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
 51   52   53   54   55 
Telegram Chatbot Implementation Using Rasa Framework to Recommend Tourism in Semarang City Anam, Farid Asroful; Anwar, Sariyun Naja
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.23.1.3569

Abstract

In the context of the rapid development of tourism, especially in Semarang City which offers 1393 tourist attractions, the confusion of tourists in choosing a destination is a challenge. This research proposes the implementation of a chatbot on the Telegram platform as a solution to facilitate tourists in determining tourist destinations that match their preferences. The research method includes data collection, conversation model, system design and development, implementation, and testing. By involving representative respondents, the survey provides a holistic picture of their perceptions and assessments of various aspects, reflecting the level of satisfaction and providing valuable insights. The survey results provide the percentage of answers from the total respondents, strengthening the validity and reliability of the data. The implementation of the chatbot proved to significantly help travelers by cutting search time and providing a satisfying interactive experience. However, performance evaluation using the Classification Report showed results that require improvement. Therefore, the research emphasizes the need for improved Machine Learning and Deep Learning performance evaluation to ensure more optimal results on Classification Report in the future.
Perancangan Website Kembar Jaya Steel Dengan Menggunakan Metode Prototype Arungla'bi, Valentino Rico; Christ Rudianto; Andeka Rocky Tanaamah
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.23.1.3575

Abstract

Kembar Jaya Steel merupakan suatu usaha jasa dalam pembuatan produk berbahan baku besi yang berada di Sukoharjo, Jawa Tengah. Dalam melakukan kegiatan pemasarannya, usaha ini masih menggunakan metode manual melalui papan iklan dan dari mulut ke mulut sehingga jangkauan kegiatan pemasaran yang dilakukan terbatas dan menunggu pelanggan datang langsung ke tempat usaha. Penelitian ini bertujuan untuk merancang website sebagai gambaran website Kembar Jaya Steel untuk memudahkan kegiatan pemasaran yang dilakukan dan memudahkan pelanggan untuk melihat informasi secara online dengan metode prototype. Dalam perancangan prototype website akan menggunakan metode prototype untuk membantu mengurangi resiko terjadinya masalah ketika proses perancangan dilakukan. Hasil dari penelitian ini adalah rancangan website Kembar Jaya Steel yang dibuat menggunakan aplikasi web Figma memiliki tampilan yang interaktif dengan fitur – fitur sesuai dengan kebutuhan pengguna. Penggunaan metode prototype memberikan kemudahan dalam perancangan prototype yang dilakukan karena terdapat iterasi atau proses pengembangan sehingga perancangan desain menjadi lebih cepat dan adanya interaksi dengan pengguna dalam evaluasi yang dilakukan pada desain prototype.
Clustering Daerah Rawan Angin Puting Beliung Pada Kabupaten Di Sumatera Utara Dengan Algoritma K-Means Ramadhan, Rizky Syahrul; Rakhmat Kurniawan R; Muhammad Siddik Hasibuan
Jurnal Ilmiah Komputasi Vol. 23 No. 2 (2024): Jurnal Ilmiah Komputasi : Vol. 23 No 2, Juni 2024
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32409/jikstik.23.2.3578

Abstract

Provinsi Sumatera Utara merupakan daerah dengan topografi yang berbeda-beda di tiap kabupatennya dimana terdiri dari dataran tinggi, dataran rendah, pegunungan dan pantai. Dengan keadaan seperti itu sering terjadi bencana alam salah satunya angin puting beliung. Masalah yang terjadi adalah bagaimana mengetahui daerah yang rawan angin puting beliung agar mengurangi kerugian dan korban jiwa. Salah satu cara yang dapat dilakukan adalah untuk mengetahui daerah yang rawan angin puting beliung adalah dengan menggunakan teknik data mining. Adapun metode yang digunakan dalam penelitian ini adalah algoritma k-means clustering. Algoritma k-means clustering dapat mengelompokkan data yang memiliki karakteristik yang sama menjadi satu kelompok dan data yang memiliki karakteristik yang berbeda dikelompokkan menjadi kelompok lainnya. Data yang digunakan yaitu parameter angin puting beliung dari 33 kabupaten/kota dan 181 column data. Hasilnya diperoleh cluster 0 atau daerah dengan potensial rawan bencana angin puting beliung rendah sebanyak 19 daerah dan cluster 1 atau daerah dengan potensial rawan bencana angin puting beliung tinggi sebanyak 14 daerah.
Long Short-Term Memory dan Lexicon Based Untuk Analisis Sentimen Ulasan Aplikasi TikTok Wahyuni, Diny; Fadhillah, Naufal; Ariestya, Winda Widya
Jurnal Ilmiah Komputasi Vol. 23 No. 2 (2024): Jurnal Ilmiah Komputasi : Vol. 23 No 2, Juni 2024
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32409/jikstik.23.2.3579

