ILKOM Jurnal Ilmiah (Fakultas Ilmu Komputer, Universitas Muslim Indonesia)
Not a member yet
653 research outputs found
Sort by
Enhancing Kubernetes-Based Microservices Deployment Efficiency Through DevOps and GitOps
Full text linkAn effective and resilient means to deploy microservices to Kubernetes is an ongoing challenge. This challenge becomes more difficult with ever increasingly complex application architectures. This research explored a DevOps model based on GitOps that integrates ArgoCD and GitLab CI/CD, as a means to create a more effective, resilient, and scalable deployment. Twelve microservices that were deployed in a controlled experimentation format were used in a comparative approach to previous deployment practices that only considered manual deployments. The results show an overall deployment time improvement of 40%. For the deployments that were executed incorrectly, ArgoCD ensures service availability leveraging its self-healing capabilities. During the computation of each run we also experienced system performance in a sustained high-load environment. Upon high demand, we experienced the desired autoscaling behavior requested, which resulted in higher service responsiveness. In comparison to previous studies, this research considered statistical analysis, while also looking at an aspect of real-world orchestration and networking efficiency while adopting Kubernetes. Altogether, this research gives organizations practical advice on how they may optimize their deployment pipelines for efficient, scalable and resilient microservices
Detection of Persistent vs. Non-Persistent Drugs in Pharmacy Using Decision Tree Classification Based on Gini, Entropy, and Log Loss Criteria
Full text linkThis study evaluates the performance of Decision Tree methods in classification, utilizing three different criteria: Entropy, Gini, and Log Loss. The objective is to determine which criterion is most effective in achieving high classification accuracy using prescription data from the UCI repository, comprising 3,424 prescription records with 67 variables. The analysis results show that the Entropy criterion delivers the best performance with an accuracy of 79.1%, followed by the Gini criterion at 78%, and the Log Loss criterion at 77.9%. These findings indicate that the Entropy criterion is superior in reducing uncertainty and capturing the underlying data structure, while both Gini and Log Loss criteria also provide competitive, though slightly lower, results. The main contribution of this research is a comparative evaluation of decision tree criteria using real-world prescription data to support accurate classification of medication adherence, which can be beneficial for developing intelligent pharmacy systems. This research offers valuable insights into the effectiveness of various criteria within the Decision Tree method and can aid in selecting the most appropriate criterion for future classification applications
PEMANFAATAN TOOLS AI DALAM MENINGKATKAN KUALITAS PEMBELAJARAN DI SD NEGERI 115 BENTENG GAJAH KABUPATEN MAROS
Full text linkPenerapan teknologi Artificial Intelligence (AI) dalam dunia pendidikan menjadi sangat relevan untuk menjawab tantangan pembelajaran masa kini. Salah satu tools AI yang dapat dimanfaatkan oleh guru adalah platform Quizizz, yang menggabungkan unsur interaktivitas, gamifikasi, dan analitik berbasis data. Quizizz memungkinkan guru membuat kuis interaktif yang sesuai dengan kebutuhan siswa, memberikan umpan balik secara langsung, serta memantau kemajuan belajar siswa secara real-time. Kegiatan pengabdian kepada masyarakat ini dilaksanakan di SD Negeri 115 Benteng Gajah, Kabupaten Maros, dengan tujuan meningkatkan pemahaman dan keterampilan guru dalam memanfaatkan Quizizz sebagai media pembelajaran. Metode pelaksanaan meliputi identifikasi kebutuhan, penyusunan materi, pelatihan, dan evaluasi. Evaluasi dilakukan menggunakan kuesioner terhadap guru dan tenaga kependidikan sebagai responden. Hasil kegiatan menunjukkan adanya peningkatan signifikan dalam literasi digital dan keterampilan guru, khususnya dalam mengimplementasikan teknologipembelajaran berbasis AI. Guru juga menunjukkan motivasi tinggi untuk mengadopsi metode pembelajaran yang lebih interaktif dan adaptif. Kegiatan ini berhasil menjawab permasalahan mitra dan memberikan dampak positif yang nyata terhadap proses belajar mengajar. Intervensi pelatihan teknologi seperti ini dapat menjadi strategi yang efektif untuk meningkatkan kualitas pembelajaran di tingkat sekolah dasar
