Article Per Year (5 Year)
p-Index From 2021 - 2026
1.383
P-Index
This Author published in this journals
All Journal Jurnal Teknologi Informasi dan Ilmu Komputer Journal of Information Technology and Computer Science JAST : Jurnal Aplikasi Sains dan Teknologi
Imam Cholissodin
Universitas Brawijaya
Computer Science & IT Control & Systems Engineering Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Environmental Science Other

Published : 41 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 41 Documents
Search

 1   2   3   4   5 
Perbandingan Metode SVM, FUZZY-KNN, Dan BDT-SVM Untuk Klasifikasi Detak Jantung Hasil Elektrokardiografi Hasanah, Uswatun; Mayangsari, Lintang Resita; Pratama, Andhica; Cholissodin, Imam
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 3 No 3: September 2016
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (812.86 KB) | DOI: 10.25126/jtiik.201633196

Abstract

AbstrakPerkembangan Ilmu Pengetahuan dan Teknologi (IPTEK) semakin pesat terutama dalam bidang kesehatan. Elektrokardiografi (EKG) merupakan salah satu metode untuk menentukan kondisi jantung manusia yang direpresentasikan dalam bentuk gelombang. Jantung merupakan organ vital manusia dan merupakan pertahanan hidup terakhir manusia selain otak. Di Indonesia berdasarkan data dari Kementrian RI tahun 2013, kematian akibat penyakit jantung ini diperkirakan sebesar 0.5% atau 883.447 orang dan berdasarkan gejala sebanyak 1.5% atau sekitar 2.650.340 orang. Kelas dari klasifikasi ini terdiri dari normal dan aritmia. Dimana aritmia terdiri dari atrial fibrillation, PVC bigeminy, dan ventricular tachycardia. Data didapatkan dari MIT-BIH Arrhytmia Database. Penelitian ini bertujuan untuk menentukan klasifikasi dari sinyal gelombang EKG tersebut dengan membandingkan metode Support Vector Machine dengan strategi One Against All, Fuzzy K-Nearest Neighbor, dan menggunakan metode Binary Decision Tree - Support Vector Machine. Hasil klasifikasi yang didapatkan dengan metode SVM memiliki rata-rata akurasi sebesar 81.30% menggunakan dataset dari fitur 3601 MLII dengan kernel Polynomial, metode Fuzzy-KNN 81.25% menggunakan jarak Manhattan, dan BDT-SVM sebesar 70.00% menggunakan kernel Polynomial dengan menggunakan data sebesar 140 dataset.Kata Kunci: Support Vector Machine,  Binary Decision Tree, Fuzzy-KNN, Detak Jantung, ElektrokardiografiAbstractThe development of Science and Technology growing rapidly, especially in the health field. Electrocardiography (ECG) is one method for determining the condition of the human heart rate that is represented in the form of waves. The human heart is a vital organ and is the last surviving human defense other than the brain. In Indonesia based on data from the Ministry of Indonesia in 2013 , the death from heart disease is estimated about 0.5% or 883.447 people and is based on the symptoms as much as 1.5%, or about 2.65034 million people. Class of this study such as normal and arrhythmias. Arrhythmias consists of atrial fibrillation, PVC bigeminy, and ventricular tachycardia. Data collected from the MIT-BIH Arrhythmias Database. This study aims to determine the classification of the ECG waveform signal by comparing SVM algorithm is supported by One Against All of the strategies, Fuzzy K-Nearest Neighbor, and Binary Decision Tree - Support Vector Machine. The average results of classification using SVM have an accuracy of 81.30% by using a dataset from 3601 MLII features with the polynomial kernel, 81.25% with Fuzzy-KNN by Manhattan Distance, and 70.00% with BDT-SVM using polynomial kernel using data of 140 datasets.Keywords: Support Vector Machine, Binary Decision Tree, Fuzzy-KNN, Heart Rate, Electrocardiography
Perbandingan Metode ANN-PSO Dan ANN-GA Dalam Pemodelan Komposisi Pakan Kambing Peranakan Etawa (PE) Untuk Optimasi Kandungan Gizi Caesar, Canny Amerilyse; Hanum, Latifah; Cholissodin, Imam
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 3 No 3: September 2016
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (892.255 KB) | DOI: 10.25126/jtiik.201633200

