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 522 Documents
 49   50   51   52   53 
Penerapan Low-Rank Adaptation (LoRA) pada Stable Diffusion untuk Generasi Citra Motif Batik Indonesia Agung Riyadi; Muhammad Falih Hilmy
CESS (Journal of Computer Engineering, System and Science) Vol. 11 No. 2 (2026): Juli 2026
Publisher : Universitas Negeri Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24114/cess.v11i2.75575

Abstract

Perkembangan model text-to-image berbasis difusi memberikan peluang dalam pengembangan motif batik Indonesia menggunakan kecerdasan buatan. Penelitian ini bertujuan menerapkan Low-Rank Adaptation (LoRA) pada Stable Diffusion 1.5 untuk menghasilkan citra enam motif batik Indonesia, yaitu Parang, Ceplok, Kawung, Buketan, Lasem, dan Mega Mendung. Dataset yang digunakan terdiri atas 300 citra yang telah melalui tahap pra-pemrosesan sebelum dilatih menggunakan KohyaSS. Evaluasi dilakukan menggunakan Frechet Inception Distance (FID) dan Contrastive Language–Image Pre-training (CLIP) Score. Hasil penelitian menunjukkan bahwa motif Buketan memperoleh performa terbaik dengan nilai FID sebesar 24,81 dan CLIP Score sebesar 0,351, sedangkan motif Parang memperoleh nilai FID sebesar 41,52 dan CLIP Score sebesar 0,286. Hasil tersebut menunjukkan bahwa metode LoRA mampu menghasilkan citra motif batik dengan kualitas visual dan kesesuaian semantik yang baik pada beberapa kategori motif, meskipun performanya masih bervariasi pada setiap motif.
Perbandingan Random Forest  dan XGBoost untuk Klasifikasi Sanitasi Tidak Layak pada Rumah Tangga Indonesia Fatiya Hanifah; Kinanti Rizky Pangestutik; Ain Fitri Basri; Bagus Sartono; Aulia Rizki Firdawanti
CESS (Journal of Computer Engineering, System and Science) Vol. 11 No. 2 (2026): Juli 2026
Publisher : Universitas Negeri Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24114/cess.v11i2.76041

Abstract

Sanitasi layak merupakan indikator penting kesehatan lingkungan dan target Tujuan Pembangunan Berkelanjutan 6.2. Penelitian ini membandingkan Random Forest  dan XGBoost untuk mengklasifikasikan status sanitasi rumah tangga Indonesia menggunakan data Susenas 2024. Variabel respon dibentuk dari kepemilikan fasilitas buang air besar (BAB), jenis kloset, dan tempat pembuangan akhir tinja, sedangkan 19 prediktor dinotasikan sebagai X1 hingga X19 yang mencakup wilayah, karakteristik kepala rumah tangga, kondisi rumah, akses layanan dasar, aset, bantuan sosial, dan kerawanan pangan. Data dibagi 80:20; ketidakseimbangan kelas ditangani menggunakan SMOTE pada Random Forest  dan class weight pada XGBoost. Empat skenario dibandingkan menggunakan accuracy, kappa, sensitivity, specificity, precision, F1-score, dan AUC. Hasil menunjukkan XGBoost dengan class weight memiliki sensitivity tertinggi (0,6966) dan F1-score tertinggi (0,5807). Interpretasi SHAP mengidentifikasi perdesaan, kepemilikan aset, penggunaan kayu bakar, lantai keramik, dan dinding kayu/papan sebagai variabel paling berpengaruh. Model XGBoost dengan class weight dipilih karena paling relevan untuk mendeteksi sanitasi Tidak Layak.

Page 53 of 53 | Total Record : 522

 49   50   51   52   53 

Filter by Year

2016 2026


Reset
Filter By Issues
All Issue Vol. 11 No. 2 (2026): Juli 2026 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