Garuda - Garba Rujukan Digital

p-Index From 2020 - 2025

19.311

P-Index

This Author published in this journals

All Journal International Journal of Electrical and Computer Engineering Jurnal Ilmu Komputer dan Informasi Lontar Komputer: Jurnal Ilmiah Teknologi Informasi PIKSEL : Penelitian Ilmu Komputer Sistem Embedded and Logic Jurnal Ilmiah Kursor Jurnal Mahasiswa Jurusan Arsitektur Jurnal Teknologi Informasi dan Ilmu Komputer Journal of Information Systems Engineering and Business Intelligence Jurnal Teknologi dan Sistem Komputer JOIV : International Journal on Informatics Visualization Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) 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 Jurnal Nasional Teknik Elektro dan Teknologi Informasi Journal of Management Research and Studies

Fitra Abdurrachman Bachtiar

Fakultas Ilmu Komputer - Universitas Brawijaya

Author-ID : 2843479

Humanities Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Social Sciences

Published : 222 Documents Claim Missing Document

Claim Missing Document

Articles

1 2 3 4 5

Perbandingan Algoritme Machine Learning untuk Memprediksi Pengambil Matakuliah Fitra A. Bachtiar; Indra K. Syahputra; Satrio A. Wicaksono
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 6 No 5: Oktober 2019
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Pada setiap awal semester bagian akademik melakukan penjadwalan dan penentuan matakuliah yang akan dibuka untuk semester berikutnya. Akan tetapi proses tersebut memiliki permasalahan antara lain kelas yang dibuka terlalu banyak dibanding jumlah siswa yang berminat atau sebaliknya. Selain itu, dalam permasalahan prediksi data yang terkumpul memiliki kecenderungan tidak seimbang pada setiap kelas (imbalance class). Hal ini akan berdampak pada proses penjadwalan yang kurang tepat. Sehingga dibutuhkan sistem yang dapat memprediksi mahasiswa pengambil mata kuliah. Akan tetapi ada banyak algoritme yang dapat digunakan untuk proses prediksi. Penelitian ini membandingkan performa algoritma untuk klasifikasi mahasiswa pengambil matakuliah. Pada penelitian ini prediksi dilakukan berdasarkan atribut dari data mahasiswa. Atribut-atribut tersebut yaitu Nilai, IP, IPK, SKS, SKSK dan Semester. Pada setiap observasi pada atribut-atribut tersebut prediksi akan dilakukan apakah mahasiswa tersebut mengambil mata kuliah tertentu. Prediksi dibagi menjadi 2 kelas yaitu ‘Ya’ untuk mahasiswa yang diprediksi mengambil matakuliah dan ‘Tidak’ untuk mahasiswa yang diprediksi tidak mengambil matakuliah. Teknik Synthetic Minority Oversampling Technique (SMOTE) digunakan untuk menangani data yang tidak seimbang. Pada penelitian ini klasifikasi dilakukan dengan membandingkan algoritme k-Nearest Neighbor (k-NN) dan Support Vector Machine (SVM) untuk kasus prediksi pengambil matakuliah. Hasil pengujian menggunakan 3 mata kuliah sebagai sampel. Dari hasil rerata, diperoleh hasil prediksi k-NN memiliki kinerja yang lebih baik daripada SVM. Selain itu, penggunaan teknik SMOTE dapat mempengaruhi hasil klasifikasi berupa peningkatan nilai AUC, CA, F1, precision dan recall.AbstractAt the beginning of each semester, the academic section conducts scheduling and determining the courses offered for the next semester. However, the process has problems such as too many classes offered to the student compared to the number of students who take the class or vice versa. Besides that, in the prediction problems, the collected data has an imbalance tendency in each class. As a result, these problems could cause in ineffective scheduling. Thus, there is a need to build a system that can predict students taking courses. However, there are many algorithms that can be used for the prediction. This study compares the performance of algorithms for classifications of students taking courses. In this study, predictions are modeled based on the attributes of student data, namely Grades, GPA, Cumulative GPA, Semester Credits, Cumulative Semester Credits and Semester. The classification process will be carried out to produce a prediction of whether the student takes a particular subject or not. Classification results are divided into 2 classes, namely 'Yes' for students who are predicted to take and 'No' for students who are predicted not to take the class. To handle imbalance dataset will use Synthetic Minority Oversampling Technique (SMOTE) techniques. Classification method used in this study are k-Nearest Neighbor (k-NN) and Support Vector Machine (SVM) algorithms to compare their performance for prediction cases. The test results used 3 courses as a sample. In average k-NN prediction results have a better performance than SVM. In addition, the use of SMOTE techniques can influence the classification results in the form of an increase in AUC, CA, F1, precision and recall values.

