Article Per Year (5 Year)
p-Index From 2021 - 2026
2.409
P-Index
This Author published in this journals
All Journal Mechatronics, Electrical Power, and Vehicular Technology TELKOMNIKA (Telecommunication Computing Electronics and Control) Jurnal Teknologi Informasi dan Ilmu Komputer AGRIVITA, Journal of Agricultural Science Jurnal Teknologi dan Sistem Komputer Journal of Information Technology and Computer Science Kinetik: Game Technology, Information System, Computer Network, Computing, Electronics, and Control Indonesian Journal of Electrical Engineering and Computer Science
Ahmad Afif Supianto
University of Brawijaya
Agriculture, Biological Sciences & Forestry Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Energy Engineering

Published : 36 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 36 Documents
Search

 1   2   3   4 
Peningkatan Performa Pengelompokan Pola Berpikir Siswa dalam Belajar pada Media Pembelajaran Menggunakan Direct Batch Growing Self Organizing Map Izzuddin, Mochammad; Supianto, Ahmad Afif; Tibyani, Tibyani; Pardede, Hilman Ferdinandus; Yuliani, Asri Rizki; Ramdan, Ade
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 9 No 1: Februari 2022
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2022915573

Abstract

Tidak sedikit siswa mengalami kendala untuk keluar dari kebuntuan berpikir saat belajar. Setiap siswa memiliki caranya masing-masing untuk menyelesaikan masalah kebuntuan tersebut, yang disebabkan oleh pola berpikir yang berbeda-beda. Kendati berbeda, pola berpikir tersebut memiliki kemiripan yang dapat dikelompokkan agar pemberian umpan balik dapat dilakukan dengan tepat secara berkelompok. Salah satu cara yang dapat dilakukan untuk mengelompokkan siswa berdasarkan pola berpikirnya adalah clustering. Penelitian untuk pengelompokkan berdasarkan kecerdasan sudah pernah dilakukan menggunakan salah satu teknik clustering yaitu Self Organizing Map (SOM). Namun SOM memiliki keterbatasan dalam menentukan ukuran jaringan karena bersifat statis. Keterbatasan yang ada pada SOM dapat diatasi, penelitian ini mengusulkan Direct Batch Growing Self Organizing Map (DBGSOM) yang bersifat dinamis dalam ukuran jaringan dan lebih cepat dalam proses pelatihannya. Penelitian ini dimulai dengan mengidentifikasi masalah untuk mengetahui kemungkinan penyelesaian permasalahan. Tahap selanjutnya adalah pengumpulan data dan pemilihan data yang digunakan dalam penelitian. Tahap akhir, evaluasi dilakukan terhadap data yang terdiri dari 12 assignment untuk mengetahui performa terbaik dari DBGSOM. Hasil evaluasi yang telah dilakukan menunjukkan bahwa clustering DBGSOM memperoleh performa lebih baik daripada SOM pada 11 assignment dari 12 assignment. Pengukuran signifikansi perbandingan dilakukan dengan metode Wilcoxon yang menghasilkan nilai test stat 8 dan critical value 13. Hal ini membuktikan bahwa penerapan DBGSOM mampu memberikan peningkatkan performa clustering yang signifikan dari SOM. AbstractA few times, students have difficulty getting out of the deadlock in thinking while studying. Each student has their own way of solving the deadlock problem, which is caused by different thinking patterns. Although different, these thinking patterns have similarities that can be grouped so that giving feedback can be done appropriately in groups. One way that can be done to group students based on their thinking patterns is clustering. Research for grouping based on intelligence has been done using one of the clustering techniques, namely Self Organizing Map (SOM). However, SOM has limitations in determining network size because it is static. The limitations that exist in SOM can be overcome, this study proposes a Direct Batch Growing Self Organizing Map (DBGSOM) which is dynamic in network size and faster in the training process. This research begins by identifying the problem to determine the possibility of solving the problem. The next stage is data collection and data selection used in research. The final stage, evaluation is carried out on the data consisting of 12 assignments to find out the best performance of DBGSOM. The results of the evaluation that have been carried out show that DBGSOM clustering has better performance than SOM on 11 assignments out of 12 assignments. The comparison significance measurement was carried out using the Wilcoxon method which resulted in a test stat value of 8 and a critical value of 13. This proves that the application of DBGSOM is able to provide a significant increase in clustering performance from SOM.
Peningkatan Performa Pengelompokan Siswa Berdasarkan Aktivitas Belajar pada Media Pembelajaran Digital Menggunakan Metode Adaptive Moving Self-Organizing Maps Prasetyo, Onky; Supianto, Ahmad Afif; Anam, Syaiful; Pardede, Hilman Ferdinandus; Zilvan, Vicky; Kusumo, R. Budiarianto Suryo
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 9 No 1: Februari 2022
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2022915579

