Articles
<![CDATA[PENGEMBANGAN APLIKASI E-KANTIN BERBASIS MOBILE DAN WEB ]]>
<![CDATA[Andri Andri]]>;
<![CDATA[Robin Robin]]>;
<![CDATA[Muhammad Ridho]]>
<![CDATA[ JURNAL MAHAJANA INFORMASI Vol 4 No 2 (2019): JURNAL MAHAJANA INFORMASI ]]>
Publisher : <![CDATA[Universitas Sari Mutiara Indonesia Medan ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
<![CDATA[Perkembangan teknologi yang sedang terjadi saat ini adalah Revolusi Industri 4.0 dimana munculnya Internet of Things (IoT), Artificial Inteligence (AI) dan berbagai teknologi internet yang dapat meningkatkan produktivitas dan efisiensi pekerjaan pada berbagai sektor industri termasuk pendidikan. STMIK Mikroskil memiliki kantin yang dilengkapi internet WiFi dan pembayaran e-money GoPay. Berbagai fasilitas teknologi yang tersedia belum didukung dengan sistem pemesanan kantin yang baik. Saat ini mahasiswa dan pengunjung lainnya melakukan pemesanan makanan dan minuman masih menggunakan cara konvensional. Hal ini menyebabkan pelayanan yang diberikan dari penyewa stan kepada pengunjung menjadi kurang optimaldan belum adanya laporan daftar transaksi yang membuat pengelola kantin sulit untuk melihat laporan penjualan tiap stan secara periodik. Tujuan dari penelitian ini adalah menghasilkan aplikasi e-kantin untuk memudahkan pemesanan makanan dan minuman dengan mengambil studi kasus pada kantin Mikroskil. Aplikasi yang dibuat berbasis mobile Android untuk diakses oleh pengunjung dan penyewa stan. Sedangkan aplikasi berbasis web digunakan oleh pengelola kantin. Pengembangan sistem menggunakan metodologi waterfall. Pengujian sistem menggunakan metode blackbox. Hasil pengujian menunjukkan fungsionalitas sistem telah berfungsi dengan baik. Aplikasi dapat meningkatkan pelayanan dan kenyamanan kepada pengunjung kantin dan memudahkan pengelola kantin mendapatkan laporan transaksi setiap stan dengan lebih akurat.]]>
<![CDATA[Implementasi Segmentasi Citra dan Algoritma Learning Vector Quantization (LVQ) dalam Pengenalan Bentuk Botol ]]>
<![CDATA[Andri Andri]]>
<![CDATA[ Jurnal SIFO Mikroskil Vol 13, No 2 (2012): Volume 13 Nomor 2 Tahun 2012 ]]>
Publisher : <![CDATA[Fakultas Informatika ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (2858.009 KB)
|
DOI: 10.55601/jsm.v13i2.77
<![CDATA[Dalam kehidupan sehari-hari, pengolahan citra digital memegang peranan yang cukup penting. Salah satu kegunaannya adalah melakukan pengenalan pola. Pengenalan pola bisa dikembangkan dalam kegiatan industri minuman untuk pengenalan bentuk botol sehingga dapat mempercepat waktu pemisahan jenis-jenis botol. Tujuan dari penelitian ini adalah merancang suatu aplikasi untuk melakukan pengenalan terhadap bentuk botol dengan segmentasi citra dan algoritma Learning Vector Quantization (LVQ). Aplikasi dimulai dengan input gambar botol yang dideteksi tepi dengan operator sobel. Deteksi tepi ini menghasilkan citra hitam putih. Selanjutnya, hasil deteksi tepi sobel diekstraksi ciri ke pola dengan ukuran 20x20 kotak, dengan masing-masing kotak terdiri dari warna hitam atau putih. Warna hitam mewakili bit 1 dan warna putih akan mewakili bit 0. Dengan demikian, terdapat 400 bit hasil ekstraksi ciri sebagai identitas dari setiap gambar tepi botol. Proses akhir adalah melatih bit-bit ini dan nilai bobot hasil pelatihan disimpan sebagai basis pengetahuan untuk proses pengenalan. Aplikasi hasil rancangan dapat digunakan untuk mengenali bentuk botol dan juga menampilkan langkah-langkah perhitungan proses pelatihan dan pengenalan. Hasil pengujian menunjukkan aplikasi ini dapat mengenal bentuk botol dengan tingkat keberhasilan hingga 88,88%. Faktor kegagalan pengenalan terletak pada gambar latar yang berbeda dan posisi botol yang tidak sama dengan posisi botol pada saat proses pelatihan. ??? ]]>