Analisis Performa Pre-Trained Model Convolutional Neural Network dalam Mendeteksi Penyakit Tuberkulosis Ovy Rochmawanti; Fitri Utaminingrum; Fitra A. Bachtiar
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 8 No 4: Agustus 2021
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2021844441

Tuberkulosis (TB) merupakan salah satu penyakit berbahaya yang dapat menular lewat udara dan sering menyebabkan kematian apabila tidak cepat ditangani. Penyakit TB bisa disembuhkan dengan deteksi dini sehingga penderita dapat segera mendapatkan pengobatan yang tepat. Metode Convolutional Neural Network (CNN) digunakan untuk mendeteksi penyakit TB melalui foto rontgen dada. Penelitian ini bertujuan untuk menentukan model CNN yang mampu menghasilkan performa paling baik dalam mendeteksi penyakit TB. Pengujian dilakukan dengan menggunakan lima pre-trained model yang telah disediakan oleh Keras yaitu ResNet50, DenseNet121, MobileNet, Xception, InceptionV3, dan InceptionResNetV2. Perbedaan ukuran gambar yag digunakan pada saat pelatihan dan pengujian juga akan dianalisis pengaruhnya terhadap nilai akurasi yang dihasilkan dan waktu komputasinya. Hasil pengujian menunjukkan bahwa model DenseNet121 mampu menghasilkan nilai akurasi tertinggi dalam mendeteksi penyakit TB, yaitu 91,57%. Sedangkan model MobileNet merupakan model dengan waktu komputasi tercepat untuk semua ukuran gambar yang diuji. Semakin besar ukuran citra maka semakin tinggi nilai akurasinya, namun di sisi lain waktu komputasi juga akan semakin lama. Abstract Tuberculosis (TB) is one of the dangerous disease that can be transmitted through the air and often causes death if not treated quickly. This illness can be cured with early detection, so that sufferers can immediately get the right treatment. The Convolutional Neural Network (CNN) method is used to detect TB disease through chest X-rays. This study aims to determine which CNN model is able to produce the best performance in detecting TB disease. Testing was carried out using five pre-trained models provided by Keras namely ResNet50, DenseNet121, MobileNet, Xception, InceptionV3, and InceptionResNetV2. The difference in image size used during training and testing will also be analyzed for its effect on the resulting accuracy value and its computation time. The test results showed that the DenseNet121 model was able to produce the highest accuracy value in detecting TB disease, namely 91.57%. Meanwhile, the MobileNet model is the model with the fastest computation time for all image sizes tested. The bigger the image size, the higher the accuracy value, but on the other hand the computation time will also be longer.

Komparasi Metode Klasifikasi untuk Deteksi Ekspresi Wajah Dengan Fitur Facial Landmark Fitra A. Bachtiar; Muhammad Wafi
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 8 No 5: Oktober 2021
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2021834434

Human machine interaction, khususnya pada facial behavior mulai banyak diperhatikan untuk dapat digunakan sebagai salah satu cara untuk personalisasi pengguna. Kombinasi ekstraksi fitur dengan metode klasifikasi dapat digunakan agar sebuah mesin dapat mengenali ekspresi wajah. Akan tetapi belum diketahui basis metode klasifikasi apa yang tepat untuk digunakan. Penelitian ini membandingkan tiga metode klasifikasi untuk melakukan klasifikasi ekspresi wajah. Dataset ekspresi wajah yang digunakan pada penelitian ini adalah JAFFE dataset dengan total 213 citra wajah yang menunjukkan 7 (tujuh) ekspresi wajah. Ekspresi wajah pada dataset tersebut yaitu anger, disgust, fear, happy, neutral, sadness, dan surprised. Facial Landmark digunakan sebagai ekstraksi fitur wajah. Model klasifikasi yang digunakan pada penelitian ini adalah ELM, SVM, dan k-NN. Masing masing model klasifikasi akan dicari nilai parameter terbaik dengan menggunakan 80% dari total data. 5- fold cross-validation digunakan untuk mencari parameter terbaik. Pengujian model dilakukan dengan 20% data dengan metode evaluasi akurasi, F1 Score, dan waktu komputasi. Nilai parameter terbaik pada ELM adalah menggunakan 40 hidden neuron, SVM dengan nilai = 105 dan 200 iterasi, sedangkan untuk k-NN menggunakan 3 k tetangga. Hasil uji menggunakan parameter tersebut menunjukkan ELM merupakan algoritme terbaik diantara ketiga model klasifikasi tersebut. Akurasi dan F1 Score untuk klasifikasi ekspresi wajah untuk ELM mendapatkan nilai akurasi sebesar 0.76 dan F1 Score 0.76, sedangkan untuk waktu komputasi membutuhkan waktu 6.97´10-3 detik. AbstractHuman-machine interaction, especially facial behavior is considered to be use in user personalization. Feature extraction and classification model combinations can be used for a machine to understand the human facial expression. However, which classification base method should be used is not yet known. This study compares three classification methods for facial expression recognition. JAFFE dataset is used in this study with a total of 213 facial images which shows seven facial expressions. The seven facial expressions are anger, disgust, fear, happy, neutral, sadness, dan surprised. Facial Landmark is used as a facial component features. The classification model used in this study is ELM, SVM, and k-NN. The hyperparameter of each model is searched using 80% of the total data. 5-fold cross-validation is used to find the hyperparameter. The testing is done using 20% of the data and evaluated using accuracy, F1 Score, and computation time. The hyperparameter for ELM is 40 hidden neurons, SVM with = 105 and 200 iteration, while k-NN used 3 k neighbors. The experiment results show that ELM outperforms other classification methods. The accuracy and F1 Score achieved by ELM is 0.76 and 0.76, respectively. Meanwhile, time computation takes 6.97 10-3 seconds.

