ILKOMNIKA: Journal of Computer Science and Applied Informatics
ILKOMNIKA: Journal of Computer and Applied Informatics is is a peer reviewed open-access journal. The journal invites scientists and engineers throughout the world to exchange and disseminate theoretical and practice-oriented topics of computer science and applied informatics which covers five (5) majors areas of research that includes 1) Informatics Engineering and Its Application 2) Computer Science 3) Software Engineering 4) Computer Engineering 5) Information System. This journal is published 3 issues a year, in April, August, and December.
Articles
125 Documents
<![CDATA[Pengukuran Kemiripan berbasis Leksikal dan Semantik untuk Perangkingan Dokumen Berbahasa Arab ]]>
<![CDATA[Syadza Anggraini]]>;
<![CDATA[Diana Purwitasari]]>;
<![CDATA[Agus Zainal Arifin]]>
<![CDATA[ ILKOMNIKA: Journal of Computer Science and Applied Informatics Vol 4 No 2 (2022): Volume 4, Nomor 2, Agustus 2022 ]]>
Publisher : <![CDATA[Lembaga Penelitian dan Pengabdian Masyarakat ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.28926/ilkomnika.v4i2.495
<![CDATA[Hasil pencarian relevan pada sistem temu kembali informasi tergantung pengukuran kemiripan antara query dan dokumen berdasarkan bobot kata query terhadap dokumen yang akan dirangking. Namun, perhitungan kemiripan menggunakan bobot kata dimungkinkan adanya lafal kata yang berbeda tetapi memiliki makna sama. Hasil dokumen pencarian teks berbahasa Arab akan dipengaruhi kemampuan pengguna yang beragam dalam memahami bahasa tersebut. Oleh karena itu diusulkan pengukuran kemiripan secara leksikal untuk mengatasi lafal kata yang beda serta juga menggunakan kemiripan secara semantik untuk mengenali kata dengan makna sama. Penggabungan perhitungan kemiripan leksikal dan semantik dilakukan berdasarkan bobot kata (secara leksikal) yang digabungkan dengan word embedding (secara semantik). Hasil dari uji coba dilakukan pada 2900 kitab berbahasa Arab Maktabah Syamilah menunjukkan keunggulan dengan rata-rata f-measure tertinggi dibandingkan metode lainnya yaitu 66.7% pada keseluruhan query, serta 65.2% dan 69% pada short query dan long query. Short query adalah frekuensi jumlah kata di dalam query yang berjumlah 1-2 kata sedangkan long query adalah frekuensi jumlah kata di dalam query yang berjumlah lebih dari 2 kata. Short query dan long query berpeluang me-retrieve dokumen yang tidak relevan. Hasil retrieve dokumen yang tidak relevan disebabkan karena rendahnya kemiripan antar kata di dalam suatu query akibat pemilihan kata yang kurang tepat. Pemilihan kata-kata query membutuhkan penguasaan pengguna yang tidak hanya mampu mengolah query dalam bahasa Arab, tetapi juga dapat memahami konteks dokumen yang akan dicari.]]>
<![CDATA[Perbandingan Sentimen Arus Mudik-Balik Pelaku Perjalanan Dalam Negeri (PPDN) Berbasis Algoritma Klasifikasi ]]>
<![CDATA[Vion Age Tricahyo]]>;
<![CDATA[Dessy Amry Raykhamna]]>
<![CDATA[ ILKOMNIKA: Journal of Computer Science and Applied Informatics Vol 4 No 2 (2022): Volume 4, Nomor 2, Agustus 2022 ]]>
Publisher : <![CDATA[Lembaga Penelitian dan Pengabdian Masyarakat ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.28926/ilkomnika.v4i2.498
<![CDATA[Perjalanan mudik-balik sudah menjadi budaya dan kebiasaan setiap tahun bagi penduduk yang sedang merantau. Kebiasaan ini terhenti selama dua tahun dikarenakan pandemi Covid-19 menyebar ke seluruh negara termasuk Indonesia. Pada tahun ini melalui surat edaran satuan tugas no 16 tahun 2022, dinyatakan bahwa masyarakat diperbolehkan melakukan perjalanan dengan berbagai aturan dan syarat. Aturan dan syarat ini mengakibatkan banyak sentimen pro dan kontra yang terjadi di masyarakat terutama di media sosial twitter. Data berasal langsung dari netizen dan tanggapan dari media nasional menghasilkan variasi data. Data yang diolah total sebanyak 11.971 data dengan memanfaatkan Word2Vec sebagai ekstraksi fitur menggunakan kata kunci mudik dan balik. Hasil penelitian menggunakan naïve bayes, decision tree dan support vector machine menghasilkan perbandingan akurasi tertinggi yakni sebesar 97.5 % dan terendah 82.96 %.]]>
