cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
-
Contact Email
-
Phone
-
Journal Mail Official
-
Editorial Address
-
Location
Kab. ponorogo,
Jawa timur
INDONESIA
Fountain of Informatics Journal
Published by Universitas Darussalam Gontor
ISSN : 25414313     EISSN : 25485113     DOI : -
Core Subject :
Fountain of Informatics Journal (FIJ), with registered ISSN 2541-4313 (Print), ISSN 2548-5113 (Online), and DOI 10.21111/fij, is a peer-reviewed journal published semi-annual (May and November) by Universitas Darussalam Gontor. The FIJ invites manuscripts in the various topics include, but not limited to, functional areas of the information system, software engineering, computer network and game technology.
Arjuna Subject : -
Articles 6 Documents
 1 
Search results for , issue "Vol. 9 No. 1 (2024): Mei 2024" : 6 Documents clear
Penerapan Algoritma K-Means Clustering dalam Analisis Tes Potensi Akademik di Universitas Mercu Buana Berdasarkan Skor Tes Nur, Nur Umar Azaliy Awal; Dwiasnati, Saruni
Fountain of Informatics Journal Vol. 9 No. 1 (2024): Mei 2024
Publisher : Universitas Darussalam Gontor

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Abstrak Penelitian ini membahas tentang pengelompokan nilai Tes Potensi Akademik di salah satu kampus, yaitu Universitas Mercu Buana. Karena banyaknya potensi dari mahasiswa yang tidak terlihat, jadi dengan melakukannya pengelompokan data kredit skor dari hasil tes potensi yang telah dilakukan saat pendaftaran masuk Universitas, di harapkan Mahasiswa kedepannya mampu memberikan hasil yang sangat cocok dengan pengelompokan cluster yang telah di dapatkan hasilnya pada penelitian kali ini. Dalam metode K-Means Clustering, data yang memiliki karakteristik yang sama dalam satu kelompok dan memiliki data karakteristik yang berbeda dengan kelompok lain akan dikelompokan dalam satu cluster. Pada penelitian yang dilakukan menggunakan 4 cluster, dengan jumlah data mahasiswa yaitu 1222, dengan persentase masing-masing kategori Jurusan Informatika 2019 (12.6%), Informatika 2020 (27.9%), Informasi 2019 (9%), dan Informasi 2020 (50.4%). Hasil pengujian pada cluster nantinya akan menampilkan gambar hasil visualisasi dan perhitungan pada cluster akan menggunakan scikit-learn. Dari penelitian ini di harapkan sebagai bahan masukan dengan harapan dapat memberikan motivasi kepada seluruh pelajar di Indonesia agar lebih bisa mengasah kemampuan belajar. Kata kunci: Tes Potensi Akademik, Mahasiswa Universitas Mercu Buana, K-Means Cluster, Elbow Method.   Abstract [Implementation of K-Means Clustering Algorithm in Academic Potential Test Analysis at Mercu Buana University Based on Test Scores] This research discusses the clustering of Academic Potential Test scores at one campus, namely Mercu Buana University. Due to the hidden potential of students, the data is grouped by credit score from the potential test conducted during university admission registration. It is hoped that future students will be able to produce results that match the obtained cluster grouping from this research. In the K-Means Clustering method, data with similar characteristics within one group and different characteristics from other groups are grouped into one cluster. The study used 4 clusters with a total of 1222 student data, with percentages for each category: Informatics 2019 (12.6%), Informatics 2020 (27.9%), Information 2019 (9%), and Information 2020 (50.4%). The testing results will display visualized outcomes, and the cluster calculations will use scikit-learn. This research aims to provide input and motivation for all students in Indonesia to sharpen their learning abilities. Keywords: Academic Potential Test, Mercu Buana University students, K-Means Cluster, Elbow Method.
Pemanfaatan Rest Api Sebagai Arsitektur Komunikasi Untuk Peningkatan Unjuk Kerja Sistem Informasi Sekolah Terpadu Muhamad Ilham, Lukman; Hermanto, Agus
Fountain of Informatics Journal Vol. 9 No. 1 (2024): Mei 2024
Publisher : Universitas Darussalam Gontor