Penilaian Penerimaan Teknologi E-Learning Pemrograman berbasis Gamification dengan Metode Technology Acceptance Model (TAM) Fajar Pradana; Fitra Abdurrachman Bachtiar; Bayu Priyambadha
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 6 No 2: April 2019
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

E-learning telah berkembang tidak hanya sekedar berbagi materi pembelajaran melalui internet, namun telah berevolusi menjadi tempat untuk kolaborasi, sosialisasi, project based learning, reflective practise, dan pembelajaran dengan simulasi. Untuk mewujudkan hal tersebut telah dikembangkan sebuah sistem e-learning gamification khusus bidang pemrograman. Penelitian ini menerapkan Technology Acceptance Model (TAM) untuk memeriksa faktor-faktor apa saja yang berpengaruh terhadap penerimaan sebuah teknologi baru yang diperkenalkan atau digunakan. Faktor-faktor yang digunakan dalam penelitian ini adalah Perceived Usefullness (PU), Perceived Ease of Use (PEU), Perceived Social Influence (PSI), Perceived Enjoyment (PE), Intention of Engagement (IoE), dan Elearning Gamification Attitude (EGA). Model TAM didasarkan beberapa hipotesis dan faktor yang berpengaruh. Hasil menunjukan bahwa TAM dapat digunakan untuk memeriksa penerimaan teknologi e-learning gamification bidang pemrograman. Perceived Social Influence (PSI) dan Perceived Enjoyment (PE) berkontribusi terhadap Intention of Engagement (IOE). Selain itu Perceived Usefullnes (PU), Perceived Social Influence (PSI), Perceived Enjoyment (PE), dan Intention of Engagement (IOE) berkontribusi terhadap Elearning Gamification Attitude (EGA).Abstract E-learning has evolved not only to share learning materials over the internet, but has evolved into a place for collaboration, socialization, project based learning, reflective practice, and simulated learning. To realize this has been developed a special e-learning gamification system in the field of programming. This study applies Technology Acceptance Model (TAM) to examine what factors influence the acceptance of a new technology introduced or used. The factors used in this study are Perceived Usefullness (PU), Perceived Ease of Use (PEU), Perceived Social Influence (PSI), Perceived Enjoyment (PE), Intention of Engagement (IoE), and Elearning Gamification Attitude (EGA) . The TAM model is based on several hypotheses and influencing factors. The results show that TAM can be used to check the acceptance of e-learning gamification technology in the field of programming. Perceived Social Influence (PSI) and Perceived Enjoyment (PE) contribute to the Intention of Engagement (IOE). In addition Perceived Usefullnes (PU), Perceived Social Influence (PSI), Perceived Enjoyment (PE), and Intention of Engagement (IOE) contribute to Elearning Gamification Attitude (EGA).

Desain Media Pembelajaran dengan Model Problem-based Learning dan Gamitifikasi untuk Materi Bangun Ruang Tingkat SMK Berbasis Virtual Rality Admi Rut Sinana; Herman Tolle; Fitra Abdurrachman Bachtiar
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 9 No 2: April 2022
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2022925627

Materi pembelajaran Bangun Ruang Matematika adalah salah satu materi dan pelajaran yang masuk ke dalam ujian Asesmen Kompetensi Minimum (AKM) pengganti Ujian Nasional (UN) pada Sekolah Menengah Kejuruan (SMK). Namun, Pelajaran Matematika menjadi salah satu pelajaran yang menjadi momok bagi kebanyakan siswa. Sehingga menjadikan siswa tertarik untuk mempelajari hal ini adalah suatu tantangan. Penelitian ini bertujuan untuk menggambarkan, menjelaskan dan menganalisis proses desain media pembelajaran dengan menggunakan pendekatan Human-Centered Design (HCD) yang digunakan dalam membangun aplikasi VR dengan menggunakan model PBL dan gamifikasi pada suatu Media Pembelajaran khususnya Bangun Ruang Matematika.Dalam penelitian ini terdapat salah satu model yang dapat diterapkan yaitu Problem-Based Learning. Problem-Based Learning merupakan model pembelajaran penyelesaian masalah, pembelajaran ini menjadikan masalah (problem) sebagai isu utamanya. Selain itu dalam penelitian ini juga digunakan model Gamifikasi (Gamification) yang merupakan pemanfaatan elemen-elemen di dalam game atau video game dengan tujuan menggugah, memotivasi para siswa dalam proses pembelajaran sehingga membantu membangun keterikatan (engagement) terhadap proses pembelajaran. Luaran yang dihasilkan dari penelitian ini adalah berupa desain model Problem Based Learning dan Gamifikasi dalam media pembelajaran materi Bangun Ruang tingkat SMK berbasis Virtual Reality yang bertujuan memotivasi siswa dalam pembelajaran sehingga membantu proses belajar mengajar Bangun Ruang. Dengan hasil uji rancangan media pembelajaran yang divalidasi oleh ahli materi memiliki persentase kelayakan 98% dan ahli media dengan persentase 89% dapat dikategorikan sangat layak untuk setuju bahwa rancangan ini dapat digunakan untuk pengembangan dan implementasi selanjutnya. AbstractGeometry Subjects is one of the materials and subjects that are included in the Asesmen Kompetensi Minimum (AKM) which replaces the Ujian Nasional (UN) at Vocational High Schools (SMK). However, Mathematics is one of the subjects that is a scourge for most students. So making students interested in learning this is a challenge. This study aims to describe, explain and analyze the design process of learning media using the Human-Centered Design (HCD) approach which is used in building VR applications using PBL and gamification models on a Learning Media, especially Geometry Subjects.In this study, there is one model that can be applied, namely Problem-Based Learning. Problem-Based Learning is a problem solving learning model, this learning makes the problem the main issue. In addition, this study also uses a gamification model which is the use of elements in games or video games with the aim of inspiring and motivating students in the learning process so as to help build engagement with the learning process. The output produced from this research is design of educational media using the Problem-Based Learning and Gamification for geometry subjects on Vocational High School - based Virtual Reality which aims to motivate students in learning so as to help the learning process of geometry subjects. With the results of the learning media design test which was validated by material experts, it had a feasibility percentage of 98% and media experts with a percentage of 89% could be categorized as very feasible to agree that this design could be used for further development and implementation.

