ILKOM Jurnal Ilmiah (Fakultas Ilmu Komputer, Universitas Muslim Indonesia)
Not a member yet
653 research outputs found
Sort by
Analisis Faktor Penentu Harga Mobil Bekas Menggunakan Model Random Forest Regressor serta Perbandingan Linear
No full textPenentuan harga mobil bekas merupakan proses yang kompleks karena dipengaruhi oleh berbagai faktor seperti jarak tempuh, usia kendaraan, merek, jenis bahan bakar, dan riwayat kerusakan. Metode konvensional sering kali menghasilkan penilaian yang subjektif dan kurang akurat, sehingga diperlukan pendekatan berbasis data untuk meningkatkan objektivitas dan konsistensi estimasi harga. Penelitian ini bertujuan untuk membangun model prediksi harga mobil bekas menggunakan algoritma Random Forest Regressor serta membandingkan performanya dengan Multiple Linear Regression sebagai baseline. Dataset yang digunakan berasal dari platform Kaggle dan mencakup 4.009 data kendaraan yang telah melalui proses data cleaning, rekayasa fitur, dan penghapusan outlier. Metode penelitian meliputi preprocessing data, pelatihan model, hyperparameter tuning, serta evaluasi menggunakan metrik R², MAE, MSE, dan RMSE. Hipotesis penelitian menyatakan bahwa Random Forest memiliki performa prediktif yang lebih baik dibandingkan model linier serta mampu mengidentifikasi fitur yang paling berpengaruh terhadap harga kendaraan. Hasil eksperimen menunjukkan bahwa Random Forest R² = 0.6827, lebih tinggi dibandingkan Multiple Linear Regression dengan R² = 0.5673. Analisis feature importance mengungkapkan bahwa mileage dan usia kendaraan merupakan faktor dominan dalam pembentukan harga. Dengan demikian, penelitian ini menyimpulkan bahwa Random Forest merupakan pendekatan yang lebih akurat dan stabil untuk prediksi harga mobil bekas serta berpotensi diimplementasikan dalam sistem valuasi otomotif berbasis data
Rancang Bangun Website Pariwisata Interaktif Meningkatkan Daya Tarik Wisata Kabupaten Banggai
No full textSistem Informasi Pariwisata dan UMKM Kuliner dirancang untuk menjadi solusi digital yang menghubungkan sektor pariwisata dengan pelaku usaha kuliner lokal di Kabupaten Banggai. Tujuan utama perancangan awal sistem informasi pariwisata untuk menyediakan platform interaktif mempermudah wisatawan dalam mencari, menelusuri dan memperoleh informasi lengkap mengenai destinasi wisata, fasilitas, dan lokasi UMKM kuliner terdekat. Dalam perancangan sistem informasi pariwisata menggunakan pendekatan analisis kebutuhan, desain basis data dan perancangan antarmuka berbasis web responsif dan mudah digunakan oleh berbagai kalangan pengguna. Sistem menyediakan fitur utama seperti pencarian destinasi, peta interaktif, ulasan pengguna, dan promosi produk kuliner lokal, saling terintegrasi untuk menciptakan pengalaman wisata digital komprehensif. Hasil perancangan menunjukkan bahwa sistem informasi pariwisata mampu menampilkan informasi secara terstruktur, efisien, dan menarik, sehingga meningkatkan aksesibilitas informasi bagi wisatawan sekaligus memperluas jangkauan promosi bagi pelaku UMKM. Dengan adanya sistem informasi pariwisata, diharapkan dapat tercipta sinergi antara sektor pariwisata dan ekonomi kreatif berbasis digital yang mendukung peningkatan daya saing daerah serta pemberdayaan ekonomi masyarakat lokal di Kabupaten Banggai. Desain UI/UX sistem informasi pariwisata dibuat dengan tampilan sederhana, navigasi yang intuitif, serta konsistensi elemen visual agar pengguna dapat mengakses informasi dengan cepat dan nyaman. Hasil penelitian diharapkan mampu meningkatkan daya tarik wisata dan mendukung pemberdayaan ekonomi lokal melalui digitalisasi promosi pariwisata di Kabupaten Bangga
Analisis Sentimen Review Aplikasi Traveloka di Google Play Store Menggunakan Metode Naïve Bayes
No full textKemajuan teknologi informasi telah mendorong meningkatnya penggunaan aplikasi layanan digital, salah satunya adalah aplikasi traveloka yang berfungsi sebagai penyedia layanan pemesanan tiket dan akomodasi secara daring. Ulasan pengguna di Google Play Store memberikan informasi penting untuk mengenai pengalaman pengguna terhadap aplikasi tersebut. Tujuan penelitian ini untuk melakukan analisis sentimen terhadap ulasan pengguna aplikasi traveloka menggunakan metode Naïve Bayes Classifier. Data diperoleh dengan melakukan web scraping terhadap 2000 ulasan pengguna di Google Play Store. Data kemudian diproses melalui tahap pra-pemrosesan meliputi