Abstract

AbstrakSusu merupakan salah satu sumber protein hewani yang mengandung semua zat yang dibutuhkan tubuh. Ternak penghasil susu utama di Indonesia yaitu sapi perah, namun produksi susunya belum dapat mencukupi kebutuhan masyarakat. Alternatifnya adalah kambing peranakan etawa (PE). Tingginya kualitas kandungan gizi susu sangat dipengaruhi oleh beberapa faktor salah satunya, yaitu faktor pakan. Bagian peternakan kambing PE di UPT Pembibitan Ternak dan Hijauan Makanan Ternak Singosari-Malang masih menghadapi permasalahan, yaitu rendahnya kemampuan dalam memberikan komposisi pakan terhadap kambing PE. Kekurangan tersebut berpengaruh terhadap kualitas susu yang dihasilkan. Diperlukan pengetahuan rekayasa kandungan gizi susu untuk menentukan komposisi pakan dalam menghasilkan susu premium dengan kandungan gizi optimal. Penulis membandingkan dua metode yang sudah diteliti yaitu Artificial neural network  (ANN) dan Particle Swarm Optimization (PSO)  serta metode Artificial Neural Network (ANN) dan Genetic Algorithm (GA) dalam membuat pemodelan pakan kambing dalam mengoptimasi kandungan gizi susu kambing. Dalam analisa pengujian menggunakan metode ANN-PSO yang dilakukan dengan kasus untuk berat badan kambing 36 kg, serta jenis pakan yang digunakan yaitu rumput Odot 70% dan rumput Raja 30%, rata-rata kandungan protein naik 0.707%, sedangkan rata-rata kandungan Lemak turun 0.879%. Dengan menggunakan metode ANN-GA, rata-rata kandungan Protein naik sebesar 0.0852%, sedangkan rata-rata kandungan Lemak turun sebesar 2.3254%. Kata Kunci: Susu Kambing, Optimasi, Artificial Neural Network (ANN), Particle Swarm Optimization (PSO),  Genetic Algorithm (GA), Kandungan nutrisi pakan.  AbstractMilk is one of the animal protein sources which it contains all of the substances needed by human body. The main milk producer cattle in Indonesia is dairy cow, however its milk production has not fulfilled the society needs. The alternative is the goat, the Etawa crossbreed (PE). The high quality of milk nutrients content is greatly influenced by some factors one of them, is the food factor. The PE goat livestock division of the UPT Cattle Breeding and the Cattle Food Greenery in Singosari-Malang still faces the problem, it is the low ability in giving the food composition for PE goat. This flaw affects the quality of the produced milk. It needs the artificial science of the milk nutrients contain in order to determine the food composition to produce premium milk with the optimum nutrients contain. The writer uses the method of the Artificial Neural Network (ANN) and the Particle Swarm Optimization (PSO) to make the modeling of goat food in optimizing the content of goat milk nutrients. In the analysis of the examination that is done with the case of 36 kg goat weight, also the food type used is the 70 % Odot grass and 30% Raja grass can increase the nutrients contain of the protein milk for 0.707% and decrease the fat nutrients contain for 0.879%. If uses the method of Artificial Neural Network (ANN) and Genethic Algorithm (GA) can increase the nutriens contain of the protein for 0.0852% and decrease the fat nutients contain for 2.3254%. Key Words : Goat Milk, Optimization, Artificial Neural Network (ANN), Particle Swarm Optimization (PSO), Genetic Algorithm (GA), the food nutrients contain.
TF-IDF-Enhanced Genetic Algorithm Untuk Extractive Automatic Text Summarization Prabowo, Dhimas Anjar; Fhadli, Muhammad; Najib, Mochammad Ainun; Fauzi, Handika Agus; Cholissodin, Imam
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 3 No 3: September 2016
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (808.286 KB) | DOI: 10.25126/jtiik.201633217

