Putri, Raissa Amanda
CESS (Journal of Computer Engineering, System and Science) Vol. 9 No. 2 (2024): July 2024
Publisher : Universitas Negeri Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24114/cess.v9i2.60449

Abstract

Kecanduan gadget pada balita merupakan isu yang semakin mengkhawatirkan di era digital ini. Penggunaan gadget yang berlebihan pada usia dini dapat berdampak negatif pada perkembangan kognitif, emosional, dan sosial anak. Dengan adanya penelitian ini yang diharapkan bertujuan untuk dapat mengklasifikasikan kecanduan gadget pada balita menggunakan algoritma naive bayes. Data yang digunakan dalam penelitian ini adalah data kuesioner yang mencakup berbagai atribut seperti jenis kelamin balita, usia orang tua, pendidikan orang tua, dan sembilan pertanyaan terkait penggunaan gadget pada balita. Dari data kuesioner tersebut telah dibagi menjadi data training dan data testing untuk proses klasifikasi kecanduan. Algoritma naive bayes digunakan untuk mengklasifikasikan data ke dalam tiga kategori, yaitu: tidak kecanduan, kecanduan ringan, dan kecanduan berat. Naive bayes adalah metode klasifikasi berdasarkan Teorema Bayes dengan asumsi kemandirian yang kuat (naive) antara fitur-fitur. Hasil penelitian menunjukkan bahwa algoritma naive bayes mampu mengklasifikasikan tingkat kecanduan gadget pada balita dengan tingkat akurasi yang memadai. Berdasarkan pengujian model menggunakan perangkat lunak Altair AI Studio dengan menambahkan operator naive bayes telah didapat hasil klasifikasi dengan tingkat akurasi sebesar 81,67%. Penelitian ini memperlihatkan bahwa Algoritma naive bayes dapat digunakan secara efektif untuk mengklasifikasikan tingkat Kecanduan gadget pada balita.
Penerapan Algoritma Naive Bayes Dalam Mengetahui Pola Pengguna Keluarga Berencana Pada Tempat Praktek Mandiri Bidan (TPMB) Lilik Faiqoh Sugiono, Sugiono; Marliani, Tiara; Sarimole, Frencis Matheos; Tundo, Tundo
CESS (Journal of Computer Engineering, System and Science) Vol. 9 No. 2 (2024): July 2024
Publisher : Universitas Negeri Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24114/cess.v9i2.61406

Abstract

Seiring kemajuan teknologi dan informasi yang semakin berkembang, dan menjadikan masyarakat paham akan pentingnya segala informasi, termasuk tentang Keluarga Berencana atau KB. Berdasarkan observasi dan wawancara dengan bidan Lilik Faiqoh bahwa yang menjadi masalah kurangnya penyuluhan terhadap masyarakat, supaya masyarakat paham apa saja alat kontrasepsi yang ada di TPMB Lilik Faiqoh Jakarta Timur. Untuk mengatasi masalah tersebut, maka Algoritma Naive Bayes merupakan salah satu algoritma machine learning yang dapat digunakan untuk mengklasifikasikan data. Tujuan dari penelitian ini adalah untuk menentukan penerapan Algoritma Naive Bayes dalam mengetahui pola pengguna Keluarga Berencana pada TPMB Lilik Faiqoh dengan mencakup identifikasi jenis kontrasepsi (KB) yang paling sering digunakan. Kemudian untuk data Keluarga Berencana ini akan dilakukan dengan proses penerapan metode CRISP-DM. Penelitian ini diharapkan dapat meningkatkan layanan TPMB Lilik Faiqoh dan memberikan manfaat yang lebih besar bagi masyarakat setempat dalam hal penyediaan layanan kesehatan.
Perbandingan Algoritma Naive Bayes dan Algoritma Support Vector Machine (SVM) Untuk Melihat Potensi Kepatuhan Peserta BPJS Dalam Membayar Tagihan Lestari, Rika Dinda; Putri, Raissa Amanda
CESS (Journal of Computer Engineering, System and Science) Vol. 9 No. 2 (2024): July 2024
Publisher : Universitas Negeri Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24114/cess.v9i2.61542