Case folding, tokenisasi, stopword removal, dan stemming. Setelah itu, dilakukan pelabelan data untuk dijadikan tiga kategori sentimen: positif, netral, negatif. Metode Multinominal Naïve Bayes digunakan untuk melakukan klasifikasi dengan pendekatab Bag-of-Words. Evaluasi model dilakukan menggunakan metrik akurasi f1-score. Hasil pengujian menunjukkan bahwa model mampu mengklasifikasi sentimen dengan akurasi sebesar 89,5% dan f1-score untuk kelas positif sebesar 0,88, serta hasil evaluasi precision Negatif bernilai 0,76, Netral 0,00 dan Positif bernilai 0,92, dan Recall Negatif 0,72, Netral 0,00 dan Positif 0,97. Penelitian ini menunjukkan bahwa metode Naïve Bayes efektif digunakan dalam klasifikasi sentimen ulasan aplikasi berbasis teks., meskipun masih terdapat misklasifikasi pada ulasan netral dan negatif yang dipengaruhi oleh distribusi data yang tidak seimban
Perancangan UI/UX Aplikasi Pembelajaran Teori Musik Gitar Berbasis Android Dengan Metode Design Thinking
No full textKemajuan teknologi informasi memberikan pengaruh besar terhadap berbagai bidang, termasuk dalam proses pembelajaran musik. Penelitian ini bertujuan untuk merancang antarmuka pengguna (UI) dan pengalaman pengguna (UX) dari aplikasi pembelajaran teori musik gitar berbasis Android menggunakan pendekatan Design Thinking. Metode ini dipilih karena mengutamakan pemahaman mendalam terhadap kebutuhan pengguna melalui lima tahap utama: empathize, define, ideate, prototype, dan test. Desain aplikasi ini dirancang untuk membantu pemula dalam memahami teori dasar gitar dengan tampilan antarmuka yang sederhana dan materi yang terstruktur. Pengujian dilakukan dengan menggunakan System Usability Scale (SUS) terhadap 10 responden. Hasilnya menunjukkan skor rata-rata sebesar 71, yang termasuk dalam kategori “Good” dan menunjukkan bahwa aplikasi dinilai cukup mudah digunakan serta efektif dalam mendukung proses belajar. Respons positif juga diberikan terhadap fitur-fitur seperti kuis interaktif, tampilan chord lagu, dan pengingat belajar. Penelitian ini membuktikan bahwa pendekatan Design Thinking dapat menghasilkan desain aplikasi yang tidak hanya menarik secara visual, tetapi juga sesuai dengan kebutuhan penggun
Smart Verification of High School Student Reports Using Optical Character Recognition and BERT Models
No full textThis study proposes an intelligent framework for verifying high school report cards with diverse layouts by integrating Optical Character Recognition (OCR) and a fine-tuned BERT model. While previous works primarily address document formats with uniform structures, this research specifically tackles the heterogeneity of report cards that differ in subject arrangement, naming conventions, and grade presentation across schools. The system was trained and evaluated using 1,000 Indonesian high school report card pages encompassing 20 subjects, both core (e.g., Mathematics, Indonesian History, Religious Education) and non-core (e.g., Arts and Culture, Physical Education). OCR was employed to extract textual content from scanned or image-based report cards, while BERT handled contextual mapping between subjects and corresponding grades. The dataset was divided into 80% for training and 20% for validation, and the model was fine-tuned on the IndoBERT-base architecture. Experimental results showed that the proposed OCR–BERT pipeline achieved an average accuracy of 97.7%, with per-subject accuracies ranging from 96% to 99%. The model exhibited high robustness in handling inconsistent layouts and minimizing deviations between actual and detected grades. Comparative analysis indicated that this hybrid approach outperforms traditional OCR-only or CNN-based methods, which are typically constrained by fixed template assumptions and lack contextual understanding. The proposed system demonstrates practical relevance for large-scale admission platforms such as SPAN-PTKIN, where manual verification of thousands of report cards is laborious and error-prone. By automating the verification process, the framework reduces human workload, enhances accuracy, and supports fairer, data-driven admission decisions. Future research will explore multimodal integration of textual and visual features, expansion to broader datasets, and application to other academic documents such as transcripts and diplomas. Overall, this work contributes a scalable, accurate, and context-aware solution for educational data verification in heterogeneous document environments
