ILKOM Jurnal Ilmiah (Fakultas Ilmu Komputer, Universitas Muslim Indonesia)
Not a member yet
653 research outputs found
Sort by
Performance Comparison of Ensemble Learning Models for Brain Tumor Detection on Augmented MRI Datasets
Full text linkBrain tumors are highly fatal diseases, making early detection a critical factor in improving patient survival rates. Magnetic Resonance Imaging (MRI) has become a primary tool in brain tumor diagnosis; however, manual analysis processes are often time-consuming and prone to subjective errors. This study employs a machine learning-based classification model to detect four categories of brain tumors—glioma, meningioma, pituitary, and healthy—with high accuracy. The methods include image segmentation using the U-Net model, which excels in medical image analysis due to its encoder-decoder architecture with skip connections, allowing efficient integration of spatial and contextual information. Features are extracted using HuMoments, known for their invariance to rotation, translation, and scale, ensuring robust spatial pattern representation. Data normalization is conducted using Robust Scaling and L2 Normalization to address outliers and harmonize feature scales, enhancing model performance. The MRI dataset, originally comprising 7,023 images, was augmented to 8,000 images using techniques such as rotation, flipping, and contrast adjustments to improve class balance and minimize overfitting. Three ensemble algorithms—Random Forest, XGBoost, and Stacking—were employed to train the models, with performance evaluation based on accuracy, ROC-AUC, F1-score, and confusion matrix. The results demonstrate that Random Forest achieved the best performance with an accuracy of 72% and an ROC-AUC of 0.91. This study illustrates the potential of machine learning approaches for automated brain tumor diagnosis, with further improvement possible through model optimization and the use of more diverse datasets
SqueezeNet Image Embedding and Support Vector Machine for Recognizing Hand Gestures in Indonesian Sign Language System
Full text linkThis research proposes a hand gesture recognition method for the Sistem Isyarat Bahasa Indonesia (SIBI) sign language, integrating SqueezeNet for image feature extraction and Support Vector Machine (SVM) for classification. The study focuses on 24 static gestures representing alphabetic letters, excluding J and Z due to their motion-based representation. The dataset consists of 5280 RGB images (227×227 pixels), with 220 samples per gesture, obtained from a public Kaggle source. SqueezeNet, a lightweight CNN architecture, is used to generate 1000-dimensional feature vectors, which are then classified using an SVM with an RBF kernel (C = 1.0) to effectively handle non-linear decision boundaries. A 10-fold cross-validation was applied without data augmentation to evaluate baseline performance. The proposed method achieved 99.51% classification accuracy, with an average precision of 94.04%, recall of 94.02%, and F1-score of 94.02%. Certain gestures, such as G, H, and Q, achieved near-perfect recognition, while others, like V, presented greater classification challenges with a recall of 80.5%. Compared to existing models such as MobileNet (98% accuracy) and VGG16 (86% accuracy) on the same dataset, the SqueezeNet–SVM combination provides competitive or superior accuracy with significantly reduced computational requirements. These results highlight the method’s potential for real-time integration into mobile or embedded sign language translation applications, bridging communication gaps between the deaf and hearing communities. Future work will focus on improving performance for difficult gestures, applying data augmentation to enhance generalization, and developing a prototype mobile application for real-world testing in relevant environments
Perancangan Aplikasi Ecotourism Berbasis Android Dengann Metode Kanban
