Articles
<![CDATA[Analisis Waktu Eksekusi Algoritma Perkalian Karatsuba Dan Nikhilam ]]>
<![CDATA[Felix Felix]]>
<![CDATA[ Jurnal SIFO Mikroskil Vol 17, No 2 (2016): JSM Volume 17 Nomor 2 Tahun 2016 ]]>
Publisher : <![CDATA[Lembaga Penelitian & Pengabdian pada Masyarakat (LPPM) Mikroskil ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (449.022 KB)
|
DOI: 10.55601/jsm.v17i2.316
<![CDATA[Sebagian perkalian dalam Ilmu Komputer melibatkan bilangan dengan jumlah digit yang banyak. Beberapa cabang ilmu yang banyak melibatkan perkalian bilangan dengan jumlah digit yang banyak adalah Kriptografi dan Kriptanalisis. Untuk melakukan perkalian tersebut, cara biasa yang dipelajari di tingkat SD sudah tidak memadai karena selain waktu komputasinya sangat lama, beberapa kalkulator pun tidak sanggup memberikan nilai yang akurat. Keakurasian tersebut merupakan hal pokok dalam Kriptografi dan Kriptanalisis. Oleh karena itu muncul algoritma perkalian Karatsuba pada tahun 1963 yang memiliki waktu komputasi yang lebih singkat. Algoritma ini selain menerapkan metode Divide and Conquer, juga menerapkan algoritma yang bersifat rekursif. Hal ini memang mampu menurunkan waktu eksekusi secara drastis, namun masih ada potensi untuk menurunkan waktu eksekusinya dengan menggabungkan algoritma Nikhilam ke dalam algoritma Karatsuba. Setelah penulis menggabungkan kedua algoritma tersebut, dihasilkan algoritma gabungan yang hanya membutuhkan kurang dari setengah kali waktu eksekusi algoritma Karatsuba Klasik.]]>
<![CDATA[Implementasi CNN dan SVM untuk Identifikasi Penyakit Tomat via Daun ]]>
<![CDATA[Felix Felix]]>;
<![CDATA[Said Faisal]]>;
<![CDATA[Theresia F M Butarbutar]]>;
<![CDATA[Pahala Sirait]]>
<![CDATA[ Jurnal SIFO Mikroskil Vol 20, No 2 (2019): JSM Volume 20 Nomor 2 Tahun 2019 ]]>
Publisher : <![CDATA[Fakultas Informatika ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (1148.154 KB)
|
DOI: 10.55601/jsm.v20i2.670
<![CDATA[Tanaman tomat sangat rentan terhadap serangan penyakit, penyakit pada tanaman tomat dapat diketahui dari bercak yang terdapat pada daun. Penyakit dapat dikenali secara visual karena memiliki ciri warna dan tekstur yang unik. Tetapi pengenalan secara visual memiliki kekurangan yaitu sulit dalam mengenali kemiripan antara satu jenis penyakit dengan penyakit lain sehingga berdampak pada kurang akuratnya penyakit yang diidentifikasi. Pada penelitian ini, dibangun suatu sistem yang dapat menentukan penyakit serta memberikan informasi berupa solusi penanganan dalam mencegah atau menangani penyakit yang menyerang daun tomat melalui identifikasi citra digital menggunakan supervised classification. Citra yang akan diidentifikasi sebelumnya melewati proses transformasi warna RGB (Red Green Blue) ke HSV (Hue Saturation Value), HSV (Hue Saturation Value) ke Grayscale, dan proses ekstraksi fitur tekstur GLCM (Gray Level Co-occurrence Matrix). Hasil ekstraksi fitur tekstur diklasifikasi dengan SVM (Support Vector Machine) dan CNN (Convolutional Neural Network) untuk menentukan penyakit yang diderita oleh daun tomat. Pengujian dilakukan dengan 200 sampel citra daun tomat, 160 citra sebagai data latih dan 40 citra sebagai data uji. Hasil pengujian menunjukkan metode CNN memiliki persentase rata- rata accuracy 97.5%, precision 95.45%, recall 95% dan error 5%. Sedangkan SVM menghasilkan rata- rata accuracy 95%, precision 90.83%, recall 90% dan error 10%. Dari hasil pengujian dapat dinyatakan bahwa pada penelitian ini CNN adalah classifier yang lebih baik dibandingkan SVM.]]>
<![CDATA[Implementasi Content-based Filtering dan K-Medoids Clustering pada Aplikasi Layanan Penyedia Informasi Hobi ]]>
<![CDATA[Felix Felix]]>;
