Article Per Year (5 Year)
p-Index From 2020 - 2025
15.617
P-Index
This Author published in this journals
All Journal International Journal of Electrical and Computer Engineering TEKNOLOGI: Jurnal Ilmiah Sistem Informasi Indonesian Journal of Disability Studies Jurnal Teknologi Informasi dan Ilmu Komputer Journal of Information Technology and Computer Science Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Kinetik: Game Technology, Information System, Computer Network, Computing, Electronics, and Control Management Studies and Entrepreneurship Journal (MSEJ) Bubungan Tinggi: Jurnal Pengabdian Masyarakat Jurnal Nasional Teknik Elektro dan Teknologi Informasi JRIIN :Jurnal Riset Informatika dan Inovasi
Fajar Pradana
Fakultas Ilmu Komputer, Universitas Brawijaya
Humanities Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Education Electrical & Electronics Engineering Energy Engineering Mathematics Social Sciences Other

Published : 209 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 209 Documents
Search

 1   2   3   4   5 
Penilaian Faktor Penerimaan Teknologi Blended learning di PTIIK Universitas Brawijaya dengan Metode Unified Theory of Acceptance and Use of Technology (UTAUT) Pradana, Fajar; Rachmadi, Aditya; Bachtiar, Fitra A.
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 2, No 1 (2015)
Publisher : Fakultas Ilmu Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (805.774 KB)

Abstract

AbstrakBlended learning adalah kolaborasi atau kombinasi antara pembelajaran tradisional (pembelajaran dengan tatap muka secara langsung) dan pembelajaran menggunakan teknologi atau e-learning. Universitas Brawijaya sebagai penyelenggara pendidikan tinggi juga telah memfasilitasi penggunaan teknologi untuk blended learning. Namun pada penerapan blended learning masih terdapat beberapa permasalahan Pada penelitian ini digunakan Unified Theory of Acceptance and Use of Technology (UTAUT) sehingga mampu menutupi kekurangan dari penelitian sebelumnya. Faktor-faktor yang dapat diidentifikasi dengan UTAUT diwakili 2 faktor yaitu perilaku penggunaan (Use Behavior) serta perilaku keinginan dalam menggunakan sistem (Behavioral Intention). Masing-masing dari kedua faktor ini dipengaruhi oleh 4 faktor yaitu harapan kinerja sistem (performance expectancy), harapan usaha yang dikeluarkan untuk mengoperasikan sistem (Effort Expectancy), pengaruh sosial (Social Influence) serta kondisi fasilitas yang mendukung operasional sistem (Facilitating Conditions). Sedang 4 faktor ini ditentukan oleh gender, umur, pengalaman dalam menggunakan sistem kesukarelaan penggunaan sistem dari pengguna. Dengan  menggunakan  UTAUT ternyata  didapatkan  hasil  evaluasi bahwa faktor-faktor yang memiliki pengaruh terhadap penggunaan sistem blended learning  di PTIIK adalah H1 : Variabel-variabel PU, JF, RF, EA dan OE tidak berpengaruh terhadap variabel AT, H2 : Variabel-variabel PeoU berkontribusi terhadap variabel AT, H3 : SN, SF dan I tidak berkontribusi terhadap variabel AT, H4 : Variabel-variabel PBC/PB berkontribusi terhadap variabel IM, dan H5 : Variable AT mempengaruhi IM.Kata kunci: Blended Learning,UTAUT, Universitas BrawijayaAbstractBlended learning is a collaboration or a combination of traditional learning (learning by direct face to face) and learning to use the technology or e-learning. UB as a provider of higher education has also facilitated the use of technology for blended learning. However, on the application of blended learning there are still some problems in this research used the Unified Theory of Acceptance and Use of Technology (UTAUT) so as to cover the lack of previous studies. Factors that can be identified by UTAUT represented by two factors, namely the usage behavior (Behavior Use) as well as the desire to use the system behavior (Behavioral Intention). Each of these two factors is influenced by four factors: the expectations of system performance (performance expectancy), the hope of effort expended to operate the system (Effort Expectancy), social influence (Social Influence) and the condition of the facilities that support the operation of the system (Facilitating Conditions). 4 of these factors being determined by gender, age, experience in using the voluntary system of use of the system from the user. By using UTAUT it was found on the evaluation that the factors that have an influence on the use of a system of blended learning in PTIIK is H1: Variables PU, JF, RF, EA and OE does not affect the variable AT, H2: Variables PEOU contribute to AT variables, H3: SN, SF and I do not contribute to the variable AT, H4: Variables PBC / PB contribute to variable IM, and H5: Variable AT affect IMKeywords: Blended Learning,UTAUT, Brawijaya University
Kakas Bantu Perhitungan Nilai Kopling Menggunakan Metrik Cognitive Weighted Coupling Between Object Pradana, Fajar; Priyambadha, Bayu; Ubaidillah, Muhammad
Kinetik: Game Technology, Information System, Computer Network, Computing, Electronics, and Control Vol 2, No 1, February-2017
Publisher : Universitas Muhammadiyah Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (572.162 KB) | DOI: 10.22219/kinetik.v2i1.153