Implementasi Metode Naive Bayes untuk Mendeteksi Stres Siswa Berdasarkan Tweet pada Sistem Monitoring Stres Diva Fardiana Risa; Fajar Pradana; Fitra Abdurrachman Bachtiar
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 8 No 6: Desember 2021
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2021864372

Gangguan mental saat ini masih menjadi permasalahan bagi bidang kesehatan di seluruh dunia. Salah satu jenis dari gangguan mental yang dapat diprediksi saat ini adalah stres. Stres memiliki dampak yang sangat besar bagi Kesehatan penderitanya, namun masih banyak masyarakat yang terlalu meremehkan perihal keberadaan penyakit stres ini. Hal ini salah satunya disebabkan oleh media yang dapat digunakan untuk melakukan pengecekan tingkat stres masih sangat sedikit. Sejauh ini, pengecekan kondisi kesehatan mental khususnya stres dapat dilakukan melalui konsultasi ke psikolog terdekat. Namun, tidak banyak masyarakat yang mengetahui hal itu. Ketika seseorang mengalami gangguan kecemasan khususnya stres, maka ia akan cenderung melakukan tindakan yang dapat mengekspresikan kecemasannya di media sosial. Kegiatan ini dinamakan Self Disclosure. Hal ini dianggap dapat mengurangi beban penderita gangguan mental tersebut. Mengenai hal itu, saat ini penggunaan media sosial menjadi hal yang sangat lumrah dimasyarakat khususnya remaja. Salah satu jenis sosial media yang banyak digunakan oleh masyarakat adalah Twitter. Salah satu keunggulan Twitter adalah dikarenakan twitter lebih mudah digunakan dan memiliki tampilan yang sederhana. Selain itu, penulisan tweet pada akun twitter memiliki pembatasan jumlah karakter sehingga tweet yang ditulis pengguna lebih jelas dan ringkas. Oleh karena itu,pada penelitian ini akan dibangun fitur untuk mendeteksi tingkat stres melalui tweet pada akun twitter dengan menggunakan metode Naïve Bayes yang mana akan dapat mengklasifikasikan tingkat stres siswa berdasarkan tweet siswa kedalam tiga kelas yaitu kelas stres ringan, stres sedang dan stres berat. Fitur ini nantinya akan diimplementasikan pada sistem monitoring stres siswa berbasis website sebagai bahan pertimbangan bagi siswa dan guru bimbingan konseling dalam proses konseling siswa. Berdasarkan pengujian akurasi yang dilakukan dengan 90 data latih dan 4 data uji, maka didapatkan tingkat akurasi fitur ini mencapai angka 75%. AbstractMental disorders are currently still a problem for the health sector around the world. Stress is one type of mental disorder that can be predicted today. Stress has a huge impact on the health of sufferers, but there are still many people who underestimate the existence of the stress disease. This is partly due to the very few media that can be used to check stress levels. So far, checking mental health conditions, especially stress can be done through consultation with the nearest psychologist. However, not many people know about it. When a person experiences anxiety disorders, especially stress, he will tend to take actions that can express his anxiety on social media. This activity is called Self Disclosure. This is considered to reduce the burden on those with mental disorders. Regarding this, currently the use of social media is very common in society, especially teenagers. One type of social media that is widely used by the public is Twitter. One of the advantages of Twitter is that it is easier to use and has a simple interface. In addition, writing tweets on a Twitter account has a limit on the number of characters so that the tweet that the user writes is clearer and more concise. Therefore, this research will build a feature to detect stress levels via tweet on a twitter account using the Naïve Bayes method which will be able to classify students' stress levels based on student tweets into three classes, namely light stress, moderate stress and severe stress classes. This feature will later be implemented in a website-based student stress monitoring system as a consideration for students and counseling teachers in the student counseling process. Based on accuracy testing carried out with 90 training data and 4 test data, the accuracy rate of this feature is 75%.

