Jurnal Ilmiah Ilmu Komputer Fakultas Ilmu Komputer Universitas Al Asyariah Mandar

PENERAPAN ALGORITMA GENETIKA DALAM OPTIMISASI PENJADWALAN TUGAS PADA CLOUD COMPUTING

2025-12-28T16:13:08+07:00

Penjadwalan tugas dalam cloud computing merupakan tantangan utama dalam mengelola sumber daya secara efisien. Sistem cloud yang memiliki sumber daya terbatas dan tugas yang sangat beragam memerlukan mekanisme penjadwalan yang dapat mengoptimalkan pemanfaatan sumber daya serta meminimalkan waktu pemrosesan. Permasalahan ini menjadi semakin kompleks seiring dengan berkembangnya teknologi komputasi awan yang mendukung pengolahan data dalam jumlah besar dan waktu nyata. Tujuan penelitian ini adalah untuk menerapkan Algoritma Genetika dalam mengoptimalkan penjadwalan tugas pada cloud computing, dengan fokus pada pengurangan waktu pemrosesan dan penggunaan sumber daya secara efisien. Metode yang digunakan adalah pengembangan sistem berbasis Algoritma Genetika untuk menyusun jadwal tugas secara otomatis dengan mempertimbangkan beberapa parameter, seperti kapasitas sumber daya, prioritas tugas, dan waktu pemrosesan. Penjadwalan yang dihasilkan kemudian diuji dan dibandingkan dengan metode penjadwalan konvensional seperti FIFO (First In First Out). Hasil penelitian menunjukkan bahwa penerapan Algoritma Genetika mampu menghasilkan jadwal tugas yang lebih efisien dibandingkan dengan penjadwalan konvensional, dengan waktu pemrosesan yang lebih cepat dan pemanfaatan sumber daya yang lebih optimal. Selain itu, Algoritma Genetika juga dapat mengurangi kemungkinan terjadinya pemborosan sumber daya pada sistem cloud.

PERBANDINGAN KEAKURATAN ALGORITMA SUPPORT VECTOR MACHINE DAN K-NEAREST NEIGHBORS DALAM KLASIFIKASI TINGKAT KUALITAS CABAI BESAR

2025-12-28T16:12:25+07:00

Cabai besar memiliki nilai ekonomi yang tinggi, namun kualitasnya sangat bergantung pada pemilihan dan klasifikasi yang akurat. Penelitian ini telah berhasil mengembangkan model klasifikasi otomatis untuk mendeteksi kualitas cabai menggunakan dua metode, yaitu Support Vector Machine (SVM) dan K-Nearest Neighbors (KNN). Hasil penelitian menunjukkan bahwa model SVM mencapai akurasi tertinggi sebesar 92% untuk masing-masing kategori cabai: "Cabai Baik", "Cabai Buruk", dan "Tidak Terdeteksi". Sementara itu, KNN juga memberikan hasil yang baik, dengan akurasi masing-masing mencapai 88% untuk kelas "Cabai Baik" dan "Tidak Terdeteksi", serta 86% untuk "Cabai Buruk". Hasil ini menegaskan efektivitas kedua model dalam mengklasifikasikan cabai berdasarkan fitur visualnya, yang dapat memberikan manfaat signifikan bagi para petani dan distributor dalam menentukan kualitas produk mereka