Abstract

Digitalisasi proses pembelajaran memungkinkan untuk dihasilkannya rekaman terhadap setiap aktivitas siswa selama belajar. Rekaman yang dihasilkan tersebut dapat digunakan untuk mengelompokkan siswa berdasarkan pola dari proses belajar yang dilakukan. Hasil pengelompokkan yang peroleh dapat digunakan untuk melakukan penyesuaian komponen pembelajaran ataupun metode pembelajaran bagi siswa. Salah satu metode pengelompokan yang sering digunakan adalah Self-Organizing Maps (SOM), SOM merupakan metode jaringan syaraf tiruan dengan tujuan untuk mempertahankan topologi data ketika data input multidimensi diubah menjadi data output dengan dimensi yang lebih rendah. Neuron SOM pada dimensi input diperbaharui sepanjang proses pelatihan, sedangkan neuron pada dimensi output tidak mendapatkan pembaruan sama sekali, hal ini menyebabkan struktur neuron yang digunakan pada tahapan inisialisasi akan tetap sama hingga akhir proses pengelompokan. Pada penelitian ini menggunakan metode Adaptive Moving Self-Organizing Maps (AMSOM) yang menggunakan struktur neuron lebih fleksibel, dengan dimungkinkannya terjadi perpindahan, penambahan dan penghapusan dari neuron menggunakan data 12 assignments dari media pembelajaran MONSAKUN. Hasil penelitian menunjukkan terdapat perbedaan yang signifikan secara statistik antara nilai quantization error dan nilai topographic error dari algoritme AMSOM dengan algoritme SOM. Metode AMSOM menghasilkan rata-rata nilai quantization error 27 kali lebih kecil dan rata-rata nilai topographic error 54 kali lebih kecil dibandingkan dengan metode SOM.AbstractThe digitization of the learning process makes it possible to produce recordings of each student's activity during learning. The resulting record can be used to group students based on the pattern of the learning process. The grouping results can be used to make adjustments to the learning components or learning methods for students. One of the most frequently used clustering methods is Self-Organizing Maps (SOM), SOM is a neural network method to maintain data topology when multidimensional input data is converted into output data with lower dimensions. The SOM neurons in the input dimension are updated throughout the training process, while the neurons in the output dimension do not get updated at all, this causes the neuron structure used in the initialization stage to remain the same until the end of the grouping process. In this study, the Adaptive Moving Self-Organizing Maps (AMSOM) method uses a more flexible neuron structure, allowing for the transfer, addition and deletion of neurons using 12 assignments of data from MONSAKUN learning media. The results showed that there was a statistically significant difference between the quantization error and the topographic error of the AMSOM algorithm and the SOM algorithm. The AMSOM method produces an average quantization error 27 times smaller and an average topographic error 54 times smaller than the SOM method.
Klasifikasi Siswa Slow Learner untuk Mendukung Sekolah dalam Meningkatkan Pemahaman Siswa Menggunakan Algoritma Naïve Bayes Wicaksono, Abdul Harris; Supianto, Ahmad Afif; Wijoyo, Satrio Hadi; Krisnandi, Didik; Heryana, Ana
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 9 No 3: Juni 2022
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2022935609

