cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Wawan Gunawan
Contact Email
wawan.gunawan@mercubuana.ac.id
Phone
+6282126992470
Journal Mail Official
format@mercubuana.ac.id
Editorial Address
Format : Jurnal Ilmiah Teknik Informatika, Fakultas Ilmu Komputer Universitas Mercu Buana, Jl. Raya Meruya Selatan, Kembangan, Jakarta 11650 Tlp./Fax: +62215840816
Location
Kota adm. jakarta barat,
Dki jakarta
INDONESIA
Format : Jurnal Imiah Teknik Informatika
Published by Universitas Mercu Buana
ISSN : 20895615     EISSN : 27227162     DOI : http://doi.org/10.22441/format
Core Subject : Science,
Computer Science & IT
Format : Jurnal Ilmiah Teknik Informatika merupakan jurnal peer-review yang berasal dari hasil-hasil penelitian dan kajian ilmiah di bidang Ilmu Komputer khususnya Informatika. Cakupan naskah artikel yang dapat dipublikasikan difokukuskan pada bidang berikut (namun tidak terbatas): ICT, Rekayasa Perangkat Lunak, Sistem Informasi Geografis, Data mining and Big Data, Komunikasi Data, Mobile Computing, Kesercasan Buatan, E-Learning, Multimedia and Pengolahan Gambar, Sistem Keamanan dan Basisdata, IOT, dan Jaringan Komputer. Format : Jurnal Ilmiah Teknik Informatika diterbitkan oleh Program Studi Informatika, Universitas Mercu Buana Jakarta. Periode penerbitan adalah setahun dua kali, yaitu pada bulan Januari dan bulan Juli.
Arjuna Subject : Ilmu Komputer (semua kategori) - Ilmu Komputer (Lain-Lain)
Articles 149 Documents
 11   12   13   14   15 
Perbandingan Algoritma CART Dan AdaBoost Pada Klasifikasi Demensia All Fajri, Muhammad Arya; Saputra, M Aldi; Desiani, Anita; Suprihatin, Bambang; Hanum, Herlina
FORMAT Vol 15, No 1 (2026)
Publisher : Universitas Mercu Buana

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22441/format.2026.v15.i1.002

Abstract

Demensia merupakan gangguan kesehatan ditandai dengan penurunan daya ingat, kemampuan kognitif, dan perilaku yang mengganggu aktivitas pada kehidupan sehari-hari. Masyarakat kurang mendapatkan informasi mengenai deteksi dini demensia yang disebabkan terbatasnya fasilitas kesehatan. Klasifikasi menggunakan data mining dapat membantu deteksi dini demensia. Penelitian ini bertujuan membandingkan algoritma CART dan AdaBoost untuk melihat metode yang paling efektif digunakan pada klasifikasi demensia. Pembagian data dilakukan menggunakan metode percentage split dan k-fold cross-validation. Percentage split membagi data menjadi dua bagian dengan 70% data pelatihan dan 30% data pengujian. K-fold cross-validation mengelompokkan data dengan 1 kelompok data menjadi data pengujian dan 9 kelompok data lainnya menjadi data pengujian yang dilakukan berulang pada setiap kelompok data sebanyak 10 kali. ADASYN digunakan untuk menyeimbangkan data pada setiap kelas. Hasil evaluasi kinerja pada kedua algoritma menunjukkan AdaBoost menggunakan ADASYN dan k-fold cross-validation memiliki nilai tertinggi untuk akurasi, presisi, recall, f1-score, dan ROC-AUC masing-masing sebesar 92.52%, 92.11%, 92.52%, 91.46%, dan 96.85%. Hasil ini menunjukkan bahwa algoritma AdaBoost sangat baik dalam memprediksi seluruh demensia dengan benar, mempertahankan keseimbangan antara presisi dan recall, dan membedakan tiga kelas demensia. Hasil penelitian menunjukkan keunggulan pendekatan ensemble learning dalam menangani variasi data dan meningkatkan stabilitas model klasifikasi demensia. Penelitian ini menunjukkan bahwa AdaBoost memiliki performa yang sangat baik dibandingkan CART pada klasifikasi demensia.
Implementasi Metode Perbandingan Eksponensial (MPE) untuk Menentukan Kelayakan Pemberian Kredit pada Usaha Mikro Kecil Menengah Suarlin, John; Fajar Mahmud, Soni
FORMAT Vol 15, No 1 (2026)
Publisher : Universitas Mercu Buana

