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
 48   49   50   51   52 
Prediksi Hasil Tangkap Ikan Laut Di Kota Tanjungpinang Menggunakan Metode SARIMA (Seasonal Autoregressive Integrated Moving Average) Malik, Riani Fitri Ibnul; Bettiza, Martaleli; Nurfalinda , -
Jurnal Ilmiah Komputasi Vol. 22 No. 4 (2023): Jurnal Ilmiah Komputasi : Vol. 22 No 4, Desember 2023
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32409/jikstik.22.4.3448

Abstract

Tanjungpinang is an archipelago. Fish is a food that is often consumed by local people. In 2019 the fish consumption rate is 66 kg/year. and in 2020 it will reach 68 kg/year. Meanwhile, the volume of fish caught in the Riau Islands is 322 kg/year and in 2021 it will decrease to 303 kg/year. Tanjungpinang is rich in marine potential so that the local government takes advantage of this by exporting fish abroad. With fish consumption rates increasing every year, the volume of fish caught is uncertain every year and there is demand for fish exports abroad. So it is necessary to have fish catch predictions to find out the availability of fish the following month. This prediction helps the government to develop a strategy to increase fish catches in Tanjungpinang City. Therefore a fish catch prediction system was built using the SARIMA method. The stages in this study were identifying seasonal data patterns, dividing training data and test data, designing the SARIMA method. The prediction results show that the best model for predicting marine fish catches is the model (0,2,1)(1,2,0)2 with a training data MAPE of 10% which is a very good prediction category and is suitable for use as an analysis by the government to regulate budget estimation and future work program strategy.
Sistem Informasi Pemesanan Catering Bunda Nadira Berbasis Web Menggunakan Framework Laravel : Ramadhan , Alfahri Rabbi; Lulu Mawaddah Wisudawati
Jurnal Ilmiah Komputasi Vol. 22 No. 4 (2023): Jurnal Ilmiah Komputasi : Vol. 22 No 4, Desember 2023
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32409/jikstik.22.4.3485

Abstract

Catering Bunda Nadira merupakan layanan catering makanan dan minuman yang berada di perumahan Griya Asri 2 Tambun Selatan, kabupaten Bekasi. Pengembangan aplikasi pemesanan catering Bunda Nadira berbasis web adalah aplikasi pemesanan yang dibuat dengan tujuan untuk meningkatkan jumlah penjualan dan mempermudah proses transaksi pemesanan secara online. Pada aplikasi ini pengguna dapat mengakses menu makanan dan minuman yang tersedia dan memasukkannya ke keranjang belanja dengan melakukan proses login. Jika pesanan sudah sesuai, dapat melakukan checkout dilanjutkan dengan pembayaran dengan cara transfer bank. Dengan aplikasi ini pihak catering dapat lebih mudah mengelola pesanan serta dapat mengetahui pendapatan penjualan. Metode penelitian yang digunakan adalah System Development Life Cycle (SDLC) dengan lima tahapan yaitu observasi, analisis, perancangan, implementasi, dan uji coba. Program diimplementasikan dengan bahasa pemrograman PHP dan text editor Visual Studio Code beserta framework Laravel. Web ini telah ditambahkan beberapa fitur yang dapat memfasilitasi admin dan pengguna dalam melakukan transaksi, promosi, penjualan, dan konfirmasi pembayaran untuk user dengan mengunggah bukti pembayaran. Hasil dari laporan dapat mencetak file ke pdf dan excell. Dengan uji coba menggunakan metode blackbox testing, browser testing, dan UAT didapatkan hasil yang baik yaitu fungsi setiap halaman yang tersedia dalam website sesuai dengan yang diharapkan.
Teknologi IoT pada Keamanan Rumah Menggunakan Kombinasi Sensor Berbasis NodeMCU ESP8266 Purnama Aji Korien; Imam Purwanto
Jurnal Ilmiah Komputasi Vol. 22 No. 4 (2023): Jurnal Ilmiah Komputasi : Vol. 22 No 4, Desember 2023
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32409/jikstik.22.4.3486

