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
Kota adm. jakarta selatan,
Dki jakarta
INDONESIA
Jurnal Ilmiah KOMPUTASI
Published by STMIK JAKARTA STI&K
ISSN : 14129434     EISSN : 25497227     DOI : -
Core Subject : Science,
Computer Science & IT
Jurnal Ilmiah Komputasi ISSN : 1412-9434 adalah jurnal ilmiah di bidang Komputer dan Komunikasi yang memuat tulisan-tulisan ilmiah mengenai penelitian-penelitian di bidang: perangkat keras, perangkat lunak, komputasi, jaringan komputer dan komunikasi data. Jurnal terbit empat kali dalam setahun yakni bulan Juni, September, Desember, Maret dan diterbitkan oleh Lembaga Penelitian Sekolah Tinggi Manajemen Informatika dan Komputer STI&K. Dewan penyunting merupakan mitra bestari dari beberapa perguruan tinggi yakni: Universitas Gunadarma (UG), Sekolah Tinggi Teknik Cendekia (STTC), Sekolah TinggiManajemen Informatika dan Komputer Pradnya Paramita Malang (STIMATA) dan Universitas Indonesia (UI). Redaksi mengundang para peneliti, praktisi, dan mahasiswa untuk menulis perkembangan ilmu di bidang-bidang tersebut.
Arjuna Subject : -
Articles 16 Documents
 1   2 
Search results for , issue "Vol. 24 No. 3 (2025): Jurnal Ilmiah Komputasi : Vol. 24 No 3, September 2025" : 16 Documents clear
Analisis Sentimen Pengguna X Terhadap Coretax Menggunakan Naïve Bayes Dan Logistic Regression Siregar, Richi Nauli Juniarto; Riansyah, Muhammad Bintang Naufal; Hendrawan, Deni Agus; Baidhawi, Alif; Nugraha, Allan; Tania, Ken Ditha; Rifai, Ahmad
Jurnal Ilmiah Komputasi Vol. 24 No. 3 (2025): Jurnal Ilmiah Komputasi : Vol. 24 No 3, September 2025
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32409/jikstik.24.3.3814

Abstract

Studi ini bertujuan menganalisis sentimen publik terhadap Core Tax Administration System (CTAS), layanan pajak digital baru Direktorat Jenderal Pajak (DJP) di Indonesia. Sebanyak 2.530 tweet berbahasa Indonesia di platform X dikumpulkan melalui web scraping antara 1 Januari dan 8 Februari 2025. Setiap tweet dipra-proses: pembersihan, case folding, tokenisasi, normalisasi, stemming, penyaringan, dan pelabelan sentimen dengan leksikon InSet. Term Frequency Inverse Document Frequency (TF-IDF) digunakan untuk ekstraksi fitur, lalu dua algoritma klasifikasi Naive Bayes dan Logistic Regression diuji dengan rasio 80:20. Logistic Regression unggul dengan akurasi 80,83%, presisi 80,4%, recall 80,8%, dan skor F1 78,6%, sedangkan Naive Bayes mencapai akurasi 52,96%. Analisis word cloud mengidentifikasi kata atau frasa yang paling sering muncul. Temuan ini menegaskan keunggulan Logistic Regression dalam klasifikasi sentimen dan memberikan rekomendasi bagi pembuat kebijakan serta pengembang sistem untuk meningkatkan kegunaan CTAS dan memperkuat kepercayaan publik
Analisis Sentimen pada X terhadap Deepseek R1 dengan Multinomial Naive Bayes Classifier Fathoni; Ibrahim, Ali; Siregar, Richi Nauli Juniarto; Pakpahan, Jonathan; Khoirunnisa, Ananda; Ningsih, Rafika Octaria
Jurnal Ilmiah Komputasi Vol. 24 No. 3 (2025): Jurnal Ilmiah Komputasi : Vol. 24 No 3, September 2025
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32409/jikstik.24.3.3818