Abstract

Aplikasi TikTok menjadi salah satu aplikasi yang paling banyak di unduh yaitu lebih dari 1 miliar unduhan pada Google Playstore. Sebuah analisis sentimen diperlukan untuk mengetahui opini pengguna mengenai kepuasan pengguna dalam menggunakan aplikasi TikTok. Tahapan proses analisis sentimen dimulai dengan pengambilan data (crawling), text pre-processing, klasifikasi sentimen serta penyusunan hasil analisis sentimen. Hasil dari tahap text pre-processing yang diperoleh, dilakukan penentuan sentimen awal dengan menggunakan metode Lexicon Based dengan perhitungan otomatis. Selanjutnya dilakukan pembagian data menjadi data training dan data testing untuk mendapatkan model yang optimal dan memprediksi sentimen dengan model Long Short-Term Memory (LSTM). Pada penelitian ini ulasan dari sistem analisis sentimen dengan metode LSTM akurasi yang didapatkan sebesar 90,05%, precision 92,14%, recall 97,35%, dan F-1 Score 98,66%, ulasan positif 30,0%, ulasan negatif 59,5%, dan ulasan netral 10,5%. Hasil analisis sentimen pada penelitian ini menunjukkan bahwa aplikasi TikTok memiliki kecenderungan sentimen negatif pada saat data ulasan diambil.
Shrimp-Detector App Aplikasi Website untuk Mendeteksi Udang Menggunakan Custom Model YOLOv8, Onnxruntime-web API, dan React Js Noviana, Rina; Maulana, M. Irfan
Jurnal Ilmiah Komputasi Vol. 23 No. 2 (2024): Jurnal Ilmiah Komputasi : Vol. 23 No 2, Juni 2024
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32409/jikstik.23.2.3583

Abstract

Industri akuakultur atau perikanan di Indonesia telah berkembang pesat dan merupakan sektor yang memiliki peran penting dalam perekonomian dan pasokan pangan nasional di Indonesia. Salah satu komoditas perikanan yang berkembang pesat di Indonesia adalah udang. Teknologi pendeteksian objek dapat membantu para petambak udang dalam mendeteksi udang dan menentukan jumlah udang yang terdeteksi. Dalam penelitian ini, akan dibangun aplikasi website “Shrimp-Detector App” yang dapat mendeteksi udang dan menghitung jumlah udang yang terdeteksi menggunakan YOLOv8, Onnxruntime-web API, dan React Js. Dataset yang digunakan adalah dataset dengan dua kelas, yaitu udang dan bukan_udang dengan jumlah data citra sebanyak 6630. Proses anotasi citra dilakukan dengan menggunakan roboflow. Proses training dataset dilakukan dengan menggunakan Google Colaboratory, YOLOv8, dan hasil yang didapat disimpan di Google Drive. Pembuatan aplikasi website menggunakan framework javascript yaitu react js. Proses deployment menggunakan tools Netlify sebagai provider CI/CD deployment tools. Pelatihan dilakukan dengan total 300 epoch. Nilai rata-rata precision sebesar 92.57%, sedangkan nilai recall sebesar 88.2%. Akurasi model diperoleh nilai 93.2%. Hasil ini menggambarkan bahwa model relatif stabil dalam mengklasifikasikan objek dengan tepat.
Implementasi Naive Bayes pada Sistem Asesmen Program Kemitraan dan Bina Lingkungan PT. Pos Indonesia Maresti, Fatia Amalia; Mustaqim , Kiki; Ginasta, Nava Gia
Jurnal Ilmiah Komputasi Vol. 23 No. 2 (2024): Jurnal Ilmiah Komputasi : Vol. 23 No 2, Juni 2024
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32409/jikstik.23.2.3584