<![CDATA[Metode K-Means untuk Segmentasi Wisatawan Berdasarkan Aspek Sosio-Ekonomi ]]>
<![CDATA[Ananta Kusuma Yoga Pratama]]>
<![CDATA[ ILKOMNIKA: Journal of Computer Science and Applied Informatics Vol 4 No 2 (2022): Volume 4, Nomor 2, Agustus 2022 ]]>
Publisher : <![CDATA[Lembaga Penelitian dan Pengabdian Masyarakat ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.28926/ilkomnika.v4i2.503
<![CDATA[Visualisasi profil wisatawan penting untuk diketahui karena dapat digunakan untuk merancang arah pengembangan obyek wisata ke depan. Penelitian ini bertujuan untuk mengelompokkan wisatawan dengan dengan menggunakan metode klastering K-Means sehingga diperoleh segmentasi profil wisatawan dari aspek sosio ekonomi, yaitu besar pendapatan, pengeluaran selama wisata, teman yang diajak berwisata, jenis wisata yang dipilih/ disukai, transportasi untuk wisata, seberapa sering berwisata, kegiatan selama wisata. Sampel penelitian segmentasi ini merupakan wiatawan yang sedang melakukan kunjungan ke lokasi wisata kawasan Kabupaten Banyuwangi, dengan jumlah sampel sebanyak 90 responden. Data dari hasil kuisioner, dinormalisasi, kemudian diolah dengan menggunakan algoritma K-Means. Untuk menentukan jumlah k yang paling optimum, dilakukan penghitungan Sum Squarred Error (SSE). Berdasarkan plot dengan metode Elbow, nilai k optimum berjumlah 4 klaster. Masing-masing klaster memiliki preferensi khusus yang terlihat dari centroid kluster.]]>
<![CDATA[Aplikasi Pengenalan Citra Wajah di KTP Menggunakan Google Cloud Vision API dan Kairos API Berbasis Android ]]>
<![CDATA[Rangga Gelar Guntara]]>
<![CDATA[ ILKOMNIKA: Journal of Computer Science and Applied Informatics Vol 4 No 2 (2022): Volume 4, Nomor 2, Agustus 2022 ]]>
Publisher : <![CDATA[Lembaga Penelitian dan Pengabdian Masyarakat ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.28926/ilkomnika.v4i2.504
<![CDATA[Berbagai penelitian sudah mencoba beberapa metode dan algoritma untuk proses pendeteksian dan pengenalan citra wajah pada manusia. Pada penelitian ini akan memanfaatkan API Google Cloud Vision dan API Kairos untuk pendeteksian dan pengenalan wajah pada foto KTP. API Google Cloud Vision merupakan arsitektur maching learning yang dikembangkan oleh Google untuk pengolahan data berbasis visual (computer vision) seperti OCR, Face detection, Image Retrieval, dan sebagainya. Sedangkan API Kairos adalah sebuah layanan API yang berfokus pada pengenalan dan verifikasi citra wajah. Hasil pengujian pada penelitian ini menunjukkan tingkat akurasi hingga 100% dalam 10 kali percobaan menggunakan citra KTP yang berbeda. Sedangkan hasil pengujian kueioner kepada 50 responden mendapatkan nilai persentasse sebesar 4.4 dari 5.]]>
<![CDATA[Identifikasi Potensi Lahan Budidaya Udang Di Pesisir Teluk Banten Menggunakan Algoritma CNN ]]>
<![CDATA[M. Andre Setiawan]]>;
<![CDATA[Ishak Ariawan]]>;
<![CDATA[Luthfi Anzani]]>
<![CDATA[ ILKOMNIKA: Journal of Computer Science and Applied Informatics Vol 4 No 3 (2022): Volume 4, Nomor 3, Desember 2022 ]]>
Publisher : <![CDATA[Lembaga Penelitian dan Pengabdian Masyarakat ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.28926/ilkomnika.v4i3.514