<![CDATA[Aplikasi Travelling Salesman Problem dengan Metode Artificial Bee Colony ]]>
<![CDATA[Andri Andri]]>;
<![CDATA[Suyandi Suyandi]]>;
<![CDATA[Win Win]]>
<![CDATA[ Jurnal SIFO Mikroskil Vol 14, No 1 (2013): JSM Volume 14 Nomor 1 Tahun 2013 ]]>
Publisher : <![CDATA[Fakultas Informatika ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (792.47 KB)
|
DOI: 10.55601/jsm.v14i1.92
<![CDATA[Pada saat ini Travelling Salesman Problem (TSP) dikenal sebagai salah satu permasalahan optimasi klasik yang berat untuk dipecahkan secara konvensional. TSP melibatkan seorang travelling salesman yang harus melakukan kunjungan ke sejumlah kota dalam menjajakan produknya. Rangkaian kota-kota yang dikunjungi harus membentuk suatu jalur sedemikian sehingga kota-kota tersebut hanya boleh dilewati tepat satu kali dan kemudian kembali lagi ke kota awal. Tujuan dari penelitian ini adalah membangun suatu aplikasi TSP dengan algoritma Artificial Bee Colony dengan bahasa pemrograman Visual Basic 2008. Model graf yang digunakan adalah graf tidak berarah dan berbobot (simetris). Masukan program berupa jumlah kota (N), jumlah koloni, parameter ???± (alpha), ???² (beta) dan jumlah iterasi. Keluaran program berupa panjang rute terpendek, proses perhitungan, grafik dan rute yang berbentuk graf. Pengujian yang dilakukan pada aplikasi ini berupa masukan beberapa parameter dengan nilai bervariasi seperti jumlah koloni, jumlah iterasi, K (faktor scalar), ???» (lamda), ???± (Alpha) dan ???² (Beta). Hasil pengujian menunjukkan besarnya parameter yang diinput akan berdampak semakin optimal panjang jalur yang diperoleh. Aplikasi ini diharapkan dapat dimanfaatkan untuk menyelesaikan kasus seorang salesman dalam mencari rute terpendek.]]>
<![CDATA[Aplikasi Algoritma Semi ?¢â?¬â?? Fragile Image Watermarking Berdasarkan pada Region Segmentation ]]>
<![CDATA[Andri Andri]]>;
<![CDATA[Ng Poi Wong]]>;
<![CDATA[Johnny Fransiscus]]>
<![CDATA[ Jurnal SIFO Mikroskil Vol 15, No 1 (2014): JSM Volume 15 Nomor 1 Tahun 2014 ]]>
Publisher : <![CDATA[Fakultas Informatika ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (791.243 KB)
|
DOI: 10.55601/jsm.v15i1.144
<![CDATA[Kebanyakan algoritma semi-fragile watermarking yang telah ada memiliki kelemahan, seperti sifat tidak kelihatan (invisibility) yang jelek, robustness yang tidak sempurna pada beberapa rutin dari proses sinyal. Penyebab utamanya adalah karena kebanyakan algoritma menggunakan parameter kuantisasi tertentu tanpa mempertimbangkan perbedaan diantara citra. Untuk menyelesaikan permasalahan ini, Shengbing Che, Bin Ma, Jinkai Luo dan Shaojun Yu dari China (2009) [1] memperkenalkan sebuah algoritma image watermarking berdasarkan pada segmentasi region. Proses kerja dari sistem dimulai dari pemilihan citra sampul dan citra watermark hitam putih. Setelah itu, dilanjutkan pengisian nilai kunci dan proses pengacakan terhadap citra hitam putih. Kemudian, citra sampul akan dikonversi ke bentuk grayscale dan terakhir citra hitam putih akan ditempelkan ke dalam citra sampul. Citra watermark yang diperoleh dapat disimpan ke dalam sebuah file yang akan digunakan pada proses ekstraksi untuk mengekstrak keluar citra watermark hitam putih yang disisipkan di dalamnya. Hasil pengujian menunjukkan waktu eksekusi proses penempelan watermark relatif lebih cepat dari proses ekstraksi. Algoritma tidak bisa mengekstraksi citra hitam putih ketika citra watermark diberi efek brightness dan contrast. Citra hitam putih masih dapat terekstrak keluar walau citra watermark disisipkan noise atau dicrop. Apabila ada kesalahan pengisian kunci maka akan menyebabkan citra hitam putih menjadi tidak terekstrak keluar.]]>