Evaluasi Aplikasi Customer Connect terhadap Loyalitas Mitra Usaha di PT Nipsea Paint and Chemicals Menggunakan Pendekatan TAM
No full textPerkembangan pesat teknologi digital mendorong perusahaan memanfaatkan aplikasi berbasis teknologi untuk meningkatkan kualitas layanan dan loyalitas pelanggan. PT Nipsea Paint and Chemicals mengembangkan aplikasi Customer Connect sebagai inovasi digital yang memudahkan mitra usaha dalam memperoleh informasi produk, memantau pesanan, dan mengakses promosi. Penelitian ini menganalisis tingkat penerimaan aplikasi Customer Connect serta pengaruhnya terhadap loyalitas menggunakan pendekatan Technology Acceptance Model (TAM). Metode penelitian bersifat kuantitatif dengan kuesioner kepada 100 mitra usaha aktif, melibatkan variabel PU, PEOU, Attitude, Satisfaction, dan Loyalty. Analisis dilakukan melalui uji validitas, reliabilitas, regresi linier berganda, uji F, uji T, dan koefisien determinasi menggunakan SPSS. Hasil penelitian menunjukkan bahwa aplikasi Customer Connect diterima dengan baik menurut TAM. PU, Attitude, dan Satisfaction berpengaruh positif dan signifikan terhadap loyalitas, sedangkan PEOU tidak signifikan. Keempat variabel secara bersama-sama menjelaskan loyalitas sebesar 48.6%. Mayoritas pengguna merupakan mitra aktif berusia produktif dan telah menggunakan aplikasi lebih dari satu tahun. Disarankan agar PT Nipsea meningkatkan PU, menyederhanakan PEOU, melakukan evaluasi kepuasan secara rutin, serta menyesuaikan inovasi fitur.Perkembangan pesat teknologi digital mendorong perusahaan untuk memanfaatkan aplikasi berbasis teknologi sebagai sarana peningkatan kualitas layanan serta loyalitas pelanggan. PT Nipsea Paint and Chemicals mengembangkan aplikasi Customer Connect sebagai inovasi digital yang dirancang untuk memudahkan mitra usaha dalam memperoleh informasi produk, memantau status pesanan, dan mengakses promosi eksklusif. Penelitian ini bertujuan untuk menganalisis tingkat penerimaan aplikasi Customer Connect oleh mitra usaha serta pengaruhnya terhadap loyalitas, dengan menggunakan pendekatan Technology Acceptance Model (TAM). Metode penelitian yang digunakan adalah kuantitatif, melalui penyebaran kuesioner kepada 100 mitra usaha aktif pengguna aplikasi tersebut. Variabel yang diteliti meliputi Perceived Usefulness (PU), Perceived Ease of Use (PEOU), Attitude Toward Using, Satisfaction, dan Loyalty. Analisis data dilakukan menggunakan uji validitas, reliabilitas, regresi linier berganda, uji F, uji T, serta koefisien determinasi dengan bantuan perangkat lunak SPSS
Implementasi Kecerdasan Buatan dalam Mengatur Mekanik Musuh pada Game Lily’s Dreamland: Chaos in the Storybook
Full text linkGame merupakan salah satu media hiburan yang sangat populer dan terus berkembang di era digital saat ini. Salah satu elemen penting dalam game adalah Non-Playable Character (NPC) yang dapat memengaruhi pengalaman bermain pemain. NPC musuh yang memiliki perilaku dinamis dan adaptif dapat meningkatkan tantangan dan kepuasan dalam bermain. Penelitian ini bertujuan untuk mengimplementasikan kecerdasan buatan atau biasa disebut Artificial Intelligence (AI) dengan metode Finite State Machine (FSM) dalam mengatur mekanik NPC musuh pada game Lily’s Dreamland: Chaos in the Storybook, sebuah game 2D platformer yang dibuat dengan Unity Engine. Metode yang digunakan meliputi perancangan FSM yang terdiri dari state, event, dan action untuk mengatur perilaku NPC seperti menyerang, menghindar, dan berpatroli. Algoritma FSM akan memungkinkan NPC untuk merespons situasi yang berubah-ubah dan menyesuaikan strategi berdasarkan tindakan pemain. Berdasarkan hasil, penerapan FSM pada NPC musuh dalam game ini bekerja dengan baik dan diharapkan dapat menciptakan perilaku NPC yang lebih dinamis dan adaptif, sehingga meningkatkan kualitas dan kepuasan dalam bermain gam
Algoritma Jaccard Coefficient Similarity untuk Menganalisis Kemiripan Proses Bisnis Program Merdeka Belajar Kampus Merdeka