Abstract

Konsep Object Oriented Programming (OOP) merupakan pemrograman yang dibangun dengan berpusat pada beberapa objek. Dengan konsep OOP dapat dilakukan pengukuran kualitas perangkat lunak dengan melalui kemungkinan hubungan antar beberapa objek atau kopling. Perangkat lunak yang baik adalah perangkat lunak yang memiliki desain yang baik, salah satu ciri-cirinya adalah memiliki nilai kopling yang rendah. Nilai kopling yang tinggi dapat menyebabkan desain perangkat lunak yang semakin kompleks dan buruk, sehingga akan mengakibatkan sulit untuk dipahami, terutama saat maintenance. Untuk meningkatkan kualitas perangkat lunak perlu mengontrol nilai kopling agar dapat meminimalkan kompleksitas perangkat lunak. Namun perhitungan nilai kopling secara manual pada jumlah perangkat lunak yang banyak akan membutuhkan waktu dan sumber daya yang besar. Oleh karena itu dibuatlah kakas bantu perhitungan nilai kopling menggunakan metrik Cognitive Weighted Coupling Between Object (CWCBO). Metrik CWCBO merupakan metrik kopling yang didasarkan pada bobot pemahaman untuk menghitung perbedaan jenis kopling dari berbagai peneliti. Kakas bantu tersebut dibangun dengan bahasa pemrograman utama Java, library Spoon untuk menganalisis source code, dan library JFreeChart untuk menampilkan grafik. Dari hasil pengujian akurasi sistem pada 5 program inputan berbahasa Java didapatkan akurasi sebesar 100%. Pengujian akurasi dilakukan dengan membandingkan perhitungan secara manual dan dengan sistem.
Kakas bantu perhitungan nilai kopling menggunakan conceptual coupling metrics Aulia, Laras Husna; Pradana, Fajar; Priyambadha, Bayu
Teknologi: Jurnal Ilmiah Sistem Informasi Vol 6, No 2 (2016): July
Publisher : Universitas Pesantren Tinggi Darul 'Ulum (Unipdu) Jombang

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (641.397 KB) | DOI: 10.26594/teknologi.v6i2.598