IMPLEMENTASI SVM UNTUK KLASIFIKASI TINGKAT KRIMINAL MENGGUNAKAN PENGENALAN WAJAH PADA TAHANAN LAPAS POLEWALI MANDAR

2025-12-28T16:12:05+07:00

Saat ini data tahanan lapas hanya berada pada buku tahanan dan juga komputer lapas yang dimana data itu masih kurang efektif karena tidak adanya sistem pengenalan yang dapat langsung mengetahui identitas tahanan. Masalah yang di hadapi sekarang adalah Lapas Tidak memiliki data berdasarkan kasus dan tingkat kriminal, Tidak dapat melihat data criminal dengan cepat. Penelitian ini mengunkan metode Histogram of Oriented Gradient (HOG) sebagai bentuk Pengenalan wajah dan membantu untuk proses identifikasi wajah. Dan metode Support Vector Machine (SVM) merupakan teknik yang sangat berguna untuk klasifikasi data. Solusi yang ditawarkan adalah Klasifikasi Data Tahanan berdasarkan Kasus dan Tingkat Kriminal, Untuk optimalisasi proses klasisfikasi maka digunakan data wajah karena peluang manipulasi sangat kecil. Hasil penelitian menunjukkan bahwa sistem mampu bekerja dengan baik dan akan di kelompokkan ke dalam 3 kategori pelangaran rigan, sedang dan berat

SISTEM PENGUKURAN KADAR AIR PADA BIJI KAKAO BERBASIS INTERNET OF THINGS

2025-12-28T16:11:42+07:00

Pertanian modern saat ini mulai mengadopsi teknologi untuk meningkatkan kualitas dan efisiensi produksi, salah satunya dalam pengolahan biji kakao yang sangat dipengaruhi oleh kadar air. Masalah utama yang dihadapi petani adalah kesulitan dalam mengetahui tingkat kadar air pada biji kakao secara akurat, yang berdampak pada kualitas dan harga jual produk. Penelitian ini menggunakan metode VDI 2206 dalam merancang sistem pengukuran kadar air berbasis Internet of Things (IoT) dengan memanfaatkan mikrokontroler ESP8266, sensor Soil Moisture, dan sensor DHT11. Solusi yang ditawarkan adalah sistem otomatis yang dapat menampilkan kadar air secara real-time melalui LCD OLED dan website monitoring sehingga petani dapat memantau kelembaban tanpa metode manual. Hasil penelitian memperlihatkan bahwa sistem dapat berfungsi dengan baik dalam tiga kondisi pengujian (tanah kering, tanah basah, dan biji kakao) dan memberikan informasi yang akurat serta mudah diakses oleh pengguna.

PENGEMBANGAN APLIKASI MOBILE UNTUK INVENTARIS PADA LABORATORIUM KOMPUTER MENGGUNAKAN TEKNOLOGI BARCODE

2026-01-06T16:26:10+07:00

Laboratorium komputer merupakan salah satu fasilitas penting dalam institusi pendidikan yang memerlukan manajemen inventaris yang efektif untuk memastikan ketersediaan dan kondisi peralatan tetap terjaga. Namun, pengelolaan inventaris secara manual sering kali menimbulkan berbagai kendala, seperti kehilangan data, kesalahan pencatatan, dan kesulitan dalam pelacakan aset. Oleh karena itu, penelitian ini bertujuan untuk mengembangkan aplikasi mobile berbasis teknologi barcode guna meningkatkan efisiensi dalam manajemen inventaris laboratorium komputer. Metode penelitian yang digunakan adalah pengembangan perangkat lunak dengan algoritme Reed-Solomon Code, yang mencakup tahapan analisis kebutuhan, desain sistem, implementasi, pengujian, dan pemeliharaan. Aplikasi ini memungkinkan pengguna untuk melakukan pencatatan, pelacakan, dan verifikasi inventaris dengan memindai barcode yang terpasang pada setiap perangkat. Hasil penelitian menunjukkan bahwa penggunaan teknologi barcode dalam sistem inventaris mampu mengurangi kesalahan pencatatan, mempercepat proses pencarian data aset, serta meningkatkan akurasi dalam pengelolaan laboratorium komputer. Dengan demikian, aplikasi ini diharapkan dapat menjadi solusi yang efektif bagi institusi pendidikan dalam mengelola inventaris laboratorium secara lebih terstruktur dan efisien