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22441/format.2026.v15.i1.007

Abstract

Penilaian kelayakan kredit merupakan langkah penting bagi koperasi simpan pinjam dalam memastikan bahwa dana pinjaman diberikan kepada nasabah yang memiliki kemampuan dan komitmen untuk mengembalikan kredit. Namun, proses penilaian yang dilakukan secara manual sering menimbulkan bias, membutuhkan waktu lama, dan kurang konsisten karena melibatkan banyak kriteria yang bersifat kompleks. Penelitian ini mengimplementasikan Metode Perbandingan Eksponensial (MPE) untuk membantu proses pengambilan keputusan dalam menentukan kelayakan pemberian kredit kepada UMKM. Metode MPE dipilih karena mampu memberikan pembobotan yang lebih sensitif terhadap perubahan nilai setiap kriteria, sehingga menghasilkan perhitungan yang lebih objektif. Data nasabah yang mencakup lima kriteria utama, yaitu character, capacity, capital, collateral, dan condition, diolah menggunakan rumus eksponensial untuk memperoleh nilai total keputusan. Hasil penelitian menunjukkan bahwa MPE mampu membedakan kelayakan kredit secara jelas, ditunjukkan oleh nilai akhir yang memberikan peringkat kelayakan nasabah secara akurat. Dari lima nasabah yang dianalisis, tiga dinyatakan layak menerima kredit dan dua dinyatakan tidak layak berdasarkan batas nilai yang ditetapkan (>50.000). Temuan ini menunjukkan bahwa metode MPE dapat menjadi alat bantu yang efektif bagi koperasi dalam meningkatkan ketepatan dan konsistensi penilaian kelayakan kredit.
Perbandingan Performa Xception dan InceptionV1 untuk Pengenalan Ekspresi Wajah Delio, Ferdinand Defin; Aryani, Diah; Akbar, Habibullah; Yusuf, Mohamad; Triana, Yaya Sudarya
FORMAT Vol 15, No 1 (2026)
Publisher : Universitas Mercu Buana

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22441/format.2026.v15.i1.003

Abstract

Penelitian ini bertujuan untuk menganalisis dan membandingkan performa dua arsitektur Convolutional Neural Network (CNN) populer, yaitu Xception dan InceptionV1, dalam tugas pengenalan ekspresi wajah (Facial Expression Recognition/FER). Penelitian ini dilakukan dengan pendekatan transfer learning dan fine-tuning menggunakan dataset FER-2013 yang berisi 35.887 citra wajah grayscale berukuran 48×48 piksel yang diklasifikasikan ke dalam tujuh emosi dasar. Setiap citra diubah ukurannya menjadi 224×224 piksel, dinormalisasi, dan diproses dengan teknik augmentasi untuk meningkatkan generalisasi model terhadap variasi ekspresi wajah, pencahayaan, dan pose. Proses pelatihan dilakukan selama 30 epoch menggunakan optimizer Adam dengan learning rate 0.0001 dan batch size 64. Strategi fine-tuning dilakukan dengan membuka 30% lapisan atas model untuk mengoptimalkan bobot fitur yang telah dipelajari sebelumnya dari dataset ImageNet. Evaluasi kinerja dilakukan berdasarkan metrik akurasi, presisi, recall, F1-score, serta efisiensi komputasi yang diukur dari waktu pelatihan dan inferensi. Hasil eksperimen menunjukkan bahwa Xception mencapai akurasi validasi 70,69% dengan waktu inferensi rata-rata 20–25 ms, sedangkan InceptionV1 mencapai 65,80% dengan waktu inferensi 43–126 ms. Arsitektur Xception terbukti lebih efisien secara komputasi karena memanfaatkan depthwise separable convolution yang mengurangi jumlah parameter tanpa menurunkan akurasi. Temuan ini menunjukkan bahwa Xception lebih sesuai untuk aplikasi FER real-time dan perangkat dengan sumber daya terbatas, serta memberikan dasar yang kuat bagi penelitian lanjutan dalam pengembangan sistem pengenalan ekspresi wajah berbasis video dan lingkungan dunia nyata.
Perbandingan Algoritma K-Means dan Hierarchical Clustering dalam Pengelompokan Prestasi Akademik Siswa Sampurno, Hari; Wafi, Muhammad Nasrullahil; Nurdin, Nurdin
FORMAT Vol 15, No 1 (2026)
Publisher : Universitas Mercu Buana

