Articles
            
            
            
            
            
                            
                    
                        Rekomendasi penerimaan judul skripsi dengan metode simple addative weighting pada sistem informasi skripsi dan tugas akhir Jurusan Teknik Elektro Universitas Negeri Malang 
                    
                    Fauzan Cahya Arifin; 
Aji Prasetya Wibawa; 
Utomo Pujianto                    
                     TEKNO: Jurnal Teknologi Elektro dan Kejuruan Vol 28, No 1 (2018) 
                    
                    Publisher : Universitas Negeri Malang 
                    
                         Show Abstract
                        | 
                             Download Original
                        
                        | 
                            
                                Original Source
                            
                        
                        | 
                            
                                Check in Google Scholar
                            
                        
                                                    |
                            
                            
                                Full PDF (427.469 KB)
                            
                                                                                    
                            | 
                                DOI: 10.17977/um034v28i1p94-102                            
                                            
                    
                        
                            
                            
                                
Penerimaan judul skripsi merupakan tahap penting dalam penyelesaian skripsi. Dalam tahap tersebut diberikan keputusan diterima, direvisi atau ditolak terhadap judul skripsi yang diajukan mahasiswa. Sistem Pengambilan Keputusan (SPK) menggunakan metode Simple Additive Weighting (SAW) digunakan untuk menyelesaikan masalah tidak terstruktur secara sederhana sehingga dapat melakukan proses pengambilan keputusan yang efektif. Pada artikel ini akan dibahas tentang penerapan metode SAW untuk merekomendasikan keputusan penerimaan judul skripsi pada SPK rekomendasi penerimaan judul skripsi. Kriteria-kriteria yang dibutuhkan dalam rekomendasi penerimaan judul skripsi yaitu kebaruan, batas waktu penelitian, akses terhadap data, sumbangan hasil penelitian, dan kesesuaian topik dengan KBK.
                            
                         
                     
                 
                
                            
                    
                        Metode term frequency - invers document frequency pada mekanisme pencarian judul skripsi 
                    
                    Meiga Ayu Ariyanti; 
Aji Prasetya Wibawa; 
Utomo Pujianto                    
                     TEKNO: Jurnal Teknologi Elektro dan Kejuruan Vol 28, No 2 (2018) 
                    
                    Publisher : Universitas Negeri Malang 
                    
                         Show Abstract
                        | 
                             Download Original
                        
                        | 
                            
                                Original Source
                            
                        
                        | 
                            
                                Check in Google Scholar
                            
                        
                                                    |
                            
                            
                                Full PDF (752.176 KB)
                            
                                                                                    
                            | 
                                DOI: 10.17977/um034v28i2p177-190                            
                                            
                    
                        
                            
                            
                                
Tujuan penelitian dan pengembangan ini adalah (1) merancang dan membangun mekanisme pencarian dengan metode TF-IDF sebagai salah satu fitur yang ada pada SISINTA, (2) menguji akurasi, presisi, dan sensitifitas metode TF-IDF, dan (3) menguji fungsionalitas mekanisme pencarian dengan metode TF-IDF.  Hasil penelitian dan pengembangan ini berupa fitur mekanisme pencarian judul skripsi dengan metode term frequency dan invers document frequency (TF-IDF). Fitur tersebut dapat menampilkan hasil pencarian judul skripsi yang relevan sesuai dengan kata kunci pencarian oleh pengguna. Berdasarkan hasil pengujian white-box yang dilakukan dengan pengujian akurasi, presisi dan sensitifitas didapatkan persentase yang sama yaitu sebesar 92%. Hasil tersebut termasuk kategori sempurna. Hasil uji coba kepada pengguna yang merupakan pengujian black-box menghasilkan keberhasilan fungsionalitas sebesar 100%. Berdasarkan hasil rata-rata pengujian white-box dan black-box diperoleh persentase sebesar 96%, sehingga dapat disimpulkan metode TF-IDF dalam mekanisme pencarian judul skripsi SISINTA ini sangat valid dan sangat layak untuk digunakan. 
                            