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Abstrak Sistem informasi telah dimanfaatkan dalam berbagai sektor, salah satunya yaitu sektor pendidikan. SDIT BISA Jakarta Barat merupakan salah satu lembaga pendidikan yang memanfaatkan sistem informasi dalam bentuk website. Peneliti merasa bahwa sistem informasi dalam bentuk website masih bisa ditingkatkan unjuk kerjanya. Dalam upaya meningkatkan unjuk kerjanya, peneliti mengembangkan sistem informasi tersebut ke dalam bentuk aplikasi Android dengan memanfaatkan REST API sebagai arsitektur komunikasi antara aplikasi dengan server. Penelitian ini meneliti 3 aspek yaitu b Kata kunci: Android, REST API, Sistem Informasi   Abstract [Utilization of REST API as Communication Architecture for Performance Improvement of Integrated School Information System] Information systems have been used in various sectors, one of which is the education sector. SDIT BISA West Jakarta is one of the educational institutions that uses information systems through websites. Researchers feel that the performance of information systems in the form of a website can still be improved. To improve its performance, researchers developed the information system into an Android application by utilizing the REST API as a communication architecture between the application and the server. This research examines 3 aspects, namely how to develop an Android-based Integrated School Information System using the REST API, how to implement an Android-based Integrated School Information System using the REST API, and how to improve the performance of the Integrated School Information System using the REST API. The stages of this research are application development, indicator search, indicator testing, and evaluation of test results. This research uses 10 indicators, namely Usability, Functionality, Reliability, Portability, Integrity, Supportability, Correctness, Maintainability, Interoperability, and Efficiency. The results showed that 6 indicators (Usability, Functionality, Portability, Supportability, Correctness, and Maintainability) have increased, 2 indicators (Integrity and Interoperability) have not changed, and 2 (Reliability and Efficiency) indicators have decreased. Keywords: Android, Information System, REST API
Implementasi Metode Naive Bayes pada Sistem Diagnosis Penyakit Mata (Studi Kasus Poli Mata Rumah Sakit Islam Jemursari Surabaya): Implementation of Naive Bayes Method on Eye Disease Diagnosis System (Ophthalmology Poly Case Study at Jemursari Islamic Hospital Surabaya) Raihan Febrianto Grahadi; Rokhmatul Insani; Berlian Rahmy Lidiawaty
Fountain of Informatics Journal Vol. 9 No. 1 (2024): Mei 2024
Publisher : Universitas Darussalam Gontor

