Articles
<![CDATA[Implementasi Algoritma Dijkstra Pada Game Pacman ]]>
<![CDATA[Anggit Dwi Hartanto]]>;
<![CDATA[Aji Surya Mandala]]>;
<![CDATA[Dimas Rio P.L.]]>;
<![CDATA[Sidiq Aminudin]]>;
<![CDATA[Andika Yudirianto]]>
<![CDATA[ CCIT Journal Vol 12 No 2 (2019): CCIT JOURNAL ]]>
Publisher : <![CDATA[Universitas Raharja ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (354.042 KB)
|
DOI: 10.33050/ccit.v12i2.687
<![CDATA[Pacman is one of the labyrinth-shaped games where this game has used artificial intelligence, artificial intelligence is composed of several algorithms that are inserted in the program and Implementation of the dijkstra algorithm as a method of solving problems that is a minimum route problem on ghost pacman, where ghost plays a role chase player. The dijkstra algorithm uses a principle similar to the greedy algorithm where it starts from the first point and the next point is connected to get to the destination, how to compare numbers starting from the starting point and then see the next node if connected then matches one path with the path). From the results of the testing phase, it was found that the dijkstra algorithm is quite good at solving the minimum route solution to pursue the player, namely by getting a value of 13 according to manual calculations]]>
<![CDATA[Deteksi Kualitas Buah Apel Malang Manalagi Menggunakan Algoritma Naive Bayes ]]>
<![CDATA[Kholiq Prajatama]]>;
<![CDATA[Fajar Eko Nugroho]]>;
<![CDATA[Andri Faisal Sentosa]]>;
<![CDATA[Syifa Fauziah]]>;
<![CDATA[Anggit Dwi Hartanto]]>
<![CDATA[ E-JURNAL JUSITI : Jurnal Sistem Informasi dan Teknologi Informasi Vol 8 No 1 (2019): e-Jurnal JUSITI ]]>
Publisher : <![CDATA[Universitas Dipa Makassar ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.36774/jusiti.v8i1.598
<![CDATA[Buah apel merupakan salah satu buah yang banyak dikonsumsi oleh masyarakat, serta vitamin yang terdapat buah apel juga bagus untuk kesehatan. Pada buah apel manalagi yang aslinya dari kota malang, peminatnya bukan hanya kota malang saja tetapi juga dari luar kota bahkan sampai keluar negeri. Dengan banyaknya manfaat yang terdapat di buah apel banyak disukai dikalangan masyarakat. Tetapi terdapat masalah ketika kita memilih buah apel yang segar tetapi kita juga keliru untuk memilih buah apel yang segar tetapi sering kali kita salah pilih buah apel yang kurang segar. Dengan adanya paper ini dapat menambah ilmu akan cara mengklasifikasi buah apel yang segar dan kurang segar atau busuk. Teknologi sekarang dapat mengklasifikasikan buah dengan masing-masing kelas, terdapat algoritma untuk mengklasifikasikan berbagai objek, yaitu algoritma Naive Bayes. Dengan metode yang digunakan di dalam paper ini dapat membantu dalam memilih buah yang segar maupun tidak segar. Dengan tingkat kesegaran yang terdapat pada buah apel dibagi menjadi dua kategori yaitu kategori segar dan busuk. Pada metode ekstrasi fitur peniliti menggunakan intensitas dan data yang digunakan 130 citra. Dengan hasil akurasi 63%.]]>
<![CDATA[Sentiment Analisis Review Film Di IMDB Menggunakan Algoritma SVM ]]>
<![CDATA[Ikhsan Subagyo]]>;
<![CDATA[Lukman Dwi Yulianto]]>;
<![CDATA[Wahyu Permadi]]>;
<![CDATA[Arian Wahyu Dewantara]]>;
<![CDATA[Anggit Dwi Hartanto]]>
<![CDATA[ E-JURNAL JUSITI : Jurnal Sistem Informasi dan Teknologi Informasi Vol 8 No 1 (2019): e-Jurnal JUSITI ]]>
Publisher : <![CDATA[Universitas Dipa Makassar ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.36774/jusiti.v8i1.600
<![CDATA[Sentimen Analisis yaitu suatu penelitian dalam bidang keilmuan Machine Learning yang membahas tentang opini dalam bentuk teks. IMDb adalah website yang telah lama digunakan untuk menyajikan informasi dan berbagi opini antar penikmat film yang ada di seluruh dunia, tanggapan mereka menjadi tolak ukur kesuksesan dari sebuah film. Penelitian yang dilakukan ini bertujuan untuk mengklasifikasi opini positif dan negatif menggunakan SVM dan SVM dengan SGD. Hasil dari klasifikasi memiliki akurasi dengan max features 10000 87,620% untuk SVM dan 87,404% untuk SVM – SGD untuk max features 30000 87,380% untuk SVM dan 86,948% untuk SVM – SGD dan untuk max features 50000 87,268% untuk SVM dan 86,780% untuk SVM – SGD.]]>
