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 617 Documents
 36   37   38   39   40 
Analisis Sentimen Terhadap Universitas Gunadarma Berdasarkan Opini Pengguna Twitter Menggunakan Metode Naive Bayes Classifier Imam Mulya; Cut Maisyarah Karyati
Jurnal Ilmiah Komputasi Vol. 19 No. 4 (2020): Jurnal Ilmiah Komputasi Volume: 19 No. 4, Desember 2020
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32409/jikstik.19.4.354

Abstract

Dalam upaya meningkatkan peminat mahasiswa baru, Universitas Gunadarma perlu mengetahui dan memperoleh opini masyarakat mengenai reputasi dan layanannya sendiri. Hal ini dapat dianalisa melalui kalimat-kalimat pada media sosial diantaranya melalui tweet pada twitter. Data yang digunakan pada penelitian ini berasal dari twitter yang berupa data opini pengguna komentar dari situs: https://www.twitter.com dengan kata kunci Gunadarma pada kolom pencarian, data opini yang diambil 365 data pada tanggal 26 April 2020 yang didapatkan dengan menggunakan bantuan aplikasi Crawling tweet Twitter pada sistus: https://netlytic.org/ yang di generated otomatis ke dalam format .csv. Data latih dianalisis berdasarkan nilai atributnya dengan menggunakan suatu metode klasifikasi. Proporsi data latih berjumlah 187 data dari total 267 data. Sementara jumlah data uji adalah sebanyak 80 data dari total data. Penelitian ini menggunakan bahasa R dengan IDE RStudio. Kemudian proses klasifikasi dilakukan menggunakan 2 metode yakni: lexicon based untuk menentukan kalimat supaya memiliki makna sentimen positif atau negatif dan naive bayes classifier untuk menghitung akurasi antara prediksi dan hasil actual dari sistem. Analisis sentimen divisualisasikan dalam bentuk histogram, diagram pie dan wordcloud. Pada penelitian analisis sentimen ini didapatkan hasil akurasi klasifikasi data tweet dari sistem analisis sentimen dengan menggunakan naive bayes classifier sebesar 86.42% dengan kesalahan system sebesar 13.58%. Berdasarkan hasil analisis sentimen tersebut dapat disimpulkan bahwa sentimen pengguna Twitter terhadap Universitas Gunadarma memiliki kecenderungan sentimen positif. Analisis sentimen terhadap Universitas Gunadarma dapat dimanfaatkan pihak Universitas Gunadarma dan dijadikan acuan untuk kemajuan dan meningkatkan kinerja dari berbagai pihak terkait.
Analisis Kerentanan Keamanan Pada Management Information System USAID SEA-PROJECT Menggunakan Metode OWASP : Array Yuswandi
Jurnal Ilmiah Komputasi Vol. 19 No. 4 (2020): Jurnal Ilmiah Komputasi Volume: 19 No. 4, Desember 2020
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32409/jikstik.19.4.355

Abstract

Kerentanan keamanan pada sebuah aplikasi berbasis web dapat diuji dengan cara melakukan penetrasi terhadap aplikasi tersebut. Teknik pengujian yang diterapkan dalam penelitian ini mengambil petunjuk dari panduan yang dibuat oleh organisasi bernama Open Web Application Security (OWASP), yaitu sebuah organisasi nirlaba dengan misi untuk membuat keamanan perangkat lunak dapat dilihat oleh Individual dan Organisasi untuk membantu mereka mengambil keputusan berdasarkan informasi tentang risiko keamanan perangkat lunak mereka. Objek yang menjadi target dalam pengujian ini adalah aplikasi web Management Information System (MIS) yang dibuat oleh organisasi USAID SEA-PROJECT (2016-2021) dengan alamat www.sea-mis.org. Penelitian ini bertujuan untuk menemukan celah kerentanan keamanan yang ada dalam aplikasi web tersebut. Pengujian yang dijalankan dalam penelitian ini bersifat otomatis dengan memakai perangkat lunak dari OWASP yang bernama Zed Attack Proxy (ZAP) untuk analisis dinamis dan perangkat lunak RIPS untuk analisis statis. Perangkat lunak tersebut melakukan pemindaian terhadap elemen-elemen yang ada dalam aplikasi web tersebut dan kemudian mengumpulkan informasi tentang celah kerentanan keamanan atau akses. Kerentanan yang ditemukan dibagi menjadi empat tingkatan, mulai dari yang paling parah yaitu High, Medium, Low, dan Informational. Dan hasil penelitian ini adalah perbaikan untuk menutup celah kerentanan keamanan yang berhasil ditemukan tersebut terutama untuk tingkat High dan Medium guna peningkatan keamanan untuk kemudian diterapkan oleh para pengelola aplikasi web tersebut.
Implementation of Steganographic Algorithm Pixel Value Difference (PVD) Method Using Matlab Bayu Kumoro Yakti; Ragiel Hadi Prayitno; Sunny Arief Sudiro
Jurnal Ilmiah Komputasi Vol. 19 No. 4 (2020): Jurnal Ilmiah Komputasi Volume: 19 No. 4, Desember 2020
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32409/jikstik.19.4.357