Abstract

Internet of Things (IoT) adalah bidang penelitian yang memiliki potensi besar untuk meningkatkan kualitas hidup melalui penggunaan sensor cerdas dan perangkat pintar yang saling berinteraksi melalui jaringan internet. Pemanfaatan IoT juga bisa diterapkan pada sistem keamanan khususnya pada rumah. Seperti yang diketahui tingkat pencurian pada rumah masih cukup tinggi, selain itu juga dari kemungkinan yang tidak terduga seperti halnya kebakaran pada rumah juga dapat terjadi. Umumnya sistem yang digunakan pada rumah masih konvensional sehingga mudah dibobol oleh seseorang. Maka dari itu “Teknologi IOT pada Keamanan Rumah Menggunakan Kombinasi Sensor Berbasis NodeMCU ESP8266” ini dirancang untuk mengatasi permasalahan tersebut. NodeMCU ESP8266, RFID, PIR, DHT11, dan Blynk menjadi komponen utama dalam perancangan sistem ini. Hasil dari penelitian ini berupa alat dan aplikasi yang dapat mengunci pintu, mendeteksi seseorang di sekitar rumah, membaca suhu ruangan dan menghasilkan keluaran pada LCD, Buzzer, dan LED serta mengirimkan pesan notifikasi berupa peringatan pada smartphone pemilik rumah.
Implementasi Algoritma YoloV5 untuk Kantuk Detektor pada Pengemudi Kendaraan Bermotor secara Realtime Swari, Dw Ayu Agung Indra; Nafa Yanda; Detty Purnamasari; Muhammad Faishal Arrafi
Jurnal Ilmiah Komputasi Vol. 22 No. 4 (2023): Jurnal Ilmiah Komputasi : Vol. 22 No 4, Desember 2023
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32409/jikstik.22.4.3488

Abstract

Kendaraan bermotor memberikan manfaat bagi manusia, namun disamping banyaknya manfaat kendaraan bermotor juga memiliki dampak negatif, salah satunya adalah memiliki tingkat kecelakaan yang tinggi. Faktor manusia (human error) yaitu mengantuk menjadi salah satu faktor penyebab kecelakaan terbanyak. Beberapa faktor yang menyebabkan timbulnya rasa kantuk bagi pengemudi, seperti kurang istirahat, mengemudi di malam hari, jarak tempuh panjang dengan keheningan sehingga timbul rasa bosan lalu mengantuk. Upaya mengurangi angka kecelakaan karena mengantuk, penelitian ini dibuat dengan deteksi objek menggunakan deep learning dengan algoritma YOLOv5 yang dapat mengenali tanda-tanda kantuk pada pengemudi. Dataset training yang digunakan berjumlah 247 data citra. Berdasarkan hasil evaluasi menggunakan confusion matrix, didapatkan hasil tingkat akurasi sebesar 84%. Aplikasi dapat mendeteksi kantuk pada pengemudi secara realtime diimplentasikan pada aplikasi desktop dengan akurat pada siang hari sedangkan pada malam hari, pengemudi harus menggunakan sumber cahaya tambahan seperti lampu mobil atau lampu jalan. Selain itu, akurasi juga dipengaruhi oleh resolusi kamera webcam yang digunakan.
The Pengujian Black Box Testing pada Sistem Informasi Assesment Berbasis WEB di Bidang Pariwisata Hudi, Fariz Cahyo; Karyanti, Cut Maisyarah
Jurnal Ilmiah Komputasi Vol. 22 No. 4 (2023): Jurnal Ilmiah Komputasi : Vol. 22 No 4, Desember 2023
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32409/jikstik.22.4.3490

