Scientific : Journal of Computer Science and Informatics
Not a member yet
21 research outputs found
Sort by
Analisis Perancangan Sistem Informasi Pendukung Keputusan untuk Mitigasi Bencana Alam Berbasis Data Real-Time
Get PDFSistem informasi pendukung keputusan (SPK) berbasis data real-time memiliki peran krusial dalam mitigasi bencana alam, terutama di kawasan rawan seperti Indonesia. Penelitian ini bertujuan untuk menganalisis perancangan SPK yang mampu memproses data real-time dari berbagai sumber, seperti sensor lingkungan, satelit, dan media sosial, guna mendukung pengambilan keputusan yang cepat dan akurat oleh pihak berwenang. Metode penelitian meliputi analisis kebutuhan, desain sistem menggunakan pendekatan berbasis cloud, dan pengujian prototipe dengan skenario simulasi bencana. Hasil penelitian menunjukkan bahwa sistem yang dirancang dapat mengurangi waktu respons hingga 40% dan meningkatkan akurasi prediksi risiko bencana sebesar 75%. Pembahasan menyoroti pentingnya integrasi teknologi big data dan machine learning dalam meningkatkan efektivitas mitigasi. Kesimpulannya, SPK berbasis data real-time menawarkan solusi inovatif untuk mengatasi tantangan mitigasi bencana alam di era digital
Klasifikasi Email Spam Dan Ham Menggunakan Algoritma Support Vector Machine, Naive Bayes Dan Logistic Regression
Get PDFSemakin tingginya penggunaan email sebagai media komunikasi digital, masalah keberadaan email spam menjadi perhatian yang serius. Email spam tidak hanya mengganggu aktivitas pengguna, tetapi juga berpotensi menimbulkan risiko terhadap keamanan data. Untuk mengatasi hal tersebut, dibutuhkan sistem klasifikasi yang mampu membedakan antara email spam dan email ham secara efektif. Penelitian ini bertujuan untuk menganalisis dan membandingkan performa tiga algoritma klasifikasi, yaitu Support Vector Machine, Naive Bayes, dan Logistik Regression dalam mendeteksi email spam. Dataset yang digunakan merupakan data publik yang telah melalui serangkaian tahap Preprocessing. Evaluasi performa dilakukan dengan menggunakan metrik akurasi. Hasil evaluasi menunjukkan bahwa algoritma SVM memberikan akurasi terbaik yaitu 99% dibandingkan Naïve Bayes dan Logistic Regression. Temuan ini menunjukkan pentingnya pemilihan algoritma yang sesuai untuk meningkatkan efektivitas dalam klasifikasi email spam
Optimasi Ekstraksi Fitur Citra Karakter Font Menggunakan Algoritma Support Vector Machines (SVM) untuk Klasifikasi Tipografi
Get PDFKlasifikasi tipografi berbasis citra karakter merupakan salah satu tantangan penting dalam bidang pengenalan pola dan pengolahan citra digital, terutama dalam konteks digitalisasi dokumen dan sistem OCR (Optical Character Recognition). Penelitian ini bertujuan untuk mengoptimalkan proses ekstraksi fitur citra karakter font dengan memanfaatkan kombinasi beberapa teknik fitur serta algoritma Support Vector Machines (SVM) untuk klasifikasi. Metode yang digunakan melibatkan preprocessing citra karakter, ekstraksi fitur menggunakan Histogram of Oriented Gradients (HOG), Local Binary Pattern (LBP), dan Zoning, serta pelatihan model SVM dengan kernel Radial Basis Function (RBF). Dataset yang digunakan terdiri dari 2.600 citra karakter dalam format grayscale yang berasal dari lima jenis font populer. Dataset ini dibagi menjadi data latih dan data uji untuk keperluan pelatihan dan evaluasi model. Hasil eksperimen menunjukkan bahwa kombinasi fitur HOG dan Zoning menghasilkan akurasi klasifikasi tertinggi sebesar 94,6%, mengungguli teknik fitur tunggal maupun kombinasi dua fitur lainnya. Temuan ini menunjukkan bahwa pemilihan dan penggabungan teknik ekstraksi fitur yang tepat secara signifikan meningkatkan performa klasifikasi tipografi citra karakter. Penelitian ini memberikan kontribusi dalam pengembangan sistem klasifikasi font yang lebih akurat dan efisien, serta membuka peluang aplikasi lebih lanjut dalam digital forensik, sistem pencarian berbasis citra, dan digitalisasi arsip