Abstract

ABSTRAKKualitas perangkat lunak dapat diukur dengan nilai kopling pada fase perancangan. Tingkat kopling pada perancangan mengindikasikan seberapa besar hubungan antar komponen dalam sebuah sistem. Untuk menentukan nilai kopling dapat menggunakan empat parameter metrik kopling konseptual antara lain Conceptual Similarity be-tween Methods (CSM), Conceptual Similarity between a Method and a Class (CSMC), Conceptual Similarity between two Classes (CSBC) dan Conceptual Coupling of Class (CoCC). Perhitungan nilai kopling dapat dilakukan dengan cara mengambil method-method pada klas kemudian dihitung nilai kecocokan antar dokumen kode sumber dengan menggunakan Latent Semantic Indexing (LSI). Metode LSI digunakan untuk menghitung kecocokan antar dokumen kode sumber berdasarkan kesamaan kata maupun kesamaan makna kata, kemudian nilai tersebut digunakan untuk menghitung nilai metrik kopling konseptual. Pengujian akurasi pada kakas bantu ini dilakukan dengan membandingkan dengan kakas bantu lain sebagai pembanding. Pengujian dikelompokan ke dalam 3 (tiga) nilai toleransi yang berbeda yaitu 0,05; 0,1 dan 0,20. Penggunaan nilai toleransi yang berbeda disebabkan karena terdapat selisih antara kakas bantu yang dikembangan dengan kakas  bantu pembanding. Hasil pengujian akurasi dengan nilai toleransi sebesar 0,05; didapatkan nilai akurasi sistem sebesar 24,83%. Jika nilai toleransi sebesar 0,1 maka nilai akurasi sistem sebesar 43,41%. Sedangkan, jika nilai toleransi sebesar 0,20 maka nilai akurasi yang diperoleh diatas 50% yaitu 69,78%.Kata kunci:   kopling, kualitas, Latent Semantic Indexing (LSI), metrik kopling konseptual parsing method, perangkat lunak. ABSTRACT   Coupling is one of the parameter of quality of software. Coupling is a paramater for measuring how much the relationship between components of a system. To determine the value of coupling can use four of the parameters of conceptual coupling metrics among other Conceptual Similarity between Methods (CSM), Conceptual Similarity be-tween a Method and a Class (CSMC), Conceptual Similarity between two Classes (CSBC) and Conceptual Coupling of Class (CoCC). Before counting the value of the coupling, parsing method carried out using spoon library and com-putation macth between source code documents to be done by using a method of information retrieval that is Latent Semantic Indexing (LSI). The use of LSI method because this research requires the calculation of a match between the document's source code based on common words or similarity of meaning of the word. After that, the LSI value is used to calculate the Conceptual Coupling Metric Testing accuracy of these tools is done by comparing with other systems as a comparison.. Testing is classified into 3(three) different tolerance values are 0.05, 0.1 and 0.20. The use tolerance values differ, because there is a difference between systems developed and the comparator system.  If tolerance value is 0.05 then the accuracy value is 24,83%. If tolerance value is 0.1 then the accuracy value is 43,41%. Meanwhile, If tolerance value is 0.2 then the accuracy value is up to 50%, it is 69,78%.Keywords: Conceptual coupling metrics, coupling, Latent Semantic Indexing, LSI, parsing method.
Pengembangan sistem otomatisasi pembangkitan kasus uji dengan algoritma genetika dan test case generation method Setyawan, Moh Arsyad Mubarak; Pradana, Fajar; Priyambadha, Bayu
Teknologi: Jurnal Ilmiah Sistem Informasi Vol 10, No 1 (2020): January
Publisher : Universitas Pesantren Tinggi Darul 'Ulum (Unipdu) Jombang

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (2305.448 KB) | DOI: 10.26594/teknologi.v10i1.1912

Abstract

Pengujian perangkat lunak merupakan salah satu bagian penting dari pembuatan perangkat lunak. Pada pengujian perangkat lunak terdapat pengujian unit. Pengujian unit merupakan proses pengujian komponen yang berfokus untuk memverifikasi unit terkecil pada perancangan perangkat lunak. Pada tahap pengujian unit terdapat proses pembangkitan kasus uji. Selama ini, pembangkitan kasus uji dari suatu kode program dilakukan secara manual se-hingga membutuhkan waktu yang lama. Hal ini dikarenakan banyaknya kemungkinan jalur pada kode sumber yang akan diuji.  Dalam penelitian ini dibangun suatu sistem otomatis untuk membangkitkan kasus uji. Alur kerja sistem dimulai dari analisa kode sumber dengan Spoon Library, selanjutnya dibentuk CFG (Control Flow Graph) dan DDG (Dynamic Directed Graph). Dari DDG tersebut akan dibangkitkan jalur layak yang terdapat pada DDG, dengan menggunakan algoritma genetika diharapkan dapat mengoptimalkan penentuan jalur independen. Dari masing-masing jalur independen akan dibangkitkan kasus ujinya dengan metode test case generation. Pengujian akurasi sistem pada sistem otomatisasi pembangkit kasus uji dengan jumlah populasi 5, 10 dan 15 serta jumlah maksimum generasi 50, 100, 200 dan 250 dihasilkan jumlah populasi paling optimal yaitu 10 dan maksimum generasi optimal yaitu 200 dengan akurasi 93,33%. Pada jumlah populasi dan maksimum generasi sesudahnya tidak terjadi peningkatan akurasi yang signifikan. Tiap peningkatan jumlah populasi dan maksimum generasi dapat meningkatkan akurasi sistem.  Software testing is one of the most important part of making software. On the software testing there are unit testing. Unit Testing is a process for verifying component, focusing on the smallest unit of software design. In the unit testing phase contained test case generation process. During this time, the generation of test cases of a program code is done manually. In this study, constructed an automated system to generate test cases. The workflow system starts from the analysis of the source code with the library spoon and then create CFG (Control Flow Graph) and DDG (Dynamic Directed graph). From the DDG will be raised feasible path using a genetic algorithm. Furthermore, from fea-sible path sought independenth path which is a path base d on the level of uniqueness of the path to the other path. From each independenth path raised the test case with a test case generation method. Testing accuracy of the system on the automation system generating test cases with populations of 5,10 and 15 as well as the maximum number of generations 50, 100, 200 and 250 produced the most optimal population number is 15 and the most optimal maximum generation is 200 with accuracy 93.33%. Each increase in the number of population and maximum generation can improve the accuracy of the system. Level accuracy with population number over 10 and maximum generation over 200 has no increace accuracy significant.
Pengembangan sistem otomatisasi pembangkitan kasus uji dengan algoritma genetika dan test case generation method Setyawan, Moh Arsyad Mubarak; Pradana, Fajar; Priyambadha, Bayu
TEKNOLOGI: Jurnal Ilmiah Sistem Informasi Vol 10, No 1 (2020): January
Publisher : Universitas Pesantren Tinggi Darul 'Ulum (Unipdu) Jombang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26594/teknologi.v10i1.1912

