Garuda - Garba Rujukan Digital

p-Index From 2021 - 2026

14.008

P-Index

This Author published in this journals

All Journal IAES International Journal of Artificial Intelligence (IJ-AI) Jurnal Ilmiah Teknik Elektro Komputer dan Informatika (JITEKI) Jurnal Teknologi Informasi dan Ilmu Komputer Jurnal POINTER Sinkron : Jurnal dan Penelitian Teknik Informatika Journal of Information Technology and Computer Science Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Jurnal Informatika dan Multimedia JAST : Jurnal Aplikasi Sains dan Teknologi TIN: TERAPAN INFORMATIKA NUSANTARA Jurnal Sistem Informasi, Teknologi Informasi, dan Edukasi Sistem Informasi (JUST-SI) DEDIKASI PKM Jurnal Informatika dan Multimedia Enrichment: Journal of Multidisciplinary Research and Development Majority Science Journal

Dian Eka Ratnawati

Brawijaya University, Malang

Author-ID : 440613

Aerospace Engineering Agriculture, Biological Sciences & Forestry Arts Humanities Automotive Engineering Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Dentistry Earth & Planetary Sciences Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Health Professions Immunology & microbiology Industrial & Manufacturing Engineering Law, Crime, Criminology & Criminal Justice Materials Science & Nanotechnology Mathematics Mechanical Engineering Medicine & Pharmacology Neuroscience Nursing Physics Social Sciences Veterinary Other

Published : 195 Documents Claim Missing Document

Claim Missing Document

Articles

16 17 18 19 20

Implementasi Computer Vision dengan Algoritma YOLOv11 dalam Mengamati Interaksi Sosial Tikus Abhiram, Muhammad Tegar; Ratnawati, Dian Eka; Rahayudi, Bayu
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 9 No 7 (2025): Juli 2025
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar

Penelitian dalam bidang ekologi perilaku tikus selama ini masih mengandalkan observasi manual yang memerlukan waktu lama, bergantung pada keahlian pengamat, serta rentan terhadap kesalahan. Untuk mengatasi keterbatasan tersebut, penelitian ini mengusulkan pengembangan aplikasi computer vision berbasis algoritma YOLOv11 untuk mendeteksi dan melacak pergerakan tikus secara otomatis. YOLOv11 dipilih karena kemampuannya dalam mendeteksi objek kecil yang bergerak cepat di latar belakang kompleks dan dinamis. Penelitian ini menggunakan pendekatan AI Life Cycle sebagai metode utama, yang mencakup tahapan: data preparation, model building, model training, model deployment dan model management. Model terbaik diperoleh dengan kombinasi optimizer SGD dan learning rate 0.01, yang menghasilkan performa deteksi optimal dengan nilai mAP@0.5 sebesar 0.994 dan F1-score sebesar 0.993. Aplikasi ini digunakan untuk menganalisis pengaruh antidepresan terhadap interaksi sosial tikus. Hasil analisis menunjukkan bahwa antidepresan dalam bentuk bubuk dengan dosis 200 memberikan nilai Social Interaction (SI) tertinggi, yaitu 86,81%. Temuan ini menunjukkan bahwa integrasi teknologi computer vision dapat secara signifikan meningkatkan efisiensi dan akurasi dalam penelitian perilaku hewan. Kata kunci: Computer Vision, YOLOv11, Deteksi Objek, Interaksi Sosial Tikus, Antidepresan

Analisis Segmentasi Stok di PT Realfood Berdasarkan Pola Pergerakan Menggunakan K-Means Serta Fuzzy C-Means untuk Optimasi Penyimpanan Dwi Purwono, Prayoga; Eka Ratnawati, Dian
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 9 No 8 (2025): Agustus 2025
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar