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Abstrak Lamanya waktu tunggu dalam pemeriksaan dokter mata di rumah sakit dapat meningkatkan risiko terpapar infeksi virus lain. Maka dari itu diperlukannya sebuah sistem diagnosis yang cepat, akurat dan efektif untuk mengurangi lamanya waktu tunggu. Oleh karena itu, penelitian ini bertujuan untuk membuat sistem diagnosis penyakit mata berbasis web dengan menggunakan metode klasifikasi Naïve Bayes. Sistem dikembangkan dengan mengambil dataset berupa data rekam medik pasien sebanyak 6074 data. Atribut pada dataset yang akan digunakan dalam sistem ini meliputi umur, jenis kelamin, keluhan, dan diagnosis. Sistem ini dibangun dengan metode Naïve Bayes sebagai algoritma data mining yang menggunakan bahasa pemrograman Python sebagai tools pengolahan data. HTML, CSS, JS, dan PHP sebagai bahasa pemrograman pembangun website yang digunakan sebagai tempat visualisasi dan inputan data oleh user yang didukung MySQL sebagai database penyimpanan data. Hasil yang didapatkan dari sistem diagnosis penyakit mata berbasis web dengan perbandingan metode Gaussian Naïve Bayes dan Bernoulli Naïve Bayes ini mampu mendapatkan akurasi sebesar 93.42 % dan 90.79%, sehingga menjadi sistem pendukung keputusan yang dapat membantu dokter dalam mengambil keputusan diagnosis penyakit mata pasien. Dengan adanya sistem ini, dapat mempermudah proses diagnosis penyakit mata serta dapat membantu dokter dalam mengambil keputusan yang tepat dalam waktu singkat. Kata kunci: Klasifikasi Penyakit Mata, Sistem Diagnosis Penyakit Mata, Naïve Bayes   Abstract [Implementation of Naive Bayes Method on Eye Disease Diagnosis System (Ophthalmology Poly Case Study at Jemursari Islamic Hospital Surabaya)] The waiting time during an eye doctor's examination at the hospital can increase the risk of exposure to other virus infections. Therefore, a fast, accurate, and effective diagnostic system is needed to reduce waiting time. This study aims to develop a web-based eye disease diagnosis system using the Naïve Bayes classification method. The system was developed using a dataset consisting of 6074 patient medical records. The attributes of the dataset used in this system include age, gender, complaints, and diagnosis. The system was built using the Naïve Bayes method as a data-mining algorithm using the Python programming language for data processing. HTML, CSS, JS, and PHP are website builder programming languages used for visualization and data input by users, supported by MySQL as the data storage database. The results obtained from the web-based eye disease diagnosis system with a comparison of Gaussian Naïve Bayes and Bernoulli Naïve Bayes methods achieved accuracies of 93.42% and 90.79%, respectively, making it a decision support system that can assist doctors in making diagnoses of patients' eye diseases. With this system, the process of diagnosing eye diseases can be simplified and doctors can be assisted in making the right decisions in a short time. Keywords: Classification of Eye Diseases, System for Diagnosing Eye Diseases, Naïve Bayes.
Pemodelan Sistem Dinamik Mitigasi Banjir Untuk Mengurangi Luas Sawah Terdampak Banjir Di Jawa Timur: A System Thinking Approach Riski, Raulia; Anisa Dzulkarnain; Adzanil Rachmadhi Putra; Julieta Arneysa Nixieshakira; Siti Nur Fadhilah; Yanuar Cahyo Eko Wahana
Fountain of Informatics Journal Vol. 9 No. 1 (2024): Mei 2024
Publisher : Universitas Darussalam Gontor

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Abstrak Indonesia merupakan salah satu negara Agraris terbesar di dunia, yang artinya sebagian besar penduduk Negara Indonesia bekerja di sektor pertanian, termasuk di Jawa Timur. Salah satu media databooks juga mencatatkan bahwa Jawa Timur adalah provinsi dengan luas lahan pertanian seluas 1.7 hektare. Namun sayangnya, Jawa Timur juga tercatat sebagai daerah yang sering terjadi banjir. Dimana tercatat sejumlah 211 kasus banjir yang melanda Jawa Timur pada tahun 2022. Beberapa kasus banjir yang terjadi juga mempengaruhi rasio jumlah lahan pertanian produktif yang ada di area Jawa Timur. Penelitian ini mengadopsi metode System Dynamic untuk mengidentifikasi faktor aktor-faktor yang mempengaruhi banjir, terutama pada sektor pertanian, kemudian mengidentifikasi penanganan dan pencegahan banjir tersebut untuk mengurangi jumlah sawah yang terdampak. Penelitian ini merupakan penelitian deskriptif kualitatif dengan sumber data primer maupun sekunder dari website pemerintah maupun jurnal terdahulu. Penelitian ini disajikan dalam bentuk analisis diagram kausatik mengenai mitigasi banjir pada sektor pertanian di Jawa Timur. Hasil penelitian menunjukkan ada tujuh submodel yang saling mempengaruhi dalam sistem mitigasi bencana banjir dalam penelitian ini, yaitu economic vulnerability, physical vulnerability, flood vulnerability, social vulnerability, adaptive capacity, flood risk, dan flood hazard. Kata kunci: mitigasi bencana banjir, sawah, sistem dinamik, pemodelan, diagram kausatik   Abstract [System Dynamics Model of Flood Mitigation to Reduce the Flood-Affected Rice Fields Area in East Java: A System Thinking Approach] Indonesia is one of the largest agricultural countries in the world, which means that the majority of the Indonesian population works in the agricultural sector, including in East Java. One of the media databooks also noted that East Java is a province with an agricultural land area of 1.7 hectares. However, unfortunately, East Java is also listed as an area that frequently experiences flooding. A total of 211 cases of flooding were recorded that hit East Java in 2022. Several cases of flooding that occurred also affected the ratio of the amount of productive agricultural land in the East Java area. This research adopts the System Dynamic method to identify the factors that influence flooding, especially in the agricultural sector, then identify the handling and prevention of flooding to reduce the number of affected rice fields. This research is a qualitative descriptive study with primary and secondary data sources from government websites and previous journals. This research is presented in the form of a causal diagram analysis regarding flood mitigation in the agricultural sector in East Java. The research results show that there are seven sub-models that influence each other in the flood disaster mitigation system in this research, namely economic vulnerability, physical vulnerability, flood vulnerability, social vulnerability, adaptive capacity, flood risk, and flood hazard. Keywords: flood mitigation, rice field, system dynamics, modeling, causal diagram
Enhancing Covid-19 Diagnosis: Glrlm Texture Analysis And Kelm For Lung X-Ray Classification Novitasari, Dian C Rini; Ramadanti , Alvin Nuralif; Haq, Dina Zatusiva
Fountain of Informatics Journal Vol. 9 No. 1 (2024): Mei 2024
Publisher : Universitas Darussalam Gontor