SEGMENTASI KONSUMEN BERDASARKAN FAKTOR MINAT BELANJA ONLINE MENGGUNAKAN METODE K-MEANS

2026-01-06T16:25:41+07:00

Perkembangan teknologi informasi yang pesat telah mendorong perubahan perilaku konsumen, terutama dalam hal belanja secara daring (online). Meningkatnya akses internet dan penggunaan perangkat mobile membuat aktivitas belanja online semakin diminati oleh berbagai kalangan. Oleh karena itu, penting bagi pelaku bisnis untuk memahami segmentasi konsumen berdasarkan minat mereka dalam berbelanja online agar strategi pemasaran dapat disusun secara lebih efektif. Penelitian ini bertujuan untuk mengelompokkan konsumen berdasarkan faktor-faktor yang memengaruhi minat mereka dalam berbelanja online dengan menggunakan metode clustering K-Means. Faktor-faktor yang dianalisis meliputi kemudahan penggunaan platform, harga, promosi, kepercayaan, dan pengalaman pengguna. Metode yang digunakan dalam penelitian ini adalah pendekatan kuantitatif dengan teknik pengumpulan data melalui penyebaran kuesioner kepada responden yang memiliki pengalaman berbelanja online. Data yang diperoleh kemudian dianalisis menggunakan algoritma K-Means untuk mengelompokkan konsumen ke dalam beberapa segmen berdasarkan kemiripan karakteristik.

ANALISIS SEGMENTASI PELANGGAN MENGGUNAKAN RECENCY FREQUENCY AND MONETARY (RFM) BERBASIS PYTHON

2026-01-06T16:25:11+07:00

Dalam dunia bisnis, memahami perilaku pelanggan merupakan hal yang krusial untuk mempertahankan loyalitas dan meningkatkan strategi pemasaran. Salah satu metode yang dapat digunakan untuk menganalisis perilaku pelanggan adalah metode RFM (Recency, Frequency, and Monetary), yang mengelompokkan pelanggan berdasarkan seberapa baru transaksi terakhir dilakukan, seberapa sering mereka melakukan transaksi, dan seberapa besar nilai transaksinya. Penelitian ini bertujuan untuk membangun sistem segmentasi pelanggan menggunakan metode RFM berbasis Python guna membantu perusahaan dalam mengidentifikasi nilai dan karakteristik pelanggan secara lebih efektif. Metode yang digunakan dalam penelitian ini meliputi pengumpulan data transaksi pelanggan, perhitungan nilai RFM, pemberian skor pada masing-masing aspek, serta pengelompokan pelanggan ke dalam beberapa segmen berdasarkan kombinasi skor tersebut. Sistem dibangun dengan menggunakan bahasa pemrograman Python serta didukung oleh library seperti Pandas dan NumPy untuk pengolahan data. Hasil penelitian menunjukkan bahwa sistem mampu mengelompokkan pelanggan ke dalam berbagai segmen seperti Loyal Customer, At Risk Customer, dan Potential Loyalist secara otomatis dan akurat. Pengujian dengan metode Black Box dan White Box membuktikan bahwa sistem berjalan sesuai fungsinya dan dapat digunakan sebagai alat bantu analisis pelanggan dalam pengambilan keputusan strategis oleh perusahaan.