Abstract

Pengujian perangkat lunak merupakan salah satu bagian penting dari pembuatan perangkat lunak. Pada pengujian perangkat lunak terdapat pengujian unit. Pengujian unit merupakan proses pengujian komponen yang berfokus untuk memverifikasi unit terkecil pada perancangan perangkat lunak. Pada tahap pengujian unit terdapat proses pembangkitan kasus uji. Selama ini, pembangkitan kasus uji dari suatu kode program dilakukan secara manual se-hingga membutuhkan waktu yang lama. Hal ini dikarenakan banyaknya kemungkinan jalur pada kode sumber yang akan diuji.  Dalam penelitian ini dibangun suatu sistem otomatis untuk membangkitkan kasus uji. Alur kerja sistem dimulai dari analisa kode sumber dengan Spoon Library, selanjutnya dibentuk CFG (Control Flow Graph) dan DDG (Dynamic Directed Graph). Dari DDG tersebut akan dibangkitkan jalur layak yang terdapat pada DDG, dengan menggunakan algoritma genetika diharapkan dapat mengoptimalkan penentuan jalur independen. Dari masing-masing jalur independen akan dibangkitkan kasus ujinya dengan metode test case generation. Pengujian akurasi sistem pada sistem otomatisasi pembangkit kasus uji dengan jumlah populasi 5, 10 dan 15 serta jumlah maksimum generasi 50, 100, 200 dan 250 dihasilkan jumlah populasi paling optimal yaitu 10 dan maksimum generasi optimal yaitu 200 dengan akurasi 93,33%. Pada jumlah populasi dan maksimum generasi sesudahnya tidak terjadi peningkatan akurasi yang signifikan. Tiap peningkatan jumlah populasi dan maksimum generasi dapat meningkatkan akurasi sistem.  Software testing is one of the most important part of making software. On the software testing there are unit testing. Unit Testing is a process for verifying component, focusing on the smallest unit of software design. In the unit testing phase contained test case generation process. During this time, the generation of test cases of a program code is done manually. In this study, constructed an automated system to generate test cases. The workflow system starts from the analysis of the source code with the library spoon and then create CFG (Control Flow Graph) and DDG (Dynamic Directed graph). From the DDG will be raised feasible path using a genetic algorithm. Furthermore, from fea-sible path sought independenth path which is a path base d on the level of uniqueness of the path to the other path. From each independenth path raised the test case with a test case generation method. Testing accuracy of the system on the automation system generating test cases with populations of 5,10 and 15 as well as the maximum number of generations 50, 100, 200 and 250 produced the most optimal population number is 15 and the most optimal maximum generation is 200 with accuracy 93.33%. Each increase in the number of population and maximum generation can improve the accuracy of the system. Level accuracy with population number over 10 and maximum generation over 200 has no increace accuracy significant.
Kakas bantu perhitungan nilai kopling menggunakan conceptual coupling metrics Aulia, Laras Husna; Pradana, Fajar; Priyambadha, Bayu
TEKNOLOGI: Jurnal Ilmiah Sistem Informasi Vol 6, No 2 (2016): July
Publisher : Universitas Pesantren Tinggi Darul 'Ulum (Unipdu) Jombang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26594/teknologi.v6i2.598

