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 515 Documents
 36   37   38   39   40 
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%.
Pemilihan Anggota Bidang Organisasi Menggunakan Metode Weighted Product dan Pembobotan Rank Order Centroid Ahmadi Irmansyah Lubis
CESS (Journal of Computer Engineering, System and Science) Vol. 10 No. 1 (2025): Januari 2025
Publisher : Universitas Negeri Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24114/cess.v10i1.65066

Abstract

Pemilihan anggota majelis pendidikan dasar dan menengah di Pimpinan Cabang Muhammadiyah (PCM) Batam Kota membutuhkan penilaian objektif atas kriteria seperti pengalaman, kompetensi, komitmen, dan kepemimpinan. Proses ini sering rentan terhadap subjektivitas dan bias tanpa sistem pendukung. Penelitian ini bertujuan merancang Sistem Pendukung Keputusan (SPK) untuk membantu PCM Kecamatan Batam Kota dalam memilih anggota majelis pendidikan dasar dan menengah secara efektif dan akurat. Metode Weighted Product digunakan untuk menghitung skor akhir setiap calon berdasarkan nilai kriteria dan bobotnya. Metode Rank Order Centroid (ROC) diterapkan untuk menentukan bobot kriteria secara kualitatif berdasarkan urutan prioritas. Sistem ini memungkinkan pengguna membandingkan kandidat secara komprehensif dengan mempertimbangkan semua kriteria. Hasil penelitian menunjukkan metode Weighted Product dan ROC efektif membantu PCM Kecamatan Batam Kota dalam memilih kandidat terbaik untuk menjadi anggota majelis Pendidikan dasar dan menengah. Kandidat terpilih yaitu A4 (Ketua) dengan nilai vektor 0.16706, A1 (Anggota) dengan nilai vektor 0.16163, dan A6 (Anggota) dengan nilai vektor 0.15951. Sistem ini mampu dalam meningkatkan obyektifitas, efisiensi, dan akuntabilitas proses seleksi, sekaligus mengurangi bias subjektif. Hasil penelitian ini diharapkan bermanfaat tidak hanya bagi PCM Batam Kota tetapi juga sebagai referensi bagi organisasi lain dengan kebutuhan seleksi berbasis kriteria multi-dimensi.
Analisis Perbandingan Penjualan Powertools di Toko Fisik dan E-commerce Menggunakan PIECES Framework Taufik Rahman; Surya Gunadi; Bakhtiar Rifai; Sumarna
CESS (Journal of Computer Engineering, System and Science) Vol. 10 No. 1 (2025): Januari 2025
Publisher : Universitas Negeri Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24114/cess.v10i1.65097

Abstract

Perkembangan teknologi telah mengubah pola konsumsi masyarakat, termasuk dalam pembelian powertools. Persaingan antara toko fisik dan e-commerce semakin ketat, sehingga analisis kinerja kedua saluran penjualan ini diperlukan. Penelitian ini bertujuan untuk membandingkan penjualan powertools di toko fisik dan e-commerce menggunakan PIECES Framework, yang mencakup variabel: Performance, Information, Economics, Control & Security, Efficiency, dan Service. Pendekatan kuantitatif dengan pengumpulan data melalui kuesioner kepada 100 responden yang berbelanja di kedua platform digunakan dalam penelitian ini. Hasil penelitian menunjukkan bahwa e-commerce unggul dalam efisiensi dan informasi, sementara toko fisik lebih unggul dalam aspek layanan dan keamanan. Berdasarkan hasil analisis, terdapat hubungan signifikan antara performance, service, dan efficiency, dengan nilai signifikansi (sig) sebesar 0.001 yang lebih kecil dari 0.05, sehingga Ho ditolak dan Ha diterima. Nilai r = 0.976 menunjukkan hubungan kuat antara performance, service, dan efficiency. Temuan ini mengindikasikan bahwa perbaikan performance dapat meningkatkan service dan efficiency dalam kedua saluran penjualan tersebut. Kesimpulannya, meskipun kedua platform memiliki keunggulan dan kelemahan masing-masing, kolaborasi atau optimalisasi strategi dapat meningkatkan kepuasan pelanggan. Prospek pengembangan penelitian mencakup perluasan kategori produk atau penggunaan metode analisis tambahan.
Penentuan Kelayakan Penerimaan Bantuan Program Indonesia Pintar (PIP) menggunakan Algoritma C4.5 Agnes Irene Silitonga; Fihi Khoirani Sihotang; Vetric Styven Silaban; Teguh Fachri Fahros; Haryadi
CESS (Journal of Computer Engineering, System and Science) Vol. 10 No. 1 (2025): Januari 2025
Publisher : Universitas Negeri Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24114/cess.v10i1.65099