Abstract

Perkembangan teknologi saat ini sudah menjadi bagian kebutuhan bagi masyarakat umum dan pekerja. Tidak terkecuali dalam bidang pariwisata. Setiap personil pada bidang pariwisata memerlukan assessment untuk tetap menjaga kredibilitas dan layanan kepada masyarakat. Dengan demikian perlu untuk membangun aplikasi assessment berbasis web sebagai media untuk assessment bagi seluruh personil pariwisata untuk meningkatkan mutu dan kualitas. Dan untuk mendapatkan hasil yang optimal maka dilakukan pengujian secara menyeluruh terhadap interface system aplikasi dengan menggunakan metode blackbox testing dengan tujuan untuk mengetahui apakah seluruh aplikasi telah berjalan sesuai dengan fungsi dan sudah sesuai dengan kebutuhan pengguna. Peneliti akan menggunakan metode kuantitatif.Perkembangan teknologi saat ini sudah menjadi bagian kebutuhan bagi masyarakat umum dan pekerja. Tidak terkecuali dalam bidang pariwisata. Setiap personil pada bidang pariwisata memerlukan assessment untuk tetap menjaga kredibilitas dan layanan kepada masyarakat. Dengan demikian perlu untuk membangun aplikasi assessment berbasis web sebagai media untuk assessment bagi seluruh personil pariwisata untuk meningkatkan mutu dan kualitas. Dan untuk mendapatkan hasil yang optimal maka dilakukan pengujian secara menyeluruh terhadap interface system aplikasi dengan menggunakan metode blackbox testing dengan tujuan untuk mengetahui apakah seluruh aplikasi telah berjalan sesuai dengan fungsi dan sudah sesuai dengan kebutuhan pengguna. Peneliti akan menggunakan metode kuantitatif.
Visualisasi Data Mahasiswa Baru Tahun 2022 Di Institut Agama Islam Negeri Metro Menggunakan Google Looker Studio Ramadhan, Apri; Putra, Dittha Winyana; Chairani
Jurnal Ilmiah Komputasi Vol. 22 No. 4 (2023): Jurnal Ilmiah Komputasi : Vol. 22 No 4, Desember 2023
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32409/jikstik.22.4.3492

Abstract

Pada tahun 2022, Institut Agama Islam Negeri Metro menerima mahasiswa baru jenjang Strata 1 (S1) sebanyak 1122 orang. Data ini didapatkan berdasarkan data yang ada dalam Sistem Akademik (SISMIK) milik Institut Agama Islam Negeri Metro. Data yang disajikan dalam sistem belum tervisualisasi dengan baik sehingga informasi yang didapat tidak maksimal. Contoh data sebaran asal sekolah mahasiswa baru belum tervisualisasikan dengan baik pada sistem tersebut sehingga bagi pengguna data akan kesulitan dalam mencari informasi terkait ini. Berasal dari contoh yang disebutkan, maka visualisasi data sangat diperlukan untuk mempresentasikan data dalam format grafis atau dalam bentuk gambar agar lebih mudah dipahami. Pada penelitian ini dan berdasarkan penelitian terdahulu, maka peneliti akan menerapkan visualisasi data mahasiswa baru tahun 2022 menggunakan Google Data Studio/Google Looker Studio dengan fokus terhadap sebaran asal sekolah mahasiswa baru tahun 2022. Dashboard digital Google Data Studio/Google Looker Studio memungkinkan tampilan data dalam berbagai bentuk seperti tabel, grafik, dan peta yang membuatnya lebih menarik dan berguna bagi pengguna. Hasil dari penelitian didapat bahwa jumlah mahasiswa baru di IAIN Metro pada tahun 2022 yang mencapai 1122 memiliki sebaran asal sekolah mulai dari SMAN, MAS, MAN, SMAS, SMKN, SMKS, PONTREN, dan Paket C. Pada nama sekolah, posisi pertama berasal dari MAN 1 Lampung Timur dengan jumlah sebanyak 44 orang. SMAN 2 Sekampung dan SMAN 5 Metro berjumlah sama yaitu 17 orang. Mahasiswa yang berasal dari SMAN 3 Metro sebanyak 15 orang.
Pengaruh Belajar Daring pada Masa Pandemi Covid-19 Terhadap Kelolosan Seleksi Kompetensi Dasar Rekrutmen CPNS 2021: Karimah Opralia, Husnun; Paputungan, Irving Vitra; Dirgahayu, Raden Teduh
Jurnal Ilmiah Komputasi Vol. 23 No. 1 (2024): Jurnal Ilmiah Komputasi : Vol. 23 No 1, Maret 2024
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32409/jikstik.23.1.3495