<![CDATA[Syanti Irviantina]]>;
<![CDATA[Firman -]]>;
<![CDATA[Aldian Syahri]]>
<![CDATA[ Jurnal SIFO Mikroskil Vol 21, No 2 (2020): JSM VOLUME 21 NOMOR 2 TAHUN 2020 ]]>
Publisher : <![CDATA[Lembaga Penelitian & Pengabdian pada Masyarakat (LPPM) Mikroskil ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.55601/jsm.v21i2.671
<![CDATA[Hobi merupakan suatu hal yang merepresentasikan kesukaan individu berdasarkan aktivitas yang sering dilakukannya. Sangat minimnya informasi mengenai hobi seperti event, tempat, komunitas dan berita yang berkaitan dengan hobi pengguna menjadi kendala bagi setiap individu dalam mengembangkan hobi yang dimilikinya. Oleh sebab itu, dalam penelitian ini dibuat sebuah aplikasi yang dapat merekomendasikan informasi sesuai dengan hobi pengguna dengan menggunakan algoritma content-based filtering dan dikelompokkan berdasarkan urutan rating sebagai konten teratas yang direkomendasikan dengan menggunakan algoritma k-medoids clustering. Hasil pengujian sistem perangkat lunak yang sudah dilakukan untuk menguji fungsional sistem yang digambarkan dalam tabel skenario pengujian dengan menggunakan metode blackbox testing. Maka hasil kesimpulan yang bisa di dapat dari hasil pengujian bahwa fungsional sistem pada aplikasi berjalan sesuai dengan yang diharapkan. Pengujian hasil rekomendasi menunjukkan bahwa nilai error yang didapatkan melalui perhitungan keseluruhan rata-rata hasil akhir Mean Absolute Error (MAE) pada implementasi algoritma content-based filtering dan k-medoids clustering dalam sistem rekomendasi relatif rendah dengan hasil akhir yaitu 0.19233894129602 pada rentang 0-1 yang berarti hasil rekomendasi menunjukkan keakuratan yang baik.]]>
<![CDATA[Implementasi Convolutional Neural Network Untuk Identifikasi Jenis Tanaman Melalui Daun ]]>
<![CDATA[Felix Felix]]>;
<![CDATA[Jeffry Wijaya]]>;
<![CDATA[Stephen Putra Sutra]]>;
<![CDATA[Pyter Wahyu Kosasih]]>;
<![CDATA[Pahala Sirait]]>
<![CDATA[ Jurnal SIFO Mikroskil Vol 21, No 1 (2020): JSM VOLUME 21 NOMOR 1 TAHUN 2020 ]]>
Publisher : <![CDATA[Lembaga Penelitian & Pengabdian pada Masyarakat (LPPM) Mikroskil ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (796.393 KB)
|
DOI: 10.55601/jsm.v21i1.672
<![CDATA[Setiap tanaman memiliki daun dengan bentuk dan ukuran yang berbeda. Meskipun demikian, matamanusia memiliki kesulitan untuk mengidentifikasi dengan tepat jenis tanaman hanya berdasarkan daridaunnya saja. Pada penelitian ini digunakan "Supervised Learning” untuk membantu mengenali jenistanaman berdasarkan daunnya. Pertama-tama sejumlah daun akan difoto, lalu foto tersebut akan diresizemenjadi citra baru dengan ukuran tertentu, kemudian dimasukkan ke dalam dataset. Lalu citraakan dikonversi menjadi matriks dimana matriks ini akan dimasukkan ke dalam algoritma CNN(Convolutional Neural Network). Pada algoritma CNN, matriks tersebut akan digunakan untukmengekstraksi fitur yang ada pada citra menggunakan beberapa filter yang sebelumnya telahditentukan menggunakan metode konvolusi. Lalu hasil konvolusi tersebut akan digunakan untukpelatihan menggunakan algoritma feedforward dan backpropagation untuk mendapatkan data weightdan bias yang optimal. Setelah itu dilakukan proses test dimana citra uji akan melalui proses konvolusi.Hasil konvolusi akan diklasifikasi menggunakan algoritma feedforward berdasarkan data weight danbias yang sudah didapatkan dari proses training sebelumnya. Pengujian dilakukan dengan 375 gambardaun: 250 citra sebagai data training (latih), dan 125 citra sebagai data test (uji). Hasil pengujianmenunjukkan algoritma CNN memiliki tingkat akurasi yang baik dalam pengidentifikasian piksel dandapat mengenali setiap jenis daun yang ada. Pengujian ini menghasilkan tingkat akurasi 76%. Darihasil pengujian dapat dinyatakan bahwa pada penelitian ini CNN adalah classifier terbaik.]]>