Abstract

Program Indonesia Pintar (PIP) adalah inisiatif bantuan sosial yang diperkenalkan oleh pemerintah Indonesia untuk membantu siswa dari keluarga yang tidak mampu agar dapat melanjutkan pendidikan mereka tanpa kesulitan keuangan. Untuk memperoleh PIP, calon penerima bantuan harus termasuk dalam kategori layak sebagai penerima bantuan. Penelitian ini bertujuan untuk menentukan kelayakan penerima bantuan PIP di SDN 064999 Medan menggunakan algoritma C4.5 yang mana digunakan dalam membentuk pohon keputusan. Dalam penelitian ini, data yang digunakan adalah data siswa SDN 064999 Medan yang telah menerima bantuan PIP pada tahun 2023. Hasil penelitian menunjukkan bahwa algoritma C4.5 membentuk pohon keputusan yang baik untuk memprediksi kelayakan penerima bantuan PIP. Pohon keputusan tersebut menunjukkan bahwa atribut yang paling penting untuk memprediksi kelayakan penerima bantuan PIP adalah atribut pendapatan orangtua, status pekerjaan orangtua, dan jumlah tanggungan orangtua. Dari penelitian ini juga diperoleh 10 rules / aturan dalam penentuan kelayakan penerima bantuan PIP dengan algoritma C4.5. Hasil penelitian ini dapat digunakan untuk membantu dalam proses seleksi penerima bantuan PIP dan untuk memastikan bahwa bantuan tersebut tepat sasaran.
Analisis Sentimen Pada Komentar Media Sosial Terkait Isu Joki Dengan Menggunakan Metode LSTM Dimas Surya Prasetyo; Karina Auliasari; Yosep Agus Pranoto
CESS (Journal of Computer Engineering, System and Science) Vol. 10 No. 1 (2025): Januari 2025
Publisher : Universitas Negeri Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24114/cess.v10i1.65100

Abstract

Di kalangan akademisi dan masyarakat, fenomena praktik perjokian dalam penyusunan skripsi telah menimbulkan kekhawatiran karena mengancam reputasi akademik. Media sosial menjadi sarana utama bagi masyarakat untuk mengekspresikan pendapat mereka tentang masalah ini, baik melalui kecaman maupun menjadikan kebiasaan baru. Namun, volume data yang besar, gaya bahasa yang beragam, dan penggunaan bahasa informal adalah masalah untuk menganalisis data media sosial. Untuk mencapai tujuan ini, penelitian ini menggunakan metode Long Short-Term Memory (LSTM) untuk menganalisis sentimen masyarakat. Metode ini dipilih karena kemampuan LSTM untuk memahami konteks kata dalam kalimat kompleks, yang membuatnya cocok untuk komentar panjang di media sosial. Hasil penelitian menunjukkan pengujian kinerja model untuk mengidentifikasi sentimen positif dan negatif, diperoleh akurasi sebesar 71%, recall sebesar 67%, dan precision sebesar 77%. Hal ini menunjukkan bahwa model mampu mengenali pola sentimen dengan cukup baik dari data yang ada.
Penerapan Teknologi Mobile dalam Sistem Manajemen Pengelolaan Butik Produksi Busana Muslim Muhammad Reza Raehan; Joko Aryanto
CESS (Journal of Computer Engineering, System and Science) Vol. 10 No. 1 (2025): Januari 2025
Publisher : Universitas Negeri Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24114/cess.v10i1.65107