<![CDATA[Penentuan Kualitas Akademik Mahasiswa Dengan Logika Fuzzy pada STMIK Mikroskil ]]>
<![CDATA[Andri Andri]]>;
<![CDATA[Paulus Paulus]]>;
<![CDATA[Hanes Hanes]]>
<![CDATA[ Jurnal SIFO Mikroskil Vol 20, No 1 (2019): JSM Volume 20 Nomor 1 Tahun 2019 ]]>
Publisher : <![CDATA[Fakultas Informatika ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (528.782 KB)
|
DOI: 10.55601/jsm.v20i1.623
<![CDATA[With the mission of improving the quality of human resources in information and communication technology, STMIK Mikroskil should monitor the academic quality of the students regularly so that graduate GPA is not low and the number of students who do not graduate on time increasingly minimal. The problem faced is the lack of standardized criteria among study program in the determination of the students' academic quality, causing unevenness and subjective tendencies. The study program managers also are not easy to get this information.This study is to propose a model and an application to determine the level of academic quality of students from various inputs, namely the percentage of attendance, failed mid / end of semester grade, GPA, the frequency of semester grade point decrease using fuzzy logic. Fuzzy logic chosen because this method is suitable for handling subjective criteria. Fuzzy inference system method is mamdani. Defuzzification method is weighted average. The output is academic quality and type of action.The calculation result from the application program has been in accordance with MS Excel. Proposed system is expected to provide objective information about the academic quality of the students and can facilitate study program managers to control low academic quality.]]>
<![CDATA[Klasifikasi Penyakit Daun Anggur Menggunakan Metode GLCM, Color Moment dan K*Tree ]]>
<![CDATA[Siskia S Simanjuntak]]>;
<![CDATA[Hesty Sinaga]]>;
<![CDATA[Kristian Telaumbanua]]>;
<![CDATA[Andri Andri]]>
<![CDATA[ Jurnal SIFO Mikroskil Vol 21, No 2 (2020): JSM VOLUME 21 NOMOR 2 TAHUN 2020 ]]>
Publisher : <![CDATA[Fakultas Informatika ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.55601/jsm.v21i2.754
<![CDATA[Tanaman anggur rentan terhadap serangan penyakit dimana penyakit ini dapat diketahui dari bercak yang terdapat pada daun. Contoh penyakit pada tanaman anggur adalah bercak daun, campak hitam dan hawar daun. Penyakit pada daun anggur memiliki kemiripan sehingga sulit untuk dikenali secara visual dan berdampak pada kurang akuratnya penyakit yang diidentifikasi. Tujuan dari penelitian adalah untuk membangun aplikasi klasifikasi penyakit pada citra daun anggur sehingga dapat memberikan informasi jenis penyakit. Klasifikasi menggunakan Gray Level Co-Occurrence Matrix (GLCM), Color Moment, dan K*Tree. Untuk dapat diklasifikasi, terlebih dahulu dilakukan proses pelatihan. Proses pelatihan diawali dengan input citra digital, kemudian ditransformasi dari Red Green Blue (RGB) ke Grayscale, ekstraksi fitur tekstur dengan GLCM dan ekstraksi fitur warna dengan Color Moment untuk mengetahui jenis penyakit daun anggur yang diklasifikasi. Hasil pelatihan disimpan ke basis data. Saat klasifikasi dengan K*Tree dilakukan pemrosesan citra input dengan cara yang sama saat pelatihan, kemudian dibandingkan dengan hasil pelatihan. Pengujian menggunakan 250 citra daun anggur yang diperoleh dari Dataset Kaggle, dimana 150 citra digunakan sebagai data latih dan 100 citra sebagai data uji. Hasil pengujian menunjukkan rata- rata akurasi dari klasifikasi adalah 87.5%, rata- rata presisi adalah 74.8%, rata- rata recall adalah 75% dan rata-rata error adalah 12.5%.]]>