Full text linkIndonesia memiliki potensi besar dalam pengembangan pariwisata berkelanjutan, namun masih banyak destinasi wisata yang kurang dikenal secara luar. Salah satu contoh destinasi wisata tersebut adalah Tegal Dukuh Camp di Desa Taro, Provinsi Bali, yang menawarkan pariwata dengan konsep ekowisata. Permasalahan ini mendorong perlunya inovasi digital untuk mempromosikan destinasi wisata tersebut. Penelitian ini bertujuan untuk menghasilkan aplikasi bernama EccoGreenPath berbasis android dengan penerapan metode kanban. Metode ini diterapkan untuk mempermudah proses alur kerja selama pengembangan, dengan membagi tugas ke dalam tiga fase utama yaitu To Do, In Progress, dan Done. Aplikasi ini dikembangkan menggunakan bahasa pemrograman kotlin dengan pemanfaatan google cloud sebagai tempat penyimpanan basis data dengan tujuan pengelolaan informasi secara real-time. EcoGreenPath menawarkan fitur seperti informasi paket wisata, peta, booking wisata, serta quest untuk meningkatkan interaksi pengguna. Pengujian aplikasi ini menggunakan metode black box testing dengan melibatkan sebanyak 22 responden masyarakat umum yang menguji beberapa aspek seperti fungsi aplikasi, tampilan antarmuka pengguna, kinerja aplikasi, proses inisiasi dan terminasi, dan struktur data dan akses basis data. Hasil dari pengujian tersebut menunjukkan aplikasi ini berhasil memenuhi kebutuhan pengguna dengan skor rata – rata 88,8% yang masuk dalam kategori “sangat baik”. Dengan fitur – fitur yang tersedia, aplikasi ini diharapkan dapat meningkatkan promosi wisata berkelanjutan serta memberikan dampak positif bagi masyarakat lokal maupun wisatawan.Indonesia memiliki potensi besar dalam pengembangan pariwisata berkelanjutan, namun masih banyak destinasi wisata yang kurang dikenal secara luar. Salah satu contoh destinasi wisata tersebut adalah Tegal Dukuh Camp di Desa Taro, Provinsi Bali, yang menawarkan pariwata dengan konsep ekowisata. Permasalahan ini mendorong perlunya inovasi digital untuk mempromosikan destinasi wisata tersebut. Penelitian ini bertujuan untuk menghasilkan aplikasi bernama EccoGreenPath berbasis android dengan penerapan metode kanban. Metode ini diterapkan untuk mempermudah proses alur kerja selama pengembangan, dengan membagi tugas ke dalam tiga fase utama yaitu To Do, In Progress, dan Done. Aplikasi ini dikembangkan menggunakan bahasa pemrograman kotlin dengan pemanfaatan google cloud sebagai tempat penyimpanan basis data dengan tujuan pengelolaan informasi secara real-time. EcoGreenPath menawarkan fitur seperti informasi paket wisata, peta, booking wisata, serta quest untuk meningkatkan interaksi pengguna. Pengujian aplikasi ini menggunakan metode black box testing dengan melibatkan sebanyak 22 responden masyarakat umum yang menguji beberapa aspek seperti fungsi aplikasi, tampilan antarmuka pengguna, kinerja aplikasi, proses inisiasi dan terminasi, dan struktur data dan akses basis data. Hasil dari pengujian tersebut menunjukkan aplikasi ini berhasil memenuhi kebutuhan pengguna dengan skor rata – rata 88,8% yang masuk dalam kategori “sangat baik”. Dengan fitur – fitur yang tersedia, aplikasi ini diharapkan dapat meningkatkan promosi wisata berkelanjutan serta memberikan dampak positif bagi masyarakat lokal maupun wisatawan
Implementasi Fitur Vector Bag Of Word Dan TF IDF untuk Analisis Sentiment
Full text linkPenggunaan internet dengan media sosial mempengaruhi masyarakat terhadap kegiatan yang dilakukan saat ini. Salah satu media sosial yang sekarang ini sedang populer digunakan oleh masyarakat adalah X. Informasi yang disebarkan dapat merupakan berita, opini, komentar, serta kritikan. Data yang didapat dari tweet ini dapat menjelaskan tanggapan masyarakat terhadap pelayanan pajak dari X. Maka dari itu penelitian ini sangat efisien jika X menjadi media untuk pengambilan data mengenai komentar Masyarakat sehingga dapat memberikan efektivitas perubahan yang diberikan kepada instansi pemerintah. Analisis sentimen menjadi proses yang sangat