Abstract

AbstrakPenelitian ini mengusulkan sebuah implementasi terkait dengan automasi peringkasan teks bertipe ekstraktif dengan menggunakan metode TF-IDF-EGA. Dimana dalam permasalahan peringkasan teks dibutuhkan suatu solusi untuk meringkas teks dengan kalimat ringkasan yang dapat merepresentasikan keseluruhan teks yang ada. Algoritma TF-IDF dikenal mampu untuk menghasilkan ringkasan teks berdasarkan skor yang didapat pada setiap kalimat dalam teks. Namun hasil dari TF-IDF terkadang didapati hasil ringkasan yang terdiri dari kalimat yang tidak deskriptif, hal ini dikarenakan dalam peringkasannya TF-IDF hanya memilih beberapa kalimat yang memiliki skor tertinggi dan biasanya kalimat dengan skor tertinggi merupakan kalimat yang berisi kata-kata penting/kata-kata ilmiah tertentu sehingga kalimatnya tidak deskriptif. Algoritma EGA mampu untuk mengatasi permasalahan tersebut dengan cara memilih kalimat ringkasan yang memiliki nilai probabilitas tertentu sebagai hasil peringkasan teks.Kata kunci: peringkasan teks, automasi ekstraktif, TF-IDF, EGA, algoritma evolusi, meta-heuristik.AbstractThis research proposed an implementation related to extractive automatic text summarization using TF-IDF-EGA method. Which in summarization problem required a solution to summarize text with a sentence summary that could represent the whole data text. TF-IDF algorithm was usually known to be used for generating summary by its sentence scores. However the result from TF-IDF tends to generate a summary that consist of non descriptive sentences, this is due its summarize that only choose sentences with maximum score and usually sentences with maximum score is consist of significant words on a form of scientific word. EGA could solve this problem by choosing summary by its sentence probability values as a the whole text summary.Keywords: text summarization, extractive automation, TF-IDF, EGA, evolutionary algorithm, meta-heuristic.
Optimasi Kandungan Gizi Susu Kambing Peranakan Etawa (PE) Menggunakan ELM-PSO Di UPT Pembibitan Ternak Dan Hijauan Makanan Ternak Singosari-Malang Cholissodin, Imam; Sutrisno, Sutrisno; Soebroto, Arief Andy; Hanum, Latifah; Caesar, Canny Amerilyse
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 4 No 1: Maret 2017
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (812.167 KB) | DOI: 10.25126/jtiik.201741223