Abstract

Gambar digital adalah gambar dalam bentuk format digital atau media digital seperti hard drive. Gambar digital yang terdiri dari bit (0 atau 1) disebut piksel dan memiliki kapasitas yang tinggi untuk menyimpan data dan informasi. Keamanan itu penting, terutama saat mengirim data dari satu tempat ke tempat lain. Salah satu cara untuk mengamankan data adalah melalui steganografi. Steganografi adalah teknik yang digunakan untuk menyembunyikan keberadaan informasi rahasia di dalam suatu objek. Teknik Steganografi dengan sempurna menutup pesan rahasia dalam gambar pembawa keamanan tinggi. Informasi dan data akan dimanipulasi sehingga tidak dapat dideteksi oleh mata manusia. Teknik Pixel Value Differences (PVD) merupakan salah satu metode steganografi. Metode ini menyisipkan pesan rahasia berdasarkan perbedaan bit antara dua piksel yang bertetangga. Pesan rahasia dalam bentuk teks akan disemprotkan ke gambar sampul grayscale. Hasil penelitian menunjukkan bahwa pesan yang berjumlah 6 karakter dan 37 karakter memiliki hasil: 0,0459 untuk MSE dan 61,5113 untuk PSNR (6 karakter) dan 0,4099 untuk MSE dan 52.004 untuk PSNR (37 karakter). Abstract Digital images are images in the form of digital formats or digital media such as hard drives. Digital images consisting of bits (0 or 1) are called pixels and have a high capacity to store data and information. Security is important, especially when sending data from one place to another. One way to secure data is through steganography. Steganography is a technique used to hide the existence of confidential information inside an object. The Steganography Technique perfectly closes the secret message in a high-security carrier image. Information and data will be manipulated so that it cannot be detected by the human eye. Pixel Value Differences (PVD) technique is a method of steganography. The method inserts a secret message based on bit differences between two neighboring pixels. Secret messages in the form of text will be sprayed onto the grayscale cover image. The results showed that the messages amounted to 6 characters and 37 characters had results: 0.0459 for MSE and 61.5113 for PSNR (6 characters) and 0.4099 for MSE and 52.004 for PSNR (37 characters).
Penerapan Ekstraksi Keypoint Menggunakan Algoritma Scale-Invariant Feature Transform (SIFT) sebagai Dasar Melakukan Registrasi Point Cloud Riska Khairunnisah; Lussiana ETP
Jurnal Ilmiah Komputasi Vol. 19 No. 4 (2020): Jurnal Ilmiah Komputasi Volume: 19 No. 4, Desember 2020
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32409/jikstik.19.4.358

Abstract

Registrasi kumpulan titik dari citra (point cloud) merupakan tahap penting pada proses rekonstruksi dalam rangka membangun objek 3 dimensi. Salah satu algoritma yang sering digunakan untuk meregistrasi point cloud adalah Iterative Closest Point (ICP). Keterbatasan Algoritma ICP terletak pada proses pencarian korespondensi dari semua titik pada point cloud untuk menentukan transformasi, yang membutuhkan waktu yang panjang. Tujuan penelitian ini adalah mempersingkat waktu proses dengan melakukan ekstraksi keypoint menggunakan algoritma Scale Invariant Feature Transform (SIFT) sebelum proses registrasi point cloud dengan menggunakan algoritma Iterative Closest Point (ICP). Berdasarkan hasil uji coba menunjukkan bahwa tahap ekstraksi keypoint berhasil mendapatkan jumlah titik yang lebih sedikit sehingga dapat menurunkan waktu proses registrasi sebelumnya. Dengan demikian, dapat disimpulkan bahwa kombinasi algoritma SIFT dan ICP dapat diterapkan untuk registrasi point cloud tanpa mengubah objek asli dari point cloud.
Perancangan Aplikasi Sistem Tata Surya Menggunakan Teknologi Virtual Reality Zalita Nadya Utami; Kemal Ade Sekarwati
Jurnal Ilmiah Komputasi Vol. 19 No. 4 (2020): Jurnal Ilmiah Komputasi Volume: 19 No. 4, Desember 2020
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32409/jikstik.19.4.363