Pengelolaan persediaan secara efektif menjadi salah satu faktor penentu keberhasilan operasional perusahaan, khususnya di industri makanan dan minuman kesehatan yang memiliki keterbatasan masa simpan produk. PT Realfood sebagai perusahaan yang bergerak di bidang ini menghadapi tantangan dalam menata stok dengan pola pergerakan yang beragam. Oleh karena itu, diperlukan strategi segmentasi stok yang tepat guna mendukung optimasi penyimpanan di gudang. Penelitian ini bertujuan untuk menganalisis segmentasi stok berdasarkan pola pergerakan barang dengan menerapkan dua algoritma clustering, yaitu K-Means dan Fuzzy C-Means (FCM). Metode K-Means digunakan untuk hard clustering, di mana setiap produk hanya termasuk ke dalam satu klaster. Sementara itu, FCM digunakan sebagai pendekatan soft clustering yang memungkinkan suatu produk memiliki derajat keanggotaan pada lebih dari satu klaster. Tahapan penelitian meliputi pengumpulan data mutasi stok tahun 2024, preprocessing, normalisasi data, penerapan algoritma, serta evaluasi hasil menggunakan Elbow Method, Silhouette Score, dan visualisasi klaster. Hasil penelitian menunjukkan bahwa algoritma K-Means mampu mengelompokkan produk ke dalam klaster fast-moving, medium-moving, dan slow-moving dengan batasan yang jelas. Di sisi lain, FCM memberikan hasil klasterisasi yang lebih fleksibel karena mampu menangkap karakteristik produk yang tumpang tindih. Perbandingan hasil dari kedua algoritma ini memberikan wawasan yang lebih luas dalam memahami perilaku stok dan mendukung pengambilan keputusan untuk strategi penyimpanan yang lebih efisien. Kata kunci: manajemen persediaan, segmentasi stok, K-Means, Fuzzy C-Means, clustering, optimasi penyimpanan, data mining

Analisis Sentimen Pengguna Media Sosial Twitter/X Terhadap Kontribusi Megawati Hangestri Pertiwi Pada Klub Bola Voli Red Sparks Korea Selatan Menggunakan Metode Multinomial Naïve Bayes Dan Support Vector Machine Kurniawan, Fauzan Dwi; Ratnawati, Dian Eka; Syawli, Almira
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 9 No 8 (2025): Agustus 2025
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar

Media sosial Twitter/X menjadi sarana utama masyarakat dalam menyampaikan opini secara real-time terhadap berbagai peristiwa, termasuk aksi atlet Indonesia di kancah internasional. Penelitian ini bertujuan untuk menganalisis sentimen pengguna Twitter/X terhadap kontribusi Megawati Hangestri Pertiwi di klub bola voli Red Sparks Korea Selatan. Metode yang digunakan adalah klasifikasi sentimen dengan algoritma Multinomial Naïve Bayes (MNB) dan Support Vector Machine (SVM), serta analisis lanjutan menggunakan pendekatan Root Cause Analysis (RCA) untuk mengidentifikasi akar penyebab dari sentimen negatif. Data diambil menggunakan TweetHarvest dengan rentang waktu Oktober 2023 hingga Maret 2024, menghasilkan 918 tweet. Proses preprocessing dilakukan melalui cleansing, case folding, normalization, tokenizing, dan stemming. Hasil pelabelan sentimen menunjukkan distribusi tidak seimbang, sehingga dilakukan random under sampling (RUS) agar proporsi data positif dan negatif menjadi seimbang. Hasil pengujian menunjukkan bahwa MNB sedikit lebih unggul dengan akurasi rata-rata 74.36% dibandingkan SVM dengan 73.85%. RCA mengungkap tiga penyebab utama munculnya sentimen negatif, yaitu performa pemain, strategi/manajemen tim, dan tekanan ekspektasi publik. Penelitian ini memberikan wawasan komprehensif mengenai persepsi publik terhadap atlet Indonesia di luar negeri. Kata kunci: Analisis Sentimen, Twitter/X, Megawati Hangestri Pertiwi, Multinomial Naïve Bayes, Support Vector Machine, Root Cause Analysis.

Analisis SWOT Layanan Kereta Cepat Whoosh terhadap Kereta Api Argo Parahyangan di Komentar Youtube Menggunakan Analisis Sentimen Abdurrahman Airlangga, Aria; Yudi Setiawan, Nanang; Eka Ratnawati, Dian
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 9 No 8 (2025): Agustus 2025
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar

Whoosh adalah Kereta Cepat (HSR) pertama di Indonesia yang mulai beroperasi. Namun, berbagai hambatan pembangunan dan keberadaan layanan lama yang juga bersaing menyebabkan penerimaan kritis di antara para penggunanya dan masyarakat. Kritik yang dihasilkan ini berisikan informasi sangat bermanfaat yang dapat digunakan untuk meningkatkan layanan yang diberikan, sehingga digunakan analisis kesenjangan SWOT dengan penerapan analisis Importance-Performance (IPA) untuk menentukan pentingnya suatu aspek layanan yang dinilai banyak diperhatikan oleh masyarakat dan pengguna serta pemetaannya ke dalam kuadran SWOT secara objektif. Sentimen analisis berbasis aspek digunakan untuk menangkap informasi tersebut. Namun, pembelajaran mesin tradisional memerlukan adanya data latih dan proses pelabelan sejumlah besar user-generated content memerlukan waktu dan biaya yang mahal. Oleh karena itu, pendekatan zero-shot yang memiliki kemampuan untuk mengklasifikasikan kelas yang belum pernah terlihat diterapkan. Ditemukan bahwa Whoosh mendapat sambutan kritis di kalangan masyarakat dengan 5 kelas diklasifikasikan sebagai threat, 2 diidentifikasi sebagai opportunity terhadap pesaingnya, dan 3 lainnya sebagai weakness di mana kedua layanan kurang dapat memberikan hasil terstandar.

Analisis Sentimen Terhadap Pendapat Masyarakat Mengenai Pilkada 2024 Menggunakan Metode Support Vector Machine Bayu Satriawan, Eka; Satriawan, Eka Bayu; Wijoyo, Satrio Hadi; Ratnawati, Dian Eka
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 12 No 4: Agustus 2025
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.124

Pemilihan Kepada Daerah dan Wakil Kepala Daerah, atau yang lebih dikenal sebagai Pilkada, merupakan pemilihan umum di Indonesia yang dilakukan secara langsung oleh masyarakat yang telah memenuhi ketentuan peraturan perundang-undangan. Twitter/X sebagai platform media sosial yang penting dalam komunikasi digital di Indonesia, menjadi tempat bagi masyarakat untuk menyuarakan pendapat mereka, termasuk pendapat mengenai pilkada. Tujuan penelitian ini adalah menganalisis sentimen masyarakat terhadap Pilkada melalui data yang dikumpulkan dari Twitter/X, serta memberikan wawasan berharga bagi pembuat kebijakan dan pemangku kepentingan dalam merespons aspirasi masyarakat. Analisis sentimen ini diharapkan dapat membantu memahami persepsi publik serta meningkatkan partisipasi dan kepercayaan masyarakat terhadap proses demokrasi. Penelitian ini dimulai dengan pengumpulan data dari Twitter/X. Proses berikutnya melibatkan enam tahap pre-processing, seperti case folding, pembersihan data, tokenizing, slang normalization, stemming, dan filtering. Metode klasifikasi menggunakan Support Vector Machine (SVM) dan pembobotan kata menggunakan Term Frequency-Inverse Document Frequency (TF-IDF) dengan menerapkan teknik oversampling dengan SMOTE untuk menyeimbangkan data. Hasil pengujian SVM berhasil mendapatkan performa tinggi dengan tingkat akurasi sekitar 93,09%, precision sekitar 93,13%, recall sekitar 93,09%, dan f1-score sekitar 93,08%. Analisis menggunakan Root Cause Analysis (RCA) terhadap empat aspek utama: kandidat, kebijakan dan regulasi, proses Pilkada, serta partai politik. Hasil analisis mengungkapkan sumber ketidakpuasan masyarakat terkait Pilkada, termasuk kekhawatiran akan kurangnya pengalaman kandidat, perubahan undang-undang yang dianggap tidak transparan, kelemahan dalam verifikasi identitas pemilih selama proses Pilkada, serta tuntutan untuk peningkatan komunikasi dan kinerja partai politik. Abstract The election of Regional Heads and Deputy Regional Heads, commonly known as Pilkada, is a general election in Indonesia conducted directly by citizens who meet the legal requirements. Twitter/X, as a prominent social media platform in Indonesia's digital communication landscape, serves as a platform for the public to express their opinions, including those about Pilkada. The aim of this study is to analyze public sentiment towards Pilkada using data collected from Twitter/X to provide valuable insights for policymakers and stakeholders in responding to public aspirations. This sentiment analysis is expected to help understand public perceptions and enhance participation and trust in the democratic process. The research begins with data collection from Twitter/X, followed by six pre-processing stages: case folding, data cleaning, tokenizing, slang normalization, stemming, and filtering. The classification method utilizes Support Vector Machine (SVM) and word weighting through Term Frequency-Inverse Document Frequency (TF-IDF), with oversampling techniques using SMOTE to balance the data. The SVM testing results achieved high performance with an accuracy rate of approximately 93,09%, precision of 93,13%, recall of 93,09%, and an f1-score of 93,08%. An analysis using Root Cause Analysis (RCA) was conducted on four key aspects: candidates, policies and regulations, the Pilkada process, and political parties. The analysis revealed sources of public dissatisfaction related to Pilkada, including concerns over candidates' lack of experience, perceived opacity in legislative changes, weaknesses in voter identity verification during the Pilkada process, and demands for improved communication and performance from political parties.