Abstract

Penelitian ini bertujuan untuk memberikan rekomendasi sebagai dasar pertimbangan kelayakan calon mitra usaha. Melalui analisis data profil usaha, berupa sektor usaha, provinsi, status usaha, tahun pendirian, jumlah modal, hasil penjualan, total kekayaan bersih, usia pemilik, penghasilan pemilik, jumlah pinjaman, dan label. Metode Naive Bayes dipilih sebagai alat klasifikasi karena kecepatan dan akurasinya. Hasil evaluasi dari 20 data test, terdapat 18 (90%) data yang terklasifikasi dengan benar, yaitu 6 (33%) data terkategori layak mendapat pinjaman, dan 12 (67%) data terkategori tidak layak mendapat pinjaman. Algoritma Naive Bayes memberikan hasil akurasi sebesar 90%, dengan presisi dan recall masing-masing sebesar 92% untuk kategori "Layak" dan "Tidak Layak" mendapatkan pinjaman. Hasil ini menunjukkan bahwa algoritma Naive Bayes layak digunakan untuk penentuan kemitraan usaha PKBL PT. Pos Indonesia. Penelitian ini memberikan kontribusi dalam memberikan rekomendasi yang lebih efektif dalam menilai kelayakan calon mitra usaha, dengan meminimalisir risiko kredit macet.
Penerapan Web Semantik Berdasarkan Ontologi Pada Pencarian Judul Skripsi Dengan Algoritma Boyer-Moore Mubarak, Ahmad; Ikhsan, Muhammad; Putri, Raissa Amanda
Jurnal Ilmiah Komputasi Vol. 23 No. 2 (2024): Jurnal Ilmiah Komputasi : Vol. 23 No 2, Juni 2024
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32409/jikstik.23.2.3587

Abstract

Skripsi merupakan penelitian karya ilmiah yang bertujuan untuk mendapatkan gelar sarjana. Sistem pencarian judul dan data skripsi pada tingkat yang spesifik (fakultas) dibutuhkan pada suatu universitas yang dapat memudahkan pengguna mencari informasi terkait, dimana dalam penelitian ini menggunakan basis web semantik. Web semantik sebagai sebuah web yang mampu mendeskripsikan sesuatu yang dimengerti oleh mesin, memiliki keunggulan dalam keterbukaan data. Web semantik menyajikan informasi yang dinamis dan lebih akurat. Metode dalam perancangan web semantik menggunakan bahasa ontologi yang dirancang sesuai basis pengetahuan. Pada tingkat yang lebih spesifik, dimana khususnya pada Fakultas Sains dan Teknologi, belum ada layanan yang dapat mencari informasi skripsi apa saja yang telah dipublikasikan, sehingga user harus mencari melalui Repository UIN-SU dan memungkinkan untuk memakan waktu yang cukup lama, dimana dengan banyaknya konten yang terkandung di dalam website tersebut, penggunaan pencarian berbasis keyword untuk mencari informasi yang diinginkan user menjadi kurang efektif. Akibatnya, dapat memakan waktu untuk menemukan hasil yang diinginkan dari konten yang diberikan mesin pencari. Pengujian dilakukan dari penelitian ini, dengan mengkonversi query bentuk bahasa alami menjadi SPARQL yang dilakukan dengan algoritma Boyer-Moore, didapati bahwa dari 17 kalimat pencarian, terdapat 16 kalimat yang menampilkan hasil yang sesuai dengan knowledge base dengan tingkat keberhasilan mencapai 94%.
Prediksi Kinerja Calon Mahasiswa Berdasarkan Nilai Seleksi Masuk Menggunakan Pendekatan Machine Learning Ariyanto, Sisia Dika; Wulandhari, Lili Ayu
Jurnal Ilmiah Komputasi Vol. 23 No. 2 (2024): Jurnal Ilmiah Komputasi : Vol. 23 No 2, Juni 2024
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32409/jikstik.23.2.3589

Abstract

Politeknik Astra menerapkan tes seleksi masuk dimana salah satu tahapan utamanya adalah Tes Potensi Akademik (TPA). TPA terdiri dari tujuh subtes. Panitia seleksi berkeinginan untuk melakukan perubahan menjadi efektif dan efisien dengan mengurangi jumlah subtes berdasarkan subtes yang paling berpengaruh. Untuk mengetahui subtes yang paling berpengaruh terhadap performa mahasiswa, digunakanlah Machine Learning . Pendekatan dilakukan dengan algoritma klasifikasi dan regresi. Hasil dari klasifikasi, algoritma Random Forest memberikan hasil terbaik. Selanjutnya untuk melihat fitur yang paling berpengaruh terhadap kelulusan seleksi masuk, dilakukan seleksi fitur dengan metode filter dan impurity-based . Tiga fitur terbaik diperoleh dari Prodi MI dan Non-MI. Selanjutnya dilakukan regresi dengan dua algoritma, yaitu Support Vector Regression (SVR) dan Neural Network Regression dengan konfigurasi 3, 5, dan model 7 fitur. Hasil terbaik konsisten dengan dua model data yaitu algoritma SVR dengan mean absolute error untuk Prodi MI 0.17 dan Non-MI 0.19. Hasilnya, model data dengan 3 fitur memiliki hasil terbaik untuk Prodi MI, artinya TPA dapat disederhanakan dengan tiga fitur, sedangkan pada Prodi Non MI, hasil terbaik pada tujuh fitur.
Implementasi Algoritma Apriori dan FP-Growth untuk Menganalisis Pola Pembelian Produk Skincare dan Kosmetik Fergina, Anggun; Putri Ayu Negara; Alun Sujjada; Imam Sanjaya; Hermanto
Jurnal Ilmiah Komputasi Vol. 23 No. 3 (2024): Jurnal Ilmiah Komputasi : Vol. 23 No 3, September 2024
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32409/jikstik.23.3.3592

