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 175 Documents
 14   15   16   17   18 
Penerapan Algoritma SVM pada Software Define Network untuk Mendeteksi dan Mitigasi Serangan DDOS pada Server Jaringan andi purnomo; Avrijsto Amandri Achyar
FORMAT Vol 14 No 2 (2025)
Publisher : Universitas Mercu Buana

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22441/format.2025.v14.i2.001

Abstract

Software Defined Network (SDN) is a network architecture that is very useful in the future where SDN can be used to manage network traffic on server networks. SDN can be implemented using a variety of controllers. In the controller the developer can configure it with various algorithms or other functions. At present, cyber crimes are increasingly numerous and dangerous. One of the most dangerous cyber attacks that is mostly carried out by both novice and professional hackers is the DDoS attack. DDoS attacks are aimed at crippling servers with server administration with multiple streams and packets. SDN as an architect for managing networks can be used to detect and counteract DDoS attacks so that servers are protected from these attacks. In this study researchers used SDN configured using the SVM algorithm to detect and mitigate DDOS attacks. In this study, the researchers obtained results where SDN with the SVM algorithm configuration obtained an accuracy rate of 99.67%. The SDN speed configured with the SVM algorithm does not exceed 0.30ms. Wireshark statistics show that SDN with the SVM algorithm configuration can stabilize and mitigate packets detected as DDOS.
Analisis Perancangan Sistem Informasi pada Perpustakaan Institut Teknologi Mitra Gama Arif Hidayat; Dori GUSTI ALEX CANDRA; Irzon Meiditra; Budi Permana Putra; Khelvin Ovela Putra
FORMAT Vol 14 No 2 (2025)
Publisher : Universitas Mercu Buana

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22441/format.2025.v14.i2.002

Abstract

Perpustakaan sangat penting untuk membantu pendidikan, penelitian, dan pengembangan ilmu pengetahuan.Namun, masalah seperti pengelolaan data yang tidak terintegrasi, yang dapat menyebabkan pemrosesan yang terlalu lama, masih ada. Untuk mengatasi hal ini, sistem informasi kontemporer yang mampu mengelola data dan informasi dengan baik diperlukan. Tujuan studi ini adalah menganalisis dan mengoptimalkan sistem informasi suatu perpustakaan dengan menggunakan teknik Analisis Sistem Informasi (ASI), Diagram Konteks(CD), Diagram Flow Data (DFD), dan Diagram Hubungan Entitas (ERD). Metode ini membantu dalam memahami kebutuhan pengguna dan merancang struktur sistem informasi yang efisien. Penerapan sistem informasi ini diharapkan dapat membantu dalam memberikan layanan percetakan yang efisien dan dapat diandalkan.
Perbandingan Algoritma CART Dan AdaBoost Pada Klasifikasi Demensia Muhammad Arya All Fajri; M Aldi Saputra; Anita Desiani; Bambang Suprihatin; Herlina Hanum
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.
Optimasi Pemilihan Indekos Dengan Menggunakan Metode TOPSIS Irvan Rahul Ramadika; Benny Daniawan
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.
Sistem Pendukung Keputusan Pemilihan Perumahan Menggunakan Kombinasi Metode ROC dan ARAS Ristasari Dwi Septiana; Arief Herdiansah; Ri Sabti Septarini; Muhammad Irfan
FORMAT Vol 14 No 2 (2025)
Publisher : Universitas Mercu Buana

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22441/format.2025.v14.i2.005

Abstract

Selecting a suitable house is a multifaceted process that involves several considerations, including cost, location, available facilities, security, and access to transportation. Because decisions are often made subjectively, there is a risk of inefficiency, which highlights the need for a structured decision-making approach. This study presents the development of a web-based decision support application that combines the Rank Order Centroid (ROC) method for assigning criterion weights based on their priority order, and the Additive Ratio Assessment (ARAS) method for evaluating and ranking housing alternatives based on relative utility scores. The system was implemented using PHP and MySQL, incorporating modules for managing criteria, alternatives, inputting evaluations, and generating automated calculations and visual outputs. A case study with five housing options and five main evaluation criteria was conducted. The research employed a structured methodology involving problem identification, criteria selection, weight calculation using ROC, alternative evaluation using ARAS, system development, and black-box testing for validation. The findings revealed that Taman Permata achieved the highest utility score of 0.8616, placing it as the top-ranked alternative. Functional testing through a black-box approach verified that all components operated as intended. Overall, the system offers a transparent and effective tool to support users in identifying the most appropriate housing option according to their individual needs and priorities.
Development of a web-based real estate application at Raya Houses M Julius Saputra; Desi Ramayanti
FORMAT Vol 14 No 2 (2025)
Publisher : Universitas Mercu Buana

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22441/format.2025.v14.i2.004

Abstract

This research develops a web-based real estate management system to enhance property management efficiency at Raya Houses, Jakarta. The system includes listing management, filter-based property search, AI-generated property articles, popular property analysis based on visits, and automated sales contract generation. A hybrid development approach combines Waterfall for linear structure and Kanban for iterative flexibility. Data were gathered through online observation and agent interviews, followed by functional testing of key features. Testing results show all features function as specified, improving agent operational efficiency and data accuracy. Implemented using Laravel, MySQL, and Docker, this system provides an innovative solution for automating real estate business processes, leveraging AI and document generation features underexplored in prior work.
Perancangan Aplikasi Media Sosial TeiTei Diofavian Rafif Chairulsyah; Claudio Nehemia Panggabean; Aditya Dwi Wibowo; Umniy Salamah
FORMAT Vol 14 No 2 (2025)
Publisher : Universitas Mercu Buana

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22441/format.2025.v14.i2.003

Abstract

Digital transformation has driven the need for social media platforms that can provide simple, personal, and effective interactions. However, many existing applications tend to offer complex features that are less relevant to user needs. This research aims to design and develop TeiTei, a web-based social media application that emphasizes ease of use, convenience, and interactivity. This research includes identifying user needs, designing a user-friendly interface using the CSS Bootstrap framework, developing a PHP-based system with the Laravel framework, and managing the database using MySQL. In addition, a search algorithm was implemented to improve the efficiency of finding other users on the platform. The results of this research produced a web-based social media application prototype that can meet user needs through an intuitive interface design and relevant features. The implementation of search algorithms also adds value by expanding users' social networks. This research is expected to make a significant academic contribution to the development of social media applications, as well as serve as a reference for similar studies aimed at enhancing digital social interaction experiences.
Perbandingan Performa Xception dan InceptionV1 untuk Pengenalan Ekspresi Wajah Ferdinand Defin Delio; Diah Aryani; Habibullah Akbar; Mohamad Yusuf; Yaya Sudarya Triana
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.
Penerapan Aplikasi Rekomendasi Konten Akun Instagram Photographer Menggunakan Collaborative Filtering Sukarno Bahat Nauli; Riama Sibarani; Hernalom Sitorus; Bosar Panjaitan; Turkhamun Adi Kurniawan; Agung Priambodo; Faizal Zuli; Nurfidah Dwitiyanti; Ziva Raka Narendra
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.
Perbandingan Algoritma K-Means dan Hierarchical Clustering dalam Pengelompokan Prestasi Akademik Siswa Hari Sampurno; Muhammad Nasrullahil Wafi; 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.

Page 16 of 18 | Total Record : 175

 14   15   16   17   18 

Filter by Year

2019 2026


Reset
Filter By Issues
All Issue Vol 15 No 2 (2026) Vol 15 No 1 (2026) Vol 15, No 1 (2026) Vol 14, No 2 (2025) 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