Abstract

Jaminan Kesehatan Nasional (JKN) yang diselenggarakan oleh Badan Penyelenggara Jaminan Sosial (BPJS) merupakan jaminan sosial yang wajib bagi seluruh warga negara Indonesia berdasarkan Undang-Undang Nomor 40 Tahun 2004 tentang Sistem Jaminan Sosial Nasional (SJSN). Penelitian ini bertujuan untuk melihat potensi kepatuhan peserta BPJS dalam membayar tagihan dengan menggunakan perbandingan antara algoritma naïve bayes dan algoritma support vector machine (SVM). Pada penelitian ini metode yang digunakan ialah metode kuantitatif dengan menghitung hasil tingkat akurasi dari masing masing algoritma yang digunakan. Sebelum dilakukannya penerapan pada algoritma naive bayes dan algoritma support vector machine (SVM) maka akan dilakukannya teknik KDD (Knowledge Discovery in Database) agar data yang digunakan lebih akurat. Dengan data sampel sebanyak 1.499 kita dapat mengetahui peserta BPJS mana yang membayar tagihannya sangat tepat waktu, tepat waktu, dan tidak tepat waktu dengan menggunakan teknik klasifikasi dan menerapkan algoritma naive bayes dan algoritma support vector machine (SVM) pada rapidminer alat sehingga dapat diperoleh hasil akurasi sebesar 99,10%. Dengan nilai sangat tepat waktu sebesar 0,334, tepat waktu dengan nilai sebesar 0,182, dan tidak tepat waktu dengan nilai sebesar 0,484 pada algoritma naive bayes. Sedangkan pada algoritma support vector machine (SVM) memperoleh tingkat akurasi sebesar 98,48% dengan nilai sangat tepat waktu sebesar 45, tepat waktu dengan nilai 6, dan tidak tepat waktu dengan nilai 45. dilihat dari hasil tingkat akurasi algoritma naïve bayes lebih unggul dibandingkan algoritma support vector machine (SVM).
Analisis Sentimen Terhadap Tindakan Pemerintah Indonesia Untuk Menampung Sementara Pengungsi Etnis Rohingya Menggunakan Naive Bayes Classifier Gunawan, Irwan; Furqan, Mhd.
CESS (Journal of Computer Engineering, System and Science) Vol. 9 No. 2 (2024): July 2024
Publisher : Universitas Negeri Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24114/cess.v9i2.61808

Abstract

Etnis Rohingya merupakan penduduk asli di negara myanmar yang sebagian besar mayoritasnya beragama muslim. Konflik yang terjadi pada etnis tersebut dimulai sejak ditetapkannya kebijakan Burma Citizen Law oleh pemerintah myanmar. kebijakan ini berisi terkait penolakan pemerintah myanmar terhadap etnis Rohingya sebagai etnis resmi dan memutuskan jika etnis tersebut tidak termasuk dari negara Myanmar. Indonesia merupakan salah satu negara di ASEAN yang masih menampung sementara pengungsi Rohingya, tindakan ini dilakukan berdasarkan konsep Human Security dan mengacu pada Peraturan Presiden Republik Indonesia Nomor 125 Tahun 2016 Tentang Penanganan Pengungsi Dari Luar Negeri Pasal 4 Ayat 2 mengenai koordinasi penanganan pengungsi yang meliputi Penemuan, Penampungan, Pengamanan dan Pengawasan. Akibatnya, terjadinya cemburu sosial yang berdampak pada keberagamannya opini masyarakat dan menjadi isu yang sering dibicarakan. Penelitian ini bertujuan untuk mengetahui kecenderungan opini berdasarkan klasifikasi sentimen yang diperoleh melalui video YouTube. Manfaat dari penelitian ini adalah agar pemerintah indonesia dapat mengetahui tindakan tersebut cenderung positif atau negatif. Dalam penelitian ini menerapkan algoritma Naive Bayes Classifier dengan dataset berjumlah 7547 yang dibagi menjadi 6037 data latih dan 1510 data uji. Hasil Confussion Matrix pada penelitian ini menunjukan akurasi 93%.
Pengelompokan Hasil Perkebunan di Indonesia Menggunakan Fuzzy C-Means Aisyah, Nora; Sukarni, Adinda Ika; Sari, Dian Candra Rini Novita
CESS (Journal of Computer Engineering, System and Science) Vol. 9 No. 2 (2024): July 2024
Publisher : Universitas Negeri Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24114/cess.v9i2.50682