Abstract

The digital platform is used as an online learning tool and as a medium for providing guidance services. Online tutoring services using digital platforms are not only provided for a fee, providers also provide services for free. Functionally, the utilization of these two services is not much different. Online learning methods and use of platforms were utilized in the 2021 CPNS recruitment which was carried out during the COVID-19 pandemic. Thorough preparation must be made to face the Basic Competency Selection. SKD is one of the early stages of CPNS selection which has many competitors and fierce competition not only to meet grades passing grade to pass to the next stage but also must have a high score. Learning online with the use of digital platforms from each participant has a different experience. Through a survey that was distributed online, researchers collected 497 data and took a sample of 400 data from 200 participants who passed and 200 participants who did not pass the passing grade. The data was collected to find out how the influence of online learning carried out by participants on passing the SKD passing grade. This study uses descriptive statistical analysis methods and multiple correspondence analysis. From this analysis, based on the data mapping, it was found that there was an effect of learning methods using digital platforms on the participants' passing. Learning method with independent online learning duration of 4 hours/day, paid online tutoring duration of 2 hours/day, following 2 paid online tutoring services, taking online quizzes practice every day, always actively participating in virtual classes, always listening and discussing discussions materials and quizzes, as well as the ease of accessing materials, quiz exercises, face-to-face learning on digital platforms provided by guidance service providers also affect the passing grade of participants. online learning, digital platforms, technology, utilization, tutoring, passing, passing grades, cpns
Implementasi Machine Learning Untuk Memprediksi Cuaca Menggunakan Support Vector Machine : Mahendra, Moch. Fauzi Raja; Sumarno , Sumarno; Azizah, Nuril Lutvi
Jurnal Ilmiah Komputasi Vol. 23 No. 1 (2024): Jurnal Ilmiah Komputasi : Vol. 23 No 1, Maret 2024
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32409/jikstik.23.1.3499

Abstract

Cuaca ialah keseluruhan dari peristiwa yang berlangsung di atmosfer bumi selama beberapa hari. Cuaca yang terjadi dalam jangka waktu lebih lama disebut sebagai iklim. Hal yang dapat memengaruhi keadaan suatu cuaca yakni antara lain: suhu, tekanan udara, kecepatan angin, udara serta curah hujan. Kini iklim di Indonesia sendiri kadang-kadang tidak menentu. Bahkan, ketika cuaca di suatu wilayah cerah, dalam waktu yang tidak lama bisa berubah menjadi hujan atau bahkan badai. Tidak menentunya perubahan pada iklim ini dapat mengakibatkan kesulitan dalam pemrediksian suatu cuaca. Salah satu kemajuan teknologi yang dapat digunakan saat ini adalah machine learning. Machine learning adalah salah satu aplikasi yang menjadi bagian dari Artificial intelligence. Machine learning dalam bahasa Indonesia disebut juga pembelajaran mesin. Salah satu algoritma machine learning  yang dapat di lakukan dalam proses klasifikasi ini adalah SVM. Kelebihan dari algoritma ini adalah komputasinya  yang cepat. Klasifikasi memprediksi hujan dengan menggunakan algoritma SVM ini mendapatkan nilai dengan akurasi  sebesar 83%.Cuaca ialah keseluruhan dari peristiwa yang berlangsung di atmosfer bumi selama beberapa hari. Cuaca yang terjadi dalam jangka waktu lebih lama disebut sebagai iklim. Hal yang dapat memengaruhi keadaan suatu cuaca yakni antara lain: suhu, tekanan udara, kecepatan angin, udara serta curah hujan. Kini iklim di Indonesia sendiri kadang-kadang tidak menentu. Bahkan, ketika cuaca di suatu wilayah cerah, dalam waktu yang tidak lama bisa berubah menjadi hujan atau bahkan badai. Tidak menentunya perubahan pada iklim ini dapat mengakibatkan kesulitan dalam pemrediksian suatu cuaca. Salah satu kemajuan teknologi yang dapat digunakan saat ini adalah machine learning. Machine learning adalah salah satu aplikasi yang menjadi bagian dari Artificial intelligence. Machine learning dalam bahasa Indonesia disebut juga pembelajaran mesin. Salah satu algoritma machine learning  yang dapat di lakukan dalam proses klasifikasi ini adalah SVM. Kelebihan dari algoritma ini adalah komputasinya  yang cepat. Klasifikasi memprediksi hujan dengan menggunakan algoritma SVM ini mendapatkan nilai dengan akurasi  sebesar 83%.
Pengembangan Aplikasi Hi Jobs Berbasis Android Menggunakan Metode Prototype Wikarsa , Rex Roald; Fajar, Mohammad; Hasniati , Hasniati
Jurnal Ilmiah Komputasi Vol. 23 No. 1 (2024): Jurnal Ilmiah Komputasi : Vol. 23 No 1, Maret 2024
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32409/jikstik.23.1.3501