Enhancing Satisfaction: A Quantitative Investigation Trought User Experience in Website Quality for Low Vision Disabled Students Rahmah, Yusriyah; Aknuranda, Ismiarta; Ratnawati, Dian Eka
TIN: Terapan Informatika Nusantara Vol 4 No 12 (2024): May 2024
Publisher : Forum Kerjasama Pendidikan Tinggi (FKPT)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47065/tin.v4i12.5096

The background to this research problem stems from the need to understand the impact of service quality, user experience, and user satisfaction in website design for students with low vision disabilities who are taking part in the final assignment guidance process at Brawijaya University. Students with low vision disabilities often experience obstacles in the accessibility and use of information technology. Considering the important role of websites in academic contexts, a proper design must meet their needs. Therefore, this study investigates the relationship between service quality, user experience, and user satisfaction in website design for low vision disabled students during final assignment guidance at Brawijaya University. It aims to determine if enhancing service quality positively affects user experience and satisfaction, while also examining the mediating role of user experience. Data is gathered from 31 respondents, including low vision disabled students and relevant academics from the Disability Service Center, through questionnaires. Participants rate service quality, user experience, and satisfaction using predefined scales, and statistical analyses, including path analysis, are conducted to assess the relationships. Next, a regression test was carried out as the main statistical procedure to analyze the relationship between the variables involved in this research. The results of the regression analysis show that service quality has a positive and significant effect on user experience (β = 0.435, Sig = 0.000) and user satisfaction (β = 0.493, Sig = 0.003). User experience also has a positive and significant impact on user satisfaction (β = 0.397, Sig = 0.001). These findings indicate that improving service quality and user experience has the potential to increase user satisfaction. This research provides valuable insights into service quality, user experience, and satisfaction dynamics in website design for low vision disabled students, emphasizing the importance of prioritizing user experience to boost satisfaction, particularly within disability populations. Practical implications include improving website accessibility and academic support for low vision disabled students, with recommendations for staff training and student involvement in website development. Limitations include sample size constraints and potential lack of generalizability, suggesting the need for future research incorporating qualitative methodologies.

Pengembangan Metode Klasifikasi Berdasarkan K-Means Dan LVQ Eka Ratnawati, Dian; ., Marji; Muflikhah, Lailil
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 1 No 1: April 2014
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

AbstrakPada penelitian ini dikembangkan metode klasifikasi berdasarkan pengelompokan K-Means dan LVQ. Metode-metode klasifikasi yang telah ada jika ada data dengan frekuensi kecil cenderung tidak digunakan dalam pengujian kelas, padahal dimungkinkan data tersebut sangat bermanfaat. Langkah untuk melakukan pengelompokan adalah: melakukan pengelompokkan dengan K-Means. Pengelompokan terus dilakukan sampai mencapai threshold (batasan tertentu). Jika threshold sudah dicapai dan pada satu cluster masih terdapat kelas yang berbeda maka dilakukan pembelajaran dengan menggunakan LVQ. Akurasi gabungan K-Means dan LVQ lebih baik daripada dengan K-Means murni. Untuk akurasi rata-rata tertinggi K-Means dan LVQ didapatkan 92%, sedang untuk K-Means murni 82%.Kata kunci: klasifikasi, pengelompokan, K-Means, LVQAbstractThis research will develop methods of classification based on K-Means clustering. Grouping method used is a combination of K-Means and LVQ. Classification methods that have been there if there is a small frequency data tend to be used in the test class, but it is possible they are very useful. Steps to perform grouping is doing the K-Means clustering. Grouping is continues until it reaches the threshold. If the threshold has been reached and there are cluster of different classes then performed using LVQ learning. Accuracy combined K-Means and LVQ is better than with pure K-Means. For the highest average accuracy of K-Means and LVQ gained 92%, while for the K-Means only 82%.Keywords: classification, grouping, K-Means, LVQ