<![CDATA[Udang menjadi salah satu komoditas perikanan yang melimpah di Provinsi Banten. Budidaya udang biasa dilakukan petani di area tambak. Kesesuaian lahan menjadi pertimbangan dalam pemilihan tambak udang. Sulitnya dalam identifikasi kesesuaian lahan budidaya udang bagi masyarakat mengakibatkan produksi budidaya udang menurun. Maka dari itu dibutuhkan proses identifikasi lahan berpotensi menjadi tambak udang yang dilakukan menggunakan teknologi. Penelitian ini bertujuan untuk mengidentifikasi lahan yang berpotensi dijadikan lahan budidaya udang di pesisir Teluk Banten. Data terdiri dari peta jenis tanah bersumber dari FAO-UNESCO dan peta administrasi kota Serang bersumber dari Indonesia-Geospasial. Peta diolah sehingga menghasilkan total 160 gambar dengan pembagian 80 untuk data gambar lahan berpotensi dan 80 gambar lahan tidak berpotensi. Model klasifikasi yang digunakan adalah Convolutional Neural Network (CNN) yang terdiri dari convolution layer, pooling layer, flatten layer, dan dense layer. Library tensorflow diterapkan pada model sebagai pendukung eksekusi algoritma dan framework yang membantu dalam perhitungan numerik. Hasil dari model tersebut berdasarkan variasi batch size dan epoch diperoleh accuracy terbesar yaitu 99% dan loss 21% dengan ukuran batch size 8 dan jumlah epoch 30. Performa model menghasilkan nilai accuracy 97,20%, precision 94,63%, dan sensitivity 95,81%. Model dapat dikatakan baik karena tidak terlihat adanya tanda overfitting ataupun underfitting yang dilihat dari grafik loss dan accuracy. Dapat disimpulkan bahwa model klasifikasi lahan budidaya udang di pesisir Teluk Banten dapat digunakan dengan baik dalam identifikasi lahan berpotensi atau tidak berpotensi menjadi lahan budidaya udang.]]>
<![CDATA[Sistem Klasifikasi Otomatis Dengan Konsep Machine Learning As A Service (MLaaS) Pada Kasus Pesan Berindikasi Cyberbullying ]]>
<![CDATA[Muhammad Raihan Satrio Putra Pamungkas]]>;
<![CDATA[Mochamad Nurul Huda]]>;
<![CDATA[Daffa Almer Fauzan]]>;
<![CDATA[Ardi Hilal Itsna]]>;
<![CDATA[Fajar Muhammad Al-Hijri]]>
<![CDATA[ ILKOMNIKA: Journal of Computer Science and Applied Informatics Vol 4 No 3 (2022): Volume 4, Nomor 3, Desember 2022 ]]>
Publisher : <![CDATA[Lembaga Penelitian dan Pengabdian Masyarakat ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.28926/ilkomnika.v4i3.522
<![CDATA[Informasi berupa pesan ataupun komentar yang tersebar di media sosial tentunya perlu disesuaikan dan diberi batasan sehingga dapat terhindar dari adanya informasi yang bersifat menyerang individu ataupun mengganggu kenyamanan pengguna lainnya. Tindakan tersebut biasa disebut dengan istilah cyberbullying. Beberapa peneliti telah memberikan tanggapan solusi dengan mengembangkan model klasifikasi pesan. Namun dalam kasus nyata, diperlukannya integrasi dengan aplikasi lainnya supaya dampak dan keberhasilannya dapat dirasakan. Untuk memberikan kemudahan bagi pengguna ataupun pengembang, mutakhir ini muncul konsep Machine Learning as a Service (MLaaS) sehingga model klasifikasi dapat digunakan dan diintegrasikan tanpa perlu memikirkan tahapan pengembangan model, implementasi hingga infrastrukturnya. Penelitian ini dilakukan dengan pendekatan Design Science Research (DSR). Penelitian ini bertujuan untuk memberikan solusi sebagai kontribusi baru berupa rancangan sistem klasifikasi otomatis dalam kasus pesan yang terindikasi cyberbullying menggunakan konsep MLaaS. Dataset yang digunakan merupakan kombinasi dari dua dataset komentar bahasa Indonesia yang berasal dari dua penelitian sebelumnya. Adapun model klasifikasi yang berhasil dikembangkan menggunakan algoritma Support Vector Machine (SVM) dengan akurasi terbaiknya yaitu 86,9%. Pengembangan sistem MLaaS menggunakan bahasa Python dengan framework FastAPI serta PostgreSQL sebagai basis data nya. Pengujian dilakukan melalui integrasi terhadap prototipe aplikasi website pesan singkat bernama Vrede. Hasil pengujian dalam penelitian ini menunjukan 80% keberhasilan untuk pesan bersifat menyerang dan 100% keberhasilan untuk pesan bersifat normal. Selain itu juga penelitian ini menunjukan bahwa rancangan sistem ini dapat diintegrasikan ke dalam aplikasi lainnya.]]>