Pengenalan Citra Batik Tradisional Menggunakan Deep Learning untuk Klasifikasi Motif Daerah
Get PDFBatik merupakan warisan budaya Indonesia yang kaya akan nilai estetika dan keragaman motif berdasarkan asal daerahnya. Namun, upaya digitalisasi dan klasifikasi motif batik secara otomatis masih menghadapi tantangan, terutama dalam hal ketersediaan dataset representatif dan pendekatan pemodelan yang optimal. Penelitian ini bertujuan untuk mengembangkan sistem klasifikasi motif batik berdasarkan daerah asal menggunakan metode deep learning berbasis Convolutional Neural Network (CNN). Dataset citra batik yang digunakan terdiri dari 1.200 gambar, mewakili empat daerah utama yaitu Solo, Pekalongan, Cirebon, dan Madura. Model CNN dirancang dengan empat blok konvolusi dan dua fully connected layer, serta dilatih menggunakan optimizer Adam dan teknik early stopping. Hasil eksperimen menunjukkan bahwa model mencapai akurasi klasifikasi yang tinggi dan mampu membedakan motif berdasarkan karakteristik visual khas masing-masing daerah. Meskipun terdapat sedikit kesalahan klasifikasi antara motif yang memiliki kemiripan visual, secara keseluruhan model menunjukkan kinerja yang baik dan stabil. Penelitian ini menyimpulkan bahwa pendekatan deep learning efektif dalam mengenali motif batik secara otomatis dan berpotensi diimplementasikan dalam aplikasi edukasi budaya maupun promosi digital batik berbasis kecerdasan buatan
Strategi dan Efektivitas Deep Learning untuk Mitigasi Ancaman Keamanan Jaringan di Era IoT
Get PDFPertumbuhan pesat perangkat Internet of Things (IoT) telah membuka peluang besar dalam transformasi digital di berbagai sektor, namun juga menghadirkan tantangan serius terkait keamanan jaringan. Perangkat IoT yang umumnya memiliki kapasitas komputasi terbatas menjadi sasaran empuk bagi berbagai jenis serangan siber. Penelitian ini bertujuan untuk mengevaluasi efektivitas berbagai pendekatan deep learning dalam mendeteksi ancaman keamanan pada jaringan IoT secara otomatis dan adaptif. Metode yang digunakan mencakup eksperimen komparatif terhadap beberapa arsitektur deep learning, seperti Transformer, CNN + LSTM, dan GAN + CNN, dengan memanfaatkan dataset publik UNSW-NB15. Penilaian performa dilakukan menggunakan metrik evaluasi seperti akurasi dan F1-score, serta analisis kemampuan model dalam mendeteksi serangan kompleks seperti DDoS, port scanning, dan serangan zero-day. Hasil penelitian menunjukkan bahwa model Transformer unggul dengan akurasi mencapai 99,1%, sementara model GAN + CNN menunjukkan keunggulan dalam mendeteksi pola serangan baru yang belum dikenali sebelumnya. Model CNN + LSTM juga terbukti efektif dalam menangkap pola spasio-temporal serangan. Penelitian ini memberikan kontribusi signifikan dalam pengembangan sistem deteksi intrusi cerdas berbasis deep learning untuk ekosistem IoT. Temuan ini berpotensi diterapkan pada sistem keamanan jaringan real-time dan berskala besar yang adaptif terhadap ancaman baru
Klasifikasi Hama dan Penyakit Tanaman Padi Menggunakan Algoritma Decision Tree