Perancangan dan Implementasi Fuzzy Inference System (FIS) Metode Tsukamoto pada Penentuan Penghuni Asrama Aulia Akhrian Syahidi; Fajerin Biabdillah; Fitra Abdurrachman Bachtiar
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 6 No 1: Februari 2019
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Asrama mahasiswa dibangun sebagai tempat tinggal bagi sekelompok orang yang sedang manjalankan suatu tugas atau kegiatan yang sama. Untuk menentukan mahasiswa yang berhak menjadi penghuni asrama, maka dalam penelitian ini memberikan rekomendasi untuk menggunakan Metode Fuzzy Tsukamoto. Metode Fuzzy Tsukamoto dipilih karena ada beberapa kelebihan yang menonjol yaitu dapat mendefinisikan nilai yang kabur dari inputan penilaian, dapat membangun, dan mengaplikasikan pengalaman-pengalaman para pakar secara langsung tanpa harus melalui proses pelatihan. Hasil analisis menyimpulkan bahwa: (1) Cara kerja Metode Fuzzy Tsukamoto memiliki tiga bagian yaitu: fuzzifikasi, inferensi fuzzy, dan defuzzifikasi, (2) Implementasi Metode Fuzzy Tsukamoto dapat menghitung penentuan penerimaan penghuni asrama mahasiswa pada studi kasus asrama mahasiswa putera “Negara Dipa Amuntai Malang”, berdasarkan 19 data dengan membandingkan antara hasil penilaian pakar, hasil perhitungan Fuzzy Tsukamoto secara manual, dan hasil perhitungan Fuzzy Tsukamoto secara otomatis menggunakan sistem yang terprogram, telah diuji mempunyai tingkat akurasi keberhasilan sebesar 63.15% dengan predikat cukup. AbstractStudent dormitory is built as a residence for a group of people who are carrying out a task or the same activity. To determine the students who have the right to become boarders, in this study provide recommendations for using the Fuzzy Tsukamoto Method. Fuzzy Tsukamoto method was chosen because there are several prominent advantages that can define the value that is blurred from the assessment input, can build, and apply the experiences of experts directly without having to go through the training process. The results of the analysis concluded that: (1) The workings of the Fuzzy Tsukamoto Method have three parts: fuzzification, fuzzy inference, and defuzzification. (2) The implementation of the Fuzzy Tsukamoto method can calculate the determination of the admission of students in the student dormitory case study of male student dormitory “Negara Dipa Amuntai Malang,” based on 19 data by comparing the results of the expert assessment, the results of Fuzzy Tsukamoto calculation manually, and the results of Fuzzy Tsukamoto calculations automatically using a programmed system, has been tested to have a success accuracy level of 63.15% with sufficient predicate.

Perbandingan Performa Metode Klasifikasi SVM, Neural Network, dan Naive Bayes untuk Mendeteksi Kualitas Pengajuan Kredit di Koperasi Simpan Pinjam Iqbal Taufiq Ahmad Nur; Nanang Yudi Setiawan; Fitra Abdurrachman Bachtiar
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 6 No 4: Agustus 2019
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Mendeteksi kualitas kredit sejak dini merupakan satu tahapan penting yang wajib dilakukan oleh koperasi simpan pinjam guna meminimalisir adanya risiko kredit. Dalam penelitian ini, kami menggunakan tiga metode klasifikasi yaitu SVM, Neural Network, dan Naïve Bayes untuk menemukan metode dengan performa yang paling baik dan optimal pada kasus pendeteksian kualitas kredit di koperasi simpan pinjam. Proses yang dilakukan adalah dengan mengimplementasikan data hasil pre processing menggunakan algoritme SVM, Neural Network, dan Naïve Bayes dengan proses evaluasi menggunakan 5-fold cross validation. Hasil yang didapatkan adalah metode Neural Network menjadi metode dengan performa paling baik. Rerata tingkat akurasi yang dihasilkan sebesar 86,81%, rerata precision sebesar 0,8194, rerata recall sebesar 0,8236, dan rerata nilai AUC sebesar 0,9158. Namun, waktu eksekusi yang dihasilkan algoritme Neural Network menjadikan algoritme ini sebagai algoritme paling lambat dibandingkan dengan dua metode lain. Nilai rerata waktu eksekusi dari metode Neural Network sebesar 3,058 detik, jauh lebih lama dibandingkan dua algoritme lain yang hanya berkisar pada nilai 0 – 1 detik. AbstractDetecting credit quality at the early stage is an important step that must be done by koperasi simpan pinjam in order to minimize the credit risk. In this research, we use three classification methods i.e. SVM, Neural Network, and Naïve Bayes to find the best performance and optimal method to be used in credit quality detection for koperasi simpan pinjam. The process conducted by implementing pre-processing data using an SVM, Neural Network, and Naïve Bayes algorithm with the evaluation process using 5-fold cross validation. As the result, The Neural Network method was the best performing method. The average level of accuracy produced was 86.81%, mean precision was 0.8194, average recall was 0.8236, and the average AUC value was 0.9158. However, the execution time generated by the Neural Network algorithm made this algorithm the slowest algorithm compared to the other two methods. The average execution time of the Neural Network method was 3.058 seconds, longer than the other two algorithms which only range from 0 - 1 second.