Klustering Dengan K-Means Berbasis LVQ Dan K-Means Berbasis OWA Ratnawati, Dian Eka; ., Indriati
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 2 No 1: April 2015
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Abstrak Pada penelitian ini dilakukan pembandingan hasil klustering pada data car evaluation dengan menggunakan K-Means berbasis LVQ (Learning Vector Quantization) dan K-Means berbasis OWA (Ordered Weighted Averaging). Pada kedua metode ini sama-sama mempergunakan K-Means tetapi yang sudah mengalami modifikasi. Hasil dari penelitian sebelumnya secara terpisah yang membandingkan metode K-Means modifikasi tersebut dengan K-Means konvensional menunjukkan bahwa kedua metode modifikasi tersebut sama-sama lebih baik daripada K-Means konvensional. Tetapi belum pernah ada penelitian yang membandingkan akurasi hasil klustering kedua metode modifikasi tersebut. Sehingga pada penelitian ini dilakukan klustering dengan menggunakan kedua metode tersebut untuk data car evaluation, karena dari penelitian sebelumnya kedua metode tersebut cukup handal dalam melakukan klustering. Hasil dari ujicoba menunjukkan rata-rata hasil akurasi dimulai yang tertinggi adalah K-Means berbasis LVQ(86.50%), K-Means berbasis OWA(86,16%) kemudian K-Means konvensional (56,50%). Tetapi dengan urutan atribut yang benar dan pemilihan nilai alpha yang tepat yakni 0.8, K-Means berbasis OWA bisa menghasilkan akurasi yang lebih tinggi yakni 93.33%. Kata kunci: K-Means berbasis LVQ, K-Means, K-Means berbasis OWA, bobot Abstract In this paper do a comparison with the results of klustering using K-Means based LVQ (Learning Vector Quantization) and K-Means based OWA (Ordered Weighted Averaging). In both of these methods used K-Means but which has been modified. Results from previous studies have shown that both methods are better than conventional K-Means. But there has never been a study comparing the accuracy of klustering results of the two methods. So in this study conducted klustering using both methods for data car evaluation, because of previous studies both methods are reliable enough to perform klustering In the researchs before it, both method are prefer than conventionalK-Means, but there are no researchs which compare them. So, in the research , we will compare it by using same data that is car evaluation. In order to know what it is method is the best. The result of research are that in the average , K-Means LVQ(86.50%) is more accuracy than K-Means – OWA(86,16%) and conventional K-Means(56,50). But if the order of selection attributes and alpha values is correct , K Means based OWA can generate higher accuracy that is 93.33 % using the alpha value of 0.8 Keywords: K-Means based LVQ, K-Means, K-Means based OWA, weight

Identifikasi Jenis Attention Deficit Hyperactivity Disorder (ADHD) Pada Anak Usia Dini Menggunakan Metode Neighbor Weighted K-Nearest Neighbor (NWKNN) Fadila, Putri Nur; ., Indriati; Ratnawati, Dian Eka
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 3 No 3: September 2016
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