Get PDFSektor pertanian, khususnya budidaya padi, memegang peran penting dalam mendukung ketahanan pangan nasional di Indonesia. Namun, serangan hama dan penyakit masih menjadi tantangan serius bagi para petani karena dapat menurunkan hasil produksi. Penelitian ini bertujuan mengembangkan sistem klasifikasi otomatis untuk mengidentifikasi jenis hama dan penyakit yang menyerang tanaman padi. Metode yang digunakan adalah algoritma Decision Tree, yang diterapkan pada dataset dari Kaggle dengan atribut seperti umur tanaman, tinggi, kondisi daun, serta gejala penyakit dan hama. Proses klasifikasi dilakukan menggunakan bahasa pemrograman Python, meliputi tahapan pra-pemrosesan data, pemisahan data pelatihan dan pengujian, serta evaluasi kinerja model menggunakan metrik akurasi, presisi, recall, dan f1-score. Hasil penelitian menunjukkan bahwa model Decision Tree mampu melakukan klasifikasi dengan tingkat akurasi sebesar 71,67%. Meskipun demikian, model masih mengalami kendala pada distribusi data yang tidak merata di beberapa kelas. Dengan pengembangan lanjutan, sistem ini berpotensi membantu petani dalam mendeteksi hama dan penyakit secara lebih cepat, sehingga dapat meningkatkan produktivitas pertanian dan mendukung ketahanan pangan nasional
Identifikasi Gangguan Tidur Menggunakan Klasifikasi Berbasis Decision Tree
Get PDFKondisi gangguan tidur sering kali tidak disadari sejak dini oleh banyak individu, sehingga berpotensi memburuk dan menimbulkan masalah kesehatan fisik maupun psikologis jangka panjang yang serius. Deteksi dini sangat dibutuhkan untuk mengantisipasi dampak negatif lebih lanjut dan mengurangi beban penyakit terkait tidur di masyarakat. Penelitian ini mengembangkan dan mengevaluasi sistem klasifikasi gangguan tidur berbasis algoritma Decision Tree melalui proses pelatihan dan pengujian model, dengan tujuan membantu masyarakat mendeteksi gangguan tidur secara cepat dan efisien. Sistem ini memanfaatkan dataset Sleep Health and Lifestyle dari Kaggle, yang terdiri atas 374 sampel dengan 13 atribut terkait pola tidur dan gaya hidup. Model klasifikasi yang dikembangkan membedakan tiga kategori gangguan: No Disorder, Sleep Apnea, dan Insomnia. Hasil pengujian menunjukkan model mencapai akurasi sebesar 89 persen. Angka akurasi tersebut menunjukkan keandalan metode Decision Tree dalam mengklasifikasikan gangguan tidur sesuai kategorinya. Keunggulan sistem ini terletak pada kemampuannya mengidentifikasi gangguan tidur secara mandiri kapan pun dan di mana pun. Dengan demikian, pengguna tidak perlu terlebih dahulu mengunjungi tenaga kesehatan, sehingga sistem ini diharapkan mempermudah deteksi dini gangguan tidur dan meningkatkan kesadaran masyarakat akan pentingnya menjaga kualitas tidur
Rancang Bangun Aplikasi KKN Berbasis Web Dengan Konsep Maqosid Syariah (Studi Kasus: Stai Masjid Syuhada Yogyakarta)
Get PDFSaat pandemi COVID-19, Seluruh individu diharuskan untuk melindungi diri dari virus tersebut. Setiap orang harus menghindari kerumunan yang besar dan melakukan perlindungan diri. Melindungi diri sendiri (hifz) merupakan salahsatu prinsip utama dari Maqoshid Syariah. Kegiatan Program KKN merupakan bagian utama dari Tri dharma pendidikan tinggi, sehingga setiap mahasiswa diwajibkan untuk melaksanakan kegiatan ini. Namun, kegiatan KKN biasanya melibatkan sosialisasi dengan masyarakat, dimana hal tersebut bertentangan dengan kondisi saat diberlakukan darurat pandemi COVID-19. Untuk mengatasi masalah ini, sebuah aplikasi dirancang dengan menampung data dari kegiatan KKN yang dilakukan. Flowchart atau sistem alur aplikasi ini dibuat menyesuaikan dengan kondisi saat pandemi, dimana tidak boleh terjadi kerumunan tetapi kegiatan tersebut tetap bisa dilaksanakan, baik saat pelaksanaan