Analisis Kinerja Algoritme TCP Congestion Control Berdasarkan Single dan Multiple Flow pada Multi-Path Routing Bayu Sutawijaya; Achmad Basuki; Fitra Abdurrachman Bachtiar
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 7 No 5: Oktober 2020
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2020752402

Teknik multi-path routing merupakan solusi efektif untuk menambah kapasitas bandwidth jaringan. Namun, TCP menggunakan multiple paths sama dengan di single path. Penelitian ini melakukan analisis kinerja algoritme TCP congestion control Reno, BIC, CUBIC, dan BBR pada multi-path routing dengan setiap multiple paths menggunakan cost yang sama. Analisis yang dilakukan meliputi perbandingan antara single path routing dengan multi-path routing, single flow, dan multiple flow. Analisis single flow meliputi link delay dan loss rate. Sedangkan analisis multiple flow meliputi inter TCP protocol fairness dan fairness antara TCP dengan UDP. Semua evaluasi dilakukan berdasarkan emulasi pada VirtualBox. Berdasarkan hasil emulasi, multi-path routing dapat berdampak pada packet reordering, tetapi tidak mengakibatkan penurunan rata-rata throughput yang signifikan. Pada single flow, BBR merupakan algoritme TCP congestion control terbaik pada multi-path routing. Namun, pada multiple flow, CUBIC merupakan algoritme TCP congestion control terbaik pada multi-path routing. Pada evaluasi link delay, rata-rata RTT BBR lebih rendah hingga 58 ms dibandingkan dengan Reno, BIC, dan CUBIC. Sedangkan pada evaluasi loss rate, rata-rata throughput BBR lebih tinggi hingga 12 Mbps dibandingkan dengan Reno, BIC, dan CUBIC. Pada evaluasi inter TCP protocol fairness dan fairness antara TCP dengan UDP, fairness CUBIC paling mendekati 1 dibandingkan dengan Reno, BIC, dan BBR. AbstractThe multi-path routing technique is an effective solution to increase network bandwidth capacity. However, TCP uses multiple paths similar to a single path. This study analyzes the performance of TCP congestion control algorithms Reno, BIC, CUBIC, and BBR on multi-path routing with each multiple paths using the same cost. The analysis includes a comparison between single path routing and multi-path routing, single flow, and multiple flows. In a single flow, the analysis includes link delay and loss rate. Whereas in multiple flows, the analysis includes inter TCP protocol fairness and fairness between TCP and UDP. All evaluations are based on emulation in VirtualBox. Based on the results from emulation, multi-path routing can have an impact on packet reordering but does not result in a significant degrade in average throughput. In a single flow, BBR is the best TCP congestion control algorithm on multi-path routing. However, in multiple flows, CUBIC is the best TCP congestion control algorithm on multi-path routing. In the link delay evaluations, the average RTT on BBR up to 58 ms lower than Reno, BIC, and CUBIC. Whereas in the loss rate evaluations, the average throughput on BBR up to 12 Mbps higher than Reno, BIC, and CUBIC. In the evaluation of inter TCP protocol fairness and fairness between TCP and UDP, fairness on CUBIC is closest to 1 than Reno, BIC, and BBR.

Pengaruh Word Affect Intensities Terhadap Deteksi Ulasan Palsu Raga Saputra Heri Istanto; Fitra Abdurrachman Bachtiar; Achmad Ridok
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 9 No 2: April 2022
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2022925652

Transaksi jual beli elektronik melalui internet terus berkembang dan menjadi populer, begitu pula dengan jumlah ulasan dari pelanggan yang meningkat pesat. Dengan banyaknya pemberi ulasan, terdapat kemungkinan seseorang menulis ulasan palsu yang disebut fake review untuk mempromosikan produk atau menjatuhkan produk kompetitor. Sangat penting untuk dapat mendeteksi ulasan palsu sehingga ulasan yang digunakan pelanggan sebagai pertimbangan untuk memilih produk atau jasa merupakan ulasan yang andal. Studi sebelumnya hanya menggunakan fitur sentimen yang terbatas pada objektivitas dan polaritas untuk melakukan deteksi ulasan palsu. Sedangkan studi yang lebih baru menunjukan adanya leksikon kosa kata berbasis emosi yang diberi nama word affect intensities yang terbukti mampu mengukur sentimen dengan lebih baik pada kalimat. Penelitian ini bermaksud untuk mengetahui apakah word affect intensities dapat menjadi faktor yang mempengaruhi hasil deteksi ulasan palsu. Penelitian dilakukan dengan memunculkan dua fitur baru berlandaskan word affect intensities berupa fitur kelompok emosi positif dan fitur kelompok emosi negatif. Fitur tersebut kemudian dikombinasikan dengan fitur pada penelitian sebelumnya dan dievaluasi menggunakan beberapa algoritme klasifikasi. Hasil penelitian menunjukan word affect intensities dapat menjadi faktor yang mempengaruh peningkatan akurasi deteksi ulasan palsu sebesar 2.1%. Abstract Electronic buying and selling transactions over the internet continue to grow and become popular, as well as the number of reviews from customers that is increasing rapidly. With so many reviewers, it is possible that someone wrote a fake review to promote a product or demote a competitor’s product. It is very important to be able to detect fake review so that the reviews customers use as a consideration for choosing a product or service are reliable reviews. Previous studies only used sentiment features that were limited to objectivity and polarity to detect fake review. Meanwhile, a more recent study shows that there is an emotion-based vocabulary lexicon called word affect intensities which are proven to be able to better measure sentiment in sentences. This study intends to determine whether word affect intensities can be a factor that affects the results of fake review detection. The research was conducted by bringing up two new features based on the word affect intensities in the form of positive emotion group features and negative emotion group features. These features are then combined with features in previous studies and evaluated using several classification algorithms. The results showed that word affect intensities can be a factor that affects the increased accuracy of fake review detection by 2.1%.