Abstract

Penelitian ini bertujuan untuk mengembangkan sistem manajemen berbasis teknologi mobile guna meningkatkan efisiensi operasional di Butik Widia Collection, yang memproduksi busana Muslim. Latar belakang penelitian ini didasari oleh pengelolaan stok dan transaksi yang sebelumnya dilakukan secara manual, menimbulkan risiko kesalahan pencatatan dan rendahnya efisiensi. Sistem yang dirancang meliputi fitur pengelolaan stok barang, pencatatan barang masuk dan keluar, serta transaksi. Metode penelitian menggunakan pendekatan SDLC (System Development Life Cycle) dengan model Waterfall, sedangkan pengujian sistem dilakukan menggunakan metode Blackbox Testing. Hasil penelitian menunjukkan bahwa aplikasi mobile yang dirancang mampu mengoptimalkan manajemen butik, meningkatkan akurasi data, mendukung pengambilan keputusan berbasis data, dan memberikan pengalaman pengguna yang lebih baik. Inovasi utama dalam penelitian ini terletak pada kemampuan sistem untuk memperbarui data tanpa mengubah kode barang atau transaksi, menjaga integritas data, dan meningkatkan fleksibilitas pengelolaan stok barang.
Penerapan Algoritma K-Means Untuk Clustering Framework dan Library PHP Berdasarkan Analisis Code Structure Muhammad Ridho Putra Syalabi; Ahmad Fahrudi Setiawan; Eko Heri Susanto
CESS (Journal of Computer Engineering, System and Science) Vol. 10 No. 1 (2025): Januari 2025
Publisher : Universitas Negeri Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24114/cess.v10i1.65108

Abstract

pengembang menghadapi tantangan dalam memilih tools yang sesuai untuk kebutuhan proyek. Penelitian ini bertujuan untuk mengelompokkan framework dan library PHP berdasarkan analisis struktur kode menggunakan algoritma K-Means dengan sistem berbasis website. Analisis dilakukan dengan mempertimbangkan 13 atribut, seperti LOC, NCLOC, CLOC, rata-rata panjang kelas, panjang metode, dan distribusi fungsi, untuk menemukan pola distribusi dalam kelompok yang signifikan. Meskipun Elbow Method menunjukkan k=4 (91.799) sebagai cluster optimal berdasarkan penurunan WCSS yang signifikan, analisis lanjutan dengan Silhouette Score dan evaluasi visual menunjukkan bahwa pembagian data menjadi 3 cluster memberikan pemisahan yang lebih jelas dan mudah diinterpretasikan. Cluster 1 mewakili framework dengan struktur kode kecil dan sederhana, sementara Cluster 2 dan Cluster 3 mencerminkan framework dengan struktur yang lebih kompleks dan ukuran kode yang lebih besar. Oleh karena itu, jumlah cluster 3 dipilih sebagai hasil yang optimal, karena memberikan keseimbangan antara kompleksitas model dan interpretasi yang jelas. Hasil clustering menggunakan sistem berbasis website menunjukkan presisi lebih tinggi, dengan perhitungan jarak yang mencapai hingga 15 angka di belakang koma, dibandingkan perhitungan manual yang hanya mencapai 5-6 angka, yang mengindikasikan peningkatan akurasi. Penelitian ini memberikan kontribusi pada pengelompokan framework PHP yang lebih efisien dan membantu pengembang memilih tools yang sesuai.

Page 38 of 52 | Total Record : 515

 36   37   38   39   40 

Filter by Year

2016 2026


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 - In Process Vol 7, No 2 (2022): July 2022 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