Abstract

Penelitian ini bertujuan menganalisis sentimen pengguna platform X terhadap model kecerdasan buatan DeepSeek R1 menggunakan algoritma Multinomial Naïve Bayes. Data diperoleh melalui web scraping dari 2.284 tweet berbahasa Indonesia dengan kata kunci "deepseek". Tahap preprocessing meliputi cleaning, tokenization, normalization, stemming, dan filtering dilakukan untuk meminimalkan noise. Hasil klasifikasi menunjukkan distribusi sentimen yang seimbang, dengan 52,1% tweet positif dan 47,9% negatif. Model mencapai akurasi sebesar 75%, mengindikasikan kemampuan yang cukup baik dalam mengidentifikasi polaritas sentimen. Temuan ini memberikan gambaran awal mengenai respons publik terhadap inovasi AI serta potensi metode klasifikasi berbasis teks untuk analisis persepsi teknologi.
Segmentasi Spasial Tingkat Kemiskinan Provinsi Sumatera Selatan Menggunakan Pendekatan Klasterisasi K-Means Jonathan Pakpahan; Septhia Charenda Putri; Ananda Khoirunnisa; Rafika Octaria Ningsih; Putri Mutiara Arinie; Arvhi Randita Setia; Ken Ditha Tania; Allsela Meiriza
Jurnal Ilmiah Komputasi Vol. 24 No. 3 (2025): Jurnal Ilmiah Komputasi : Vol. 24 No 3, September 2025
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32409/jikstik.24.3.3820

Abstract

Kemiskinan adalah tantangan utama dalam pembangunan ekonomi yang membutuhkan analisis berbasis data. Kajian ini menerapkan metode klasterisasi K-Means untuk segmentasi spasial tingkat kemiskinan berdasarkan indikator sosial-ekonomi, seperti persentase penduduk miskin, rata-rata lama sekolah, pengeluaran per kapita, serta indeks kedalaman dan keparahan kemiskinan. Data dari BPS tahun 2024 diolah menggunakan pendekatan Knowledge Discovery in Database (KDD) melalui tahapan seleksi data, prapemrosesan, transformasi, penambangan data, dan evaluasi menggunakan RapidMiner. Hasil klasterisasi membentuk empat kelompok dengan disparitas kesejahteraan antarwilayah, di mana beberapa daerah menunjukkan tingkat kemiskinan yang lebih tinggi. Melalui pemetaan berbasis data ini, penelitian diharapkan menjadi dasar bagi pengambil kebijakan dalam merancang strategi penanggulangan kemiskinan yang efektif dan tepat sasaran guna mengurangi ketimpangan sosial serta meningkatkan kesejahteraan masyarakat di Provinsi Sumatera Selatan. Kata kunci: Kemiskinan, K-Means, Klasterisasi, Data Mining, Sumatera Selatan.
Penerapan Sistem Pendukung Keputusan Berbasis Web untuk Pemilihan Mahasiswa Lulusan Terbaik Menggunakan Metode Simple Additive Weighting Eka Putra Nugraha; Sekarwati, Kemal Ade
Jurnal Ilmiah Komputasi Vol. 24 No. 3 (2025): Jurnal Ilmiah Komputasi : Vol. 24 No 3, September 2025
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32409/jikstik.24.3.3827

