Tentang Jurnal Ini
J-KOMA: Jurnal Ilmu Komputer dan Aplikasinya didedikasikan bagi peneliti dan praktisi di bidang ilmu komputer dan teknologi informasi, dengan fokus pada publikasi hasil penelitian berkualitas tinggi yang mencakup topik seperti kecerdasan buatan (Artificial Intelligence), penambangan data (Data Mining), analitik data besar (Big Data Analytics), rekayasa perangkat lunak, sistem informasi, keamanan siber, serta pengembangan sistem berbasis web, mobile, dan interaksi manusia-komputer (HCI). J-KOMA berkomitmen menjadi wadah ilmiah yang mendorong kemajuan pengetahuan dan inovasi teknologi di bidang komputasi serta penerapannya dalam berbagai sektor pendidikan, penelitian, dan industri.
J-KOMA: Jurnal Ilmu Komputer dan Aplikasinya diterbitkan oleh Universitas Negeri Jakarta dan dikelola oleh Lembaga Penelitian dan Pengabdian kepada Masyarakat (LPPM) Universitas Negeri Jakarta bekerja sama dengan Program Studi Ilmu Komputer, Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Negeri Jakarta. J-KOMA juga menjalin kerja sama akademik dengan Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Negeri Surabaya, berdasarkan perjanjian kerja sama nomor 3940/UN39.5.FMIPA/HK.07/2025 dan 98477/UN38.3/KS.03.02/2025.
Informasi Penerbit
Penerbit: Universitas Negeri Jakarta
Pengelola: LPPM Universitas Negeri Jakarta
Alamat: Kampus A, Universitas Negeri Jakarta, Jl. Rawamangun Muka, Jakarta Timur, Indonesia
Website: https://lppm.unj.ac.id/jurnal/
Kontak Person: Devi Anggraeni (ojs@unj.ac.id)
Email Khusus: uniilmukomouter@gmail.com
Terbitan Terkini
Volume ini menyajikan tujuh artikel penelitian terkini dalam bidang ilmu komputer dan statistika terapan. Edisi kali ini menghadirkan beragam metode analisis data, mulai dari regresi robust untuk menangani outlier dalam pemodelan kemiskinan, teknik imputasi berbasis Random Forest untuk data hilang, hingga algoritma clustering untuk pengelompokan titik kebakaran hutan dan wilayah kemiskinan di Indonesia. Artikel-artikel dalam volume ini juga mengeksplorasi penerapan machine learning dan deep learning, termasuk prediksi kandungan lignin pada dedak padi menggunakan K-Nearest Neighbor dengan preprocessing PCA, serta prediksi risiko dropout mahasiswa menggunakan Long Short-Term Memory (LSTM) berbasis data kinerja akademik longitudinal. Keseluruhan kontribusi dalam volume ini mendemonstrasikan aplikasi metode komputasi modern untuk menyelesaikan permasalahan riil di bidang sosial, lingkungan, pertanian, dan pendidikan tinggi, menjadikannya bacaan yang relevan bagi peneliti, praktisi data science, dan pengambil kebijakan.