                         
                     
                 
                
                            
                    
                        Generating Javanese Stopwords List using K-means Clustering Algorithm 
                    
                    Aji Prasetya Wibawa; 
Hidayah Kariima Fithri; 
Ilham Ari Elbaith Zaeni; 
Andrew Nafalski                    
                     Knowledge Engineering and Data Science Vol 3, No 2 (2020) 
                    
                    Publisher : Universitas Negeri Malang 
                    
                         Show Abstract
                        | 
                             Download Original
                        
                        | 
                            
                                Original Source
                            
                        
                        | 
                            
                                Check in Google Scholar
                            
                        
                                                                                    
                            | 
                                DOI: 10.17977/um018v3i22020p106-111                            
                                            
                    
                        
                            
                            
                                
Stopword removal necessary in Information Retrieval. It can remove frequently appeared and general words to reduce memory storage. The algorithm eliminates each word that is precisely the same as the word in the stopword list. However, generating the list could be time-consuming. The words in a specific language and domain must be collected and validated by specialists. This research aims to develop a new way to generate a stop word list using the K-means Clustering method. The proposed approach groups words based on their frequency. The confusion matrix calculates the difference between the findings with a valid stopword list created by a Javanese linguist. The accuracy of the proposed method is 78.28% (K=7). The result shows that the generation of Javanese stopword lists using a clustering method is reliable.
                            
                         
                     
                 
                
                            
                    
                        High Dimensional Data Clustering using Self-Organized Map 
                    
                    Ruth Ema Febrita; 
Wayan Firdaus Mahmudy; 
Aji Prasetya Wibawa                    
                     Knowledge Engineering and Data Science Vol 2, No 1 (2019) 
                    
                    Publisher : Universitas Negeri Malang 
                    
                         Show Abstract
                        | 
                             Download Original
                        
                        | 
                            
                                Original Source
                            
                        
                        | 
                            
                                Check in Google Scholar
                            
                        
                                                    |
                            
                            
                                Full PDF (1028.763 KB)
                            
                                                                                    
                            | 
                                DOI: 10.17977/um018v2i12019p31-40                            
                                            
                    
                        
                            
                            
                                
As the population grows and e economic development, houses could be one of basic needs of every family. Therefore, housing investment has promising value in the future. This research implements the Self-Organized Map (SOM) algorithm to cluster house data for providing several house groups based on the various features. K-means is used as the baseline of the proposed approach. SOM has higher silhouette coefficient (0.4367) compared to its comparison (0.236). Thus, this method outperforms k-means in terms of visualizing high-dimensional data cluster. It is also better in the cluster formation and regulating the data distribution.
                            
                         
                     
                 
                
                            
                    
                        SQL Logic Error Detection by Using Start End Mid Algorithm 
                    
                    Jevri Tri Ardiansah; 
Aji Prasetya Wibawa; 
Triyanna Widyaningtyas; 
Okazaki Yasuhisa                    
                     Knowledge Engineering and Data Science Vol 1, No 1 (2018) 
                    
                    Publisher : Universitas Negeri Malang 
                    
                         Show Abstract
                        | 
                             Download Original
                        
                        | 
                            
                                Original Source
                            
                        
                        | 
                            
                                Check in Google Scholar
                            
                        
                                                    |
                            
                            
                                Full PDF (608.845 KB)
                            
                                                                                    
                            | 
                                DOI: 10.17977/um018v1i12018p33-38                            
                                            
                    
                        
                            
                            
                                
Data base is an important part of a system and it stores data to be manipulated. A language called SQL (Structured Query Language) is used for manipulating those data to make needed information. There are two types of error which make SQL more difficult in practical implementation. They are syntax error and logic error. The difference between them is that syntax error can be detected by compiler so it is easy to learn by its warning. But compiler does not show error warning if logical error was occurred. It makes logic error is more difficult to understand than syntax error. To help data base's user to learn SQL in practical implementation, web based SQL compiler that be able to detect syntax and logic error is developed by using Start End Mid algorithm.
                            