Abstract

Proses menentukan lulusan terbaik di institusi pendidikan tinggi adalah aktivitas strategis yang bertujuan memberikan penghargaan atas pencapaian akademik mahasiswa. Di Fakultas Ekonomi dan Bisnis Universitas Pakuan, evaluasi untuk menentukan lulusan terbaik masih menggunakan metode konvensional yang tidak efisien dan memiliki risiko kesalahan tinggi. Penelitian ini bertujuan untuk menghasilkan sistem pendukung keputusan pemilihan mahasiswa lulusan terbaik yang objektif, transparan, dan efisien menggunakan metode Simple Additive Weighting (SAW). Penelitian ini mengadopsi metode kuantitatif deskriptif, mengimplementasikan algoritma Simple Additive Weighting untuk proses evaluasi multi-kriteria, serta menggunakan metode Extreme Programming dalam tahap pengembangan aplikasi. Data penelitian meliputi 182 mahasiswa Program Studi Manajemen dan Akuntansi gelombang 2 Agustus 2024 yang dinilai berdasarkan lima kriteria: IPK (30%), Masa Studi (25%), Nilai Tugas Akhir (20%), Jumlah Sertifikat SKPI (15%), dan Nilai C Min. 1 (10%). Hasil penelitian menunjukkan bahwa sistem berhasil melakukan proses perhitungan dan perangkingan dengan akurasi 100%, menghasilkan Dwi Cahya Maharani sebagai lulusan terbaik dengan nilai preferensi 0,9547 setelah mempertimbangkan kebijakan masa studi minimum 42 bulan. Evaluasi fungsionalitas sistem menggunakan metode pengujian kotak hitam menunjukkan tingkat keberhasilan 100% pada seluruh komponen esensial aplikasi. Kesimpulannya, sistem pendukung keputusan yang dikembangkan mampu melakukan pemilihan mahasiswa lulusan terbaik secara objektif, transparan, dan efisien sesuai dengan kriteria dan kebijakan yang ditetapkan fakultas
Rekonstruksi Timeline Aktivitas Smartphone untuk Investigasi Siber Ahmadi, Ahwan; Akbar, Taufik; Alimuddin, Alimuddin
Jurnal Ilmiah Komputasi Vol. 24 No. 3 (2025): Jurnal Ilmiah Komputasi : Vol. 24 No 3, September 2025
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32409/jikstik.24.3.3828

Abstract

Kejahatan siber yang semakin kompleks menuntut dilakukannya investigasi digital secara efektif, terutama melalui rekonstruksi timeline aktivitas pada smartphone. Penelitian ini bertujuan untuk mengidentifikasi dan menganalisis jejak digital pengguna smartphone sebagai bukti dalam proses penyidikan. Metode yang digunakan mengacu pada standar NIST (National Institute of Standards and Technology) yang mencakup tahap Collection, Examination, Analysis, dan Reporting, serta pemanfaatan perangkat lunak Oxygen Forensik. Hasil penelitian menunjukkan bahwa dari file image smartphone Samsung GT-S5282 berhasil diperoleh 460 data yang mencakup akun, kontak, aktivitas browser, pesan, serta koneksi nirkabel. Data ini disusun dalam format timeline terstruktur berdasarkan variabel yang telah ditentukan. Temuan ini menunjukkan efektivitas metode NIST dan perangkat Oxygen Forensik dalam merekonstruksi aktivitas pengguna smartphone. Kesimpulannya, pendekatan ini dapat membantu investigator dalam mengungkap kejahatan digital secara lebih cepat, akurat, dan efisien.
Penerapan Algoritma Dijkstra Pada Rancang Bangun Aplikasi Perencanaan Perjalanan Wisata Di Yogyakarta Oktaviani, Anisa
Jurnal Ilmiah Komputasi Vol. 24 No. 3 (2025): Jurnal Ilmiah Komputasi : Vol. 24 No 3, September 2025
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32409/jikstik.24.3.3831

