ILKOM Jurnal Ilmiah (Fakultas Ilmu Komputer, Universitas Muslim Indonesia)
Not a member yet
653 research outputs found
Sort by
Analisis Quality of Service Jaringan Internet Pada PT. Bosowa Berlian Motor Menggunakan Aplikasi Wireshark
Full text linkPenelitian ini bertujuan untuk menganalisis kualitas layanan (Quality of Service/QoS) jaringan internet pada PT. Bosowa Berlian Motor dengan menggunakan aplikasi Wireshark. Dalam era digital saat ini, kualitas jaringan internet sangat mempengaruhi kinerja operasional perusahaan, termasuk dalam hal komunikasi, transfer data, dan produktivitas karyawan. Oleh karena itu, penting untuk mengukur dan memastikan kualitas jaringan yang stabil dan efisien. Wireshark, sebagai aplikasi penganalisis jaringan, digunakan untuk memantau lalu lintas data dalam jaringan dan menganalisis berbagai parameter QoS seperti latency, packetloss, jitter, dan throughput. Data yang diperoleh dari wireshark kemudian dianalisis untuk mengetahui apakah jaringan internet di PT. Bosowa Berlian Motor sudah memenuhi standar kualitas yang diinginkan. Hasil penelitian menunjukkan bahwa terdapat beberapa titik di jaringan yang mengalami penurunan QoS, yang dapat mempengaruhi kinerja perusahaan. Berdasarkan temuan ini, rekomendasi untuk perbaikan infrastruktur jaringan dan pengelolaan QoS disarankan untuk meningkatkan kualitas layanan jaringan internet di perusahaan tersebu
Analisis Perbandingan Metadata Bukti Digital Gambar Dengan Menggunakan Tools Metadata++
Full text linkTeknologi informasi yang berkembang pesat mempengaruhi perkembangan masyarakat Indonesia. Terutama melalui penggunaan platform media sosial sebagai sumber informasi tercepat. Tercatat media sosial whatsapp, instagram dan facebook menjadi tiga media sosial yang paling banyak digunakan di Indonesia pada januari tahun 2024. Selain sebagai sumber informasi tercepat, penggunaan platform media sosial juga seringkali disalahgunakan sebagai media tindak kejahatan berupa penyebaran berita bohong atau berita sensitif. Dalam mengungkap pelaku penyebaran berita bohong atau berita yang sensitif ini, dilakukan eksplorasi dan perbandingan terhadap metadata antara foto asli dan setelah diunggah ke media sosial. Dengan menggunakan tools offline yaitu tools Metadata++ sebagai tools digital forensik. Setelah dilakukan pemeriksaan dan perbandingan metadata foto, terungkap bahwa mengunggah foto ke platform media sosial mengakibatkan beberapa informasi dalam metadata mengalami perubahan. Hal ini menunjukkan adanya perubahan pada metadata foto asli dan setelah diunggah ke platform media sosial. Perbedaan ini dapat dijadikan sebagai salah satu acuan dalam mengungkap pelaku pengirim awal foto yang tidak benar atau foto sensitif tersebut dengan menelusuri metadata foto asli dan setelah terunggah ke platform media sosia
Klasifikas Sampah Menggunakan Metode Naive Bayes
Full text linkPengelolaan sampah merupakan permasalahan serius yang dihadapi di Indonesia akibat tingginya laju produksi sampah dari konsumsi masyarakat, perkembangan industri, serta rendahnya sistem pengelolaan yang berwawasan lingkungan. Salah satu pendekatan yang dapat digunakan untuk membantu pengelolaan sampah adalah klasifikasi otomatis menggunakan metode pembelajaran mesin. Pada penelitian ini, dilakukan klasifikasi citra sampah menggunakan algoritma Naïve Bayes dengan dua pendekatan, yaitu Gaussian Naïve Bayes dan Multinomial Naïve Bayes. Dataset yang digunakan terdiri dari 997 citra yang terbagi dalam dua kelas, yaitu kertas dan karton. Proses penelitian meliputi preprocessing berupa resize citra ke ukuran 64 × 64 piksel, normalisasi, serta evaluasi model menggunakan metrik accuracy, precision, recall, dan F1-score. Hasil penelitian menunjukkan bahwa Gaussian Naïve Bayes memberikan kinerja yang lebih baik dengan accuracy sebesar 79.50%, sedangkan Multinomial Naïve Bayes hanya mencapai 59.50%. Nilai evaluasi lainnya juga memperlihatkan tren serupa, di mana Gaussian Naïve Bayes lebih unggul dibandingkan Multinomial Naïve Bayes. Dengan demikian, dapat disimpulkan bahwa Gaussian Naïve Bayes lebih sesuai untuk klasifikasi citra sampah pada penelitian ini, dan berpotensi diterapkan dalam mendukung sistem pengelolaan sampah yang lebih efisie