APLIKASI LAYANAN LOKET KEUANGAN MAHASISWA BERBASIS ANDROID

2026-01-06T16:24:43+07:00

Perkembangan teknologi informasi telah mendorong berbagai instansi pendidikan untuk melakukan transformasi digital, termasuk dalam hal pelayanan administrasi keuangan mahasiswa. Salah satu permasalahan yang kerap ditemui di kampus adalah keterlambatan pembayaran dan antrean panjang di loket keuangan karena proses masih dilakukan secara manual. Penelitian ini bertujuan untuk mengembangkan sebuah aplikasi layanan loket keuangan mahasiswa berbasis Android yang dapat membantu mahasiswa dalam melakukan transaksi pembayaran secara digital, mulai dari pembayaran SKS, SPP, KKN, hingga biaya skripsi dan wisuda. Aplikasi ini dirancang dengan menggabungkan framework Laravel untuk sistem backend, Android Studio untuk aplikasi pengguna, dan MySQL sebagai sistem basis data. Proses pengembangan menggunakan metode Agile yang memungkinkan pengembangan sistem secara bertahap dan responsif terhadap perubahan kebutuhan. Hasil implementasi menunjukkan bahwa sistem dapat berfungsi dengan baik, memungkinkan mahasiswa melakukan input data pembayaran, mengunggah bukti transfer, serta memantau status pembayaran secara real-time. Aplikasi ini juga membantu pihak administrasi kampus dalam mengelola data pembayaran secara lebih efektif dan efisien.

SISTEM PENDETEKSI SINYAL JUAL BELI VALUTA ASING FOREX MENGGUNAKAN METODE LINEAR REGRESSION

2026-01-06T16:24:13+07:00

Perdagangan valuta asing (forex) telah menjadi instrumen investasi yang semakin diminati, namun para trader sering dihadapkan pada tantangan dalam menganalisis pergerakan harga yang volatil dan kompleks. Ketergantungan pada analisis manual sering kali tidak efisien, subjektif, dan menyebabkan keterlambatan dalam eksekusi keputusan. Penelitian ini bertujuan untuk mengembangkan sebuah sistem pendukung keputusan yang mampu mendeteksi sinyal jual dan beli di pasar forex secara lebih objektif dengan menerapkan metode Regresi Linear. Metodologi penelitian mencakup pengumpulan data historis harga (OHLC) dan indikator teknikal, perancangan model prediksi menggunakan Regresi Linear, dan implementasinya ke dalam sebuah sistem antarmuka yang fungsional. Hasil penelitian ini adalah sebuah prototipe dashboard analisis yang secara efektif mengintegrasikan hasil prediksi kuantitatif dari model regresi dengan perangkat analisis teknikal standar lainnya seperti RSI, MACD, level support-resistance, serta data sentimen dan volume pasar. Sistem yang dihasilkan mampu memberikan rekomendasi sinyal perdagangan yang komprehensif, mencakup level harga masuk, stop loss, dan take profit. Disimpulkan bahwa meskipun Regresi Linear memiliki keterbatasan fundamental dalam menangkap dinamika pasar yang non-linier, utilitas sistem secara keseluruhan ditingkatkan secara signifikan melalui sinergi berbagai komponen analisis, sehingga dapat berfungsi sebagai alat bantu yang efektif dan menjadi dasar (baseline) untuk pengembangan penelitian selanjutnya dengan metode yang lebih canggih.

SISTEM SMART LOCK BERBASIS ANDROID UNTUK KEAMANAN RUMAH

2025-12-28T16:12:46+07:00

Penelitian ini bertujuan untuk merancang sistem smart lock berbasis Android yang terintegrasi dengan teknologi Internet of Things (IoT) guna meningkatkan keamanan rumah. Sistem ini memungkinkan pengguna mengontrol pintu secara jarak jauh melalui aplikasi Android dan menerima notifikasi real-time dari Firebase jika terjadi aktivitas mencurigakan. Perangkat yang digunakan meliputi NodeMCU ESP8266, RFID RC522, solenoid lock, serta sensor ultrasonik dan kamera. Metode pengembangan sistem menggunakan pendekatan waterfall, dimulai dari perencanaan hingga pengujian. Hasil uji menunjukkan sistem mampu merespon cepat terhadap perintah buka/tutup pintu dan memantau keadaan pintu dengan akurat. Penelitian ini juga melibatkan bimbingan dari Muslihan, S.Kom., M.Kom. dan Akhmad Qashlim, S.Kom., M.Kom., sebagai kontribusi akademik dalam penguatan konsep dan pengujian keamanan sistem.