penting dalam memahami isi data dengan tujuan mengolah komentar yang diberikan oleh pengguna melalui tweet di X mengenai sebuah produk, layanan, dan instansi. Karya ilmiah ini bertujuan untuk membandingkan fitur Vector Bag Of Word dan TF IDF untuk mengevaluasi seberapa penting suatu term dalam sebuah dokumen pada dokumen yang lebih besar. Seperti diketahui bahwa komputer hanya mampu memproses input yang numerik sehingga data opini public berupa teks perlu direpresentasikan sebagai nilai numerik yang dikenal dengan ekstraksi fitur dan dapat dilakukan menggunakan model Binary Bag of Words (BOW), Count BOW dan Term Frequency-Inverse Document Frequency (TF-IDF) dikarenakan kedua teknik tersebut sangat berperan baik dan sama-sama digunakan untuk merepresentasikan numerik dari data teks serta memiliki kekurangan dan kelebihan masing masing. Berdasarkan hasil analisis maka dapat disimpulkan dengan menganalisis statement dengan menggunakan Bag Of Word dan TF-IDF dapat mengetahui jumlah tiap kemunculan kata di setiap kalimat dan dari hasil yang didapatkan bahwa kata yang sering diucapkan dalam sentimen yaitu dengan bobot nilai TF-IDF sebesar 0.1403
Karya Ilmiah Makalah Alat Sistem Pintu Kunci Otomatis Pada Ruangan Menggunakan Sensor RFID
Full text linkKeamanan telah berubah karena kemajuan pesat teknologi mikrokontroler. Mikrokontroler sekarang sering digunakan dalam sistem otomatisasi untuk menjaga keamanan ruangan. Dengan menggunakan teknologi mikrokontroler untuk merancang sistem pintu otomatis, ini bertujuan untuk meningkatkan keamanan ruangan dan menggantikan penggunaan kunci konvensional. Penelitian ini fokus pada penggunaan sensor Radio-Frequency Identification (RFID) dalam sistem pintu otomatis. Metode yang digunakan yaitu Deskriptif Analitif prosesnya berupa Studi Literatur, Identifikasi Masalah, dan Perancangan Alat. Adapun alat yang digunakan yaitu Arduino Uno R3, LCD, Relay, Sensor RFID, Buzzer, dan Solenoid Door Lock. Hasil penelitian menunjukkan bahwa penerapan sistem pintu otomatis ini dapat memberikan tingkat keamanan yang tinggi, melindungi ruangan dari tindakan kriminal oleh individu yang tidak dikenal. Penelitian ini menemukan bahwa merancang prototype keamanan yang efektif dan efisien dapat menggantikan kunci konvensional dan melindungi barang berharga di dalam ruangan tertentu. Dengan menerapkan teknologi mikrokontroler dan RFID, tingkat keamanan dapat ditingkatkan, dan solusi kontemporer dapat dibuat untuk mengatasi masalah keamanan tertentu di dalam ruanga
Sistem Informasi Pendaftaran Pasien Rawat Jalan di YAKES Telkom Regional 7 KTI (TPKK Pettarani, Makassar)
Full text linkYayasan Kesehatan Telkom (YAKES Telkom) adalah suatu badan usaha nirlaba yang didirikan oleh PT Telekomunikasi Indonesia (Persero) Tbk. (Telkom) pada tanggal 1 April 1998. Yakes Telkom bergerak di bidang pelayanan kesehatan bagi karyawan, pensiunan, dan keluarga Telkom beserta anak perusahaannya. Yayasan ini terbagi di 7 kawasan. Salah satu kawasan daerah dari penelitian ini adalah Divisi Regional (DIVREG) VII KTI (Kawasan Timur Indonesia) yang berpusat di Makassar, Sulawesi Selatan. Penelitian ini bertujuan untuk menganalisis sebuah perancangan sistem informasi dalam pendaftaran pasien rawat jalan di TPKK (Titik Pelayanan Kesehatan Khusus) Pettarani, Makassar berdasarkan design user interface (UI) yang sudah responsif terhadap tampilan mobile sehingga dengan adanya sistem informasi seperti ini, karyawan maupun programmar dapat merasakan kemudahan dalam sistem pendaftaran pasien. Proses dalam penelitian ini menggunakan metode wawancara secara langsung dengan General Manager dan Officer IT. Perancangan maupun permodelan dilakukan dengan menggunakan sistem Flowchart, UML (Use Case Diagram, Activity Diagram, Sequence Diagram), maupun mockup dari aplikasi yang bernama Clinsy
Menganalisis Ulasan Mobile Legends: Analisis Kinerja Berdasarkan Opini Pengguna dengan Naive Bayes