Abstract

Tidak semua siswa sekolah bisa menangkap materi dengan kemampuan yang sama dikarenakan tingkat kecerdasan dan kemampuan belajar setiap anak berbeda - beda. Ada siswa yang kemampuan belajarnya rendah sehingga lambat dalam memahami materi yang biasa disebut sebagai slow learner. Siswa slow learner ini perlu perlakuan yg khusus supaya dapat memahami materi seperti siswa lainnya. Siswa slow learner yang tidak terdeteksi dapat memperlambat kegiatan belajar mengajar karena guru harus mengulang kembali menjelaskan materi untuk membuat siswa memahami materi tersebut. Penelitian ini bertujuan untuk mengklasifikasikan siswa slow learner dan non slow learner dan menghasilkan visualisasi dashboard yang dapat digunakan untuk membantu sekolah. Penelitian ini mengangkat studi kasus siswa kelas XI dan XII SMA Tunas Luhur yang berjumlah 89 siswa.  Penelitian ini menggunakan algoritma naive bayes untuk klasifikasi dan cross validation 10 folds sebagai metode pengujian. Hasil pengujian didapatkan nilai akurasi 0.92857, precison  0.94736, recall 0.97297 , dan F-measure 0.96 serta hasil pengujian visualisasi dashboard menggunakan kuesioner System Usability Scale yang menghasilkan skor 71.75 atau acceptable. Algoritma naïve bayes  berhasil mengklasifikasikan siswa slow learner dan non slow learner dengan baik, dan visualisasi dashboard bisa diterima dengan baik oleh pihak sekolah. AbstractNot all school students can capture material with the same abilities because each child's level of intelligence and learning ability are different. There are students whose learning ability is low so that it is slow in understanding the material commonly referred to as slow learner. These slow learner students need special treatment in order to understand the material like other students. Undetectable slow learner students can slow down teaching and learning activities because teachers have to redo explain the material to make students understand the material. This study aims to classify slow learner and non slow learner students and produce dashboard visualizations that can be used to help schools. This study raised the case study of grade XI and XII students of Tunas Luhur High School which amounted to 89 students.  The study used naive bayes algorithms for classification and cross validation of 10 folds as a testing method. The test result obtained an accuracy score of 0.92857, precison of 0.94736, recall of 0.97297 , and F-measure of 0.96 and dashboard visualization test results using the System Usability Scale questionnaire which resulted in a score of 71.75 or acceptable. Bayes' naïve algorithm successfully classifies slow learner and non-slow learner students well, and dashboard visualization is well received by the school.
Rekomendasi Pengembangan Fasilitas Wisata Tugu Pahlawan Surabaya Melalui Visualisasi Dashboard Hasil Klasifikasi Analisis Sentimen Ulasan Pengunjung Mahardika, Fawwaz Roja; Supianto, Ahmad Afif; Setiawan, Nanang Yudi; Yuwana, Raden Sandra; Suryawati, Endang
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.2022925655