Abstract

Pada dunia pendidikan, semakin berkurangnya minat belajar siswa dikarenakan perkembangan teknologi hiburan yang semakin menyuguhkan hal-hal menarik dan interaktif seperti film kartun maupun animasi tiga dimensi, sedangkan media pembelajaran yang saat ini digunakan masih didominasi oleh buku yang berisikan tulisan dan gambar. Pada pelajaran Tema 9 kelas 6 SD yang penyampaiannya masih menggunakan papan tulis serta gambar yang ada dibuku yang terkesan kurang menarik sehingga dibutuhkan suatu aplikasi sebagai media pembelajaran untuk meningkatkan minat siswa dalam mempelajari sistem tata surya. Aplikasi ini dibuat menggunakan perangkat Unity 3D. Hasil uji coba kuesioner, rata-rata rasio responden sebesar 85,6% dan rata-rata rasio pertanyaan sebesar 84,6% maka dapat disimpulkan bahwa aplikasi ini baik digunakan oleh pengguna sebagai media pembelajaran interaktif materi sistem tata surya dan aplikasinya mudah digunakan. Dapat disimpulkan juga bahwa fitur-fitur pada aplikasi ini berfungsi dengan baik sesuai dengan tujuan dibuatnya penelitian ini.
Perancangan Web Sistem Analisis Sentimen Media Sosial Twitter Dengan Metode Valence Aware Dictionary And Sentimen Reasoner (Vader) Menggunakan PHP & MysSQL pada Pemerintah Kota Bekasi: Array Effendi; Rina Noviana
Jurnal Ilmiah Komputasi Vol. 20 No. 1 (2021): Jurnal Ilmiah Komputasi Volume: 20 No. 1, Maret 2021
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32409/jikstik.20.1.369

Abstract

Analisis sentimen dilakukan untuk melihat pendapat terhadap sebuah masalah juga digunakan untuk identifikasi kecenderungan hal yang sedang menjadi topik pembicaraan. Pemerintah Kota Bekasi dalam merespon keluhan, pendapat dan meningkatkan pelayanan kepada masyarakat telah memanfaatkan media sosial twitter sebagai sarana komunikasi interaktif antara pemerintah dengan Masyarakat, dengan adanya media sosial maka akan mempermudah pemerintah dalam menentukan kebijakan dan pembangunan berdasarkan sentimen masyarakat dari media sosial. Seiring dengan kebutuhan untuk dapat melakukan klasifikasi sentimen masyarakat melalui media sosial maka diperlukan sistem analisis sentimen media sosial twitter. Analisa sentimen dalam penelitian ini adalah proses pengelompokan tweet kedalam tiga tone positif, netral dan negatif dengan pengembangan sistem menggunakan System Development Life Cycle (SDLC), perancangan aliran data menggunakan Data Flow Diagram, Entity Relationship Diagram, Flowmap. Hasil dari pembuatan sistem analisis sentimen ini adalah sistem dapat melakukan pelabelan secara otomatis terhadap tweet/komentar pada twiter secara cepat dengan metode Valence Aware Dictionary And Sentimen Reasoner (VADER) menggunakan PHP dan MySQL, sedangkan untuk melakukan crawling data sistem memanfaatkan API Twitter yang telah disediakan oleh twitter. Pada implementasi sistem ini dapat membantu seorang analisis media dalam melakukan klasifikasi dan monitoring media sosial Pemerintah Kota Bekasi terhadap isu publik yang berkembang
Prediksi Mata Uang Bitcoin Menggunakan LSTM Dan Sentiment Analisis Pada Sosial Media Andreean Dharma Arisandi; Ferdiansyah; Linda Atika; Edi Surya Negara; Kiki Rizky Nova Wardani
Jurnal Ilmiah Komputasi Vol. 19 No. 4 (2020): Jurnal Ilmiah Komputasi Volume: 19 No. 4, Desember 2020
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32409/jikstik.19.4.370