Full text linkThis research explores sentiment analysis on user reviews of the game Mobile Legends: Bang Bang using the Naïve Bayes method. With the rapid growth in user numbers, the reviews received reflect a diverse range of positive, negative, and neutral sentiments. One of the main challenges is the data imbalance among the three sentiments, which can affect the model's accuracy. Data was collected through scraping techniques from the Google Play Store, followed by preprocessing to enhance data quality. The analysis results show that the Naïve Bayes model achieved an accuracy of 75.28%, demonstrating good performance in identifying negative reviews, although there is still room for improvement in the positive and neutral categories. These findings are expected to provide valuable insights for game developers in understanding user experiences and improving application features based on sentiment analysis. Penelitian ini mengeksplorasi analisis sentimen pada ulasan pengguna game Mobile Legends: Bang Bang menggunakan metode Naïve Bayes. Dengan pertumbuhan pesat jumlah pengguna, ulasan yang diterima mencerminkan sentimen positif, negatif, dan netral yang beragam. Salah satu tantangan utama adalah ketidakseimbangan data antara ketiga sentimen, yang dapat mempengaruhi akurasi model. Data dikumpulkan melalui teknik scraping dari Google Play Store, diikuti dengan pra-pemrosesan untuk meningkatkan kualitas data. Hasil analisis menunjukkan bahwa model Naïve Bayes mencapai akurasi sebesar 75,28%, dengan kinerja yang baik dalam mengidentifikasi ulasan negatif, meskipun masih terdapat ruang untuk perbaikan pada kategori positif dan netral. Temuan ini diharapkan memberikan wawasan berharga bagi pengembang game dalam memahami pengalaman pengguna dan meningkatkan fitur aplikasi berdasarkan analisis sentimen
Analisis Sentimen Masyarakat Terhadap System Perbelanjaan Di Alfagift Dengan Metode Naive Bayes
Full text linkBerbagai industri termasuk ritel telah berubah sebagai akibat dari kemajuan teknologi informasi. Alfagift sebuah aplikasi yang dikembangkan oleh Alfamart untuk membantu pelanggannya berbelanja secara digital dan salah satu platform yang tengah berkembang pesat. Tujuan penelitian ini adalah untuk melakukan analisis sentimen masyarakat terhadap sistem perbelanjaan Alfagift dengan menggunakan metode Naive Bayes. Metode Naïve Bayes ini dipilih karena kemampuannya untuk mengklasifikasikan teks berdasarkan probabilitas, yang memungkinkan untuk menghasilkan hasil yang akurat dengan data yang relatif kecil. Data yang digunakan untuk penelitian ini adalah komentar atau ulasan pengguna tentang aplikasi Alfagift yang diambil dari platform review aplikasi. Analisis sentimen mencakup pengumpulan data, Preprocessing, serta penerapan Naive Bayes untuk membagi sentimen menjadi dua kategori utama yaitu positif dan negatif. Penelitian ini mengumpulkan 6.650 data ulasan pengguna dan didapatkan 4.937 kelas sentimen positif dan 1.713 kelas sentimen negatif. Naïve Bayes Classifier dalam mengklasifikasi data mendapatkan akurasi tertinggi saat pembagian data latih dan data uji dengan perbandingan sebesar 90:10 memperoleh Accuracy 85.94%, recall 81.81%, Precision 91.83% dan F1-Score sebesar 86.52%. Hasil dari analisis ini menunjukkan bagaimana respon masyarakat terhadap fitur-fitur yang ada dalam aplikasi, serta memberikan wawasan tentang kekuatan dan kelemahan dari sistem perbelanjaan Alfagift. Penelitian ini juga membuktikan efektivitas metode Naive Bayes dalam menganalisis sentimen secara otomatis dan memberikan insight yang berbasis dat
Aplikasi Sistem Monitoring Produksi dengan Diagram Kontrol Fuzzy Multivariat Berbasis Alpha-cut dan Transformasi Median