Full text linkKeberadaan Merdeka Belajar Kampus Merdeka (MBKM) membawa perubahan dalam pendidikan di perguruan tinggi. Program MBKM dikenal luas di berbagai perguruan tinggi dan memiliki variasi dalam proses bisnis antar program studi. Kemiripan proses MBKM diukur dengan algoritma Jaccard Coefficient Similarity, yang mencakup kemiripan semantik, struktural, dan perilaku. Sebelum mengukur kemiripan proses bisnis, proses bisnis dimodelkan terlebih dahulu menggunakan BPMN. Selanjutnya, common fragment ditentukan dengan mencari irisan antar model proses bisnis yang dibandingkan. Hasil common fragment kemudian dimodelkan menggunakan BPMN untuk menghasilkan model proses yang lebih umum, yang mencakup pendaftaran kampus mengajar, pelaksanaan kampus mengajar, dan pengajuan konversi kampus mengajar
Optimization of Drug Inventory Management through Prediction Based on the Least Square Method
Full text linkPengendalian persediaan obat merupakan aspek penting dalam menjamin kelancaran distribusi dan pelayanan farmasi. Namun, praktik pencatatan stok yang masih dilakukan secara manual melalui pemantauan etalase dan rekap bulanan seringkali tidak efektif. Kondisi ini berisiko menimbulkan masalah, seperti kelebihan stok yang menyebabkan obat kedaluwarsa maupun kekurangan stok yang berakibat pada ketidaktersediaan obat bagi pasien. Penelitian ini bertujuan merancang sistem informasi prediksi persediaan obat berbasis web dengan menerapkan metode Least Square. Pendekatan ini dipilih karena mampu memanfaatkan data historis penjualan obat untuk menghasilkan proyeksi kebutuhan secara lebih akurat. Tahapan penelitian meliputi analisis kebutuhan, perancangan sistem, implementasi, dan pengujian. Hasil implementasi menunjukkan bahwa sistem mampu memberikan prediksi persediaan dengan kategori sangat ukurat berdasarkan perhitungan MAPE diperoleh nilai sebesar 8,7% atau setara 91,3% sekaligus mempermudah pegawai dalam pengolahan dan manajemen data stok. Dengan demikian, sistem ini dapat menjadi solusi dalam meningkatkan efisiensi pengelolaan obat, mengurangi risiko kerugian akibat kedaluwarsa, serta mendukung peningkatan kualitas layanan farmasi.Drug inventory control is a crucial aspect in ensuring the smooth distribution and quality of pharmaceutical services. However, stock recording practices that are still carried out manually through shelf monitoring and monthly recapitulation are often ineffective. This condition may lead to problems such as overstock, which results in drug expiration, or stock shortages that cause unavailability of medicines for patients. This study aims to design a web-based drug inventory prediction system by applying the Least Square method. This approach was chosen because it can utilize historical drug sales data to generate more accurate demand projections. The research stages include requirement analysis, system design, implementation, and testing. The implementation results show that the system is capable of providing highly accurate inventory predictions, with a Mean Absolute Percentage Error (MAPE) value of 8.7%, indicating a prediction accuracy of 91.3% while also simplifying staff tasks in processing and managing stock data. Thus, the system can serve as a solution to improve the efficiency of drug inventory management, minimize losses due to expired drugs, and support the enhancement of pharmaceutical service quality
Detection of Back Cover Material Defects Based on Convolutional Neural Network and TensorFlow
Full text linkThe application of deep learning using TensorFlow to improve the efficiency of material quality control is highly needed. In this case, the material quality inspection process in the form of a back cover is an important phase in the production chain. Damage resulting from industrial machinery reduces product quality. Some common problems occur when the back cover material is damaged, such as scratches, breaks, and cracks. This is caused by impacts or falls during the production process. It takes a long inspection time if done manually by workers one by one. The speed of material inspection is also an important priority for greater efficiency. An approach is proposed that applies deep learning using TensorFlow which focuses on convolutional neural networks (CNN) for image recognition and processing. It is used for image segmentation by detecting and separating objects. This method can classify the image quality of the back cover material. The main objective of this study is to produce a model that can detect material quality accurately. The highest level of accuracy was achieved at epoch 20 of 0.98. The success of this study is that it can reduce the involvement of inspectors. Thus, it can increase the efficiency of the defect detection process in the back cover materia