Abstract

ABSTRAKKualitas perangkat lunak dapat diukur dengan nilai kopling pada fase perancangan. Tingkat kopling pada perancangan mengindikasikan seberapa besar hubungan antar komponen dalam sebuah sistem. Untuk menentukan nilai kopling dapat menggunakan empat parameter metrik kopling konseptual antara lain Conceptual Similarity be-tween Methods (CSM), Conceptual Similarity between a Method and a Class (CSMC), Conceptual Similarity between two Classes (CSBC) dan Conceptual Coupling of Class (CoCC). Perhitungan nilai kopling dapat dilakukan dengan cara mengambil method-method pada klas kemudian dihitung nilai kecocokan antar dokumen kode sumber dengan menggunakan Latent Semantic Indexing (LSI). Metode LSI digunakan untuk menghitung kecocokan antar dokumen kode sumber berdasarkan kesamaan kata maupun kesamaan makna kata, kemudian nilai tersebut digunakan untuk menghitung nilai metrik kopling konseptual. Pengujian akurasi pada kakas bantu ini dilakukan dengan membandingkan dengan kakas bantu lain sebagai pembanding. Pengujian dikelompokan ke dalam 3 (tiga) nilai toleransi yang berbeda yaitu 0,05; 0,1 dan 0,20. Penggunaan nilai toleransi yang berbeda disebabkan karena terdapat selisih antara kakas bantu yang dikembangan dengan kakas  bantu pembanding. Hasil pengujian akurasi dengan nilai toleransi sebesar 0,05; didapatkan nilai akurasi sistem sebesar 24,83%. Jika nilai toleransi sebesar 0,1 maka nilai akurasi sistem sebesar 43,41%. Sedangkan, jika nilai toleransi sebesar 0,20 maka nilai akurasi yang diperoleh diatas 50% yaitu 69,78%.Kata kunci:   kopling, kualitas, Latent Semantic Indexing (LSI), metrik kopling konseptual parsing method, perangkat lunak. ABSTRACT   Coupling is one of the parameter of quality of software. Coupling is a paramater for measuring how much the relationship between components of a system. To determine the value of coupling can use four of the parameters of conceptual coupling metrics among other Conceptual Similarity between Methods (CSM), Conceptual Similarity be-tween a Method and a Class (CSMC), Conceptual Similarity between two Classes (CSBC) and Conceptual Coupling of Class (CoCC). Before counting the value of the coupling, parsing method carried out using spoon library and com-putation macth between source code documents to be done by using a method of information retrieval that is Latent Semantic Indexing (LSI). The use of LSI method because this research requires the calculation of a match between the document's source code based on common words or similarity of meaning of the word. After that, the LSI value is used to calculate the Conceptual Coupling Metric Testing accuracy of these tools is done by comparing with other systems as a comparison.. Testing is classified into 3(three) different tolerance values are 0.05, 0.1 and 0.20. The use tolerance values differ, because there is a difference between systems developed and the comparator system.  If tolerance value is 0.05 then the accuracy value is 24,83%. If tolerance value is 0.1 then the accuracy value is 43,41%. Meanwhile, If tolerance value is 0.2 then the accuracy value is up to 50%, it is 69,78%.Keywords: Conceptual coupling metrics, coupling, Latent Semantic Indexing, LSI, parsing method.
Identifying Thresholds for Distance Design-based Direct Class Cohesion (D3C2) Metrics Denny Sagita; Fajar Pradana; Bayu Priyambadha
International Journal of Electrical and Computer Engineering (IJECE) Vol 8, No 6: December 2018
Publisher : Institute of Advanced Engineering and Science

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (787.071 KB) | DOI: 10.11591/ijece.v8i6.pp5318-5325

Abstract

In the several phases of activity in developing a software system, there is design phase. This phase has a purpose to determine and ensure that a software requirement can be realized in accordance with customer needs. The quality of design must be a guarantee at this phase. One of an indicator of quality design is cohesion. Cohesion is the level of relatedness between elements in one component. A Higher value of cohesion can indicate that a component are more modular, has own resources, and less dependent on another component. More independent, components are easy to maintenance. There are many metrics to count how many values of cohesion in a component. One of metric is The Distance Design-Based Direct Class Cohesion (D3C2). But, many practitioners are unable to apply them. Because there is no threshold that can categories the value of cohesion. This study aims to determine the threshold of cohesion metric based on the class diagram. The result showed that the threshold of D3C2 metric is 0.41. 0.41 is the value that has the highest level of agreement with the design expert.
Kakas Bantu Perhitungan Nilai Kopling Menggunakan Metrik Cognitive Weighted Coupling Between Object Fajar Pradana; Bayu Priyambadha; Muhammad Ubaidillah
Kinetik: Game Technology, Information System, Computer Network, Computing, Electronics, and Control Vol 2, No 1, February-2017
Publisher : Universitas Muhammadiyah Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (572.162 KB) | DOI: 10.22219/kinetik.v2i1.153