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Abstrak This study aims to diagnose COVID-19 using GLRLM feature extraction, known for its high accuracy, and optimize Kernel Extreme Learning Machine (KELM) with Genetic Algorithm (GA) for improved computational efficiency, along with Principal Component Analysis (PCA) for data reduction. The gamma values in KELM are optimized using GA, yielding the best solution function. Results reveal that at angles of 0°, 45°, and 135°, the optimal gamma value with KELM is 1, while at 90°, GA determines it to be 1.35. This adjustment demonstrates the critical role of gamma values in achieving optimal performance. Performance analysis of various classification methods demonstrates that GLRLM-PCA-Optimized KELM outperforms others, achieving an accuracy exceeding 97%, particularly notable at 90° angles. This study shows that the importance of hyperparameter optimization in enhancing classification accuracy, revealing a significant improvement of over 1% compared to non-optimized models. Kata kunci: COVID-19, GLRLM, KELM, Feature Reduction, PCA   Abstract Penelitian ini bertujuan untuk mendiagnosis COVID-19 menggunakan ekstraksi fitur GLRLM yang dikenal dengan akurasi tinggi, dan mengoptimalkan Kernel Extreme Learning Machine (KELM) dengan Algoritma Genetika (GA) untuk meningkatkan efisiensi komputasi, bersama dengan Principal Component Analysis (PCA) untuk reduksi data. Nilai gamma dalam KELM dioptimalkan menggunakan GA, menghasilkan fungsi solusi terbaik. Hasil penelitian menunjukkan bahwa pada sudut 0°, 45°, dan 135°, nilai gamma optimal dengan KELM adalah 1, sedangkan pada 90°, GA menentukan nilainya menjadi 1,35. Penyesuaian ini menunjukkan peran penting nilai gamma dalam mencapai kinerja optimal. Analisis kinerja berbagai metode klasifikasi menunjukkan bahwa GLRLM-PCA-KELM yang Dioptimalkan mengungguli yang lain, mencapai akurasi lebih dari 97%, terutama mencolok pada sudut 90°. Studi ini menyoroti pentingnya optimasi hyperparameter dalam meningkatkan akurasi klasifikasi, mengungkapkan peningkatan signifikan lebih dari 1% dibandingkan dengan model KELM konvesional. Keywords: COVID-19, GLRLM, KELM, Feature Reduction, PCA
Analisis Sentimen Netizen Terhadap Personal Branding Elon Musk Pada Platform X Dengan Pendekatan Analisis Support Vector Machine Armadianti, Wanda; Brilliant Lastono, Avicenna Syeh; Putra, Fahrul Ramadhan; Al Ghozi, Ihsan Kamil; Rakhmawati, Nur Aini
Fountain of Informatics Journal Vol. 9 No. 1 (2024): Mei 2024
Publisher : Universitas Darussalam Gontor