AbstrakFase pertumbuhan dan perkembangan merupakan fase terpenting pada manusia, khususnya pada anak usia dini. Pertumbuhan dan perkembangan pada anak mempengaruhi bagaimana seorang anak tersebut ketika mencapai dewasa baik dari segi mental, fisik, maupun kecerdasaannya. Tentunya tidak semua anak mengalami perkembangan yang normal, bisa saja ada yang mengalami gangguan perkembangan. Salah satu gangguan perkembangan yang sering dialami pada anak usia dini adalah ADHD (Attention Deficit Hyperactivity Disorder). Untuk ADHD sendiri terdapat tiga jenis yaitu Inattention, Impulsif, dan Hyperactivity. Pada penelitian ini akan dilakukan identifikasi jenis ADHD berdasarkan gejala yang muncul menggunakan metode klasifikasi Neighbor Weigted K-Nearest Neighbor (NWKNN). Metode NWKNN merupakan metode perkembangan dari metode KNN, yang membedakan adalah pada NWKNN terdapat proses pembobotan terhadap setiap jenis yang akan di klasifikasikan. Pada penelitian ini akan dilakukan identifikasi jenis yang terdiri atas 4 jenis meliputi Inattention, Impulsif, Hyperactivity, dan Tidak ADHD. Hasil dari penelitian ini menunjukkan bahwa metode NWKNN dapat melakukan identifikasi jenis ADHD dengan baik ketika data latih yang digunakan sebanyak 80 data dengan data uji sebanyak 20 data, nilai K=10, dan nilai E=4 dengan hasil akurasinya mencapai 95%. Pada penelitian ini juga membuktikan bahwa metode NWKNN memiliki rata-rata akurasi 2% lebih baik dibandingkan metode KNN dalam melakukan identifikasi jenis ADHDKata Kunci: Perkembangan, Anak Usia Dini, ADHD, dan Metode NWKNNAbstractGrowth and development are the most important fase for human, especially for early age children. Growth and development indeed give an influence on how the child in mentalism, physical and shrewdness aspect when they are getting older. Not every children has a normal development, some of them can have development disruption. One of development disruptions that happen often for early age children is ADHD (Attention Deficit Hyperactivity Disorder). For ADHD, it has three kinds, which are inattention, impulsif and hyperactivity. In this research, the researcher will detect the kind of ADHD based on symptom arise using Neighbor Weigted K-Nearest Neighbor (NWKNN) method. NWKNN method is one of development methods from KNN method, the different is on NWKNN there is integrity process on every kind which being classified. In this research, there will be done some identification kind which consist of 4 kinds, Inattention, Implusif, Hyperactivity and not ADHD. The result of this research shows that NWKNN method able to done the ADHD identification well when data consist of 80 data training, 20 data testing, K score=10, and E score=4 with accuracy result that reach 95%. In this research also prove that NWKNN method have an accuracy of 2% better than KNN method to detect kind of ADHD.Keywords: Development, Early Age Children, ADHD, and NWKNN Method

Optimasi Komposisi Makanan Untuk Atlet Endurance Menggunakan Metode Particle Swarm Optimization Rachmad, Zikfikri Yulfiandi; Ratnawati, Dian Eka; Arwan, Achmad
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 3 No 2: Juni 2016
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

AbstrakOlahraga adalah aktivitas yang tidak terpisahkan dari kehidupan sehari-hari sebagian besar masyarakat karena dapat menjaga kesehatan tubuh. Salah satu jenis dari olahraga adalah olahraga Endurance (ketahanan). Olahraga ini di tiap tahunnya mengalami peningkatan jumlah atlet yang berpartisipasi. Saat perlombaan atau turnamen olahraga, selain latihan yang rutin, komposisi makanan yang tepat adalah salah satu faktor yang menunjang performa atlet agar menjadi lebih baik. Pada penelitian ini menggunakan metode PSO (Particle Swarm Optimization) untuk menentukan kombinasi bahan makanan untuk memenuhi kebutuhan gizi atlet olahraga endurance dalam sehari. Total bahan makanan yang digunakan sebanyak 125 bahan dan tiap makanan memiliki kandungan gizi berupa protein, lemak, dan karbohidrat. Untuk setiap partikel dalam metode PSO mengandung 14 bahan makanan dengan direpresentasikan nomor bahan makanan dari tabel database bahan makanan. Dari hasil pengujian parameter metode PSO pada penelitian ini diperoleh ukuran populasi terbaik sebesar 200 partikel, jumlah iterasi terbaik sebanyak 80, dan kombinasi nilai C1 dan C2 adalah 1 dan 1. Hasil dari uji coba studi kasus, dapat disimpulkan bahwa sistem dapat memberikan hasil rekomendasi menu makanan yang baik, yaitu yang masih dalam batas tolerasi ±10% selisih kecukupan kebutuhan gizi untuk atlet olahraga Endurance. Kata Kunci: Particle Swarm Optimization, PSO, Komposisi Makanan, Atlet, Olahraga Endurance.AbstractSport is an activity that can’t be separated from daily life because their benefits for health. Endurance sport is one of the sport’s variety. Nowadays, People that interested in Endurance sport are increasing. Thus, when the tournament season or competition are coming, the food compositions for diet are one of factors that had a necessary role for increasing the performance of an athlete in a daily occasion. This research used 125 of foods and each of it contained different proportion of nutritions included protein, fat, and carbohydrate. For each particles in PSO methode contained 14 different food ingredients that will be represented with index based on the database of this research. The giving result of PSO method’s testing that has been conducted are 200 particles for best population, 80 iterations, and the combination for C1 and C2 is 1 and 1. From those result can be concluded that the system of this research able to give a fitting recommendation of food composition, by using the ±10% of tolerance limit of nutrition difference between athlete’s nutrition needs and nutrition recommendation from the system. Keywords: Particle Swarm Optimization, PSO, Food Composition, Athlete, Endurance Sport.