Abstract

Konsep Object Oriented Programming (OOP) merupakan pemrograman yang dibangun dengan berpusat pada beberapa objek. Dengan konsep OOP dapat dilakukan pengukuran kualitas perangkat lunak dengan melalui kemungkinan hubungan antar beberapa objek atau kopling. Perangkat lunak yang baik adalah perangkat lunak yang memiliki desain yang baik, salah satu ciri-cirinya adalah memiliki nilai kopling yang rendah. Nilai kopling yang tinggi dapat menyebabkan desain perangkat lunak yang semakin kompleks dan buruk, sehingga akan mengakibatkan sulit untuk dipahami, terutama saat maintenance. Untuk meningkatkan kualitas perangkat lunak perlu mengontrol nilai kopling agar dapat meminimalkan kompleksitas perangkat lunak. Namun perhitungan nilai kopling secara manual pada jumlah perangkat lunak yang banyak akan membutuhkan waktu dan sumber daya yang besar. Oleh karena itu dibuatlah kakas bantu perhitungan nilai kopling menggunakan metrik Cognitive Weighted Coupling Between Object (CWCBO). Metrik CWCBO merupakan metrik kopling yang didasarkan pada bobot pemahaman untuk menghitung perbedaan jenis kopling dari berbagai peneliti. Kakas bantu tersebut dibangun dengan bahasa pemrograman utama Java, library Spoon untuk menganalisis source code, dan library JFreeChart untuk menampilkan grafik. Dari hasil pengujian akurasi sistem pada 5 program inputan berbahasa Java didapatkan akurasi sebesar 100%. Pengujian akurasi dilakukan dengan membandingkan perhitungan secara manual dan dengan sistem.
Pengembangan Aplikasi Pembelajaran dengan Menerapkan Model Pembelajaran Teams-Games-Tournament (TGT) Anita Rizky Agustina; Fajar Pradana; Fitra Abdurrachman Bachtiar
Jurnal Nasional Teknik Elektro dan Teknologi Informasi Vol 10 No 2: Mei 2021
Publisher : Departemen Teknik Elektro dan Teknologi Informasi, Fakultas Teknik, Universitas Gadjah Mada

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1190.349 KB) | DOI: 10.22146/jnteti.v10i2.1310

Abstract

UPT SMP Negeri 6 Gresik is one of the few educational institutions that implement a Teams-Games-Tournament (TGT) learning model in their day-to-day class learning activities. The TGT learning model can assist students in understanding the learning materials by relying on their friends as age-equivalent tutors and via game elements. The current model that was being applied has several issues, where teachers formed the groups conventionally which could decrease the in-class study time. Conventional ways of forming a group leave room for an unfair knowledge distribution among groups, such as a group having only students who have high grades or low grades only. Other than that, the teachers will make a crossword puzzle conventionally. The playing board is made before a learning material is given to the students and the amount of “words” on the puzzle are determined on much material there is and how many groups are formed. The grouping feature is developed using k-means clustering. The development process used the waterfall development process and Codeigniter framework. This application requirement analysis resulted in four actors, 37 functional requirements, and one non-functional requirement. Testing for this research was done by blackbox testing techniques and whitebox testing techniques.
Klasifikasi Aktivitas Manusia Menggunakan Extreme Learning Machine dan Seleksi Fitur Information Gain Fitra Bachtiar; Fajar Pradana; Issa Arwani
Jurnal Nasional Teknik Elektro dan Teknologi Informasi Vol 10 No 3: Agustus 2021
Publisher : Departemen Teknik Elektro dan Teknologi Informasi, Fakultas Teknik, Universitas Gadjah Mada

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1438.672 KB) | DOI: 10.22146/jnteti.v10i3.1451