<![CDATA[Survei Teknik-Teknik Pengujian Software Menggunakan Metode Systematic Literature Review ]]>
<![CDATA[Alfian Arifandi]]>;
<![CDATA[Raihan Nafal Zuhdi Simamora]]>;
<![CDATA[Geovanni Azam Janitra]]>;
<![CDATA[Muhammad Ainul Yaqin]]>
<![CDATA[ ILKOMNIKA: Journal of Computer Science and Applied Informatics Vol 4 No 3 (2022): Volume 4, Nomor 3, Desember 2022 ]]>
Publisher : <![CDATA[Lembaga Penelitian dan Pengabdian Masyarakat ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.28926/ilkomnika.v4i3.436
<![CDATA[Perangkat lunak atau software merupakan himpunan file digital berupa program atau perintah untuk menjalankan tugas yang dikelola dan disimpan di personal komputer. Tujuan utama penelitian ini dilakukan adalah untuk mengetahui berbagai macam teknik-teknik pengujian software yang ada. Teknik-teknik tersebut nantinya dapat dibandingkan \ antara satu dengan yang lain untuk mendapatkan teknik yang paling efektif dan memenuhi standarisasi ISO dalam pengujian software. Metode yang digunakan dalam penelititan ini adalah metode tinjauan pustaka sistematis atau Systematic Literature Review, yakni metode literatur tinjauan yang menelaah, menilai, dan menafsirkan semua hasil pada suatu topik dalam penelitian yang dapat menjawab pertanyaan pada penelitian. Dengan menggunakan metode SLR penelitian dapat berisifat lebih subjektif dan hasil nya diharapkan dapat menambah literatur tentang penggunaan Metode SLR dalam identifikasi jurnal. Hasil penelitian menunjukkan bahwa beberapa metode yang digunakan untuk menguji software antara lain metode black box, metode white box, dan metode grey box dengan metode yang paling sering digunakan yaitu metode black box. Beberapa metode yang memenuhi standarisasi ISO harus memenuhi beberapa aspek seperti efficiency, effectiveness, learnability, satisfaction, dan error. Metode black box dan metode white box adalah metode yang memenuhi aspek tersebut]]>
<![CDATA[Penentuan Topik dengan Opinion Mining berbasis Two-Pass Classifier dan Bayesian dalam Peringkasan Teks Twitter ]]>
<![CDATA[Muhammad Mirza Muttaqi]]>;
<![CDATA[Diana Purwitasari]]>;
<![CDATA[Rizka Wakhidatus Sholikah]]>
<![CDATA[ ILKOMNIKA: Journal of Computer Science and Applied Informatics Vol 4 No 3 (2022): Volume 4, Nomor 3, Desember 2022 ]]>
Publisher : <![CDATA[Lembaga Penelitian dan Pengabdian Masyarakat ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.28926/ilkomnika.v4i3.499
<![CDATA[Kolom komentar berkepanjangan pada teks Twitter mempersulit masyarakat yang ingin mengetahui informasi terkini seperti topik tren Covid-19. Peringkasan teks dengan mempertahankan konten melalui pengelompokkan kata untuk deteksi kemiripan hubungan dalam konteks kalimat dapat menghasilkan ringkasan lebih terfokus. Akan tetapi pada klastering teks Twitter sering ditemukan kalimat atau satu tweet yang seharusnya berbeda klaster. Oleh karena itu, perlu dilakukan pemodelan topik dan penentuan topik untuk mempermudah pengguna mencari suatu informasi tertentu. Pada penelitian ini difokuskan pada topik Covid-19. Pemodelan topik digunakan untuk mengatur, mencari, memahami, dan meringkas sebuah teks. Opinion Mining digunakan untuk mengekstrak atau mengklasifikasikan polaritas sentimen. Polaritas sentimen ini berupa “positif” atau “negatif” pada suatu entitas atau aspek. Proses klasifikasi menggunakan metode two pass clasiffier untuk sentimen positif dan negatif, serta Bayesian sebagai metode pelabel entitas – entitas. Setelah itu, label-label tersebut dikelompokkan sehingga terbentuk topik-topik dan beberapa tweet yang mempunyai kemiripan entitas topik dikelompokan ke dalam topik. Dari hasil evaluasi mengunkan TextRank, Okapi BM25 dan PageRank, proses opinion mining menghasilkan nilai yang lebih tinggi dibandingkan dengan Latent Semantic Indexing (LSI), dengan selisih rata-rata 0,53]]>