Abstract

Cryptocurrency adalah mata uang digital dimana transaksi dapat dilakukan dengan transaksi online. Salah satu jenisnya yaitu bitcoin. Bitcoin adalah salah satu mata uang elektronik yang bersifat desentralisasi (tidak terpusat) dan tidak diatur atau dijamin oleh otoritas pusat. Harga Bitcoin sangat ekuktuatif dan sering kali membuat resah pengguna dan investor Bitcoin. Oleh karena itu, diusulkan sebuah metode atau sistem prediksi harga Bitcoin dengan mempelajari pola dan tingkah laku data time series harga historisnya. Dalam Penelitian ini, kontribusi utamanya yaitu analisis sentimen yang dapat membedakan tweet positif dan negatif dari bitcoin di twitter dengan akurasi 80.00%. Dengan model LSTM yang dapat memprediksi harga Bitcoin pada hari berikutnya dengan mempertimbangkan harga historis dan skor sentimen positif dan negatif. Namun teknik ini memerlukan parameter yang tepat untuk mendapatkan hasil prediksi yang akurat. Hasil yang didapatkan dari penelitian ini, menunjukkan jika sistem yang akan dibangun nantinya dapat melihat nilai bitcoin dengan lebih baik lagi. Setelah di evaluasi dengan RMSE didapatkan nilai 335.201882 dengan epoch 10. Semakin kecil RMSE maka semakin baik performansi modelnya terhadap data testing
Analisa Kualitas Ujian Semester Berbasis CBT dengan Standar Kualitas ISO 25010 di SMKN 1 Tambun-Selatan: Rudyanto; Mohammad Iqbal
Jurnal Ilmiah Komputasi Vol. 20 No. 1 (2021): Jurnal Ilmiah Komputasi Volume: 20 No. 1, Maret 2021
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32409/jikstik.20.1.371

Abstract

Merujuk pada program pemerintah dalam penyelenggaraan ujian nasional berbasis komputer (UNBK) sedangkan ujian semester di SMKN 1 Tambun Selatan masih berpedoman pada ujian berbasis kertas (PBT), maka kebijakan pihak sekolah mencoba untuk merubah ujian semester dari Papper-Based Test (PBT) ke Computer-Based Tes (CBT) dengan aplikasi Beesmart V3 secara offline sehingga siswa terbiasa melaksanakan ujian dengan menggunakan komputer. Untuk membangun sebuah ujian berbasis CBT dibutuhkan beberapa software, diantaranya PHP untuk editor, MySQL sebagai database, program agar terintegrasi dijalankan dengan Apache XAMPP dan aplikasi Beesmart V3. Untuk Metode yang digunakan adalah deskriptif dengan pendekatan kualitatif yang bertujuan untuk memberikan gambaran secara objektif tentang keadaan sebenarnya dari objek yang diteliti, dan menggunakan metode pengujian Black Box. Sistem pengujian yang dilakukan dengan pengujian model standar kualitas ISO 25010, hasil dari menggunakan kuisioner dengan 130 responden yang diujikan antara lain , Functional Completeness menghasilkan 83%, Functional Correctness 82%, pengujian Time Behaviour dengan aplikasi web server stress tools tingkat error 0 % , pengujian Operability 83%, pengujian Use Error Protection 86% dan pengujian User interface 81 %.
Pengenalan Wajah dengan Algoritma Support Vector Machine dan Sobel Edge Detection Berbasis Computer Vision dan Caffe Framework Muhammad Syarif Hidayatulloh; A. Yudi Permana; Wahyu Hadi Kristanto
Jurnal Ilmiah Komputasi Vol. 19 No. 4 (2020): Jurnal Ilmiah Komputasi Volume: 19 No. 4, Desember 2020
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32409/jikstik.19.4.372