Abstract

Hi Jobs merupakan aplikasi informasi lowongan pekerjaan berbasis platform android yang dapat digunakan oleh penyedia lowongan pekerjaan dan para pencari pekerjaan. Pada awal pembuatan dan launching aplikasi, fitur-fitur yang disediakan masih terbatas, sehingga perlu dikembangkan sejumlah fitur yang bermanfaat agar dapat memenuhi kebutuhan penggunanya. Oleh karena itu, studi ini bertujuan untuk mengembangkan aplikasi Hi Jobs dengan fitur-fitur tambahan yang baru menggunakan metode Pemilihan metode prototype didasarkan pada tahapan-tahapannya yang lebih singkat dan memungkinkannya dilakukan pembagian tugas menjadi beberapa iterasi untuk dikerjakan secara cepat. Pengembangan aplikasi Hi Jobs menggunakan metode dalam penelitian ini dilakukan dengan melibatkan skenario dua iterasi. Pada tahapan analisis kebutuhan, fitur baru yang ditambahkan untuk iterasi pertama yaitu fitur daftar pelamar dan hapus lowongan, sementara pada iterasi kedua fitur yang ditambahkan yaitu fitur riwayat lamaran dan batalkan lamaran pekerjaan. Selanjutnya dalam setiap iterasi dilakukan tahapan perancangan alur kerja, perancangan dan evaluasi fitur. pengujian menggunakan teknik menunjukkan bahwa fitur-fitur baru yang ditambahkan tersebut berhasil dijalankan.
Perbandingan Arsitektur MobileNetV2 dan DenseNet121 untuk Klasifikasi Puspita, Yuditha Hatur; Sabri, Ahmad
Jurnal Ilmiah Komputasi Vol. 23 No. 1 (2024): Jurnal Ilmiah Komputasi : Vol. 23 No 1, Maret 2024
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32409/jikstik.23.1.3502

Abstract

Rempah merupakan sejenis tanaman dengan rasa dan aroma kuat yang digunakan dalam makanan sebagai bumbu, penambah rasa, dan bahan baku obat herbal. Namun, terdapat banyak jenis rempah dengan beragam bentuk, warna dan tekstur yang masih sulit untuk dibedakan. Convolution Neural Network merupakan salah satu Deep Learning yang mampu melakukan klasifikasi citra dengan baik, oleh sebab itu penelitian ini mengimplementasikan dua buah arsitektur untuk melakukan perbandingan antar model dalam mengklasifikasikan rempah untuk melihat model dengan metrik evaluasi terbaik. Arsitektur yang digunakan pada penelitian ini adalah MobileNetV2 dan DenseNet121. Data yang digunakan adalah data “empon-empon” yang berjumlah 638 data dengan perbandingan 80% sebagai data training, 10% sebagai data validasi dan 10% sebagai data uji. Dalam percobaan akan divariasikan jumlah epochnya sebanyak 5, 10 dan 20. Berdasarkan hasil ujicoba menunjukan bahwa MobileNetV2 dengan 20 epoch memiliki nilai Recall, Precision, F1 Score, dan Accuracy yang tertinggi yaitu 96%. Hal ini menunjukan bahwa MobileNetV2 dengan 20 epoch dapat unggul dalam keempat metriksS terhadap model DenseNet121.

Page 50 of 62 | Total Record : 617

 48   49   50   51   52 

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