                         
                     
                 
                
                            
                    
                        DESAIN SISTEM INFORMASI ADMINISTRASI PENDIDIKAN DI PASCASARJANA UNIVERSITAS NEGERI MALANG DENGAN METODE REKAYASA BALIK 
                    
                    Rendy Yani Susanto; 
Aji Prasetya Wibawa; 
Triyanna Widiyaningtyas                    
                     Jurnal Ilmiah Flash Vol 4 No 1 (2018) 
                    
                    Publisher : P3M- Politeknik Negeri Kupang 
                    
                         Show Abstract
                        | 
                             Download Original
                        
                        | 
                            
                                Original Source
                            
                        
                        | 
                            
                                Check in Google Scholar
                            
                        
                                                    |
                            
                            
                                Full PDF (927.886 KB)
                            
                                                                                    
                            | 
                                DOI: 10.32511/flash.v4i1.210                            
                                            
                    
                        
                            
                            
                                
Administrasi Pascasarjana Universitas Negeri Malang masih menggunakan teknologi lama yaitu aplikasi PFS:Professional File. Walaupun digunakan hampir 33 tahun, aplikasi ini masihlayakdan stabil untuk pelaksanaan proses administrasi. Berjalannya waktu, aplikasi ini menjadi tidak kompatibel dengan teknologi yang ada. Oleh karena itu, pembaharuan aplikasi sangat dibutuhkan agar kompatibel dengan sistem operasi tersebut. Akan tetapi, aplikasi tersebut tidak memiliki dokumentasi yang digunakan sebagai bahan pembaharuan.Dokumentasi program yang dimaksudadalahberupaSpesifikasiKebutuhanPerangkatLunak (SKPL). Untukmendapatkan SKPL tersebutmembutuhkanmetodeuntukmenganalisisaplikasi yang sudahada. dari permasalahan tersebut, metode yang tepat digunakan adalah metode rekayasa balik. Metode ini dapat mengekstrak informasi dari desain source code pada aplikasi yang tidak terstruktur. Sehingga diharapkan dengan penggunaan metode rekayasa balik, dokumentasi dari aplikasi PFS:Professional File bisa dibuat. Hasil dari dokumentasi tersebut nantinya akan dijadikan bahan pengembangan aplikasi baru diharapkan penggunaan metode rekayasa balik pada aplikasi tersebut bisa menjadi solusi.
                            
                         
                     
                 
                
                            
                    
                        SISTEM PEMILIHAN DOSEN PEMBIMBING SKRIPSI DENGAN METODE TOPSIS (STUDI KASUS: PENDIDIKAN TEKNIK INFORMATIKA) 
                    
                    Tantri Hari Mukti; 
Syaad Patmantara; 
Aji Prasetya Wibawa                    
                     Jurnal Ilmiah Flash Vol 4 No 1 (2018) 
                    
                    Publisher : P3M- Politeknik Negeri Kupang 
                    
                         Show Abstract
                        | 
                             Download Original
                        
                        | 
                            
                                Original Source
                            
                        
                        | 
                            
                                Check in Google Scholar
                            
                        
                                                    |
                            
                            
                                Full PDF (1767.161 KB)
                            
                                                                                    
                            | 
                                DOI: 10.32511/flash.v4i1.211                            
                                            
                    
                        
                            
                            