Perancangan dan Pengembangan Aplikasi E-Commerce untuk Pemesanan Buket Bunga Berbasis Flutter: Studi Kasus Toko Bunga Kisah Kita
Full text linkPenelitian ini bertujuan untuk merancang dan mengembangkan aplikasi e-commerce untuk pemesanan buket bunga berbasis Flutter di Toko Bunga 'Kisah Kita'. Seiring dengan meningkatnya permintaan akan layanan yang praktis dan efisien, aplikasi ini dirancang untuk mempermudah pelanggan dalam memilih dan memesan buket bunga secara online. Aplikasi ini dilengkapi dengan fitur-fitur seperti katalog buket bunga, sistem pembayaran online, pelacakan pesanan, dan notifikasi. Dengan menggunakan Flutter, aplikasi ini mendukung platform Android dan iOS, yang memungkinkan jangkauan lebih luas kepada pengguna. Proses pengembangan mengadopsi desain berpusat pada pengguna, memastikan antarmuka yang mudah digunakan. Hasil uji coba awal menunjukkan peningkatan efisiensi layanan dan kepuasan pelanggan, serta membantu Toko Bunga 'Kisah Kita' memperluas pasar dan meningkatkan penjualan.Penelitian ini bertujuan untuk merancang dan mengembangkan aplikasi e-commerce untuk pemesanan buket bunga berbasis Flutter di Toko Bunga 'Kisah Kita'. Seiring dengan meningkatnya permintaan akan layanan yang praktis dan efisien, aplikasi ini dirancang untuk mempermudah pelanggan dalam memilih dan memesan buket bunga secara online . Aplikasi ini dilengkapi dengan fitur-fitur seperti katalog buket bunga, sistem pembayaran online , pelacakan pesanan, dan notifikasi. Dengan menggunakan Flutter , aplikasi ini mendukung platform Android dan iOS , yang memungkinkan jangkauan lebih luas kepada pengguna. Pengembangan proses memastikan penerapan desain yang berpusat pada pengguna, antarmuka yang mudah digunakan. Hasil uji coba awal menunjukkan peningkatan efisiensi layanan dan kepuasan pelanggan, serta membantu Toko Bunga 'Kisah Kita' memperluas pasar dan meningkatkan penjualan
Urban Traffic Volume Prediction using LSTM and Bi-LSTM: Performance Evaluation on the Metro Interstate Dataset
Full text linkUrban traffic forecasting underpins the mitigation of congestion, enhancement of road safety, and reduction of emissions in intelligent transportation systems. We benchmark Long Short-Term Memory (LSTM) and Bidirectional LSTM (Bi-LSTM) models on the Metro Interstate Traffic Volume dataset under an identical preprocessing and training pipeline for a fair comparison. Using a 24-hour multivariate input window (temperature, rainfall, snowfall, cloud cover), LSTM delivers the best overall balance of accuracy and efficiency on the full test sequence (RMSE = 0.196, MAPE = 2.36%, R² = 0.480; 7,344 s training). Bi-LSTM achieves competitive short-window accuracy but underperforms on the full sequence (RMSE = 0.231, MAPE = 2.92%, R² = 0.280; 12,672 s training). We attribute the Bi-LSTM gap to prediction "flattening" over long horizons, i.e., over-smoothed peaks from bidirectional averaging, despite its slightly stronger short-segment fit. Compared with prior RNN/GRU/CNN baselines on the same data, LSTM improves variance explanation while remaining deployable for near-real-time use. We also examine seasonality (daily/weekly cycles), weather effects, and data imbalance (peak versus off-peak) as factors that shape model error. These results support LSTM as a practical default for city-scale forecasting and motivate future work with attention/Transformer encoders and richer exogenous signals (incidents, events). The findings inform policy by enabling proactive traffic management that can reduce delays, emissions, and crash risk through earlier, data-driven interventions
Edukasi Pengolahan Sampah Non-Organik Menjadi Barang Kerajinan Tangan Berbasis Aplikasi Bagi Siswa TPA Darul Ilmi di Kelurahan Benteng Selatan Kepulauan Selayar