<![CDATA[Prediksi Mahasiswa Berisiko Drop Out (DO) dengan ADTree dan NNge ]]>
<![CDATA[Andri Andri]]>;
<![CDATA[Paulus Paulus]]>
<![CDATA[ Jurnal SIFO Mikroskil Vol 22, No 1 (2021): JSM VOLUME 22 NOMOR 1 TAHUN 2021 ]]>
Publisher : <![CDATA[Fakultas Informatika ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.55601/jsm.v22i1.794
<![CDATA[Dengan misi meningkatkan kualitas sumber daya manusia maka perguruan tinggi wajib meningkatkan kualitas lulusan dan juga menjaga agar jumlah mahasiswa Drop Out (DO) tidak terlalu tinggi. Selain kualitas lulusan, jumlah mahasiswa DO juga menjadi instrumen penilaian oleh Badan Akreditasi Nasional yaitu IAPT 3.0 pada indikator nomor 51. Oleh karena itu pengendalian terhadap jumlah mahasiswa DO perlu dilakukan. Berbagai upaya yang dilakukan oleh perguruan tinggi untuk meminimalkan jumlah DO umumnya belum memanfaatkan pola data historis untuk bisa dijadikan sebuah pengetahuan.Penelitian ini menawarkan solusi berbasis data mining untuk memprediksi mahasiswa yang berisiko DO menggunakan algoritma ADTree dan NNge. Pengumpulan dataset dari sistem informasi akademik perguruan tinggi. Kemudian data diseleksi dan nilai atribut diubah ke dalam format tertentu. Teknik evaluasi menggunakan 10-fold cross-validation. Evaluasi keseluruhan atribut sebanyak 13 dan sejumlah atribut setelah diseleksi menggunakan metode CfsSubsetEval bawaan dari aplikasi WEKA. Hasil prediksi berupa apakah mahasiswa DO atau tidak.Model yang dibangun dengan algoritma ADTree dan NNge mampu memprediksi kelas DO. Setelah jumlah atribut diseleksi dengan metode CfsSubsetEval dari 13 menjadi 2 (rata kehadiran dan IPK), maka dihasilkan tingkat keakuratan dengan algoritma ADTree mencapai 97.25% dan F-Measure sebesar 32.7% serta tingkat keakuratan dengan algoritma NNge mencapai 96.2% dan F-Measure sebesar 34.5%.]]>
<![CDATA[Evaluasi Pengalaman Mahasiswa Mikroskil pada Aplikasi OneDrive Menggunakan UEQ ]]>
<![CDATA[Muhammad Aditya Pebrialdy Arswanda]]>;
<![CDATA[Calvin Caesar]]>;
<![CDATA[Jevon Sihombing]]>;
<![CDATA[Andri Andri]]>;
<![CDATA[Albert Prima Laia]]>
<![CDATA[ Jurnal SIFO Mikroskil Vol 23, No 1 (2022): JSM VOLUME 23 NOMOR 1 TAHUN 2022 ]]>
Publisher : <![CDATA[Fakultas Informatika ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.55601/jsm.v23i1.876
<![CDATA[Cloud storage adalah layanan penyimpanan data berbasis online yang dapat diakses dengan menggunakan berbagai platform. Salah satu layanan cloud storage yang tersedia yaitu aplikasi OneDrive. Aplikasi yang baik tentunya harus memenuhi kebutuhan dari pengguna, sehingga perlu dilakukan identifikasi masalah terhadap pengalaman pengguna menggunakan kuesioner. Hasil dari identifikasi masalah dimana 44.9% (49 responden) mahasiswa Mikroskil menyatakan aplikasi OneDrive memiliki menu yang membingungkan serta fitur uploading data yang lambat. Terkadang error terjadi ketika melakukan proses uploading dan menyinkronkan berkas ke server serta penyimpanan yang disediakan secara gratis hanya 5GB. Berdasarkan hasil