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22441/format.2026.v15.i1.008

Abstract

Pengelompokan prestasi akademik merupakan salah satu strategi yang dapat membantu guru dan pihak sekolah dalam melakukan intervensi pembelajaran, seperti pemberian bimbingan tambahan atau penentuan strategi pengajaran yang lebih tepat. Penelitian ini bertujuan untuk membandingkan kinerja algoritma K-Means dan Hierarchical Clustering dalam mengelompokkan prestasi akademik siswa. Dataset yang digunakan terdiri dari 1.000 data siswa dengan tiga atribut nilai, yaitu Matematika, Membaca, dan Menulis, yang diperoleh dari sumber data publik. Tahapan penelitian meliputi proses preprocessing, normalisasi data menggunakan StandardScaler, penerapan algoritma clustering, serta visualisasi hasil menggunakan scatter plot dua dimensi dan dendrogram. Evaluasi kinerja model dilakukan menggunakan Silhouette Score untuk menilai kualitas pemisahan cluster. Hasil penelitian menunjukkan bahwa algoritma K-Means memperoleh skor Silhouette sebesar 0,406, sedangkan Hierarchical Clustering memperoleh skor 0,374. Nilai tersebut mengindikasikan bahwa K-Means menghasilkan struktur pengelompokan yang lebih baik dan lebih jelas dalam membedakan tingkat prestasi siswa menjadi tiga kategori: rendah, sedang, dan tinggi. Dengan demikian, K-Means dinilai lebih sesuai untuk analisis pengelompokan prestasi akademik pada dataset ini.
Optimasi Pemilihan Indekos Dengan Menggunakan Metode TOPSIS Ramadika, Irvan Rahul; Daniawan, Benny
FORMAT Vol 15, No 1 (2026)
Publisher : Universitas Mercu Buana

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22441/format.2026.v15.i1.004

Abstract

Meningkatnya populasi Indonesia mendorong permintaan hunian layak yang semakin meningkat. Namun, memiliki rumah pribadi menjadi sulit karena tingginya suku bunga Kredit Pemilikan Rumah (KPR), yang seringkali tidak sesuai dengan pendapatan masyarakat. Hal ini menjadikan rumah kos sebagai alternatif yang menarik karena lebih terjangkau dan tidak memerlukan komitmen jangka panjang. Saat ini, pencarian dan pemasaran rumah kos masih mengandalkan metode konvensional, yang mengharuskan calon penyewa untuk datang langsung atau bergantung pada informasi masyarakat sekitar. Untuk mengatasi hal ini, penelitian ini bertujuan untuk merancang Sistem Pendukung Keputusan (SPK) berbasis web untuk memfasilitasi transaksi antara pemilik dan calon penyewa tanpa harus mengunjungi ataupun survei ke lokasi. Sistem ini menggunakan Technique for Order Preference by Similarity to Ideal Solution (TOPSIS) untuk memberikan rekomendasi rumah kos yang optimal. Kriteria yang dipertimbangkan meliputi Harga, Jarak, Fasilitas, Ukuran Kamar, dan Keamanan. Hasil TOPSIS menunjukkan rekomendasi terbaik adalah Artha Kos, dengan nilai preferensi tertinggi sebesar 0,7809. Hal ini karena rumah kos tersebut menawarkan kombinasi kriteria terbaik, seperti fasilitas dan keamanan, yang menunjukkan bahwa pengguna lebih mengutamakan kenyamanan dan keamanan daripada biaya ataupun jarak. Sistem ini juga mencakup fitur pemesanan langsung dan telah diuji menggunakan metode User Acceptance Testing (UAT), dengan tingkat kepuasan mencapai 86,4%. Hasil ini menunjukkan bahwa sistem ini efektif dan menyederhanakan pemesanan kos secara digital, memberikan solusi praktis untuk memenuhi kebutuhan perumahan di tengah tantangan kepemilikan rumah pribadi.
Implementasi YOLOv8 dan FaceNet untuk Sistem Keamanan Real-Time Berbasis IoT Kurniawan, Ery; Rahmandhani, Rifqi; Rizkiansyah, Dimas; Kurniawati, Ika; Bismi, Waeisul; Fahlapi, Riza
FORMAT Vol 15, No 1 (2026)
Publisher : Universitas Mercu Buana