<![CDATA[Aplikasi Pembelajaran Penyortiran Menggunakan Algoritma Super Sort Berbasis Mobile ]]>
<![CDATA[Jimmy Jimmy]]>;
<![CDATA[Felix Utama]]>;
<![CDATA[Felix Felix]]>;
<![CDATA[Albert Prima Laia]]>
<![CDATA[ Jurnal SIFO Mikroskil Vol 22, No 1 (2021): JSM VOLUME 22 NOMOR 1 TAHUN 2021 ]]>
Publisher : <![CDATA[Fakultas Informatika ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.55601/jsm.v22i1.771
<![CDATA[Aplikasi pembelajaran untuk masalah algoritma pengurutan telah banyak diciptakan untuk menyelesaikan masalah pengenalan algoritma-algoritma tersebut yang terbilang sulit kepada khalayak yang lebih luas. Akan tetapi algoritma penyortiran yang dipakai kebanyakan adalah algoritma yang sering dijumpai. Padahal banyak algoritma pengurutan yang terbilang baru dan lebih efisien untuk dipelajari. Salah satunya adalah algoritma super sort.Tujuan dari penelitian ini adalah untuk membangun aplikasi pembelajaran algoritma super sort berbasis mobile. Algoritma super sort akan diajarkan dalam bentuk materi dan simulasi yang dapat diakses dan digunakan oleh pengguna. Simulasi pengajaran algoritma yang dibuat akan menyangkut semua proses yang terjadi pada algoritma super sort.Pengujian terhadap aplikasi akan menggunakan black box testing. Metode black box testing yang digunakan berupa equivalence partioning, boundary value analysis dan error guessing. Ketiga metode yang telah dilakukan terhadap aplikasi menghasilkan sebuah kesimpulan berupa semua simulasi yang telah diimplementasikan didalam aplikasi pembelajaran telah layak digunakan karena mempuyai persentase keberhasilan sebesar 91.7 % dari semua pengujian yang telah dilakukan.]]>
<![CDATA[Analisis Pengaruh Base Case pada Algoritma Karatsuba terhadap Tingkat Efisiensi Waktu Eksekusi ]]>
<![CDATA[Felix Felix]]>;
<![CDATA[Syanti Irviantina]]>
<![CDATA[ Jurnal SIFO Mikroskil Vol 22, No 1 (2021): JSM VOLUME 22 NOMOR 1 TAHUN 2021 ]]>
Publisher : <![CDATA[Fakultas Informatika ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.55601/jsm.v22i1.777
<![CDATA[Algoritma Karatsuba adalah algoritma perkalian yang masih banyak diteliti oleh peneliti Ilmu Komputer dan Matematika meskipun telah berusia lebih dari setengah abad. Algoritma ini merupakan algoritma yang menerapkan konsep Divide and Conquer. Oleh karena itu terdapat nilai base case (BC) yang dapat diganti. Hipotesisnya adalah nilai BC ketika ditingkatkan akan mengurangi waktu eksekusi sampai mencapai suatu nilai x. Setelah melewati nilai x, waktu eksekusi akan bertambah. Pada penelitian ini dilakukan dengan 36 percobaan dengan kombinasi dari 3 pilihan digit, 3 kasus, dan 4 BC. Pilihan digitnya adalah 2000, 4000, dan 6000 digit. Kasus yang digunakan adalah angka acak yang dikalikan dengan angka acak itu sendiri. BC yang digunakan adalah 1010^n dengan nilai n = {0, 1, 2, 3}. Penelitian ini menghasilkan fakta yang berlawanan dengan hipotesis. Semakin besar BC membutuhkan waktu eksekusi yang lebih singkat. Hal ini diduga karena di dalam Python sendiri sudah menerapkan algoritma Karatsuba secara implisit.]]>
<![CDATA[Aplikasi Penyedia Lowongan Pekerjaan dan Pelatihan Bagi Mantan Narapidana Berbasis Web ]]>
<![CDATA[Muhammad Amru Salim]]>;
<![CDATA[Berkat Jaya Harefa]]>;
<![CDATA[Felix Felix]]>;
<![CDATA[Albert Prima Laia]]>
<![CDATA[ Jurnal SIFO Mikroskil Vol 22, No 2 (2021): JSM VOLUME 22 NOMOR 2 TAHUN 2021 ]]>
Publisher : <![CDATA[Fakultas Informatika ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.55601/jsm.v22i2.810