<![CDATA[Pemanfaatan Teknologi Augmented Reality (AR) Markerless sebagai Media Edukasi Wayang Kulit pada Filter Snapchat Menggunakan Lens Studio ]]>
<![CDATA[Yoga Sahria]]>;
<![CDATA[Putu Sudira]]>;
<![CDATA[Priyanto Priyanto]]>
<![CDATA[ ILKOMNIKA: Journal of Computer Science and Applied Informatics Vol 4 No 3 (2022): Volume 4, Nomor 3, Desember 2022 ]]>
Publisher : <![CDATA[Lembaga Penelitian dan Pengabdian Masyarakat ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.28926/ilkomnika.v4i3.519
<![CDATA[Kesenian wayang adalah sebuah budaya nusantara dan sekaligus kesenian budaya dunia mendapat pengakuan UNESCO menetapkan wayang sebagai world herritage pada tanggal 7 November 2003. Namun seiring dengan perkembangan zaman wayang sebagai budaya lokal sekarang mulai ditinggalkan oleh generasi di era industry 4.0 yang lebih gandrung dengan budaya massa sekarang. Augmented reality (AR) adalah pengalaman interaktif dapat mengaitkan dunia nyata dan konten yang dihasilkan, sehingga konten dapat menjangkau beberapa modalitas sensorik, termasuk visual, pendengaran, haptik, dan somatosensory. Teknologi AR bersifat interaktif dan real time oleh karena itu teknologi AR banyak diimplementasikan di berbagai sektor dan bidang salah satunya pada Filter. Penggunaan Teknologi AR didukung oleh platform media sosial seperti snapchat yang menyediakan AR pada fitur filter-nya. Tujuan dari penelitian ini yaitu mengembangkan sebuah filter snapchat AR dengan tool lens studio untuk memperkenalkan wayang sebagai budaya seni sehingga dapat melestarikan warisan dunia. Inovasi dan kreasi AR melalui media massa sangat dibutuhkan agar budaya kesenian wayang tidak punah dan ditinggalkan. Metode yang digunakan dalam Markerless Tracking wajah. Sedangkan perancangan AR filter ini menggunakan pengembangan design thinking yaitu mulai dari Empati, mencari, ide, prototie dan tes. Hasil pada penelitian ini yaitu berhasil menerapkan teknologi AR untuk edukasi wayang dan 83% responden mengatakan sangat baik.]]>
<![CDATA[Pengukuran Kualitas Sistem Informasi Perangkat Lunak pada Website E-Procurement PT. Wakabe Indonesia dengan Metode McCall ]]>
<![CDATA[Achmad Maulana Syaifullah]]>;
<![CDATA[Harunur Rosyid]]>;
<![CDATA[Putri Aisyiyah Rahma Devi]]>
<![CDATA[ ILKOMNIKA: Journal of Computer Science and Applied Informatics Vol 4 No 3 (2022): Volume 4, Nomor 3, Desember 2022 ]]>
Publisher : <![CDATA[Lembaga Penelitian dan Pengabdian Masyarakat ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.28926/ilkomnika.v4i3.523
<![CDATA[Perangkat lunak telah jadi kebutuhan pada tiap perusahaan pada masa kini. kebutuhan perangkat lunak juga membantu proses kerja semakin mudah dan cepat namun dalam menguji perangkat lunak menjadi sebuah perihal signifikan pada penentuan kualitas software. Penelitian ini dilakukan untuk mengetahui proses pengembangan fungsi perangkat lunak dan menguji kualitas perangkat lunak website e-procurement di PT.Wakabe Indonesia. Pengujian ini mempergunakan metode McCall yang mana perihal pengujiannya ialah faktor usability, integrity, efficiency, reliability, juga correctness. Penggunaan metode penelitian ini yakni melalui penyebaran kuesioner terhadap pengguna website e-procurement dengan muatan faktor yang menentukan kualitasnya perangkat lunak yang hendak dipergunakan. Sesuai dengan perolehan hasil kuesionernya melalui jawaban pengguna website e-procurement, masihlah ada sejumlah persentase sesudah diuji mencakup faktor correctness senilai 57,4%, faktor usability senilai 52,8%, faktor integrity senilai 46,2%, faktor reliability senilai 76,2%, faktor efficiemcy sebesar 74%. Dan keseluruhan hasil pengujian website e-procurement PT.Wakabe Indonesia mendapat hasil hasil sebesar 61% yang dimana website e-procurment termasuk dalam kategori baik.]]>
