Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Jurnal Teknologi Informasi dan Ilmu Komputer SmartComp
Barus, Arlinta Christy
Unknown Affiliation
Computer Science & IT Electrical & Electronics Engineering Engineering

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Studi Perbandingan Alat Pengujian Otomatis untuk Aplikasi Android Barus, Arlinta Christy; Siburian, Leo
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 6 No 6: Desember 2019
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (4520.039 KB) | DOI: 10.25126/jtiik.201966953

Abstract

Pengujian adalah tahap yang penting dan harus dilalui dalam proses pengembangan perangkat lunak. Pengujian tersebut dilakukan untuk menghindari kesalahan yang mungkin terdapat pada perangkat lunak yang diuji. Ada banyak kasus uji (test case) yang harus dieksekusi dalam proses pengujian. Karena itu, pengujian yang dilakukan secara manual membutuhkan upaya yang besar. Oleh sebab itu pengujian otomatis (automated testing) menjadi hal yang penting untuk dipertimbangkan menggantikan pengujian manual. Pengujian otomatis adalah penggunaan kakas pengujian (testing tools atau testing framework) dalam melakukan pengujian suatu perangkat lunak yang secara signifikan mengurangi waktu yang dibutuhkan untuk melakukan pengujian. Ada banyak kakas yang dapat digunakan untuk melakukan pengujian otomatis, antara lain Selendroid, Calabash, dan UI Automator. Tulisan ini membahas tentang studi perbandingan kakas pengujian otomatis pada aplikasi mobile berbasis android dengan menggunakan Selendroid, Calabash, dan UI Automator.  Eksperimen dilakukan untuk mengetahui kelebihan dan kekurangan masing-masing tools. Dari hasil analisis dan eksperimen, penulis merekomendasikan UI Automator sebagai kakas terbaik dalam hal kemudahan penginstalasian dan menjalankan kasus uji dalam sebuah kegiatan pengujian aplikasi mobile berbasis android. AbstractTesting is a must to do phase in software development process. It is perfomed to avoid any bugs that may exist in the software. There are many test cases to be executed in the testing process to make sure software is running according to its specification and without any bugs. Testing done manually takes a long time and extra work. Therefore, automated testing is important. Automated testing is the use of testing tools or testing framework in testing a software. Automated testing aims to test or significantly reduce the time required for testing. There are many tools that can be used to perform test automation of android mobile application, including Selendroid, Calabash, and UI Automator. This paper discusses about comparative studies of automated testing tools on android applications using Selendroid, Calabash, and UI Automator. Some experiments are conducted to know the strengths and weakness of each tool. Based on this study, we give recommendation to UI Automator as the handiest tool to use in term of installation and the execution of the test cases.
Verifikasi Kualitas Gambar Dengan Algoritma Support Vector Machine (SVM) Untuk Studi Kasus Ulos Batak Toba Barus, Arlinta Christy; Panggabean, Teamsar Muliadi; Pakpahan, Devi; Sirait, Sapto Gokma Dominggus
Smart Comp :Jurnalnya Orang Pintar Komputer Vol 11, No 3 (2022): Smart Comp: Jurnalnya Orang Pintar Komputer
Publisher : Politeknik Harapan Bersama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30591/smartcomp.v11i3.3900

Abstract

Verifikasi Verifikasi kualitas gambar pada aplikasi DiTenun sebelumnya dilakukan menggunakan algoritma Fast Four Transform (FFT) dan Principle Componen Analysis (PCA). Pada penelitian ini dilakukan verifikasi kualitas gambar menggunakan algoritma Support Vector Machine (SVM) untuk dapat digunakan pada aplikasi DiTenun. SVM digunakan untuk membentuk model klasifikasi kualitas gambar ke dalam kategori baik dan buruk. Algoritma SVM yang digunakan adalah non-linear SVM dengan kernel yang berbeda, yaitu kernel gaussian rbf, polynomial, dan sigmoid. Sebelum dilakukan klasifikasi, terlebih dahulu gambar dilabeli menjads dua label yaitu kualitas baik dan kualitas buruk dengan menggunakan metode cohen kappa.Klasifikasi kualitas gambar dilakukan berdasarkan fitur tekstur gambar, yaitu fitur contrast, dissimilarity, homogeneity, energy, dan correlation yang diperoleh menggunakan metode Grey Level Co-occurrence Matrix (GLCM). Pada dataset berupa fitur-fitur tekstur gambar diterapkan data preprocessing seperti data integration, custom transformation, dan data reduction. Penentuan kombinasi fitur dan jumlah fitur agar diperoleh model klasifikasi dengan akurasi tertinggi dilakukan menggunakan metode chi square.Data pada penelitian ini dibagi menjadi train set dan test set dengan perbandingan sebesar 80:20. Penilaian performansi model adalah berdasarkan akurasi, precision, recall, dan F1-Score yang diperoleh melalui confusion matrix. Hasil penelitian ini adalah model hasil penggunaan SVM dengan kernel gaussian rbf yang memiliki performansi paling baik dibandingkan dengan penggunaan kernel polynomial dan sigmoid. Model terbaik tersebut termasuk dalam kategori good classification. Dari hasil tersebut maka dapat disimpulkan bahwa pendekatan machine learning khususnya dengan algoritma SVM efektif dan dapat digunakan untuk verifikasi kualitas gambar pada aplikasi DiTenun
Co-Authors Pakpahan, Devi Panggabean, Teamsar Muliadi Siburian, Leo Sirait, Sapto Gokma Dominggus