<![CDATA[Menyandang predikat sebagai mantan narapidana merupakan beban tersendiri yang akan dipikul oleh seorang mantan narapidana. Hal tersebut karena adanya stigma negatif yang muncul dari masyarakat yang membuat orang-orang dengan status mantan narapidana harus bisa beradaptasi lagi dan memiliki kekuatan untuk bertahan dari kesulitan dalam kehidupan sosial. Salah satu wujud penolakan dan pengucilan masyarakat terhadap mantan narapidana adalah dalam hal pencarian pekerjaan. Pada umumnya salah satu syarat melamar pekerjaan, seorang pelamar tidak pernah melakukan suatu tindak pidana. Hal inilah yang membuat mantan narapidana sulit untuk mendapatkan pekerjaan. Tujuan penelitian ini adalah merancang sebuah aplikasi web yang menyediakan informasi lowongan pekerjaan freelance dan pelatihan soft skill dan hard skill bagi mantan narapidana secara online. Dimana aplikasi ini menawarkan pekerjaan dan pelatihan dari berbagai sumber yang memberikan mantan narapidana kesempatan untuk bekerja maupun pelatihan untuk meningkatkan kemampuan bekerja mereka. Sistem aplikasi penyedia lowongan pekerjaan dan pelatihan ini dikembangkan dengan motodologi waterfall, dan dibangun dengan bahasa PHP, framework laravel dan Mysql untuk basis datanya. Aplikasi ini dapat menghubungkan antara mantan narapidana dengan penyedia lowongan pekerjaan dan pelatihan kapanpun dan dimanapun mereka berada. Mantan narapidana bisa mengakses semua informasi lowongan pekerjaan dan pelatihan yang bisa mereka ikuti secara akurat karena informasi yang tersedia senantiasa diperbaharui.]]>
<![CDATA[Aplikasi Pendukung Desain Interior dengan Sistem Rekomendasi Berdasarkan Nama Brand Perabot Menggunakan Algoritma Content-Based Filtering Berbasis Web ]]>
<![CDATA[Aditya Raka Harischandra]]>;
<![CDATA[M. Fikri Akbar Pratama]]>;
<![CDATA[Felix Felix]]>;
<![CDATA[Albert Prima Laia]]>
<![CDATA[ Jurnal SIFO Mikroskil Vol 23, No 1 (2022): JSM VOLUME 23 NOMOR 1 TAHUN 2022 ]]>
Publisher : <![CDATA[Fakultas Informatika ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.55601/jsm.v23i1.816
<![CDATA[Aplikasi perancangan desain interior dengan 3D Model memiliki kekurangan dalam memberikan panduan ide desain kepada pengguna baru dan tidak terdapat rekomendasi perabot yang dapat digunakan dalam desain berdasarkan selera pengguna. Sudah semestinya aplikasi 3D Model ruang menyediakan kemudahan bagi pengguna untuk mendapatkan ide desain dan rekomendasi perabot berdasarkan selera pengguna. Hal inilah yang melatarbelakangi penulis untuk memberikan solusi aplikasi pendukung desain interior. Penelitian ini bertujuan untuk membantu para pengguna agar menemukan ide desain ruangan yang sesuai dengan kebutuhan dan keinginan.Algoritma Text Preprocessing adalah tahapan untuk mempersiapkan teks menjadi data yang akan mengalami pengolahan pada tahapan berikutnya. Sistem rekomendasi Content-Based Filtering dengan algoritma Term Frequency - Inverse Document Frequency (TF-IDF) digunakan untuk memberikan bobot pada tiap kata yang terdapat pada nama item perabot. Algoritma Cosine Similarity diterapkan untuk menemukan kemiripan antara nama item perabot berdasarkan hasil pembobotan pada metode Term Frequency - Inverse Document Frequency (TF-IDF), pada hasil akhir diharapkan dapat membantu pengguna untuk mendapatkan hasil rekomendasi dari perabot yang disukai melalui ide desain perabot yang telah disediakan.Hasil pengujian dari algoritma ini adalah dengan menggunakan metode confusion matrix yang menunjukkan bahwa nilai precision 72%, recall 72%, accuracy 72%, dan error rate 51%, lalu berdasarkan hasil uji perangkat lunak menggunakan Black-Box Testing dapat ditarik kesimpulan bahwa perangkat lunak secara fungsional mengeluarkan hasil 96% sesuai dengan yang diharapkan.]]>