Co-Authors AA Sudharmawan, AA Abidatul Izzah Abu Wildan Mucholladin Achmad Arwan Achmad Basuki Achmad Fahlevi Achmad Firmansyah Sulaeman Achmad Hanim Nur Wahid Achmad Ridok Adam Hendra Brata Adam Syarif Hidayatullah Adam Syarif Hidayatullah Adinugroho, Sigit Aditya Rachmadi Aditya Rachmadi, Aditya Admaja Dwi Herlambang, Admaja Dwi Admi Rut Sinana Afida, Latansa Nurry Izza Afifurrijal Afifurrijal Agus Wahyu Widodo Ahmad Afif Supianto Ahmad Afif Supianto Ahmad Afif Supianto Ahmad Afif Supianto Ahmad Fairuzabadi Ahmad Foresta Azhar Zen Aisyah Awalina Aisyah Awalina Aisyatul Maulidah Aisyatul Maulidah Akhmad Lazuardi Alaikal Fajri Nur Alfian Aldi Fianda Putra Alfi Nur Rusydi Alfin Taufiqurrahman Alfirsa Damasyifa Fauzulhaq Alhasyimi, Dana Mustofa Alifi Lazuardi Gunawan Amalia Kusuma Akaresti Andi Alifsyah Dyasham Anggit Chalilur Rahman Anita Rizky Agustina Anita Rizky Agustina Anjasari, Ni Luh Made Beathris Anjumi Kholifatu Rahmatika Annuranda, Ramansyah Eka Apriyanti -, Apriyanti Ardi Wicaksono ari kusyanti Arieftia Wicaksono Aulia Akhrian Syahidi Aulia Dewi Savitri Aulia Nurrahma Rosanti Paidja Aulia Septi Pertiwi Azhar Izzannada Elbachtiar Azzam Syawqi Aziz Baharudin Yusuf Widiyanto Barlian Henryranu Prasetio Bayu Aji Firmansyah Bayu Sutawijaya Benni A. Nugroho Bere, Stevania Biabdillah, Fajerin Bianca Pingkan Nevista Bintang Fajrianti Brahma Hanif Farhansyah Budi Darma Setiawan Budi Setiawan Cahya, Reiza Adi Cinthia Vairra Hudiyanti Dariswan Janweri Perangin-Angin Dary Ardiansyah Haryono Dea Zakia Nathania Dedi Romario Delpiero, Rangga Raditya Desy Setya Rositasari Dika Imantika Dimas Angga Nazaruddin Dinda Adimanggala Dito William Hamonangan Gultom Diva Fardiana Risa Diva Fardiana Risa Djoko Pramono Dona Adittia Dyah Ayu Wulandari Dyah Ayu Wulandari Dzar Romaita Eka Devi Prasetiya Eka Yuni Darmayanti Eko Laksono Eko Setiawan Elok Nuraida Kusuma Dewi Fabiansyah Cahyo Kuncoro Pradipta Faizatul Amalia Fajar Pradana Fajar Pradana Fajerin Biabdillah Faranisa, Puspa Ayu Fardan Ainul Yaqiin Farhan Setya Dhitama Farid Syauqi Nirwan Fasya Ghassani Hadiyan Fatwa Ramdani, Fatwa Ferdian Maulana Akbar Ferry Ardianto Rismawan Ficry Agam Fathurrachman Fikar Mukamal Gandhi Ramadhona Giga Setiawan Gregorius Dhanasatya Pudyakinarya Gultom, Dito William Hamonangan Gunawan, Alifi Habib Bahari Khoirullah Haikal, Raihan Hanif Prasetyo Maulidina Hanifah Khoirunnisak Hanifah Muslimah Az-Zahra Hanifah Muslimah Az-Zahra, Hanifah Muslimah Haryowinoto Rizqul Aktsar Hasyir Daffa Ibrahim Hayashi, Yusuke Herman Tolle Heryana, Ana Hirashima, Tsukasa Holiyanda Husada Hutamaputra, William Ihza Razan Alghifari Ikhsan Putra Arisandi Ikrom Septian Hadi Ilham Pambudi Imam Cholissodin Imam Cholissodin Imam Cholissodin Indra K. Syahputra Indra Kurniawan Syahputra Indriati Indriati Indriati Indriati Intan Yusuf Habibie Iqbal Taufiq Ahmad Nur Irfani, Ilham Irma Nurvianti Irwan Suprianto Issa Arwani Ivqonnada Al Mufarrih Joseph Ananda Sugihdharma Joseph Ananda Sugihdharma Julia Ferlin Kartiko, Erik Yohan Katrina Puspita Kevin Gusti