Sistem Pendukung Keputusan Dalam Pemilihan Laptop Berdasarkan Kriteria Kebutuhan Menggunakan Metode Simple Additive Weighting
Full text linkPerkembangan teknologi informasi yang pesat telah menjadikan laptop sebagai kebutuhan penting, terutama bagi mahasiswa dan profesional di bidang teknologi. Banyaknya pilihan laptop dengan berbagai merek dan spesifikasi di pasaran menyebabkan konsumen kesulitan dalam memilih perangkat yang sesuai kebutuhan dan anggaran. Untuk mengatasi masalah tersebut, penelitian ini mengembangkan Sistem Pendukung Keputusan (SPK) menggunakan metode Simple Additive Weighting (SAW) untuk membantu dalam pemilihan laptop yang optimal. Metode SAW dipilih karena mampu memberikan perhitungan nilai alternatif berdasarkan bobot dan skor dari beberapa kriteria seperti harga, prosesor, layar, vga, memori, dan hardisk. Sistem yang dibangun memungkinkan pengguna untuk menentukan preferensi terhadap setiap kriteria, kemudian sistem akan melakukan normalisasi dan perankingan untuk memberikan rekomendasi laptop terbaik. Hasil pengujian menunjukkan bahwa sistem ini dapat meningkatkan efisiensi dan objektivitas dalam pengambilan keputusan. Dengan demikian, SPK berbasis SAW ini bermanfaat sebagai alat bantu seleksi laptop yang informatif, akurat, dan mudah digunaka
Prototipe Smart Home Berbasis ESP32 dengan Fitur Keamanan pintu, Lampu, dan AC Otomatis Berbasis IoT
Full text linkPerkembangan teknologi Internet of Things (IoT) telah membawa dampak signifikan dalam kehidupan sehari-hari, terutama dalam pengelolaan rumah. Tugas akhir ini memiliki tujuan untuk merancang dan membangun prototipe smart home berbasis ESP32 yang dilengkapi dengan fitur sistem keamanan pintu, lampu pintar, dan AC pintar. ESP32 dipilih sebagai mikrokontroler karena kemampuannya dalam koneksi Wi-Fi dan Bluetooth, serta performanya yang baik dalam aplikasi IoT. Penelitian ini menggunakan metode perancangan prototipe yang mencakup analisis kebutuhan dan perancangan sistem. Hasil dari perancangan ini menunjukkan bahwa prototipe yang dibangun dapat berfungsi dengan baik dalam mengontrol akses pintu, pencahayaan, dan suhu ruangan secara efisien. Perancangan ini juga menunjukkan bahwa sistem dapat dioperasikan dengan tingkat respons yang cepat, yaitu kurang dari 2 detik untuk setiap perintah yang diberikan. Dengan demikian, penelitian ini tidak hanya memberikan solusi praktis untuk meningkatkan kenyamanan dan keamanan rumah, tetapi juga berkontribusi terhadap pengembangan teknologi smart home di Indonesi
Sistem Pakar Pendiagnosa Jenis Penyakit Asam Lambung Dengan Metode Certainty Factor Berbasis Web (Studi Kasus: RS. Pelamonia)
Full text linkPenyakit asam lambung atau dispepsia merupakan gangguan pencernaan yang umum terjadi dan sering dikeluhkan oleh pasien di RS Pelamonia Kota Makassar. Proses diagnosis penyakit ini secara manual memerlukan waktu yang lama dan rentan terhadap kesalahan akibat keterbatasan sumber daya medis. Penelitian ini bertujuan untuk mengembangkan sistem pakar berbasis web guna membantu proses diagnosis awal penyakit asam lambung menggunakan metode Certainty Factor (CF). Metode CF digunakan untuk menghitung tingkat keyakinan berdasarkan gejala yang dialami oleh pasien, sedangkan proses penalaran dalam sistem menerapkan teknik forward chaining. Sistem dikembangkan menggunakan bahasa pemrograman web dan basis data MySQL, serta mengikuti pendekatan pengembangan perangkat lunak Extreme Programming (XP) agar dapat beradaptasi terhadap perubahan dan kebutuhan sistem. Data diperoleh melalui wawancara dengan dokter spesialis, observasi langsung, dan studi pustaka. Pengujian sistem dilakukan dengan metode black box testing untuk memastikan setiap fungsi berjalan sesuai harapan. Hasil dari penelitian ini adalah sistem pakar diagnosis penyakit asam lambung yang dapat diakses oleh masyarakat secara daring, memberikan informasi awal tentang kondisi kesehatan, serta mendukung efisiensi pelayanan medis di RS Pelamoni