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22441/format.2026.v15.i1.009

Abstract

Sistem keamanan CCTV konvensional umumnya hanya berfungsi sebagai perekam pasif tanpa kemampuan analisis otomatis, yang menyebabkan keterlambatan deteksi karena proses identifikasi dilakukan secara manual. Keterbatasan ini menimbulkan latensi tinggi dan akurasi deteksi yang rendah, sehingga menjadi masalah krusial dalam kebutuhan keamanan modern. System keamanan yang baik dapat mencegah tindak kejahatan yang bisa merugikan penghuni rumah baik fisik maupun materiil. Penelitian ini mengusulkan pengembangan sistem keamanan cerdas berbasis Internet Of Things (IoT) dengan integrasi deteksi wajah menggunakan YOLOv8 dan pengenalan wajah FaceNet menggunakan modul ESP32-CAM. Sistem ini dirancang untuk mendeteksi wajah secara real-time, identifikasi individu secara otomatis, serta pengiriman notifikasi instan melalui Telegram ketika terdeteksi wajah yang tidak dikenal. Metode penelitian ini meliputi perancangan arsitektur IoT, pengambilan dataset wajah, preprocessing menggunakan MTCNN, FaceNet untuk menghasilkan facial embeddings, serta implementasi YOLOv8 sebagai detektor wajah real-time. Evaluasi kinerja pengenalan wajah dilakukan dengan menerapkan metode 5-fold cross-validation pada dataset embedding FaceNet menggunakan pengklasifikasi k-NN. Hasil eksperimen menunjukan bahwa sistem mampu mendeteksi wajah dengan tingkat respon tinggi dan mengenali individu dengan akurasi yang konsisten pada pencahayaan dan jarak bervariasi. Hasil pengujian training rata-rata accuracy Top-1 mencapai 0.96 dan rata-rata accuracy Top-5 sebesar 0.99, YOLOv8 menunjukkan kemampuan deteksi wajah yang akurat dan cepat dengan waktu respon 1,86 detik pada server berbasis CPU Intel Core i5 dan GPU Intel UHD Graphics 620. Performa pengujian akurasi FaceNet dengan pengklasifikasi k-NN menghasilkan akurasi 99.35%, presisi 99,35%, recall 98,94%, F1-score 99,11%, dan FPR (False Positive Rate) 0,08%, hal ini menunjukkan bahwa sistem memiliki akurasi pengenalan wajah yang sangat tinggi dan konsisten. Sistem yang dikembangkan mampu memberikan peringatan instan kepada pengguna melalui Telegram saat terdeteksi wajah yang tidak dikenal, sehingga meningkatkan waktu respons terhadap potensi ancaman. Dengan performa yang stabil dan tangguh serta biaya implementasi yang rendah, sistem ini menawarkan solusi keamanan modern yang lebih adaptif, proaktif, efektif, dan efisien dibandingkan CCTV konvensional.
Penerapan Fuzzy Logic Tsukamoto untuk Meningkatkan Efisiensi Produksi Tahu dan Tempe Anjani, Dewi; Novianti, Desi; Bachtiar, Yogi
FORMAT Vol 15, No 1 (2026)
Publisher : Universitas Mercu Buana

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22441/format.2026.v15.i1.005