Co-Authors Abdurrahman Airlangga, Aria Abhiram, Muhammad Tegar Achmad Arwan Achmad Ridok Achmad, Riza Putra Adhitya, I Made Yoga Adrian Firmansah, Dani Afif Ridhwan Afrida Djulya Ika Pratiwi Agus Wahyu Widodo Agustin Kartikasari Ahmad Afif Supianto Akbar, Rozaq Aldy Satria Alfa Fadlilah Alifah, Syafira Almira Syawli, Almira Alvian Akmal Nabhan Amonito, Kurnia Ana Mariyam Puspitasari Anak Agung Bagus Arisetiawan Anam, Syaiful Ardhiansyah, Muhammad Hanif Arief Andy Soebroto Arif Pratama Asmoro, Priandhita Sukowidyanti Asroru Maula Romadlon Audia Refanda Permatasari Ayu Dwi Lestari, Cynthia Ayulianita A. Boestari Azizul Hanifah Hadi Bayu Rahayudi Bayu Satriawan, Eka Bayu Septyo Adi Bella Krisanda Easterita Bening Herwijayanti Berton, Freddy Toranggi Buce Trias Hanggara Buce Trias Hanggara Buchori Anantya Firdaus Budi Darma Setiawan Cahyo Gusti Indrayanto Candra Dewi Dany Primanita Kartikasari Darma Setiawan, Budi Darmawan, Riski Davia Werdiastu Denny Manuel Yeremia Sinurat Deny Tisna Amijaya, Fidia Devi Nazhifa Nur Husnina Dewi Yanti Liliana Dhiva Mustikananda Dimas Diandra Audiansyah Dimas Fachrurrozi Azam diniyah, zubaidah Diva, Zahra Djoko Pramono Dwi Ari Suryaningrum Dwi Febry Indarwati Dwi Purwono, Prayoga Dwija Wisnu Brata Dyva Pandhu Adwandha Dzulkarnain, Tsania Dzulkarnain, Tsania - Easterita, Bella Krisanda Edgar Maulana Thoriq Edy Santoso Elfa Fatimah Ema Agasta Entra Betlin Ladauw Eva Agustina Ompusunggu Fadhil, Muhammad Farrasseka Fadila, Putri Nur Faiz Anggiananta Winantoro Fanka Angelina Larasati Fathin Al Ghifari Fatthul Iman Fauzan Dwi Kurniawan, Fauzan Dwi Fauzidan Iqbal Ghiffari Figgy Rosaliana Firdaus, Muhammad Fariz Fitra Abdurrachman Bachtiar Fitri Dwi Astuti Fitria Yesisca Fitria, Tharessa Ghani Fikri Baihaqi glenando Gusti Ngurah Wisnu Paramartha Hadi Wijoyo, Satrio Hamas, radityo Hana Chyntia Morama Hanggara, Buce Trias Hanifa Maulani Ramadhan Haris Haris, Haris Harris Imam Fathoni Hasibuan, Herida Hafni Hasibuan, Raka Ardiansyah Heru Nurwasito Hilal, Khaliffman Rahmat Hilmy Ramadhan, Achmad Zhafran Huda Minhajur Rosyidin I Dewa Gede Ngurah Bramasta Darmawan Ibnu Aqli Ibnu Aqli, Ibnu Ibrahim Kusuma Ilyas, Muhaimin Imam Cholissodin Imam Cholissodin Imam Cholissodin Immanuel Tri Putra Sihaloho Indriati ., Indriati Indriati Indriati Ismiarta Aknuranda Issa Arwani Issa Arwani Isti Marlisa Fitriani Izza, Aisyah Nurul Jesika Silviana Situmorang Jibril Averroes, Muhammad Juan Michel Hesekiel Kartika, Annisa Wuri Kelvin Anggatanata Kevin Renjiro Khairi Ubaidah Khoba, Ahmad Faiz Khofifatunnabilah, Khofifatunnabilah Kirana, Urdha Egha Krishna Febianda Kusuma, Salsabila Azzahra' Zulfa Lailil Muflikhah Leonardo, Ryan Luqman Rizky Dharmawan