No full textPengendalian kualitas produksi yang adaptif menjadi kebutuhan mendesak dalam menghadapi data multivariat dengan ketidakpastian, disertai tuntutan untuk meningkatkan kualitas produk. Hal ini dapat diatasi menggunakan teori himpunan fuzzy melalui alat Statistical Process Control berupa diagram kontrol. Penelitian ini mengembangkan aplikasi sistem monitoring produksi menggunakan diagram kontrol multivariat fuzzy T2 Hotelling berbasis alpha-cut dan transformasi median. Aplikasinya dilakukan pada industri material bangunan di UD Tiga Beton sebagai penghasil batako press. Monitoring dilakukan pada dua karakteristik kualitas yang saling berkorelasi, yaitu kondisi fisik dan bidang permukaan, yang direpresentasikan dalam bentuk linguistik. Data pengamatan dikonversi ke dalam bilangan fuzzy menggunakan Triangular Fuzzy Number dan proses defuzzifikasi melalui transformasi median serta tambahan alpha-cut sebesar 0,6 agar dapat monitoring pergeseran mean yang kecil. Hasil penerapannya menunjukkan bahwa empat pengamatan terdeteksi berada di luar batas sehingga mengindikasikan proses produksi berada dalam keadaan out of control. Dengan demikian, aplikasi sistem ini terbukti mampu mendeteksi penyimpangan proses secara lebih akurat dan praktis. Diagram kontrol fuzzy multivariat berbasis alpha-cut dan transformasi median menjadi alternatif yang adaptif dalam pengendalian kualitas pada berbagai produksi.Pengendalian kualitas produksi yang adaptif menjadi kebutuhan mendesak dalam menghadapi data multivariat dan ketidakpastian yang disertai tuntutan untuk meningkatkan kualitas produk. Hal ini dapat diatasi menggunakan teori himpunan fuzzy melalui alat Statistical Process Control berupa diagram kontrol. Penelitian ini mengembangkan aplikasi sistem monitoring produksi menggunakan diagram kontrol multivariat fuzzy T2 Hotelling berbasis alpha-cut dan transformasi median. Aplikasinya dilakukan pada industri material bangunan di UD Tiga Beton sebagai penghasil batako press. Monitoring dilakukan pada dua karakteristik kualitas yang saling berkorelasi, yaitu kondisi fisik dan bidang permukaan, yang direpresentasikan dalam bentuk linguistik. Data pengamatan dikonversi ke dalam bilangan fuzzy menggunakan Triangular Fuzzy Number dan proses defuzzifikasi melalui transformasi median untuk menghitung nilai representatif serta tambahan alpha-cut sebesar 0,6 untuk monitoring pergeseran mean yang kecil. Hasil penerapannya menunjukkan bahwa empat pengamatan terdeteksi berada di luar batas sehingga mengindikasikan proses produksi berada dalam keadaan out of control. Dengan demikian, aplikasi sistem ini terbukti mampu mendeteksi penyimpangan proses secara lebih akurat dan praktis. Diagram kontrol fuzzy multivariat berbasis alpha-cut dan transformasi median menjadi alternatif yang adaptif dalam pengendalian kualitas pada berbagai produksi
Peningkatan Literasi Machine Learning dan Big Data di SMK Negeri 1 Adiwerna Tegal
No full textKegiatan pengabdian kepada masyarakat ini yang dilakukan pada siswa SMK Negeri 1 Adiwerna ini bertujuan meningkatkan literasi machine learning (ML) dan big data siswa melalui pelatihan berbasis praktik. Kegiatan dilaksanakan satu hari dengan alur ceramah singkat, demonstrasi, dan praktik mandiri menggunakan Google Colab serta dataset sederhana. Evaluasi pengetahuan dilakukan melalui pre-test dan post-test, sedangkan keterampilan diamati menggunakan tujuh indikator (ketepatan, kemandirian, efisiensi, kerja sama, komunikasi, pemecahan masalah, kerapian). Subjek berjumlah 20 siswa dari program keahlian terkait TIK. Hasil menunjukkan kenaikan rata-rata nilai pengetahuan dari 71,85 menjadi 87,15 (kenaikan relatif 21,34%), menegaskan efektivitas pendekatan hands-on dalam memperkuat penguasaan konsep ML dan big data. Penilaian keterampilan berada pada kategori Baik–Sangat Baik, dengan rerata keseluruhan 4,3; aspek ketepatan 4,2 (Baik), kemandirian 4,3 (Sangat Baik), dan efisiensi 4,4 (Sangat Baik). Luaran berupa modul pelatihan, notebook praktikum, dan dataset contoh mendukung replikasi di sekolah mitra. Secara keseluruhan, program efektif meningkatkan literasi data dan kesiapan teknis siswa vokasi, serta merekomendasikan tindak lanjut melalui project-based learning dan pendampingan guru untuk keberlanjutan