Abstract

Perkebunan merupakan subsektor yang dapat meningkatkan kesejahteraan masyarakat dan juga menambah kekayaan negara indonesia (devisa). Hasil perkebunan dikelompokkan guna mengetahui daerah di Indonesia yang memiliki hasil perkebunan yang kurang baik atau termasuk daerah kurang produktif sehingga dapat dilakukan pembenahan strategi atau pengolahan perkebunan di Indonesia. Pengelompokan atau klasifikasi dilakukan dengan menggunakan metode fuzzy c means dengan data hasil perkebunan kelapa, kelapa sawit, kopi, kakao, karet di Indonesia tahun 2018, 2019, 2020. Penentuan jumlah cluster atau klasifikasi pada fuzzy c-means dilakukan menggunakan uji silhouette index, hal ini dilakukan agar mendapat cluster optimal. Hasil uji silhouette index didapat jumlah cluster optimal yakni 4 cluster, didapatkan daerah yang memiliki hasil perkebunan yang produktif paling tinggi terdapat pada provinsi Riau dan Kalimantan Tengah.
Perencanaan Strategis SI/TI Menggunakan Ward and Peppard Pada Pemerintahan Desa Sungai Raya Febrina, Listia; Mutiah, Nurul; Rusi, Ibnur
CESS (Journal of Computer Engineering, System and Science) Vol. 9 No. 2 (2024): July 2024
Publisher : Universitas Negeri Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24114/cess.v9i2.56785

Abstract

Pemerintahan Desa Sungai Raya merupakan instansi desa yang telah menggunakan SI/TI pada proses bisnisnya sebagai penerapan e-government. Meskipun demikian, SI/TI tersebut belum digunakan secara maksimal dikarenakan Pemerintah Desa belum memiliki pedoman terkait pengembangannya. Penelitian ini bertujuan untuk memberikan rekomendasi perencanaan strategis SI/TI guna mendukung proses bisnis dan strategi bisnis pada pemerintahan Desa Sungai Raya. Penelitian dilakukan dengan berlandaskan pada Ward and Peppard dengan beberapa tahapan didalamnya. Tahap masukan mencakup analisis lingkungan bisnis internal menggunakan tools SWOT dan Value Chain dalam mengidentifikasi proses bisnis hingga strategi pemerintahan desa saat ini, lingkungan bisnis eksternal menggunakan PEST untuk meninjau aspek industri dan persaingan, lingkungan SI/TI internal dengan McFarlan Strategic Grid guna memetakan portofolio aplikasi saat ini dan pengidentifikasian SI/TI pada kantor desa, dilanjutkan dengan menganalisis tren digital di lingkungan eksternal pemerintahan Desa Sungai Raya. Keluaran analisis lingkungan tersebut mencakup strategi bisnis SI dengan rekomendasi sistem informasi, strategi TI berupa rekomendasi teknologi informasi dan arsitektur jaringan internet, strategi manajemen SI/TI berisi kebijakan SI/TI, serta future application portfolio. Pengujian terhadap dokumen Rencana Strategis SI/TI melibatkan Kepala Desa dan Bidang Tata Usaha/Umum dengan berlandaskan perspektif Balanced Scorecard Mapping menghasilkan perencanaan strategis SI/TI ini sangat disetujui keselarasannya terhadap strategi bisnis dibidang keuangan, masyarakat, internal Kantor Desa, serta pembelajaran dan pertumbuhan pemerintahan kedepannya sebesar 84,3%.
Komparasi Performa VGG19, ResNet50, DenseNet121 dan MobileNetV2 Dalam Mendeteksi Gambar Deepfake Angeline, Angeline; Kusniyati, Harni
CESS (Journal of Computer Engineering, System and Science) Vol. 9 No. 2 (2024): July 2024
Publisher : Universitas Negeri Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24114/cess.v9i2.58671