Abstract

Kekayaan alam dan budaya yang dimiliki Indonesia menjadikan negara ini memiliki kota-kota dengan beragam pilihan destinasi wisata. Salah satunya, kota Yogyakarta yang menarik minat para wisatawan untuk berkunjung. Banyaknya pilihan tempat wisata yang di tawarkan membuat wisatawan harus pandai mengelola waktu agar efektif dalam melakukan perjalanan wisata. Aplikasi perencanaan wisata di daerah Yogyakarta adalah aplikasi yang dapat mempermudah wisatawan dalam membuat jadwal perjalanan wisata di Yogyakarta dengan estimasi waktu dan jarak terpendek sehingga dapat menghemat waktu, tenaga, dan biaya. Perhitungan perencanaan aplikasi menggunakan algoritma dijkstra. Aplikasi ini ditargetkan pada smartphone dengan sistem operasi android. Tahapan penelitian diawali dengan melakukan perencanaan untuk tolak ukur aplikasi, selanjutnya melakukan analisis aplikasi untuk pengumpulan data, menganalisa kebutuhan pada aplikasi, membuat batasan sistem, dan mendefinisikan kebutahan aplikasi. Setelah itu, pengimplementasian konsep-konsep yang telah dirancang. Tahap terakhir melakukan uji coba dengan menggunakan metode blackbox dan uji coba ke beberapa perangkat smartphone android. Hasil dari pengujian adalah aplikasi berjalan tanpa kendala dengan besar memori aplikasi setelah di install yaitu 7.36 MB.
Perbandingan Kinerja LSTM dan GA-LSTM dalam Prediksi Curah Hujan Harian sebagai Strategi Mitigasi Bencana Banjir di Jawa Timur Linggasari, Dienna Eries; Idhom, Mohammad; Trimono, Trimono
Jurnal Ilmiah Komputasi Vol. 24 No. 3 (2025): Jurnal Ilmiah Komputasi : Vol. 24 No 3, September 2025
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32409/jikstik.24.3.3833

Abstract

Curah hujan merupakan salah satu parameter iklim penting yang sangat memengaruhi keseimbangan lingkungan dan kehidupan manusia, khususnya di daerah tropis seperti Surabaya. Variabilitas curah hujan yang tinggi dapat memicu bencana banjir, sehingga prediksi curah hujan yang akurat menjadi langkah penting dalam upaya mitigasi. Namun, karakteristik curah hujan yang bersifat non-linear, musiman, dan mengandung banyak fluktuasi acak menjadikan prediksi ini sebagai tantangan tersendiri. Penelitian ini bertujuan untuk membandingkan performa model Long Short-Term Memory (LSTM) dan LSTM yang dioptimasi dengan algoritma genetika (GA-LSTM) dalam memprediksi curah hujan harian di Surabaya. Data yang digunakan merupakan data curah hujan harian dari BMKG Surabaya selama periode 2020–2024. Metode penelitian mencakup preprocessing data, pembentukan sekuens, pelatihan model LSTM, optimasi hyperparameter menggunakan GA, serta evaluasi model dengan metrik MSE, RMSE, dan MAE. Hasil penelitian menunjukkan bahwa model GA-LSTM memberikan hasil prediksi yang lebih akurat dengan nilai MSE sebesar 0.0060, dibandingkan dengan LSTM standar sebesar 133.33. Performa GA-LSTM yang lebih stabil dalam menangani fluktuasi ekstrem menunjukkan bahwa pendekatan optimasi berbasis evolusi efektif dalam meningkatkan akurasi prediksi deret waktu curah hujan. Hasil ini diharapkan dapat menjadi referensi ilmiah bagi perumusan kebijakan mitigasi banjir berbasis data.
Sistem Inventori Persediaan Produk Berbasis Web di Toko Nanik Tri Menggunakan Framework Laravel Sabiila, Yuwhay Jahdan; Cahyo Utomo, Ihsan
Jurnal Ilmiah Komputasi Vol. 24 No. 3 (2025): Jurnal Ilmiah Komputasi : Vol. 24 No 3, September 2025
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32409/jikstik.24.3.3834