                                
Penunjukan pembimbing skripsi di Program Studi Pendidikan Teknik Informatika Universitas Negeri Malang ditangani oleh tim dosen KBK (Kelompok Bidang Keahlian) dan dosen Koordinator Program Studi (Korprodi). Tim KBK dan Korprodi harus menyesuaikan kriteria-kriteria calon dosen pembimbing yang sesuai dengan kondisi dan judul yang diajukan mahasiswa. Selain itu Tim KBK dan Korprodi membutuhkan waktu yang lama untuk menyelesaikan banyaknya antrian pengajuan dosen pembimbing. Dari permasalahan tersebut, dibuat sistem yang dapat memberikan rekomendasi dosen pembimbing dengan menggunakan metode TOPSIS. Sehingga sistem tersebut dapat mempermudah tugas dosen KBK dan Korprodi. Pemilihan metode TOPSIS (Technique For Others Reference by Similarity to Ideal Solution) dirasa lebih cocok dengan kasus ini karena terdapatnya pemecahan unsur kriteria dan pembobotan pada masing-masing kriteria. Berdasarkan hasil studi kasus sistem seleksi menunjukan bahwa hasil perhitungan menggunakan sistem sama dengan perhitungan manual. Sistem ini mampu memberikan rekomendasi pemilihan dosen pembimbing
                            
                         
                     
                 
                
                            
                    
                        Choosing an Instant Messaging App: Security or Convenience? Comparison between Whatsapp and Telegram 
                    
                    Azzhan Shahrul; 
Aji Prasetya Wibawa                    
                     Buletin Ilmiah Sarjana Teknik Elektro Vol. 3 No. 2 (2021): Agustus 
                    
                    Publisher : Universitas Ahmad Dahlan 
                    
                         Show Abstract
                        | 
                             Download Original
                        
                        | 
                            
                                Original Source
                            
                        
                        | 
                            
                                Check in Google Scholar
                            
                        
                                                                                    
                            | 
                                DOI: 10.12928/biste.v3i2.2784                            
                                            
                    
                        
                            
                            
                                
An increase in Instant Messenger (IM) application users makes it easier for people to get connected through social media. Application developers regularly offer updates. However, those updates don’t always satisfy users expectations, instead confuse them. Even users are sometimes hesitant to update the app thus they switch to another messaging platform. This research discusses the analysis and comparison of two IM applications that reached 100 million downloads on Play Store; Whatsapp and Telegram. The analysis process is carried out from the features use in the Instant Messenger application. The data collection procedure are conducted by viewing the traffic. The data acquisition technique is done by using literacy and observation study methods to get full access to smartphones. The results of the analysis are in the form of a comparing table between both IM applications and expected to be future reference for further reseach.Peningkatan pengguna aplikasi Instant Messenger (IM) memudahkan masyarakat untuk terhubung melalui media sosial. Pengembang aplikasi secara teratur menawarkan pembaruan. Namun, pembaruan tersebut tidak selalu memenuhi harapan pengguna, malah membingungkan mereka. Bahkan pengguna terkadang ragu untuk memperbarui aplikasi sehingga mereka beralih ke platform perpesanan lain. Penelitian ini membahas tentang analisis dan perbandingan dua aplikasi IM yang mencapai 100 juta unduhan di Play Store; Whatsapp dan Telegram. Proses analisis dilakukan dari fitur-fitur yang digunakan pada aplikasi Instant Messenger. Prosedur pengumpulan data dilakukan dengan melihat lalu lintas. Teknik akuisisi data dilakukan dengan menggunakan metode studi literasi dan observasi untuk mendapatkan akses penuh ke smartphone. Hasil analisis berupa tabel perbandingan antara kedua aplikasi IM dan diharapkan dapat menjadi acuan untuk penelitian selanjutnya.
                            
                         
                     
                 
                
                            
                    
                        Convolutional Neural Network (CNN) to determine the character of wayang kulit 
                    
                    Aji Prasetya Wibawa; 
Wahyu Arbianda Yudha Pratama; 
Anik Nur Handayani; 
Anusua Ghosh                    
                     International Journal of Visual and Performing Arts Vol 3, No 1 (2021) 
                    
                    Publisher : ASSOCIATION FOR SCIENTIFIC COMPUTING ELECTRICAL AND ENGINEERING (ASCEE) 
                    
                         Show Abstract
                        | 
                             Download Original
                        