kegiatan maupun saat pelaporan kepada universitas. Aplikasi KKN dapat diakses dari mana saja, selama ada koneksi internet, dan memungkinkan mahasiswa untuk melaporkan kegiatannya kepada pembimbing lapangan kapan saja dan dari lokasi mana saja. Proses pelaporan dalam aplikasi menggunakan konsep tanpa kertas(paperless), di mana laporan diserahkan dan divalidasi secara elektronik. Pembimbing lapangan dapat menganalisis dan menilai laporan tersebut secara online dan dapat memberikan umpan balik tentang kegiatan yang dilakukan oleh mahasiswa secara real-time. Aplikasi ini diuji menggunakan metode blackbox, yang menunjukkan bahwa aplikasi ini memenuhi harapan dan siap untuk diimplementasikan
Identifikasi Faktor Utama Penyabab Serangan Jantung Menggunakan Algoritma Logistic Regression
Get PDFPenelitian ini bertujuan untuk mengidentifikasi faktor utama penyebab serangan jantung dengan menggunakan algoritma Logistic Regression sebagai metode klasifikasi. Data yang digunakan berasal dari dataset medis yang mencakup sejumlah variabel penting seperti usia, jenis kelamin, tekanan darah sistolik dan diastolik, kadar gula darah, serta biomarker jantung seperti CK-MB dan troponin. Model dikembangkan untuk memprediksi kemungkinan terjadinya serangan jantung dengan membagi data ke dalam dua kelas: positif (mengalami serangan jantung) dan negatif (tidak mengalami serangan jantung). Hasil evaluasi menunjukkan bahwa model memiliki akurasi sebesar 81,78% dengan nilai F1-score yang seimbang, menandakan performa yang konsisten dalam mengenali kedua kelas. Temuan ini memperkuat bahwa algoritma Logistic Regression tidak hanya efektif dalam klasifikasi biner, tetapi juga mampu mengidentifikasi variabel-variabel yang paling signifikan dalam memengaruhi risiko. Hasil akhir diharapkan dapat memberikan kontribusi nyata dalam pengembangan sistem pendukung keputusan medis yang lebih cepat, akurat, dan berbasis data
Perbandingan Konfigurasi Jaringan LAN dan WAN dalam Mendukung Kecepatan Akses pada Perusahaan Teknologi
Get PDFPerforma jaringan komputer memiliki peran krusial dalam mendukung efisiensi operasional perusahaan, khususnya pada sektor teknologi yang sangat bergantung pada kecepatan dan kestabilan transmisi data. Penelitian ini bertujuan untuk membandingkan performa jaringan Local Area Network (LAN) dan Wide Area Network (WAN) dalam mendukung kecepatan akses data pada perusahaan teknologi. Metode eksperimen digunakan untuk menguji empat parameter utama, yaitu throughput, latensi, jitter, dan packet loss, dalam tiga kondisi lalu lintas: idle, normal, dan high traffic. Hasil pengujian menunjukkan bahwa LAN secara signifikan lebih unggul dibandingkan WAN pada seluruh parameter. Rata-rata throughput LAN mencapai 918,3 Mbps, jauh lebih tinggi dibandingkan WAN yang hanya sebesar 207,6 Mbps. Selain itu, LAN mencatatkan latensi rendah (1,3 ms), jitter yang stabil (0,7 ms), dan tingkat kehilangan paket yang sangat kecil (0,04%). Sebaliknya, WAN menunjukkan performa yang fluktuatif dengan latensi tinggi (52,4 ms), jitter tidak stabil (8,9 ms), dan packet loss yang signifikan (2,1%). Penelitian ini menyimpulkan bahwa LAN lebih unggul dalam mendukung akses data berkecepatan tinggi dan aplikasi real-time. Temuan ini memberikan bukti empiris bahwa LAN merupakan pilihan yang lebih efisien dan andal untuk kebutuhan perusahaan yang membutuhkan akses data cepat dan stabil. Kontribusi ilmiah dari penelitian ini terletak pada penyajian analisis komparatif berbasis data aktual yang dapat digunakan sebagai acuan dalam perencanaan infrastruktur jaringan perusahaan