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Abstrak Dalam era digital yang berkembang, personal branding menjadi kunci dalam memengaruhi opini publik. Tokoh terkenal seperti Elon Musk menggunakan media sosial, seperti Platform X, untuk mengekspresikan pandangan dan perasaan serta mengundang pujian dan kritik. Penelitian ini bertujuan untuk menganalisis sentimen netizen terhadap personal branding Elon Musk di Platform X dengan menggunakan metode Support Vector Machine (SVM) untuk pengklasifikasiannya. Beberapa proses yang dilakukan dalam penelitian ini adalah proses pengumpulan data, pelabelan data, praproses data, pembangunan model, evaluasi model, hingga visualisasi data. Data mentah berasal dari tweet netizen pada akun @elonmusk di Platform X. Tweet diklasifikasikan menjadi 3 jenis sentimen, yaitu positif, negatif, dan netral. Dari 245 data yang dikumpulkan, didapatkan data dengan sentimen positif berjumlah 82 data, negatif berjumlah 51 data, dan netral berjumlah 56 data. Model SVM menunjukkan kinerja terbaik pada klasifikasi "positif" dengan presisi tinggi (0,5135) dan recall tinggi (0,826), serta skor f1 yang baik (0,633). Untuk sentimen negatif, presisi tinggi (0,7142) tetapi recall lebih rendah (0,454). Model kurang baik dalam mengenali sentimen netral dengan presisi (0,25), recall (0,071), dan skor f1 (0,111) yang rendah. Setelah model dibangun dan dilakukan pengklasifikasian, data menunjukkan dominasi sentimen positif dalam personal branding Elon Musk. Kata kunci: Elon Musk, Personal Branding, Sentimen, SVM   Abstract [Analysis of Netizen Sentiment Towards Elon Musk's Personal Branding on Platform X Using a Support Vector Machine (SVM) Analysis Approach] In the growing digital era, personal branding is the key to influencing public opinion. Famous figures such as Elon Musk use social media, such as Platform X, to express views and feelings and invite praise and criticism. This research aims to analyze netizen sentiment toward Elon Musk's personal branding on Platform X using the Support Vector Machine (SVM) method for classification. Several processes carried out in this research are data collection, data labeling, data preprocessing, model building, model evaluation, and data visualization. The raw data comes from netizen tweets on the @elonmusk account on Platform X. Tweets are classified into 3 types of sentiment, namely positive, negative, and neutral. Of the 245 data collected, 82 data were obtained with positive sentiment, 51 negative data, and 56 neutral data. The SVM model showed the best performance on “positive” classification with high precision (0.5135) and high recall (0.826), as well as a good f1 score (0.633). For negative sentiment, precision is high (0.7142) but recall is lower (0.454). The model is not good at recognizing neutral sentiment with low precision (0.25), recall (0.071), and f1 score (0.111). After the model was built and classified, the data showed the dominance of positive sentiment in Elon Musk's personal branding. Keywords: Elon Musk, Personal Branding, Sentiment, SVM

Page 1 of 1 | Total Record : 6

 1 

Filter by Year

2024 2024


Reset
Filter By Issues
All Issue Vol. 10 No. 1 (2025): Mei Vol. 9 No. 2 (2024): November 2024 Vol. 9 No. 1 (2024): Mei 2024 Vol. 8 No. 2 (2023): November Vol. 8 No. 1 (2023): Mei Vol 7, No 2 (2022): November 2022 Vol. 7 No. 3 (2022): Specials Issue Desember - Seminar Nasional Sains dan Teknologi Vol. 7 No. 2 (2022): November Vol 7, No 1 (2022): Mei Vol. 6 No. 2 (2021): November Vol 6, No 2 (2021): November Vol 6, No 1 (2021): Mei Vol 5, No 3 (2020): Specials Issue November - Seminar Nasional Sains dan Teknologi Vol 5, No 2 (2020): November Vol 5, No 1 (2020): Mei Vol 4, No 2 (2019): November Vol 4, No 1 (2019): Mei Vol 3, No 2 (2018): November Vol 3, No 1 (2018): Mei Vol 2, No 2 (2017): November Vol 2, No 1 (2017): Mei Vol 1, No 2 (2016): November More Issue