Abstract

AbstrakSusu merupakan salah satu sumber protein hewani yang mengandung semua zat yang dibutuhkan tubuh. Ternak penghasil susu utama di Indonesia yaitu sapi perah, namun produksi susunya belum dapat mencukupi kebutuhan masyarakat. Alternatifnya adalah kambing peranakan etawa (PE). Tingginya kualitas kandungan gizi susu sangat dipengaruhi oleh beberapa faktor salah satunya, yaitu faktor pakan. Bagian peternakan kambing PE di UPT Pembibitan Ternak dan Hijauan Makanan Ternak Singosari-Malang masih menghadapi permasalahan, yaitu rendahnya kemampuan dalam memberikan komposisi pakan terhadap kambing PE. Kekurangan tersebut berpengaruh terhadap kualitas susu yang dihasilkan. Diperlukan pengetahuan rekayasa kandungan gizi susu untuk menentukan komposisi pakan dalam menghasilkan susu premium dengan kandungan gizi optimal. Penulis menggunakan metode Extreme Learning Machine (ELM)dan Particle Swarm Optimization (PSO)  untuk membuat pemodelan pakan kambing dalam mengoptimasi kandungan gizi susu kambing. Dalam analisa pengujian konvergensi menggunakan metode ELM-PSO yang dilakukan dengan kasus untuk berat badan kambing 32 kg, serta jenis pakan yang digunakan yaitu rumput Odot 70% dan rumput Raja 30% menghasilkan sistem mencapai kestabilan dalam konvergensi pada iterasi ke-20 dengan fitness terbaik yaitu 16.2712.Kata Kunci: Susu Kambing, Optimasi, Artificial Neural Network (ANN), Particle Swarm Optimization (PSO), Genetic Algorithm (GA), Kandungan Nutrisi Pakan.AbstractMilk is one of the animal protein sources which it contains all of the substances needed by human body. The main milk producer cattle in Indonesia is dairy cow, however its milk production has not fulfilled the society needs. The alternative is the goat, the Etawa crossbreed (PE). The high quality of milk nutrients content is greatly influenced by some factors one of them, is the food factor. The PE goat livestock division of the UPT Cattle Breeding and the Cattle Food Greenery in Singosari-Malang still faces the problem, it is the low ability in giving the food composition for PE goat. This flaw affects the quality of the produced milk. It needs the artificial science of the milk nutrients contains in order to determine the food composition to produce premium milk with the optimum nutrients contain. The writer uses the method of the Extreme Learning Machine (ELM) and the Particle Swarm Optimization (PSO) to make the modeling of goat food in optimizing the content of goat milk nutrients. In the analysis of the convergence that is done with the case of 32 kg goat weight, also the food type used is the 70 % Odot grass and 30% Raja grass that system get a stability on the 20th iteration with a fitness value is 16.2712.Keywords: Goat Milk, Optimization, Extreme Learning Machine (ELM), Particle Swarm Optimization (PSO), The Food Nutrients Contain.
Optimasi Penjadwalan Pengerjaan Software Pada Software House Dengan Flow-Shop Problem Menggunakan Artificial Bee Colony Fhadli, Muhammad; Jauhari, Daneswara; Prabowo, Dhimas Anjar; Hanafi, Anang; Sunaryo, Aryeswara; Cholissodin, Imam
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 3 No 4: Desember 2016
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (695.695 KB) | DOI: 10.25126/jtiik.201634226

Abstract

AbstrakPenelitian ini mengusulkan sebuah implementasi terkait optimasi penjadwalan pengerjaan software pada software house dengan Flow-Shop Problem (FSP) menggunakan algoritma Artificial Bee Colony (ABC). Dimana dalam FSP dibutuhkan suatu solusi untuk menyelesaikan suatu job/task dengan meminimalkan total cost yang dikeluarkan. Terdapat constraint yang perlu diperhatikan dalam objek permasalahan penelitian ini, yaitu lama waktu penyelesaian keseluruhan projek software yang tidak pasti. Dalam penelitian ini akan disusun sebuah representasi solusi yaitu berupa urutan pengerjaan projek dengan total waktu pengerjaan yang minimum. Pengujian akan dilakukan dengan tiga kali percobaan untuk setiap kondisi uji coba, yaitu uji coba batas parameter iterasi dan uji coba batas parameter limit. Dari hasil pengujian didapatkan bahwa penggunaan algoritma yang dibahas dalam penelitian ini bisa mengurangi waktu pengerjaan jika jumlah iterasi dan jumlah colony diperbesar.Kata kunci: optimasi, flow-shop problem, artificial bee colony, swarm intelligence, meta-heuristik.AbstractThis research proposed an implementation related to software execution scheduling process at a software house with Flow-Shop Problem (FSP) using Artificial Bee Colony (ABC) algorithm. Which in FSP required a solution to complete some job/task along with its overall cost at a minimum. There is a constraint that should be kept to note in this research, that is the uncertainty completion time of its jobs. In this research, we will present a solution that is a sequence order of project execution with its overall completion time at a minimum. An experiment will be performed with 3 attempts on each experiment conditions, that is an experiment of iteration parameter and experiment of limit parameter. From this experiment, we concluded that the use of this algorithm explained in this paper can reduce project execution time if we increase the value of total iteration and total colony.Keywords: optimization, flow-shop problem, artificial bee colony, swarm intelligence, meta-heuristic.
Implementasi Metode Naïve Bayes Classifier Untuk Seleksi Asisten Praktikum Pada Simulasi Hadoop Multinode Cluster ., Maryamah; Asikin, Moh. Fadel; Kurniawaty, Daisy; Sari, Selly Kurnia; Cholissodin, Imam
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 3 No 4: Desember 2016
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1089.896 KB) | DOI: 10.25126/jtiik.201634227