Abstract

Tugu Pahlawan Surabaya merupakan salah satu pariwisata andalan Kota Surabaya yang selalu berupaya memperhatikan ulasan pengunjung sebagai acuan evaluasi. Namun, pengelola tidak memiliki teknologi yang mampu mengumpulkan, mengolah, dan menganalisis seluruh data ulasan yang dapat menghasilkan informasi secara ringkas. Salah satu solusi dapat dilakukan melalui analisis sentimen pada level aspek terhadap aspek edukasi, fasilitas, kebersihan, pelayanan, dan umum dengan penyajian informasi dalam bentuk dashboard. Analisis sentimen dilakukan menggunakan Support Vector Machine terhadap 2180 data ulasan selama 2 tahun terakhir yang diambil dari Google Review. Ulasan terbanyak terdapat pada aspek fasilitas sebanyak 538 ulasan dengan sebaran sentimen 285 ulasan positif, 95 ulasan negatif, dan 158 ulasan netral. Rekomendasi berdasarkan kekuatan dan kelemahan saat ini adalah penyediaan lahan atau objek foto bernuansa sejarah pahlawan secara lebih nyata serta penyediaan ventilasi terbuka atau standing cooler di beberapa area. Berdasarkan confusion matrix, nilai F1-Score menjadi penentu seberapa baik model mengklasifikan data daripada nilai Accuracy dikarenakan dataset yang dimiliki bersifat imbalance sehingga kesalahan prediksi pada precision atau recall sangat memungkinkan terjadi. Kesalahan prediksi banyak ditemukan pada kelas sentimen netral. Keseluruhan hasil klasifikasi disajikan dalam bentuk dashboard dengan nilai SUS Score 77,5, menandakan bahwa dashboard dapat diterima dengan baik oleh responden sebagai pengguna. Abstract Tugu Pahlawan Surabaya is one of the mainstays of tourism in Surabaya city which always tries to pay attention to visitor reviews as a reference for evaluation. However, the managers do not have technology capable of collecting, processing and analyzing all review datas that can produce information in a concise manner. One solution can be done through sentiment analysis at the aspect level of education, facilities, cleanliness, service, and general aspects by presenting information in the form of a dashboard. Sentiment analysis was carried out using the Support Vector Machine on 2180 review datas for the last 2 years taken from Google Reviews. The most reviews were on the facility aspect in total of 538 reviews with a sentiment distribution of 285 positive reviews, 95 negative reviews and 158 neutral reviews. Recommendations based on current strengths and weaknesses are providing more real area or photo objects with historical nuances of heroes and providing open ventilation or standing coolers in several areas. Based on the confusion matrix, the F1-Score value determines how well the model classifies data rather than the Accuracy value because the dataset is imbalance so that prediction errors in precision or recall are very possible. Prediction errors are more likely to be found in the neutral sentiment class. The overall classification results are presented in the form of a dashboard with a SUS Score of 77.5, indicating that the dashboard is well received by respondents
Pengembangan Permainan Edukasi Berbasis Augmented Reality untuk Pembelajaran Senyawa Hidrokarbon bagi Siswa Sekolah Menengan Atas (SMA) Naba, Carlista; Akbar, Muhammad Aminul; Supianto, Ahmad Afif
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 9 No 3: Juni 2022
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2022935743

Abstract

Kimia merupakan satu dari banyak cabang ilmu pengetahuan yang diajarkan pada Sekolah Menengah Atas (SMA), akan tetapi hasil observasi tenaga pengajar mengatakan bahwa masih banyak siswa yang sulit untuk mempelajari konsep kimia yang cenderung abstrak. Contoh materi yang masih membuat siswa bingung adalah materi senyawa hidrokarbon. Untuk mengatasi permasalahan dari konsep kimia yang abstrak, penelitian ini memiliki tujuan untuk mengembangkan media pembelajaran yang menarik melalui gim edukasi untuk mempelajari struktur serta tata penamaan The International Union of Pure and Applied Chemistry (IUPAC) senyawa hidrokarbon dengan menggunakan Augmented Reality (AR). Gim edukasi yang akan dikembangkan memiliki genre puzzle penyusunan senyawa yang dapat dilihat dengan menggunakan AR. Gim juga akan mendeteksi nama dari senyawa yang dibuat oleh pemain. Penelitian akan dilakukan dengan menggunakan metode Iterative and Rapid Prototyping, serta hasil dari penelitian akan diuji secara fungsional menggunakan Black Box Testing dan diujikan kepada responden dengan modul Game Experience Questionnaire (GEQ). Pada GEQ responden akan diberikan 2 modul yang dijawab saat sedang bermain gim dan setelah bermain gim. Hasil dari pengujian fungsional menunjukkan bahwa gim bekerja dengan baik dengan 100% validitas, begitu juga hasil pengujian pengalaman pemain dengan GEQ. Berdasarkan kuesioner dengan GEQ, gim yang menggunakan AR dapat menambah minat dan mengurangi rasa bosan siswa saat belajar.  AbstractChemistry is one of the many branches of science that is taught on high school, but observations from teachers shows that there’s still many students who struggles learning chemistry because of its abstract and intangible concept. Example of a chapter that student still struggles is hydrocarbon chapter. To help with the problem of the abstractness concept of chemistry, this study has a goal to develop an educational game as a learning media to study about the structural molecule of hydrocarbon compound and its The International Union of Pure and Applied Chemistry (IUPAC) nomenclature using Augmented Reality (AR). The game will be developed as a puzzle game, on which the player arrange and build a hydrocarbon compound that can be seen on the real world with AR. The game will also detects the compound’s name. This study will be done with Iterative Rapid Prototyping design cycle. The study’s functionality result will be tested with Black Box Testing and tested on students with Game Experience Questionnaire (GEQ) module to asses the student’s experience. There is 2 modules, which will be asked when the respondent play the game, and when they’re finished playing the game accordingly. The results of functionality testing shows that the game works well with 100% validity, just as the experience testing with GEQ. Based on the questionnaire results, game that uses AR could improve the student’s interest and help them to overcome their feeling of boredom in learning.
Kebaruan Fungsional Vertex Marker Terhadap Marker Based Augmented Reality Tracking Factors (Jarak, Sudut, dan Luas Permukaan) Kusuma, Wahyu Teja; Supianto, Ahmad Afif; Tolle, Herman; Anshori, Mochammad
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 9 No 4: Agustus 2022
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2022945748