Analisis Sentimen Media Sosial X terhadap Gerakan Muhammadiyah Menggunakan Algoritma Naïve Bayes
Full text linkMedia sosial merupakan sumber data yang kaya untuk memahami persepsi publik terhadap berbagai isu, termasuk organisasi keagamaan seperti Muhammadiyah. Penelitian ini bertujuan untuk menganalisis sentimen publik terhadap Gerakan Muhammadiyah di Media Sosial X menggunakan algoritma Naïve Bayes. Sebanyak 617 unggahan dikumpulkan dan diklasifikasikan ke dalam tiga kategori sentimen utama: positif, negatif, dan netral. Tahapan analisis dimulai dengan preprocessing data, seperti penghapusan stop words, stemming, serta penanganan slang dan teks tidak terstruktur. Data teks kemudian direpresentasikan menggunakan metode TF-IDF sebelum diterapkan pada algoritma Naïve Bayes. Hasil penelitian menunjukkan bahwa algoritma Naïve Bayes mencapai akurasi sebesar 87,5%, dengan kinerja yang sangat baik dalam mengidentifikasi sentimen positif (45%) dan negatif (30%), sementara sentimen netral (25%) sering memiliki pola yang ambigu. Sentimen positif didominasi oleh apresiasi terhadap kontribusi Muhammadiyah dalam bidang pendidikan, kesehatan, dan penanganan bencana. Sebaliknya, sentimen negatif sebagian besar terkait dengan kritik terhadap biaya pendidikan, pelayanan kesehatan, dan distribusi bantuan sosial yang dinilai kurang optimal. Sentimen netral mencakup unggahan informatif tanpa opini emosional. Penelitian ini menunjukkan bahwa analisis sentimen menggunakan algoritma Naïve Bayes efektif dalam memahami persepsi publik terhadap Muhammadiyah. Temuan ini memberikan wawasan strategis bagi Muhammadiyah untuk meningkatkan citra positif dan mengelola kritik publik melalui pendekatan yang lebih adaptif di era digital.Media sosial merupakan sumber data yang kaya untuk memahami persepsi publik terhadap berbagai isu, termasuk organisasi keagamaan seperti Muhammadiyah. Penelitian ini bertujuan untuk menganalisis sentimen publik terhadap Gerakan Muhammadiyah di Media Sosial X menggunakan algoritma Naïve Bayes. Sebanyak 617 unggahan dikumpulkan dan diklasifikasikan ke dalam tiga kategori sentimen utama: positif, negatif, dan netral. Tahapan analisis dimulai dengan preprocessing data, seperti penghapusan stop words, stemming, serta penanganan slang dan teks tidak terstruktur. Data teks kemudian direpresentasikan menggunakan metode TF-IDF sebelum diterapkan pada algoritma Naïve Bayes. Hasil penelitian menunjukkan bahwa algoritma Naïve Bayes mencapai akurasi sebesar 87,5%, dengan kinerja yang sangat baik dalam mengidentifikasi sentimen positif (45%) dan negatif (30%), sementara sentimen netral (25%) sering memiliki pola yang ambigu. Sentimen positif didominasi oleh apresiasi terhadap kontribusi Muhammadiyah dalam bidang pendidikan, kesehatan, dan penanganan bencana. Sebaliknya, sentimen negatif sebagian besar terkait dengan kritik terhadap biaya pendidikan, pelayanan kesehatan, dan distribusi bantuan sosial yang dinilai kurang optimal. Sentimen netral mencakup unggahan informatif tanpa opini emosional. Penelitian ini menunjukkan bahwa analisis sentimen menggunakan algoritma Naïve Bayes efektif dalam memahami persepsi publik terhadap Muhammadiyah. Temuan ini memberikan wawasan strategis bagi Muhammadiyah untuk meningkatkan citra positif dan mengelola kritik publik melalui pendekatan yang lebih adaptif di era digital.