<![CDATA[Analisis Kepuasan Pemanfaatan Portal Akademik MIKA Mikroskil oleh Mahasiswa dengan Metode End User Computing Satisfaction (EUCS) ]]>
<![CDATA[Albert Jirwanto]]>;
<![CDATA[Alfeus Manihuruk]]>;
<![CDATA[Syanti Irviantina]]>;
<![CDATA[Felix Felix]]>
<![CDATA[ Jurnal SIFO Mikroskil Vol 23, No 1 (2022): JSM VOLUME 23 NOMOR 1 TAHUN 2022 ]]>
Publisher : <![CDATA[Fakultas Informatika ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.55601/jsm.v23i1.817
<![CDATA[Portal akademik MIKA adalah sebuah sistem informasi berbentuk aplikasi web yang merupakan produk internal sistem informasi STMIK Mikroskil. Portal akademik MIKA merupakan sistem yang kompleks yang melibatkan banyak user (mahasiswa, dosen, dan pegawai) yang menggunakan portal akademik MIKA untuk kepentingan akademis yang berbeda-beda dan fitur yang dapat diakses juga berbeda-beda. Oleh sebab itu, maka sangat penting untuk mengukur tingkat kepuasan user terutama mahasiswa sebagai mayoritas user terhadap penggunaan portal akademik MIKA.Dalam proses pengukuran kepuasan portal akademik MIKA Mikroskil akan diterapkan sebuah metode yaitu End User Computing Satisfaction (EUCS). Pada penelitian ini metode sampling yang digunakan adalah Purposive Sampling dengan jumlah sampel yang didapatkan sebanyak 96 responden.Hasil penelitian dengan metode EUCS menunjukkan bahwa mahasiswa puas dengan isi ketepatan, bentuk, kemudahan penggunaan, dan ketepatan waktu dalam pemanfaatan portal akademik MIKA Mikroskil. Faktor-faktor pada metode EUCS yang berpengaruh terhadap kepuasan pengguna adalah Accuracy, Ease of Use, dan Timeliness dimana Ease of Use lebih dominan berpengaruh terhadap kepuasan pengguna dibandingkan faktor-faktor lainnya. Sedangkan faktor-faktor metode EUCS yang tidak berpengaruh pada kepuasan pengguna adalah Content dan Format.]]>
<![CDATA[Pengembangan Aplikasi Crowdsourcing Marketplace Menggunakan Metode Content Based Filtering Berbasis Mobile dan Web ]]>
<![CDATA[Rian Mandala Putra]]>;
<![CDATA[Diky Diwo Suwanto]]>;
<![CDATA[Farhan Arya Putra]]>;
<![CDATA[Syanti Irviantina]]>;
<![CDATA[Felix Felix]]>
<![CDATA[ Jurnal SIFO Mikroskil Vol 22, No 2 (2021): JSM VOLUME 22 NOMOR 2 TAHUN 2021 ]]>
Publisher : <![CDATA[Fakultas Informatika ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.55601/jsm.v22i2.820
<![CDATA[Pandemi virus COVID-19 memberikan dampak di seluruh sektor ekonomi Indonesia, sehingga mengakibatkan pelaku usaha mengharuskan melakukan pemecatan terhadap pekerja tetapnya. Dampak yang terjadi akibat pemecatan pekerja tetap yang dilakukan oleh pelaku bisnis di Indonesia menyebabkan terjadinya penurunan terhadap jumlah pekerja tetap serta terjadinya peningkatan jumlah freelancer di Indonesia.Dikembangkan aplikasi yang dapat mempertemukan pihak pelaku usaha dengan freelancer dengan konsep crowdsourcing yang dikembangkan untuk aplikasi website dan mobile menggunakan metode waterfall yang dilengkapi dengan algoritme Content Based Filtering dengan teknik TF-IDF untuk memberikan rekomendasi terhadap freelancer dan pelaku usaha.Hasil dari pengujian fungsional menunjukkan keluaran yang sesuai dengan harapan keluaran. Pengujian algoritme Content Based Filtering dengan Teknik TF-IDF menghasilkan nilai bobot antar freelancer dan pelaku usaha untuk kemudian dimanfaatkan menjadi sistem rekomendasi. Hasil perhitungan TF-IDF menunjukkan nilai bobot tertinggi 6,6780 saat menampilkan rekomendasi freelancer pertama dan menunjukkan nilai bobot tertinggi 8,0881 saat menampilkan rekomendasi unggahan proyek pelaku usaha pertama. Memiliki keakuratan sebesar 95% dalam memberikan rekomendasi freelancer dan unggahan proyek pelaku usaha.]]>