Abstract

AbstrakPemilihan asisten pada praktikum dialami oleh berbagai universitas di Indonesia salah satunya di Fakultas Ilmu Komputer (FILKOM) Universitas Brawijaya (UB). Dalam pemilihan asisten praktikum ada beberapa proses yang harus dilalui. Proses pemilihan yang ada di FILKOM masih dalam bentuk manual. Adapun proses yang dijalani dalam pemilihan asisten praktikum diantaranya adalah tes administrasi, tes live coding, dan tes mengajar. Dalam penentuan penerimaan asisten praktikum tersebut berdasarkan hasil tes yang telah dilakukan. Kendala yang dihadapi adalah kemiripan hasil tes pada ketentuan tertentu yang menyebabkan kerancuan proses pemilihan asisten praktikum. Dari permasalahan tersebut penulis melihat suatu peluang untuk membuat sistem yang mampu menyeleksi dengan cara melakukan hasil klasifikasi tertinggi terhadap hasil tes yang dilakukan oleh calon asisten praktikum. Penelitian ini menggunakan Hadoop dengan menerapkan metode Naïve Bayes yang diangap mampu menghasilkan klasifikasi yang akurat, sehingga dapat mempermudah seorang dosen dalam memilih asisten praktikum dengan kualitas yang baik.Kata kunci: big data, klasifikasi, naïve bayes, hadoopAbstractSelection of the lab assistants experienced by various universities in Indonesia one of them in the Faculty of Computer Science (FILKOM) University of Brawijaya (UB). In the selection of lab assistant, there is some process to be followed. The election process is in FILKOM still in manual form. The process according to which the election is a test lab assistant include administration, test live coding, and test of teaching. In determining the lab assistant acceptance is based on the tests that have been carried out. Obstacles encountered is the similarity test results on the specific provisions that caused confusion electoral process lab assistant. Of these issues, the authors saw an opportunity to create a system that is able to select a way to the highest classification results against the results of tests conducted by the lab assistant candidates. This study uses Hadoop with Naïve Bayes applying methods as may be capable of producing an accurate classification, so as to facilitate a lecturer in choosing a lab assistant with good quality.Keywords: big data, classification, naïve bayes, hadoop
Penentuan Komposisi Bahan Makanan Bagi Penderita Gagal Ginjal Akut Dengan Algoritma Genetika Trisna Lestari, Agnes Rossi; Rofiqoh, Umi; Robbana, Siti; Nurjanah, Winda Estu; Wulandari, Ulfa Lina; Cholissodin, Imam
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 4 No 1: Maret 2017
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1039.899 KB) | DOI: 10.25126/jtiik.201741231