No full textKegiatan Pengabdian kepada Masyarakat (PKM) ini dilaksanakan di Taman Pendidikan Al-Qur’an (TPA) Darul Ilmi, Kelurahan Benteng Selatan, Kepulauan Selayar. Tujuan kegiatan ini adalah untuk memberikan edukasi kepada siswa-siswi TPA mengenai pengelolaan sampah non-organik menjadi barang kerajinan tangan melalui penerapan aplikasi digital berbasis multimedia interaktif. Permasalahan utama mitra meliputi metode pembelajaran yang masih konvensional dan monoton, serta rendahnya pengetahuan masyarakat dan siswa tentang jenis-jenis sampah dan cara pemanfaatannya. Solusi yang ditawarkan berupa penggunaan aplikasi edukasi yang berisi informasi tentang pengertian, jenis, dampak, dan cara pengolahan sampah non-organik, disertai tutorial pembuatan kerajinan tangan serta permainan edukatif. Metode pelaksanaan kegiatan meliputi observasi, wawancara, studi pustaka, sosialisasi, pelatihan, pendampingan, dan evaluasi melalui penyebaran kuesioner pre-test dan post-test. Hasil kegiatan menunjukkan peningkatan pengetahuan siswa TPA sebesar 67% setelah penerapan aplikasi. Para peserta menjadi lebih aktif, kreatif, dan memahami pentingnya pengelolaan sampah bagi lingkungan. Selain itu, siswa mampu mengolah limbah non-organik menjadi produk kerajinan seperti tempat pensil, vas bunga, dan hiasan dinding. Kegiatan ini tidak hanya meningkatkan keterampilan dan kesadaran lingkungan peserta, tetapi juga memperkenalkan pendekatan pembelajaran berbasis teknologi yang menarik dan efektif di lingkungan pendidikan non-formal. Dengan demikian, penerapan aplikasi ini terbukti bermanfaat dalam menumbuhkan kreativitas serta kepedulian terhadap lingkungan sejak usia dini
Perancangan Website Pada Toko Firman Tani Menggunakan Pendekatan Waterfall
Full text linkDi era digital saat ini, sistem informasi yang terintegrasi dan efisien menjadi kebutuhan penting, khususnyabagi UMKM seperti toko pertanian. Penelitian ini bertujuan mengembangkan sistem informasi penjualan berbasis website untuk Toko Firman Tani di Kabupaten Pinrang dengan pendekatan pengembangan perangkat lunak Waterfall. Sistem ini dirancang untuk menggantikan metode penjualan manual yang masih digunakan, yang dinilai kurang efisien dan tidak mampu menjangkau pasar secara luas. Proses pengembangan mengikuti tahapan sistematis, yaitu analisis kebutuhan, perancangan, implementasi, pengujian, dan pemeliharaan, dengan data yang dikumpulkan melalui observasi langsung, wawancara dengan pemilik dan pelanggan, serta studi pustaka yang relevan. Fitur utama sistem meliputi katalog produk digital, manajemen stok otomatis, proses pemesanan menggunakan keranjang belanja, integrasi metode pembayaran digital, serta notifikasi pesanan melalui WhatsApp. Untuk mengevaluasi kualitas dan kenyamanan sistem, dilakukan pengujian melalui unit testing dan usability testing menggunakan metode System Usability Scale (SUS). Pengujian dilakukan terhadap 15 responden, terdiri dari admin, petani, dan pelanggan. Hasil pengujian menunjukkan nilai rata-rata sebesar 71%, yang menurut interpretasi standar SUS termasuk dalam kategori “baik”, menunjukkan bahwa sistem mudah digunakan dan diterima oleh pengguna. Implementasi sistem ini terbukti mampu meningkatkan efisiensi transaksi, akurasi pengelolaan data, dan memperluas jangkauan promosi toko secara daring. Selain itu, sistem ini juga memberikan kemudahan komunikasi antara pelanggan dan pemilik usaha melalui media digital. Penelitian ini diharapkan menjadi kontribusi nyata dalam pemanfaatan teknologi informasi pada sektor pertanian dan memberikan inspirasi bagi UMKM lainnya untuk bertransformasi secara digital guna meningkatkan daya saing di era moder
K-Nearest Neighbor dengan Jarak Euclidean, Manhattan, dan Minkowski pada klasifikasi sampah