Farras Fari' Utomo Kharis Alfian Kharis Alfian Kresna Hafizh Muhaimin Krisnabayu, Rifky Yunus Krisnandi, Dikdik Kuncahyo Setyo Nugroho Kurnia Fakhrul Izza Kusumo, R. Budiarianto Suryo Lailil Muflikhah Ludgerus Darell Perwara Luthfi Afrizal Ardhani M Reza Syahputra A M. Ali Fauzi M. Khusnul Azhari M. Raabith Rifqi M. Sofyan Irwanto Mar'i, Farhanna Marvel Timothy Raphael Manullang Mawarni, Marrisaeka Michael Stephen Lui Moch Irfan Prayudha Adhianto Mochamad Chandra Saputra Mochamad Havid Albar Purnomo Mochammad Dearifaldi Al Ikhsan Mochammad Dearifaldi Al Ikhsan Moh Iqbal Yusron Mufidatun Nuha Muh. Edo Aprillia Andilala Muhammad Ferdyandi Muhammad Ifa Amrillah Muhammad Tanzil Furqon Muhammad Taufik Dharmawan Muhammad Wafi Muhammad Wafi Muhammad Zulfikarrahman Nabila Leksana Putri Nabila Lubna Irbakanisa Nadifa, Rahajeng Mufti Nainggolan, Cesilia Natasya Nanang Yudi Setiawan Nanang Yudi Setiawan Nanang Yudi Setyawan Nanda Ajeng Kartini Nanda Samsu Dhuha Nasita Ratih Damayanti Naufal Fathirachman Mahing Nourman Hajar Novanto Yudistira Novi Sunu Sri Giriwati Novianti, Siska Nur Wahyu Melliano Hariyanto Nurafifah Alya Farahisya Nurul Hidayat Oddy Aulia Rahman Nugroho Okta Dwi Ariska Ovy Rochmawanti Pamungkas, Gilang Alif Pradana , Fajar Priyambadha, Bayu Pryono, Muhammad Adam Puras Handharmahua Putra Pandu Adikara Rafif Taqiuddin Rafif Taqiuddin Rafly, Andi Raga Saputra Heri Istanto Rahman, Rafli Rahmat Adi Setiawan Ramadhan, Muhammad Fitrah Randy Cahya Wihandika Randy Cahya Wihandika Ratih Kartika Dewi Refi Fadholi Rekyan Regasari Mardi Putri, Rekyan Regasari Mardi Renavitasari, Ivenulut Rizki Diaz Retno Indah Rokhmawati Retno Indah Rokhmawati, Retno Indah Revanza, Muhammad Nugraha Delta Reza Syahputra Rezka Aditya Nugraha Hasan Rezky Dermawan Rhobith, Muhammad Rian Nugroho Ridwan Adi Setiabudi Riski Darmawan Riza Setiawan Soetedjo Rizal Setya Perdana Rizkey Wijayanto Rizkia Desi Yudiari Rizky Adinda Azizah Rizky Muhammad Faris Prakoso Robi Dwi Setiawan Rona Salsabila Said Atharillah Alifka Alhabsyi Samuel Arthur Satrio A. Wicaksono Satrio Agung Wicaksono Satrio Agung Wicaksono Satrio Hadi Wijoyo Satrio Hadi Wijoyo Satyawan Agung Nugroho Satyawan Agung Nugroho Shinta Aprilisia Sifaunnufus Ms, Fi Imanur Sintiya, Karena Siswahyudi, Puad Siti Mutdilah Sofyanda, Erika Yussi Sri Wulan Utami Vitandy Sueddi Sihotang Sugihdharma, Joseph Ananda Sulandri Sulandri Sza Sza Amulya Larasati Taufik Hidayat Timothy Julian Titus Christian Ubaydillah, Achmad Afif Utaminingrum, Fitri Vasha Farisi Sarwan Halim Very Sugiarto, Very Vivy Junita Wahyu Ardiansyah, Mohammad Wahyu Satriyo Wibowo Wahyudi, Hafif Bustani Wayan F. Mahmudy Wayan Firdaus Mahmudy Welly Purnomo Whita Parasati Wicky Prabowo Juliastoro Windy Adira Istiqhfarani Wiratama Ahsani Taqwim Wirdhayanti Paulina Yoga Tika Pratama Yudi Muliawan Yuita Arum Sari Zainal Arifien Zayn, Afta Ramadhan

Title

Found 222 Documents
Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 222 Documents Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 222 Documents
Search