Claim Missing Document
Check
Articles

Found 5 Documents
Search
Journal : Jurnal Masyarakat Informatika

Aplikasi gameplay edukasi pencegahan obesitas dengan menggunakan algoritma astar dan greedy pada pencarian jalur makanan M Abdul Fatah Z; Adi Wibowo
Jurnal Masyarakat Informatika Vol 10, No 1 (2019): JURNAL MASYARAKAT INFORMATIKA
Publisher : Department of Informatics, Universitas Diponegoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (473.042 KB) | DOI: 10.14710/jmasif.10.1.31487

Abstract

Edukasi untuk obesitas sangatlah penting dilakukan. Salah satunya dapat dilakukan dengan game edukasi berbasis TD. Untuk dapat mengedukasi masyrakat tentang obesitas maka dibutuhkan gameplay yang memperlihatkan tentang makanan sehat, makanan tidak sehat dan kebutuhan olahraga. Pada tugas akhir ini kami menggunakan algoritma Astar dan Greedy sebagai gameplay yang diimplementasikan pada makanan sehat dan makanan tidak sehat. Aplikasi ini dibangun dengan dengan bahasa pemrograman C#, software Unity 3D dan metodologi XP. Hasil eksperimen menunjukkan bahwa waktu yang dibutuhkan algoritma Astar dari kotak start ke kotak finish lebih cepat dibandingkan dengan algoritma Greedy. Oleh sebab itu, pada makanan sehat akan digunakan pencarian jalur algoritma Greedy dan makanan tidak sehat menggunakan algortima Astar. Hasil survei menunjukkan responden lebih memahami edukasi tentang cara untuk mencegahan obesitas setelah memainkan game ini.
PENERAPAN ATURAN IF-THEN UNTUK MENANGANI KETIDAKPASTIAN PERUBAHAN LINGKUNGAN PADA VEHICLE ROBOT LEGO Sutikno Sutikno; Adi Wibowo; Kushartantya Kushartantya; Helmie Arif Wibawa
Jurnal Masyarakat Informatika Vol 3, No 6 (2012): JURNAL MASYARAKAT INFORMATIKA
Publisher : Department of Informatics, Universitas Diponegoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1801.76 KB) | DOI: 10.14710/jmasif.3.6.8461

Abstract

Perkembangan teknologi di bidang robotika telah menjadi perhatian yang cukup serius dalam beberapa tahun terakhir. Salah satu jenis robot dengan kemampuan istimewa yaitu robot mobil. Masalah utama robot ketika beroperasi adalah bagaimana robot dapat bergerak pada lintasan yang sesuai dan dengan cepat sampai pada tujuan. Pada tulisan ini dicoba mendesain algoritma If-Then rule yang di implementasikan pada Automated Guided Vehicle (AGV), dengan input 3 sensor ultrasonik dan 2 output yaitu arah sudut dan kecepatan robot, kemudian dilihat kemampuan robot dalam bergerak pada lintasan yang berbelok. Dari hasil yang diperoleh robot mampu bergerak melintas pada lintasan lurus dan belok, tetapi robot tidak mampu berada pada bagian tengah lintasan, hal ini disebabkan karena algoritma If-Then yang digunakan hanya mendeteksi input sensor yang masih sedikit dan respon robot yang lambat.
Aplikasi Enkripsi Video MPEG dengan Video Encryption Algorithm (VEA) yang Dimodifikasi dengan Algoritma RC4 Yusuf Fahmi Adiputera; Adi Wibowo; Aris Sugiharto
Jurnal Masyarakat Informatika Vol 9, No 2 (2018): JURNAL MASYARAKAT INFORMATIKA
Publisher : Department of Informatics, Universitas Diponegoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (427.348 KB) | DOI: 10.14710/jmasif.9.2.31480

Abstract

Video adalah salah satu konten multimedia yang sering digunakan seiring maraknya penggunaan smartphone. Seiring dengan perkembangan teknologi maka faktor keamanan untuk menjaga kerahasiaan dari video menjadi hal yang penting agar orang yang tidak berkepentingan tidak dapat melihat gambar dari video. Salah satu metode untuk mengamankan gambar dari video adalah dengan melakukan enkripsi. Metode enkripsi video yang dapat digunakan yaitu algoritma video encryption algorithm (VEA), algoritma ini melakukan enkripsi pada frame I dari video MPEG. Dalam tugas akhir ini algoritma VEA dimodifikasi dengan algoritma RC4 untuk menambah keamanannya. Aplikasi ini dibangun dengan menggunakan metode pengembangan perangkat lunak unified process dan implementasinya menggunakan bahasa pemrograman Java. Dari hasil pengujian, diperoleh hasil bahwa algoritma RC4 dapat meningkatkan tingkat keamanan dari algoritma VEA yang dapat dilihat dari nilai MSE rata-rata video hasil enkripsi algoritma VEA yang dimodifikasi dengan algoritma RC4 lebih tinggi dari nilai MSE rata-rata video hasil enkripsi algoritma VEA, selain itu pengujian juga memperlihatkan bahwa waktu enkripsi yang linier dengan durasi video dan resolusi video.
Aplikasi Gameplay Edukasi Pencegahan Obesitas dengan Menggunakan Algoritma Astar dan Greedy pada Pencarian Jalur Makanan Muhammad Abdul Fatah Z; Adi Wibowo
Jurnal Masyarakat Informatika Vol 10, No 2 (2019): JURNAL MASYARAKAT INFORMATIKA
Publisher : Department of Informatics, Universitas Diponegoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (936.376 KB) | DOI: 10.14710/jmasif.10.2.31498