Full text linkSampah menjadi permasalahan besar di Indonesia seiring dengan meningkatnya populasi dan konsumsi masyarakat. Untuk mengatasi permasalahan ini, klasifikasi sampah yang akurat diperlukan guna mendukung pengelolaan dan daur ulang yang lebih efektif. Penelitian ini menerapkan algoritma K-Nearest Neighbors (KNN) untuk mengklasifikasikan sampah berdasarkan jenisnya, dengan menggunakan tiga metrik jarak: Euclidean, Manhattan, dan Minkowski. Dataset yang digunakan terdiri dari 997 gambar yang terbagi menjadi dua kelas, yaitu kertas dan kardus. Data dibagi menjadi 80% untuk pelatihan dan 20% untuk pengujian. Proses preprocessing meliputi resize gambar ke ukuran 128x128 piksel serta normalisasi data. Model dievaluasi menggunakan metrik akurasi, presisi, recall, dan F1-score. Hasil penelitian menunjukkan bahwa jarak Manhattan memberikan performa terbaik dengan akurasi 83%, diikuti oleh Euclidean dengan 75,50%, dan Minkowski dengan 66,50%. Temuan ini menegaskan bahwa pemilihan metrik jarak dalam algoritma KNN sangat memengaruhi kinerja model. Dengan pendekatan ini, diharapkan dapat meningkatkan efisiensi sistem pengelolaan sampah berbasis teknologi, sehingga mendukung upaya daur ulang yang lebih baik dan ramah lingkunga
Implementasi Algoritma K-Nearest Neighbors Untuk Klasifikasi Data Ulasan Pengguna Aplikasi Sulselbar Mobile pada Google Play Store
Full text linkPerkembangan teknologi perbankan digital mendorong Bank Sulselbar menghadirkan layanan mobile banking melalui aplikasi Sulselbar Mobile. Penelitian ini bertujuan untuk mengklasifikasikan sentimen ulasan pengguna aplikasi tersebut di Google Play Store menggunakan algoritma K-Nearest Neighbors (KNN). Sebanyak 1000 data ulasan dikumpulkan dengan teknik web scraping, kemudian dilakukan pelabelan manual dan serangkaian proses preprocessing seperti case folding, normalisasi, stemming, stopword removal, dan tokenizing. Data kemudian dikonversi menjadi bentuk numerik menggunakan metode TF-IDF. Model KNN dikembangkan dengan nilai k = 3 dan divalidasi menggunakan 5-fold cross-validation. Hasil evaluasi menunjukkan model memiliki performa yang baik dan konsisten, dengan rata-rata akurasi 85,6%, presisi 85,4%, recall 85,6%, dan F1-score 85,5%. Fold terbaik mencapai akurasi 90% dan F1-score 89,8%. Hasil ini menunjukkan bahwa kombinasi TF-IDF dan algoritma KNN efektif dalam melakukan klasifikasi sentimen berbasis teks. Temuan ini dapat dimanfaatkan untuk mengevaluasi kualitas layanan aplikasi serta mendukung pengambilan keputusan dalam pengembangan layanan digital perbanka
Utilization of Deep Learning YOLO V9 for Identification and Classification of Toraja Buffalo Breeds
Full text linkThis study aims to develop and evaluate a buffalo breed detection system that supports the cultural practices of the Toraja community, particularly in the context of the Rambu Solo’ ceremony. The ceremony places significant importance on the types of buffaloes used, as each breed symbolizes different social statuses and cultural meanings. In response to the need for an accurate and efficient identification method, this research utilizes the YOLOv9 (You Only Look Once version 9) deep learning model to detect and classify Toraja buffalo breeds. A dataset comprising 2,656 annotated images was used, representing five distinct buffalo categories: bongga sori, bonga ulu, moon, saleko, and todi. The images were collected from both field documentation and online sources. The YOLOv9 model was trained across 90 epochs, aiming to achieve high accuracy in breed detection and classification. The evaluation results demonstrate the model's strong performance, achieving a precision of approximately 0.9 and a recall of 0.8. These metrics indicate the model's ability to correctly identify the buffalo breeds with a high degree of reliability. However, during the training process, certain patterns of overfitting and underfitting were observed, suggesting that the model's performance could still be improved. These issues can potentially be addressed by increasing the volume and diversity of training data, applying data augmentation techniques, and fine-tuning hyperparameters to achieve a more balanced generalization. Overall, the findings show that YOLOv9 is a promising tool for supporting cultural preservation through technology by automating the identification of buffalo types used in traditional ceremonies. This system can assist in maintaining the accuracy and consistency of buffalo classification according to local customs. Future research is recommended to explore broader datasets, compare alternative object detection algorithms, and develop an integrated application for practical field use