Abstract

AbstrakPenyakit ginjal merupakan penyakit yang  ganas, dimana jika penanganan yang dilakukan secara tidak tepat, maka akan mempengaruhi kualitas hidup penderitanya. Selain mengandalkan perawatan medis, individu yang menderita penyakit ini harus sadar diri dengan kondisi kesehatannya. Untuk mengatur diet makanannya, penderita memerlukan suatu sistem yang mampu menentukan komposisi bahan makanan bagi penderita penyakit ginjal secara cepat dan tepat. Oleh karena itu penulis memberikan solusi berupa sistem penentuan bahan makanan apa saja yang tepat gizi bagi penderita penyakit ginjal akut menggunakan algoritma genetika, dimana pengodean yang digunakan adalah real code. Nilai Gizi dari makanan diambil dari PUGS (Pedoman Umum Gizi Seimbang) dan ensiklopedi. Algoritma yang digunakan dalam penentuan komposisi bahan makanan bagi penderita gagal ginjal akut ini ialah algoritma genetika, langkahnya meliputi : inisialisasi kromosom dimana setiap kromosom terdapat 5 gen berupa indeks dari bahan makanan, kemudian dilakukan inisialisasi probabilitas crossover dan mutasi untuk proses reproduksi, dilanjutkan dengan evaluasi menggunakan perhitungan fitness yang disesuaikan dengan rumus, dan tahap akhir ialah melakukan seleksi dengan menggunakan elitism selection untuk menghasilkan kandidat bahan makanan baru untuk diproses pada iterasi berikutnya.Kata kunci: komposisi bahan makanan, gagal ginjal akut, algoritma genetikaAbstractKidney disease is a malignant disease, where if the treatment is done incorrectly, the sufferer’s qualitiy of liife can be affected by incorrect treatment. In addition to relying on medical care, individuals who suffer from this disease should be aware of themselves with the condition of his health. To arrange food diet, the patient requires a system that can determine the composition of food for kidney disease quickly and accurately. Therefore, the authors provide a solution with determination system for any food ingredient proper nutrition for patients with chronic kidney disease using genetic algorithms, where the coding used is real code. Nutritional value of food taken from PUGS (General Guidelines Balanced Nutrition) and encyclopedia. The algorithm used in determining the composition of foodstuffs for patients with acute renal failure this is a genetic algorithm, the steps include: initialization chromosome where each chromosome there are five genes in the form of index of groceries, then do the initialization probability of crossover and mutation to the reproductive process, followed by an evaluation using fitness calculations to the formula, and the final stage is to make the selection by using elitism candidate selection to produce new food material to be processed in the next iteration.Keywords: food composition, acute renal failure, genetic algorithm
Prediksi Nilai Tukar Rupiah Terhadap US Dollar Menggunakan Metode Genetic Programming Jauhari, Daneswara; Hanafi, Anang; Yuniarsa, M Fahrul Alam; Satria, Arrofi Reza; H, Luqman Hakim; Cholissodin, Imam
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 3 No 4: Desember 2016
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (952.013 KB) | DOI: 10.25126/jtiik.201634235

Abstract

AbstrakNilai tukar mata uang mempunyai pengaruh yang sangat luas dalam perekonomian suatu negara, baik dalam negeri ataupun internasional. Pentingnya mengetahui pola nilai tukar IDR terhadap USD bisa membantu pertumbuhan ekonomi dikarenakan perdagangan luar negeri menggunakan mata uang negara yang berbeda. Maka dari itu, diperlukan suatu aplikasi yang dapat memprediksi nilai tukar Rupiah terhadap US Dollar di masa yang akan datang. Pada penelitian ini penulis menggunakan metode genetic programming(GP), yang dapat menghasilkan solusi (chromosome) optimum, yang didapat dari evaluasi nilai tukar yang lalu, sehingga solusi ini digunakan sebagai pendekatan atau prediksi terhadap kurs nilai tukar mata uang Rupiah di masa yang akan datang. Solusi ini dibentuk dari kombinasi dari himpunan terminal (set of terminals) dan himpunan fungsi (set of function) yang dibangkitkan secara random. Setelah dilakukan pengujian dengan jumlah popsize dan iterasi yang berbeda, didapatkan bahwa Algoritma GP dapat melakukan prediksi nilai tukar Rupiah terhadap mata uang US Dollar dengan sangat baik, dilihat dari nilai Mean Absolute Percentage Error (MAPE) yang dihasilkan sebesar 0,08%. Penelitian ini bisa dikembangkan lebih baik dengan menambahkan parameter terminal dan parameter operasi sehingga bisa menambah variasi hasil perhitungannya.Kata kunci: prediksi, nilai tukar mata uang, genetic programming, MAPE.  AbstractExchange currency rate has a wide influence in the economy of a country, both domestically or internationally. The importance of knowing the pattern of exchange rate against the IDR to USD could help the economic growth due to foreign trade involves the use of currencies of different countries. Therefore, we need an application that can predict the value of IDR against the USD in the future. In this research, the authors use genetic programming (GP) method which produces solutions (chromosome) that obtained from the evaluation of exchange rate and then this solution used as an approximation or prediction of currency exchange rate in the future. These solutions formed from the combination of the set terminal and the set of function that generated randomly. After testing by the number popsize and different iterations, it was found that the GP algorithm can predict the value of the rupiah against the US Dollar with a very good, judging from the value of Mean Absolute Percentage Error (MAPE) generated by 0.08%. This research can be developed even better by adding terminal parameters and operating parameters so they can add variation calculation results.Keywords:  prediction, exchange currency rate, genetic programming, MAPE.
Optimasi Penjadwalan Praktikum Menggunakan Modified Real Code Particle Swarm Optimization (Studi Kasus Fakultas Imu Komputer Universitas Brawijaya) Wardhany, Brigitta Ayu Kusuma; Rachmi, Istiana; Hasjidla, Nur Firra; Khaqiqiyah, Zulianur; Triatmaja, Idham; Cholissodin, Imam
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 3 No 4: Desember 2016
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1118.641 KB) | DOI: 10.25126/jtiik.201634236