Abstract

Edukasi untuk obesitas sangatlah penting dilakukan. Salah satunya dapat dilakukan dengan game edukasi berbasis TD. Untuk dapat mengedukasi masyrakat tentang obesitas maka dibutuhkan gameplay yang memperlihatkan tentang makanan sehat, makanan tidak sehat dan kebutuhan olahraga. Pada tugas akhir ini kami menggunakan algoritma Astar dan Greedy sebagai gameplay yang diimplementasikan pada makanan sehat dan makanan tidak sehat. Aplikasi ini dibangun dengan dengan bahasa pemrograman C#, software Unity 3D dan metodologi XP. Hasil eksperimen menunjukkan bahwa waktu yang dibutuhkan algoritma Astar dari kotak start ke kotak finish lebih cepat dibandingkan dengan algoritma Greedy. Oleh sebab itu, pada makanan sehat akan digunakan pencarian jalur algoritma Greedy dan makanan tidak sehat menggunakan algortima Astar. Hasil survei menunjukkan responden lebih memahami edukasi tentang cara untuk mencegahan obesitas setelah memainkan game ini.
Perbandingan Metode Ensemble Learning pada Klasifikasi Penyakit Diabetes Linggar Maretva Cendani; Adi Wibowo
Jurnal Masyarakat Informatika Vol 13, No 1 (2022): JURNAL MASYARAKAT INFORMATIKA
Publisher : Department of Informatics, Universitas Diponegoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.14710/jmasif.13.1.42912

Abstract

Diabetes merupakan salah satu penyakit dalam dunia medis yang ditandai dengan kadar gula dalam darah yang tinggi pada penderitanya. Menurut data dari Organisasi Kesehatan Dunia (WHO), pada rentang tahun 1980 sampai 2014, terjadi peningkatan kasus penderita diabetes dari 108 juta menjadi 422 juta. Ensemble Learning yang merupakan salah satu metode dalam Machine Learning dapat digunakan untuk melakukan klasifikasi penyakit diabetes. Pada penelitian ini, dilakukan perbandingan 3 metode Ensemble Learning, yaitu Bagging, Boosting, dan Stacking pada 3 buah dataset. 3 dataset yang digunakan adalah Pima Indians Diabetes, Frankfurt Hospital Diabetes, dan Sylhet Hospital Diabetes. Dari hasil eksperimen ensemble learning yang dilakukan pada ketiga buah dataset, didapatkan bahwa metode Boosting dapat mengungguli metode Bagging dan Stacking. Pada dataset 1, didapatkan akurasi tertinggi sebesar 81.82 % dengan model Gradient Boosting, Extreme Gradient Boosting, dan Cat Boosting. Pada dataset 2, didapatkan akurasi tertinggi sebesar 99.25 % dengan menggunakan model Light Gradient Boosting. Sedangkan akurasi tertinggi pada dataset ketiga adalah 100% dengan menggunakan model Light Gradient Boosting dan Cat BoostingDiabetes merupakan salah satu penyakit dalam dunia medis yang ditandai dengan kadar gula dalam darah yang tinggi pada penderitanya. Menurut data dari Organisasi Kesehatan Dunia (WHO), pada rentang tahun 1980 sampai 2014, terjadi peningkatan kasus penderita diabetes dari 108 juta menjadi 422 juta. Ensemble Learning yang merupakan salah satu metode dalam Machine Learning dapat digunakan untuk melakukan klasifikasi penyakit diabetes. Pada penelitian ini, dilakukan perbandingan 3 metode Ensemble Learning, yaitu Bagging, Boosting, dan Stacking pada 3 buah dataset. 3 dataset yang digunakan adalah Pima Indians Diabetes, Frankfurt Hospital Diabetes, dan Sylhet Hospital Diabetes. Dari hasil eksperimen ensemble learning yang dilakukan pada ketiga buah dataset, didapatkan bahwa metode Boosting dapat mengungguli metode Bagging dan Stacking. Pada dataset 1, didapatkan akurasi tertinggi sebesar 81.82 % dengan model Gradient Boosting, Extreme Gradient Boosting, dan Cat Boosting. Pada dataset 2, didapatkan akurasi tertinggi sebesar 99.25 % dengan menggunakan model Light Gradient Boosting. Sedangkan akurasi tertinggi pada dataset ketiga adalah 100% dengan menggunakan model Light Gradient Boosting dan Cat Boosting.