M. Ali Fauzi Madjid, Marchenda Fayza Maghfiroh, Sofita Hidayatul Mahendra Data Mahendra Data Mala Nurhidayati Maliha Athiya Rahmani Marji . Marji Marji Marji Marji Marji Marji Maulana Syahril Ramadhan Hardiono Michael Eggi Bastian Mochammad Iskandar Ardiyansyah Rochman Moh Fadel Asikin Muh. Arif Rahman MUHAJIR Muhammad Iqbal Mustofa Muhammad Kevin Sandryan Muhammad Reza Utama Pulungan Muhammad Tanzil Furqon Muhyidin Ubaiddillah Muslimah, Fakhriyyatum Muthia Maharani Nabilah Iftah Nella Naily Zakiyatil Ilahiyah Nanang Yudi Setiawan Nanang Yudi Setiawan Nanda Alifiya Santoso Putri Nanda Petty Wahyuningtyas Nilna Fadhila Ganies Norma Desitasari Novirra Dwi Asri Nugraha Perdana, Aditya Nugraheni, Miftakhul Fitria Nur Adli Ari Darmawand Nur Khilmiyatul Ilmiyah Nuraini Anitasari Nuralam, Inggang Perwangsa Nurul Hidayat Nyimas Ayu Widi Indriana Oceandra Audrey Pandu Adikara, Putra Pangestu Ari Wijaya Panjaitan, RE. Miracle Prahesti, Suherni Prakoso, Ricky Pratomo Adinegoro Priyono, Mochammad Fajri Rahmatullah Rendra Puji Indah Lestari Purnomo, Welly Putra Pandu Adikara Putra, Alland Rifqy Putri, Nindy Alya Rachmad, Zikfikri Yulfiandi Raden Rizky Widdie Tigusti Rahma, Dzakiyyah Afifah Rahmah, Yusriyah Raisha, Serefika Raja Farhan Ramadha Pohan Rama Humam Syarokha Randy Cahya Wihandika Rani Metivianis Ratih Diah Puspitasari RE. Miracle Panjaitan Rekyan Regasari Mardi Putri, Rekyan Regasari Mardi Retno Indah Rokhmawati, Retno Indah Revi Anistia Masykuroh Rifqi Irfansyah, Nandana Rizal Setya Perdana Rizal Setya Perdana Robiata Tsania Salsabila Aditya Putri Rodiah Rodiah Ryan Leonardo Salsabillah, Dinar Fairus Saparila Worokinasih Saputro, Dimas Sarie, Riza Athaya Rania Satriawan, Eka Bayu Satrio Agung Wicaksono Satrio Hadi Wijoyo Sema Yuni Fraticasari Setiawan, Alexander Christo Setya Perdana, Rizal Setyowati, Andri Shafira Margaretta Sherly Witanto Sherryl Sugiono Sindarto Sigit Pangestu Silvia Ikmalia Fernanda Siregar, Fauziah Syifa R. Siti Fatimah Al Uswah Sobakhul Munir Siroj Sormin, Hartati Penta Angelina Sri Indrayani, Sri Suhhy Ramzini Sukmawati, A'inun Sutrisno Sutrisno Sutrisno, Sutrisno Syaiful Anam Syifa Namira Neztigaty Thifal Fadiyah Basar Titis Sari Kusuma Ulfa Lina Wulandari Utomo, Yoga Cahyo Vina Adelina Welly Purnomo Wibowo, Shinta Dewi Putri Widhy Hayuhardhika Nugraha Putra Wijanarko, Rizqi Winda Fitri Astiti Winurputra, Raihan Wiratama Paramasatya Yahya, Faiz Yolanda Nailil Ula Yudi Setiawan, Nanang Yuita Arum Sari Yunita Dwi Alfiyanti Yure Firdaus Arifin Zahra, Wardah

Title

Found 195 Documents
Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 195 Documents Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 195 Documents
Search