Abstract

Pesatnya kemajuan teknologi telah mendorong perubahan di berbagai bidang, khususnya dalam pengelolaan inventaris dalam industri ritel. Sistem pencatatan manual yang masih digunakan oleh beberapa operator bisnis sering kali menimbulkan berbagai tantangan, termasuk keterlambatan dalam pelacakan inventaris, kemungkinan kehilangan data, dan penurunan ke efektifan dalam kerja. Penelitian memiliki tujuan untuk membuat dan menjalankan sistem pengelolaan data berbasis web di Toko Nanik Tri untuk menggantikan pendekatan tradisional. Sistem ini dibuat menggunakan Framework Laravel mengikuti model pengembangan Waterfall, dan mencakup fungsi-fungsi seperti mengelola kategori produk, mengawasi stok gudang dan display, mencatat pendapatan dan pengeluaran, dan mengelola akun pengguna sesuai dengan izin akses. Penilaian dilakukan menggunakan pendekatan blackbox testing serta System Usability Scale (SUS). Hasil uji menunjukkan sistem beroperasi sesuai dengan persyaratan dan spesifikasi, mencapai skor SUS rata-rata 75,6, menempatkannya dalam kategori "Good". Sistem ini telah menunjukkan kemampuannya untuk meningkatkan efisiensi pengelolaan inventaris dengan mempercepat entri data, meminimalkan kesalahan input, dan memfasilitasi akses data secara real-time, yang pada akhirnya meningkatkan ketepatan dan efisiensi dalam pengambilan keputusan.
Enhancing EfficientNetV2 for 12 Wheat Disease Classification Using Particle Swarm Optimization Ulaya, Jauza Zahra; Hartanto, Valentino
Jurnal Ilmiah Komputasi Vol. 24 No. 3 (2025): Jurnal Ilmiah Komputasi : Vol. 24 No 3, September 2025
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32409/jikstik.24.3.3835

Abstract

Wheat is an important crop for many people, yet vulnerable to diseases that significantly impact yield and quality. This research proposes an enhanced deep learning model for classifying 12 wheat disease types using EfficientNetV2 optimized with Particle Swarm Optimization (PSO). Unlike previous studies that focus on fewer classes, our approach utilizes a diverse dataset of over 11,167 real-field images. PSO is employed to fine-tune hyperparameters, such as learning rate, batch size, dropout, and hidden units, to improve model generalization. The EfficientNetV2+PSO model achieved 90.58% accuracy. Evaluation metrics, including accuracy, precision, recall, and F1-score, represent the improvement of the model's performance after using PSO. This study shows the effectiveness of combining PSO with EfficientNetV2 for accurate 12 wheat disease classification. It offers an effective method that can be applied to agricultural systems.
Sistem Pendukung Keputusan Untuk Pemilihan Pupuk Padi (Oryza sativa) Terbaik Berbasis Metode Pembobotan Entropy Dan Aras Niska, Debi Yandra; Khoiriyah Pohan, Nur Rizkah; Fadluna, Erika Putri; Ananda, Deswita
Jurnal Ilmiah Komputasi Vol. 24 No. 3 (2025): Jurnal Ilmiah Komputasi : Vol. 24 No 3, September 2025
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32409/jikstik.24.3.3838

Abstract

Penelitian ini mengembangkan sebuah Sistem Pendukung Keputusan (SPK) untuk pemilihan pupuk pada tanaman padi di Desa Padang Cermin, Kabupaten Langkat, dengan memadukan metode Entropy dan ARAS. Metode Entropy digunakan untuk menghitung bobot kriteria kandungan nitrogen (N), fosfor (P), kalium (K), harga, dan dosis berdasarkan variasi data. Selanjutnya, metode ARAS melakukan perankingan alternatif pupuk dengan membandingkan skor setiap alternatif terhadap alternatif ideal. Sistem diimplementasikan menggunakan bahasa pemrograman Python dan framework Flask, dilengkapi antarmuka web yang memudahkan pengguna memasukkan data kriteria dan alternatif, menampilkan bobot, serta mengeksekusi perhitungan secara real time. Hasil perhitungan menunjukkan bahwa pupuk NPK Mutiara memperoleh skor tertinggi, yakni 0,1354, sehingga direkomendasikan sebagai pilihan terbaik untuk meningkatkan produktivitas padi di lokasi studi. SPK ini diharapkan membantu petani dan penyuluh dalam membuat keputusan pemupukan yang lebih objektif dan efisien.