Abstract

Human activity recognition has various benefits in daily lives. However, research in this area is still facing problems that is, unobtrusive data gathering, high dimensionality features, and the algorithm used to classify human activities. Those problems could impact in the result of the developed model. This research is a preliminary study in human activity recognition. Five common human activity will be recognized that is, walking, walking upstairs, walking downstairs, sitting, and standing. The dataset used in this study consist of 1500 data rows and 561 features. Feature selection is performed prior to the modeling step. Information Gain is used as the feature selection in which percentile method is used to subset the number of features in the dataset. The features are then normalized and will classified using ELM. Number of optimal hidden neuron will be searched to yield high predictive accuracy. The results show 240 feature subsets return the higher accuracy. A number of 100 hidden neuron results in highest predictive classification of human activity recognition. The classification results yield accuracy, precision, recall, and F1-score of 0.85.
Co-Authors Abdillah Ali Abdurrachman Bachtiar, Fitra Abdurrizqo Arrahman Abul A'la Alghifari Achmad Arwan Achmad Hanim Nur Wahid Adam Hendra Brata Adelia Tri Caeserine Pinem Adhy, Mochammad Adillah, Atthoriq Aditya Rachmadi Aditya Rachmadi, Aditya Aditya Wisnu Jati Kusumo Admaja Dwi Herlambang, Admaja Dwi Afif Nandya Saputra Afina Putri Cahyani Agi Putra Kharisma Agung Pramono Agus Wahyu Widodo Ahmad Mustafirudin Ahmad Taufiq Hidayatullah Akbar, Muhammad Aminul Akhmad Lazuardi Al Ikhsan, Mochammad Dearifaldi Alfa, Arrafii Alfian, Kharis Alfin Taufiqurrahman Alfin Zaenal Kamala Ali Fikri Amirrulloh Acmad Kusaini Alkakim Amzi, Dzakwan Mufid Andrian, Muhamad Anggara Priambodo Jhohansyah Anita Rizky Agustina Anita Rizky Agustina Anjumi Kholifatu Rahmatika Annisa Septiana Sani Arda Firdaus Ramadhan Ardi Wicaksono Ardian Riftha Dhuha Ardina Fitri Haryono Ardyani Nalendri Styadi Arel Riedsa Adiguna Arief Andy Soebroto Arifiansyah, Achmad Syarif Aristawati, Annisa Armanda, Ferdhy Ihza Arya Rizky Sandi Aryo Pinandito Atthoriq Adillah Wicaksana Aulia Rahman Aulia Septi Pertiwi Aulia, Laras Husna Auliaur Rasyid Azizah Nurul Asri Azzam Syawqi Aziz Bagas Andaryanto Bagus Kurniawan Bayu Priyambadha Bayu Priyambadha Beni Dektos Heronimus Bestralaga Rusmarasy Bobby Ardian Ekaputra Bondan Sapta Prakoso Buce Trias Hanggara Buce Trias Hanggara Budi Darma Setiawan Chandra Saputra, Mochamad Citra Putri Adiyanti Dama Iraga, Isardi Danniar Reza Firdausy Della Fauziah Denny Sagita Denny Sagita Rusdianto Denny Sagita Rusdianto Deny Prasetia Taruma Wardana Dewi, Elok Nuraida Kusuma Dhanuari Indra Bastari Diago Ariesandika Diah Priharsari Diana Diana Diana Dindy Fitriannora Diva Fardiana Risa Djoko Pramono Djoko Pramono Dzaky Fadhilla Guci Edy Santoso Elke Cahya Putri Ericko Wicaksono Eriq Muh. Adams Jonemaro Eriq Muhammad Adams Jonemaro Fadhilah Muchammad F. A. Bakthier Fahrezy, Ahmad Faiqotul Himmah Faizatul Amalia Farah Shofiatul Ummah Farhansyah, Brahma Hanif Fatimah Az Zahra Fatimatuz Zahro Fatwa Ramdani, Fatwa Fauzi Ahmad Muda Fauziyah, Neyla Neyla