<![CDATA[SISTEM MONITORING ALARM PERINGATAN BANJIR DAN FITUR MOTOR SERVO UNTUK BUKA TUTUP PINTU AIR MENGGUNAKAN ALGORITMA BACKGROUND SUBTRACTION ]]>
<![CDATA[Septa Najibul Wahid]]>;
<![CDATA[Anggit Dwi Hartanto]]>
<![CDATA[ Indonesian Journal of Technology, Informatics and Science (IJTIS) Vol 2, No 2 (2021): IJTIS Volume 2 No 2 (Juni 2021) ]]>
Publisher : <![CDATA[Universitas Muria Kudus ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.24176/ijtis.v2i2.5747
<![CDATA[Bencana alam di Indonesia masih sangat di takut kan dan akhir akhir ini sering terjadi bencana yang sering terjadi yaitu bencana Banjir, Banjir masih menjadi ancaman bencana yang dampak nya sangat berbahaya di Indonesia, sering kali menelan banyak korban. Oleh karena itu Penelitian ini bertujuan untuk membuat system monitoring alarm banjir dan motor servo untuk membuka dan menutup pintu air nya ke dataran yang lebih tinggi, sistem ini di hubungkan secara online sebagai informasi alarm terhadap terjadinya banjir. Untuk monitoringnya menggunakan teknologi masakini yaitu Internet of things (IoT) agar informasi level dapat dipantau secara real time. Dan untuk alatnya yaitu menggunakan Water level sensor digunakan sebagai pembaca data, buzzer untuk alarm nya jika status nya berada di tingkatan bahaya dan Node MCU ESP2866 sebagai pemroses dan mengirimkan data secara nirkabel ke smartphone android lewat aplikasi BLYNK, hasil penelitian ini adalah suatu system ini untuk mendeteksi ketinggian air nya dan memunculkan status nya yaitu status aman, status siaga, dan status bahaya dan jika ketinggian nya sudah mencapai status bahaya maka alarm di alat buzzer nya itu akan berbunyi dan secara otomatis pintu air di motor servo nya itu akan membuka/membuang air tersebut, serta di penelitian ini menggunakan metode algoritma background subtraction yg berguna untuk memantau grafik obyek ketinggian air nya. Dengan demikian system ini akan bermanfaat untuk masyarakat dan terutama di daerah dataran rendah agar tidak terjadinya banjir]]>
<![CDATA[Algoritma Triple Exponential Smoothing Untuk Prediksi Trend Turis Pariwisata Jatim Park Batu Saat Pandemi Covid-19 ]]>
<![CDATA[Safor Madianto]]>;
<![CDATA[Ema Utami]]>;
<![CDATA[Anggit Dwi Hartanto]]>
<![CDATA[ Journal of Applied Informatics and Computing Vol 5 No 1 (2021): July 2021 ]]>
Publisher : <![CDATA[Politeknik Negeri Batam ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.30871/jaic.v5i1.3139
<![CDATA[The level of tourism visits in 2021 both local and foreign to Indonesian tourism has decreased drastically. The COVID-19 pandemic is one of the causes of this loss. In the last 1 year, the level of tourism has dropped dramatically due to this pandemic. The impact on a country is an economic recession, Singapore is a country that is experiencing a severe recession of up to -40%, a country is a country that also depends, one of which is on tourism. Jatim Park Batu is a tourism learning park and family recreation area in Batu, East Java. Jatim Park is a well-known tourism object in East Java. The uncertainty of the number of tourists each month affects the operational management of Jatim Park in making every decision, both technical and strategic decisions. The researcher proposes to use the Triple Exponential Smoothing algorithm, the Holt Winters model, where this algorithm is classified as a prediction algorithm that can consider trend and seasonal factors. The method of measuring accuracy uses the MAPE (Mean Absolute Percetage Error) method. Tests were carried out by initiating the alpha beta gamma parameter 30 times and obtained an average of 9%.]]>
<![CDATA[CONTENT BASED IMAGE RETRIEVAL MENGGUNAKAN TAMURA TEXTURE FITUR PADA KAIN SONGKET KHAS LOMBOK ]]>
<![CDATA[wenti ayu wahyuni]]>;
<![CDATA[Ema Utami]]>;
<![CDATA[Anggit Dwi Hartanto]]>
<![CDATA[ Jurnal Explore Vol 11, No 2 (2021): JULI ]]>
Publisher : <![CDATA[Universitas Teknologi Mataram ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (832.512 KB)
|
DOI: 10.35200/explore.v11i2.440