Analisis Tata Letak Koleksi Buku Di Perpustakaan Utsman Bin Affan Menggunakan Metode Association Rule
Full text linkUniversitas Muslim Indonesia telah berhasil menempati posisi ke-92 pemeringkatan WRWU. Keberhasilan atas pencapaian UMI didukung dengan adanya berbagai sarana dan prasarana salah satunya fasilitas perpustakaan. Pada perpustakaan Utsman Bin Affan buku diletakkan berdasarkan kategori buku yang telah diberikan penomoran yang disebut Dewey Decimal Classification (DDC). Namun, dalam penempatan buku belum diatur dengan melihat tingkat keseringan pengunjung dalam meminjam buku tersebut. Selain itu, pengunjung kesulitan dalam mencari kembali keberadaan buku yang sering dipinjam. Metode association rule khususnya algoritma apriori dapat digunakan dalam penataan koleksi buku di perpustakaan Utsman Bin Affan untuk mengidentifikasi asosiasi antara berbagai judul buku dengan menemukan support dan confidence yang menghasilkan pola asosiasi. Dari data transaksi peminjaman buku sejak 21 Januari 2022 sampai 19 januari 2024 adalah sebanyak 50 ID Mahasiswa perpustakaan dengan total 128 transaksi menghasilkan pola transaksi peminjaman mahasiswa UMI yakni Karya Umum, Ilmu-Ilmu Sosial dengan nilai support 14% dengan confidence 43%. Buku Filsafat dan Psikologi, Agama dengan nilai support 22% dengan confidence 36%. Selanjutnya buku Filsafat dan Psikologi maka mahasiswa juga akan meminjam ilmu-Ilmu Sosial dengan nilai support 22% dengan confidence 45%. Berdasarkan hasil tersebut disarankan untuk melakukan evaluasi reguler terhadap tata letak perpustakaan berdasarkan data penyimpanan dan umpan balik pengguna, dan melakukan penyesuaian yang diperlukan untuk meningkatkan efektifitasnya.Universitas Muslim Indonesia telah berhasil menempati posisi ke-92 pemeringkatan WRWU. Keberhasilan atas pencapaian UMI didukung dengan adanya berbagai sarana dan prasarana salah satunya fasilitas perpustakaan. Pada perpustakaan Utsman Bin Affan buku diletakkan berdasarkan kategori buku yang telah diberikan penomoran yang disebut Dewey Decimal Classification (DDC). Namun, dalam penempatan buku belum diatur dengan melihat tingkat keseringan pengunjung dalam meminjam buku tersebut. Selain itu, pengujung kesulitan dalam mencari kembali keberadaan buku yang sering dipinjam. Metode association rule khususnya algoritma apriori dapat digunakan dalam penataan koleksi buku di perpustakaan Utsman Bin Affan untuk mengidentifikasi asosiasi antara berbagai judul buku dengan menemukan support dan confidance yang menghasilkan pola asosiasi. Dari data transaksi peminjaman buku sejak 21 Januari 2022 sampai 19 januari 2024 adalah sebanyak 50 ID Mahasiswa perpustakaan dengan total 128 transaksi menghasilkan pola transaksi peminjaman mahasiswa UMI yakni Karya Umum, Ilmu-Ilmu Sosial dengan nilai support 14% dengan confidence 43%. Buku Filsafat dan Psikologi, Agama dengan nilai support 22% dengan confidence 36%. Selanjutnya buku Filsafat dan Psikologi maka mahasiswa juga akan meminjam Ilmu-Imu Sosial dengan nilai support 22% dengan confidence 45%. Berdasarkan hasil tersebut disarankan untuk melakukan evaluasi reguler terhadap tata letak perpustakaan berdasarkan data peminjaman dan umpan balik pengguna, dan melakukan penyesuaian yang diperlukan untuk meningkatkan efektivitasnya
Implemetasion of Nearest Neigbord method in Case Based Reasoning for Early identification of Dengue Fever Disease