Abstract

Dalam penelitian ini, merumuskan masalah bagaimana menerapkan algoritma support vector machine dan ekstraksi fitur edge detection dengan metode sobel dalam melakukan pengenalan wajah. Pengenalan wajah dilakukan dengan menggunakan caffe untuk mendeteksi wajah dari citra yang diinputkan, kemudian dari wajah tersebut dilakukan edge detection dengan metode sobel dan algoritma convolution. Klasifikasi dilakukan dengan menggunakan algoritma support vector machine dengan metode One Againts All. Dengan metode holdout untuk melakukan validasi dan confusion matrix untuk melakukan evaluasi diperoleh akurasi terbaik sebesar 100%. Dataset yang digunakan sebanyak 150 data yang terdiri dari 3 kelas. Proses pengambilan citra dataset diperoleh dengan jarak ±1 meter, tinggi wajah dan kamera ±1,2 meter, luminans berkisar 3000-4000 lux dan menggunakan resolusi kamera 8 Mp. Dari dataset tersebut, dilakukan evaluasi berdasarkan jumlah dataset, yaitu 10, 20, 30 dan 40 data setiap kelas. Keseluruhan menghasilkan akurasi yang sama yaitu 100%. Berdasarkan akurasi yang diperoleh dapat disimpulkan bahwa metode yang digunakan cukup baik. Tetapi setelah dilakukan pengujian pengenalan wajah dengan input data citra baru, hanya mendapatkan akurasi sebesar 78% dengan menggunakan dataset sebanyak 10 dan 20 data. Kemudian mendapatkan akurasi sebesar 89% dengan 30, 40 dan 50 data yang digunakan. Data citra baru yang diinputkan sebanyak 9 data yang terdiri dari 3 kelas. Berdasarkan hasil tersebut, perlu dilakukan penelitian selanjutnya untuk memperbaiki citra hasil edge detection yang dapat mempengaruhi hasil klasifikasi.
Analisis Aplikasi Ujian Berbasis Komputer Berdasarkan Model ISO 25010 dengan Metode AHP di SMKN 8 Kota Bekasi Rini Setyowati; Miftah Andriansyah
Jurnal Ilmiah Komputasi Vol. 20 No. 1 (2021): Jurnal Ilmiah Komputasi Volume: 20 No. 1, Maret 2021
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32409/jikstik.20.1.373

Abstract

SMKN 8 kota Bekasi adalah salah satu sekolah yang menerapkan ujian berbasis komputer. Aplikasi Computer Based Test (CBT) yang digunakan adalah Beesmart, Candy CBT, dan Google form. Pada penggunaan aplikasi ini terdapat beberapa permasalahan terkait kenyamanan user dan efisiensi sumber daya yang mengganggu proses pelaksanaan ujian. Untuk meminimalisir masalah yang timbul perlu adanya standardisasi aplikasi CBT yang digunakan. Dalam penelitian ini digunakan ISO 25010 yang menitikberatkan penggunaan dan analisis variabel functional suitability, performance efficiency, compatibility, usability dan portability.Standard kualitas ISO 25010 dipandang lebih komplek dan merupakan pengembangan dari model kualitas sebelumnya. Penilaian standard ISO 25010 dilakukan melalui tahapan pendefinisiankebutuhan perangkat lunak dan keterkaitan antar karakteristik perangkat lunak tersebut. Peneliti menggunakan metode Analytical Hierarchy Process(AHP) dalam pemilihan aplikasi CBT yang tepat dan layak untuk menjamin kenyamanan user dari sisi client maupun server. Berdasarkan pemeringkatan dari ketiga aplikasi CBT akan diperoleh aplikasi yang terbaik, tepat dan sesuai kriteria yang ditentukan sekolah.Dari hasil analisis ketiga aplikasi CBT ini menunjukkan bahwa Beesmart memenuhi karakteristik functional suitability, performance efficiency, usability, portability tetapi kurangmemenuhi karakteristik compatibility. Pada Candy CBT memenuhi karakteristik functionalsuitability, performance efficiency, usability, portability, tetapi kurang memenuhi karakteristikcompatibility, sedangkan Google form memenuhi semua karakteristik yang diuji. Setelah dilakukan pemilihan aplikasi menggunakan metode AHP diperoleh hasil bahwa Beesmart memperoleh score 0.2721, Candy CBT memperoleh score 0.11994 dan Google form memperoleh score 0.60796 Pada tahap pemeringkatan diperoleh hasil bahwa aplikasi yang terbaik adalah Google Form. Kesimpulan penelitian ini dapat memberikan rekomendasi untuk menentukan aplikasi yang tepat sesuai kriteria sekolah. Pemilihan aplikasi CBT yang tepat dapat meningkatkan mutu penilaian hasil belajar dan menghasilkan informasi yang tepat, cepat, efektif, efisien dalam waktu dan biaya

Page 38 of 62 | Total Record : 617

 36   37   38   39   40 

Filter by Year

2013 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