<![CDATA[Information Retrieval adalah bidang ilmu yang berhubungan dengan representasi, penyimpanan, dan akses ke item informasi. Pada dunia nyata, implementasi dari information retrieval dapat ditemukan pada mesin pencarian. Proses pencarian biasanya banyak menggunakan query berupa teks, Namun Banyak kelemahan yang ditemukan pada pencarian menggunakan teks. Content based image retrieval (CBIR) merupakan proses untuk melakukan pencarian citra digital. Prinsip dasar dari teknik CBIR adalah penggunaan algoritma analisa gambar untuk mengekstrak angka secara otomatis pada atribut gambar disuatu waktu pada database gambar. Tujuan penelitian ini yaitu membangun sistem CBIR dalam pencarian kain songket lombok dengan menggunakan metode ekstraksi fitur tamura dalam ekstraksi fitur citra gambar. Data yang digunakan berjumlah kurang lebih 450 kain songket. Aplikasi yang digunakan pada penelitian ini adalah aplikasi dari LIRE. Database yang digunakan berasal dari data yang dikumpulkan langsung. Penerapan metode tamura menunjukkan hasil yang relevan karena dapat menemukan 9 gambar yang relevan dari 12 gambar.]]>
<![CDATA[OPTIMASI ANFIS UNTUK PREDIKSI DATA TIME SERIES ]]>
<![CDATA[Ma'ruf Aziz Muzani]]>;
<![CDATA[Ema Utami]]>;
<![CDATA[Anggit Dwi Hartanto]]>
<![CDATA[ JATISI (Jurnal Teknik Informatika dan Sistem Informasi) Vol 9 No 3 (2022): JATISI (Jurnal Teknik Informatika dan Sistem Informasi) ]]>
Publisher : <![CDATA[Lembaga Penelitian dan Pengabdian pada Masyarakat (LPPM) STMIK Global Informatika MDP ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.35957/jatisi.v9i3.2956
<![CDATA[ANFIS is a combination of 2 methods, namely fuzzy and artificial neural networks. From the combination of these 2 methods, ANFIS has the advantage of predicting time series data. However, the use of the ANFIS method also has its drawbacks. The drawback is that it can decrease the accuracy obtained. The decrease is because the data used is widely error-value and does not vary. In addition, the data used does not go through the preprocessing process first. Data collection comes from the BMKG website. The data will later be preprocessed to overcome the imbalance class. The results of training and testing with the process of optimizing the ANFIS method by normalizing and cleaning erorr data on rainfall data there are few similarities in both training and testing. For performance measurement, prediction accuracy uses RMSE for both 3:2 and 4:1 data ratios – getting 0.0728 and 0.0539, respectively. Based on the results of the application of the ANFIS method and normalization in the rainfall dataset of Sleman regency with parameters of the number of membership functions, input membership functions, learning rate, data ratios of 3:2 and 4:1 shows that the ANFIS method with data that has been carried out the normalization process and cleaning of error data can be an alternative method to predict rainfall levels with time series data.]]>
<![CDATA[PERBANDINGAN RESPONSE TIME DATA TRANSAKSI ANTARA KONEKTIVITAS SISTEM PEMBAYARAN PADA BTN SYARIAH DENGAN BPD JATENG SYARIAH ]]>
<![CDATA[Marta Ardiyanto]]>;
<![CDATA[Kusrini Kusrini]]>;
<![CDATA[Anggit Dwi Hartanto]]>
<![CDATA[ Device Vol 13 No 1 (2023): Mei ]]>
Publisher : <![CDATA[Fakultas Teknik dan Ilmu Komputer (FASTIKOM) UNSIQ ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.32699/device.v13i1.4372
<![CDATA[Dalam penerapan sistem informasi pembayaran terintegrasi pada Universitas Duta Bangsa Surakarta secara host to host menggunakan layanan web service dengan perbankan dapat membantu meningkatkan aksesibilitas transaksi pembayaran biaya pendidikan mahasiswa. Transaksi yang selama ini berjalan melalui jaringan terintegrasi belum dilakukan evaluasi terkait time response data setiap satu transaksi berjalan. Dalam penelitian ini akan dibahas mengenai berapa time response yang dibutuhkan untuk menyelesaikan transaksi pada dua bank rekanan yang bekerja dengan universitas diantaranya Bank BPD Jateng Syariah dan Bank BTN Syariah. Evaluasi ini bertujuan untuk memberikan gambaran terkait berapa time response dari masing-masing bank rekanan saat memproses transaksi pembayaran pada sistem terintegrasi untuk kemudian hasilnya dapat digunakan sebagai bahan evaluasi dalam pengembangan sistem terintegrasi antara universitas dengan bank rekanan. Berdasarkan hasil pengujian didapatkan hasil response time server Bank BPD Jawa Tengah Syariah memiliki waktu response time lebih sedikit dibandingkan dengan Bank BTN Syariah. Yang berarti bahwa Transaksi pembayaran biaya pendidikan mahasiswa universitas duta bangsa Surakarta lebih cepat melalui Bank BPD Jawa Tengah Syariah dengan waktu transaksi paling cepat adalah 0 detik dan transaksi paling lama adalah 2 menit 20 detik dari mulai proses transaksi hingga flagging response dari bank ke sisi server universitas]]>