No full textPada tahun 2021 tercatat di Badan Pusat statistik provinsi sulawesi tenggara tercatat sebanyak 824 kasus. Meningkatnya kasus setiap tahunnya menjadikan penyakit DBD ini masuk kategori KLB. Saat ini masyarakat kecamatan Tanggetada belum mempunyai model Artificial Intelegence (AI) berbasis CaSe Based Reasoning (CBR) untuk mendapatkan informasi terkait deteksi dini penyakit DBD, sehingga model ini dianggap perlu untuk dikembangkan agar dapat membantu memberikan informasi sejak dini kepada masyarakat tentang penyakit DBD. Metode yang digunakan untuk mendeteksi penyakit DBD yaitu Nearest Neighbor serta Teknik pengembangan sistem yang digunakan yaitu waterfall. Penelitian ini menghasilkan sebuah sistem berbasis AI dengan metode CBR yang mampu mendiagnosis gejala dini penyakit demam berdarah dengan hasil pengujian blackbox yang menunjukkan sistem dinyatakan valid dan terbebas dari kesalahan fungsional sistem, serta menghasilkan pengujian akurasi sistem sebesar 90%.In 2021, it was recorded at the Central Statistics Agency of Southeast Sulawesi Province that there were 824 cases. The increase in cases every year makes this dengue disease in the KLB category. Currently, the people of Tanggetada sub-district do not have an Artificial Intelligence (AI) model based on CaSe Based Reasoning (CBR) to obtain information related to the early detection of dengue disease, so this model is considered necessary to be developed in order to help provide early information to the community about dengue diseas. The method used to detect dengue disease is Nearest Neighbor and the system development technique used is waterfall. This study produced an AI-based system with the CBR method that is able to diagnose early symptoms of dengue fever with the results of a blackbox test that shows that the system is declared valid and free from system functional errors, and produces a system accuracy test of 90%
A Hybrid Movie Recommendation System to Address Data Sparsity Using Genre-Based K-Means and Neural Collaborative Filtering
Full text linkRecommendation systems play a crucial role in helping users navigate the overwhelming volume of information on digital platforms. However, conventional Collaborative Filtering (CF) methods often suffer from data sparsity, leading to reduced prediction accuracy and limited recommendation diversity. To address this challenge, this study proposes a hybrid recommendation model that integrates K-Means clustering based on genre, release year, and rating statistics into the Neural Collaborative Filtering (NCF) framework. Unlike previous works that rely on a single dimension like genre or demographics for clustering, our model uniquely combines multiple content-based features. Furthermore, we explicitly integrate the cluster labels as additional embedding features within the NCF framework, enabling more nuanced and context-aware representation learning. Using the MovieLens Latest-Small dataset, our hybrid model significantly outperforms the baseline NCF across all metrics, achieving a Mean Absolute Error (MAE) of 0.6097, a Root Mean Square Error (RMSE) of 0.7946, and improvements in Precision@10 (0.6065) and Recall@10 (0.7063). These findings highlight the effectiveness of our novel, content-aware clustering approach in deep learning recommenders, resulting in more accurate, diverse, and contextually relevant movie suggestions