dari identifikasi masalah, evaluasi pengalaman pengguna perlu dilakukan dengan User Experience Questionnaire (UEQ). Metode ini memiliki 6 skala penilaian yaitu daya tarik, kejelasan, efisiensi, ketepatan, stimulasi, dan kebaruan. Dari hasil perbandingan antara evaluasi penelitian ini dengan data benchmark dari UEQ Data Analysis Tool versi 10 maka aplikasi OneDrive memberikan impresi yang cukup baik dari segi daya tarik, kejelasan, efisiensi, ketepatan dan stimulasi saat pengguna memanfaatkannya. Tetapi pengalaman pengguna terasa kurang impresif pada aspek kebaruan.]]>
<![CDATA[Consumer Opinion Extraction Using Text Mining for Product Recommendations On E-Commerce ]]>
<![CDATA[Erlina Halim]]>;
<![CDATA[Ronsen Purba]]>;
<![CDATA[Andri Andri]]>
<![CDATA[ Indonesian Journal of Artificial Intelligence and Data Mining Vol 4, No 1 (2021): March 2021 ]]>
Publisher : <![CDATA[Universitas Islam Negeri Sultan Syarif Kasim Riau ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.24014/ijaidm.v4i1.10834
<![CDATA[This study aims to evaluate consumer opinions in text form on e-commerce to determine the accuracy of ratings given by consumers with opinions using text mining with the lexicon approach. The research data was obtained online using a crawling technique using the API provided by Shopee. The conditions of diverse opinions and use of non-standard words are challenges in processing opinions. Opinion must be processed normalization and repairs using dictionary of words before going to extract using lexicon approach. Dictionary of words contain opinions with weights that are worth 1 to 5 for positive opinions and are worth -1 to -5 for negative opinions. For each opinion will be classified using the maximum ratio of the weight of positive opinion compared to the weight of negative opinion. The classification of opinion produced is positive, negative or neutral. Opinion classification is then compared with the rating classification to work out the extent of accuracy. The comparison produces an accuracy of 80.34% by completing an opinion dictionary.]]>
<![CDATA[Aplication of Validity Index in K Means and Fuzzy C Means ]]>
<![CDATA[Jontinus Manullang]]>;
<![CDATA[Pahala Sirait]]>;
<![CDATA[Andri Andri]]>
<![CDATA[ Jurnal Mantik Vol. 4 No. 2 (2020): Augustus: Manajemen, Teknologi Informatika dan Komunikasi (Mantik) ]]>
Publisher : <![CDATA[Institute of Computer Science (IOCS) ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.35335/mantik.Vol4.2020.958.pp1430-1438
<![CDATA[K-Means and Fuzzy C-Means Clustering is a method of analyzing data that performs the modeling process without supervision (without supervision) and is a method that groups data by partitioning the system. Clusters Clusters and Fuzzy C-Means will produce different clusters in the same dataset, cluster validity index is a method that can be used to improve the results of clustering generated by the clustering method. This study will use the cluster validity index on the kmeans clustering algorithm and Fuzzy C-Means by calculating the index of validity of each kmeans clustering result with k = 2, ..., kmax (k max determined at the beginning) and the results from Fuzzy C-Means with c = 2, ...., cmax (c max is specified at the beginning). By using the cluster validity index, the most optimal cluster is obtained in the second cluster with the Dbi value = 0.45 in the mean K and the second cluster with the Dbi value = 0.5 in the Fuzzy C Mean, and the results of the clustering are consistent.]]>