Abstract

Deepfake secara pesat menjadi potensi ancaman keamanan siber yang dapat memanipulasi gambar, video, bahkan audio dengan sangat realistis sehingga manusia mengalami kesulitan dalam membedakan apakah sebuah media adalah asli atau merupakan hasil manipulasi kecerdasan buatan. CNN menjadi salah satu metode yang dikembangkan sebagai solusi. Banyaknya varian model CNN membuka potensi untuk pengembangan lebih lanjut. Penulis mengumpulkan dari berbagai sumber 1,000 citra wajah asli dan 1,000 citra wajah deepfake yang kemudian diperluas dengan teknik augmentasi data untuk melatih, memvalidasi, dan menguji empat varian model CNN yaitu VGG19, ResNet50, DenseNet121, dan MobileNetV2, dengan tujuan untuk menentukan varian yang paling efektif sebagai basis model yang dapat dikembangkan menjadi detektor deepfake. Evaluasi dan perbandingan performa dengan teknik confusion matrix menunjukkan bahwa di antara keempat model, ResNet50 memiliki performa terbaik dengan akurasi 91,5%, presisi 90%, dan recall 91,3%.
Sistem Penyortir Ikan Nila Siap Panen Berbasis Mikrokontroler Arduino Azhar, Sahari; Nirmala, Irma; Sari, Kartika
CESS (Journal of Computer Engineering, System and Science) Vol. 9 No. 2 (2024): July 2024
Publisher : Universitas Negeri Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24114/cess.v9i2.58749

Abstract

Ikan Nila merupakan salah satu jenis ikan yang memiliki nilai ekonomis yang cukup tinggi, dimana permintaan benih atau ikan konsumsi terus meningkat dari tahun ke tahun. Dalam budidaya ikan Nila, proses penyortiran masih dilakukan secara konvensional, dimana pembudidaya harus melakukan penyortiran ikan satu persatu sehingga membutuhkan waktu yang cukup lama dan rawan terhadap kesalahan manusia. Penelitian ini bertujuan membangun sistem yang dapat digunakan untuk menyortir ikan nila berdasarkan beratnya dengan mengelompokkan ikan Nila kedalam 3 kategori yaitu: grade A, grade B dan grade C. Sistem ini dirancang menggunakan Arduino Uno sebagai pengendali keseluruhan sistem, sensor loadcell untuk membaca nilai berat ikan Nila, sensor inframerah untuk mendeteksi keberadaan ikan Nila, motor servo sebagai penggerak untuk memindahkan ikan Nila ke dalam wadah akhir, dan LCD 16x2 untuk menampilkan informasi berat dan kategori dari ikan Nila. Hasil pengujian sistem menggunakan 30 sampel data diperoleh 24 data sesuai dan 6 data tidak sesuai menunjukkan tingkat akurasi dalam penyortiran berdasarkan beratnya adalah 80%.
Analisa Sistem Keamanan Jaringan Nirkabel Menggunakan Kerangka Kerja Issaf Pada PT. Gerak Puncak Lancar Shaffan, Ari Nur; Chandra, Nungky Awang; Hikmaturokhman, Alfin
CESS (Journal of Computer Engineering, System and Science) Vol. 9 No. 2 (2024): July 2024
Publisher : Universitas Negeri Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24114/cess.v9i2.58930

Abstract

Keamanan data sebuah perusahaan adalah suatu hal yang sangat penting, maka diperlukannya keamanan untuk menjaga data-data penting tersebut agar tidak disalahgunakan. Salah satu celah yang dapat diserang ialah jaringan nirkabel karena dapat terlihat oleh publik. Pada PT. Gerak Puncak Lancar sendiri mempunyai jaringan nirkabel untuk akses internet karyawannya. Penelitian ini bertujuan untuk menguji seberapa kuat sistem keamanan dari perusahaan tersebut dengan metode Penetration Test ISSAF. ISSAF merupakan sebuah framework standar pengujian Penetration Test untuk berbagai keamanan. Seperti keamanan WLAN, website, keamanan Router, keamanan Firewall dan lain-lainnya. ISSAF sendiri mempunyai 9 aktivitas atau langkah meliputi Information Gathering, Network Mapping, Vulnerability Identification, Penetration, Gaining Access & Privilage Escalation, Enumerating Further, Compromise Remote User/Sites, Maintaining Access dan Covering tracks. Untuk WLAN Security Assessment sendiri mempunyai 6 tahap yakni, Information Gathering, Scanning, Audit, Analysis & Research, Exploit & Attacks, Reporting & Presentation. Hasil analisa penelitian ini, keamanan jaringan nirkabel Access Point staff PT. Gerak Puncak Lancar. Mempunyai nilai Overall Risk Rating tinggi atau High. Evaluasi pun dilakukan pada keamanan jaringan PT. Gerak Puncak Lancar, dan hasil evaluasi tersebut menurunkan Overall Risak Rating menjadi Medium.

Page 1 of 4 | Total Record : 36

 1   2   3   4 

Filter by Year

2024 2024


Reset
Filter By Issues
All Issue Vol. 11 No. 1 (2026): Januari 2026 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