Abstract

Penelitian ini mengeksplorasi penerapan algoritma Apriori dan FP-Growth dalam menganalisis pola pembelian produk skincare dan kosmetik di Toko XYZ. Kedua algoritma ini digunakan untuk mengidentifikasi item-item yang sering dibeli bersama oleh pelanggan, yang dapat memberikan wawasan berharga untuk strategi pemasaran dan penataan produk. Data transaksi historis dari toko tersebut dikumpulkan dan diproses untuk menentukan set item yang sering muncul dan aturan asosiasi antara produk. Algoritma Apriori mengidentifikasi hubungan antar-item dengan iterasi kandidat berdasarkan nilai support dan confidence yang ditetapkan, sedangkan FP-Growth memanfaatkan struktur FP-Tree untuk efisiensi dalam pengolahan data yang besar. Hasil dari analisis ini diharapkan dapat membantu Toko XYZ dalam merancang promosi silang yang efektif, meningkatkan penjualan, dan memperbaiki pengalaman belanja pelanggan. Penelitian ini menunjukkan bagaimana teknik data mining dapat diterapkan dalam konteks bisnis ritel kecil hingga menengah untuk mengoptimalkan operasional dan pemasaran.
Penerapan Model View Controller Berbasis Framework Codeigniter Pada Sistem Penjualan. Studi Kasus : Toko Jaya Motor) Wulandari, Maria Sri; Noveandini, Rahayu; Febriansyah, Febriansyah
Jurnal Ilmiah Komputasi Vol. 23 No. 2 (2024): Jurnal Ilmiah Komputasi : Vol. 23 No 2, Juni 2024
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32409/jikstik.23.2.3597

Abstract

Seiring dengan perkembangan teknologi dunia bisnis yang begitu pesat, setiap orang yang beranggapan bahwa melakukan proses transaksi jual beli harus dilakukan dengan cara datang langsung ke tempat kini telah bergeser. Teknologi internet mempunyai efek yang sangat besar pada perdagangan atau bisnis. hanya dari rumah atau ruang kantor, calon pembeli dapat melihat produk-produk pada layar komputer, mengakses informasinya, melakukan pemesanan dan membayar dengan pilihan yang tersedia. Calon pembeli dapat menghemat waktu dan biaya karena tidak perlu datang ke toko atau tempat transaksi sehingga dari tempat duduk mereka dapat mengambil keputusan dengan cepat. Dalam bisnis menjual berbagai sparepart kendaraan berbagai jenis merk kendaraan bermotor,  saat ini Toko Jaya Motor masih menggunakan sistem konvensional, dimana para pelanggan harus datang langsung ke Toko. Merancang dan membangun sistem penjualan berbasis web menggunakan metode pengembangan sistem model Waterfall yang menekankan pembuatan yang berurutan dan sistematis. Pola arsitektur yang digunakan pada pembuatan sistem ini dengan Model View Controller (MVC) dengan bantuan framework codeigniter dan Bootstrap sebagai bantuan pembuatan web yang dinamis dan responsif. Perancangan sistem yang digunakan dalam pembuatan website ini adalah Unified Modeling Language (UML) dan Entity Relationship Diagram (ERD) untuk menunjukan relasi database. Sistem yang dibangun dapat menampilkan secara online tentang layanan dan produk, sehingga dapat diakses dimanapun dan kapanpun.

Page 53 of 62 | Total Record : 617

 51   52   53   54   55 

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): Jurnal Ilmiah KOMPUTASI Vol 15, No 1 (2016): Juni 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