<![CDATA[ANALISIS SENTIMEN PEMINDAHAN IBU KOTA NEGARA (IKN) MENGGUNAKAN METODE OVERSAMPLING SYNTHETIC MINORITY (SMOTE) ]]>
<![CDATA[Ahmad Almas'ud ZD]]>;
<![CDATA[Kusrini]]>;
<![CDATA[Anggit Dwi Hartanto]]>
<![CDATA[ Jurnal INSTEK (Informatika Sains dan Teknologi) Vol 9 No 2 (2024): OCTOBER ]]>
Publisher : <![CDATA[Department of Informatics Engineering, Faculty of Science and Technology, Universitas Islam Negeri Alauddin, Makassar, Indonesia ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.24252/instek.v9i2.50944
<![CDATA[Pemindahan Ibu Kota Negara (IKN) adalah keputusan strategis yang memicu berbagai tanggapan dan reaksi dari berbagai pihak. Analisis sentimen terhadap pemindahan IKN menjadi suatu aspek penting untuk memahami pola pikir dan sikap masyarakat terhadap keputusan tersebut. Studi ini bertujuan untuk melakukan perbandingan performa algoritma klasifikasi terhadap analisis sentimen pada data teks yang berisi opini dan pendapat masyarakat terkait pemindahan IKN menggunakan metode oversampling Synthetic Minority (SMOTE) untuk mengatasi masalah ketidakseimbangan dalam data sentimen. Dua algoritma klasifikasi, yaitu Support Vector Machine (SVM) dan Random Forest, dievaluasi dalam konteks ini. Hasil penelitian menunjukkan peningkatan signifikan dalam performa kedua algoritma setelah penerapan metode SMOTE. Performa algoritma SVM meningkat dari 85% menjadi 92%, sementara algoritma Random Forest meningkat dari 84% menjadi 91%. Hasil ini menunjukkan bahwa metode SMOTE efektif dalam meningkatkan kemampuan algoritma klasifikasi untuk mengatasi ketidakseimbangan data dan menghasilkan prediksi sentimen yang lebih akurat.]]>
<![CDATA[Optimalisasi Akurasi Algoritma Naïve Bayes Dengan Metode Syntetic Minority Oversampling Technique (Smote) Pada Data Numerik ]]>
<![CDATA[Hizbul Izzi]]>;
<![CDATA[Arief Setyanto]]>;
<![CDATA[Anggit Dwi Hartanto]]>
<![CDATA[ Infotek: Jurnal Informatika dan Teknologi Vol. 8 No. 1 (2025): Infotek : Jurnal Informatika dan Teknologi ]]>
Publisher : <![CDATA[Fakultas Teknik Universitas Hamzanwadi ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.29408/jit.v8i1.28340
<![CDATA[This research will classify numerical data, namely loan data taken from Kaggle. The data used amounted to 9578 datasets which included data classes with borrowers able to complete credit as many as 8045 records and loans that could not complete credit as many as 1533 records. From the amount of data there is an imbalance of classes so it is necessary to do balancing in order to get more accurate classification results. The purpose of this research is to improve the accuracy of the Naïve Bayes algorithm in classifying numerical data. Fraud in financial transactions is an example of a case of imbalanced data, where the number of legitimate transactions is much greater than those that are fraudulent. Optimizing accuracy in minority (fraud) classes is very important to avoid losses. The method used to improve the accuracy of the algorithm is the Synthetic Minority Oversampling Technique (SMOTE) by over sampling the minority of the dataset. In addition, it also uses the K-Fold Cross Validation method to evaluate the performance of the algorithm process used. Data preprocessing is done to clean the data from missing and invalid values and normalize the data so that all features are on the same scale and suitable for classification analysis. Based on the results of the analysis conducted, before the application of SMOTE the model's ability to recognize minority classes was 16.1%, while after the application of SMOTE the model's ability to recognize minority classes became 48.8%. besides that, before the application of SMOTE the model was able to predict the minority class correctly in 10 cases while after the application of SMOTE, the model was able to predict the minority class correctly in 102 cases. So it can be concluded that the SMOTE technique is able to improve the ability of the model]]>