Nuril Ferrinda Aprilia Kautsar Syaharani Hazmi Ferry Setiawan Fikar Mukamal Firdaus Arsy Ramadhan Firdaus Yulia Fika Maulidya Fitra Abdurrachman Bachtiar Giga Setiawan Grinaldi Wisnu Tri Prasetyo Gusti Rachman Nico Handoyo Saputra Hanggara, Buce Trias Hanif Irfan Syah Harahap, Selsa Meiliztira Harun Arrasyid Hasibuan Haryono, Wasis Haryowinoto Rizqul Aktsar Himastuti, Rahma Hirashima, Tsukasa I Putu A Angga Krishna Ibrahimsyah Zairussalam Ikhsan Khaliq Ilham Pambudi Ilyas Abdi Nugraha Iman Harie Nawanto Inas Nabila Indriati Indriati Intan Yusuf Habibie Irfani, Ilham Irwan Suprianto Ismiarta Aknuranda Issa Arwani Ivqonnada Al Mufarrih Jebi Hayi Tamami Jefry Kalvin Simanjuntak Komang Candra Brata Krishna Yudhakusuma Putra Munandar Langundi, Raziqa Izza Larasati, Sza Sza Amulya Lazuardi Dio Ramadhan Loudy Fitria Aspitasari Luluk Mukarromah Lutfi Fanani Luthfi Baihaqy M Reza Syahputra A M. Fahmi Aresha Maha, Ahmad Israq Bahagia Mahardeka Tri Ananta Makhdoum Tosinmim Marshananda Aqila Kurniawan Meilisa Dwiyati Marali Misbakhul Kharis Moch Alyur Ridho Mochamad Chandra Saputra Mochamad Chandra Saputra, Mochamad Chandra Mochamad Dwi Fadly Mochammad Adhy Mochammad Chandra Saputra Mochammad Dearifaldi Al Ikhsan Moh. Wahyu Dwi Ridiansyah Mohammad Mirza Zanuar Muhamad Yogi Saka F Muhammad Adnan Muhammad Aliyya Ilmi Muhammad Aulia Rahman Muhammad Ednan Fajri Gunadi Muhammad Fadel Muhammad Faisal Fahat Muhammad Faisal Shabri Muhammad Faishal Firdaus Muhammad Fajrul Falah Muhammad Ridha Muhammad Ridha Anshari Muhammad Saifussolihin Putra Aditama Muhammad Tanzil Furqon Muhammad Ubaidillah Muhammad Zaharuddin Muhammad Zulfikarrahman Mulyo Budi Setiawan Nadya Nur Fadhila Nefiana Mey Ipradita Nengsih, Sulistia Neyla Nuril Fauziyah Ni Made Rai Arini Permatasari Niken Hendrakusma Wardani Nur Aisyah Asriani Nur Efendi, Akhmad Farid Nur Fikri, Abdan Nurkalam, Haikal Nurudin Santoso Nurwida Mariatul Sadila Osa Prisdyana Permatasari, Amelia Intan priharsari, diah Priyambadha, Bayu Punaji Setyosari Purnomo, Welly Putra Sahat Mahenra Sihombing Putra, Mohammad Aditya Putri, Elke Cahya Quraish, M. Rahmat Adi Setiawan Ramadhani Alfath, Muhammad Fadhil Rasio Ganang Atmaja Ratih Pinandita Retno Indah Rokhmawati Retno Indah Rokhmawati, Retno Indah Reza Fahrur Rasyid Rezka Aditya Nugraha Hasan Rhomzy Oesman Risa, Diva Fardiana Riski Pradana Riswan Septriayadi Sianturi Riza Setiawan Rizkey Wijayanto Rizkia Desi Yudiari Rizky Ramadhana Roliand Prasetya Rona Salsabila Rosita Budianti Ruby Firmansyah, Nadhif Ruzadi, Andi Achmad Fauzi Said Atharillah Alifka Alhabsyi Saida Ulfa Salsabila, Rona Samuel Ricko Perdana Putra Satrio Agung Wicaksono Satriyo Putra Sarjono Setyawan, Moh Arsyad Mubarak Sigit Widodo Surya Daren Hafizh Suryadio Rizki, Farchan Sutrisno Sutrisno Taufik Hidayat Teguh Surya Thaulinzky, Salsha Timothy Julian Tri Afirianto, Tri Tri Astoto Kurniawan Ubaidillah Hakim Fadly Ubaidillah, Muhammad Vasha Farisi Sarwan Halim Welly Purnomo Wibowo, Ripto Mukti Widhi Hayuhardhika Nugraha Putra Widhy Hayuhardhika Nugraha Putra Widya Amala Sholikhah Widya Bayu Wicaksono Widyawati Widyawati Wijaya, Aldy Imam Yakub, Slamet Mochamad Yoshua Omega Maurya Yudi Muliawan Yuita Arum Sari Yusi Tyroni Mursityo Zulfikarrahman, Muhammad