Abstract

Fungsional marker adalah yang paling utama mempengaruhi kinerja dari Marker Based Augmented Reality tracking system. Sedangkan vertex marker adalah marker jenis baru yang dihasilkan dari penelitian sebelumnya. Penelitian ini penting untuk dilakukan guna membuktikan fungsional dari vertex marker terhadap faktor-faktor yang mempengaruhi Marker Based Augmented Reality tracking system (jarak, sudut, dan luas permukaan yang tertutupi). Penelitian ini juga membandingkan hasil pengujian fungsional vertex marker dengan single marker. Akhirnya, penelitian ini berkontribusi untuk membuktikan kebaruan dari fungsional vertex marker pada faktor jarak ideal, sudut ideal, dan luas permukaan yang tertutupi dibidang Marker-Based Augmented Reality tracking system. AbstractFunctional of marker is the main thing that affects the performance of the Marker Based Augmented Reality tracking system. This research is important to do to prove the functional of vertex markers against Marker Based Augmented Reality tracking factors (distance, angle, and testing of the surface area covered). This study also compared the results of the functional testing of the vertex marker with the single marker. Finally, this research contributes to proving the novelty of functional vertex markers in the field of Marker-Based Augmented Reality tracking factors.
Co-Authors Ade Ramdan Admaja Dwi Herlambang, Admaja Dwi Akbar, Muhammad Aminul Andria Arisal, Andria Azpiranda, Novira Bahtiar, Fitra Abdurrahman Barlian Henryranu Prasetio Bawono, Aditya Hari Budi Darma Setiawan Candra Dewi Candra Dewi Dewi, Margareta Aprilia Kusuma Febriandirza, Arafat Fitra Abdurrachman Bachtiar Gembong Edhi Setiawan Gultom, Dito William Hamonangan Hafis, Muhammad Hayashi, Yusuke Herman Tolle Heryana, Ana Hirashima, Tsukasa Imam Cholissodin Imam Cholissodin Iswara, I Putu Pradnyana Izzuddin, Mochammad Kadar, Jimmy Abdel Komang Candra Brata Krisnabayu, Rifky Yunus Krisnandi, Didik Krisnandi, Dikdik Kusumo, Budiarianto Suryo Kusumo, R. Budiarianto Suryo Luckyana, Nabila Divanadia Mahardika, Fawwaz Roja Mar'i, Farhanna Mochamad Anshori MUHAMMAD HASBI Naba, Carlista Nanang Yudi Setiawan Oktanisa, Irvi Pardede, Hilman F. Pardede, Hilman Ferdinandus Pradana, Yustinus Radityo Prasetyo, Onky pratiwi, hasih Renavitasari, Ivenulut Rizki Diaz Sabriansyah Rizkiqa Akbar Satrio Agung Wicaksono Satrio Hadi Wijoyo Selvi Marcellia Sufiana, Santi Yunika Suryawati, Endang Suryo Kusumo, Raden Budiarianto Sutrisno . Sutrisno Sutrisno Syahidi, Aulia Akhrian Syaiful Anam Tibyani Tibyani, Tibyani Vicky Zilvan, Vicky Wahyu Tejakusuma, Wahyu Wayan Firdaus Mahmudy Wicaksono, Abdul Harris Yuawana, Raden Sandra Yuliani, Asri Rizki Yusi Tyroni Mursityo Yuwana, R. Sandra Yuwana, Raden Sandra Zilfan, Vicky Zulfikar, Rizal Arif