Page 1 of 2 | Total Record : 16

 1   2 

Filter by Year

2025 2025


Reset
Filter By Issues
All Issue Vol. 24 No. 3 (2025): Jurnal Ilmiah Komputasi : Vol. 24 No 3, September 2025 Vol. 24 No. 2 (2025): Jurnal Ilmiah Komputasi : Vol. 24 No 2, Juni 2025 Vol. 24 No. 1 (2025): Jurnal Ilmiah Komputasi : Vol. 24 No 1, Maret 2025 Vol. 23 No. 4 (2024): Jurnal Ilmiah Komputasi : Vol. 23 No 4, Desember 2024 Vol. 23 No. 3 (2024): Jurnal Ilmiah Komputasi : Vol. 23 No 3, September 2024 Vol. 23 No. 2 (2024): Jurnal Ilmiah Komputasi : Vol. 23 No 2, Juni 2024 Vol. 23 No. 1 (2024): Jurnal Ilmiah Komputasi : Vol. 23 No 1, Maret 2024 Vol. 22 No. 4 (2023): Jurnal Ilmiah Komputasi : Vol. 22 No 4, Desember 2023 Vol. 22 No. 3 (2023): Jurnal Ilmiah Komputasi : Vol. 22 No 3, September 2023 Vol. 22 No. 2 (2023): Jurnal Ilmiah Komputasi : Vol. 22 No 2, Juni 2023 Vol. 22 No. 1 (2023): Jurnal Ilmiah Komputasi : Vol. 22 No 1, Maret 2023 Vol. 21 No. 4 (2022): Jurnal Ilmiah Komputasi : Vol. 21 No 4, Desember 2022 Vol. 21 No. 3 (2022): Jurnal Ilmiah Komputasi : Vol. 21 No 3, September 2022 Vol. 21 No. 2 (2022): Jurnal Ilmiah Komputasi Volume: 21 No. 2, Juni 2022 Vol. 21 No. 1 (2022): Jurnal Ilmiah Komputasi Volume: 21 No. 1, Maret 2022 Vol. 21 No. 2 (2022): Juni 2022 Vol. 20 No. 4 (2021): Jurnal Ilmiah Komputasi Volume: 20 No. 4, Desember 2021 Vol. 20 No. 1 (2021): Jurnal Ilmiah Komputasi Volume: 20 No. 1, Maret 2021 Vol. 19 No. 4 (2020): Jurnal Ilmiah Komputasi Volume: 19 No. 4, Desember 2020 Vol. 19 No. 3 (2020): Jurnal Ilmiah Komputasi Volume: 19 No. 3, September 2020 Vol. 19 No. 2 (2020): Jurnal Ilmiah Komputasi Volume: 19 No. 2, Juni 2020 Vol. 19 No. 1 (2020): Jurnal Ilmiah Komputasi Volume: 19 No. 1, Maret 2020 Vol 19, No 2 (2020): Juni Vol 19, No 1 (2020): Maret Vol 18, No 4 (2019): Desember Vol 18, No 3 (2019): September Vol 18, No 2 (2019): Juni Vol 18, No 1 (2019): Maret Vol 17, No 4 (2018): Desember Vol 17, No 3 (2018): September Vol 17, No 2 (2018): Juni Vol 17, No 1 (2018): Maret Vol 17, No 1 (2018): Maret Vol 16, No 3 (2017): Desember Vol 16, No 2 (2017): September Vol 16, No 1 (2017): Juni Vol 15, No 2 (2016): Desember Vol 15, No 1 (2016): Juni Vol 15, No 1 (2016): Jurnal Ilmiah KOMPUTASI Vol 14, No 2 (2015): Desember Vol 14, No 2 (2015): Desember Vol 14, No 1 (2015): Juni Vol. 12 No. 2 (2013): Jurnal Ilmiah Komputasi Volume: 12 No. 2, Desember 2013 Vol. 12 No. 1 (2013): Jurnal Ilmiah Komputasi Volume: 12 No. 1, Juni 2013 Vol 12, No 2 (2013): Desember More Issue