Abstract

Penentuan jumlah produksi yang optimal merupakan aspek penting dalam pengelolaan usaha agar dapat menyeimbangkan antara permintaan pasar dan kapasitas produksi. Penelitian ini bertujuan untuk menentukan jumlah produksi tahudan tempe yang optimal pada Usaha Mandiri dengan menggunakan metode Fuzzy Logic Tsukamoto. Metode ini dipilih karena mampu mengolah data yang bersifat tidak pasti dan memberikan hasil yang lebih fleksibel berdasarkan variabel-variabel linguistik. Data yang digunakan meliputi jumlah permintaan, persediaan, dan kapasitas produksi. Proses analisis dilakukan melalui empat tahapan utama, yaitu fuzzifikasi, pembentukan basis aturan, inferensi fuzzy, dan defuzzifikasi. Berdasarkan hasil perhitungan yang dilakukan, diperoleh bahwa jumlah produksi tahu yang optimal pada tanggal 1 November 2025 adalah sebanyak 16.064 potong. Hasil ini diharapkan dapat menjadi acuan bagi Usaha Mandiri dalam pengambilan keputusan produksi yang lebih efisien dan adaptif terhadap perubahan permintaan pasar
Penerapan Aplikasi Rekomendasi Konten Akun Instagram Photographer Menggunakan Collaborative Filtering Nauli, Sukarno Bahat; Sibarani, Riama; Sitorus, Hernalom; Panjaitan, Bosar; Kurniawan, Turkhamun Adi; Priambodo, Agung; Zuli, Faizal; Dwitiyanti, Nurfidah; Narendra, Ziva Raka
FORMAT Vol 15, No 1 (2026)
Publisher : Universitas Mercu Buana

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22441/format.2026.v15.i1.001

Abstract

Perkembangan media sosial, khususnya Instagram, telah membuka peluang besar bagi individu dan komunitas untuk membagikan konten visual. Tantangan yang muncul adalah bagaimana menyajikan konten yang sesuai dengan preferensi audiens. Penelitian ini bertujuan untuk mengimplementasikan sistem rekomendasi konten berbasis metode Item-Based Collaborative filtering pada akun Instagram “Photographer Dadakan”. Sistem ini menganalisis interaksi pengguna berupa likes dan komentar terhadap konten sebelumnya, kemudian menghitung kemiripan antar konten menggunakan Cosine Similarity. Prediksi minat pengguna dilakukan dengan metode Weighted Sum, dan rekomendasi utama ditentukan melalui perhitungan Global Score. Hasil penelitian menunjukkan bahwa sistem dapat memberikan rekomendasi konten yang lebih relevan sehingga mendukung pengelolaan konten berbasis data pada platform media sosial visual.
Decision Support System for Video Editing Staff Recruitment Using a Combination of Entropy and Simple Additive Weighting Methods Wang, Junhai; Saputra, Very Hendra; Putra, Ade Dwi; Anars, M. Ghufroni; Pasaribu, A. Ferico Octaviansyah; Ardiansah, Temi
FORMAT Vol 15, No 1 (2026)
Publisher : Universitas Mercu Buana

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22441/format.2026.v15.i1.006

Abstract

The recruitment process for video editing staff is a strategic stage in ensuring the quality of professional and competitive content production. However, candidate assessment often faces challenges of subjectivity and inaccuracy in decision-making when evaluators rely solely on intuitive judgment without a measured approach. This study aims to develop a decision support system based on Multi-Criteria Decision Making (MCDM) by integrating the Entropy method for objective determination of criteria weights and the Simple Additive Weighting (SAW) method in calculating the preference values of alternatives. Five evaluation criteria are used in the selection process, namely Editing, Creativity, Experience, Discipline, and Teamwork, with the final weights obtained through the Entropy method being 0.2867, 0.2248, 0.2573, 0.0685, and 0.1626. The study results show that the SAW method is capable of processing candidate evaluation scores comprehensively based on these weights, producing final scores that indicate the best candidates, namely Eko Firmansyah (0.986), Indra Mahendra (0.9699), and Candra Wijaya (0.9662) as the three candidates with the highest eligibility. This study demonstrates that the integration of the Entropy–SAW method is effective in creating a selection mechanism that is objective, transparent, and scientifically accountable, thus making a significant contribution to decision-making in the field of human resource management

Page 15 of 15 | Total Record : 149

 11   12   13   14   15 

Filter by Year

2019 2026


Reset
Filter By Issues
All Issue Vol 15, No 1 (2026) Vol 14, No 2 (2025) Vol 14, No 1 (2025) Vol 13, No 2 (2024) Vol 13, No 1 (2024) Vol 12, No 2 (2023) Vol 12, No 1 (2023) Vol 11, No 2 (2022) Vol 11, No 1 (2022) Vol 10, No 2 (2021) Vol 10, No 1 (2021) Vol 9, No 2 (2020) Vol 9, No 1 (2020) Vol 8, No 2 (2019) Vol 8, No 1 (2019) More Issue