Abstract

AbstrakPenjadwalan adalah salah satu proses dalam manajemen waktu yang di atur sedemikian rupa agar kegiatan dapat berjalan dengan lancar. Banyak algoritma yang dapat digunakan untuk menyelesaikan permasalahan penjadwalan. Pada kasus ini penulis menggunakan algoritma Modified Real Code PSO (M-RCPSO). Data yang digunakan terdiri dari data dosen, asisten, mahasiswa, ruangan dan waktu praktikum. Dari hasil pengujian popsize, pengujian iterasi, pengujian parameter kognitif dan sosial, dan pengujian parameter terbaik, didapatkan nilai rata-rata fitness adalah 1. Hal ini menunjukkan bahwa solusi yang didapatkan sudah mendekati optimum.Kata kunci: modified real code particle swarm optimization, penjadwalanAbstractScheduling is one of the time management process that well regulated so that the activities can run fluently. Many algorithms can be used to solve scheduling problems. In this case, the author uses a Modified Real Code PSO (M-RCPSO) algorithm. The data used consisted of lecturer, assistant, student, room and lab time. From the results of popsize testing, iterative testing, cognitive parameter testing, and the best parameters testing obtained the average fitness value is 1. This matter shows that the solution obtained is already approaching optimal.Keywords: modified real code particle swarm optimization, scheduling
Analisis Judul Majalah Kawanku Menggunakan Clustering K-Means Dengan Konsep Simulasi Big Data Pada Hadoop Multi Node Cluster Rahardian, Brillian Aristyo; Kurnianingtyas, Diva; Mahardika, Dyan Putri; Maghfira, Tusty Nadia; Cholissodin, Imam
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 4 No 2: Juni 2017
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1125.356 KB) | DOI: 10.25126/jtiik.201742239