                        | 
                            
                                Original Source
                            
                        
                        | 
                            
                                Check in Google Scholar
                            
                        
                                                                                    
                            | 
                                DOI: 10.31763/viperarts.v3i1.373                            
                                            
                    
                        
                            
                            
                                
Indonesia is a country with diverse cultures. One of which is Wayang Kulit, which has been recognized by UNESCO. Wayang kulit has a variety of names and personalities, however most younger generations are not familiar with the characters of these shadow puppets. With today's rapid technological advancements, people could use this technology to detect objects using cameras. Convolutional Neural Network (CNN) is one method that can be used. CNN is a learning process that is included in the Deep Learning section and is used to find the best representation. The CNN is commonly used for object detection, would be used to classify good and bad characters. The data used consists of 100 black and white puppet images that were downloaded one at a time. The data was obtained through a training process that uses the CNN method and Google Colab to help speed up the training process. After that, a new model is created to test  the puppet images. The result obtained a 92 percent accuracy rate, means that CNN can differentiate the Wayang Kulit character
                            
                         
                     
                 
                
                            
                    
                        Perbandingan Kinerja Metode Naive Bayes dan K-Nearest Neighbor untuk Klasifikasi Artikel Berbahasa indonesia 
                    
                    Riri Nada Devita; 
Heru Wahyu Herwanto; 
Aji Prasetya Wibawa                    
                     Jurnal Teknologi Informasi dan Ilmu Komputer Vol 5 No 4: Agustus 2018 
                    
                    Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya 
                    
                         Show Abstract
                        | 
                             Download Original
                        
                        | 
                            
                                Original Source
                            
                        
                        | 
                            
                                Check in Google Scholar
                            
                        
                                                    |
                            
                            
                                Full PDF (793.502 KB)
                            
                                                                                    
                            | 
                                DOI: 10.25126/jtiik.201854773                            
                                            
                    
                        
                            
                            
                                
Kecocokan isi artikel dengan sebuah tema jurnal menjadi faktor utama diterima tidaknya sebuah artikel. Tetapi masih banyak mahasiswa yang bingung untuk menentukan jurnal yang sesuai dengan artikel yang dimilikinya. Untuk itu diperlukannya sebuah metode klasifikasi dokumen yang dapat mengelompokkan artikel secara otomatis dan akurat. Terdapat banyak metode klasifikasi yang dapat digunakan. Metode yang digunakan dalam penelitian ini adalah Naive Bayes dan sebagai baseline digunakan metode K-Nearest Neighbor. Metode Naive Bayes dipilih karena dapat menghasilkan akurasi yang maksimal dengan data latih yang sedikit. Sedangkan metode K-Nearest Neighbor dipilih karena metode tersebut tangguh terhadap data noise. Kinerja dari kedua metode tersebut akan dibandingkan, sehingga dapat diketahui metode mana yang lebih baik dalam melakukan klasifikasi dokumen. Hasil yang didapatkan menunjukkan metode Naive Bayes memiliki kinerja yang lebih baik dengan tingkat akurasi 70%, sedangkan metode K-Nearest Neighbor memiliki tingkat akurasi yang cukup rendah yaitu 40%. AbstractOne way to be accepted in a journal conference and get the publication is to create an article with perfect suitability content of the journal. Matching the content of the article with a journal theme is the main factor for acceptability an article. But there are still many students who are confused to choose the journal in accordance with the articles it has. So we need a method to classification article documents category automatically and accurately group articles. There are many classification methods that can be used. The method used in this study is Naive Bayes and as a baseline the K-Nearest Neighbor method. Naive Bayes method is chosen because it can produce maximum accuracy with little training data. While K-Nearest Neighbor method was chosen because the method is robust to data noise. The performance of the two methods will be compared, so we can be known which method is better in classifying the document. The results show that the Naive Bayes method performs is more accurate with 70% accuracy and K-Nearest Neighbors method has a fairly low accuracy of 40% on classification test.