Abstract

AbstrakSaat ini pembaca e-magazine seperti majalah Kawanku semakin marak dan terus berkembang. Sehingga penggunaan data besar sangat dibutuhkan pada majalah Kawanku. Selain itu, dibutuhkan pengkategorian setiap bacaan ke dalam tujuh kategori judul pada majalah Kawanku. Sehingga dibutuhkan suatu pengolahan, pengelompokkan, dan pengkomunikasian antar data teks menggunakan text mining. Kombinasi text mining dengan Big Data dapat menjadi sebuah solusi yang menyediakan cara yang efisien dan reliabel untuk penyimpanan data dan infrastruktur yang efektif. Lalu pengkategorian teks dengan  clustering K-Means dirasa cukup meskipun menggunakan data besar karena hasilnya memiliki keakuratan yang tinggi. Dari hasil pengujian yang dilakukan, disimpulkan bahwa perbedaan dari banyaknya data tidak mempengaruhi waktu eksekusi karena perbedaan jumlah data yang digunakan tidak terlalu besar.Kata kunci: text mining, k-means, hadoop, big data, clustering, multi node cluster AbstractNowadays e-magazine reader like Kawanku magazine are increasing more and more.. So the use of Big Data is needed in managing e-magazine data in server. In addition, it takes the categorization of each reading into 7 categories of Kawanku magazine. So it takes a processing, grouping, and communicating between the text data using text mining. The combination of text mining with Big Data can be a solution that provides an efficient and reliable way for data storage and effective infrastructure. Then the text categorization with K-Means clustering is enough although using Big Data as a result has a high accuracy. From the results of tests performed, it was concluded that the difference of the number of data does not affect the execution time due to differences in the amount of data used is not too big.Keywords: text mining, k-means, hadoop, big data, clustering, multi node cluster
Co-Authors ., Maryamah A. N., Aditya Yudha Achmad Jafar Al Kadafi, Achmad Jafar Afida, Latansa Nurry Izza Agnes Rossi Trisna Lestari, Agnes Rossi Ahmad Afif Supianto AJI, IBRAHIM Alaydrus, Zaien Bin Umar Alexander, Mikhael Anang Hanafi, Anang Ardisa Tamara Putri, Ardisa Tamara Arief Andy Soebroto Arniantya, Raissa Asikin, Moh. Fadel Bayu Rahayudi Brigitta Ayu Kusuma Wardhany, Brigitta Ayu Kusuma Budi Darma Setiawan Caesar, Canny Amerilyse Candra Dewi Dahnial Syauqy Daisy Kurniawaty, Daisy Daneswara Jauhari, Daneswara Destyana Ellingga Pratiwi Dharmawan, Muhammad Robby Dinda Novitasari, Dinda Dyan Putri Mahardika, Dyan Putri Efi Riyandani, Efi Evanita, Felicia Marvela Fauzi, Handika Agus Fauziyah, Aprilia Nur Firmanda, Dwi Ady Firmansyah, Ilham Fitra Abdurrachman Bachtiar Ghofur, Afwan H, Luqman Hakim Hanafi, Audi Nuermey Harahap, Syazwandy Hasan, Muhammad Ismail Heru Nurwarsito Hidayatullah, Adam Syarif Husin Muhamad, Husin Idham Triatmaja, Idham Irawan, Fathony Teguh Irma Lailatul Khoiriyah, Irma Lailatul Istiana Rachmi, Istiana Jonemaro, Eriq Muhammad Adams Jupiyandi, Sisco Kartikasari, Oktavianis Ksatria, Willyan Eka Kurnianingtyas, Diva Lailil Muflikhah Latifah Hanum Listiya Surtiningsih, Listiya Luqyana, Wanda Athira M Gilvy Langgawan Putra, M Gilvy Langgawan Ma’rufi, Muhammad Rizal Mahardika, Guedho Augnifico Maria Tenika Frestantiya, Maria Tenika Mayangsari, Lintang Resita Muhammad Fhadli, Muhammad MUHAMMAD SYAFIQ Muzayyani, Muhammad Farid Najib, Mochammad Ainun Nanda Agung Putra, Nanda Agung Nur Firra Hasjidla, Nur Firra Nurul Hidayat Pardede, Andreas Prabowo, Dhimas Anjar Pramana, Firadi Surya Prasojo, Cahyo Adi Pratama, Andhica R, Bariq Najmi Rahardian, Brillian Aristyo Rahman, Edy Randy Cahya Wihandika Ratih Kartika Dewi Rekyan Regasari Mardi Putri, Rekyan Regasari Mardi Rina Christanti, Rina Rizaldi, Hilmi Ilyas Robbana, Siti Sa’rony, Akhmad Salsabila, Rona Saniputra, Fadhil Rizqullah Santoso, Nurudin Sari, Selly Kurnia Satria, Arrofi Reza Seisarrina, Maulidya Larasaty Septino, Fernando Seruni, Diajeng Sekar Sugianto, Nur Afifah Sukmawati, Annisa Sunaryo, Aryeswara Sutrisno . Sutrisno, Sutrisno Tedjasulaksana, Jeffrey Junior Tusty Nadia Maghfira, Tusty Nadia Umi Rofiqoh, Umi Uswatun Hasanah Vivien Fathuroya, Vivien Wahyuditomo, Kukuh Wicaksono Wayan Firdaus Mahmudy Whenty Ariyanti Winda Cahyaningrum, Winda Winda Estu Nurjanah, Winda Estu Wulandari, Ulfa Lina Yoga Pratama Yuniarsa, M Fahrul Alam Yusuf Priyo Anggodo, Yusuf Priyo Zakiyyah, Rizka Husnun Ziya El Arief, Ziya El Zulianur Khaqiqiyah, Zulianur Zulqornain, Junda Alfiah